我国是一个产粮大国,仅国家粮库就储藏有数千亿公斤粮食。由于粮食上带有种类繁多的微生物,加之粮食中含有许多营养物质是微生物良好的天然培养基,所以在合适的条件下,粮食中的微生物就会使粮食发霉变质,严重影响人类食用的安全性。因此,开发一个科学实用、准确方便的储粮微生物识别检测系统对微生物进行检测,指导专业管理人员采取相关措施来预防霉变是非常必要的。本文利用图像处理、模式识别、神经网络等技术对储粮微生物识别系统进行了相关研究,特别是对微生物的特征提取、特征压缩和分类方面进行了较为深入的研究。主要工作和成果如下:1.储粮微生物图像增强与分割采用滑动窗口为十字形的中值滤波法对微生物图像进行平滑处理;采用基于迭代阈值和数学形态学的边缘检测算法对微生物图像进行边缘检测。2.储粮微生物特征形成提取出储粮微生物二值化图像的特征包括形态学特征和纹理特征在内的共18个特征,并对所有特征进行归一化处理。3.储粮微生物特征选择在系统地分析遗传算法和模拟退火算法两种组合优化方法的基础上,依据储粮微生物显微图像的特点提出了基于模拟退火技术的遗传算法——遗传模拟退火算法,对遗传模拟退火算法的特点、实现步骤、参数分析、具体实现进行了较深入的探讨。运用遗传模拟退火算法对抽取出的18个特征进行特征选择,筛选出面积、周长、复杂度等10个较好的特征。4.储粮微生物特征压缩分析了常用的特征压缩方法,基于类内类间距离的、基于K-L变换的、基于神经网络的和基于小波分析的特征压缩;运用总体类内离散度矩阵K-L变换的特征压缩方法,将储粮微生物的10维特征向量压缩到6维,从而减少了分类器的计算量,提高了系统的整体性能。5.储粮微生物分类器的设计设计了改进的BP神经网络分类器和模糊分类器。用神经网络和模糊技术来实现储粮害虫的分类,并深入地研究了BP网络分类器的设计。针对传统BP算法易陷入局部极小和收敛速度慢的问题,分析了3种改进方法,使网络的收敛速度大大加快,所设计的BP网络分类器和模糊分类器对储粮微生物的离线测试识别率达到了82.3%以上。6.检测系统实现利用Visual C++.net 2003开发工具开发了储粮微生物识别系统软件。