表型数据采集与分析方法是植物表型组研究的核心内容，包括室内外两个方面。室内外采集技术根据平台和设备的不同，大致可以分为人载(包括手持式)、车载、定点监测、大型自动化平台以及户外航空机载卫星成像等；其数据采集与管理数据量大，其他信息多(如地理位置、光温水煤气等)，取得标准不统一，数据不确定性大，重复性低，实时性强。目前，基于多源数据和数据挖掘技术结合起来，将海量数据转化成可利用的性状信息，已成为目前表型组学面临的最大挑战。因为室内的表型监测技术能够准确地调节各种环境因素(如人工气候室中的空气温、湿度、光照长度、光谱间隔等)，及与之相对应的水、热、光周期等调整)，同时也能严格控制生长箱或温室中植物的生长状况(例如监测土壤湿度和养分。因此，室内表型监测技术可以准确地模拟作物生长过程，并能在复杂的试验条件下对其生长情况进行有针对性的模拟。根据室内表型平台精确控制、分级模拟、自动准确采集等特点，室内表型检测与室外表型检测相比，具有很大的优越性。本论文主要针对室内植物表型检测平台技术和相应的性状鉴别问题展开讨论，即根据不同的植物研究目标，通过室内表型采集和后期数据解析，完成关键状的识别。

现代室内高通量植物表型检测平台一般是通过自动传输设备和集成传感器(如可见光、近红外、远红外、荧光、多光谱、激光、高光谱等)来完成对与植物遗传和变异等有密切联系的植物动态生长表型数据集。该方法具有高分辨率、高可控性、高通量等优点，为后续的植物形态分析提供了高质量的多维图像和实验数据。无论地面或地下部分，室内表型监测一般采用单株监测，采用归集单性状来描述群体特征。从图像传感器的精确度来看，提取的表型数据往往能精确到组织细胞层次。由此，室内的表型性状可以上到群体，下到组织细胞。例如，在细胞级别，如图1(a)所示，通过高速共焦显微镜(High-speedConfocalMicroscopy)和高通量细胞筛选系统(High-contentScreeningSystem)，它可以对多种细胞表型进行植物抗病遗传机制的研究，其中包括胞吞作用(endocytosis)[44]，胼胝质沉积和细胞结构改变的表型分析。如图1(b)，在组织和器官方面，利用多种自动或半自动室内成像系统，获得各种锈病、发芽率和花期等图像光谱数据，以开发计算机图像分析算法提取重要的表型特征参数。就植物层次而言，图1(c)，自动传输系统和多角度、多传感器拍摄技术可实现盆栽植株的图像采集及植株近实时分割[51,52]，从而完成多株连续生长性状监测[49,53]。小群体的表型数据采集和表型分型鉴定也可在大型室内环境中进行，例如，利用经济型激光雷达(LiDAR)对温室中的小型群体进行三维重建，然后对作物产量性状进行分析[54]，并利用多光谱和高清成像设备，利用高通量采集室内种植作物的主要农艺性状等。需要指出的是，许多自动化室内表型平台和设备的研究与开发是由商业机构和大型研究机构推动的，其中包括德国LemnaTec公司的高通量室内植物表型筛分系统(如LabScanalyzer和ScanalyzerHTS)，捷克PSI的PlantScreen系统，比利时CropDesignTraitMill系统(已被德国巴斯夫集团收购)，由华中农业大学与华中科技大学联合开发的水稻表型设备HRPF，以及中国科学院植物研究所与上海泽泉科技有限公司联合研制的PhenoWatch系统。该系统广泛用于室内植物的统一管理及在可控制环境下植物形态特征的监测、突变体筛选、抗旱性分析、生长发育表型与产量的相关分析、水稻全基因组关联研究与基因定位、高精度三维重构、表型结构参数提取等研究方向。

(a)细胞层面的胞吞作用、胼胝质沉积和细胞结构改变的表型分析；(b)在组织和器官层面上分析各种类型的锈病，如发芽率和花期等；(c)单株水平上的单株图像采集；植物分割与生长监测；(d)小种群和小种群水平收集表型数据，并对主要农艺性状进行分类鉴定。

室内表型采集技术也可模拟多种野外生长条件，并通过与室内环控设备相结合(如可控温室和人工气候室)，评价其表型的可塑性和稳定性，全面鉴定主要表型性状(如产量、质量、各种抗性指标等)，并得到有统计学意义的研究结论。

因为这些研究难以在户外通过调控大田的条件来完成，所以数量性状基因座的室内表型监控(QuantitativeTraitLocus)QTL)分析，GWAS(Genome-wideAssociationStudy,GWAS)在基因表达鉴定等方面具有明显优势。实验室内表型监测是首次用于品系筛选、相关表型和基因组信息以及遗传结构分析等方面的研究方向。近年来，通过综合植物表型组信息、主要环境因子和基因基础，室内表型监测已逐步用于建立各种产量、品质和抗性模式，并以此预测不同作物在重要环境因子间的动态交互作用。