准确掌握粮仓储粮数量是保障我国粮食数量安全的必要前提,而传统计量方法费时费力,建立高效、准确的粮仓储粮数量检测系统具有重要意义。本文建立基于Janssen原理的指数关系储粮数量检测模型,采用BP神经网络对数据进行预处理,构建基于指数关系项的深度置信神经网络,降低检测系统的误差,使其可以实时有效地检测粮仓储粮数量,并保证其精度高于97%。主要研究内容为:1、研究了粮仓底面压强对内圈传感器均值的近似指数关系及粮仓侧面压强对外圈传感器的近似指数关系,在此基础上构建了基于指数关系估计的Janssen原理检测模型,给出了需要优化的相应模型参数。2、提出了一种模型建模数据预处理方法。对传感器数据进行排序,选中间若干值求得均值以及传感器输出值标准差,并对内外圈传感器创建一个传感器点去除阈值系数和一个传感器偏移系数,构成一个四者间的关系模型,通过采用Keras框架构建BP神经网络,建立了传感器数据值评判标准,通过筛选条件实现数据值筛选。3、提出了一种模型参数分步寻优方法,进而给出了DBNs-DNN网络模型构建方法。所提出的方法将指数模型转变成关于a_i(i=0,1,2,3)指数参数的线性关系,采用LinearRegression拟合线性回归模型进行线性拟合,使用curve_fit对指数关系参数kp,kb,kf拟合求得最优解。通过将深度置信网络和神经网络相结合,以指数关系模型中指数关系项作为输入项,构建一个多层DBNs-DNN网络对粮仓储粮数量进行预测。并且实验证明,DBNs-DNN预测结果优于单独的DBNs网络或者DNN网络。4、设计并优化了粮仓储粮重量检测系统,包括检测模块、模型模块、设置模块、布置模块、查询模块等,实际应用表明所开发系统可以实时有效地检测粮仓储粮数量。