随着物联网、人工智能和大数据技术的不断发展,智慧农业成为当前农业科技研究的热点。智慧农业是以物联网技术为支撑,集信息、传感和无线通信等技术为一体,依托部署在农业生产现场的各种感知节点和无线传感网络,完成农业信息的全面感知、可靠传输和智能处理的一种新型的农业发展模式。它不仅改进了农业生产管理方式、提高了农业生产效率,还促进农业持续稳定的发展。然而,智慧农业中自动控制精准度较低以及信息决策风险难以控制在要求范围内的问题是当前亟待解决的。为此,本文开展了如下研究工作:首先提出了基于机器学习的阈值优化方法。该方法利用Bayesian统计推断机理对农业生产环境数据进行学习,建立了各环境参数指标下的多维高斯统计模型;应用EM算法建立了联合分布后验概率密度似然函数,得到稀疏项+正则项的对数似然函数模型;通过ADMM优化和N-P判决准则获得环境参数优化决策阈值。其次,设计开发了基于机器学习的智慧农业决策系统软件平台,该平台应用Qt和云计算等关键技术,实现了智慧农业决策系统的管理中心模块、数据中心模块、地图中心模块和设备中心模块等主要内容。该系统能完成用户的登录与注册、农业生产环境参数的实时监测与显示、对应参数的趋势变化、历史数据的查询与分析、地图显示和温室环境参数状态信息的监测等功能。最后,将所提的基于机器学习的阈值优化方法应用于智慧农业决策系统中,通过基于机器学习的阈值优化方法,结合农业生产现场中的历史数据,得到了各环境参数的优化决策阈值,从而指导智慧农业决策系统的设备控制中心远程自适应地驱动相应的电气设备使能。本研究在降低决策风险的同时可达到精准化的智能控制。研究成果应用在新疆伊犁的智慧农业大棚中,将生产率提高了43%,创造了额外32%的经济价值。该成果也可推广应用到其他作业智慧农业系统。