#智能灌溉

构建AgriSens全栈智慧农业决策支持平台，集成作物推荐、病害诊断、施肥优化与灌溉模拟。

基于物联网传感器实现农田土壤湿度自动监测与灌溉控制。

Development and Performance Evaluation of an IoT-Based Smart Irrigation System with Real-Time Data Monitoring for Beetroot (Beta vulgaris L.)。Research Square

提出面向智慧灌溉的安全参考架构，用软件验证可抵御重放与欺骗攻击。

研究卡拉卡尔帕克斯坦通过农产品加工与数字创新提升区域附加值。

提出MATLAB中AI-IoT仿真框架，用LSTM预测灌溉需水并管理光伏与电池。

为西非河岸农场设计并验证低成本太阳能物联网灌溉系统，自动灌溉黄麻叶。

提出IrrigaDL-FL低成本物联网智能灌溉框架，融合深度学习与模糊逻辑优化路由和灌溉决策。

提出MLP-ANN预测温室微气候并驱动自适应模糊控制器，实现预测性智能灌溉。

提出物联网结合机器学习的智慧农业系统，实现环境监测与智能灌溉决策。

基于物联网与传感器构建智能灌溉系统，实时监测土壤与气象并自动控制灌溉。

提出基于边缘嵌入式控制器的AI智能灌溉系统，实现实时自适应灌溉调度。

提出基于ESP32传感与两阶段机器学习的智能灌溉推荐系统，预测土壤湿度并推荐灌溉动作。

福建省农业科学院作物研究所发布「作物所蔬菜生物育种基地大棚建设项目」竞争性磋商公告，预算82.0471万元，响应文件开启时间2026年10月19日9:00。

开发基于ESP32与ESP32-CAM的物联网植物监测与自动灌溉系统，用Sugeno模糊逻辑决策浇水

An Intelligent IoT-Enabled Machine Learning Framework for Smart Irrigation in Climate-Resilient Agriculture。Research Square

研究验证旱季遮阴芹菜中智能滴灌能否保持病害防控与产量优势。

通过成本效益分析评估AI智能灌溉系统的经济与环境影响。

基于物联网与土壤湿度及天气数据，实现低成本自动灌溉决策系统。

提出LLM智能体框架实现多级灌溉渠闸系统闭环自主调度，并比较提示策略与模型异质性。

提出基于堆叠集成学习的灌溉泵ON/OFF预测框架，用物联网传感器数据实现智能灌溉控制。

基于ESP32和Blynk开发了带手动/自动模式的自动浇水原型系统。

提出融合物联网传感与随机森林的智能灌溉系统，实现数据驱动的自动灌溉控制。

提出物联网与天气数据驱动的智能灌溉系统，按实时土壤与气象条件自动决策灌溉。

综述AI、物联网与遥感在大田作物智能灌溉调度中的应用与成效。

设计并评估了一款低功耗、IP68防护、基于BLE的六站智能灌溉控制单元。

提出AIoT框架，用LSTM预测土壤湿度实现智能灌溉，节水并延长节点续航。

Integrating artificial intelligence, Internet of Things, and remote sensing for smart irrigation management of field crops: A review。Biosystems Engineering

系统综述2015-2025年土壤传感器与IoT在智能灌溉中的应用，评估技术、成本与性能，指出研究空白

研究物联网智能灌溉系统优化农业用水，提升粮食安全与缓解水资源短缺。

提出结合IoT、机器学习和边缘计算的智能灌溉系统，优化用水并提高作物产量。

在山东寿光,多数高标准大棚里,智慧设备各司其职,农事操作大多不再需要人手。寿光市现代农业高新技术试验示范基地,一只机器狗正灵活穿行在彩椒植株间,执行日常巡检任务。在山东高密,智能灌溉系统已成玉米田管“标配”,农户只需轻点手机,系统便可按土壤实际需求精准供水供肥,节水超过30%,肥料利用率也提升30%至50%。山东农业正大步迈出“靠经验”的老路子,转向“靠数据”的新赛道。

原文标题:Application of Precision Agriculture and IoT-Based Smart Irrigation in Greenhouse Vegetable Production。作者:Zeeshan Ahmed、Muhammad Taimur Maqbool Muhammad、Abbas Khan Muhammad、Zain Ul Abideen、Abdul Haq。DOI: 10.63163/jpehss.v4i1.1226。该综述综合分析了精准农业(PA)和基于物联网(IoT)的智能灌溉在温室蔬菜生产中的集成,涉及土壤湿度、EC、pH、微气候监测器等物联网传感器与数据分析(AI/ML模型)及自动执行器在番茄、黄瓜、辣椒等作物实时资源管理中的整合。关键组件包括使用ZigBee/LoRa协议的无线传感器网络、低延迟边缘/雾计算和预测算法(如LSTM、SVM),可减少20-50%用水量,同时提高10-30%产量和养分效率。来自中国、欧洲和印度的案例展示了变量灌溉(VRI)和施肥系统的实际应用,实现高达40%的能源节约和最小化淋失。

Mustafa MS（卡拉比克大学计算机工程系）与Kutucu H（土耳其）在Frontiers in Sustainable Food Systems发表的原创研究"Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT"于2026-07-28接受。针对农业占全球淡水取用量约70%、传统灌溉水耗大、效率低的现实，研究构建将物联网、机器学习与边缘计算融合的智能灌溉系统：物联网传感器和边缘设备实时采集环境数据并估算灌溉需求，机器学习模型与土壤监测单元（SMU）和水管理单元（WMU）协同，在边缘本地部署实现可扩展、实时、高效灌溉管理。研究比较决策树（DT）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）、随机梯度下降（SGD）和多层感知机（MLP）六种监督学习模型，其中决策树和随机森林分类准确率达93%、R²回归得分0.98，显著优于SVM（准确率58%、R²=0.18），为不同农业场景下水资源高效管理提供可复用方案。原文：Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT