霉变稻谷含有各种毒害物质,严重威胁人畜健康,因此稻谷霉变的实时监测具有重要意义。稻谷霉变的常规检测方法操作繁琐、成本较高、时效性差。针对上述问题,本文结合电子鼻技术、嵌入式技术及无线通信技术,开发了稻谷霉菌检测系统,并建立了稻谷霉菌浓度预测模型,对稻谷霉菌进行实时监测。主要研究结果如下:（1）开发了稻谷霉菌实时检测系统。该系统主要由下位机系统、气体检测装置、本地监控系统构成。下位机系统实现了数据采集和预处理、U盘存储、显示、发送功能及气体浓度或温度超限预警等功能。本地监控系统通过无线通信方式获取下位机现场采集节点数据,实现了以数字与图形结合的方式显示数据实时采集过程,同时实现了数据文件的存储、分析功能,通过指令可采用手动查询或自动轮询方式,获取多路下位机采集的数据,并实现了通信异常报警功能。对系统无线通信性能测试,数据传输速率不低于2KB/s,丢包率为0,且最多可获取128路下位机采集的数据。（2）试验验证了系统检出限及灵敏度。对接种不同霉菌浓度的稻谷进行检测,结果表明,霉变稻谷中挥发性气味物质响应曲线清晰,传感器检测的霉变气体浓度与稻谷霉菌浓度之间存在正相关性。系统霉菌检出限及分辨率均为1.5×10~1cfu/g。基于TGS813与MQ6传感器构建的霉菌预测模型R~2都大于0.980,均方根误差都小于0.205lg（cfu/g）,灵敏度分别为0.052ppm/lg（cfu/g）与0.070 ppm/lg（cfu/g）。基于TGS813与MQ6传感器预测模型也能较好的预测霉菌稻谷自然生长过程的霉菌浓度,预测R~2分别为0.778与0.863,均方根误差分别为0.956 lg（cfu/g）与0.297 lg（cfu/g）,其中MQ6模型预测结果优于TGS813预测结果。（3）建立了霉菌生长模型。对接种相同霉菌浓度稻谷,在28～30℃、70%RH下生长15天的样品进行检测,结果表明,采用传感器阵列建模精度高于单一传感器建模精度。在传感器阵列建模中,比较了主成分分析S曲线模型与SVM模型精度,其中SVM模型精度最高,测试集R~2为0.971,RMSE为24.087×10~3cfu/g,MAE为18.569×10~3cfu/g,MAPE为0.414%。综上,稻谷霉菌检测系统能实时快速监测稻谷霉菌浓度,为快速评价稻谷质量安全提供参考。