随着生态环境的不断破坏和耕地质量的逐渐退化,粮食安全问题是全球人类共同面临的挑战,加快品种改良提高单位面积作物生产力是当前农业研究的重要目标。小麦是世界上最重要的粮食作物之一,在大田条件下,全生育期高效精确监测小麦冠层结构动态变化,是优化田间管理和提高育种效率的关键。综合对比发现,现有的各类小麦作物表型监测平台普遍存在适用性差、成本高的问题,便携式表型监测平台可以良好解决这个问题,然而便携式表型监测平台基于单一传感器获取的作物冠层结构特性不够具体。综上所述,本研究设计开发了一款多视角便捷式小麦冠层结构分析仪（PhenoARM）,基于Android系统开发了对应的传感器控制软件,实现工作一体化,并研发了相关冠层结构提取算法。研究内容具体包括以下四个方面:（1）完成PhenoARM的结构设计:确保PhenoARM设备能够符合协同多角度RGB相机,优化对小麦作物冠层结构信息监测的创新性要求,同时达到设备便携、经济性、易操作的目的,完成硬件结构设计、材料选择和加工工作;（2）手机APP系统和应用功能研发:完成一款基于Android系统的无线控制APP设计研发工作,该APP系统可以实现单人操作的需求,通过无线网络连接控制多个RGB相机,并且可以进行不同的试验设计,良好地串联图像采集和存储工作流程。通过田间试验验证,PhenoARM监测通量可以达到每小时30-40个小区（6m×4m）;（3）利用RGB图像获取0°和45°小麦冠层绿色分数:小麦冠层是三维且非均匀分布的介质。绿色分数是冠层结构动态监测的重要指标。0°绿色分数更多展现冠层上部结构。相较而言,45°绿色分数携带更多冠层下部结构信息。通过PhenoARM可以获取0°和45°的高分辨率冠层影像,利用深度学习分割算法,实现了对0°和45°绿色分数的估算,从而可以更充分的表现不同基因型和田间栽培措施下冠层结构的差异;（4）基于双目视觉的原理完成小麦冠层高度的测量:采用高精度相机标定板对两台0°俯视RGB相机进行标定,获取了相机内部参数和外部参数。借助标定的参数,利用块匹配的方法生成深度图像,进而生成三维点云并进行降噪、剔除土壤平面等处理,通过统计冠层垂直剖面的分位数,估算冠层高度。受2020年新冠疫情的影响,田间试验被迫中止,冠层高度估算的精度和全生育期监测的稳定性仍有待进一步的验证。尽管如此,通过初步的田间试验,验证了PhenoARM在田间小麦的表型监测的可靠性,APP界面操作简单,性能稳定,图像传输质量满足分析要求,对应的算法开发实现了小麦绿色分数和冠层高度的无损估计,整体完成了系统设计的预期目标。