水肥决策引擎技术要求其必须实现水肥协同。这就要求系统感知农田现有水分状况和养分状态，模拟水分和养分在土壤、作物中的变化，使两者相互配合、相互协调、相互促进。

水肥决策要实现作物灌溉施肥精准施用的原则。需要根据土壤水分平衡和作物需水规律和水源供水能力，考虑施肥与水分的偶合关系，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，调控土壤水分和养分以满足作物水分和养分需求。

智能水肥决策引擎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，合理调配氮、磷、钾和中、微量元素的用量和比例。

引擎采用现代灌溉施肥方式时，特别是滴灌系统，需要实行少量多次灌溉的原则。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，把作物灌溉用肥料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。

引擎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，自动把合适的参数进行修正，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。

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决策平台的技术创新挑战。

   从目前技术发展水平看，通过人工智能或者“黑盒子”模型还是无法直接通过人工智能生成合适的作物生长模型，但是通过机器学习从大量数据中找到作物机理模型的输入参数是完全有可能的。