党的十八大以来，围绕数字农业的发展，已经研究并出台了一系列政策，为数字农业的发展提供了前所未有的政策支持和制度保障。但由于我国的数字化技术起步较晚，相对于一些处于成熟期的发达国家来说，差距比较大，目前国内做数字化机井控制终端及物联网大数据平台技术的企业较少，且企业的技术发展相对不完善，不健全，因此目前市场上出现的数字化机井控制终端及物联网大数据平台技术在性能、品质上都存在较大缺陷，难以实现高效率的批量生产，基本上还停留在试制阶段，至今难以推广使用。国外产品目前在产品设计上还不能够满足在中国国内广大耕作地区的耕作的要求，而且国外产品进口价格一般较高。因此，基于多模态数据融合的农情监测系统应运而生，本作品利用水位传感器，水流量传感器，土壤墒情传感器，光照传感器，温湿度传感器，风力传感器进行相关传感信息的捕捉，再将数据信息传入STM32中，在STM32中内置了改进的基于D-S证据理论与BP神经网络相结合的多传感器数据融合算法，将不同类型传感器采集到的数据经过BP数据融合后得到了农田环境的特征值，在此基础上，设计了D-S证据理论的基本概率分配函数和证据融合规则，融合后的农田环境评估结果综合利用了多种类型传感器的测量值，其对农田环境评估值的准确性远高于基于单传感器的环境评估值。分析处理后的数据通过BC95模块进行无线传输，将数据上传至腾讯云服务器中进行数据存储，最后通过WEB端和APP端进行数据显示。本系统实现农田机井联网化，机井配套设备状态数字化，实现全天候、全方位、全节点的可视化监控，提升机井寿命，保障政府投资成果，推进了农业农村现代化，增强了农业对经济社会发展的支撑保障能力，持续提高了农民的生活水平。