智慧农业前沿技术导论 课件 第7章 智慧作物与表型组技术

智慧作物与表型组技术HUAZHONGAGRICULTURALUNIVERSITY1目录CONTENTS第一节作物表型组技术发展背景第二节国际作物表型组技术研究进展第三节我国植物表型组分析平台研究进展第四节植物表型组技术特色及展望第五节推荐阅读第六节思考与讨论2一、作物表型组技术发展背景现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业3预计2050年全球人口将超90亿，粮食需求持续攀升，粮食和能源安全面临巨大挑战。我国人均耕地面积仅世界平均水平的1/3，自然灾害、疫病等因素使粮食安全形势严峻。基因测序技术飞速发展，水稻、小麦、玉米三大作物测序工作完成，基因组学进入高通量时代。表型组学发展缓慢，表型数据采集限制作物育种和功能基因组学研究，成为现代作物育种瓶颈。传统植物表型分析规模小、效率低、误差大，难以排除人为和环境因素干扰，适用性弱。表型研究技术滞后，导致表型研究严重滞后于各种组学研究，制约基因功能解码进展。人口挑战与粮食需求基因组学与表型组学发展不平衡传统表型分析的局限性现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业42002—2015年测序费用一、作物表型组技术发展背景5

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业010203

术语“表型”来自希腊字母phainein和typos，意为“显示”和“类型”，1911年被定义为生物可通过检查或测量区分的特征。表型的词源

表型是基因型和环境共同作用的结果，是生物可以直接观察到的特征，如植物的形态、生长状况等。表型的通俗解释

作物表型组学指在有机体水平上，作物生长阶段以高通量技术，准确地获取和分析表型，包括细胞、组织、器官、单个植物、地面和田间等水平的多维表型。作物表型组学的定义一、作物表型组技术发展背景6

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业作物表型研究的起源与目标01020320世纪末的起源作物表型研究始于20世纪末，其核心是获取高质量、可重复的性状数据，分析基因型和环境互作效应及其对产量、质量、抗逆等相关性状的影响。多学科研究的特点

作物表型组学是一种多学科研究，涉及基因型和环境因素之间的复杂相互作用，包括气候、土壤、非生物与生物因素。发展的迫切性

作物表型精准鉴定是全面解析表型与基因关系、深入认知生命过程的前提，是培育突破性新品种、保障国家粮食安全的迫切需求。一、作物表型组技术发展背景7

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业传统表型获取的现状与问题

目前，作物表型性状的获取主要依靠人工测量，但仅集中在少数几个表型的静态粗略研究上，水平相对滞后。人工测量的现状

传统表型观测方法存在低效、主观、可重复性差等缺点，测量时可能会对作物进行破坏，无法实现全生育期的无损动态测量。存在的问题

表型研究技术发展相对滞后，导致表型研究严重滞后于各种组学研究，作物表型数据的缺乏使得当前许多基因组序列信息未被充分利用。对育种和基因研究的影响一、作物表型组技术发展背景8

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业高通量表型平台的需求与发展

在获得海量作物基因组信息的基础上，高分辨、高效地解开基因功能、环境响应及植物表型三者的相互作用机制已成为一个全新的挑战。新的挑战

发展作物表型组技术，建立高效、自动和准确的技术和平台来捕获表型数据，并与基因组学信息结合，已成为迫切需求。高通量表型平台的需求随着传统表型观测方法的人工成本不断上升，采用高通量的植物表型组分析技术和研究方法成为解决这一困境的有效途径，可提高表型性状鉴定的估算精度和标准化程度。发展趋势与优势一、作物表型组技术发展背景

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业智慧农业的兴起

新一代信息技术与农业的深度融合，孕育了第三次农业绿色革命——农业的数字革命，智慧农业是农业信息化发展的高级阶段。农业数字革命智慧农业的组成与要素

智慧农业由“信息获取-智能决策-精准作业-个性服务”四大部分组成，以信息技术、知识发现、智能装备为核心要素，通过智慧化管理实现农业生产。提高农业劳动生产率智慧农业通过现代信息技术和智能装备，实现作物生产全过程的信息感知、定量决策、智能控制、精准投入、个性化服务，大幅度提高农业劳动生产率。一、作物表型组技术发展背景

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业智慧作物的作用与发展一、作物表型组技术发展背景

智慧作物即以机器取代传统人工操作采集，进行作物采集、表型性状数字化鉴定与分析，并建立相应的模型进行预测。

表型平台主要分布于发达国家，以室内表型为主。近年来，我国表型平台建设迅速发展，促进作物表型组学研究发展。智慧作物的概念表型平台的分布与建设基于新型光学传感器、作物表型平台、影像处理技术和大数据管理方法的有机融合，高通量作物表型性状鉴定技术将提高作物表型性状鉴定的估算精度和标准化程度。技术融合与发展方向

