设施农业是工厂化、集约化的技术密集型农业，是现代农业的发展趋势。无土栽培是设施农业中的重要栽培方法，营养液组分的实时检测是实现无土栽培中营养液智能调控的基础。营养液浓度的合理调配是保证作物健康生长的关键，因此，营养液多组分在线检测系统的建立，有利于根据作物生长全阶段对营养需求的不同进行营养液的动态合理调配，为设施农业走向“精准农业”、“高效农业”提供一条有效的途径。 本论文通过对计算机技术、控制理论、人工智能技术和设施农业领域知识等相关理论的研究，结合对特定温室蔬菜生长的研究与机理分析，提出了一种基于RBF神经网络的营养液多传感器数据融合（MSDF）系统，实现对营养液组分：NO₃^-、CL^-、Ca²⁺、PH、EC、NH₄⁺和K⁺的在线检测；对于由于目前传感器制造工艺的限制而不能在线检测的离子成分如磷酸根和硫酸根，提出了一种基于径向基函数网络的软测量机制，可以有效地实现对营养液中磷酸根和硫酸根成分的实时检测；为了提高软测量结果的可信度，利用D-S证据理论的不确定推理能力和合成公式，结合领域知识对软测量结果进行可信度分析。在实验中，根据上述理论框架建立了营养液循环栽培系统的多组分在线检测系统。实验结果表明，基于RBF神经网络的多传感器融合系统的预测结果能够有效的逼近实际值，误差不大于±5％，证明了本文所提机制的有效性和可靠性。 综上所述，本论文提出的营养液多组分在线检测的多传感器数据融合机制可以实现对复杂营养液成分的实时检测，从而为循环无土栽培方式中营养液的智能动态调控提供依据。 此外，在论文中还详细描述了所研制的多传感器数据融合系统的设计与实现，包括：信号采集和预处理的下位单片机系统研制；基于面向对象的DELPHI语言和MATLAB的上位PC机管理软件的设计开发以及上下位机的通信等。