作物表型組大數(shù)據(jù)技術(shù)及裝備發(fā)展研究

溫維亮 ，郭新宇 ，張穎 ，顧生浩 ，趙春江 ＊

（1. 北京市農(nóng)林科學(xué)院信息技術(shù)研究中心，北京 100097；2. 國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；3. 數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室，北京 100097）

一、前言

作物表型指能夠反映作物細(xì)胞、組織、器官、植株、群體結(jié)構(gòu)及功能特征的物理、生理、生化性狀，實(shí)質(zhì)上是作物基因圖譜的時(shí)序三維表達(dá)、地域分異特征、代際演進(jìn)規(guī)律[1]。隨著作物科學(xué)、計(jì)算機(jī)科學(xué)與工程等領(lǐng)域協(xié)同研究程度的不斷提高，通過多源傳感、理化分析等方式采集的作物表型數(shù)據(jù)積累形成了多維度、多尺度的作物表型組大數(shù)據(jù)。作物表型性狀的復(fù)雜程度決定了表型組大數(shù)據(jù)的獲取、解析、管理、應(yīng)用是極大的科學(xué)系統(tǒng)工程。

當(dāng)前，作物表型組大數(shù)據(jù)已成為國際農(nóng)業(yè)科學(xué)、生命科學(xué)領(lǐng)域的戰(zhàn)略前沿方向[2]，也被視為種業(yè)科技發(fā)展的核心競(jìng)爭力[3]。在我國，與信息技術(shù)、智能裝備深度融合的作物表型組學(xué)成為搶占未來農(nóng)業(yè)產(chǎn)業(yè)發(fā)展制高點(diǎn)的關(guān)鍵內(nèi)容，相關(guān)研究發(fā)展趨勢(shì)鮮明：由新興學(xué)科建設(shè)轉(zhuǎn)向?qū)W科規(guī)?；ㄔO(shè)，由單一尺度及關(guān)鍵時(shí)間點(diǎn)的表型解析轉(zhuǎn)向綜合化、智能化及全生命周期的連續(xù)檢測(cè)，表型數(shù)據(jù)組內(nèi)關(guān)聯(lián)轉(zhuǎn)向多組學(xué)協(xié)同創(chuàng)新。

近年來，研究者從作物表型獲取技術(shù)、表型平臺(tái)裝備、表型解析算法、多組學(xué)數(shù)據(jù)挖掘分析等方面著手，分析了作物表型組學(xué)的發(fā)展歷史、面臨挑戰(zhàn)、未來趨勢(shì)[4～10]。然而，立足國情并把握行業(yè)發(fā)展實(shí)際，圍繞我國作物表型組大數(shù)據(jù)技術(shù)及裝備開展的綜合性發(fā)展研究依然缺乏。為此，本文立足國內(nèi)外作物表型組學(xué)已有研究成果，結(jié)合我國作物表型組大數(shù)據(jù)技術(shù)及裝備的研發(fā)現(xiàn)狀和產(chǎn)業(yè)發(fā)展實(shí)際，明晰定位、梳理現(xiàn)狀、剖析問題并形成技術(shù)性發(fā)展建議，以期為作物表型組學(xué)及農(nóng)業(yè)科技發(fā)展研究提供基礎(chǔ)參考。

二、作物表型組大數(shù)據(jù)技術(shù)及裝備的發(fā)展需求與產(chǎn)業(yè)牽引

作物表型組大數(shù)據(jù)技術(shù)及裝備正處于快速發(fā)展階段，既是我國農(nóng)業(yè)科研和生產(chǎn)的需要，也得益于作物表型產(chǎn)業(yè)的牽引。

（一）作物表型組大數(shù)據(jù)技術(shù)及裝備發(fā)展需求分析

1. 實(shí)現(xiàn)種業(yè)科技自立自強(qiáng)的需要

開展種業(yè)“卡脖子”技術(shù)攻關(guān)、打好種業(yè)翻身仗、建設(shè)種業(yè)強(qiáng)國，離不開作物表型組大數(shù)據(jù)技術(shù)及裝備的關(guān)鍵支撐。表型數(shù)據(jù)的檢測(cè)貫穿于種業(yè)生產(chǎn)的品種繁育、品種測(cè)試、示范推廣各個(gè)環(huán)節(jié)，但傳統(tǒng)的表型采集和鑒定方法費(fèi)時(shí)耗力、標(biāo)準(zhǔn)化程度不足，迫切需要表型組大數(shù)據(jù)技術(shù)裝備有力支撐育種決策?，F(xiàn)代作物表型組大數(shù)據(jù)技術(shù)及裝備的發(fā)展最早是由巴斯夫股份公司、拜爾集團(tuán)、孟山都公司等全球種業(yè)巨頭推動(dòng)的，旨在通過信息感知、自動(dòng)控制、智能解析技術(shù)提升作物表型檢測(cè)的通量、效率和標(biāo)準(zhǔn)化程度。在人工氣候室內(nèi)設(shè)置理想種植條件，通過調(diào)節(jié)光周期促進(jìn)植物生長達(dá)到加代目的，在一年內(nèi)得到4～6 代，大幅縮短育種周期[11]。借助作物表型組大數(shù)據(jù)技術(shù)裝備和分子育種輔助技術(shù)，有望實(shí)現(xiàn)加速育種技術(shù)的革命性突破[12]。

2. 推進(jìn)作物種質(zhì)資源表型性狀精準(zhǔn)化、規(guī)?；b定的需要

農(nóng)作物種質(zhì)資源是保障國家糧食安全與重要農(nóng)產(chǎn)品供給的戰(zhàn)略性資源，農(nóng)業(yè)科技原始創(chuàng)新與現(xiàn)代種業(yè)發(fā)展的物質(zhì)基礎(chǔ)。作物表型鑒定通過表征作物種質(zhì)資源的農(nóng)藝性狀、產(chǎn)量性狀、品質(zhì)性狀、抗性性狀等特性，旨在發(fā)掘具有生產(chǎn)利用價(jià)值但未被充分利用的特異性種質(zhì)及其基因[13]。我國農(nóng)作物種質(zhì)資源評(píng)價(jià)多為單一性狀、單一環(huán)境下的鑒定結(jié)果，缺乏基因信息和綜合評(píng)價(jià)，限制了種質(zhì)資源在育種中的有效利用（《全國農(nóng)作物種質(zhì)資源保護(hù)與利用中長期發(fā)展規(guī)劃（2015—2030年）》）。目前，我國農(nóng)作物種質(zhì)資源80%以上來自國內(nèi)，遺傳多樣性不足；在長期保存的52萬份種質(zhì)資源中，開展基因型和表型精準(zhǔn)鑒定的數(shù)量不到10%；在現(xiàn)存的2.5萬份玉米、4萬份小麥和8萬份水稻種質(zhì)資源中，開展深度鑒定的只有5%[14]。此外，作物的抗旱、抗倒、高光效等綜合表型是多基因控制的復(fù)雜數(shù)量性狀，對(duì)表型鑒定提出了較高要求。亟需借助作物表型組大數(shù)據(jù)技術(shù)及裝備，開展表型性狀規(guī)?；?、精準(zhǔn)化鑒定，以有效推進(jìn)作物種質(zhì)資源的保護(hù)與利用。

