基于智能手机的棉花苗情调查与决策支持系统

戴建国，王守会，赖军臣，赵庆展，马富裕



基于智能手机的棉花苗情调查与决策支持系统

戴建国1,2，王守会1,2，赖军臣3，赵庆展2，马富裕4

（1. 石河子大学信息科学与技术学院，石河子 832003；2. 兵团空间信息工程技术研究中心，石河子 832003； 3. 新疆生产建设兵团第六师农业局，五家渠 831300；4. 石河子大学农学院，石河子 832003）

针对新疆棉花生产过程中基层植保力量不足的问题，该文设计开发了棉花苗情调查与决策支持系统。该系统基于“云到端”模式，云端采用基于角色的访问控制（role-based access control，RBAC）解决多用户权限分配与菜单管理问题，提供数据管理分析、专家决策支持服务；用户端基于智能手机提供数据采集、专家决策意见接收功能。云到端之间的数据通信采用表述性状态转移（representational state transfer，REST）架构，提供RESTful的数据访问服务，解决系统之间松耦合、可扩展等问题。系统在新疆生产建设兵团第六师105团经过3 a的应用，结果表明：该调查系统能够快速获取文字和图片2种形式的棉田苗情信息，并能够方便的通过农田地图、柱状图、曲线图、Excel表格等多种方式对数据进行有效的分析和展示，大大提高了工作效率。通过搭起基层农户与生产管理者、农学专家之间的信息快速传输通道，加快了知识转化，减轻了基层植保压力。该系统加以扩展即可用于其他农作物的田间调查，同时这种调查模式稍加改造还可应用于林业、畜牧业等多个行业的信息普查。

作物；长势；监测；智能手机；棉花；苗情调查；专家决策；农业生产管理

0 引 言

在棉花生长的关键时期进行持续的苗情调查非常重要，其中长势和病虫害是调查的主要内容。长势调查是化控调节的关键依据，病虫害状况的持续性调查对于掌握病虫害发生和蔓延的速度从而制定防治决策以及灾后估损具有重大意义[1-2]。新疆生产建设兵团农田面积大，棉花面积占种植作物面积50%以上，且连片连茬种植，虫害一旦点片发生则扩散蔓延速度快，因此虫情及时调查相较于其他地区具有更加重要的意义，成为当地农业生产的一项常规性工作。

遥感技术适合于大面积农田的信息获取，在农作物长势、病虫害、旱情等农情监测中得到了广泛的应用研究[3-5]，但基于卫星遥感的棉田苗情监测由于受到过境周期、天气状况及空间分辨率的影响，及时性和准确性无法满足农业生产要求，普及应用受限。因此目前在实际生产当中棉田苗情信息获取最普遍采用的方式仍然是人工调查。传统的人工调查采用田间手工记录、纸质数据上报、人工统计汇总的方式，存在耗时费力、工作量大、数据难以做进一步深入分析处理等问题。目前智能手机的功能日益强大[6]，全面普及随身携带，已经广泛应用于行政执法、安全监管等许多场合，完全能够满足棉田苗情的采集要求。并且采集行为能够随时、随需进行，数据即时上传，统计分析结果立时呈现，从而实现高效快速的大面积农田苗情普查。同时手机的定位功能可以方便地获取空间坐标信息，可作为遥感监测的地面辅助数据，能够大幅提高遥感监测精度[7]；手机的拍照、录像功能可以记录田间的图像和视频信息。这些优势都是传统人工调查方式无法比拟的。

