随着科学技术的不断发展,粮食产量得到很大的提高,储粮量也与日俱增,但同时储粮过程中粮虫造成的粮食损失也越来越大。粮虫的检测和预防是储粮过程中的研究重点,准确和及时地对储粮粮虫进行有效检测并采取措施进行防治,尤为重要。但目前国内粮库中的粮虫检测方法大多以人工操作为主,操作繁琐、工作量大、难以实现自动化和信息化;虽然也有部分学者设计了智能化的埋入式粮虫图像采集装置,但是粮虫会在装置集虫板上堆积,并且采集到的图像未做任何处理,包含了大量冗余信息;另外在粮虫检测领域还未提出一整套完整用于粮仓现场的粮虫图像采集、传输、现场识别功能的系统。针对这些问题,设计了一种储粮粮虫检测系统,该系统由图像采集子系统、中继传输子系统、数据处理子系统三个部分组成,论文完成的主要工作概括如下:(1)针对目前大多数埋入式粮虫图像装置采集到的图像冗余信息高的问题,本设计的图像采集子系统,通过背景减法去除冗余部分,提取出有效的粮虫信息,减小了网络传输数据量,提高了系统效率。使用三个光电传感器构成的传感器组检测粮虫信号,在处理器即使处于休眠状态时也能提供精准的采集指令,尽可能的降低了系统功耗。每次采集完后控制和集虫板相连的步进电机旋转180°,防止粮虫在集虫板上的堆积,进而影响到下次采集。(2)针对无线网络同频干扰的问题,在图像采集子系统中设计了无线信道划分机制,有效地避免了干扰。针对无线通信距离短的问题,结合粮仓现场布局,设计了中继传输子系统网络拓扑结构、多射频多信道分配方案,在延长通信距离的基础上,解决了交叉通信区域中数据传输冲突的问题。最后在深入分析射频模块特性的基础上,设计了基于睡眠模式的低功耗接收方案,基于接收信号强度指示的自适应发射功率调节方案,在保证数据传输准确率的基础上大大减少了中继传输子系统的能耗。(3)针对粮情应用中使用云计算会产生额外开销的问题,数据处理子系统在嵌入式ARM+linux系统上搭载了 Python实验平台。该平台首先对接收到的RGB565数据流进行BMP编码然后使用二值化方法对图像进行分割,根据图像特征,提取出区域描述子、不变矩、纹理特征信息,最后构建了基于神经网络的粮虫种类识别模型,实验结果表明模型识别成功率达到了 93.3%,符合实际应用需要。测试结果表明,本文设计的储粮粮虫检测系统功能稳定、功耗低,解决了目前在粮虫检测领域存在的问题,具有较强的应用推广价值。