现在作物育种的瓶颈作物表型组的定义作物表型组的发展智慧作物与智慧农业现代科技对表型组学的推动一、作物表型组技术发展背景

高通量、非破坏性的实时成像技术、光谱技术、图像分析系统、机器人表型分析等手段日渐成熟，为表型组学研究提供了有力支持。技术手段的成熟实现育种效率的提高，必须进一步加快表型组学研究，这不仅满足了作物功能基因组和作物育种发展实际需要，也是未来我国农业装备数字智能化的重要方向之一。对育种效率和农业装备数字化的贡献现代计算机技术、云计算、统计学和生物信息学等学科的发展，推动了表型组学研究的深入，许多用于检测表型的基础设施平台已经被开发出来。学科发展的作用二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台12TraitMill平台

TraitMill是比利时公司研制的高通量表型平台，结合转基因技术和植株性状自动化评价系统，对禾谷类作物改良评价具独特优势。TraitMill的创新性

TraitMill平台经对水稻生长发育的特别设计和高精度测量方法改造，已全面应用于水稻转基因及其性状的评价。TraitMill的应用

TraitMill平台为室内植物表型研究提供高效解决方案，推动了植物水分利用、营养需求等研究的深入发展，助力作物改良。TraitMill的意义（a）自动输送区（b）温室区比利时自主研发的高通量表型平台TraitMill（Reuzeau等，2005）二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台13PhenoFab平台PhenoFab的开发

KeyGene与德国LemnaTec公司共同研发了数字化植物表型工厂PhenoFab，生产容量为400盆植物，可昼夜自动监控。PhenoFab的特点

PhenoFab模拟大田条件，可获得植物颜色、结构、叶形和含水量等性状，KeyGene公司致力于数字和机器人化表型、大数据处理和分析、表型数据可视化。PhenoFab的影响

PhenoFab平台的出现，为植物表型分析提供了高通量、数字化的解决方案，提高了表型分析的客观性和稳健性，推动了植物育种和表型研究的发展。PhenoFab数字化的植物表型工厂二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台14虚拟现实育种工具010203

KeyGene研究人员开发了虚拟现实育种工具，能够模拟大田中条件并进行虚拟现实的直观体验。虚拟现实育种工具的开发该工具可处理大量数据，如1000株植物每天9张、每周7天、5周的数字图像，为客户提供精准的表型分析数据，助力育种研究。虚拟现实育种工具的应用

虚拟现实育种工具为表型数据可视化提供了全新的方法，使育种研究更加直观、高效，推动了数字表型技术在农业领域的应用和发展。虚拟现实育种工具的意义KeyGene用于表型可视化虚拟现实工具二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台15植物根系表型组学研究瓶颈根系的重要功能植物的根系具有诸多重要功能，如固定植物、吸收水分、摄取营养、调节土壤微生物以及抗旱等。根系研究的困境无损检测的挑战010203掘根法的弊端结构破坏难以连续监测地下环境复杂缺乏有效的研究工具和手段二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台16RhizoCab系统法国科学家基于微根窗技术，集合自动传送、图像获取与分析以及大规模运算技术，开发出高通量植物根系表型微根窗测量系统RhizoCab。RhizoCab的开发

RhizoCab配备1200个专用根筒RhizoTube，集成自动灌溉装置，实现植物根系表型全自动、高通量、非损伤的长期监测，测量精度高、数据准确。RhizoCab的特点

RhizoCab系统的出现，解决了传统根系研究方法的局限性，为植物根系表型研究提供了高效、准确的手段，推动了根系功能基因的发现和研究。RhizoCab的意义二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台17RhizoCab系统高通量植物根系表型微根窗测量系统RhizoCabRhizoCab拍摄的豌豆根系图像示例二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台18Rhizoslides系统

Rhizoslides是一种基于纸张的生长系统，通过图像分析对根系发育进行无损的高通量表型分析，可在板内培养不同根系类型。01

该系统通过优化照明、图像采集和分割，实现有效的根图像分析，可在不同发芽纸上进行根系培养，提供足够的对比度来区分根和背景。02Rhizoslides的原理Rhizoslides的应用Rhizoslides根系表型系统（MariéCL等，2014）二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台19Mathieu水培根状系统