智能手机在农业和畜牧业中已经得到了比较广泛的应用[8-13]。同时由于其具有强大的照相功能、定位功能、信息传输功能和丰富的传感器，也被广泛地应用于农业生产信息采集。例如牟伶俐等[14]开发了基于java手机的农田信息采集系统；尚明华等[15]开发了基于Android智能手机的小麦生产风险信息采集系统；姚青等[16]设计了智能手机控制和传输的病虫害图像采集系统，图像通过后台服务器分析从而快速获取水稻纹枯病病害等级。田磊等[17]基于机器视觉技术在Android平台上开发了玉米病虫害诊断系统，采用分割和匹配算法对病虫害部分进行智能化分析获得诊断结果。同时智能手机也广泛地应用于农田环境信息采集[18-19]、温室信息采集[20]、农作物生长状态信息采集等[10-11, 21]。国外也有一些常用的田间信息采集工具，如Trimble公司的Ag160 Portable Computer可用于田间定位数据采集，能实现田间成图，并现场记录作物生长环境信息；Field Worker公司基于掌上电脑的Field Worker信息采集软件能实时采集带有空间位置属性的田间作物生长状态信息，并进行相应的计算处理，为生产管理提供科学依据。随着智能手机的快速发展和4G网络的广泛普及，基于智能手机的田间调查会得到更加广泛和深入的应用。在这一背景下，为基层农户和生产管理人员、农学专家之间架起信息双向传输快速通道，以期解决新疆地区大面积规模化棉花种植与基层植保力量严重不足之间的矛盾。

1 系统分析

1.1 系统概述

该系统用以解决大面积棉田的苗情调查和生产管理问题，适用于国营农场或广大农村的棉花苗情普查。系统包括移动端（信息采集的智能手机）和服务端（数据存储、分析及信息发布服务器）两个部分。农业技术员（或农户）使用手机在田间进行苗情的发生情况调查，填写调查信息以后提交到服务器。生产管理人员使用浏览器查看服务器端调查数据及统计分析结果，做出决策并推送到农业技术员的手机上。系统工作过程如图1所示。

图1 数据采集与决策反馈流程图

1.2 移动端应用分析

移动端系统安装在智能手机之上，供农业技术员或农户在田间使用，系统包括4大部分功能：信息调查、公告、统计分析和辅助功能。其中

信息采集的内容有棉花长势、棉叶螨、棉蚜、棉铃虫成虫、棉铃虫幼虫和棉铃虫虫卵共6个类别。根据农田实际应用情况该系统设置了在线数据和离线数据两种管理方式。其中在线数据是通过网络获取服务端的数据，离线数据是仅仅保存在手机本地上的数据。

公告用以解决生产指导下达的问题，植保专家或农业生产管理人员将当前棉花生产中存在的总体问题以及田间管理措施以公告方式发布至服务器，并自动推送至手机端，指导终端用户执行生产指令。

1.3 服务端应用分析

服务器端软件部署于阿里云服务器上，主要承担2项职责：1）作为数据存储、管理、分析服务的中心，为手机、浏览器等终端提供数据服务；2）作为系统的管理平台，主要使用人员有生产管理者、植保专家和系统管理员。服务端系统用例图如图2所示。

图2 服务端系统用例图

管理平台包括如下3类使用者（角色）：

1）系统管理员。系统管理员通常由团场网络中心信息员担任，负责对系统基础数据进行管理（比如农田、用户等基础信息），以保证系统的正常运行，并不使用具体业务功能。

2）生产管理者。生产管理者是指农业生产管理部门的工作人员，负责分配调查责任、了解调查责任落实情况、发布相关的栽培或植保措施等，并在农业生产过程中给予农民协助和指导。

3）农学专家。农学专家通常由团场植保经验丰富的技术人员或科研院所的研究人员兼任。使用该系统获取当前棉田的长势和病虫害信息，并给出专家决策指导。

1.4 调查内容及要求

该系统目前针对棉花长势和常见虫害展开调查，虫害包括棉叶螨、棉蚜、棉铃虫成虫、幼虫和虫卵，共6项内容。数据调查自5月中旬开始，至8月底止，调查周期一般3~5 d，特殊情况可以适当扩大或缩短，所有调查点地理坐标信息通过手机自动获取，并拍照3~5张。具体调查数据如下：

1）棉花长势。调查方式为定点定株调查。一块农田选取1~2个调查点，每个点选取边行和中间行各5株共10株棉花，调查的内容包括株高、叶龄、果节数、果枝数、铃数、倒四叶宽，并自动计算这些数据的边行平均值、中间行平均值和总体平均值。

