智慧农业是当前的研究热点。随着物联网技术的普及,现代农业迫切需要借助先进的技术手段实现农作物生长环境的远程监测监控及生长状态的实时评估。现阶段,农业物联网技术已相对成熟,但倒伏状态及作物需水量的实时评估仍存在一定困难。基于以上现状,本课题将机器学习算法引入到水稻生长状态评估中,以实现基于物联网云服务的水稻自动灌溉和倒伏预警系统。课题工作对于发展现代农业,提升农作物管理技术水平具有重要价值。本文的主要工作包括:1、方案设计。针对农作物生长状态远程监测监控及评估的需求,引入机器学习算法,构建基于物联网的水稻生长状态监控系统。该方案使用ZigBee与4G相结合的方式实现远程数据通信,并通过云服务器存储和解析生长状态数据。2、需水量预测算法。对XGBoost算法进行改进,并利用开源数据集构建模型,同时将改进后的算法与神经网络模型、贝叶斯模型、随机森林模型,以及世界粮农组织推荐使用的彭曼-蒙特斯公式进行了对比,结果表明,改进后的XGBoost模型在预测准确率上有较大提升。3、水稻倒伏状态预警算法。将动态目标跟踪中常用的光流算法应用于水稻稻杆倒伏特征提取中,通过检测摆动特征对倒伏情况进行预警。为了解决Farneback光流算法在PC平台上帧率较低不能满足实时性的问题,将算法封装为FPGA的IP核从而实现并行化处理,使得处理帧率相较于PC平台提升6~10倍。4、嵌入式软硬件设计。开发了集中控制器和节点控制器板卡及底层软件。集中控制器搭载光流算法并负责转发服务器和节点的通信数据。节点控制器负责采集传感器数据和控制灌溉执行机构。5、服务器设计。为满足用户在线查看水稻生长环境各项数据及在线操控远程农用设备的需求,开发了面向Web应用的后台管理系统,可提供数据、指令及实时图像的可视化界面。6、系统测试。对系统各部分功能进行了测试,包括传感器数据采集、无线通信、服务器等,验证了系统功能的正确性。此外,本文还对系统服务器进行压力测试,以验证系统处理并发请求的能力。实验数据表明,本文所提出的改进XGBoost算法,能够提升水稻需水量的预测准确度。同时,本文针对水稻倒伏状态提出的预警算法,对农作物灾害防治具有重要价值。经测试,搭载智能算法的水稻生长状态物联网监控系统运行良好,能够提升水稻生产的自动化水平。