我国作为人口大国,非常重视农业的发展。有机农业的发展是促进信息农业发展的关键问题,顺应科学发展观的理念,符合了工业4.0、乡村城镇化时期人们对绿色食品的需求。而虫害防治预警工作是推进有机农业发展的重要步骤。目前,害虫预警方法大致有两类:一类是依靠人工记录数月或数年的害虫数量,通过记录分析虫害发生趋势,提前预警;另一类则通过建立算法模型对虫害发生程度进行预警。依据人工统计,凭借经验对虫害发生进行预测的方法与虫害发生系统的非线性特征不适应。因此,如何建立算法模型,对虫害进行预测,不仅是专业机构的工作、更是一种全民需求。本文设计了一种基于神经网络的智能灭虫预警系统。系统通过数据采集端采集虫害和温湿度数据,采用无线传输将数据发送至数据汇聚端,对数据进行预处理和算法预测,实现对虫害等级的预测。研究分析,虫害发生系统具有不确定性、时间性、多变性的特点,体现出明显的非线性特征,而神经网络是目前解决多因素、复杂非线性系统的主要方法。基于此,研究了 BP虫害预测算法原理,建立了 BP虫害发生程度预测模型,实现了虫灾等级的预测。由于BP算法存在易陷入局部极小值的缺点,遗传算法具有寻优特性的优点,提出一种GA-BP组合优化算法,通过遗传算法优化BP神经网络权值和阈值的初始位置,减少了训练的次数和计算量,且不会造成局部最优。经仿真验证,GA-BP算法相比于基本BP算法,有效提高了对虫害发生程度预测的准确率。以算法为核心,搭建了基于FreeRTOS实时操作系统的嵌入式平台,基于节能和绿色的理念,系统以ARM微处理器为主控制器,采用太阳能供电方式。设计了虫害数据采集模块、虫害数据汇聚模块、太阳能电源模块。数据采集模块,通过温湿度采集电路、灭虫计数电路采集虫害数据,作为算法数据样本;数据汇聚模块,作为虫害数据的算法处理平台主要完成虫害预测算法的功能,实现了对虫害的有效预警。实验结果表明:组合GA-BP和BP算法对虫害程度预测的准确率分别为:83.3%和75%,组合GA-BP算法预测准确率平均提高了 8.3%;组合GA-BP和BP算法对虫害程度预测训练时间分别为:10.3s和18.1s,算法预测训练时间缩短了 7.8s;组合GA-BP和BP算法对虫害预测可接受度分别为:83.3%和75%,算法预测可接受度平均提高了 8.3%,说明了组合算法对虫害预测是有效的。将组合GA-BP算法应用于嵌入式平台,虫害预测准确率可达83.3%,说明该算法可以有效应用于此平台,实现了对虫害发生程度的预警和虫害信息的远程监测。