近年来，我国储存的谷物、油料、毛皮、种子、烟草、木制家具、文件、书籍、食物等都受到藏储物害虫的严重危害，这对我国农业和经济造成了巨大的损失。同时藏储物害虫极易随藏储物的调运进行远距离传播，因此会对人类的健康造成威胁。所以对藏储物害虫进行识别分类是非常有必要的，这有利于害虫的智能监测和鉴定，并能有效防止害虫入侵。传统的藏储物害虫识别算法大多靠相关专家凭借经验人工识别，工作强度大、识别效率低。而本文对储藏物害虫的智能识别方法有效地提高了识别的正确率和效率，节约了时间和成本。本文的主要内容包含以下几项：（1）对藏储物害虫进行生物学分析。通过查阅大量的相关资料，研究了害虫的生物学结构，分析了其形态特征，并建立了藏储物害虫生物学结构模型，为后续害虫特征参数的提取和计算奠定了基础。（2）藏储物害虫图像的采集和预处理。本文的藏储物害虫图像均是由山东检验检疫局采集得到。对害虫图像的预处理包括去噪、阈值分割、边缘提取等。本文采用了几种不同的图像预处理算法，并通过实验结果比较各类算法的优劣。实验结果表明，利用四阶偏微分方程去噪、基于灰度直方图的阈值分割和轮廓跟踪算法效果较好。（3）通过对害虫进行生物学分析，提出了几种新的比例关系可以有效表达害虫稳定特征。本文采用的特征参数包括形态特征和不变矩特征在内的17个特征参数，并利用模拟退火算法、主成分分析法、最大相关最小冗余特征选择算法对这些特征进行选择和提取，然后结合分类器对害虫进行识别分类。根据分类结果可以看出基于最大相关最小冗余的特征选择算法对害虫特征选择的效果最好。（4）分析了多种分类器的优劣。采用BP神经网络和支持向量机来评估害虫图像特征组合与识别率的关系。通过试验可以看出BP神经网络识别率总体不高。支持向量机采用四种核函数建模，通过实验结果可以看出利用RBF核函数对支持向量机进行建模，其识别率得到明显提高。