仓储物昆虫简称昆虫，是经济昆虫研究的主要对象。昆虫侵害的对象涉及到人类生活所需的各种物资。另外，随着我国经济的高速发展，储备物资的种类和数量日益增多，加之国内外贸易的日趋频繁，客观上为这些仓储物昆虫的繁衍和传播蔓延提供了有利条件。因此，加强对昆虫的检疫工作，提高检疫工作的技术水平，是强化防治昆虫传播蔓延的第一道防线，对保护储备物资，减少损失，加速国民经济发展具有重要的意义。 多年来，国内外昆虫研究人员一直在努力寻找一种科学的，快速、准确、实用的虫种鉴定方法。近年来，随着计算机技术应用领域的不断扩展，计算机数字图像处理技术、模式识别等方法取得了突破性进展。目前，利用计算机技术对仓储物昆虫进行自动识别和分类，是昆虫研究领域希望解决的重要课题之一。 本文尝试用模糊集合理论的方法对仓储物昆虫进行分类与识别。模糊集合理论是美国自动控制专家L．A．Zadeh教授于1965年提出的，虽然出现的较晚，但目前在各个领域的应用十分活跃。在文中简单介绍了模糊集合理论的原理，详细讲述了一种无监督学习方法——模糊C-均值聚类，以及模糊模式识别的两种方法。 本文首先对采集到的昆虫图像进行中值滤波和直方图均衡化等预处理，接下来用计算机对增强后的昆虫图像的灰值统计量特征、纹理特征以及形状特征共17个特征进行自动提取，并将这17个特征归一化。然后，用改进的模糊C-均值算法进行聚类，形成标准模式库，并用基于贴近度与择近原则的模糊模式识别方法设计了分类器。最后，将待识别的后续昆虫样本送入分类器进行识别。 在郑州工程学院昆虫标本防止研究所的大力支持下，获得了国内常见的三种仓储物昆虫的标本图像9幅作为分类器的学习样本，后又利用光学显微照相机采集30幅昆虫图像，运用上述方法进行识别，总识别率达到88％。对于初步实验数据分析，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昆虫的鉴定和分类研究开创了新的途径。