玉米农艺性状数据采集与管理系统的设计与实现

臧贺藏 赵巧丽 李国强 张杰 赵晴 胡峰 郑国清

摘要：【目的】研发玉米农艺性状数据采集与管理系统，实现玉米农艺性状数据快速采集、高效管理与自动分析，也为其他粮食作物及经济作物的农艺性状数据采集与管理提供参考。【方法】采用B/S与C/S混合开发架构，构建玉米农艺性状数据采集系统（APP）和玉米农艺性状数据管理系统（Web），APP采用Android技术实现Web api与服务器间的通信，Web采用Entity Framework技术对数据库进行操作，为海量农艺性状采集数据集成管理提供一个高效、安全和稳定的平台。【结果】经河南省863软件孵化器有限公司测试结果表明，构建的玉米农艺性状数据采集与管理系统在功能性测试、可靠性测试和易用性测试等方面均达到设计要求，系统性能测试稳定。客户端APP主要以农艺性状数据的实时采集为核心，实现玉米试验材料的快速录入、查询和定位，极大地提高数据采集效率。客户端APP数据上传至服务端Web，实现了玉米生产过程多点试验任务的实时分发、农艺性状数据的查询与管理、报表中心的生成及数据统计分析等功能，为科学决策和管理提供数据支撑。自2016年以来，玉米农艺性状数据采集与管理系统经过功能完善及版本的不断升级，已在河南省一些科研机构和高等院所进行示范应用，河南省农业科学院现代农业科技试验示范基地原阳玉米区试试验应用结果表明该系统运行稳定。【建议】今后研究中应扩展作物研究种类，在进行农艺性状数据采集与管理时，重点将图像管理模块和集成无人机遥感平台纳入到玉米农艺性状数据采集与管理系统中。

關键词： 玉米;农艺性状;数据采集;数据分析;管理系统

中图分类号： S127;TP274                     文献标志码： A 文章编号：2095-1191（2019）11-2606-08

Design and implementation of data acquisition and management system of agronomic trait for maize

ZANG He-cang， ZHAO Qiao-li， LI Guo-qiang， ZHANG Jie， ZHAO Qing，

HU Feng， ZHENG Guo-qing*

（Agricultural Economy & Information Research Institution， Henan Academy of Agricultural Sciences/Research Center for Smart Agriculture Engineering and Technology of Henan Province， Zhengzhou  450002， China）

Abstract：【Objective】A data acquisition and management system of agronomic trait for maize was constructed to achieve rapid collection， efficient management and automatic analysis of agronomic trait data for maize. It could provide reference for collection and management of agronomic traits from other grain crops or cash crops. 【Method】Using B/S and C/S hybrid development architecture， which built an agronomic traits of data acquisition system（APP） and maize agronomic traits data management system（Web） for maize， the APP adopted the Android technology to realize the communication between Web api and server， Web adopted entity framework technology to operate on a database， it provided an efficient， safe and stable platform for integrated management of massive agronomic traits acquisition data. 【Result】The test results of Henan 863 software incubator limited companyshowed that the system met the design requirements in functional test， reliability test and usability test， and the system performance test was stable. The APP of the client mainly focused on the real-time acquisition of agronomic traits data， whichhave been realized the fast input， query and positioning of maize test materials， it greatly improved the efficiency of data acquisition. The client APP data was uploaded to the server Web， it have been realized the real-time assignment of multi-point test task， data query and managementof agronomic traits data， report center generation， statistical analysis of data and other functions in maize production process， it provided data support for scientific decision-making and management. Since 2016， the system has been upgraded with improved functions and versions， which has been widely applied in scientific research institutions， higher teaching institutions in Henan. The application results indicated that the system has been run stably in Yuanyang maizeregional trial， the modern agricultural science and technology experimental demonstration base in Henan Academy of Agricultural Sciences. 【Suggestion】In the future， the research should expand the variety of crop research， and focus on integrate image management module and integrated unmanned aerial vehicle remote sensing platform into the data acquisition and management system of agronomic trait.