2）棉叶螨。调查方式为不定点随机调查，每块农田选取5个点（可根据农田大小调整），每个点选取5～20株棉花。调查数据包括：调查株数、有螨株数，并自动计算有螨株率。在天敌方面需要调查六点蓟马、食螨瓢虫、草蛉、以及其他天敌个数；如果螨害比较严重，则需要从调查点中随机选择有螨害的3～5个棉株单独调查其上、中、下三片叶子的害螨数量。

3）棉蚜。调查方式为不定点随机调查，每块农田选取5个点（可根据农田大小调整），每个点选取5~20株棉花。调查数据包括：调查株数、有蚜株数、卷叶株数、有翅蚜、无翅蚜，并自动计算有蚜株率和卷叶株率。在天敌方面需要调查瓢虫类、草蛉类、食虫蝽类、蜘蛛类，并自动计算天敌合计。当蚜虫比较严重时，需要从调查点中随机选择有蚜虫的3～5个棉株单独调查其真叶数、上、中、下三片叶子的蚜虫数量，系统自动计算单株蚜量和折百株蚜量。

4）棉铃虫成虫。以农田为单位进行调查。数据内容包括：诱虫灯（雄蛾、雌蛾），杨枝把（把数、雄蛾、雌蛾）、性诱剂（盆数、诱蛾数）。

5）棉铃虫幼虫和卵量。调查方式为定点定株调查，每块农田在每年度调查前定点选取5个点，每个点选20株棉花。其中棉铃虫幼虫调查数据包括：有虫株数、一龄、二龄、三龄、四龄、五龄、六龄，并自动计算棉铃虫合计、百株三龄幼虫数、百株累计三龄幼虫数。在天敌方面需要调查瓢虫类、草蛉类、食虫蝽类、蜘蛛类，并自动计算天敌合计；棉铃虫卵量调查的数据内容包括：有卵株数、卵量，并自动计算百株卵量和百株累计卵量。

2 系统设计

2.1 系统总体结构设计

系统采用C/S和B/S混合架构，其中信息采集客户端位于智能手机之上，系统基于HTTP协议直接向服务器发送苗情调查数据并获取专家诊断结论，为C/S结构；其他用户采用浏览器实现对服务器的访问，获取田间调查数据并对系统进行管理，为B/S结构。

总体结构如图3所示，包括4个数据库，之上搭建数据共享与交互平台为应用系统提供一致的数据服务。服务端平台包括4个子系统，解决基础信息管理、系统管理、数据的空间显示、数据分析与专家决策等应用问题。移动端平台作为数据采集和接收生产指令的终端。

图3 棉田苗情调查与决策支持系统总体结构

2.2 数据库设计

系统涉及到的主要数据模型如图4所示，其中农田调查表6个，针对6种调查信息，用户相关信息3张表，对应用户基本信息及用户权限，调查点相关信息3张表，对应3种调查范围，公告表对应农技专家的生产指导。

2.3 服务端角色权限控制设计

服务端三种角色拥有不同权限，在本系统中采用基于角色的访问控制（role-based access control，RBAC）以实现权限分配。其中涉及4个实体概念：用户、角色、权限和会话，概念之间的关系如下：1）用户可拥有多个角色；2）系统可以定义多种角色；3）每个角色可以分配多个访问权限；4）权限需要会话激活。

图4 服务端数据模型

系统通过角色控制权限，用户通过获得角色获取相应权限。角色权限分配如表1所示。其中每个用户可以拥有多个权限，如生产科管理人员同时可以兼任系统管理员。角色可以赋予不同用户，分配过程由系统管理员执行。

表1 角色权限

2.4 数据访问服务设计

为减少不同系统间的耦合，为未来扩展的其他系统或移动终端（如IOS平台）提供相同的数据接口，采用表述性状态转移（representational state transfer，REST）架构，基于.net平台的WCF4.0技术设计RESTful的数据访问服务。服务设计主要包括接口设计和路由注册两个部分：

