储粮环境是一个由多种因素构成的复杂系统,粮情状况与环境中的微生物活性、温度、湿度和CO2浓度等因素密切相关,常规粮情监控装置和预测方法已经很难满足当代储粮监控的高度和精度。本文基于BP神经网络的灵活性建立了一种新型粮情预测模型。该模型针对BP神经网络在训练过程中存在的学习速度慢、精度低、易于陷入局部最小等缺点,分别采用动量法对粮情因子的权值进行调整,采用快速动量法对粮情学习效率进行调整,采用L-M算法对粮情监控网络进行综合改进。通过采集储粮环境中的温度、湿度、CO2浓度等信息,对粮情样本进行训练和预测,并与常规粮情预测方法进行了效果对比。本文设计一套粮情智能监控系统。硬件部分以嵌入式ARM9为核心处理器,采用单片机为下位机控制单元,外围包括：信息采集模块、外围控制装置及多气体采集通道；软件部分主要包括：粮情智能监控系统程序、单片机控制程序定制、粮情信息采集程序定制、串口通讯程序的定制。其中智能粮情监控系统程序重点分为：系统监控程序模块、多区域信息融合模块,BP算法预测模块。论文重点介绍了粮情智能监控系统的软硬件设计和基于多采集区域的信息加权融合以及BP神经网络预测模型。实验结果表明,粮情监控系统具有现场稳定性好,采集方便,实时监控、效果显著等优点,对于粮情监控有着重要意义。