基于高光谱成像技术的祁门红茶等级无损检测研究主要通过以下步骤进行：

1. 数据采集：使用近红外高光谱相机（900~1700 nm）采集不同等级的祁门红茶图像。实验条件控制，如样本平铺、移动台速度、曝光时间等，以获取稳定可靠的原始高光谱图像数据。

2. 数据预处理：对原始高光谱图像进行黑白校正和去噪处理，使用MNF方法减少噪声影响。并从图像中提取感兴趣区域(ROI)来计算平均光谱。

3. 样本光谱特征分析：剔除受初始阶段光照强度不均及仪器噪声影响的光谱带，选取980~1650 nm范围作为有效分析数据。采用SG、SNV、MSC等算法对光谱数据进行预处理，优化模型输入。

4. 高维数据可视化：应用MDS、Sammon、t-SNE、PCA等降维技术，将高光谱图像的高维数据转换为低维可视化数据，以辅助分析和识别不同等级的茶叶。

5. 模型建立与评估：构建SVM和ELM机器学习模型，对祁门红茶的等级进行分类。通过混淆矩阵分析模型性能，评价训练集和测试集的识别准确率。

6. 结果分析：对比不同预处理方法和分类模型的效果。结果表明，SG-SNV预处理结合SVM模型在祁门红茶等级分类中取得了最好的效果，测试集识别率达到100%。

结论：结合近红外高光谱成像技术和机器学习模型可以有效实现祁门红茶等级的快速无损检测，具有很好的应用前景。