Key words： maize; agronomic trait; data acquisition; data analysis; management system

0 引言

【研究意義】在实际生产中，玉米农艺性状数据采集仍普遍采用手工测量、纸质记录和经验决策等工作方式，然后进行二次数据整理，存在数据采集手段落后、采集数据耗时耗力、人为误差大及纸质记录不易保存等问题;在数据管理上普遍采用Excel表格为主，存在数据管理不规范、标准不统一等问题;在数据分析上存在数据量大、数据利用率低等问题，不能快速获取数据统计结果;此外，部分科研团队现有的数据采集系统与实际需求匹配度不高，导致操作繁琐，使用率低。基于从事玉米生产全程的采集人员和管理人员对信息管理软件的迫切需求，研发玉米农艺性状数据采集与管理系统，对提高数据采集工作效率及降低采集人员的劳动强度具有重要意义。【前人研究进展】随着数据采集技术的深入发展，作物农艺性状数据采集在一定程度上也得到发展，但仍无法满足作物研究的实际需求（Fritsche-Neto and Borem，2015;樊龙江等，2016;刘忠强，2016;王君婵等，2018）。近年来，国内外专家学者已在作物上开展了一些数据采集技术研究工作。牟伶俐等（2006）开发基于Java手机的野外农田数据采集与传输系统，实现了野外数据采集、图形浏览、定位与导航、数据传输与查询等功能;李文闯（2013）开发基于Android的移动GIS数据采集系统，实现了采集对象相关数据的实时高度整合;王虎等（2013）设计基于Windows Mobile手机平台的作物品种田间测试数据采集系统，实现了数据的实时采集;叶思菁等（2015）设计作物种植环境数据采集系统原型，实现了用户自定义录入界面及动态适应空间数据类型、数量和范围的变化;Zhang和Li（2017）设计基于分布式位置的野生植物数据采集系统，从已建立的植物库将植物照片上传至云服务器进行识别。近几年的文献资料表明，国内外学者在田间作物表型信息获取方面进行了相关探索，已初步应用于作物垄数（Jiang et al.，2015;苏伟等，2018）、果穗考种（吴刚等，2016;宋鹏等，2018）、株高（杨琦等，2017;牛庆林等，2018）、病害图像提取（Han et al.，2017;Wang et al.，2018）等研究领域。【本研究切入点】上述系统对移动端野外数据采集与查询进行了很多研究，但目前涉及玉米栽培和育种试验过程各关键环节的农艺性状数据采集与管理的研究鲜有报道，且主要停留在人工操作阶段。【拟解决的关键问题】经过长期实地调研，以改变传统数据采集方式、提高农艺性状数据管理效率为目标，归纳科研单位接触到的栽培与育种人员在玉米生产管理过程中的信息化实际需求，设计开发玉米农艺性状数据采集与管理系统，旨在实现玉米农艺性状数据的快速采集、高效管理和自动分析，也为其他粮食作物及经济作物的农艺性状数据采集与管理提供参考。

1 玉米农艺性状数据采集与管理系统设计

1. 1 总体框架结构

针对采集人员和管理人员对试验过程中玉米农艺性状数据采集与管理软件的实际需求，通过田间多次实际调查，结合作者多年从事田间玉米试验的经验，设计玉米农艺性状数据采集与管理系统。该系统以提高数据采集工作效率、降低采集人员的劳动强度为目标，采用C/S与B/S混合开发架构，为海量农艺性状采集数据集成管理提供一个高效、安全和稳定的平台。从开发技术架构的角度可分为数据层、业务逻辑层和用户层，其总体结构如图1所示。数据层位于数据库服务器端，为业务逻辑层提供数据服务;业务逻辑层主要进行业务逻辑处理，是系统功能实现的核心部分，从用户的操作开始，用户在浏览器页面提交表单操作，向服务器发送请求，服务器接收并处理请求，然后把用户请求的数据（网页文件、图片和声音等）返回至浏览器;用户层是实现系统与用户交互的窗口，用于接收用户的输入，显示、操作数据层数据。

