小麦的品质直接关系到人们身体的健康。在储藏过程中,小麦极易受害虫侵蚀,形成虫蚀小麦。虫蚀小麦影响小麦的外观,降低小麦的商品价值和使用价值,影响小麦粉的工艺品质、食用品质(如口感、气味等)和加工出品率等品质特性。目前,小麦虫蚀粒检测主要是利用虫蚀小麦和完善小麦的外观、比重、悬浮速度的不同等特点进行人工筛选,不仅工作强度大、检测速度慢、且易受主观因素的影响,从而导致准确度降低。本论文在研究、分析了国内外无损检测技术在小麦品质分析应用现状的基础上,利用信号处理技术分析小麦的声音信号,研究小麦虫蚀粒在其声音信号中的表达,探索利用声学快速检测虫蚀粒的方法。本文首先进行小麦样品的选取和制备,调节试验装置参数使小麦样品籽粒以相同初始状态逐粒下落,采集小麦籽粒击打金属靶产生的声音信号；基于MATLAB软件对采集的小麦信号进行端点检测,并在时域和频域内对其分析并提取信号特征,在频域提取了与小麦虫蚀粒相关性较好的基于FFT的特征TZPOWER. TZFRE1和基于DCT的特征DFT1、DFT2;根据识别要求,构建了BP神经网络和支持向量机(SVM)识别模型；然后利用构建好的识别模型对采集的小麦完善粒与虫蚀粒测试样品进行分类,BP神经网络对同一品种八组小麦测试样品的准确识别率可达91%,支持向量机模型对同一品种八组小麦测试样品的准确识别率可达89%,本文还采用其它两种品种小麦样品对模型进行验证,正确识别率可达到70%以上。研究表明,本文构建的两种基于声学的小麦虫蚀粒快速检测模型识别效果良好,利用声学方法识别小麦虫蚀粒是可行的。