据统计，2012年至2020年，我国对蜂蜜的需求量从28.08万吨增长至41.89万吨。然而，我国的养蜂行业单纯依靠传统设备，存在养殖技术落后，无法突破规模化、机械化等问题，每年造成的经济损失高达30.6亿元。因此，基于多传感器数据融合的智能蜂箱应运而生。本作品所研究的基于多传感器数据融合的智能蜂箱利用温湿度传感器、称重传感器、图像传感器等进行相关数据的采集，再将信息传至STM32中，在STM32中内置了基于D-S证据理论与BP神经网络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数据融合后得到了蜂箱环境的特征值，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，融合后的蜂箱环境评估结果综合利用了多种类型传感器的测量值，其对蜂箱环境评估值的准确性远高于基于单传感器的环境评估值。若融合后的环境评估值超过STM32中设置的阈值，则智能控制对应设备进行调节，并通过窄带物联网通信模块将数据传至云端服务器中。App端从服务器中获取处理过的数据后，通过解析分析，能够将蜜蜂生活的环境信息以图像化的形式呈现给用户观测；Web端从服务器中获取数据后进行统计分析，生成统计分析图，并充分结合蜂群特点，分析蜂群与小气候的关系，实时展示蜂群的变化规律，并实时做出预测预警。本智能蜂箱系统通过一系列新兴技术具备了足不出户就能监测到蜂箱内蜂群的实时生活状态与产蜜情况，自动调节蜂箱内温度、湿度等为蜂群提供最舒适的生活、环境的功能，并且能够实时监测灾害情况提前为用户提供一系列解决方案，改变目前养蜂行业传统的粗放、低产、低效、低质的蜂蜜生产方式，为精准养蜂提供了可能性，使未来养蜂行业实现智能化、规范化生产。