随着计算机技术飞速发展，计算机图像分析技术越来越多地应用于工业化生产过程中的识别与分类。例如;以消灭害虫和除草为目的的识别害虫和田间杂草、以采摘果实为目的的识别作物果实和以检测稻米质量为目的的识别黄米等研究。这些研究都是利用所需识别物体的形状与颜色特征分类将物体，计算机运算速度的猛增和成本的速降使得上述的研究越来越接近于实用。在将图像分析技术应用于分类时，人工神经网络技术是一个很有力的工具。茶叶图像的特征和其分类之间的关系规律很难用经验或一般的统计方法来总结，而用各种类别的茶叶图像样本进行神经网络训练就很容易得到类似经验公式的神经网络。许多学者对神经网络技术应用于图像识别进行了研究，在农业上也有一些应用。

　　本文介绍一下利用人工神经网络根据茶叶的几何与颜色纹理特征将其分为不同的等类，并在茶叶不锈钢分选机上完成分选工作。一般茶叶按全芽、一芽一叶和一芽二叶等分级，一些地区还将一芽一叶的茶叶按其叶片的展开程度再细分为一芽一叶未展开（文中称为叶包芽）和一芽一叶。

　　人工神经网络是模仿生理学中人的大脑神经处理信息的方式，对信息进行并行处理的一种信息处理网络系统。利用神经网络系统具有较强的学习功能，可以对一些看似杂乱无章的实验数据整理出内在规律，建立分析同类事物的网络，解决分类、测算、优化等问题。

　　不锈钢分选机应用人工神经网络技术解决茶叶分类问题的方法是：

　　选择茶叶图像中对茶叶分类相关性较大的茶叶形状和纹理特征参数作为输入向量，分类结果作为输出向量;以此为基础建立人工神经网络，并采集有代表性的茶叶图像样本进行训练;训练后达到一些精度要求的神经网络就可以应用于茶叶的分类。根据以上思路，有学者曾就神经网络图像分析进行茶叶分类的方法进行过相关研究，得出的结论是用这种方法对鲜茶叶进行分类，分类的正确率可达90%左右。在此基础上人们进一步对分类计算方法进行优化，并将此方法应用于茶叶不锈钢分选机，实现使用机械对鲜茶叶自动分类。