1）接口设计。包括接口名称及接口函数设计。接口名称以资源名称+Service命名；接口函数包括名称、参数、返回值、Attribute标记4个部分，根据参数要求和资源请求方式设置前3个部分。Attribute标记需要将接口函数标记为“OperationContract”，设置方法访问的URI，返回数据采用JSON（JavaScript Object Notation）格式。

2）路由注册。在路由表中添加服务路由将接口和路径绑定，从而将接口注册为服务路径的一个部分，结合接口函数的URI，得到完整的服务路径，表示方式为：主机名/接口路由/函数URI。

3 测试与应用效果

3.1 系统测试

移动端应用在百度移动云测试中心上进行了测试，测试平台包括华为、小米、联想、魅族等常用的9个品牌18个型号。测试结果表明该应用兼容性良好，18个机型全部通过了基本应用测试（内容包括安装、启动、运行、卸载、UI）。在性能方面，测试内容包括安装（用时6.61 s，行业均值：19.41 s）、启动（用时0.28 s，行业均值：1.93 s）、CPU占用（3.49%，行业均值：8.92%）、内存占用（70MB，行业均值：51MB）、流量耗用（3.8 KB，行业均值：3,958 KB）、电量耗用（3.13 m·Ah，行业均值：2.99 m·Ah）共5个指标。性能测试发现，该应用在安装用时、启动用时和CPU占用方面都优于平均水平，但在内存占用和电量耗用方面比行业平均水平略差，还可以做进一步优化。

3.2 安装与应用

3.2.1 部署与安装

服务端应用部署于阿里云的云主机与云数据库之上，管理客户端基于浏览器即可，无需单独安装，采集客户端安装于用户手机之上。2014年系统第1版本初次开发完成并开始在新疆生产建设兵团第六师105团和第七师125团运行使用，移动端系统安装在连队植保技术员手机之上（一个团场有15~20人），至今正在使用的是第3个版本（本文截图所用的版本）。在使用过程中，用户调查内容要求发生了变化（增加了棉花枯、黄萎病，修改了部分调查细节），目前正在开发第4个版本。

3.2.2 运行与使用

苗情调查一般从5月底6月初开始，操作界面如图5所示。打开手机应用选择棉花长势调查，则进入②子图所示页面，可以填写调查点总体情况。其中调查时间和经纬度坐标自动获取不能修改。点击“添加棉株调查”，则进入单株调查界面，如①子图所示，填写调查内容的详细数据后点击确定则返回②子图，可以再次调查第二株棉花，以此类推直至调查完毕（棉花长势要求每点调查5株边行5株中间行）。调查点的总体情况由这10株棉花的数据统计求均值得到，该过程自动完成。在长势调查主页面（②子图）上点击“+”号可以选择或者拍摄棉田照片，如③子图是拍摄照片的界面，点击照片右下角的“√”，则该照片进入界面下方列表，表示准备保存。一个调查点的数据采集完毕以后可以在数据列表中进行查看（④子图所示），点击任一调查记录后则打开该调查点的详细内容（如⑤子图所示）。点击任一数据栏即可查看各单株调查的数据详情及照片，点击照片可放大查看。

移动端调查完毕提交以后，所有数据即上传至服务器。管理人员或农学专家基于浏览器对数据进行管理和分析，界面如图6所示。由于移动端所采的所有数据都带有GPS坐标，因此数据可以直接在农田地图上显示。如其中①子图所示，选择采集日期以后，所有该日期调查的棉花长势数据会在农田地图上用带色点标注出来，点击色点以后会显示调查数据的详细内容，点击“显示图片”则可以打开该条调查数据所上传的所有照片（如②子图所示）。服务器端可以对数据进行实时统计分析，并生成统计图表。如③子图所示，显示了105团4连6#-6-1号地2016年度棉花长势的整体趋势曲线图，系统还提供分别按照连队和全团不同层次的统计分析。同时能够把所有的数据导出至excel表格供其他人员分析使用。植保专家和管理者根据调查数据分析结果可以做出生产指导意见，并推送至用户手机。专家指导意见反馈如图5中⑥子图所示。

