近十年,随着测序技术飞速发展,水稻、玉米、小麦等主要农作物全基因组测序相继完成,作物功能基因组学研究已进入大数据和高通量时代,大规模高通量的植物表型技术（high-throughput plant phenotyping,HTP）和表型数据分析已成为制约作物功能基因组和作物育种发展的主要瓶颈。与此同时,随着传感器技术、人工智能技术（如深度学习和机器学习）、计算机视觉、大数据分析技术的快速发展和不断革新,作物表型组学作为一门典型的交叉学科,将有潜力解决这一瓶颈。作物表型组学,是一门从细胞、器官、单株、群体不同层面上全面研究作物表型信息大规模高通量精准获取和分析技术方法的交叉学科。作者从博士至今近15年,一直致力于作物表型组技术原创技术研发及应用,并将核心技术推广至全国18省份49家单位。此次会议报告,主要介绍最新表型技术研发工作,主要包括:3D成像、CT成像、高光谱成像技术研发与遗传解析应用;微观气孔技术研发与应用;机器人表型技术研发与应用;深度学习在表型生长模型预测技术与应用等。最后,结合国际植物表型组学会（IPPN）全球表型用户调研报告和作物表型技术发展趋势,作者提出5个当前主要挑战和未来发展趋势:（1）突破田间根系的无损动态检测技术;（2）结合根系表型和深度学习等表型技术将复杂非生物胁迫性状解析为简单的图像性状加速遗传解析;（3）研发智能田间表型机器人、低成本便携田间表型检测仪、标准图像分析软件、并结合环境等多组学数据实现"预测表型组";（4）实现海量图像分析、大数据管理和标准数据共享;（5）如何应对表型交叉学科人才不足问题。更值得一提的是,发展作物表型技术、建设作物表型设施或平台不能单一依靠国外引进,也不应只注重硬件建设,应坚持"硬件设施和软件技术并重",尤其注重多学科交叉人才培养,加强国际互作合作,提倡标准数据共享,发挥表型技术最大潜力,让表型技术成果真正在田间地头生根发芽。