1. 2 客户端APP的实现

客户端APP主要包括模板选择、扫码定位、电子标签、数据录入、数据上传和试验布局6个模块。客户端APP接收到试验任务后，可在试验布局中进行试验设计，根据小区标识信息绑定电子标签或者打印纸质标签。数据录入按选择的模板提供输入界面，模板制作在模板选择模块中完成，小区编号的录入提供扫描条形码/电子标签、自动编号及手动录入3种方式。

1. 3 Web浏览器的实现

Web是管理系统的主程序，除负责接收客户端APP采集的数据外，还包括从试验设计开始到结束的精确管理、查询和统计分析全过程管理。通过试验设计模块将各试验地点承担的任务同步分发到客户端APP上，客户端APP采集的数据上传至服务端Web，Web对客户端APP上传的数据进行审核、修改、查询和分析。该系统部署于数据中心计算机上，是整个系统的核心部分，通过数据中心与客户端APP进行数据交换，采集数据存储于用户本地服务器，防止数据篡改。根据业务逻辑和需求分析，系统分为系统管理、试验设计、数据管理、报表中心和统计分析五大功能模块：

（1）系统管理模块：包括行政区域、性状管理、用户管理和用户组管理。行政区域用于选择试验所在的省、市、县区域;性状管理用于对各类数量性状和质量性状的自定义添加;用户管理用于设置各类用户的角色权限;用户组管理是对用户角色权限进行管理。

（2）试验设计模块：包括试验基础信息、地块布局和试验任务。试验基础信息以试验地块为单元，记录土壤基础肥力、气象数据及田间管理等信息;地块布局是基于试验目的不同，根据试验任务自动生成田间布局;试验任务具有制定试验采集的性状指标，实现多点试验任务的实时分发，并同步到客户端APP。

（3）数据管理模块：包括全部数据汇总表、数量性状汇总表和质量性状汇总表。通过设置查询条件，可查看该试验不同类型采集性状数据，具有数据查询、审核、修改、检索、导出及打印等功能。

（4）报表中心模块：将报表包含的信息和数据库关联、按照管理单位提供的模板。自动完成信息的统计和汇总，生成相應的报表，具有数据查询、检索、导出及打印等功能。

（5）统计分析模块：选择需要分析的试验名称和数据采集时间，输出某时间段内该试验所测性状数据列表，实现对各类性状数据的统计分析。

1. 4 关键技术

1. 4. 1 数据采集 数据采集主要由客户端APP实现。试验数据采集所需性状指标设置在Web端完成。性状指标包括数量性状和质量性状，数量性状分为物候期、形态特征、生育动态、抗逆性、病害调查和产量性状;质量性状提供所有会出现的选项;数量性状提供阈值，减少数据录入错误率。性状管理设置了每个性状数据采集的类型，保证同一个试验多个试验点数据采集的格式统一。试验任务从Web端下发到客户端后，客户端选择当前需要采集的性状指标制成模板，数据录入按模板提供输入界面。性状指标维护属于系统管理员权限范围，其他权限只能使用，防止性状指标属性被篡改。

1. 4. 2 数据管理 客户端APP数据上传至服务器后，为满足不同用户需要，Web端系统提供全部数据、数量性状数据和质量性状数据自动汇总。针对试验报告所需各类汇总表，将数据按物候期、抗逆性调查、病害调查、形态特征、主要性状和产量性状汇总分类报表。

1. 4. 3 技术流程 Web系统采用Entity Framework技术对数据库进行操作，使用Linq和Lambda表达式实现对数据库的增删改查，用户层采用telerik前端框架、jQuery、Kendo UI及Bootstrap等脚本技术;APP使用Android Studio内置的SQLite数据库进行存储数据，采用Android技术实现Web api与服务器间的通信。通过Web管理系统，管理存贮于数据中心的手持终端APP采集上传的农艺性状数据，使用条码打印机，按照试验布局以一定的顺序依次打印条码，再将条码按照打印顺序依次悬挂在小区玉米植株上;通过手持终端APP扫描玉米植株上的条码，进入数据录入界面，数据录入完毕，通过无线网络与数据中心内的数据同步。