图5 手机数据采集操作界面

图6 服务端操作界面

3.3 系统扩展分析

随着系统的长期使用，不断积累的数据将发挥重要作用。尤其随着大数据、深度学习等概念的提出和技术的普及应用，病虫害自动识别与预测预报[22-23]、农作物估产、生产管理自动决策等将变得更加强大和智能。因此，下一步将重点研究如何基于机器学习算法进行数据挖掘，增强系统智能化水平。

2）随着无人机遥感在农田信息采集中的快速普及应用[24-27]，低空遥感逐渐成为卫星遥感的有效补充手段。由于准确的地面调查是提高遥感监测精度的重要基础，因此下一步将研究如何充分利用地面的点片调查数据，结合无人机或卫星遥感，实现大面积棉田信息快速准确获取。

3）移动端系统后续将提供视频数据采集功能，同时支持语音识别与录入，以减轻用户数据录入工作量。

4）随着该系统应用的不断普及与数据量不断增大，安全将逐渐成为突出问题[28-30]，尤其是Android系统开放性和普及性的特点，极易受到攻击与病毒袭击，在后期版本的开发中这将成为一个重要内容。

4 结 论

本文基于“云到端”的模式开发了棉田苗情调查系统，其中“云”作为后台支持提供强大的数据管理和专家队伍支撑；“端”则搭建起了终端用户与后台资源之间沟通的桥梁，从而实现了快速的信息采集和决策反馈。系统应用大大减轻了植保员和生产管理人员的工作压力，有效地弥补了基层植保力量不足的问题。该系统稍加扩展，不但能够用于棉花作物，还能够进行其他各种农作物的农田调查工作。该系统所采用的模式和方法不但适用于农业生产，对于林业、畜牧业、矿业的信息调查都有一定借鉴意义。

[1] 赵冰梅，李红，李贤超. 2017年新疆兵团棉花主要病虫害发生预测及防治对策[J]. 中国棉花，2017，44(4)：1－2. Zhao Bingmei, Li Hong, Li Xianchao. Trend and control countermeasures of main cotton diseases and insect pests in Xinjiang Production and Construction Corps in 2017[J]. China Cotton, 2017, 44(4): 1－2. (in Chinese with English abstract)

[2] 高灵旺，陈继光，于新文，等. 农业病虫害预测预报专家系统平台的开发[J]. 农业工程学报，2006，22(10)：154－158. Gao Lingwang, Chen Jiguang, Yu Xinwen, et al. Research and development of the expert system platform for forecast and prediction of agricultural pests[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(10): 154－158. (in Chinese with English abstract)

[3] 史舟，梁宗正，杨媛媛，等. 农业遥感研究现状与展望[J]. 农业机械学报，2015，46(2)：247－260. Shi Zhou, Liang Zongzheng, Yang Yuanyuan, et al. Status and prospect of agricultural remote sensing[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(2): 247－260. (in Chinese with English abstract)

[4] 陈兵，李少昆，王克如，等. 作物病虫害遥感监测研究进展[J]. 棉花学报，2007，19(1)：57－63. Chen Bing, Li Shaokun, Wang Keru, et al. Studies of remote sensing on monitoring crop diseases and pests[J]. Cotton Science, 2007, 19(1): 57－63. (in Chinese with English abstract)

[5] 张竞成，袁琳，王纪华，等. 作物病虫害遥感监测研究进展[J]. 农业工程学报，2012，28(20)：1－11. Zhang Jingcheng, Yuan Lin, Wang Jihua, et al. Research progress of crop diseases and pests monitoring based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012 , 28(20): 1－11. (in Chinese with English abstract)

[6] 陈龙彪，李石坚，潘纲. 智能手机：普适感知与应用[J]. 计算机学报，2015，38(2)：423－438.Chen Longbiao, Li Shijian, Pan Gang. Smartphone: Pervasive sensing and applications[J]. Chinese Journal of Computers, 2015, 38(2): 423－438. (in Chinese with English abstract)

