智慧农业为现代农业带来革命性的技术创新,使人工智能和大数据技术在农业领域得到广泛应用。当前大多数智慧农业系统是示范性的,其分析方法和实用场景都是定制的,难以大面积推广。针对智慧农业发展中面临的问题,对农业生产过程中不同农户的多样化需求,本课题在智慧农业系统架构的基础上,融合农作物训练模型算法库与农业专家知识库,提出了具有普适性、可扩展性的农作物生产智能服务平台的设想,并对平台的关键技术进行研究。平台关键技术表现在:利用农作物种植过程中提供的信息,首先进行农作物生长阶段识别,然后判断农作物生长状态,最后分析影响农作物生长的主要因素。智能服务平台利用分析出来的影响农作物生长的主要因素,为农作物生产者提供精准的农作物生产种植方法。此外,平台也提供专家咨询和信息交流等功能。基于上述要求,本文做了以下工作:（1）根据农业专家对农作物生长期的划分标准,提出了基于多元线性回归分析的农作物生长阶段划分方法,该算法可用于识别农作物所处的真实生长阶段。（2）在获取农作物真实生长阶段的基础上,利用机器学习和深度学习算法对农作物该阶段的所有样本进行建模,分析农作物生长状态,从而得出农作物生长状态优劣。（3）针对生长状态不好的农作物分析了影响农作物生长的主要因素。利用AHP-熵值法分析影响农作物生长的主要因素,对其影响因素进行权重排序,形成一个综合评价方法。分析出影响农作物生长的主要因素,为农户提供合理的解决方法和种植建议。（4）利用上述关键技术研究的成果,设计了智能服务平台框架。重点阐述了平台的需求分析、功能说明和系统结构,并给出了平台演示系统的运行环境及主要操作界面。本文以玉米样本为研究对象,可以扩展到其他农作物。利用本平台提供的智慧服务可实现对农业生产过程的精准控制,从而提高农作物产量和质量,降低生产成本。