粮食储藏是关系国计民生的重要战略物质，储粮的质量和安全事关我国国民经济发展、社会稳定和国民健康的全局性重大战略问题。粮食安全问题频发，储粮的质量安全越来越受到人们的关注，传统的检测方法已经无法满足人们对储粮品质的快速、精准检测需求。太赫兹时域光谱(THz-TDS)技术是一种新型的光谱分析技术，由于其独特的优势，已在农产品/食品品质和质量控制领域得到了广泛的应用。因此，本文在传统的储粮品质检测机理及应用技术的基础上，采用THz-TDS技术，探索实现储粮品质和质量控制的新技术，具有重大的科学研究意义和应用价值。　　本文利用太赫兹时域光谱技术，结合图像处理方法、化学计量学方法和信息融合技术，对隐蔽性粮食异物检测、储粮芽变和霉变程度的识别及麦芽糖的定性和定量分析进行了研究，探明太赫兹波特性与储粮品质变化的内在关系。研究结果表明，THz-TDS技术是一种潜在的储粮品质无损精准检测分析手段，为我国储粮质量安全，减少粮食产后损失提供了保障。主要研究内容和结果如下:　　(1)采用THz-TDS反射成像技术对嵌入到不同深度小麦颗粒表层的异物进行了检测，获得异物分别处于表面、5 mm和10 mm深度的THz图像。并采用非局部均值算法和各向异性扩散算法对图像进行预处理，再采用阈值分割算法将上述异物从背景物质（小麦颗粒）中分离出来。此外，对镶嵌在深度分别为5 mm、10mm和13mm小麦粉中的异物进行对比研究，结果证明，THz成像技术是一种有效的粮食异物检测方法，为粮食和食品行业的品质和质量安全提供保障。　　(2)采用THz反射成像技术，以储藏小麦为研究对象，对发芽时间分别为0、6、12、18、24、36、48小时的小麦样品进行了测量，分析小麦发芽过程中内部主要变化化学成分（淀粉和麦芽糖）的THz光谱特征。并采用主成分分析(Principal ComponentAnalysis，PCA)方法进行原始数据压缩和特征提取，揭示发芽过程中小麦内部化学结构变化。从第5个主成分得分图中，获得两个阈值，分别表示α淀粉酶开始释放和趋于稳定的时间段。最后，采用偏最小二乘方法回归(Partial Least Square Regression，PLSR)、最小二乘支持向量机方法(Least Square-Support Vector Machine，LS-SVM)和BP神经网络(Back-propagation Neural Network，BPNN)方法对不同发芽时间小麦样品进行分类识别，获得模型预测精度分别为92.85％、93.57％和90.71％。研究结果表明，THz成像技术结合化学计量学方法是一种有效的小麦芽变早期检测(6 h)方法。　　(3)采用THz成像技术结合化学计量学方法分析不同霉变程度（正常、轻度发霉、中度发霉和重度发霉）小麦样品。获得不同霉变程度小麦样品图像中各像素点频率在0.2-1.6 THz的频率谱，并采用PCA算法对其进行特征提取和最优频率点选择，再采用SVM、PLSR和BPNN构建基于全光谱和基于最优频率点（6个）的不同霉变程度小麦样品识别模型。结果表明，PCA-SVM是最优的霉变小麦识别模型，预测精度达到95％以上。最后采用PCA-SVM算法重构图像中各像素点输出，可视化显示不同霉变程度小麦样品的内部结构变化。综上结果表明，该技术能够有效地实现对霉变小麦的分类识别。　　(4)为进一步提高采用单一类型光谱或图像数据建模的预测精度，提出一种基于多源信息融合技术的麦芽糖混合物定量检测方法。采用PCA方法对不同浓度麦芽糖混合物的THz光谱和图像数据进行特征提取，接着提出一种基于Boosting集成学习的信息融合建模新方法，并采用结构风险最小化理论提出了一种Boosting迭代终止判断指标，实现了对最小二乘支持向量机基础模型参数的自动优化，保证了多源光谱图像麦芽糖定量分析融合模型具有最优的预测精度。对比实验结果证明，基于多源光谱和图像数据特征提取和信息融合模型的预测精度要高于单一光谱或图像特征提取后LS-SVM建模及Boosting-LS-SVM建模的预测精度。