El razonamiento basado en casos tiene un potencial considerable para modelar sistemas de apoyo a decisiones para la agricultura inteligente, ayudando a los agricultores a gestionar las operaciones agrícolas. Sin embargo, con la cantidad explosiva de datos de sensores, estos sistemas pueden lograr un rendimiento deficiente en la gestión del conocimiento como la recuperación de casos y el mantenimiento de la base de casos. Los enfoques típicos de recuperación de casos tienen que recorrer todos los casos pasados para encontrar los similares, lo que conduce a una baja eficiencia. Por lo tanto, en este documento se propone un nuevo algoritmo de recuperación de casos para sistemas de razonamiento basado en casos agrícolas. En la etapa inicial, se construye una tabla de asociación que contiene las relaciones entre todos los casos pasados. Posteriormente, se comparan los atributos de un nuevo caso con un caso de entrada. Según la medida de similitud, se comparan preferentemente casos similares o disímiles asociados, en lugar de recorrer toda la base de casos. La asociación del nuevo caso se genera a través de la recuperación de casos y se agrega en la tabla de asociación en el paso de retención de casos. La tabla de asociación también se actualiza cuando se detecta una relación más cercana. El resultado del experimento demuestra que nuestra propuesta permite una recuperación rápida de casos con una precisión prometedora al comparar un menor número de casos pasados. Por lo tanto, la eficiencia de recuperación de nuestra propuesta supera a los enfoques típicos.