目前,农业生产由高速度发展开始逐步转向高质量发展,粗犷的大田农业生产模式已经不适合现代农业的发展要求,而进行精细化种植的小气候模型已经在农业生产中得到广泛应用,其中作为现代设施农业典型代表的植物工厂发展尤为迅速。在植物工厂建设过程中,搭建基于无线通信网络的环境信息采集系统是实现植物工厂智能控制的重要基础,但无线传感器网络内大量的数据采集节点导致环境数据高度冗余,同时影响数据采集的准确性和一致性,因此需要对采集到的环境数据进行融合处理。据此,本文搭建了基于多传感器数据融合的植物工厂监控系统,使用同类多传感器数据融合算法达到降低数据冗余和提高数据准确性的目的,从而实现对植物工厂内环境数据的精准采集和设施的智能控制。本文的主要研究内容如下:（1）通过对植物工厂环境影响因子的分析,确定了作物生长的相关需求,按照作物生长需求进行植物工厂下位机和上位机系统功能的设计与实现。下位机主要实现环境参数的采集和设施的控制,分为下位机硬件设计和下位机软件设计两部分:下位机硬件设计主要进行无线通信模块和传感器的选型、主控单元硬件设计和终端节点硬件设计;下位机软件设计主要进行μC/OS-III实时操作系统的移植和传感器驱动开发。上位机主要实现人机交互功能,设计了基于QT框架的C/S客户端,进行环境数据的实时显示和设施的自动化控制。（2）针对无线传感器网络不可避免的数据高度冗余、传输延迟高和受环境噪声影响大等问题,采用两级数据融合模型对采集到的同类环境数据进行数据融合,得到关于某一环境参数的一致性解释。首先运用中值滤波平滑含有粗大误差的环境数据,进行第一级数据融合,采用中值滤波的优势是不会损失数据细节,使得相关数据采集结果更符合实际情况;然后使用自适应加权融合算法对平滑后的数据进行第二级融合,并以此融合值代表整个植物工厂的环境信息,进行后续的设施智能控制。（3）对植物工厂上位机和下位机的相关功能进行联合测试,并对实际数据融合相关实验结果进行分析。首先使用多功能串口调试助手测试下位机环境参数采集和设施控制功能,并测试上位机客户端实时环境数据显示和设施控制功能,能动态刷新实时参数和实现控制设施的自动、手动控制,表明植物工厂监控系统功能正常运行。其次,采用两级数据融合模型处理环境参数,实验结果表明,数据的冗余量减少了83.3%,在很大程度上降低了数据发送量,同时自适应加权平均算法与算术平均算法相比,数据准确性提升了8%左右。综上所述,采用两级数据融合模型实现了降低数据冗余并提高数据准确性的目的,基本满足了植物工厂数据处理精度的要求。