一个农场主要种植 n 种作物，每种作物需要在不同的时间种植，共有 m 天可以种植，每种作物有不同的收益。对于第 i 种作物，种植的时间为 ti，可以获得的收益区间为 [ai,bi]。现在你需要计算出在这 m 天内最多可以获得的收益是多少。

这是一个经典的动态规划问题，可以使用背包问题的思路来解决。

首先，我们可以将每个作物看作是一个物品，其收益区间为其价值，将种植时间作为物品的重量。那么问题就转化为了在给定限制重量（种植时间）下，如何选择物品（作物）使得总价值最大。

我们可以定义一个二维数组 dp[i][j] 表示在前 i 种作物中，种植时间不超过 j 的最大收益。对于第 i 种作物，有两种情况：

1. 不种植这种作物，此时收益为 dp[i-1][j]。

2. 种植这种作物，此时收益为这种作物的最大收益加上种植时间为 ti 时前 i-1 种作物在剩余时间内的最大收益，即 max(dp[i-1][j-ti]+bi)。

因此，dp[i][j] 的值为以上两种情况的较大值。

最终，最大收益即为 dp[n][m]。

具体实现可以参考下面的 Python 代码：

def max_profit(n, m, crops):
    dp = [[0 for _ in range(m+1)] for _ in range(n+1)] # 初始化 dp 数组
    for i in range(1, n+1):
        for j in range(1, m+1):
            dp[i][j] = dp[i-1][j] # 不种植这种作物
            for k in range(crops[i-1][0], j+1): # 种植这种作物
                dp[i][j] = max(dp[i][j], dp[i-1][j-k]+crops[i-1][1]+k-crops[i-1][0])
    return dp[n][m]

其中，crops 是一个 n 行 2 列的二维数组，表示每种作物的种植时间和收益区间。