设施农业在我国农业面积中所占的比重日益增长,是解决我国人多地少制约可持续发展的有效工程,然而设施农业病虫害日益严峻的形势是发展设施农业所面临的重要难题。目前病虫害监测数据采集主要依靠植保人员田间考察、取样分析,数据量有限从而直接影响预警分析的准确性、及时性和有效性。本文主要针对设施农业,通过物联网技术实时采集温室番茄作物的各种环境参数,构建基于粗糙神经网络的番茄灰霉病预警模型,通过对实时采集的数据进行分析,可以对番茄灰霉病进行预警。本论文重点研究内容如下：1.在温室环境下,基于物联网感知层的各种传感器实时采集的空气温湿度、土壤温湿度、光照、CO2浓度等数据,通过WebService等接口存储在云平台的临时数据库和Hadoop集群中。2.番茄灰霉病预警模型的构建。本文首先基于双环境因子对番茄灰霉病产生的影响做研究,分析其存在的不足,进一步基于多因子番茄灰霉病预警模型研究,由于处理的因子比较多,选用传统的BP神经网络与改进的BP神经网络分别与粗糙集理论相结合,通过实例对比分析,结果表明本文提出的基于粗糙神经网络预警模型预警的准确率和训练时间都有一定的提高,该预警模型的构建思路为病害预警的研究提供有益的参考。3.番茄灰霉病监测预警系统的研发。本文基于构建的预警模型采用JAVA语言在Myeclipse开发环境的SpringMVC架构上开发了预警系统,实时数据的存储使用到MySql以及Hadoop集群,前台显示使用到JQuery以及其他JS技术。基于以上研究,本论文以番茄灰霉病为例,开发了基于粗糙神经网络的番茄灰霉病预警系统,系统作为国家现代农业科技城搭建的农科城农业云服务平台上SAAS层的设施云服务的一部分,通过在农科城云服务平台上部署、运行、调试及维护,目前运行状况良好。以上的研究可以作为构建其他预警系统的参考资料,同时也为实现设施农业的“绿色植保”提供现实意义。