苜蓿含有较多的胶体物质和较少的碳水化合物,不合适绿色储存,一般在干草中加工制成草块、草粉、草粒以及叶蛋白质的形式进行流通和保存。为了实现安全存储,必须对收获的苜蓿进行干燥处理。通常,不同的干燥方法使得苜蓿的品质和特性就会有所不同,对于市场消费者来说,不同品质干燥苜蓿的正确分类和识别仍存在着不少盲目性,以至于品质优良的不同品质干燥苜蓿难以快速推向商业市场,既影响到生产者的收益,又影响到消费者的权益。如何对苜蓿草产品能够快速实现实时应用或者在线识别是目前消费市场面临的重要问题。因此,本文从机器视觉和机器嗅觉两方面来对其探究分类的新方法。具体的研究内容如下:机器视觉方面:1.首先利用扫描电镜对不同品质干燥苜蓿进行采集图像。获得的图像相对是暗淡且模糊的。然后对图像进行直方图调整,增加灰度值的动态性。最后利用灰度共生矩阵提取图像中的纹理特征参数。2.使用主成分分析和线性判别分析两种方法分别进行其可视化处理,比较两种方法降低数据冗余度的能力。3.将主成分分析和线性判别分析提取的特征参数输入到建立的神经网络识别模型中。结果显示线性判别分析方法能够使得分类模型更加稳定。机器嗅觉方面:1.利用仿生电子鼻对不同品质干燥苜蓿进行采集其气味特征的响应信号。从响应信号中选择代表性特征数据。2.为了防止产生“维数灾难”,采用主成分分析（PCA）和线性判别分析（LDA）来降低维数。3.将降维后的特征参数输入到所建立的机器学习分类模型中。比较分类模型的优劣。结果得出基于LDA的模型比基于PCA的模型更加有优势。