智慧农业是农业生产的高级阶段,集物联网、互联网等一体,依托土壤介质数据采集等模块,实现对农业的智慧化分析,最终为农业生产提供智能化决策。本文通过改进相关算法为土壤介质综合性能检测提供更优解决方案,主要完成以下工作:1)基于BP(back propagation,反向传播)神经网络改进卡尔曼滤波算法。通过BP神经网络算法改进卡尔曼滤波,解决了卡尔曼滤波难以适用于非线性方程的弊端,并将此算法应用于土壤介质真实状态加入高斯白噪声的数据进行验证。结果表明:(1)优化后算法得到的滤波后的值与真实状态值更接近。(2)优化后的滤波算法在绝对误差、均方根误差和RMAD(Root Mean Absolute Deviation,根均值绝对偏差)上均优于未优化卡尔曼滤波算法。2)基于鲸鱼混合遗传优化BP神经网络算法。通过鲸鱼算法混合遗传算法解决了BP神经网络存在局部极小值、算法收敛速度慢等弊端,并将此算法应用于土壤介质真实状态数据中进行验证。结果表明:(1)优化后算法得到的预测值与实际值接近。(2)优化后的预测算法在R2(Root squre)、MSE(mean-square error,均方误差)、RMSE(Root mean-square error,均方根误差)、MAPE(mean absolute percent error,平均绝对百分误差)和MAD(Mean Absolute Deviation,平均绝对偏差)中均优于未优化BP神经网络算法。3)基于粒子群优化支持向量机算法。通过粒子群算法优化支持向量机解决了支持向量机核参数和惩戒参数模型选取困难的弊端,并将此算法应用于土壤介质真实状态数据中进行验证。结果表明:(1)优化后算法得到的分类值与实际值基本一致。(2)优化后的分类算法在分类精度上优于未优化支持向量机算法。4)将优化后的算法应用到土壤介质综合性能检测模块中,对系统的真实性和有效性进行验证。