我国是烟草种植与消费的大国,烟叶的质量分级工作是烟草行业中的前置性基础工作。随着烟草工业的蓬勃发展,人们对烟叶的质量分级提出了更高要求。目前我国的烟叶分级工作主要由人工完成,通过眼观手摸等方式根据经验进行判断。这种方式面临着分级正确率低、分级效率慢、主观因素大等缺点。本文根据烟叶图像的颜色信息设计一种烟叶分级算法,实现一种基于计算机视觉技术的烟叶自动化分级系统,主要包括烟叶的传输、照明、成像、分级判决、剔除、收集等功能。通过此系统达到提高烟叶分级正确率；保证烟叶分级稳定性；提高烟叶分级效率等目的。主要的研究工作包括：第一,综述他人在此领域相关研究成果,分析此前烟叶分级行业各种技术手段的优势以及其局限性。然后根据在烟叶分级现场存在的客观因素以及与此相适应的技术策略提出一种烟叶分级解决方案,确定了解决方案的合理性与可行性。第二,根据解决方案的理论基础搭建烟叶分级图像采集系统。首先,提出烟叶图像采集系统的性能要求,然后基于相关性能要求考虑经济性、可行性等方面的因素选择硬件设备搭建系统。不仅包括烟叶图像采集功能,系统将烟叶自动化分级流程中同步传输、光学照明、成像、算法判决、剔除、收集等一系列功能完整实现。第三,烟叶分级算法研究。本文提出了基于烟叶图像分割、烟叶形状预分级、基于Lab颜色模型的烟叶等级判决三部分的分级算法。利用均匀的颜色模型作为度量标准,对已知等级烟叶学习并获得其颜色特征的分布情况,依据颜色分布区域计算其判决区域。设计相关判决规则,通过对新样本颜色特征分析得出判决结果。实验结果显示此算法的正确率结果与之前结果比较提高24%之多,且实验结果稳定性好,符合预期要求。