3. 加快突破作物重要性狀形成機(jī)制基礎(chǔ)研究的需要

農(nóng)作物高產(chǎn)、優(yōu)質(zhì)、高效及其協(xié)同改良是作物科學(xué)重要的研究內(nèi)容。綜合利用遺傳學(xué)、基因組學(xué)、分子生物學(xué)等技術(shù)手段，挖掘株型、穗型、種子大小等產(chǎn)量性狀，蛋白質(zhì)、油分、硬度等品質(zhì)性狀，養(yǎng)分吸收、轉(zhuǎn)運(yùn)、代謝等養(yǎng)分高效利用性狀的關(guān)鍵調(diào)控基因，闡明高產(chǎn)、優(yōu)質(zhì)、高效協(xié)同改良的分子調(diào)控網(wǎng)絡(luò)，對(duì)創(chuàng)制產(chǎn)量、品質(zhì)、資源高效利用均顯著提升的優(yōu)異新基因資源具有重要意義。然而，傳統(tǒng)的表型測(cè)定方法存在通量低、標(biāo)準(zhǔn)不一致、深度不足等問題，限制了重要性狀形成機(jī)制的突破進(jìn)程[12]。借助作物表型組大數(shù)據(jù)技術(shù)裝備，可以從作物近緣種、野生種、地方品種中找到克服各類逆境的性狀，深入開展控制優(yōu)異性狀的關(guān)鍵基因和遺傳網(wǎng)絡(luò)解析，進(jìn)而克隆相關(guān)基因[15]，為分子設(shè)計(jì)育種[16]的定向改良提供基因資源。

4. 提升作物智慧生產(chǎn)信息感知技術(shù)裝備的需要

制定作物生產(chǎn)中耕、種、管、收等關(guān)鍵環(huán)節(jié)的作業(yè)方案，離不開對(duì)農(nóng)田長勢(shì)狀況的判定。當(dāng)前，我國農(nóng)作物在生產(chǎn)過程中主要依靠人工到田間地頭利用肉眼進(jìn)行觀測(cè)、憑借經(jīng)驗(yàn)進(jìn)行決策，造成農(nóng)業(yè)生產(chǎn)效率不高，還會(huì)存在誤判和漏判的風(fēng)險(xiǎn)，直接影響作物產(chǎn)量和農(nóng)民效益的提升。理論和實(shí)踐均表明，作物表型組大數(shù)據(jù)技術(shù)及裝備可應(yīng)用于糧食、蔬菜、花卉等大多數(shù)農(nóng)作物生產(chǎn)管理環(huán)節(jié)的長勢(shì)診斷，通過移動(dòng)式或固定式平臺(tái)搭載可見光、光譜、激光雷達(dá)、紅外熱成像等傳感器，快速分析不同尺度農(nóng)田作物的長勢(shì)、水分、氮營養(yǎng)、病蟲害、產(chǎn)量等信息；結(jié)合作物生長模型[17]和知識(shí)管理模型，定量估算作物對(duì)水、肥、藥的需求量，進(jìn)而指導(dǎo)農(nóng)業(yè)機(jī)械進(jìn)行精準(zhǔn)作業(yè)，實(shí)現(xiàn)作物產(chǎn)量、品質(zhì)、資源利用效率的協(xié)同提升[18]。

（二）以作物表型組大數(shù)據(jù)技術(shù)及裝備為核心的表型產(chǎn)業(yè)方興未艾

1. 市場(chǎng)規(guī)模迅速增長

植物表型市場(chǎng)規(guī)模正在經(jīng)歷快速增長。Coherent Market Insights 公司的研究報(bào)告顯示，2021 年全球植物表型市場(chǎng)規(guī)模約為1.84億美元，預(yù)計(jì)2028年為3.87 億美元，復(fù)合年增長率為11.2%[19]。該市場(chǎng)的迅速增長主要得益于以下方面：一是全球氣候變化和人口增長，使國際糧食安全面臨嚴(yán)峻挑戰(zhàn)，迫切需要通過科技創(chuàng)新提升糧食產(chǎn)能[20]；二是信息技術(shù)的快速發(fā)展，如機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、傳感器網(wǎng)絡(luò)、空天遙感的不斷進(jìn)步，使植物表型檢測(cè)和鑒定變得更加自動(dòng)化、數(shù)字化、高通量，提高了評(píng)估效率和準(zhǔn)確性[9]；三是育種基礎(chǔ)性研究需求的持續(xù)增加，對(duì)作物種質(zhì)資源表型性狀鑒定提出了多生境、時(shí)序性、優(yōu)質(zhì)多抗的要求[13]；四是政策和資金的支持，為市場(chǎng)主體在技術(shù)研發(fā)和推廣應(yīng)用方面創(chuàng)造了良好環(huán)境。

2. 產(chǎn)業(yè)鏈條逐步延伸

當(dāng)前，作物表型組大數(shù)據(jù)技術(shù)及裝備主要應(yīng)用于基因鑒定[21]、種質(zhì)資源表型鑒定[13]、生物和非生物脅迫的無損檢測(cè)等作物科學(xué)研究[22]。面對(duì)保障國際糧食安全和農(nóng)產(chǎn)品質(zhì)量安全、促進(jìn)農(nóng)業(yè)增產(chǎn)與農(nóng)民增收等世界各國的共同訴求，作物表型組大數(shù)據(jù)技術(shù)裝備還可應(yīng)用于農(nóng)業(yè)生產(chǎn)智能化管理、農(nóng)產(chǎn)品質(zhì)量無損檢測(cè)、農(nóng)產(chǎn)品智能收獲等多類場(chǎng)景，為不同農(nóng)業(yè)產(chǎn)業(yè)市場(chǎng)主體（如家庭農(nóng)場(chǎng)、植物育種公司、農(nóng)業(yè)科研機(jī)構(gòu)、智慧農(nóng)業(yè)公司、農(nóng)產(chǎn)品貿(mào)易商）提供信息化技術(shù)和智能化裝備支撐。

3. 商業(yè)模式不斷涌現(xiàn)

