中国作为世界第一的发展中国家,并且是传统的农业大国,在多数领域都有了长足的发展。随着信息化时代的来临,传统农业已经不能满足现代化农业技术的需求,高昂的人力物力都是对于农耕行业的挑战。因此,提高当前情况下的农作物科学种植技术并准确的获取农作物生长信息,从农作物生长过程中产生的海量数据挖掘出科学的种植建议也成为了当前的热门话题。针对上述问题,可以将传统种植业与当前的信息技术相结合,形成一种智能、科学的种植方式,通过对播种、种植、采集过程中数据的收集与处理,并在种植过程中科学合理的运用自动化设备代替传统手工种植的方式,可以很大程度的减少人力物力的消耗。本文通过无限传感网络对温室内环境进行监控与调节,通过Hadoop分布式存储与处理,完成对种植过程中农业大数据的采集与历史数据分析,对合理的种植生产条件提出建议,并且基于数据挖掘技术进行对历史数据的关联规则挖掘,得出优质的种植条件。本文介绍了基于Hadoop分布式处理模式针对温室环境的监控系统,整体结构主要包括信息采集部分、主控制器部分、控制器件部分,无线传感网络部分,Hadoop架构部分,数据处理部分以及人机交互。该系统能对温室环境参数(如温度、湿度、光照强度、气体浓度等指标)进行实时监测,并能智能化地根据设定的环境指标上下限自动或通过软件系统控制相关设备,最终达到将参数控制在设定的范围,达到提高作物产量,科学生产的目的。在Hadoop分布式处理结构中,设计了基于Mapreduce架构的方式,通过Apriori算法完成对生产数据的数据挖掘,为了解决原始Apriori算法在频繁项集上扫描整个数据库浪费时间和空间的问题,通过采用基于频繁项目集挖掘算法(FIM)来减少项目集,并在其基础上优化并行算法和针对特定集群分区的方法,使用温室蔬菜生长环境数据与产量数据进行试验,改进算法在平均时间复杂度方面优于原始算法,改进算法的平均运行时间仅为原算法62.5%。实验表明新算法适合大规模数据挖掘,特别是候选项与处理事务的数量较大的情况,算法性能有明显的提高。经过多种优化及对于系统软件的设计,该系统具有功耗低,稳定性好,可迁移度高,适应性好且自动化程度高等特点。工作人员可以通过pc端完成对温室内的环境监控,数据采集与分析,并通过调整各类参数构建科学的种植环境,初步实现了农业现代化与农业精准化。