经济社会的快速发展导致人增地减、资源紧缺、生态环境恶化等一系列问题越来越严重,现代信息技术为我国农业现代化提供了前所未有的新动能。人工智能、大数据、物联网等新一代信息技术与农业领域的深度融合,为精准农业和智慧农业的发展奠定了有力基础,其结果必将为解决资源短缺、环境污染问题提供新途径。精准施肥是精准农业的核心环节,了解土壤养分与产量之间的关系及规律进行精准施肥以提高作物产量是非常必要的;玉米是全球也是中国第一大作物,在保障国家粮食安全中占有重要地位。由于在己有的求解精准施肥问题的相关农业技术中,没有较好的对施肥过程中的土壤肥力多个参数以及产量之间存在复杂的非线性关系进行拟合,某种程度上影响施肥模型的精度,限制了其应用的范围,而径向基神经网络(Radial Basis Function,RBF)技术可以较为高效准确的进行非线性关系预测,因此本文以国家星火计划“基于物联网的玉米精准作业技术集成与示范”项目为依托,选取土壤养分、玉米产量为研究对象,进行基于模糊聚类(Fuzzy c-Means,FCM)与RBF玉米精准施肥模型优化算法研究,为玉米精准施肥提供决策依据。本文主要研究工作如下:(1)收集整理国家“863”项目及星火计划玉米示范区资料。归纳分析了以往玉米精准施肥模型的不足和缺陷,明确了模糊聚类与RBF神经网络融合的玉米精准施肥模型研究思路。(2)进行了基于模糊C-均值聚类算法优化RBF神经网络算法的研究。针对传统RBF神经网络处理多维数据以及过分依赖于隐含层数据中心的选取存在的不足,引入基于核函数的FCM优化RBF神经网络算法,运用该优化算法构建了玉米产量预测模型。研究结果明确了该优化算法具有准确率高、鲁棒性强的优点,适宜构建复杂的非线性玉米精准施肥模型。(3)提出了基于FCM与RBF神经网络技术构建玉米精准施肥模型的优化算法。首先对传统的BP神经网络和RBF神经网络、FCM-RBF神经网络和FCM-OLS-RBF神经网络四种方法进行比较,明确了FCM—OLS-RBF神经网络融合算法最优;然后用融合后的优化算法对玉米产量、土壤养分量进行计算,建立仿真玉米精准施肥预测模型;研究与实验结果表明,在求解玉米精准施肥量的问题上,融合后的FCM-OLS-RBF神经网络预测效果最佳,精度高、速度快,该方法不仅优于传统的施肥模型,而且有较强的鲁棒性和泛化能力,可为玉米精准施肥提供科学的决策依据。(4)研制出基于优化神经网络模型的玉米精准施肥智能系统。结合以上研究结果,以.NET为平台,使用C#语言开发了基于优化神经网络模型的玉米精准施肥智能系统。系统实现了用户管理、产量预测、精准施肥、专家咨询和帮助等功能,并在国家“863”计划和星火计划农安县示范区进行了应用,取得了较好的经济效益与生态效益。