烟草行业给国家贡献了巨额税收,提高烟叶收购质量对卷烟生产具有重要的经济价值和品牌影响力。烟叶分级是卷烟生产的第一步,是烟农生产烟叶的最后一步,分级的准确性直接影响到烟农种烟的积极性和经济利益。目前烟叶分级主要依赖分级工人的主观评价,通过眼观,手摸,耳听,再结合分级经验对烟叶进行分级。人工烟叶分级方式具有较强的主观性以及局限性,并且分级效率低下。近些年来,基于计算机视觉的自动分级技术试图代替人工分级,但仍存在分级准确率低的缺点,并且较少地考虑重叠烟叶的分级问题。为此,本文利用了传统图像特征和深度神经网络特征研究了单片和重叠烟叶的智能化分级方法,并利用软件工程方法设计和实现了烟叶自动分级系统,提高了烟叶分级准确率和分级效率。本文的主要研究内容如下:（1）提出了基于多个支持向量机集成的烟叶分级模型。首先对烟叶进行特征提取,利用传统图像算法提取烟叶的表观特征,包括颜色特征、纹理特征、形状特征,并根据烟叶的颜色分布,对颜色特征进行均匀量化。接着利用VGG16分类网络和细粒度卷积神经网络提取烟叶的高维语义特征。然后,利用改进的F-score特征选择方法对提取到的三类不同特征进行特征筛选,利用支持向量机（SVM）分别对这三类特征训练三个不同的SVM模型,最后利用Boosting集成的思想,对三个不同的SVM的分类结果进行集成,并提出一种易混淆类抑制策略,对集成的结果进行修正,最终的分级准确率为74.07%,部位的分组准确率为94.02%。该分级模型准确率比一些传统分类模型高3.98%～23.93%,比端到端的卷积神经网络分类模型Res Net152高23.28%。（2）研究了两片烟叶在重叠的情况下如何进行上下层烟叶的分割与分级问题。根据两片烟叶的相交点是凹点,叶尖和叶基顶点是凸点的性质,本文提出了基于凹凸点的椭圆烟叶拟合模型,根据凹凸点来对重叠烟叶的边缘进行分段,然后再对边缘段进行椭圆拟合,并根据主脉判断重叠烟叶的上下覆盖关系,实现重叠烟叶的分割,分割的像素精度为0.9096,分割时间为0.5370秒,均优于传统的分割方法,最后利用单片烟叶分级方法对分割后的烟叶进行分级,对于五个等级的两片重叠烟叶的分级准确率为45.21%。（3）对烟叶分级软件进行了需求分析以及系统设计,介绍了软件的接口设计,并考虑了分级算法的执行效率,实验表明当烟叶图像缩放系数为0.5的时候,分级速度和分级准确率达到较好平衡。详细介绍了软件界面的各个模块和功能设计,最后将该分级软件与烟叶图像采集设备相结合,实现了烟叶智能化分级系统,并且已经初步应用在了烟叶分级现场。利用该分级系统,能够提高烟叶分级的准确率和效率,帮助烟站提高数字化和智能化发展水平。