随着人们生活水平的提高和对食品安全的日益关注,及人口增长带来的农产品供需压力,传统农作已无法满足现实需求。智慧农作是综合运用数字化技术在种植业系统中进行信息感知、处理和管理决策等方面的研究和集成应用,智慧农作的实施有助于优化农作系统的土壤适应性评价、作物养分模型、产量预测和病害管理决策等过程,能显著提高农作系统的土地产出率和资源利用率,推动农业信息化和现代化发展进程。土壤、肥料、作物是智慧农作的三个重要组成部分,如何精准的对土壤时空演变进行预测,如何寻求更精准更科学的施肥量配比,以及如何精准的分割和识别作物的病斑图像,是当前智慧农作中解决水土流失综合治理、精准施肥、病虫害识别与诊断的关键技术。群体智能优化算法在处理工程优化问题上更加有效,受到越来越多研究者的关注,结合机器学习、计算机视觉、模式识别等方法被广泛用于智慧农作中。但在求解复杂优化问题时,群体智能优化算法存在过早收敛、容易陷入局部最优、收敛速度慢等问题,而传统机器学习模型存在计算精度低、稳定性差和适应性差等问题。为了提高算法的性能,很多研究者提出大量群体智能优化算法的变体,以得到性能更好的优化算法;同时,将改进的群体智能优化算法与现有的机器学习等方法结合,优势互补来更好地解决具体应用问题。本文群体智能优化算法对土壤、肥料、作物系统中存在的土壤侵蚀分类、肥料科学配比、病害图像分割三大主要热点问题进行研究。以提高准确率或提升效果为目标,为辅助水土流失治理,精准施肥,病害诊断提供新的解决方案和新思路。本文的主要工作如下:（1）针对群体智能优化算法研究现状和智慧农作的研究现状分别进行阐述。首先对三种智慧农作需求（土壤侵蚀分类、精准施肥、农业病害图像分割）的国内外研究现状进行介绍,并指出了存在的问题及发展趋势。之后对本文用到的三类群体智能优化算法、机器学习分类方法、图像处理和模式识别等相关技术及存在的问题进行阐述和分析。最后为每个实验所需的性能评价指标进行阐述,为开展进一步的研究提供理论基础。（2）针对智慧农作中土壤侵蚀分类及提高分类预测准确率问题,提出一种正余弦策略增强的飞蛾火焰优化算法（SMFO）。SMFO算法采用正余弦函数策略提高初始种群的多样性,加快跳出局部最优的机会,在25个基准函数上对比的实验结果表明,SMFO算法在平衡性和多样性等方面有明显提升。针对机器学习分类器在预测过程中受关键参数影响的问题,将所提出的SMFO算法应用于优化核极限学习机（KELM）的惩罚参数c和内核参数γ来提高分类器的性能,再利用SMFO-KELM模型用于预测降雨引起的土壤侵蚀分类问题上,得到土壤侵蚀分类预测结果。实验结果表明,本文提出的SMFO-KELM方法能准确的预测侵蚀结果,同时在多个评估指标上效果均高于其他方法,具有更高的预测精度。（3）针对智慧农作中精准施肥寻找最佳肥料配比及预估最大产量问题,提出一种多策略改进的灰狼优化算法（SLEGWO）。该算法采用黏菌觅食（SMA）、莱维飞行（LF）、反向学习（OBL）和贪心策略（GS）四种机制,加快了寻优和收敛的速度,在30个基准函数上的对比结果表明其性能最优。针对肥料效应函数拟合效果不理想的问题,将提出的SLEGWO算法用于氮磷钾三元肥料效应函数来提高拟合效果,结合“3414”施肥试验方案,用于分别求解肥料效应方程的方程系数和预测最佳施肥量及最大产量。对比及实验结果表明,所提出的SLEGWO算法能提高肥料效应方程系数的拟合程度,同时能够更加精确的对施肥配比和产量进行预测。（4）针对智慧农作中作物病害图像分割及分割效果提升问题,提出基于精英领导机制的综合粒子群算法（GCLPSO）。GCLPSO算法利用灰狼等级策略有效增强了算法的局部搜索能力,在40个基准函数上与其他算法对比,结果表明其性能最优。同时,针对病害图像阈值分割存在的两个问题:噪声干扰和最优阈值难以寻找。一方面结合非局部均值滤波用以去除病害图像中的噪声;另一方面以大津分割作为目标函数,将提出的GCLPSO算法用来解决最优分割阈值的选择问题,在多种玉米病害图像中进行验证及比较。实验结果表明,基于GCLPSO和大津分割的玉米多种病害图像分割方法,在整体分割精度上优于其他方法,并且具有较好的鲁棒性和稳定性。