2 玉米农艺性状数据采集与管理系统的测试与应用

2. 1 系统性能测试结果

本研究设计的玉米农艺性状数据采集与管理系统经河南省863软件孵化器有限公司测试，测试结果表明，该系统在功能性测试、可靠性测试和易用性测试等方面均达到设计要求，符合GB/T 25000.51—2010《软件工程 软件产品质量要求和评价（Square）商业现货（Cots）软件产品的质量要求和测试细则》。根据采集人员的生产实际需求，本研究主要以玉米生长发育性能测定检验设备是否符合玉米主要性能指标的要求，以对10株玉米成熟期主要农艺性状数据采集所消耗的平均时长作为衡量标准。成熟期主要测定玉米植株的株高、轴色、穗型、秃尖、粒色和图像等性状指标。按每套设备分别测定10株玉米，30株玉米随机分为3组开展生长发育性能测试，取得的主要性能测试结果如表1所示。受测成熟期玉米植株的性状指标数据采集时间介于172～185 s，图像采集时间介于34～35 s，玉米农艺性状数据采集系统性能测试稳定。

2. 2 客户端APP的应用

客户端APP主要用于田间观察观测性状数据的实时采集，实现玉米试验材料的快速录入、查询和定位。同时，APP采集性状模板可自定义，支持用户自添加性状，随时查看田间布局。在数据录入方式上，实现语音识别录入和手动录入的双重选择，支持性状数据的离线采集，通过有线或无线方式上传采集数据至服务端Web。根据田间制定采集任务的需求，灵活调整与Web的数据交换内容，进而提高性状数据采集效率。

客户端APP主要针对玉米生产中需要调查的性状指标进行实时采集，打开客户端APP，进入到系统主界面，操作界面如图2所示。点击性状选择模块，可快速选择试验需要采集的性状指标（图2-A）;添加出来的性状形成该试验的模板，并输入模板名称（图2-B）;保存模板，模板可显示当前日期（图2-C）;点击当前保存的模板，选择使用模板，可按照模板详情中的性状指标进行田间数据采集，按照小区编号顺序录入性状数据（图2-D），在数据录入过程中，具备数据查询、修改和即时保存功能等;数据录入结束后，选择数据上传模块（图2-E）;点击抽雄期记载数据，可查看数据详情（图2-F）;点击上传数据按钮，数据上传完成，该次采集数据模板名称自动消失。

2. 3 Web浏览器的应用

客户端APP数据采集完毕提交后，所有性状数据上传至服务端Web。系统用户采用三级权限管理，即管理员、项目负责人和采集员负责在后台对数据进行审核、查询和管理。图3显示了2018年7月26日—2018年8月2日安阳区试试验数据管理界面，采集数据可导出Excel表格，供科研人员分析使用。图4显示了2018年7月26日—8月2日安阳区试试验数据统计分析界面，选择需要分析的试验名称和数据采集时间，服务端对数据提供自动实时统计分析，并生成统计图表，数据统计分析结果可直接打印和导出;项目负责人和管理员根据数据统计分析结果提出切实可行的生产指导意见，并推送信息至采集员手机，为科学决策和管理提供数据支撑。

