水肥决策的目的是要实现作物灌溉施肥的精准施用。需要根据土壤水分平衡和作物需水规律和水源供水能力，考虑施肥与水分的相互配合的关系，运用灌溉工程设施、农艺技术、农业机械、生物技术和农场管理等措施，精准、合理调控灌溉用水和用肥，调控土壤中水分和养分以满足作物优质高产对水分和养分需求。
智能水肥决策需要根据水肥平衡进行决策。系统需要根据作物需水、需肥规律、土壤保水、保肥能力、土壤供肥、保肥特性以及肥料效应，在灌溉的基础上，合理调配灌溉水中施用氮、磷、钾和中、微量元素的用量和比例。
采用现代灌溉施肥方式时，特别是滴灌系统，施肥灌溉决策引擎按照肥随水走、少量多次、分阶段施用的原则制定灌溉施肥计划或工作制度。采用天气、土壤和作物长势实时数据，把作物灌溉用肥按灌水时间和次数进行分配，充分利用灌溉系统进行施肥，适当增加施肥数量和次数，实现少量多次，精准用肥，提高养分利用率。
决策系统采用人工智能包括机器学习、图像识别和专家系统等先进技术手段，利用人工智能实现对作物的数学模型输入参数进行分析，自动修正出合适的模型参数，实现对作物生长过程的数字精准模拟。
人工智能分析中计算机所做的工作是学习。通过学习足够数量的样本，机器可以从数据中训练出自己构建的模型。人工智能应用到作物生育期判断中来，通过特定作物生育期的图像数据，让计算机自动学习，最终训练出自动识别作物生育期的能力，从而确定各生育期如何施用肥料。
具体来说:
1. 通过传感器和摄像头收集温湿度、土壤水分、CO2和辐射数据，叶、茎、根系和果实生长形态图像数据并进行作物模型参数校准。
2. 利用机器学习图像实现生育期的识别。通过土壤水分得到各生长期需水量，得到生长期的需水量规律。找出作物需肥规律，实现按作物产量和品质需要施用的主要元素肥料的决策。
3. 通过水分含量的变化分析得到作物需水量实时数据。
4. 通过大数据分析找出常规肥料的作物的需肥规律。
遥感技术目前还无法关注作物的生长细节和作物的营养。而我们灌溉智能决策系统必须要关注作物的生长细节同时，它的应用必须能够及时补充作物营养给作物。按需补充水分和营养成分，从而提高作物的产量或品质是我们的目的。
水肥决策的目的是要实现作物水肥一体化的精准施用。运用灌溉工程设施、农艺技术、农业机械、生物技术和农场管理等措施，精准、合理调控灌溉用水和用肥，调控土壤中水分和养分以满足作物优质高产对水分和养分需求。
采用人工智能技术进行作物缺水、耗水量和大元素营养成分缺失图像分析，判断作物缺素或缺水的程度是智能水肥决策平台的技术创新最大的挑战。
