数字果树及其技术体系研究进展

吴 升，温维亮，王传宇，杜建军，郭新宇

（1. 北京农业信息技术研究中心，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097； 3. 数字植物北京重点实验室，北京 100097）

0 引言

进入21世纪以来，世界各国人民对优质果品的需求日益增加，果树种植成为农业生产的重要组成部分。中国果园面积和水果产量均居世界第一，是水果第一消费大国，在产业经济方面，果园产量、果品质量是衡量果业发展的重要指标[1]。同时，果品加工、营销、生态休闲旅游业也呈现加速发展趋势，已形成一、二、三产业融合发展的格局。区别于大田和设施园艺作物，果树具有树体较大、形态结构复杂、多年生及果园占地地形地势复杂等特点。现阶段，果树和果园的数字化技术方面，其研究手段和技术相对落后，主要体现在管理粗放、数字化、智能化水平低，相较发达国家，中国在规模化果园种植管理方面差距较大，发展构建数字化果树技术体系是未来智慧果园建设的重要途经[2]。

物联网、移动互联网、大数据、云计算和人工智能等新一代信息技术的发展及其与各行业的深度融合，正加速推进人类社会向大数据、智能化时代迈进[3]，农业科学正在从理论科学、实验科学和计算科学步入以数据密集型知识发现为研究范式的学科发展阶段[4]。近年来，美日欧等发达国家以前所未有的力度推行“数字农业战略”[5]，中国果树研究和果园管理要由传统走向现代，也必须充分借助和利用数字化技术。数字化技术优势主要体现在：1）数字化育种技术能够加速育种周期、降低育种成本，提高果品品质及多样性；2）数字化果园管理技术，能够降低生产种植成本，提高果园产量；3）数字化技术还能够应用于果品营销，形成果品数字品牌的知识产权（Intellectual Property，IP）和在线营销模式。因此，果树科学研究到果业的数字化转型应用的各个方面，都迫切需要果树、果园、果业的数字化技术，建立信息感知、定量决策、智能控制、精准投入、个性化服务等全新的智慧化生产方式，从而快速培育优质新品种、提高果园管理效率、提高品牌价值。深入开展数字果树技术研究，构建数字果树技术体系十分必要。

当前，果树数字化技术无论从科学研究方面，还是从生产实际方面，都受到了国内外研究人员的广泛关注，并形成一些卓有成效的科研成果。本研究从果树的数字化技术体系方面，探讨数字果树的科学内涵、基本研究问题，构建数字果树技术体系，综述数字果树技术支撑技术研究进展，从技术应用角度，总结前人在数字果树方面开展的典型工作、形成的技术成果以及应用案例，并对当前技术不足和未来技术发展进行展望，以期为数字果树研究应用提供有益的参考。

1 数字果树的概念及其内涵

“数字植物”是指通过计算机技术将植物数字化，实现对植物生命系统和农业生产系统行为的感知和认知，为农业科研工作者、生产管理者和教育培训工作者开展科学研究、新品种培育、种植规划、科普教育提供数字化载体[6]。数字果树是数字植物概念在果树研究和生产中的具体应用和实践，是综合运用数字化技术，通过高通量的信息获取及智能处理来研究果树的生命、生产和生态系统，实现对果树复杂系统定量化、可视化感知和认知的理论及技术服务平台系统。数字果树是数字农业的重要专题之一，以数字化认知果树为核心，通过多维结构、定量描述、可视感知果树生命系统内涵，外延到大数据驱动的果树种植智慧管理、品种培育和果品品牌营销等数字化技术云服务。数字果树是数字果园的核心驱动器。其概念构成如图1所示。

