目前，植物表型组技术正快速发展起来，越来越多的植物科学研究者对表型研究的方法、应用前景进行了广泛的关注。我国地域广阔，植物种类丰富，室内植物表型平台可根据不同生态环境的实际研究需要，在可控的条件下，收集各类表型组资料。利用传感器技术、计算机图象、人工智能等分析方法，结合各类植物研究的理论基础，为基因挖掘、遗传育种、栽培研究、农业生产管理等领域提供服务。本文对各种室内表型仪器采集的大量资料的存在多标准、多尺度、多样性及解析方法作了简要的介绍。然而，如何在大数据集中高效、方便地提取具有生物意义的信息，从而获得新的生物学发现，现有的表型数据分析方法尚处于探索阶段。

多尺度表型数据集不仅可以解释新的生物学现象，而且还可以为育种、栽培、农业生产等方面提供大量的数据支持，从而进一步推动植物表型组的发展。尤其在可控室内环境中，表型数据的收集首先要考虑对多尺度数据进行校正与融合。单一的传感器获得的数据是有限的，但许多传感器都存在着制式标准和同步标定等技术问题。传感器与成像技术相结合，确实能得到更为全面的表型特征，但是要提高数据的可信性，还需将传统方法与多源数据交叉验证相结合。与此同时，不同成像技术融合可以突破单一成像技术的限制，如叶片的生长发育参数可以通过可见光成像获得叶片的大小、颜色等。通过与多光谱和高光谱技术相结合，可以测量叶片的营养成分和微量元素含量，通过加载激光雷达或CT成像，可以获得叶片卷曲度、三维叶面积等空间结构信息。在细胞层次上，也可以通过显微图像来获得完整的表型(如气孔、叶脉等)，从而为叶片的生长和发育提供一整套表型组数据。但是，这些技术的综合应用和多源数据融合一直是世界上许多国家的表型研究队伍面临的技术难题。

最近的人工智能植物生长实验室、植物工厂和快速迭代育种(speedbreeding)也为室内表型平台技术提供了新的方向[49,154]。精确控制室内的温、光、气、风、光、气等参数，可为植物科学研究在封闭空间内提供准确的气候环境模拟，作为在深度控制下完成作物全生育期生长表型参数的采集和分析。将表型组与其他组学(如基因组学、转录组学、蛋白质组学和代谢组学等)结合起来，可以更全面地描绘植物生长和发育的调控网络和功能基因表达图，为最终揭示植物生物学规律、加快作物研究进程提供必要的研究平台。而且，随着室内表型平台集成度的不断提高，表型性状数据的获取将会更加全面。但室内表型技术与生物实验的完美结合，如何促进遗传学、作物学、农业生产的迅速发展，需要植物表型研究小组和生物学研究小组的通力合作。设计多学科交叉试验，追踪植株生长情况，根据表型特征设计交叉试验，获取可靠的全生育表型数据。与此同时，根据不同植物的研究需要，建立不同的分析标准和流程，保证表型研究的可靠性和延续性，从而为构建全国性共享的植物表型平台体系服务。借此机会，加快我国各级科研机构之间的科研成果交流，减少重复研究开发投入。

由于目前中国室内表型平台设备主要依赖进口、国外商业机构研发等情况，中国表型研究团队可考虑与国内制造企业合作。根据创新精神，有选择性地发起产学一体研究开发项目。目前，中国的自动化、光电技术水平处于世界领先水平，通过与相关领域的专业融合、协同研发，可以研制出符合中国国情的表面型设备及其关键技术。表型分析需要多学科协作，在优化表型数据存储结构和制订可通达全国的表型数据标准的基础上，系统提取“细胞-组织-器官-个人-群体”等多层次性状。目标明确地挖掘出尚未认识的产量、质量、抗性等综合表型性状。

近年来，如何建立多尺度、多条件、多品种的自动综合表型数据，实现对表型数据的大容量表型数据的自动融合；(a)建立技术体系保证表型数据的质量，如何建立分布式(多地点)与(云)集中式互补关键采集分析技术，在此基础上，植物表型组的研究也将继续深化。以保证数据质量和完整性为前提，从表型组数据中动态解析表型性状，结合数据挖掘、计算机图像、生物信息学、数理统计和机器学习等方法，通过多学科交叉解答作物研究中的实际问题，也将是作物表型研究的一个重要方向。但上述各项工作都需要优秀的复合型人才的引导与参与，需要有不同学科背景、开放创新团队的合作。人力资源是维护国家综合国力的首要战略资源，需要改变固有的人才培养思路，鼓励植物学科交叉创新人才的快速成长。不要盲从模仿他国的技术，建立一支新的、优势互补、紧密合作的研究队伍。与此同时，在全国范围内建立知识与人才共享平台，将成为中国植物表型研究能否引领世界的关键。