2. 4 系统的应用效果

自2016年以来，本研究设计的玉米农艺性状数据采集与管理系统已在河南省农业科学院、河南农业大学及洛阳市农林科学院等科研机构连续应用3年。主要应用对象为从事玉米栽培与育种试验的田间一线人员，应用前进行技术培训和实际操作等跟踪服务，以保证玉米农艺性状数据标准化采集和规范化管理，同时建立科学、规范的案例演示。以2017年8月在河南省农业科学院现代农业科技试验示范基地原阳玉米区试试验吐丝期数据采集为案例，对吐丝期农艺性状指标进行采集。试验采用随机区组设计，3次重复，5行区，小区面积20 m2，种植密度75000株/ha，采集株数10株，本次采集的性状指标不受天气影响，可直接进行数据采集。吐丝期主要测定玉米植株的株型、穗柄有无、苞叶情况、花丝颜色、吐丝时间、株高、穗位和倒伏率共8个性状指标。客户端APP的应用案例如图5所示，经过多点长时间客户端APP的功能完善，实现了版本的不断升级，现已在科研院所及高等院校进行长时间使用。采集员在客户端APP应用过程中，可同时接收多个试验任务的采集，支持多人共享同一采集模板，极大地提高了数据采集效率;同时，省去了传统手工采集数据二次录入过程。此外，农艺性状数据的标准采集与统一存储，解决了传统手工记载数据错误率高、纸质记录不易保存等问题。应用客户端APP采集玉米吐丝期数据，可有效提高采集效率70%以上。Web浏览器的应用案例如图6所示，以试验采集员权限登录Web浏览器，点击数据管理界面，即可查看客户端APP上传的采集数据。在Web浏览器应用过程中，可实现多点试验任务的实时分发，灵活调整农艺性状采集字段和阈值，减少人为误差和干扰。目前，2018年玉米区试试验各承试点的数据采集正在持续添加中，系统运行稳定。

3 讨论

传统的试验数据通常基于Excel进行管理和分析，无法对数量龐大的试验数据进行批量校正和逻辑判断等预处理工作，给后期的品种评价与决策的准确性带来极大隐患（王虎等，2010）。本研究系统开发以现有玉米品种试验技术规程和数据标准为依据，围绕玉米生产全程的数据采集与管理信息化实际需求，实现了玉米从播前到收获生产全程的农艺性状精确采集，有效解决了当前玉米生产全程数据采集与管理存在的问题;且Web端与客户端APP保持一致，实现了数据采集与存储标准的统一，为数据共享与分析利用提供良好的基础。

黄锦和李绍明（2014）设计开发了一套基于移动智能设备的育种田间信息采集系统，主要讨论了育种田间数据快速录入、动态配置表单、数据有效性验证及保障数据安全的方法。李雪和杨涛（2016）设计了对玉米性状数据等相关信息进行有效管理和综合分析利用的玉米育种信息管理系统，实现了玉米育种信息的科学管理。张小斌等（2016）开发出基于梨属植物种质资源数据标准的梨育种信息管理与采集系统，实现了梨育种信息的田间快速采集与传输。以上研究都是基于单个软件的田间作物育种信息采集与管理系统，而在语音识别、试验布局、多个试验任务接收及采集模板共享方面存在不足。本研究设计的客户端APP支持扫码定位、离线数据采集和数据上传等功能，实现了客户端APP与Web间的数据交换共享;Web浏览器实现了多点试验任务的实时分发，便于多年多点区试试验数据的汇总及报表中心的生成，为数据分析利用提供良好的基础。

经过长期测试和不断更新，玉米农艺性状数据采集与管理系统设计合理，界面操作简单，使用方便，但在实际应用中发现了一些不足之处：如考种数据是用考种仪获取，虽然解决了传统人工测量效率低等问题，但对数据统一管理带来不便;另外，采集的大量图片仅能查看和检索，未经过深层次的图像识别和挖掘等。因此，在今后的研究中，重点将高通量采集技术和图像识别技术应用到本系统中，减少多个系统分散的问题，进一步提高数据采集和挖掘效率。

4 建议

4. 1 集成无人机遥感平台

本研究中数量性状指标采集主要依靠人工测量，然后将数据录入到客户端APP，省去了传统手工纸质记载数据或电脑Excel录入的过程;而无人机遥感平台可改变传统人工调查效率低和时效性差等问题。因此，在现有玉米农艺性状数据采集与管理系统的基础上，集成无人机遥感平台，可及时获取大范围玉米区域试验数量性状信息，进一步提高数据采集效率。

