储粮钻蛀害虫声信息检测与特征识别研究

储粮害虫造成的经济损失十分严重，储粮害虫声检测法是诸多检测技术中重要的一种。本项目旨在对主要钻蛀类储粮害虫的生物声信息进行研究，提取储粮钻蛀害虫的声特征，确定害虫声信息与环境温度、湿度、不同种类粮食、害虫不同生长阶段的关系，揭示其声信息规律，建立数字化特征识别系统，实现受侵害谷物颗粒的识别与分类，实时评定被检测谷物受侵害级别。.本项目的实现，可为储粮害虫声检测法提供理论依据，为我国粮食储藏提供先进的预测预报方法，为发展我国粮食储藏现代化提供新思路。

完成了米象等钻蛀储粮害虫生物声信息的特征提取。对米象和玉米象成虫、幼虫在小麦、玉米等粮食中的活动声信号及其功率谱特征进行了分析，同时还对不同温度下米象、玉米象活动声信号及其功率谱特征进行了分析，得到了不同温度下信号功率谱特征的差异和特点。研究发现虫种和粮种都会影响粮虫活动声特征，不同温度下粮虫活动声功率谱谱峰所处频段存在差异。. 对不同温度下米象、玉米象在小麦、玉米中活动声信号进行小波包分解，提取小波包分解节点的能量、能量比、能量熵3个特征进行了研究。研究结果表明，不同温度和不同种类粮食均会影响储粮害虫活动声信号，其活动声特征在小波包分解中差异显著。. 研究了玉米象和赤拟谷盗的爬行和翻身振动声信号，对两种害虫的不同活动声信号提取梅尔倒谱系数特征，对特征数据建立高斯混合模型，利用聚类算法对各种声信号进行识别，验证了利用声检测法识别储粮害虫的可行性和有效性。. 使用快速独立分量分析算法识别和分离了玉米象和赤拟谷盗害虫的爬行和翻身振动声信号，证明了使用快速独立分量分析算法识别混合信号中每种害虫声信号的有效性和准确性。. 建立了一套谷物品质级别检测系统。采用希尔伯特-黄变换方法分析了小麦完好粒、虫蛀粒和霉变粒的碰撞声信号，提取了3种类型声信号在频域的高频段能量、高低频能量差、最强IMF的中心频率及强度、时频熵5个特征值。并且在时域对小麦完好粒、虫蛀粒和霉变粒的碰撞声信号建模，选取残差平方和、判定系数、峰值振幅等6个参数作为有效特征。使用BP神经网络进行分类，较好地识别了完好粒、虫蛀粒和霉变粒3类麦粒。. 采用基于决策树和模糊推理系统相结合的方法，对玉米完好粒、虫蛀粒和霉变粒的碰撞声信号进行特征选择和分类。提取了每个碰撞声信号的标准差、偏度、峰度等9类统计特征，构造决策树，进行特征选择；根据构造的决策树，设计模糊推理系统。分类结果表明，采用决策树和模糊推理系统相结合的方法对玉米颗粒品质检测与分级是可行的。. 从时域和频域对玉米完好粒、虫蛀粒和霉变粒碰撞声信号进行分析和处理，提取信号特征包括时域512个振幅值、频域513个功率谱密度值、51个频率值和512个相位角值；采用主成分分析方法对特征数据降维；利用BP神经网络进行分类。结果表明：利用碰撞声信号识别玉米完好粒、虫蛀粒和霉变粒的效果良好，本研究具有较强的实际应用价值。