粮食是人类赖以生存的物质,是国家的重要战略物资,农业的发展要放在一切经济发展的首要位置。当前国际上各个国家粮食危机频发,我国粮食能在自给自足的情况下保有一定的粮食库存,粮食安全对人民幸福、国家昌盛有着重要影响,直接关乎社会稳定。近年来,我国粮食产量逐年增加,国家对粮食的储存提出了更高的要求,并提出“藏粮于地,藏粮于技”战略。在智能仓储管理系统中,仍然存在测控设备管理不善、监测系统功能不全等问题。为了解决这些问题,对粮情信息展开研究并建立相关模型,将智能仓储管理系统中的传感器故障隐患检测方法进行优化、实现故障传感器处粮堆温度趋势预测的研究与实现。本文主要研究工作如下:（1）针对智能仓储管理系统中温度传感器存在故障隐患的问题,对温度传感器及储粮应用场景的特点进行分析,将目标传感器与相邻传感器的历史数据作为故障检测的依据,提出了采用极端梯度提升算法（Extreme Gradient Boosting Decision Tree,XGBoost）建立了传感器故障隐患检测的模型,将储粮管理系统中的传感器故障隐患检测和机器学习相关知识有机地融合在一起,最终对传感器故障隐患的检测方法进行了优化。实验结果表明通过XGBoost算法建立传感器故障隐患检测方法具有较强的优势,对诊断存在故障隐患的传感器准确率可高达95.4%。该方法让工作人员能够通过管理系统判断传感器的工作状态,有利于消除储粮安全隐患,减少因传感器故障带来的粮食损失。（2）针对粮仓温度传感器发生故障导致无法检测的问题,对储粮应用场景的特点进行分析,将目标传感器的历史数据作为预测依据,提出了决策树回归算法和支持向量回归（Support Vector Regression,SVR）算法,建立了故障传感器处粮堆温度趋势预测模型,将故障传感器处粮堆温度趋势预测和机器学习中对时间序列的预测方法进行结合,实现了故障传感器处粮堆温度趋势的预测。实验结果表明通过SVR算法建立的故障传感器处粮堆温度趋势预测方法效果更佳,其拟合精度和温度预测趋势更加符合实际情况。（3）针对温度传感器发生故障时无法对粮堆温度进行监控的问题,设计并实现了具有故障传感器处粮堆温度预测功能的微服务器。该服务器结合了支持向量回归预测模型,采用Golang编程语言,以Json为格式的消息和客户端进行交互,设计了网络层、业务层和数据层等模块的功能,成功部署并运行了故障传感器处粮堆温度预测微服务器。该服务器能够满足当前智能仓储管理系统的需求,弥补了传感器发生故障时无法监控粮情信息的不足,并且设计的微服务器与粮情监控系统是相对独立的,提高了系统的重用度和可扩展性。综上,本文针对智能仓储管理系统中温度传感器存在故障隐患导致的粮堆温度信息无法获取等问题,借助粮仓传感器和检测的历史数据之间的时空相关性,开展一系列研究,提出传感器故障隐患检测的改进方案,提高了具有故障隐患的传感器诊断精度;同时提出故障传感器处粮堆温度趋势预测方法,设计并实现了故障传感器处粮堆温度预测功能的微服务器,弥补了智能仓储系统的不足,有着较高的可扩展性可接入其他分布式粮情测控服务中,并具有潜在的使用价值和应用前景。