[7] 马艳娜，唐华，柯红军. 基于移动终端的遥感监测数据采集系统设计与实现[J]. 测绘与空间地理信息，2017(4)： 120－122. Ma Yanna, Tang Hua, Ke Hongjun. The System design and implementation of remote sensing data acquisition based on mobile terminal[J]. Geomatics & Spatial Information Technology, 2017(4): 120－122. (in Chinese with English abstract)

[8] 杨林楠，郜鲁涛，林尔升，等. 基于android系统手机的甜玉米病虫害智能诊断系统[J]. 农业工程学报，2012，28(18)：163－168. Yang Linnan, Gao Lutao, Lin Ersheng, et al. Intelligent diagnose system of diseases and insect pests in sweet corn based on mobile terminal with Android system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(18): 163－168. (in Chinese with English abstract)

[9] 李慧，刘星桥，李景，等. 基于物联网android平台的水产养殖远程监控系统[J]. 农业工程学报，2013，29(13)：175－181. Li Hui, Liu Xingqiao, Li Jing, et al. Aquiculture remote monitoring system based on IOT Android platform[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(13): 175－181. (in Chinese with English abstract)

[10] 龚爱平，吴武豪，裘正军，等. 基于android系统手机的叶面积测量方法[J]. 农业机械学报，2013，44(9)：203－208. Gong Aiping, Wu Wuhao, Qiu Zhengjun, et al. Leaf area measurement using android OS mobile phone[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9): 203－208. (in Chinese with English abstract)

[11] 郭文川，周超超，韩文霆. 基于android手机的植物叶片面积快速无损测量系统[J]. 农业机械学报，2014，45(1)：275－280. Guo Wenchuan, Zhou Chaochao, Han Wenting. Rapid and non-destructive measurement system for plant leaf area based on android mobile phone[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(1): 275－280. (in Chinese with English abstract)

[12] 路文超，赵勇，罗斌，等. 基于android手机的水稻剑叶角测量系统[J]. 农业机械学报，2015，46(11)：296－301. Lu Wenchao, Zhao Yong, Luo Bin, et al. Measurement system of rice flag leaf angle based on android smart phone [J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11): 296－301. (in Chinese with English abstract)

[13] 戴建国，赖军臣. 基于图像规则与android手机的棉花病虫害诊断系统[J]. 农业机械学报，2015，46(1)：35－44. Dai Jianguo, Lai Junchen. Image-rule-based diagnostic expert system for cotton diseases and pests based on mobile terminal with android system[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(1): 35－44. (in Chinese with English abstract)

[14] 牟伶俐，刘钢，黄健熙. 基于java手机的野外农田数据采集与传输系统设计[J]. 农业工程学报，2006，22(11)： 165－169. Mou Lingli, Liu Gang, Huang Jianxi. Design of farm field data collection and transmission system based on Java phone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(11): 165－169. (in Chinese with English abstract)

[15] 尚明华，秦磊磊，王风云，等. 基于android智能手机的小麦生产风险信息采集系统[J]. 农业工程学报，2011，27(5)：178－182. Shang Minghua, Qin Leilei, Wang Fengyun, et al. Information collection system of wheat production risk based on Android smartphone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(5): 178－182. (in Chinese with English abstract)

[16] 姚青，张超，王正，等. 分布式移动农业病虫害图像采集与诊断系统设计与试验[J]. 农业工程学报，2017，33(增刊1)：184－191. Yao Qing, Zhang Chao, Wang Zheng, et al. Design and experiment of agricultural diseases and pest image collection and diagnosis system with distributed and mobile device[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 184－191. (in Chinese with English abstract)

[17] 田磊，李丽，王明绪. 基于android的玉米病虫害机器视觉诊断系统研究[J]. 农机化研究，2017，39(4)：207－211. Tian Lei, Li Li, Wang Mingxu. Research on the diagnosis system of maize plant diseases and insect pests based on android[J]. Journal of Agricultural Mechanization Research, 2017, 39(4): 207－211. (in Chinese with English abstract)

