随着农业现代化建设的推进和信息技术的不断发展,实现传统农业向数字信息化农业的转变已成为维持农业可持续发展的系统工程。现代物联网技术在农业中的应用,对产业结构的调整和生产质量的改善都有极大的促进作用。因此,实时监测农田环境要素以及准确获取农作物生长状况,实现AIOT在农业应用上的技术落地,是现代智慧农业的迫切需求。针对传统农业监测方式存在效率低,成本高,监测精度低等问题,并结合当前智慧农业实际需求,本文设计了一种基于卷积神经网络的农作物生长识别监测系统。本系统采用模块化设计思想,具有很强的扩展性,采用基于操作系统的多任务划分及调度,稳定性强;上位机软件平台功能丰富,集数据通信、图像识别、采集控制于一体;采用轻量化卷积神经网络Mobilenet识别玉米生长期,具有较高的识别率和快速的识别速度,并且计算量和内存大小比标准卷积神经网络大大下降。具体研究内容如下:农作物信息监测装置主要负责图像和环境定位数据的采集与传输。系统在野外利用太阳能供电,并通过充放电硬件电路及电压转换电路供应系统的不同电压。软件平台依托Free RTOS操作系统进行编写,基于模块化编程思想进行合理的任务划分,确保系统有条不紊的运行;上位机软件利用卷积神经网络对采集到的玉米生长图像进行生长阶段识别分析,显示接收到的环境定位数据并保存在数据库中,以便于后期查看以及数据分析。上位机软件平台是集数据通信、图像处理、信息存储、界面显示以及采集控制等功能于一体的综合性平台;利用卷积神经网络对采集到的玉米图像进行生长期的识别。分别训练标准卷积神经网络VGG16和轻量化卷积神经网络Mobilenet,将相同的测试集输入两个网络模型,对比网络性能,最终采用同时具有较高识别率和较小计算量的Mobilenet卷积神经网络;野外测试表明,本系统农作物生长识别监测装置和上位机软件协同运行流畅高效,农作物生长图像和环境定位数据采集速度快,数据处理和农作物生长期识别稳定性和准确率高,完全符合实际应用要求。因此,将物联网模式和卷积神经网络结合应用于农业生产,具有重要意义和应用价值。