全球作物表型產(chǎn)業(yè)的業(yè)務(wù)和產(chǎn)品主要以表型獲取基礎(chǔ)設(shè)施平臺(tái)的搭建為主，如大田的龍門吊式平臺(tái)、溫室的懸掛式軌道平臺(tái)、地面移動(dòng)式平臺(tái)、低空無人機(jī)平臺(tái)等[7]。按照產(chǎn)品品類口徑，2021 年全球植物表型市場(chǎng)中硬件設(shè)備占主導(dǎo)，超過軟件和傳感器之和。也要注意到，基于傳感器數(shù)據(jù)的解析指標(biāo)主要是形態(tài)指標(biāo)，缺乏對(duì)深度表型和綜合性狀的解析，因而提供智能化的表型解析軟件和在線化的表型分析平臺(tái)將成為新的商業(yè)模式。作物表型平臺(tái)是涉及到自動(dòng)控制、數(shù)據(jù)傳輸、設(shè)備調(diào)試、系統(tǒng)集成等環(huán)節(jié)的復(fù)雜系統(tǒng)[23]，其運(yùn)行保障、硬件維護(hù)、軟件服務(wù)等具有一定的技術(shù)門檻，將成為作物表型產(chǎn)業(yè)的另一類商業(yè)模式。

4. 育種龍頭企業(yè)發(fā)展的必由途徑

構(gòu)建以商業(yè)化育種流程管理軟件、表型高通量精準(zhǔn)鑒定平臺(tái)、表型組大數(shù)據(jù)管理系統(tǒng)等信息技術(shù)和智能裝備為核心的商業(yè)化育種技術(shù)體系，是育種企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)、實(shí)現(xiàn)數(shù)字技術(shù)賦能企業(yè)生產(chǎn)經(jīng)營的重要內(nèi)容，具有分段式、流程化、標(biāo)準(zhǔn)化的特點(diǎn)，有助于縮短大規(guī)模育種周期、促進(jìn)企業(yè)提質(zhì)增效。國際種業(yè)巨頭如拜耳集團(tuán)、先鋒公司、巴斯夫股份公司等，高度重視作物表型組學(xué)的發(fā)展及其產(chǎn)業(yè)應(yīng)用，紛紛部署作物表型高通量獲取平臺(tái)及設(shè)施并納入商業(yè)化育種和發(fā)展數(shù)字種業(yè)的業(yè)務(wù)流程。作為我國種業(yè)龍頭企業(yè)的北大荒墾豐種業(yè)股份有限公司已于2016年建設(shè)運(yùn)行了高通量表型精準(zhǔn)鑒定平臺(tái)，華為技術(shù)有限公司正在積極探索表型機(jī)器人和智慧育種多組學(xué)大模型，袁隆平農(nóng)業(yè)高科技股份有限公司、甘肅省敦煌種業(yè)集團(tuán)有限公司等企業(yè)也在積極建設(shè)相關(guān)能力。

三、作物表型組大數(shù)據(jù)技術(shù)及裝備研發(fā)現(xiàn)狀

作物表型組大數(shù)據(jù)是一項(xiàng)科學(xué)系統(tǒng)工程，以作物育種和栽培的實(shí)際需求為導(dǎo)向，依賴傳感器、表型平臺(tái)、無線通信、數(shù)據(jù)庫、大數(shù)據(jù)分析等現(xiàn)代信息技術(shù)和機(jī)械裝備，需要農(nóng)學(xué)、植物學(xué)、自動(dòng)化、機(jī)械工程、圖形圖像、計(jì)算機(jī)科學(xué)等多學(xué)科緊密協(xié)作，才能將作物表型組大數(shù)據(jù)最終轉(zhuǎn)化為生物學(xué)和農(nóng)學(xué)新知識(shí)。借鑒大數(shù)據(jù)知識(shí)工程發(fā)現(xiàn)模式[24]，作物表型組大數(shù)據(jù)從數(shù)據(jù)的產(chǎn)生到最后的應(yīng)用，可分為物理層、傳輸層、數(shù)據(jù)層、知識(shí)層、應(yīng)用服務(wù)層（見圖1）。

圖1 作物表型組大數(shù)據(jù)技術(shù)及裝備從研發(fā)到應(yīng)用路線圖

（一）物理層

21 世紀(jì)以來，在作物表型數(shù)據(jù)高通量獲取方面，以各類新型物理、化學(xué)和生物（生理）傳感器、圖形圖像技術(shù)、人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)為代表的新一代表型獲取技術(shù)體系，正在為作物研究提供海量表型和環(huán)境數(shù)據(jù)源[25]。物理層指利用傳感器、表型平臺(tái)等數(shù)據(jù)獲取手段，獲取作物的圖像、點(diǎn)云、光譜等初始表型數(shù)據(jù)，重點(diǎn)關(guān)注數(shù)據(jù)的高通量獲??；具體又可分為傳感器、成像單元、表型平臺(tái)三方面。

1. 作物表型傳感器

作物表型常用的傳感器有可見光相機(jī)、深度相機(jī)、多光譜相機(jī)、高光譜相機(jī)、激光雷達(dá)[26]、熱紅外相機(jī)、葉綠素?zé)晒鈧鞲衅鞯取Ｄ壳?，可見光相機(jī)是應(yīng)用最為廣泛的傳感器，其次是多光譜相機(jī)、高光譜相機(jī)、激光雷達(dá)等[10]?？梢姽庀鄼C(jī)滿足多數(shù)條件下的作物表型成像需求，具有分辨率高、采集快的特點(diǎn)，但在復(fù)雜田間條件下連續(xù)采集的穩(wěn)定性仍待提升。近年來，激光雷達(dá)、深度相機(jī)、多光譜相機(jī)、熱紅外相機(jī)等傳感器的分辨率、精度和穩(wěn)定性顯著提升，成本逐步降低，為作物表型提供了多種選擇方案，但整體而言分辨率和精度仍有較大提升空間。高光譜相機(jī)、葉綠素?zé)晒鈧鞲衅鞒杀据^高且成像范圍有限，在表型研究中的使用率有待提升。

2. 作物表型成像單元

多源表型數(shù)據(jù)的時(shí)空同步獲取是表型信息采集的重要趨勢(shì)，有利于提升效率和精度。作物表型成像單元意在整合多傳感器以實(shí)現(xiàn)表型數(shù)據(jù)的時(shí)空同步采集，可分為多源成像單元、同源多個(gè)傳感器組成的成像單元。典型的多源成像單元如Altum三合一傳感器可以實(shí)現(xiàn)多光譜、熱成像、RGB信息的同步采集；PlantEye 可以實(shí)現(xiàn)點(diǎn)云、RGB、多光譜數(shù)據(jù)的同步獲取與實(shí)時(shí)解析；CropLidar 集成了激光雷達(dá)、多光譜、可見光傳感器，可以掛載于無人機(jī)或軌道式平臺(tái)實(shí)現(xiàn)多源數(shù)據(jù)同步采集。典型的同源成像單元是多目立體視覺系統(tǒng)，成像單元可以掛載于無人機(jī)、軌道式、車載式等平臺(tái)。高集成度、小型化、同步控制、數(shù)據(jù)實(shí)時(shí)融合解析是作物成像單元的難點(diǎn)問題。

