随着信息化的发展，农情数据采集、处理、分析和应用已成为智慧农业的第一驱动力。在传统智慧农业管理系统中，通常需要将农业数据集中到中心服务器上进行分析和模型训练，这种方式往往存在数据泄露的风险。关键农业隐私数据泄漏严重影响到农户和农业机构的利益，因此很多农户和农业机构会谨慎处理原始数据的共享问题。针对这一问题，联邦学习允许不同农业机构、农场和农业企业在只共享加密模型的条件下，完成农事决策模型训练，降低了农业隐私数据泄漏风险，保护了数据提供方的合理权益。对联邦学习技术在智慧农业领域中的理论发展、技术创新和应用实践进行介绍，并根据智慧农业系统的发展趋势，提出基于联邦学习的智慧农业系统的设计建议。研究结果为相关领域研究者和实践者提供了参考，对推动农业数据科学的进步、保障农业数据安全和提升农业智能化水平有理论参考价值和实践指导意义。
