随时了解、掌握我国的粮食储备数量关系着国家的和谐稳定发展,现阶段我国清仓查库所用的称重计量法,因其效率低、工作量大等弊端早已不能满足当前现代化的需求,因此,开发出一种智能化的粮仓储粮数量检测系统对于实现现代化的粮库管理以及国家的长治久安具有重要意义。本课题通过对储粮数量检测的深入研究,针对储粮数量检测的特点,提出了基于深度学习的粮仓储粮数量检测模型,本文主要内容如下:(1)提出了一种深度受限玻尔兹曼机与支持向量回归机结合的储粮数量检测方法,该方法以内外圈压力传感器输出值均值作为输入,通过深度受限玻尔兹曼机对数据集进行重构,再利用支持向量回归机进行拟合回归,并通过理论与实际应用证明了该方法的有效性及可行性。(2)针对压力传感器输出值存在异常值及偶然值的情况,引入拉依达准则,提出数据预处理方法,避免出现异常值及偶然值对检测结果产生影响的情况,进一步提高检测模型的检测精度。(3)基于模块化编程思想,设计开发了基于深度学习的粮仓储粮数量检测系统,使其具有数据处理、在线检测、查询、建模等多种功能。利用该系统对实际粮仓进行储粮数量检测,检测结果表明,本文开发的基于深度学习的粮仓储粮数量检测系统检测精度高,能够满足国家检测要求。