南京农大建立小麦育种全生育期表型检测管理系统CropSight（图）

近日，《GigaScience》杂志在线发表了来自南京农业大学作物表型组学交叉研究中心的周济教授等合作题为”CropSight: A scalable and open-source information management system for distributed plant phenotyping and IoT-based cropmanagement”的研究论文。该研究开发了一个通过物联网技术对作物生长图像和各类环境因素进行大数据监控和管理的平台—CropSight。

高质量的植物表型和气候数据为作物表型组分析和基因型-环境互作奠定了研究基础。标准化的多地点数据集不仅可以为植物学家了解植物的生长发育、与不同环境因素之间的动态互作提供了重要证据，而且也可以为农学家和农民在变化的农业生产条件下对作物进行实时监测提供依据。随着物联网技术（IoT）的兴起，基于物联网的遥感设备已广泛应用于植物数据的采集和作物监测，每天都会生成亿万字节的数据。然而，如何有效地校准、注释和管理这类大数据仍在技术上极具挑战。特别是这些数据往往采自不同地点，且规格和类型不同。

本文中，周济教授领导的中英团队开发了一个通过物联网技术对作物生长图像和各类环境因素进行大数据监控和管理的平台—CropSight。CropSight系统分为田间设备端和服务器端两部分，基于PHP和SQL的基因型-表型-环境信息管理平台，通过与分布式物联网传感器等设备连接完成数据传递、整理、存储和索引等数据整合工作。系统设备端和服务器端安装的RESTfulAPI自动完成作物生长图像和田间气候的同步读取。然后网络化试验地区，完成分布式的试验监测。

其软件接口专为分布式物联网设备和集中式数据服务器而设计。因为该系统是完全开源设计，可以此为基础构建基于云端的共享、可移植、易推广的室内外植物监测平台。同时，通过智能设备或PC上的浏览器可以直接访问安装在设备端和服务器端的CropSight系统的API，执行数据传输，同步作物日常生长的代表性图像（用于快速和可视化作物评估）与详细的气候数据融合后，为作物环境互作研究提供标准的大数据支持。CropSight还支持历史和当前数据的比较。除了通过集成的云服务器进行历史和当前的试验比较之外，它还提供近实时的环境和作物生长监测。自2016年以来，CropSight已应用于英国诺维奇科研院的小麦育种试验，并于2017年开始应用于快速育种（SpeedBreeding）。该系统对分布式的植物表型和物联网作物管理有重大意义，通过在南农团队的继续开发，将在不久的将来为我国智能农业实践提供新的技术支撑。