[18] 仇天月，陈旭，马超，等. 基于android智能手机的农业物联网信息采集和发布系统的研究[J]. 上海农业学报，2014，30(2)：6－9. Qiu Tianyue, Chen Xu, Ma Chao, et al. An android based information collection and dissemination system of agricultural internet of things[J]. Acta Agriculturae Shanghai, 2014, 30(2): 6－9. (in Chinese with English abstract)

[19] 陈桂鹏，严志雁，瞿华香，等. 基于android手机的农业环境信息采集系统设计与实现[J]. 广东农业科学，2014，41(13)：178－181，219. Chen Guipeng, Yan Zhiyan, Qu Huaxiang, et al. Design and implementation of agricultural environmental information acquisition system based on android mobile phone[J]. Guangdong Agricultural Sciences, 2014, 41(13): 178－181, 219. (in Chinese with English abstract)

[20] 陈美镇，王纪章，李萍萍，等. 基于android系统的温室异构网络环境监测智能网关开发[J]. 农业工程学报，2015，31(5)：218－225. Chen Meizhen, Wang Jizhang, Li Pingping, et al. Development of intelligent gateway for heterogeneous networks environment monitoring in greenhouse based on android system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 218－225. (in Chinese with English abstract)

[21] 黄锦，李绍明. 基于手机的玉米育种田间数据采集系统设计[J]. 农机化研究，2014(6)：193－197，201. Huang Jin, Li Shaoming. Design on field information acquisition of maize breeding system based mobile phone[J]. Journal of Agricultural Mechanization Research, 2014(6): 193－197, 201. (in Chinese with English abstract)

[22] 王细萍，黄婷，谭文学，等. 基于卷积网络的苹果病变图像识别方法[J]. 计算机工程，2015，41(12)：293－298. Wang Xiping, Huang Ting, Tan Wenxue, et al. Apple lesion image recognition method based on convolutional network[J]. Computer Engineering, 2015, 41(12): 293－298. (in Chinese with English abstract)

[23] 谭文学，赵春江，吴华瑞，等. 基于弹性动量深度学习神经网络的果体病理图像识别[J]. 农业机械学报，2015，46(1)：20－25. Tan Wenxue, Zhao Chunjiang, Wu Huarui, et al. A deep learning network for recognizing fruit pathologic images based on flexible momentum[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(1): 20－25. (in Chinese with English abstract)

[24] 韩文霆，张立元，张海鑫，等. 基于无人机遥感与面向对象法的田间渠系分布信息提取[J]. 农业机械学报，2017，48(3)：205－214. Han Wenting, Zhang Liyuan, Zhang Haixin, et al. Extraction method of sublateral canal distribution information based on UAV remote sensing[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 205－214. (in Chinese with English abstract)

[25] 刘建刚，赵春江，杨贵军，等. 无人机遥感解析田间作物表型信息研究进展[J]. 农业工程学报，2016，32(24)： 98－106. Liu Jiangang, Zhao Chunjiang, Yang Guijun, et al. Review of field-based phenotyping by unmanned aerial vehicle remote sensing platform[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 98－106. (in Chinese with English abstract)

[26] 高林，杨贵军，于海洋，等. 基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 农业工程学报，2016，32(22)：113－120. Gao Lin, Yang Guijun, Yu Haiyang, et al. Retrieving winter wheat leaf area index based on unmanned aerial vehicle hyperspectral remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(22): 113－120. (in Chinese with English abstract)

[27] 韩文霆，郭聪聪，张立元，等. 基于无人机遥感的灌区土地利用与覆被分类方法[J]. 农业机械学报，2016，47(11)：270－277. Han Wenting, Guo Congcong, Zhang Liyuan, et al. Classification method of land cover and irrigated farm land use based on UAV remote sensing in irrigation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(11): 270－277. (in Chinese with English abstract)

[28] 董超，杨超，马建峰，等. Android系统中第三方登录漏洞与解决方案[J]. 计算机学报，2016，39(3)：582－594.Dong Chao, Yang Chao, Ma Jianfeng, et al. The vulnerabilities and solutions of third-party login services in android system [J]. Chinese Journal of Computers, 2016, 39(3): 582－594. (in Chinese with English abstract)

