中国是盐碱地大国,人均耕地面积远低于世界平均水平。利用无土栽培技术提高土地的生产效率成为中国农业向着高效化发展的重要途径。推进物联网技术在无土栽培中的应用,提高农业智能化管理水平是加快农业现代化的有效途径,而数据融合技术的应用对于实现高效、低成本的数据采集整理起到关键作用。由于我国发展农业物联网起步较晚,数据融合决策精度较低,很多管理系统缺乏一体化、信息化管理。在此背景下,本文通过实地调研、需求分析、算法改进,设计并实现了物联网技术下无土栽培数据融合决策模型与信息管理云平台的综合系统。具体研究工作如下:（1）分析设施农业环境中无土栽培智能化管理的发展背景、应用现状和融合决策方法。在现有问题与实际需求的基础上,对系统业务流程及功能需求进行分析,并依托物联网、Web、数据融合算法对系统进行了整体设计,制定了系统总体架构。（2）以无土栽培棚区环境为背景,构建了基于多数据融合算法的决策模型,该模型分为一级数据融合与全局决策融合两部分。在一级数据融合阶段,针对现有多传感器数据融合算法冗余高、误差大的问题,提出了一种基于自适应信任估计与神经网络的多传感器数据融合算法（Trust-Neural Network,T-NN）。将时间因子引入自适应信任估计模型,通过计算节点间的信任度,并对数据进行优化,最大程度地避免了测量时间过长所带来的数据不准确问题。将优化后的数据引入BP神经网络进行数据融合,提高了融合的精度与稳定性。在全局决策阶段,引入改进证据源的D-S证据理论方法对一级融合优化后的数据进行决策融合,实现了证据冲突下的自适应修正,提高了决策融合准确度。通过仿真实验对比,在该模型下数据融合决策精度有明显的提高,为系统的智能监测和决策控制提供了强有力的理论依据。（3）确定系统采集控制终端的选型,完成信息管理云平台的设计与实现。选择系统所需的各种传感器、控制终端等设备,为系统的实现奠定了基础。通过对系统的业务流程与功能需求分析,设计开发了基于Django+Vue的智能决策管理云平台。平台设计了供农场员工使用的前台与供管理员使用的后台管理,并将数据融合决策模型应用到功能模块中,实现了棚区环境智能监测、决策控制、传感器异常检测、信息数据管理等功能。经过系统部署和测试,各模块均达到设计要求,为棚区提供了高效的作业管理服务。