Mathieu等开发了一种用于成熟拟南芥根系分析的水培根状系统，可对拟南芥的根系结构和空中部分进行研究。01

该系统具有水培法的优点，如控制根系环境，易于进行根系测量或取样，可进行全局和局部分析，系统完全可移动，成本低。02水培根状系统的开发水培根状系统的特点拟南芥根系分析水培根状系统（MathieuL.等，2015）CCD相机（佳能EOS

1100D，佳能EF50mmf/2.5）的应用：精准拍摄拟南芥根系和茎的发育图像。允许进行简单地在体根采样，而无须破坏其他部分，进行无损测量。03成像与测量技术二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台20BreedVision平台该平台可测量植物水分含量、倒伏、分蘖密度或生物量等农艺性状，模块化系统架构允许灵活扩展传感器，每小时可筛选约250个小区，每天可筛选2000多个性状。

德国奥斯纳布吕克应用技术大学Busemeyer等开发出BreedVision，这是一种牵引式多传感器表型平台，集成光幕传感器、激光距离传感器等多种传感器，收集植物光谱和形态信息。BreedVision的意义

BreedVision平台的出现，显著提高了大田植物表型测量的效率和准确性，减少了劳动力和时间消耗，为作物改良和精准农业提供了有力支持。BreedVision的特点BreedVision的开发大田作物表型高通量采集系统BreedVision（BusemeyerL.等，2013）二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台01

FieldScanalyzer是一个三维传感器的植物表型系统，基于工业龙门架式设计，携带表型传感器和环境传感器，可在预定义时间内到达测量区域的每个点。FieldScanalyzer的开发02该系统具有亚厘米范围内的高精度，传感器盒可在恶劣天气下防风雨，总有效载荷达到500kg，为未来调整和扩展提供了灵活性，同时可记录气候数据。FieldScanalyzer的特点大型田间扫描分析仪FieldScanalyzer大型田间扫描分析仪FieldScanalyzer二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台FieldScanalyzer传感器大型田间扫描分析仪FieldScanalyzer二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台无人机表型平台的应用

2014年12月，得克萨斯农工大学的科学家和工程家首次开展将无人机技术应用于农业研究和生产的研究，无人机表型平台逐渐被广泛应用。01无人机表型平台的兴起固定翼和旋翼是主要使用的两种无人机类型，两者在田间农业应用方面都有明显的优缺点，旋翼无人机适合近距离悬停拍摄，固定翼无人机航程长、载荷大。02无人机表型平台的类型无人机表型平台具有更高的空间分辨率，更低的飞行高度、运行成本以及复杂性，对天气条件的依赖性较低，是加快表型田间试验数据采集的有效工具。03无人机表型平台的优势二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台无人机表型平台的应用无人机对于大田中作物的图像获取（GanoBoubacar等，2021）（a）谷歌田间地理地图；（b）水分（ww）和干旱胁迫（ds）条件下的品种；（c）无人机和传感器二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台低成本田间表型技术研发需求田间试验的重要性田间试验是作物功能基因组和育种研究的关键环节，能直接反映作物在自然环境中的生长表现和性状特征，为品种选育和基因研究提供重要依据。大型平台的局限性

造价昂贵的大型田间表型平台虽功能强大，但普及性受限，难以满足广泛科研需求，尤其在资源有限的地区和小型研究机构中，难以广泛应用。低成本技术的潜力研发低成本的田间表型技术，如手持式或便携式设备，可降低研究门槛，提高田间表型数据采集的效率和可及性，推动作物研究的普及和发展。二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台便携式表型仪器的应用与优势01智能手机具备高分辨率RGB摄像头和强大计算能力，为便携式表型仪器的应用提供了硬件基础，使其能够高效采集和处理表型数据。03PocketLAI可准确估计叶面积指数（LAI），LeafSpec能检测不同氮肥处理和基因型的差异，KeyBox操作简单易学，PhenoPlot采用STP技术实现高效成像，这些仪器丰富了田间表型测量的手段。02Phenobook软件集成网络实验设计、数据输入、可视化和输出功能，简化注册和观察记录过程，其数据高质量和兼容性好，有助于高效管理和分析表型数据。智能手机的推动作用便携式仪器的多样化Phenobook软件的功能二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台便携式表型仪器的应用与优势便携式植物表型平台KeyBox轻便型植物表型成像分析系统PhenoPlot二、国际作物表型组技术研究进展室内植物表型平台植物根系表型平台大田植物表型平台无人机表型平台便携式表型设备平台无人机表型平台的案例

