近日，《GigaScience》雜志在線發表了來自南京農業大學作物表型組學交叉研究中心的周濟教授等合作題為”CropSight: A scalable and open-source information management system for distributed plant phenotyping and IoT-based cropmanagement”的研究論文。該研究開發了一個通過物聯網技術對作物生長圖像和各類環境因素進行大數據監控和管理的平臺—CropSight。

　　高質量的植物表型和氣候數據為作物表型組分析和基因型-環境互作奠定了研究基礎。標準化的多地點數據集不僅可以為植物學家了解植物的生長發育、與不同環境因素之間的動態互作提供了重要證據，而且也可以為農學家和農民在變化的農業生產條件下對作物進行實時監測提供依據。隨著物聯網技術（IoT）的興起，基于物聯網的遙感設備已廣泛應用于植物數據的采集和作物監測，每天都會生成億萬字節的數據。然而，如何有效地校準、注釋和管理這類大數據仍在技術上極具挑戰。特別是這些數據往往采自不同地點，且規格和類型不同。

　　本文中，周濟教授領導的中英團隊開發了一個通過物聯網技術對作物生長圖像和各類環境因素進行大數據監控和管理的平臺—CropSight。CropSight系統分為田間設備端和服務器端兩部分，基于PHP和SQL的基因型-表型-環境信息管理平臺，通過與分布式物聯網傳感器等設備連接完成數據傳遞、整理、存儲和索引等數據整合工作。系統設備端和服務器端安裝的RESTfulAPI自動完成作物生長圖像和田間氣候的同步讀取。然后網絡化試驗地區，完成分布式的試驗監測。

　　其軟件接口專為分布式物聯網設備和集中式數據服務器而設計。因為該系統是完全開源設計，可以此為基礎構建基于云端的共享、可移植、易推廣的室內外植物監測平臺。同時，通過智能設備或PC上的瀏覽器可以直接訪問安裝在設備端和服務器端的CropSight系統的API，執行數據傳輸，同步作物日常生長的代表性圖像（用于快速和可視化作物評估）與詳細的氣候數據融合后，為作物環境互作研究提供標準的大數據支持。CropSight還支持歷史和當前數據的比較。除了通過集成的云服務器進行歷史和當前的試驗比較之外，它還提供近實時的環境和作物生長監測。自2016年以來，CropSight已應用于英國諾維奇科研院的小麥育種試驗，并于2017年開始應用于快速育種（SpeedBreeding）。該系統對分布式的植物表型和物聯網作物管理有重大意義，通過在南農團隊的繼續開發，將在不久的將來為我國智能農業實踐提供新的技術支撐。

農業網(Agronet.com.cn)微信掃一掃： 盡“掃”天下農商情