粮食数量安全事关粮食安全,研究开发方便、快捷、准确的在线及网络化国家粮食储藏数量监测技术,对于保障我国粮食储藏数量安全,提高粮食宏观调控能力具有十分重大的意义。本文系统研究了现有粮仓储粮数量检测方法,在此基础上,针对基于压力传感器的粮仓储粮数量检测中所涉及的压强数据预处理和检测模型建模等理论与技术问题,基于机器学习理论研究了数据预处理以及粮仓储粮数量检测模型构建等理论与技术问题。本文针对粮仓底面单圈的压力传感器布置,探索了基于改进蚁群算法的数据预处理方法,研究了基于极限学习机、支持向量回归机等融合学习的粮仓储粮数量检测模型构建。主要研究包括:1.针对粮仓底面单圈的压力传感器布置,分析了压力传感器输出值数据特性,研究了数据选择相关规则,提出了一种基于改进蚁群算法的压力传感器数据预处理方法,通过找到目标矩阵的极大线性无关组降低数据的维度,实现了压力传感器输出值的选择优化。实际应用结果证明了所提出压力传感器数据预处理方法的可行性于有效性。2.引入了基于SPXY算法的检测样本集划分方法,给出了基于支持向量回归机、BP神经网络和极限学习机的粮仓储量数量检测模型构建方法,研究了建模参数的选取方式,对比分析了三种检测模型的检测精度。3.提出了基于极限学习机与支持向量回归机融合的储粮数量检测模型构建方法。利用改进的蚁群算法实现单圈压力传感器输出值优化,通过极限学习机对数据集进行重构,并利用支持向量回归机实现数据回归。建模结果的对比评价结果验证了所提出方法的合理性与有效性。