粮食在储藏期间,因粮食害虫造成的损失十分严重,因此储粮害虫防治是粮食安全保障的关键技术之一,储粮害虫识别是储粮害虫防治的关键问题。目前,国内外常用的储粮害虫识别方法包括人工识别法、电导系数测试法、图像识别法以及近红外法等。由于图像识别法容易操作、识别率高、节省人力、物力等特点,该方法成为了储粮害虫识别的主要技术。近年来,由于深度学习技术的发展,基于深度学习的图像识别技术已成为了国内外研究的热点。本文基于深度学习和图像识别技术,研究基于深度学习的储粮害虫识别与分类方法。本文主要研究内容和工作如下:(1)针对储粮害虫识别与分类的特点,提出了一种基于深度学习的储粮害虫识别与分类方法。给出了储粮害虫图像预处理方法,并以ReLU作为激活函数,以Softmax作为分类器,设计了基于8层卷积神经网络模型的储粮害虫识别神经网络模型,构建了相应的分类器。实验结果表明,所构建的的储粮害虫神经网络模型的识别率最高达到了98.3%。相比传统的方法,准确率提高了3%~9%。(2)针对ReLU激活函数和Softmax分类器的局限性,引入基于ELU激活函数和Dropout技术,构建了一种基于ELU激活函数和Dropout技术的储粮害虫识别神经网络模型。在原来8层的卷积神经网络模型的基础上增加了4层。克服了ReLU对噪音干扰产生的鲁棒性等问题;通过引入Dropout技术减少了储粮害虫识别卷积神经网络过拟合现象,使识别的准确率提高到98.8%。