3. 作物高通量表型平臺(tái)

作物高通量表型平臺(tái)系統(tǒng)整合了傳感器或成像單元，通過傳動(dòng)裝置、系統(tǒng)控制、數(shù)據(jù)傳輸與計(jì)算等實(shí)現(xiàn)高通量、自動(dòng)化的表型數(shù)據(jù)采集。近年來，室內(nèi)植物表型平臺(tái)、大田植物表型平臺(tái)、便攜式表型采集設(shè)備、地面及航空機(jī)器人采集平臺(tái)等多層次表型獲取技術(shù)發(fā)展迅猛[7,27]。國內(nèi)作物表型平臺(tái)建設(shè)及應(yīng)用發(fā)展迅速，但主要依靠進(jìn)口。中國農(nóng)業(yè)科學(xué)院生物技術(shù)研究所、中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所、北大荒墾豐種業(yè)股份有限公司、上海市農(nóng)業(yè)科學(xué)院等分別購置并部署了LemnaTec 高通量表型平臺(tái)，實(shí)現(xiàn)最多680 盆作物植株的高通量數(shù)據(jù)采集。南京農(nóng)業(yè)大學(xué)作物表型交叉研究中心構(gòu)建了掛載多個(gè)PlantEye 傳感器的田間高通量表型平臺(tái)FieldScan、溫室傳送型高通量作物表型平臺(tái)PhenoConveyor。在自主研發(fā)方面，華中農(nóng)業(yè)大學(xué)研制了國內(nèi)第一套水稻表型自動(dòng)檢測(cè)分析系統(tǒng)[28]，陸續(xù)發(fā)展了室內(nèi)流水線式作物單株表型平臺(tái)、水稻考種機(jī)等；南京農(nóng)業(yè)大學(xué)自主設(shè)計(jì)并建造了田間作物表型艙、人工智能氣候艙；北京市農(nóng)林科學(xué)院信息技術(shù)研究中心先后研發(fā)了溫室軌道式[29]、大田軌道式[23]、室內(nèi)流水線式、便攜式[30]、無人機(jī)和果穗考種[31]等表型平臺(tái)。

（二）傳輸層

作物表型傳感器、表型平臺(tái)獲取到表型數(shù)據(jù)后，需要將之傳輸?shù)骄哂懈咝阅苡?jì)算能力的服務(wù)器進(jìn)行數(shù)據(jù)解析。作物表型數(shù)據(jù)量龐大，數(shù)據(jù)傳輸受到距離、速度等諸多因素的限制。雖然在采集端基于邊緣計(jì)算[32]的作物表型實(shí)時(shí)解析是降低數(shù)據(jù)傳輸任務(wù)量的解決方案和未來趨勢(shì)，但尚未廣泛應(yīng)用，也在一定程度上降低了高分辨率數(shù)據(jù)的應(yīng)用質(zhì)量。數(shù)據(jù)上云并在云端解析是表型數(shù)據(jù)處理的發(fā)展方向，故表型數(shù)據(jù)的傳輸仍是作物表型組大數(shù)據(jù)鏈條中的重要問題。目前，固定區(qū)域的表型平臺(tái)可通過網(wǎng)絡(luò)傳輸，但多無法達(dá)到實(shí)時(shí)水平。例如，在田間或溫室軌道式表型平臺(tái)附近構(gòu)建控制室，通過有線或無線的方式進(jìn)行數(shù)據(jù)傳輸[23]；對(duì)于小型化的表型平臺(tái)，可構(gòu)建局域網(wǎng)減少控制和數(shù)據(jù)傳輸所用線纜[33]，提升平臺(tái)整體性能。對(duì)于非固定區(qū)域的表型平臺(tái)如無人機(jī)、便攜式平臺(tái)等，多采用人工拷貝的方式下載數(shù)據(jù)。5G 技術(shù)是未來表型平臺(tái)數(shù)據(jù)傳輸?shù)睦硐虢鉀Q方案，但需部署基站而增加表型平臺(tái)的建設(shè)成本。

（三）數(shù)據(jù)層

數(shù)據(jù)層（又稱信息層）指由獲取的原始數(shù)據(jù)到含有語義信息、高度結(jié)構(gòu)化表型性狀的過程，具體包括表型解析、數(shù)據(jù)計(jì)算、數(shù)據(jù)庫構(gòu)建三部分。

1. 表型解析算法

在作物表型智能解析方面，將初始數(shù)據(jù)轉(zhuǎn)化為具有生物學(xué)意義的表型性狀至關(guān)重要。近年來，各類計(jì)算機(jī)視覺算法、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法在表型數(shù)據(jù)解析中得到大規(guī)模應(yīng)用，極大地推動(dòng)了表型大數(shù)據(jù)的分類、解析與可視化。通過融合專家先驗(yàn)知識(shí)，從各種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)中實(shí)現(xiàn)了作物形態(tài)結(jié)構(gòu)[34,35]、顏色紋理[36]、生理生化[37]、生育動(dòng)態(tài)[38]等重要表型性狀的解析。由于圖像數(shù)據(jù)便于獲取、數(shù)據(jù)標(biāo)注方便、面向圖像的深度學(xué)習(xí)框架較為豐富，基于圖像的作物表型解析算法應(yīng)用進(jìn)展良好[39]，在實(shí)時(shí)性和穩(wěn)定性方面達(dá)到較好的效果；而基于點(diǎn)云和光譜等數(shù)據(jù)的作物表型解析算法研究及應(yīng)用相對(duì)滯后。

2. 數(shù)據(jù)計(jì)算

表型解析的計(jì)算效率決定了后續(xù)應(yīng)用的實(shí)時(shí)性。目前，作物表型數(shù)據(jù)主要是在采集后通過實(shí)驗(yàn)室中的高性能工作站進(jìn)行計(jì)算解析。在采集端進(jìn)行實(shí)時(shí)計(jì)算解析以圖像表型和測(cè)距為主，多在數(shù)據(jù)的精度上有所折衷；但這種實(shí)時(shí)計(jì)算在以栽培為應(yīng)用場(chǎng)景的實(shí)時(shí)決策中非常重要，需逐步引入邊緣計(jì)算以提升數(shù)據(jù)計(jì)算的實(shí)時(shí)性。此外，由于獲取的初始表型數(shù)據(jù)體量較大，需在自動(dòng)化、管道化的表型解析算法基礎(chǔ)上，由部署在云端的算力進(jìn)行數(shù)據(jù)的云計(jì)算。

