电子鼻技术是近代新兴起的气体气味识别技术,主要涉及模式识别理论、传感器技术等多个方面。近些年来,随着电子鼻技术发展水平日益提高,电子鼻系统对样本的定性定量识别能力不断增强,应用也愈加广泛;目前,电子鼻技术主要应用在食品业、农业、医疗、环境工程、国防工程、消防等领域。我国作为农业大国,每年因为虫害造成数以万计的作物损失。传统谷物虫害检测过程受人主观影响大,检测周期长、费用高。因此,寻找一种新型谷物虫害检测方法来控制监测成本很有必要。本文基于虚拟仪器的相关理论和电子鼻技术的原理,设计并实现了对谷物虫害检测的电子鼻系统,通过传感器阵列采集和多种模式识别算法对谷物虫害进行检测分析,本文研究具体内容有:（1）对电子鼻的工作原理进行研究,设计出电子鼻的软、硬件系统。硬件系统由金属氧化物气敏传感器阵列、供电装置、实验采集气室和数据采集系统等组成。软件系统采用虚拟仪器Lab VIEW编写上位机程序,开发电子鼻数据采集实验平台,能将传感器采集的响应信号实时显示并储存数据。（2）凭借MATLAB和SPSS软件环境进行算法分析,完成对数据标准化的预处理程序设计,借助主成分分析（PCA）对4种具体特征值进行提取,并对传感器阵列进行优化,借助线性判别分析（LDA）和主成分分析对预处理后的数据以分类形式进行识别对比,采用支持向量机（SVM）、BP神经网络建立传感器信号与掺杂不同比例虫害稻谷之间的回归模型,并用该模型进行了预测。实验表明:LDA对不同数量的谷蠹侵害的稻谷样本识别效果显著,SVM模型测试集预测虫害稻谷掺杂比例准确性明显优于BPNN模型,高达91%。（3）实现了基于电子鼻技术的检测控制系统,并进行了稻谷虫害实验验证。用该系统对不同虫害程度的稻谷样品进行了分类辨别。结果表明,电子鼻系统能够对数据采集卡采样过程进行控制,虚拟仪器实验平台实现了主控面板上的人机交互、采样数据的实时监测、数据保存等功能,模式识别识别算法能够完成对不同虫害程度稻谷样本区分任务。