傳統(tǒng)方法對(duì)農(nóng)產(chǎn)品進(jìn)行細(xì)粒度劃分，確定影響分類效果的關(guān)鍵因素，但忽略了農(nóng)產(chǎn)品的質(zhì)量特征。對(duì)農(nóng)產(chǎn)品的質(zhì)量進(jìn)行科學(xué)的分類，能夠更妤地反映農(nóng)產(chǎn)品在質(zhì)量方面的變化，還可以顯著提升農(nóng)產(chǎn)品后續(xù)的處理效率。從農(nóng)產(chǎn)品的質(zhì)量特征出發(fā)，將農(nóng)產(chǎn)品進(jìn)行分類，對(duì)不同類別的農(nóng)產(chǎn)品按照不同的方法進(jìn)行處理，以在保證農(nóng)產(chǎn)品質(zhì)量的同時(shí)提高農(nóng)產(chǎn)品的附加值。分類方法與模型參數(shù)的選取對(duì)于農(nóng)產(chǎn)品質(zhì)量分類的準(zhǔn)確度尤為重要。傳統(tǒng)攴持向量機(jī)SVM對(duì)模型參數(shù)的選擇具有盲目性，為提高分類的準(zhǔn)確度，文中提出一和中將因子分析（ Factor Analsysi，F(xiàn)A）與基于遺傳算法改進(jìn)的支持向量機(jī)（ Genetic AlgorithmSupport vector Machine， GA-SVM）結(jié)合的分類模型。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的SVM能夠快速、有效地判別農(nóng)產(chǎn)品質(zhì)量類別，顯著改善農(nóng)產(chǎn)品質(zhì)量的分類精度，評(píng)估過(guò)程較為簡(jiǎn)單，可廣泛應(yīng)用于農(nóng)產(chǎn)品質(zhì)量的評(píng)估。