3. 表型數(shù)據(jù)庫構(gòu)建

作物表型數(shù)據(jù)庫主要用于系統(tǒng)地整理結(jié)構(gòu)化和半結(jié)構(gòu)化的作物表型大數(shù)據(jù)[40]。研究者致力于開發(fā)表型數(shù)據(jù)管理系統(tǒng)[41]并建立包含多物種、多品種、多生境、多尺度的作物表型數(shù)據(jù)庫。受表型數(shù)據(jù)獲取手段、數(shù)據(jù)解析算法、作物種質(zhì)資源等因素的限制，構(gòu)建的作物表型數(shù)據(jù)庫多是圍繞單一物種的單一尺度表型組數(shù)據(jù)庫，如顯微尺度的玉米莖稈維管束表型數(shù)據(jù)庫[42]、用于分布式植物表型分析的開源信息管理系統(tǒng)——基于物聯(lián)網(wǎng)的表型數(shù)據(jù)分析平臺(tái)（CropSight）[43]等。

隨著高通量檢測(cè)技術(shù)的快速發(fā)展，作物生物學(xué)數(shù)據(jù)朝著多組學(xué)、多維度的層面快速積累。多組學(xué)信息的系統(tǒng)整合將進(jìn)一步加速作物遺傳研究、改良作物的優(yōu)異農(nóng)藝性狀。2020年，華中農(nóng)業(yè)大學(xué)成功整合了來自同一玉米群體的基因組、轉(zhuǎn)錄組、表型組、代謝組、表觀基因組、遺傳變異、遺傳定位結(jié)果等多組學(xué)數(shù)據(jù)，構(gòu)建了玉米定制化多組學(xué)數(shù)據(jù)庫（ZEAMAP）[44]；通過多維度生物組學(xué)數(shù)據(jù)的聯(lián)合分析，挖掘株型、產(chǎn)量等性狀相關(guān)的重要基因和遺傳變異，實(shí)現(xiàn)了玉米多組學(xué)數(shù)據(jù)“云端”集成、快速檢索、智能分析，為分子設(shè)計(jì)育種提供了理論基礎(chǔ)[45]。2022年，北京市農(nóng)林科學(xué)院通過人工和前沿表型組學(xué)技術(shù)對(duì)全球超過1000份生菜種質(zhì)資源進(jìn)行表型數(shù)據(jù)獲取，結(jié)合超過1000種生菜品種的重測(cè)序數(shù)據(jù)，構(gòu)建了綜合生菜數(shù)據(jù)庫（LettuceGDB）[46]。

（四）知識(shí)層

知識(shí)層旨在從多源海量的作物表型組大數(shù)據(jù)中挖掘出能用于解決特定領(lǐng)域問題的知識(shí)，通過數(shù)據(jù)知識(shí)化實(shí)現(xiàn)數(shù)據(jù)增值[24]，主要分為表型精準(zhǔn)鑒定、多組學(xué)分析兩類。

1. 表型精準(zhǔn)鑒定

表型信息的獲取是作物種質(zhì)資源精準(zhǔn)鑒定的重要環(huán)節(jié)。傳統(tǒng)人工檢測(cè)的問題日益突出，必須綜合考量準(zhǔn)確性、通量、成本之間的平衡。隨著作物表型技術(shù)及裝備的發(fā)展完善，表型獲取通量、指標(biāo)解析精度、效率等得到顯著提升，為種質(zhì)資源的規(guī)?；⑴炕b定評(píng)價(jià)提供了硬件基礎(chǔ)和技術(shù)支撐。國內(nèi)外科研單位、種業(yè)優(yōu)勢(shì)企業(yè)研發(fā)了以“作物表型高通量獲取 - 智能解析 - 模型計(jì)算 - 大數(shù)據(jù)分析 -表型精準(zhǔn)鑒定”為主線的技術(shù)體系，在高光效[47]、抗倒伏[48]、高水效[49]等綜合性狀表型精準(zhǔn)鑒定中得到成熟應(yīng)用。我國農(nóng)作物資源豐富，但在種質(zhì)資源精準(zhǔn)鑒定方面與國外相比還有較大差距。隨著高通量表型技術(shù)的發(fā)展與完善，在完成主要作物基因組精細(xì)圖譜繪制、作物種質(zhì)資源基因組重測(cè)序的基礎(chǔ)上，系統(tǒng)且精準(zhǔn)地鑒定作物遺傳資源重要農(nóng)藝性狀（如產(chǎn)量、品質(zhì)、抗病、耐逆、養(yǎng)分高效等），深入挖掘重要農(nóng)藝性狀優(yōu)異等位變異并闡明其形成的分子機(jī)制，不僅可為我國作物育種取得新突破、保障農(nóng)業(yè)可持續(xù)發(fā)展提供優(yōu)異資源和重要基因，而且可為解析作物馴化與改良的分子機(jī)制提供理論依據(jù)。

2. 多組學(xué)分析

隨著高通量測(cè)序技術(shù)的發(fā)展與完善，單組學(xué)研究日趨成熟，而整合多組學(xué)數(shù)據(jù)研究植物生長發(fā)育的工作方興未艾。多組學(xué)研究在作物重要基因挖掘、全基因組關(guān)聯(lián)分析、基因表達(dá)調(diào)控網(wǎng)絡(luò)構(gòu)建、作物全基因組選擇、系統(tǒng)生物學(xué)研究等方面發(fā)揮著日益重要的作用。基于豐富的多組學(xué)數(shù)據(jù)，差異表達(dá)基因識(shí)別、復(fù)雜表型的轉(zhuǎn)錄因子識(shí)別或代謝物富集等遺傳調(diào)控研究進(jìn)展迅速，代表性工作有：利用顯微電子計(jì)算機(jī)斷層掃描（CT）表型技術(shù)結(jié)合全基因組關(guān)聯(lián)分析（GWAS），鑒定到調(diào)控維管束數(shù)目、維管束分布密度等性狀的特異候選基因[42]；利用高通量表型平臺(tái)對(duì)玉米進(jìn)行連續(xù)無損檢測(cè)，揭示玉米抗旱的遺傳基礎(chǔ)以及潛在抗旱位點(diǎn)[50]；基于三維全自動(dòng)高通量表型分析平臺(tái)，通過提取圖像性狀（i-traits）結(jié)合全基因組關(guān)聯(lián)研究（GWAS），解析玉米株高形成的動(dòng)態(tài)遺傳基礎(chǔ)和調(diào)控網(wǎng)絡(luò)[51]；結(jié)合表型數(shù)據(jù)和預(yù)測(cè)模型，揭示調(diào)控玉米節(jié)間發(fā)育的基因表達(dá)模式，發(fā)掘一批參與節(jié)間數(shù)和節(jié)間長度形成的候選基因，驗(yàn)證關(guān)鍵候選基因ZmD1調(diào)控玉米節(jié)間發(fā)育的分子機(jī)制[52]；基于二維圖像根系高通量表型平臺(tái)，發(fā)掘81個(gè)玉米根系構(gòu)型候選基因，利用轉(zhuǎn)基因玉米明確其中兩個(gè)候選基因（ZmRSA3.1、ZmRSA3.2）的功能[53]。

