烟叶作为卷烟产品的基础,需要有科学合理的烟叶质量标准和客观的分级方法以提高烟草产品的质量。烤烟烟叶依其叶片结构、成熟度、颜色、油分、残伤等特征划分为42个等级,但这些分级标准的描述比较模糊,某些特征没有具体的量化指标,烟叶定级依赖于受过特殊训练的分级专家的经验。本文基于烟叶图像处理技术并结合神经网络方法实现对烟叶自动分级。论文利用图像采集设备获取烟叶彩色图像,通过相关图像处理技术获得烟叶的长度、宽度、面积、周长、圆度、叶尖角、残伤等形状特征参数。采用HSV颜色模型提取烟叶图像的色调H、饱和度S和亮度值V等颜色特征。由于烟叶纹理表征了烟叶的油份等指标,通过Gabor分析的方法提取了烟叶纹理参数。考虑到烟叶特征与烟叶分级上的非线性关系及分级标准的模糊性,本文采用BP神经网络方法对烟叶进行分级建模。将获取的烟叶形状、颜色、纹理等特征作为BP神经网络的输入,烟草等级作为网络输出,利用湖南省烟草局提供的143个烟叶样本得到收敛的训练结果。实验结果表明本文的方法相比于人工分级识别率有一定的提高,测试样本的平均识别率达到80%左右。在烟叶收购及批量分级中大大提高分级速度,分级结果更加客观。