4. 2 扩展作物研究种类

当前，玉米农艺性状数据采集与管理系统正处于小范围应用阶段，只能满足玉米农艺性状的信息化需求，因此，需进一步完善系统，扩展到其他作物的农艺性状，增加多种作物的数据采集方式，定制不同作物的采集指标与采集方法标准，适用于其他作物农艺性状的便捷采集与管理的通用版本。

4. 3 增加图像管理模块

本研究设计的农艺性状数据采集APP，把拍摄的图像作为一个性状指标考虑，在对图像进行搜索时带来了不便，同时不利于后期图像的自动识别。因此，在今后的研究中农艺性状数据采集APP应增加图像管理模块，实现玉米图像的自动识别。

参考文献：

樊龙江，王卫娣，王斌，叶楚玉，舒庆尧，张辉. 2016. 作物育种相关数据及大数据技术育种利用[J]. 浙江大学学报（农业与生命科学版），42（1）： 30-39. [Fan L J，Wang W D，Wang B，Ye C Y，Shu Q Y，Zhang H. 2016. Crop bree-ding-related data and application of big data technologies in crop breeding[J]. Journal of Zhejiang University（Agriculture and Life Sciences），42（1）： 30-39.]

黄锦，李绍明. 2014. 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，（6）： 193-197. [Huang J，Li S M. 2014. Design on field information acquisition of maize breeding system based mobile phone[J]. Journal of Agricultural Mechanization Research，（6）： 193-197.]

李文闯. 2013. 基于Android的移动GIS数据采集系统研究[D]. 北京： 首都师范大学. [Li W C. 2013. Research on mobile GIS data acquisition system based on Android[D]. Beijing： Capital Normal University.]

李雪，杨涛. 2016. 玉米育种信息管理系统的研究[J]. 江苏农业科学，44（1）： 418-421. [Li X，Yang T. 2016. Research on information management system of maize breeding[J]. Jiangsu Agricultural Sciences，44（1）： 418-421.]

刘忠强. 2016. 作物育种辅助决策关键技术研究与应用[D]. 北京： 中国农业大学. [Liu Z Q. 2016. Research and application of assistant decision key technology for plant breeding[D]. Beijing： China Agricultural University.]

牟伶俐，刘钢，黄健熙. 2006. 基于Java手机的野外农田数据采集与传输系统设计[J]. 農业工程学报，22（11）： 165-169. [Mu L L，Liu G，Huang J X. 2006. Design of farm field data collection and transmission system based on Java phone[J]. Transactions of the Chinese Society of A-gricultural Engineering，22（11）： 165-169.]

牛庆林，冯海宽，杨贵军，李长春，杨浩，徐波，赵衍鑫. 2018. 基于无人机数码影像的玉米育种材料株高和LAI监测[J]. 农业工程学报，34（5）：73-82. [Niu Q L，Feng H K，Yang G J，Li C C，Yang H，Xu B，Zhao Y X. 2018. Monitoring plant height and leaf area index of maize breeding material based on UAV digital images[J]. Transactions of the Chinese Society of Agricultural Engineering，34（5）： 73-82.]

宋鹏，张晗，罗斌，侯佩臣，王成. 2018. 基于多相机成像的玉米果穗考种参数高通量自动提取方法[J]. 农业工程学报，34（14）： 181-187. [Song P，Zhang H，Luo B，Hou P C，Wang C. 2018.  High throughput automatic extraction me-thod of corn ear parameters based on multiple cameras images[J]. Transactions of the Chinese Society of Agricultural Engineering，34（14）： 181-187.]

苏伟，蒋坤萍，闫安，刘哲，张明政，王伟. 2018. 基于无人机遥感影像的育种玉米垄数统计监测[J]. 农业工程学报，34（10）： 92-98. [Su W，Jiang K P，Yan A，Liu Z，Zhang M Z，Wang W. 2018. Monitoring of planted lines for bree-ding corn using UAV remote sensing image[J]. Transactions of the Chinese Society of Agricultural Engineering，34（10）： 92-98.]