2020 年，Nature Review Genetics期刊以“遺傳學(xué)和基因組學(xué)的未來之路”為題刊登述評(píng)，將“解碼多因素表型”列為未來重點(diǎn)方向之一?；蛘{(diào)控網(wǎng)絡(luò)（GRN）對(duì)多個(gè)基因表達(dá)的調(diào)控以及GRN 的變化如何引起特定細(xì)胞、組織、器官、植株的反應(yīng)，將是解碼多因素表型的有效途徑。涵蓋微觀表型與宏觀表型多尺度的作物表型組大數(shù)據(jù)，將大規(guī)模發(fā)現(xiàn)基因、表型、環(huán)境之間，微觀表型與宏觀表型之間的跨尺度關(guān)聯(lián)及相互作用，精準(zhǔn)解析表型與分子機(jī)制之間未發(fā)現(xiàn)的聯(lián)系，從而構(gòu)建精準(zhǔn)的“基因 - 表型 - 環(huán)境”調(diào)控網(wǎng)絡(luò)[45]。

（五）應(yīng)用層

1. 數(shù)字育種

多組學(xué)的智能設(shè)計(jì)育種是新一代育種核心技術(shù)。作物智能設(shè)計(jì)育種在作物基因組學(xué)、表型組學(xué)等大數(shù)據(jù)的基礎(chǔ)上，通過機(jī)器學(xué)習(xí)等智能算法構(gòu)建目標(biāo)作物品種的性狀預(yù)測(cè)模型，預(yù)測(cè)雜交種的各種農(nóng)藝性狀表現(xiàn)，能夠優(yōu)化品種選育技術(shù)路線、提高精準(zhǔn)育種效率、快速實(shí)現(xiàn)育種目標(biāo)[54,55]。孟山都公司在其創(chuàng)建的現(xiàn)代農(nóng)業(yè)育種流程中，利用高通量表型精準(zhǔn)鑒定并與基因組數(shù)據(jù)偶聯(lián)對(duì)植物進(jìn)行改良，選育出許多優(yōu)異種質(zhì)材料，顯著提高了育種效率。目前，利用高通量表型實(shí)現(xiàn)作物育種的應(yīng)用案例還較少。這是因?yàn)椋环矫嬉痪€育種學(xué)家更傾向于圍繞具有直觀生物學(xué)意義的表型性狀（breeder-oriented）開展育種研究，另一方面利用圖像、點(diǎn)云、光譜數(shù)據(jù)解析得到的綜合表型（technology-oriented）所表征的性狀較為復(fù)雜，難以直接與育種目標(biāo)性狀建立關(guān)聯(lián)，尚未在育種中廣泛應(yīng)用[56]。

2. 智慧栽培

作物智慧栽培旨在建立覆蓋耕、種、管、收作物生產(chǎn)全程，人、機(jī)、物全生產(chǎn)要素互聯(lián)互通并可互操作的智能管控平臺(tái)，實(shí)現(xiàn)良田 - 良種 - 良法、信息 - 農(nóng)藝 - 農(nóng)機(jī)的有機(jī)融合，最終達(dá)到作物高產(chǎn)、優(yōu)質(zhì)、高效、生態(tài)、安全的生產(chǎn)目標(biāo)[57]。作物智慧栽培對(duì)作物的感知即利用作物表型組大數(shù)據(jù)技術(shù)及裝備，對(duì)作物生產(chǎn)過程中的作物參量進(jìn)行實(shí)時(shí)采集，進(jìn)而為定量作物生產(chǎn)系統(tǒng)各要素的關(guān)系、優(yōu)化生產(chǎn)技術(shù)規(guī)程及管理方案提供數(shù)據(jù)支撐。當(dāng)前，利用無人機(jī)獲取田間作物長相長勢(shì)表型信息可指導(dǎo)田間作物病害的防控和管理，利用圖像深度學(xué)習(xí)方法可實(shí)現(xiàn)田間機(jī)器人的除草作業(yè)，但受表型獲取技術(shù)裝備時(shí)效性的限制，尚難以將農(nóng)機(jī)與表型技術(shù)裝備高效整合。因此，整合農(nóng)機(jī)與表型技術(shù)裝備、在田間打通“聯(lián)接 - 感知 - 認(rèn)知 - 管控”通道、實(shí)現(xiàn)田間栽培管理的實(shí)時(shí)感知和決策，是未來作物表型組大數(shù)據(jù)技術(shù)及裝備開展智慧栽培應(yīng)用的難點(diǎn)和方向。

3. 實(shí)用性分析

從應(yīng)用角度出發(fā)，用戶主要關(guān)心作物表型大數(shù)據(jù)技術(shù)及裝備的數(shù)據(jù)獲取自動(dòng)化水平、數(shù)據(jù)處理在線化水平、最終得到表型性狀的數(shù)據(jù)精度水平。然而，這些實(shí)用性指標(biāo)受到諸多因素的影響（見圖2）：① 目標(biāo)作物本身的形態(tài)結(jié)構(gòu)復(fù)雜性以及栽培 / 部署的一致性，對(duì)于表型獲取和解析具有根本性的影響；② 表型數(shù)據(jù)獲取環(huán)節(jié)的傳感器、成像單元和表型平臺(tái)決定了數(shù)據(jù)獲取的無人化水平；③ 數(shù)據(jù)傳輸、數(shù)據(jù)預(yù)處理和表型解析算法的智能化水平?jīng)Q定了表型數(shù)據(jù)處理的在線化水平。在表型數(shù)據(jù)“獲取 - 解析 - 應(yīng)用”整個(gè)鏈條中，每個(gè)環(huán)節(jié)都對(duì)下一步有著重要影響，會(huì)形成誤差累積并逐級(jí)放大。因此，提升各環(huán)節(jié)的數(shù)據(jù)質(zhì)量和算法精度，對(duì)于整體性提升作物表型組大數(shù)據(jù)技術(shù)及裝備的實(shí)用性至關(guān)重要。

