随着信息化技术的广泛应用,农业行业存储了大量的数据,主要包括气象信息、土壤土质信息、病虫害信息、农作物产量、灌溉等信息,并且这些信息量在持续增加。数据挖掘技术能从数据中找出潜在的和有用的知识信息,能为提升农业数据信息质量、解决农业生产问题提供帮助。数据的分析研究是在数据获取与存储之上进行的,分析结果的图表展示能帮助用户直观地理解。为此,构建一个数据存储、分析、图形化交互于一体的农业大数据平台,能够更好的管理与应用农业数据。Hadoop、Spark等大数据应用技术能进行大量数据存储、快速计算,这些技术与网站开发技术的整合为实现数据挖据平台提供了支持。本论文通过分析农业数据挖掘状况与大数据技术,对分类聚类算法进行选取,开发了针对农业数据处理的挖掘平台,对生产过程中产生的信息进行采集与管理,并提供数据挖掘方法供用户调用。本文主要工作包括:分析数据挖据技术在农业上的应用,对农业数据的分类聚类挖掘算法进行选取,运用分类聚类对农业数据进行具体分析,对农业数据挖掘平台的架构及功能进行设计,并整合Spark分布式内存计算框架、HDFS分布式文件系统、SSM（Spring+Spring MVC+Mybatis）网站开发等技术,搭建起一个高可用的数据挖掘平台。论文中对基于分类聚类算法的数据挖掘平台进行了详细的设计,主要涉及了系统的整体架构、采用的关键技术、功能模块的设计、业务流程的梳理、数据库设计等内容。平台的架构包括展示层、逻辑层、计算层、数据层几个层次,其中数据层分为存储层与采集层,功能模块数据管理、数据预处理、数据挖掘、系统管理四个子模块组成。在算法分析与系统设计的基础之上,搭建Spark集群,使用Java语言进行开发和统一技术生态圈,利用Spark的相关组件进行了部分算法的实现。经过系统测试,开发完成的平台能实现生产过程数据监管与存储、农业数据知识库管理和挖掘分析处理等功能,为农业生产过程追溯与智慧生产提供帮助。