[29] 卿斯汉. Android安全研究进展[J]. 软件学报，2016，27(1)：45－71. Qing Sihan. Research progress on android security[J]. Journal of Software, 2016, 27(1): 45－71. (in Chinese with English abstract)

[30] 朱佳伟，喻梁文，关志，等. Android权限机制安全研究综述[J]. 计算机应用研究，2015，32(10)：2881－2885. Zhu Jiawei, Yu Liangwen, Guan Zhi, et al. Survey on android permission mechanism research[J]. Application Research of Computers, 2015, 32(10): 2881－2885. (in Chinese with English abstract)

戴建国，王守会，赖军臣，赵庆展，马富裕. 基于智能手机的棉花苗情调查与决策支持系统[J]. 农业工程学报，2017，33(21)：200－206. doi：10.11975/j.issn.1002-6819.2017.21.024 http://www.tcsae.org

Dai Jianguo, Wang Shouhui, Lai Junchen, Zhao Qingzhan, Ma Fuyu. Cotton growth statuses investigation and decision support system based on smartphone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(21): 200－206. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.21.024 http://www.tcsae.org

Cotton growth statuses investigation and decision support system based on smartphone

Dai Jianguo1,2, Wang Shouhui1,2, Lai Junchen3, Zhao Qingzhan2, Ma Fuyu4

(1.832003,;2.832003,; 3.831300,; 4.832003,)

Consistent growth status investigation is the most important basis for appropriate measures of cotton production management during cotton growth period, which is very significant for the increase in production. Therefore, the growth status investigation is a routine work of cotton production in Xinjiang Production and Construction Corps, and the work from the end of April to the end of August lasts for 4 months every year. However, the current work is usually a manual survey, the data are recorded on paper, and the investigation process is very time-consuming and the data cannot be easily analyzed, which seriously affect the work efficiency. In the background, we developed the cotton growth status investigation system based on smartphone. The system includes 2 parts: mobile-side and server-side, for 4 kinds of users: agricultural technicians, agronomists, agricultural production managers and system administrators. The agricultural technicians use mobile terminal system in the cotton field to collect both text and picture data which are sent to the server system, while they receive production instructions. The server system is constructed by the REST (representational state transfer) architecture to provide the data management and analysis service interface for the mobile terminal system, and to deploy functional modules such as data processing, production instruction management and system management. Agronomists use the system to get the current cotton growth status and pest information and publish production guidance. The agricultural production managers use the system to allocate investigative tasks, check the implementation of the investigation, publish relevant cultivation or plant protection measures, and give farmers assistance and guidance. The system administrator is responsible for the management of the system’s basic data (such as farmland, users and other basic information) to ensure the normal operation of the system. According to user requirements, the system can collect 6 kinds of data: cotton growth status, cotton spider mite, cotton aphid, adult cotton bollworm, cotton bollworm larvae and cotton bollworm eggs. In this article, we concisely introduced the advantages and practical feasibilities of cotton growth investigation by smartphone, and the design and implement methods of the investigation system are introduced based on android platform. We analyzed the main functions of server-side, and introduced the system design and development based on .net platform. We also presented the investigation criteria and methods for the 6 kinds of data. The system has been used in the 105thGroup of the 6thDivision of the Xinjiang Production and Construction Corps for 3 years, and the application experience showed that cotton production information could be quickly collected by the investigation system, and all of the data could be easily analyzed and displayed by field map and statistical analysis charts. The system can be easily extended to other areas of data surveys, such as forestry and animal husbandry.

crops; growth; monitoring; smartphone; cotton; growth status investigation; expert decision; agricultural production management

10.11975/j.issn.1002-6819.2017.21.024

S24

A

1002-6819(2017)-21-0200-07

2017-07-29

2017-10-21

国家自然科学基金资助项目（31460317）

戴建国，男，新疆石河子人，副教授，主要研究方向为农业信息化和遥感技术。Email：daijianguo2002@sina.com