物联网技术是实现现代化农业的重要技术支撑,因此农业物联网作为我国战略性产业得到了快速的发展。利用科技手段实现农业生产的精准化、智能化及科学化管理,是实现传统农业向现代化农业转型的重要举措。然而,农田环境监测具有监测面积广、周期长、环境因子复杂多变等特征,目前投入应用的农田环境监测设备,普遍存在稳定性差、实时性不高、节点监测参数受限等问题,难以同时满足精准农田环境监测的多种需求。本论文设计了一种LoRa(Long Range)通信和NB(Narrow Band)通信相结合的智慧灌溉首部控制装置,该装置对农田各个区域的环境数据进行实时监测,以及对农田灌溉进行远程精准控制,并且构建了基于GA-Elman(Genetic Algorithm Elman)神经网络需水量预测模型,根据监测到的环境数据对未来一段时间内农田中灌溉用水量进行预测,实现智慧灌溉。本论文首先分析了物联网技术在农业环境监控方面的国内外现状,针对当前农业监控设备的需求确定智慧灌溉首部控制装置的总体方案设计和相关技术;其次设计并实现了智慧灌溉首部控制装置,完成采集节点和汇聚节点的硬件电路设计及对应的嵌入式软件设计;然后利用首部控制装置所采集的环境数据作为样本数据,构建了基于GA-Elman神经网络的需水量预测模型,实现了良好的预测效果,通过实验对比和误差分析,验证了基于GA-Elman神经网络需水量预测模型的预测精度高于传统BP(Back Propagation)预测模型和E1man预测模型。最后对智慧灌溉首部控制装置的各功能模块进行了实际的测试与应用,试验结果表明首部控制装置的节点间的自组网、丢包率、通信距离等方面具有良好的性能,并在物联网云平台进行了展示,均满足预设要求。实验结果表明,本装置能够实现远程监测农田实时数据和远程智能灌溉,最后将本装置应用于实际中。利用GA-Elman神经网络预测的需水量与传统方式进行灌溉的用水量进行实验对比,得出基于GA-Elman神经网络需水量预测进行的水肥一体化滴灌的方式,节水率达到82.6%,验证了本设计的预测模型更能节水以及增产,进一步确定了本设计内容的可行性,可用于智慧农业领域。