随着农业现代化进程的不断加速,信息处理软件和智能控制技术在农业技术中有着越来越广泛的应用。本文以农业浇灌中的信息采集和智能控制为重点研究内容,通过HYDRUS-1D土壤模型仿真,解决了浇灌过程中土壤水分入渗的复杂性和超时滞性带来的模糊控制隶属度调整和BP神经网络参数训练困难的问题。首先,本文构建了基于STM32F103单片机的单总线控制的空气温湿度传感器、需AD转换的光照强度传感器、使用RS485通信方法的土壤温湿度传感器的程序设计和数据读取。利用ZigBee组网协议,完成了16个信息采集单元节点的数据传输,通过GPRS网络和RS232通信,实现了所需信息至上位机的传输。然后,依据Richards方程和Van Genuchten模型建立了HYDRUS-1D土壤仿真模型,通过模型的求解得到了240组原始仿真数据。使用这些数据,进行了模糊控制的隶属度函数调整和BP神经网络的参数训练,用于浇灌水量预测。结果表明:此方法与采用试验方法相比,获得一组数据的效率平均提升13.4倍;土壤浇灌水量模拟结果与模糊控制的输出结果的对比显示误差在3%以内,土壤浇灌水量模拟结果与神经网络预测结果对比显示,决定系数达到0.98579,证明了模型模糊控制和BP神经网络模型是合理的。最后,构建了基于Lab VIEW的信息处理及显示系统,进行了上述模糊控制与BP神经网络预测浇灌水量的试验验证分析。结果表明,利用模糊控制和BP神经网络对浇灌水量进行预测,误差小于6.5%,结果合理,可以用于指导农业生产,具有一定的实际应用价值。