数字果树技术体系通过系统高效地获取果树、果园和果品等表型大数据，对果树大数据的分析利用和可视化表达，为果树新品种选育、果园管理提供数据、知识和服务，为果品营销、产业融合等提供数字化、智能化和可视化技术、手段和内容，具有广泛的应用前景。其作用和意义主要体现在：1）数字果树技术将改变传统的果树研究模式，实现从试验科学向数据科学的转变，从定性观察向定量计算的转变，构建其数据采集-数据建模-数据解析-知识发现的科研技术体系，建立从表型信息获取到表型组、基因组和环境的基于大数据分析的多重组学研究模式，极大地提升对果树复杂系统定量化感知和认知的程度，催生新一代数字育种技术和数字栽培模式。2）数字果树技术将实现传统果园到智慧果园的发展提升，加速果园管理、市场流通和果园休闲旅游营销等方面的数字化转型升级，形成由大数据智能感知决策和智能农机精准作业为核心的高质量、高效益和高效能的模式。在智慧果园管理中，基于物联网系统的天、空、地一体化表型环境大数据将无处不在，除草机器人、修剪机器人、采摘机器人、施药机器人、水肥一体化系统等智能农机代替人工作业，实现无人化果园管理；与大数据营销、冷链物流、产业链融合结合，形成果品流通数字化技术服务体系。与第五代移动通信技术（5G）技术和虚拟现实技术（Virtual Reality, VR）技术深度融合，构建多维体验空间，实现虚实融合，广泛地应用于农技培训、休闲观光旅游、科普教育、品牌营销等方面。3）数字果树技术将推进果品向绿色果品升级发展，在果品生产方面，为消费者提供安全、健康、优质、特色、定制化的绿色果品，同时，整合区块链技术和物联网可视化技术，为消费者提供绿色果品数字化溯源体系。4）数字果树技术将为果业产业数字化建设提供技术支撑，为果树科研人员、产业从业人员，提供协同、可视、体验一体化的科研共享和产业应用云服务平台，便于合作交流，加速产业落地应用。

2 数字果树技术体系框架

以数字植物技术体系为发展，从果树数字化感知、认知和应用角度，提出并构建的数字果树技术体系框架（图2），其主要技术环节包括：数字化要素分类、数字化数据获取、数字化认知模型构建以及数字化应用服务。

数字化要素分类，按照尺度划分，包括微观（分子、细胞、组织）、器官、分枝、果树等不同类型；按照数据模态类型划分，包括结构型（树形结构、分枝结构、冠层结构、根系结构）数据、表观型（表观颜色、表观纹理）数据以及环境型数据，对应着果树的生理变化、生长过程数字化特性。

数字化数据获取，针对不同的数据类型，整合多通道的传感器、多载荷的表型平台以及网络传感传输存储系统，实现果树数字化数据的天、空、地一体化的信息采集，主要的传感器类型包括图像、光谱、激光、热红外、X射线、气象墒情等传感器，传感器的载荷平台包括高空卫星、无人机（Unmanned Aerial Vehicle, UAV）、机器人、计算机断层扫描（Computed Tomography, CT）、地面定点、气象站等。

数字化认知模型构建，基于获取的数据，利用建模技术，构建数字果树模型，其是数字果树的内核，主要包括四类数字化模型：1）三维仿真模型，应用于三维建模、三维可视化、三维交互等相关的树形优化、果品展示以及农技培训；2）功能结构模型，应用于树形分析、光合模拟、生长模型相关的果树管理和育种评价等；3）农业管理模型，结合表型技术，应用于果园水肥管理、病虫害防治、果实采摘、果品品质分级分拣等；4）组学分析模型，包括表型组学、基因组学、多重组学等，为果树育种提供表型选种、表型鉴定以及种植区域适应性评价数字化模型。

数字化应用服务，围绕果树科研和产业应用需求，通过对数字化各技术环节一体化设计，开发数字果树应用服务系统平台，如数字化管理、数字化育种、数字化培训、数字化营销等专有应用系统。

3 数字果树技术体系建设关键技术

3.1 果树表型信息获取技术

表型信息对果园灌溉管理、病害防治、增产及提高果品品质具有重要意义，果树表型信息获取是构建数字农业技术体系的基础和关键步骤[7]，以下从果树表型尺度和获取平台两方面，对当前果树表型信息获取相关技术平台进行归类总结。

