西洋参片药材的分级方法研究，对于西洋参片品种与质量的鉴定有一定的理论意义和实用价值。传统的中药品质评价方法是按中药材的产地进行分类和道地性判别的，而随着中药材用量增加较快，质量参差不齐，这种传统的评价方法已不能满足市场和产业的需求。本文探索性的利用计算机普通成像技术和高光谱成像技术对六个等级的西洋参片样品进行分级方法的研究。论文的主要研究内容和结果如下：　　1．基于计算机普通成像技术的西洋参片分级研究　　进行西洋参片图像的采集，在HSI颜色空间下进行图像分割，并运用最大类间方差法实现了图像的阈值分割。　　在预处理后的西洋参片图像上提取了大小形状、颜色和纹理三类特征，运用FDA和BP神经网络建立分级模型。其中，利用大小形状、颜色和小波能量这几类特征在FDA下样本的分级正确率达到了83.35％，而在BP神经网络下的分级正确率达到了85.33%。　　运用Wilks统计量进行特征参量的优化选择，并利用FDA、PCA和BP神经网络三种判别方法进行验证表明，优化后的分级正确率得以提高，BP神经网络分级正确率达到88.60%。　　2．基于高光谱成像技术的西洋参片分级研究　　在371.05nm-1023.82nm的光谱范围内进行西洋参片高光谱图像的采集。　　利用主成分分析优选特征波长，发现621nm，616nm和577nm处的图像最能表征西洋参片样品的原始信息，因此这三个波长下的图像即为特征图像。　　通过对比每个等级西洋参片样品的光谱曲线可知：这几个等级的西洋参片样品中化学成分的含量是一致的，但不同等级中每种化学成分含量的多少不同。　　提取了高光谱图像的纹理特征和光谱特征，并利用Fisher对西洋参片的高光谱图像进行判别分析，分级正确率为75.60%。　　本论文的研究结果表明，计算机普通视觉技术和高光谱成像技术都能在一定程度上对不同产地不同等级的西洋参片的进行等级鉴别，为西洋参片的快速检测分级提供了新的手段，具有一定的实践意义。