Caruso等使用配备RGB-NIR摄像机的无人机拍摄不同种植距离的橄榄品种，发现冠层高度和冠层体积呈线性关系，为品种适宜性评估提供了依据。橄榄树冠层研究

Trevisan等利用基于时间序列的无人机成像和卷积神经网络模型进行大豆成熟度高通量表型分析，成功预测大豆成熟日期，可用于商业育种项目。大豆成熟度预测

Adama等开发基于无人机图像的高通量田间表型方法，获取不同水分条件下高粱的生长性状，模型显示出良好的性能，为高粱育种和生长管理提供支持。高粱生长性状评估华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心作物遗传改良国家重点实验室三、我国植物表型组分析平台研究进展HHIS系统组成与应用系统组成部分平移台，用于移动样本位置。控制器，管理整个系统的运行。卤素灯，提供稳定的光源。技术参数光谱范围400～1000nm，覆盖可见光至近红外区域。分辨率为2.4nm，确保高精度测量。获取1540个高光谱数据，支持详细分析。应用场景水稻全生长周期的高光谱数据采集，监测作物生长状态。量化生物量、绿叶面积和叶绿素含量等农艺特征，评估作物健康状况。探索水稻遗传变异，揭示基因与表型的关系。研究成果检测到402个影响水稻分蘖和产量的基因位点，提高育种效率。解释了30%的谷物产量差异，为产量预测提供依据。发现新的基因位点，推动水稻遗传学研究进展。华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心作物遗传改良国家重点实验室三、我国植物表型组分析平台研究进展9个关键组件HCR系统由9个关键组件构成，包括X射线源和RGB相机。高精度成像实现作物内部结构与外部形态的高精度成像。CT扫描分辨率CT扫描分辨率达97μm，确保了作物表型性状的精细捕捉。RGB成像特点RGB成像视场广阔，空间分辨率为656μm。提取表型信息高效提取水稻分蘖相关表型，结合基因组分析。加速育种进程揭示了影响产量的关键基因位点，加速了水稻育种进程。高通量micro-CT-RGB成像系统HCRHCR的主要零部件及配置（WuD等，2019）（a）HCR系统；（b）设备的平面布置图华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展多层次作物表型平台空中至田间全覆盖平台融合空中、近地面及田间尺度，实现作物表型全方位分析，满足多样化研究需求。技术创新与集成集成Leaf-GP、CropQuant、AirSurf等工具，利用移动设备、物联网及航空成像技术，提升表型分析效率。跨学科团队协作与英国诺维奇科学研究院合作，组建专业团队，推动作物表型组学国家平台建设，促进科研成果共享。华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展多层次作物表型平台英国诺维奇科学研究院和南京农业大学植物表型组学研究中心合作开发的多层次作物表型平台（ZhouJ等，2018）华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展高通量作物种子发芽表型监测平台SeedGermSeedGerm平台概述

SeedGerm平台，结合机器学习与成本效益硬件，实现大规模种子萌发与出芽表型监测。自动化分析优势软件自动分析种子大小、宽度、长度等形态特征，加速作物发芽研究与育种进程。灵活性与扩展性开源设计与模块化软件，支持不同实验需求，用户友好界面促进科研与生产应用。南京农业大学开发的高通量作物种子发芽表型监测平台华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展高通量作物测量平台Crop3D激光雷达集成平台

Crop3D平台以激光雷达为核心，集成高分辨率相机、热成像仪、高光谱成像仪，实现作物多源表型数据的同步获取。作物参数提取平台能提取株高、株幅、叶长、叶宽、叶倾角和叶面积等关键参数，提升作物表型测量的效率与精度。传统技术融合激光雷达与传统表型测量技术结合，形成集成型平台，预示着作物表型参数获取的未来趋势。科研与实践价值

Crop3D平台在作物育种、生长监测及农业科研中的应用，推动了我国农业的现代化进程。华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展高通量作物测量平台Crop3DCrop3D高通量作物三维测量平台（郭庆华等，2016）（a）平台整体结构和暗室系统；（b）传感器模块；（c）控制模块；（d）平台安装和调试华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展植物表型检测机器人LQ-PhenoUGV高稳定性运动

