为提高烟丝结构检测及烟丝组分分析的准确性,基于图像识别技术,对烟丝轮廓进行细化,提取烟丝骨骼,得到烟丝长度,建立烟丝表观总面积与质量的拟合模型,获得烟丝结构(整丝率、碎丝率);利用最小内切圆的方法得到烟丝的平均宽度、宽度方差,烟丝轮廓在饱和度(Saturation,S)通道上的颜色方差,以及HSV颜色模型的颜色矩,用支持向量机(Support Vector Machine,SVM)作为分类器,构建薄片丝、梗丝、叶丝的烟丝组分分类模型。实际应用结果表明:基于图像识别的方法能准确统计整丝率、碎丝率,且比传统振筛法更快捷、有效,与卷积神经网络法和残差神经网络法相比,该方法识别薄片丝、梗丝、叶丝的平均相对误差≤5%,准确性及可行性更高。