我国是粮食生产大国,小麦的种植面积达到粮食种植总面积的22%左右,在粮食生产中占据很大的比重。在我国,每年因粮虫为害造成的直接经济损失达到20多亿元,因此,储粮害虫的防治工作是非常重要而迫切的。近年来,许多专家学者在储粮害虫检测方面进行了深入研究,并取得了一定的成果,但对麦粒内部储粮害虫早期的检测达不到理想的效果。本文利用Micro-CT成像设备检测麦粒内储粮害虫,提出基于机器视觉的麦粒内储粮害虫变态发育规律研究方法,并实现对麦粒内部粮虫发育龄期的自动判别。本文主要工作内容如下:分别在米象的卵期、低龄幼虫期、高龄幼虫期、蛹期和成虫期5个龄期,利用MicroCT对麦粒进行扫描,获取麦粒投影数据,对投影数据进行解析,运用z-FDK算法重建出麦粒切片图像。运用均值滤波方法对得到的麦粒图像进行滤波处理,利用优化的最大类间方差法分割出感兴趣区域,得到麦粒二值图像。采用连通区域法对图像进行区域标记,得到图像中不同目标的连通区域,以去除粉尘等噪声影响。运用边缘抑制方法,去除图像中的环形采样管,提取出侵染粒图像中的虫体二值图像,并构建不同龄期下的侵染粒和虫体的体数据。根据构建的侵染麦粒和虫体的体数据,提取了虫体的26个特征构成原始特征空间,包括8个二维特征、4个三维特征、7个不变矩特征和7个基于灰度共生矩阵的显著性纹理特征。以体积、表面积、高度、最大横截面积等6个形态学特征对米象在麦粒内的变态发育规律进行分析,并构建了米象在麦粒内发育过程中其体积、表面积等特征随发育时间变化的方程。根据构建的26维原始特征空间,运用模拟退火算法对原始特征空间进行特征选择,当适应度值达到最高为90.21%时,有10个特征被选中。运用人工蜂群算法优化支持向量机的惩罚因子和径向基核函数参数,选取最优参数组合,并依据选择后的10个特征,分别利用支持向量机及极限学习机技术对麦粒中害虫发育龄期进行识别。实验结果表明,米象在麦粒内的变态发育规律与实际情况一致,且当c=96.44、g=0.01时,米象龄期的识别率达到97%,表明了利用机器视觉方法判别麦粒内害虫发育龄期是可行的。