全球每年因虫害损失的粮食达到了总收成的10％，储粮害虫的生长和繁殖，让贮藏期间的粮食蒙受巨大损失，而且近些年灾难性气候频发，全球粮食安全形势日益严峻，因此搞好小麦粮储的害虫防护工作相当重要。只有进行准确的检测，才能做到有目的防治，把粮虫对粮食的危害程度降到最低。因此目前需要一种在害虫侵染早期就能自动准确的检测出粮粒内部害虫的方法，以指导小麦的现代仓储管理，减少由于未能及时发现及治理带来的经济损失。本文以小麦仓储中危害较重的玉米象作为研究对象，研发了基于多光谱成像技术的粮粒内部害虫检测系统，实现了粮粒内部害虫的自动检测及分类。　　（1）设计了含虫粮粒多光谱图像采集的多光谱成像系统。对粮粒的多光谱图像进行图像融合处理，包括获取的原始图像（近红外、红、绿、蓝）之间的融合、原始图像与HSI空间分量之间融合，以及归一化后图像元素的融合。针对多种图像融合方式，首先以熵、标准差、清晰度3个评价指标来评判融合效果，结果发现H、S、I、R/S和G/S五种融合效果不好，故舍去；针对余下的融合图像，利用主成分分析法对原始图像及其融合效果分别进行评价，对多组数据进行对比分析，最终确定R图像和IR-R图像为最优图像组合。　　（2）针对每个粮粒最优图像组合中的各波长图像，对比分析健康粮粒和受害虫侵染粮粒的直方图，发现侵染区域的灰度值大都存在于[120,220]区间内，统计每个区间段灰度级的个数作为直方图统计特征，同时提取均值、标准偏差、平滑度、三阶矩、一致性和熵等6个灰度图像纹理特征。将提取的直方图统计特征、纹理特征共32个特征组合作为含虫粮粒分类的原始特征空间。　　（3）利用蚁群优化算法进行特征选择，以适应度（路径性能评价准则）及?折交叉验证训练模型识别率和所选特征集个数作为寻优评价准则，最终从原始的32个特征中优选出一致性、三阶矩等19个特征，有效的降低了特征空间维数。　　（4）径向基核函数参数g和惩罚因子C是影响支持向量机SVM分类器性能的关键参数。针对这两个参数，提出采用两层网格搜索法进行参数优选：大步距粗选结果为515C∈[2,2]，-12-4g∈[2,2]，较初始参数范围有大幅度缩小；小步长下精选，搜索结果为11.8C=2，-8.1g=2，搜素出全局最优参数。分别用200个和80个粮粒样本进行训练和验证，得出分类正确率97%，实现了含虫粮粒自动准确的检测。