高质量的植物表型和气候数据为表型分析和基因型-环境互作研究奠定了基础。高质量的数据不仅为植物科学家了解作物性能、基因型和环境因素之间的动态变化提供了重要的证据，而且也为农学家和农民在环境条件波动下进行作物监测提供了重要的依据。

近年来，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表型分析和作物监测，每天都会生成亿万字节的数据集。然而，有效地校准、注释和聚合大数据仍然具有挑战性，尤其是这些数据往往来自不同位置且生成尺度不同。

本文中，周济博士所在团队开发了一个通过物联网技术对作物生长图像和环境因素进行大数据监控和管理的平台——CropSight。CropSight是一个基于PHP和SQL的服务器平台，它通过基于物联网的传感器和分布式植物表型工作站进行自动化的数据整理、数据存储、信息管理。CropSight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（Speed Breeding）。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，通过在南京农业大学团队的继续开发，将在不久的将来为我国智能农业实践提供新的技术支撑。

CropSight系统配置图

CropSight系统的部署、数据流和应用程序的组件示意图

CropSight系统服务器端的系统视图

CropSight系统服务器端的个体视图

CropSight系统整理的小气候数据

历史试验数据访问

Reynolds D, Ball J, Bauer A, et al. CropSight: A scalable and open-source information management system for distributed plant phenotyping and IoT-based crop management. GigaScience, 2019.