仓储物害虫是经济昆虫研究的主要对象，其侵害对象涉及到人类生活所需的各种物资，对国民经济造成了巨大的损失，据报道仅以粮食一项来说，全世界每年因仓虫危害造成的损失平均可达总产量的5％～10％。因此，加强仓虫的研究，对提高仓虫的防治技术水平，保护储备物资，减少损失，加速国民经济的发展都具有重要意义。 多年来，对仓储物害虫的鉴定和分类识别市昆虫学研究领域中的一个重要课题，它对我们认识不同种类的害虫的主物特性，找出安全、经济、有效防除害虫的措施方法以及预测害虫发生的是器和数量提供了重要的科学依据。 目前，对仓储物害虫的鉴定和分类方法主要有两种，一是以外部形状作为依据；另一种是利用现代生物化学和生物物理学实验方法、依据仓储物害虫的内部生理特征进行分类。但上述方法对仓储物害虫的种类进行鉴定和分类的人员都必须具备一定的专业技术知识，并且时间长、不能现场操作，而从事仓库管理的一般工作人员很难利用上述方法对仓储物害虫的种类进行辨别。因此，利用计算机识别技术对仓储物害虫进行自动识别和分类一直是仓储物害虫研究领域希望解决的重要课题之一。 鉴于国内外目前尚无文献报道有关利用声音对仓储物害虫进行计算机自动识别和分类的问题，本文首次提出声音模式识别技术的仓储物害虫计算机自动分类的新方法。 本文在第一章绪论中首先对仓储物害虫的识别的意义和现状进行了简介，并对一般声音模式识别的方法进行了概括性的论述；接下来在第二章中针对仓虫声音的特点先后经过Madline神经网降噪、数值归一化处理以及利用FFT算法作频谱分析，最终提取仓虫声音的特征向量；第三章把前面提取的特征送入BP神经网络识别分类。 在郑州工程学院害虫防治研究室的大力支持下，获取了国内常见的三种仓储物害虫：米象、玉米象和赤拟谷盗。每种仓虫用6只作为BP神经网络的学习样本，后又运用上述方法识别了30只仓虫，总识别率达到81％。对于初步实验数据分析结果，感到比较满意。本课题的研究有着广阔的应用前景，并为仓储物 仓储物害虫声音模式识别的研究害虫的鉴定和分类研究开创了新的途径。