LQ-PhenoUGV在复杂农业环境下稳定移动，确保信息采集的准确性与可靠性。多传感器集成集成三维激光点云、多光谱影像与高分辨率影像，实现作物表型参数的全面捕捉。自动化数据分析自动提取叶面积指数、株高、茎粗等关键指标，加速作物育种筛选过程。信息化手段革新提供快速、准确的田间栽培管理信息，推动农业智能化转型。基于多传感器的植物表型检测机器人LQ-PhenoUGV华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展田间轨道式植物表型高通量自动获取平台LQ-FieldPheno分为上行式和龙门吊式平台，可高通量、全自动、高时序获取大田植物群体冠层全生育期表型信息。具有获取数据多元、时效性强、可拓展性强、性价比高、定制灵活等特点。中央成像单元集成高清图像、红外热成像、激光雷达和多光谱等多种传感器，效率高，可测量大量植物，结合作物表型自动解析软件获取到叶面积、叶色、株高、生物量、覆盖度、冠层温度等多项表型指标。（a）龙门吊式平台；（b）上行式平台华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展便携式作物茎秆强度测定仪高精度力学传感器用于实时监测作物茎秆受力情况。蓝牙无线传输将数据实时传输至智能终端。内置分析模型能够快速解读作物的抗倒伏等级。图表展示展示受力与倾斜角度的关系。轻巧设计便于在田间进行快速测试。科学依据为作物抗倒伏能力提供可靠的数据支持。华中农业大学南京农业大学中国科学院植物研究所国家农业信息化工程技术研究中心三、我国植物表型组分析平台研究进展便携式作物茎秆强度测定仪便携式作物茎秆强度测定仪（a）田地测量；（b）测定仪显示界面三、我国植物表型组分析平台研究进展表型组学研究的意义与展望解码植物基因组高通量表型组学研究能够获取大量精准的表型数据，为解码植物基因组提供有力支持。推动育种实践自动化、机器视觉和机器人技术的表型平台可实时精准监测作物表型。助力农业生产实时识别、监测作物生长状况，精准处理病虫害等问题，优化农业生产管理。智能化农业未来更多科研院所和高等院校将重视植物表型组平台和团队建设。高通量表型组学技术将不断发展，向更高通量、更高分辨率和更高自动化程度迈进。植物表型组学国际交流与合作表型组学面临的挑战未来表型组学研究方向植物表型组学研究平台的重要性促进作物育种的绿色革命四、植物表型组技术特色及展望国际植物表型网络（IPPN）成立与发展IPPN的诞生

2014年底，德国尤利希植物表型研究中心发起，全球11国17所机构响应，IPPN正式成立，旨在强化国际合作，推动植物表型组学进步。成员壮大至2019年，IPPN成员增至44个，涵盖全球范围内的大学与研究所，展现了植物表型组学研究的国际影响力与合作趋势。合作愿景IPPN致力于通过协作，加速植物表型组技术和学科发展，为作物改良和育种提供强有力的支持，促进全球农业可持续发展。植物表型组学国际交流与合作表型组学面临的挑战未来表型组学研究方向植物表型组学研究平台的重要性促进作物育种的绿色革命四、植物表型组技术特色及展望2019年中国首次主办国际会议植物表型组学国际会议植物表型组学国际交流与合作表型组学面临的挑战未来表型组学研究方向植物表型组学研究平台的重要性促进作物育种的绿色革命四、植物表型组技术特色及展望全球分布不均表型基础设施多集中于欧美，亚洲发展迅速，但仍需均衡布局。平台类型失衡环境控制平台占比过高，大田表型平台不足，需加强户外研究能力。室内外联动探索室内外表型技术融合，提升田间研究的精准度与效率。植物表型组学主要挑战根系表型技术胁迫表型研究田间表型技术数据管理和成本基础设施分布与平衡问题植物表型组学国际交流与合作表型组学面临的挑战未来表型组学研究方向植物表型组学研究平台的重要性促进作物育种的绿色革命四、植物表型组技术特色及展望根系表型技术高通量无损观测实现盆栽与大田土壤中作物根系的高通量无损观测，寻找遗传率更高的根系性状，是当前根系表型技术的关键挑战。透明介质与CT扫描常用透明生长介质或CT扫描构建三维结构成像，但无人机与传感器技术进步，为根系表型提供新途径。多尺度数据集成整合实验室与现场获取的大型多尺度数据集，利用深度学习模型量化非生物胁迫，需进一步研究与遗传信息的集成。成本与标准化缺乏统一数据采集标准，高昂的成本与低扩展性限制了表型设备的广泛应用，追求成本效益表型成为迫切需求。植物表型组学国际交流与合作表型组学面临的挑战未来表型组学研究方向植物表型组学研究平台的重要性促进作物育种的绿色革命四、植物表型组技术特色及展望非生物胁迫研究非生物胁迫调控深度学习应用传感器技术融合实验室与现场结合遗传与组学整合加速胁迫表型研究推动作物适应性改良助力精准农业发展植物表型组学国际交流与合作表型组学面临的挑