目前,现代农业生产管理方式从机械化往信息化、自动化、智能化方向发展,发展过程中农业信息的获取处于重要环节,但传统获取方式存在效率低、成本高、精度不足等问题,因此,本文研究了农业环境信息的检测方法与装置。通过前期文献调研,确定了研究对象为农业环境中的土壤和大气,采用了多光谱、神经网络和物联网等技术方法,完成了土壤含水量、pH、电导率（EC值）和大气温湿度的检测;为实现检测装备的搭载和可移动检测,设计了轮式移动装置机械结构,并结合控制系统,保证了装置运行的可靠性和稳定性;最后在实际作业环境中测试了检测效果和装置运行状态,结果表明本文的研究能够实现农业土壤和大气环境信息的获取,为现代农业信息检测技术和装备提供支持,推动农业生产管理信息化的发展。具体内容包括以下4个方面:（1）为了精准获取土壤参数信息,本文首先通过多光谱传感器获取了土壤的光谱特征数据,再由化学方法和检测仪得到了精确的土壤参数数值,然后经过理论分析,设计了 BP神经网络结构,基于光谱反射率、光谱反射强度和归一化盐分指数建立了不同光照强度、不同高度、不同角度的情况下土壤参数的预测模型,并分析了相应的预测效果,完成了基于多光谱数据的土壤参数检测研究。结果表明建立的BP神经网络模型具有较强的鲁棒性,在不同条件下能够精确地预测土壤参数,且采用光谱反射强度和光谱反射率的预测效果相近,归一化盐分指数预测效果差;对于含水量、pH的预测回归R值可达0.80左右,且对于含水量的预测具有更强的稳定性,在较强光照条件下的预测结果更为精确。（2）为了实时获取完整农业环境信息,采用物联网技术设计了农业环境监测系统,结合传感器、Arduino控制板、信号转换模块、WiFi通信模块搭建了系统硬件平台;通过编写代码实现了传感器数据的读取,利用MQTT通信协议接入阿里云平台,构建了Web监测界面,实现了农业大气和土壤参数信息的可视化与实时监测。（3）为了实现检测装备的搭载和可移动检测,设计了轮式移动装置,根据检测方法和实际作业环境需求,确定了装置的整体机械结构,并通过力学分析、模态基础分析和CAE模态分析,说明了该装置设计的合理性。为了调节装置的移动速度和方向,设计了装置控制系统,完成了硬件选型,基于CAN通信方式实现了轮式移动装置的运动控制,保证了农业环境信息检测任务的稳定进行。（4）根据实际农业检测环境,开展了整机移动试验、光谱检测试验和农业物联网检测试验,测试验证了装置运行的稳定性和检测方法的可行性,试验结果表明,轮式移动装置在田间的运行速度不高于1m/s时具有较强的稳定性;建立的BP神经网络模型具有较强的鲁棒性,能够实现实际环境中的土壤参数预测,且采用光谱反射强度、光谱反射率对土壤含水量和pH的预测精度高、稳定性强,不同光谱采集角度对预测结果精度影响不明显;搭建的农业物联网检测系统能够实现大气和土壤参数的实时监测,且为了保持监测过程中数据的准确性,土壤传感器需保持足够的入土深度（大于5cm）。