农业物联网是物联网应用的重要发展方向之一,将物联网技术应用在农业领域将为农业的发展带来了不可估量的推动力和无可限量的前景。在农业物联网中,如何对生产过程中采集到的数据进行处理、分析和显示,使其更好的为农业服务是亟需解决的关键问题。农业物联网中的数据处理是位于农业物联网的信息应用层,其通过对数据进行处理、融合和应用来制定科学的管理决策,实现对农业生产过程的控制。目前,农业物联网数据处理的研究还处于研究阶段,主要面临着三方面的挑战：(1)缺乏考虑农业数据动态性特征和历史农业数据影响的预测模型,使得农业生产数据动态性和历史性被忽略；(2)已有的农业专家系统中的知识处理与决策模型几乎都是基于某一种作物、几种作物或者针对某个方面开发的,而能够处理大数量、多种类农业知识的知识表示与决策模型还未出现；(3)在处理可定制、多类别农产品系统的农业生产控制方面缺乏相应的解决方案。为了解决以上问题,需要对农业物联网数据处理的预测模型、知识表示与决策模型等进行系统地研究。本论文的研究着眼于农业物联网数据处理的预测模型、知识处理与决策模型,以及生产过程访问控制三方面的关键技术。本文首先基于农业物联网中数据处理服务的需求,设计了基于农业生产过程的农业物联网数据处理服务架构；其次,在预测模型方面,为体现动态处理信息及历史数据影响,提出了一种基于输出-输入反馈机制的Elman神经网络(IOIF-Elman神经网络)预测模型；在知识处理与决策模型方面,通过动态继承和建立分层案例推理经验库,设计了一种基于类、框架和产生式规则的知识处理与决策模型；在生产控制方面,针对可定制、多类别农业数据处理系统访问控制权限管理困难的问题,提出了一种基于属性和任务的工作流访问控制模型,给出了其数学证明,并详细阐述了其访问流程。本文研究中产生的主要创新点有：(1)针对农业预测中广泛使用的神经网络预测模型——BP神经网络无法满足动态处理信息和历史数据影响丢失的问题,本文提出了一种改进的输出-输入反馈机制的Elman神经网络(IOIF-Elman神经网络)预测模型。新模型以动态神经网络Elman神经网络为基础,在其基础上增加了输出层反馈以及前一时刻输出层反馈,通过反馈层的增加,来体现历史数据对预测的影响,以获得较为精准的预测结果。仿真结果表明,IOIF-Elman神经网络比Elman神经网络和BP神经网络具有更好的预测性和稳定性。而反馈网络的加入,使得IOIF-Elman网络处理动态信息的能力增强,且更符合实际的应用。(第三章)(2)目前国内外已有的农业专家系统几乎都是基于某一作物或几种相似作物开发的。然而农业生产中所涉及的物种类别繁多,为避免重复开发带来的工作负担,开发具有通用性、可定制的系统,即能够同时处理多种作物信息的系统,是目前农业专家系统研究的一个主要方向。开发通用性系统最大的难题在于如何处理大数量、多种类的农业知识。本文提出了一种基于类、框架和产生式规则的农业知识处理与决策模型。该模型的特点在于以农业生产过程中的关键控制点为主线对类进行划分,并通过建立分层案例库和引入元案例,加快推理决策的速度。该模型在农产品生产履历数据处理与服务系统中实际应用表明,基于类、框架和产生式规则的知识处理与决策模型,能够很好地解决通用性农业系统面临的大数量、多种类农业知识处理和推理决策等问题。与现有知识处理相比,在知识表示方面更加简洁、完备,且具有较强的语义理解能力和自动继承能力；分层思想和元案例的引入,能更准确、迅速的实现推理决策。(第四章)(3)为了优化农业生产控制能力,针对可定制农产品系统中访问控制权限管理困难的问题,本文提出了一种基于属性和任务的工作流访问控制模型,并给出了其数学证明。可定制系统能够为所有农产品进行生产数据处理,但已有的工作流访问模型不适合用于访问控制权限的管理和分配的问题。基于属性和任务的工作流访问控制模型,通过将用户和任务属性化,使属性与任务、任务与权限联系起来,实现对权限的动态管理。较之其他模型,该模型细粒度化,灵活性好,同时减少了管理代价。该模型在农产品生产履历数据处理与服务系统中实际应用,验证了其可行性。(第五章)本论文的研究内容作为“十二五”农村领域国家科技计划课题项目“农业物联网与食品质量安全控制体系研究”(编号：2011AA100706)的部分成果,已在“农产品生产履历数据处理与服务系统”中应用,为其提供了有效的解决方案和工程实践指导,帮助其实现了农业生产过程中所采集数据的处理与服务。