粮食安全是国家安全的根基。近年来,我国对粮食仓储的信息化和智能化改造提出了明确的规划,“科学保粮”已经成为粮食行业的重要产业。然而,我国仍然有5%左右的仓储粮食损失率,造成这些损失的原因有粮食本身的呼吸作用,水分损耗以及储粮害虫的消耗,其中储粮害虫的消耗时主要原因。因此,科学有效地进行储粮害虫的防治对我国的粮食安全有着重大意义。目前针对储粮害虫的研究,大多都是基于害虫的图像识别进行建模。近年来也有对储粮虫害的预测研究,但许多相关研究仅仅考虑虫害的时序特征,忽略了温度、湿度等粮仓环境因素的影响。同样的,目前市面上的储粮测控系统均缺乏储粮害虫的检测、预测和预警为一体的功能模块,无法从根本上解决粮库虫害的爆发。本文结合储粮害虫的采集的时间特性,以及温度、湿度的时间序列数据,借鉴并优化实现了三层LSTM堆叠网络的害虫预测模型。考虑到粮堆中温湿度传感器和害虫诱捕器布点的空间特性,引入CNN网络对粮仓空间特征进行特征提取,并结合已经实现的三层LSTM堆叠网络进行进一步优化。另外,考虑到时序数据的前后向之间的联系,引入了双向LSTM结构,优化实现了CNN+DoubleBLSTM的网络模型。最后结合在粮库实地采集到的数据进行实验,验证了三类优化算法的有效性。此外,针对市面上储粮测控系统在害虫检测、预测和预警功能上的缺陷。本文设计并参与实现了储粮害虫智能测控系统。系统整体采用前后端分离的设计模式,可以对储粮害虫进行监测和预测,并能生成虫害报表进行预警。在参与整体粮情测控系统的项目研发中,本文结合项目进程管理的关键链技术,对整体项目进度计划进行了优化,保障研发产品质量的同时,缩短了工期,为合作企业带来了效益。