1.基于物联网的智慧农业管理系统，其特征在于，包括农作物历史数据收集模块、农作物健康度评估模块、环境历史数据收集模块、环境数据分析模块、农作物生长模型训练模块、实时数据收集模块以及环境调节模块；其中，各个模块之间通过电气和/或无线网络方式连接；

所述农作物历史数据收集模块用于预先收集每种农作物的历史生长状态数据；并将收集到的所有农作物样本的生长状态特征发送至农作物健康度评估模块以及农作物生长模型训练模块；

所述农作物健康度评估模块用于根据每株农作物样本各个采集周期采集到的生长状态特征，分析农作物的健康程度；并将每株农作物样本在每个收集周期的评分发送至农作物生长模型训练模块；

所述环境历史数据收集模块用于收集农作物所处于的生长环境的历史数据；并将收集到的历史环境特征数据发送至环境数据分析模块；

所述环境数据分析模块用于利用历史环境特征数据使用主成分分析法，分析出环境特征的主成分数据；并将经过主成成分分析后的主成分数据发送至农作物生长模型训练模块；

所述农作物生长模型训练模块用于利用主成分数据和对应的历史健康程度评分，训练出计算农作物健康程度评分差值的神经网络模型；并将训练完成的神经网络模型M1发送至环境调节模块；

所述实时数据收集模块用于实时收集农作物的生长状态特征数据以及所处的环境特征数据；并将收集的农作物的生长状态特征数据以及所处的环境特征数据发送至环境调节模块；

所述环境调节模块用于根据当前的农作物的生长状态特征数据以及所处的环境特征数据，并基于神经网络模型的预测，对环境特征数据进行调节；

所述环境调节模块对环境特征数据调节包括以下步骤：

步骤X1：将当前的环境特征数据进行主成分分析，获得主成分数据；

步骤X2：将主成分数据和当前农作物生长状态输入至神经网络模型M1中，获得对应的健康程度评分的差值；

步骤X3：根据当前农作物的生长状态特征，计算出当前农作物健康程度评分；

步骤X4：将当前农作物健康程度评分加上健康程度评分的差值，计算出预估的下一个收集周期农作物的健康程度评分；

步骤X5：根据实际经验预设农作物健康程度评分阈值，若下一个收集周期农作物的健康程度评分低于健康程度评分阈值，基于当前环境特征数据，对每个特征值进行预设范围内的随机加减，并在每次调整后重新预估下一个收集周期农作物的健康程度评分，若健康程度评分高于健康程度评分阈值，转至步骤X6；否则，继续执行步骤X5，直至重复次数达到预设的调整次数阈值，并从历史调整数据中，挑选出预估健康程度评分最高的一组环境特征数据，转至步骤X6；

步骤X6：通过物理手段将生长环境内的环境特征数据调整为对应的环境特征数据。

2.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述作物历史数据收集模块收集农作物历史生长状态数据包括以下步骤：步骤S1：根据实际种植经验为每种农作物预先设置需要收集的生长周期以及每个生长周期对应的生长状态特征列表；

步骤S2：预先根据实际经验为每种农作物设置收集周期；

步骤S3：在每种农作物的若干株样本的培育过程中，每隔对应的收集周期，由人工判断该农作物所在的生长周期，再收集每种农作物在对应生长周期下的生长状态特征。

3.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述农作物健康度评估模块分析农作物健康程度的方式为：将农作物类别标记为t，收集周期编号标记为i，农作物类别t的每株样本标记为yt；

农作物样本yt在收集周期i下的生长周期标记为Zyti；将生长周期Zyti的生长状态特征集合标记为QZyti；

根据农作物种植经验，为每个收集周期i设置预期生长周期，并为生长状态特征集合QZyti中每个特征设置预期值范围；

计算农作物样本yt收集周期i中，每株植物的评分Syti；其中，Syti的计算公式为Syti＝a*Hyti+∑

4.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述环境历史数据收集模块收集生长环境的历史数据的方式为：在每个农作物样本的每个收集周期收集农作物的生长状态特征的同时，利用若干物理传感器收集该农作物样本所处生长环境的环境特征数据。

5.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述环境数据分析模块分析主成分数据的方式为：将每株农作物样本的收集周期中收集的环境特征数据，按农作物种类以及所在的生长周期进行分类；对于每种农作物的每个生长周期，以对应的环境特征作为特征属性，使用主成成分分析法获得生长环境特征数据对应的主成分数据。

6.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述农作物生长模型训练模块训练计算农作物评分的神经网络模型的方式为：将农作物样本按农作物的种类和收集周期编号进行分类，以每株农作物样本在每个收集周期中环境特征数据的主成分数据和农作物的生长状态数据作为输入，以农作物的健康程度评分差值作为输出；以每个收集周期中该农作物的真实健康程度评分差值作为预测目标；以健康程度差值的预测准确率作为神经网络的训练目标，对神经网络模型进行训练；其中，所述健康程度评分差值为每株植物样本在生长周期i+1的健康程度评分与在生长周期i的健康程度的差值。

7.根据权利要求1所述的基于物联网的智慧农业管理系统，其特征在于，所述实时数据收集模块收集每株农作物生长状态特征数据的方式是每隔对应农作物类型的收集周期，由人工收集或计算机视觉技术中的一种方式对农作物生长状态特征数据进行收集；

所述实时数据收集模块收集所处的环境特征数据的方式为基于每个环境特征数据所对应的物理量，设置对应的传感器，并每隔对应农作物类型的收集周期，每个传感器收集对应的物理量。