王虎，李绍明，刘哲，张晓东，朱俊. 2010. 作物品种试验数据预处理系统的设计与实现[J]. 中国农业科技导报，12（2）： 138-144. [Wang H，Li S M，Liu Z，Zhang X D，Zhu J. 2010. Design and realization of pre-treatment system for crop variety experimental data[J]. Journal of A-gricultural Science and Technology，12（2）： 138-144.]

王虎，杨耀华，李绍明，刘哲，许哲，张晓东，朱德海. 2013. 基于移动端作物大田测试数据采集技术研究与实现[J]. 中国农业科技导报，15（4）： 156-162. [Wang H，Yang Y H，Li S M，Liu Z，Xu Z，Zhang X D，Zhu D H. 2013. Research and implementation of field crop test data collection based on mobile phone[J]. Journal of Agricultural Science and Technology，15（4）： 156-162.]

王君婵，高致富，李东升，朱冬梅，吴宏亚. 2018. 农业信息技术在小麦育种中的应用研究[J]. 作物杂志，（3）： 37-43. [Wang J C，Gao Z F，Li D S，Zhu D M，Wu H Y. 2018. The application of agricultural information technology in wheat breeding[J]. Crops，（3）： 37-43.]

吴刚，陈晓琳，谢驾宇，郑永军，李伶慧，谭俊松. 2016. 玉米果穗自动考种系统设计与试验[J]. 农业机械学报，47（S）： 433-441. [Wu G，Chen X L，Xie J Y，Zheng Y J，Li L H，Tan J S. 2016. Design and experiment of automatic variety test system for corn ear[J]. Transactions of the Chinese society for Agricultural Machinery，47（S）： 433-441.]

杨琦，叶豪，黄凯，查元源，史良胜. 2017. 利用无人机影像构建作物表面模型估测甘蔗LAI[J]. 农业工程学报，33（8）： 104-111. [Yang Q，Ye H，Huang K，Zha Y Y，Shi L S. 2017. Estimation of leaf area index of sugarcane using crop surface model based on UAV image[J]. Transactions of the Chinese Society of Agricultural Engineering，33（8）： 104-111.]

叶思菁，朱德海，姚晓闯，岳彦利，黄健熙，李林. 2015. 基于移动GIS的作物种植环境数据采集技术[J]. 农业机械学报，46（9）： 325-334. [Ye S J，Zhu D H，Yao X C，Yue Y L，Huang J X，Li L. 2015. Mobile GIS based approach for collection of crop planting environment data[J]. Tran-sactions of the Chinese Society for Agricultural Machi-nery，46（9）： 325-334.]

张小斌，戴美松，施泽彬，李秀根，顾清，郑可锋. 2016. 梨育种数据管理和采集系统设计与实践[J]. 果树学报，33（7）： 882-890. [Zhang X B，Dai M S，Shi Z B，Li X G，Gu Q，Zheng K F. 2016. Development and application of a data management and acquisition system for pear breeding[J]. Journal of Fruit Science，33（7）： 882-890.]

Fritsche-Neto R，Borem A. 2015. Phenomics[M]. Switzerland：Springer International Publishing Switzerland.

Han Y Y，Wang K Y，Liu Z Q，Zhang Q，Pan S H，Zhao X Y，Wang S F. 2017. A crop trait information acquisition system with multitag-based identification technologies for breeding precision management[J]. Computers and Electronics in Agriculture，135（1）： 71-80.

Jiang G Q，Wang Z H，Liu H M. 2015. Automatic detection of crop rows based on multi-ROIs[J]. Expert Systems with Applications，42（5）： 2429-2441.

Wang Z B，Wang K Y，Yang F，Pan S H，Han Y Y，Zhao X Y. 2018. Image enhancement for crop trait information acquisition system[J]. Information Processing in Agriculture，5（4）： 433-442.

Zhang Y Z，Li B Y. 2017. Wild plant data collection system based on distributed location[J]. Journal of Computatio-nal Science，28（9）： 389-397.

（責任编辑 邓慧灵）