圖2 作物表型組大數(shù)據(jù)技術(shù)及裝備實(shí)用性分析示意圖

四、我國作物表型組大數(shù)據(jù)技術(shù)及裝備的發(fā)展問題與態(tài)勢(shì)分析

作物表型組大數(shù)據(jù)技術(shù)及裝備仍處于快速發(fā)展過程之中，我國在作物表型高通量信息獲取與解析方面已有一定積累，但整體上處于跟蹤模仿階段，未能打破表型高通量獲取裝備主要被歐美國家所壟斷的局面；特別是多樣化表型配套設(shè)施和低成本表型傳感器及設(shè)備的自主研發(fā)、表型大數(shù)據(jù)實(shí)時(shí)與高效傳輸技術(shù)、表型多尺度數(shù)據(jù)融合與組學(xué)大數(shù)據(jù)挖掘理論方法等，亟待解決或突破。

（一）作物表型組大數(shù)據(jù)高通量獲取發(fā)展問題與態(tài)勢(shì)分析

我國在作物表型組大數(shù)據(jù)獲取方面整體處于“跟跑”“并跑”階段，主要表現(xiàn)在以下三方面。

1. 傳感器

高分辨率、高精度的傳感器和核心部件主要依靠進(jìn)口，存在著價(jià)格昂貴、軟硬件升級(jí)改造受限、關(guān)鍵技術(shù)無法定制、表型數(shù)據(jù)安全隱患等問題。自主研發(fā)的傳感器光學(xué)成像方式單一，在穩(wěn)定性、數(shù)據(jù)分辨率方面與國外先進(jìn)產(chǎn)品仍有差距，尤其是在復(fù)雜田間條件下長時(shí)間連續(xù)獲取數(shù)據(jù)的傳感器存在嚴(yán)重的穩(wěn)定性問題。

2. 成像單元

由于單項(xiàng)傳感器的研發(fā)水平相對(duì)滯后，受制于傳感器的集成尺寸、接口協(xié)議等因素，國內(nèi)研發(fā)的成像單元與國外先進(jìn)產(chǎn)品差距顯著，主要表現(xiàn)在質(zhì)量及尺寸大、系統(tǒng)集成性不高、整體運(yùn)行穩(wěn)定性低等方面，尚未見到可以同步獲取點(diǎn)云、圖像、光譜數(shù)據(jù)，在傳感器層面高度集成的作物表型成像單元。為實(shí)現(xiàn)高質(zhì)量多源數(shù)據(jù)的同步連續(xù)采集，只能進(jìn)口如PlantEye等成像單元，但成本高、后續(xù)表型解析個(gè)性化程度低，難以滿足國內(nèi)大量多源表型數(shù)據(jù)獲取的實(shí)際需求。

3. 高通量表型平臺(tái)

國外作物高通量表型平臺(tái)和基礎(chǔ)設(shè)施發(fā)展較早，具有系統(tǒng)集成度高、穩(wěn)定性好等特點(diǎn)，我國作物高通量表型平臺(tái)和基礎(chǔ)設(shè)施整體仍以進(jìn)口為主。進(jìn)口產(chǎn)品購置、運(yùn)營和維護(hù)成本高，平臺(tái)在使用過程中出現(xiàn)問題后反饋周期長，導(dǎo)致部分進(jìn)口平臺(tái)尤其是中大型表型平臺(tái)“用不起來”，平臺(tái)考慮普適性而難以對(duì)特定作物給出高精度、定制化的表型獲取解決方案，硬件控制核心算法和設(shè)計(jì)“黑盒子化”也難以滿足后續(xù)表型數(shù)據(jù)處理與解析軟件對(duì)不同作物的表型獲取需求。近年來，國內(nèi)高校及科研院所自主研發(fā)了多生境的作物高通量表型平臺(tái)，雖然在美觀程度、穩(wěn)定性、自動(dòng)化水平方面略遜于進(jìn)口平臺(tái)，但因研發(fā)者與用戶溝通便捷、反饋周期短、可開展定制化表型解析和軟件開發(fā)等諸多優(yōu)勢(shì)，形成了一批真正實(shí)用的表型平臺(tái)產(chǎn)品，如華中農(nóng)業(yè)大學(xué)的軌道式表型平臺(tái)[28,50]、北京市農(nóng)林科學(xué)院的軌道式表型平臺(tái)[23,58]和玉米果穗流水線考種系統(tǒng)[31]等。

（二）作物表型組大數(shù)據(jù)智能解析技術(shù)發(fā)展問題與態(tài)勢(shì)分析

近十年是作物表型組大數(shù)據(jù)技術(shù)裝備快速發(fā)展階段，國際表型組學(xué)研究與應(yīng)用仍面臨諸多的問題和挑戰(zhàn)，主要表現(xiàn)在數(shù)據(jù)傳輸、表型解析算法軟件、表型信息的挖掘與應(yīng)用等方面?？梢哉J(rèn)為，國內(nèi)外在這些方面形成了“并跑”之勢(shì)。

1. 表型智能解析

當(dāng)前，作物表型解析算法多針對(duì)主要性狀以少量數(shù)據(jù)進(jìn)行測(cè)試，雖可以解析到目標(biāo)性狀，但多需要人工交互，存在普適性差的問題，在處理作物表型組大數(shù)據(jù)過程中表現(xiàn)得尤為明顯。迫切需要開發(fā)無需人工交互、自動(dòng)化、管道化的表型解析算法，適應(yīng)作物表型組大數(shù)據(jù)批量化處理的需求。作物表型解析的研究重點(diǎn)是增加可觀測(cè)、可定量化、具有明確生物學(xué)含義的作物表型性狀數(shù)量，提高可定量化作物表型解析的精度和效率；針對(duì)不同作物的形態(tài)結(jié)構(gòu)和生理生態(tài)功能，研發(fā)相關(guān)算法開展定制化的表型解析。當(dāng)前作物表型解析的時(shí)效性不足，無法滿足諸如面向農(nóng)機(jī)作業(yè)實(shí)時(shí)決策等智慧栽培的需求。通過多源數(shù)據(jù)融合提升表型解析精度[58]、通過表型模型融合增強(qiáng)解析過程的可解釋性、通過優(yōu)化解析算法的魯棒性實(shí)現(xiàn)管道化處理，是表型解析未來發(fā)展的趨勢(shì)。

