作物表型监测是研究作物生长发育规律的重要信息来源,亦是促进作物高效育种,保障我国粮食安全的重要途经。传统作物表型信息获取往往需要破坏性取样,监测面积小,测试周期长,数据具有滞后性,作业效率低,时效性较差,限制了作物栽培育种研究的发展进程。因此,高通量表型信息的实时、准确、快速、无损监测是实现作物精准管理,推动作物育种改良,加速农业现代化建设的重要手段。室内高通量表型平台发展较为成熟,但表型信息受基因型和环境的交互影响,室内数据无法代表田间植株真实情况,而卫星遥感存在数据获取昂贵,空间分辨率低,重返周期长,数据处理繁琐等弊端,无人机遥感受天气条件、荷载能力、续航时间和翼下风力等因素影响,近地高通量平台多是针对有限作物种类或种植模式开发,平台作业效率较低、灵活性差、造价高昂,现有田间高通量表型平台存在监测范围与数据精度相矛盾、作业效率与造价相冲突等问题。本研究综合考虑了各种平台的优势,设计开发了一种半自动化行走式高通量表型平台,兼顾了平台机动性、普适性、作业效率和数据质量。主要研究内容如下:（1）利用UGNX12.0三维建模软件建立了平台的三维模型,设计开发了便捷式半自动化近地高通量表型平台“Phenotypette”,采用轻量抗变铝合金作为架构基本材质,设计锁扣零件及套管装置作为连接件,平台可以快速拆卸和便捷运输,对平台驱动进行电力系统集成,包括前后轮的驱动电池、变压器等,两人可对平台运行控制,通过控制输入电流将平台运行速度控制在0.3m/s,该速度下可以保证传感器的正常运行。（2）基于INRA（法国国家农业科学研究院）所设计开发的数据采集和控制系统,将这套数据采集和控制系统与“Phenotypette”平台相匹配,实现传感器控制和田间数据采集的自动化。这套系统可搭载4台RGB相机、2台多光谱相机、3台LiDAR（Light Detection and Ranging,激光雷达）,结合滑轨滑块机构研发传感器搭载装置,设计可变监测高度和角度,以适应不同作物生长期高度变化和研究角度需求。利用RTK（Real timekinematic,实时动态）-GPS（Global Positioning System,全球定位系统）可预先输入各个田块的位置,通过编程控制各个传感器的监测位置,自动触发测量和存储数据,实现了平台的半自动化控制及作物表型信息的多源、多方位数据获取与实时传输。（3）叶绿素（chlorophyll）含量是表征作物生长状态的重要生长指标,基于田间近地高分辨率多光谱监测,开发了估算叶绿素含量的算法。首先对各波段的影像以近红外波段为参照进行了配准,然后基于近红外波段,利用OTSU（最大类间方差法）阈值分割技术进行绿色部分分割,计算了比值植被指数（RVI,ratio vegetation index）、归一化植被指数（NDVI,normalized difference vegetation index）、CIgreen、CIre这几种植被指数,建立了植被指数与叶绿素指标之间的拟合模型,同时对配准分割前的原始多光谱图像进行同样的植被指数计算和模型拟合,对比全影像和配准分割后图像的模型结果,模型的精度均有所提升,全影像模型中植被指数NDVI的拟合效果最佳,均方根误差RMSE=2.23,配准分割后模型拟合效果最好的为CIgreen,均方根误差RMSE=1.32。最后通过留一交叉验证法（Leave-one-out Cross Validation,LOOCV）来进行模型检验和评估,除RVI外其余植被指数所建立的模型检验结果均有提升,其中配准分割后植被指数CIgreen拟合的模型验证结果最好,均方根误差RMSE=1.34,相对均方根误差rRMSE=0.04。该方法在传统原始多光谱图像处理中加入波段图像配准和背景分割,结果证明该方法在提高模型精度方面是有效的。为高通量无损检测水稻叶绿素含量提供了技术支持,初步展示了“Phenotypette”在作物高通量表型监测方面的作用。