烟叶是保障卷烟品牌的基础性原料,烟叶评级是将农业生产加工的烟叶,转化成为供卷烟厂生产企业使用的原料的重要环节,关乎农户和行业工商企业的利益,影响着卷烟原料的高效利用。现有烟叶分级主要依靠专业技术人员的感官与经验来判断烟叶的分类,综合因数造成了在烟叶质量分级时存在较强的主观因数,同时造成大量的人力、物力、财力的损耗且对评级人员有一定的专业技术要求。针对上述问题,本文期望利用基于卷积神经网络的视觉算法解决在烟叶智能分级系统相关算法问题。纵观烟叶分级系统算法的发展,可以发现众多学者、专家着手解决烟叶分级算法,但一个成熟的烟叶智能分级系统如若想实现无人化工厂,智能化分级,更需要考虑烟叶智能分级系统中烟叶上下料问题。基于上述现状,本文主要研究烟叶智能分级系统中烟梗定位识别问题及烟叶分级算法模型的搭建。本文的主要工作如下:（1）借助中国烟草总公司职工进修学院的烟叶种类库与专业的烟叶分级技术人员,采集大量具有种类代表性的烟叶样本,并制作烟梗识别与烟叶分类样本集。（2）为实现烟叶分级系统中烟梗部位的智能抓取,防止智能烟叶分级系统中机械手在抓取烟叶中对叶面造成损伤,提出一种基于改进YOLOv3的卷积神经网络烟梗自动识别定位模型。该模型在原有的YOLOv3的基础模型上改变单元模块结构引入注意力机制模块,优化模型参数,使用Swish激活函数,实现对烟梗图像全部信息进行目标定位识别。（3）针对烟叶分级系统中烟叶上下料中的烟梗识别定位问题,本文基于YOLOv4卷积神经网络,将其主干网络CSPDarknet53修改替换为Efficientdet,在此基础上引入深度可分离卷积,并在深度可分离卷积中引入宽度因子alpha变量,优化系统参数,简化网络结构,以提高模型检测准确率与系统识别速度。（4）利用VGG16、VGG19、与Resnet50模型进行烟叶分类模型的搭建,分析模型结构,对比烟叶分类的模型效果,择优选取烟叶分类模型。