2. 表型大數(shù)據(jù)融合分析

當(dāng)前，國內(nèi)外作物表型組大數(shù)據(jù)技術(shù)及裝備仍處于研發(fā)階段，表型大數(shù)據(jù)分析、應(yīng)用與服務(wù)能力不足。隨著多生境表型平臺(tái)的快速發(fā)展，多維度、多尺度、多源表型大數(shù)據(jù)正在大量累積；如果多尺度、多模態(tài)、多生境的表型大數(shù)據(jù)不進(jìn)行有效整合，將很難充分發(fā)揮大數(shù)據(jù)的潛在價(jià)值。因此，面向表型大數(shù)據(jù)的融合分析、知識(shí)挖掘和應(yīng)用服務(wù)是國內(nèi)外需要解決的共性難題。

五、我國作物表型組大數(shù)據(jù)技術(shù)及裝備發(fā)展建議

以包括人工智能在內(nèi)的新一代信息技術(shù)為依托，通過表型數(shù)據(jù)的無人化獲取、在線化解析來實(shí)現(xiàn)作物表型組大數(shù)據(jù)的高通量及精準(zhǔn)積累，是發(fā)展作物表型組大數(shù)據(jù)技術(shù)及裝備的主導(dǎo)技術(shù)路徑。建設(shè)作物表型組大數(shù)據(jù)技術(shù)及裝備方面的大科學(xué)工程，形成作物表型組大數(shù)據(jù)“獲取 - 解析 - 利用”技術(shù)體系，實(shí)現(xiàn)“基因 - 表型 - 環(huán)境”多維組大數(shù)據(jù)整合與分析利用，從而在數(shù)字育種、智慧栽培方向提出中國方案。相關(guān)目標(biāo)可分為3 個(gè)實(shí)施階段：① 積極在傳感器、成像單元、表型平臺(tái)、基礎(chǔ)設(shè)施建設(shè)方面形成標(biāo)志性產(chǎn)品，努力在多數(shù)據(jù)融合、表型解析關(guān)鍵技術(shù)方向取得重要突破，使部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平；② 作物表型組大數(shù)據(jù)技術(shù)及裝備的國產(chǎn)化率高于95%，形成數(shù)字育種、智慧栽培的代表性應(yīng)用案例，使核心技術(shù)及裝備處于與國際“并跑”態(tài)勢(shì)；③ 建成作物表型組大數(shù)據(jù)技術(shù)及裝備的自主創(chuàng)新體系，整體性實(shí)現(xiàn)自主產(chǎn)品替代進(jìn)口，形成面向數(shù)字育種、智慧栽培的商業(yè)化服務(wù)模式并構(gòu)建作物表型服務(wù)新業(yè)態(tài)，整體上處于“領(lǐng)跑”態(tài)勢(shì)。針對(duì)上述目標(biāo)，提出我國作物表型組大數(shù)據(jù)技術(shù)及裝備發(fā)展的具體建議。

（1）從底層芯片層面突破作物表型傳感器關(guān)鍵技術(shù)，解決基礎(chǔ)傳感器成本高、整合難、采購受限等“卡脖子”問題；研發(fā)能用、好用、用得起的表型技術(shù)及裝備產(chǎn)品，形成穩(wěn)定性好、高度自主化、規(guī)?；某上駟卧⒈硇推脚_(tái)設(shè)備及相關(guān)基礎(chǔ)設(shè)施，實(shí)現(xiàn)可快速定制、面向不同作物、多生境、個(gè)性化的作物表型高通量獲取解決方案，帶動(dòng)我國在新一代農(nóng)業(yè)傳感器和表型平臺(tái)技術(shù)裝備創(chuàng)新從“跟跑”“并跑”轉(zhuǎn)向“領(lǐng)跑”。

（2）在可控開源的基礎(chǔ)上，融入小樣本學(xué)習(xí)、預(yù)訓(xùn)練大模型、知識(shí)圖譜等人工智能技術(shù)，突破多源數(shù)據(jù)融合、系列作物多維表型性狀智能解析、時(shí)序表型解析等關(guān)鍵技術(shù)，形成自主化的表型解析技術(shù)體系；構(gòu)建作物表型組大數(shù)據(jù)解析“大腦”，使高通量獲取的作物表型組大數(shù)據(jù)成為農(nóng)學(xué)家切實(shí)可用的數(shù)據(jù)，促進(jìn)數(shù)據(jù)和知識(shí)增值賦能。

（3）加強(qiáng)作物表型組大數(shù)據(jù)技術(shù)及裝備的標(biāo)準(zhǔn)體系建設(shè)，提升作物表型組大數(shù)據(jù)結(jié)構(gòu)化水平，降低數(shù)據(jù)噪聲及獲取和使用成本，提高表型數(shù)據(jù)可用性；建設(shè)國家級(jí)和區(qū)域尺度的表型組大數(shù)據(jù)搜索引擎、新型基礎(chǔ)資源服務(wù)平臺(tái)，提升作物表型組大數(shù)據(jù)的整合程度和應(yīng)用安全性。

（4）提出“基因 - 表型 - 環(huán)境”多維大數(shù)據(jù)驅(qū)動(dòng)的數(shù)字育種和智慧栽培創(chuàng)新模式，實(shí)施組學(xué)大數(shù)據(jù)與表型精準(zhǔn)鑒定設(shè)施的大科學(xué)工程；逐步形成智慧化、無人化、在線化的表型工廠服務(wù)模式，構(gòu)建基于作物表型組大數(shù)據(jù)的數(shù)字育種和智慧栽培協(xié)同創(chuàng)新平臺(tái)。

（5）建設(shè)作物表型組大數(shù)據(jù)技術(shù)及裝備的人才隊(duì)伍和協(xié)作網(wǎng)絡(luò)，形成多學(xué)科交叉合作與協(xié)同創(chuàng)新機(jī)制，培育涵蓋技術(shù)裝備研發(fā)、表型軟硬件產(chǎn)品應(yīng)用、設(shè)備設(shè)施運(yùn)維管理、數(shù)據(jù)與知識(shí)挖掘、作物育種與栽培應(yīng)用環(huán)節(jié)的人才鏈條，力爭在作物表型組大數(shù)據(jù)技術(shù)及裝備領(lǐng)域開創(chuàng)“人無我有、人有我強(qiáng)”的引領(lǐng)式發(fā)展格局。

利益沖突聲明

本文作者在此聲明彼此之間不存在任何利益沖突或財(cái)務(wù)沖突。

Received date:April 21, 2023;Revised date:June 12, 2023

Corresponding author:Zhao Chunjiang is a research fellow from the Information Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences, and a member of the Chinese Academy of Engineering. His major research field is agricultural information technology and intelligent equipment. E-mail: zhaocj@nercita.org.cn

Funding project:National Key R&D Program of China (2022YFD200 2300); Chinese Academy of Engineering projects “Strategic Research on the Digital Development of Biological Breeding” (2021-JJZD-04),“Strategic Research on Smart Agriculture Development in Anhui Province” (2021-DFZ-17)