按照数据尺度划分，果树表型数据可分为微观表型、器官表型、树冠表型、根系表型和果园尺度表型，常见的表型获取传感器包括可见光图像、光谱、热成像、光探测、激光雷达等（表1）。1）微观表型采用电镜、共聚焦显微镜、CT等高分辨率可穿透成像设备获取细胞、组织等超微结构表型，研究人员使用透射电镜采集香果树叶片超微结构图像数据，获取叶片细胞内叶绿体数量及占比[8]。2）器官表型多采用多光谱图像、可见光图像传感器、机器视觉系统，获取叶片病害纹理、小花性状表型数据[9]，获取果实的大小、外观色泽以及病斑等表观数据[10]，获取果实成熟度、硬度、可溶性固形物含量等品质表型数据[11]。3）树冠表型可用的数据获取手段和传感器较多，其中，通过三维数字化仪获取冠层枝干结构关键点三维坐标信息，快捷构建植物的形态结构拓扑信息及形态结构参数, 用于分析果树枝叶生长规律和分布特征[12]；利用三维激光雷达对果树进行三维扫描，获取果树冠层三维点云数据，计算冠层分枝结构、枝量、长度、叶冠分布等表型数据[13-14]；利用激光雷达结合光强测量传感器，获取冠层光强三维分布[15]；利用激光雷达结合可见光传感器，获取树冠体积、树冠花果密度等表型数据[16]。4）根系表型，采用平板扫描仪二维扫描的方式获取根长、根密度等表型数据[17]。5）果园尺度表型，以表型车、无人机、高分遥感平台数据获取方式为主，通过在表型车上挂载线阵激光雷达和惯导系统，快速获取果园株数、树冠体积、高度，树高、冠幅、体积，树冠透光性、树冠叶密度和孔隙率[18-19]，通过在无人机平台上挂载可见光相机和多光谱相机，快速获取树冠宽度、周长、树冠投影面积、果树计数等表型数据[20-21]，通过高空间分辨率遥感影像解析，获取果树识别、种植面积、种植密度等表型数据[22]。

表1 果树的不同尺度表型数据及其对应的数据获取平台 Table 1 Different scale phenotypic data of fruit trees and data acquisition platform

按照表型数据获取平台划分，包括微观设备、手持、人载、车载、定点监测、无人机、航空遥感等[23]。国家农业信息化工程技术研究中心的研究人员利用三维数字化仪和激光扫描仪，并研制器官表观纹理获取装置，构建了果树周年物候期冠层高精度三维表型获取技术体系[24-25]，实现了苹果树地上部三维重建。澳大利亚悉尼大学机器人研究中心研发的果园表型机器人[16]，快速测量果树花果分布、树冠体积等表型数据。澳大利亚圣保罗大学研制的表型车载平台[18]，挂载激光雷达，采集柑橘园树冠体积、果树高度等表型信息。美国乔治亚大学大学研制的四旋翼无人机果园表型采集系统[26]，挂载倾斜摄影图像传感器，高通量采集计算果园果树树冠高度、冠幅、面积和体积等表型指标。智利阿尔贝托·乌尔塔多大学研究人员使用卫星遥感平台，获取高分光谱图像，计算不同品种果树种植园归一化差异植被指数（Normalized Difference Vegetation Index, NDVI），进行果园区域分割和面积统计[27]。

近年来，随着图像技术、激光雷达技术和智能控制技术的发展逐渐成熟及低成本化趋势，表型车、表型机器人、无人机平台等智能平台以其高通量兼顾高精度的特点，受到广泛应用[28]。而根系表型原位测量，仍然受限于技术和设备成本，难以推广，仍然是研究的热点和难点。同时，协同使用不同类型的传感器和平台，获取多维度、多通道、多时序的表型数据，是未来果树表型数据获取技术发展趋势之一。

3.2 果树生长环境数据获取技术

果树生长环境数字化是数字果树的重要组成部分，果树生长环境信息主要包括冠层温度、湿度、光照强度、光有效辐射、紫外线强度、降雨量、风速、风向，土壤墒情、土壤微量元素及重金属含量等，共同形成果园环境、土壤、大汽连续体。其中，空气温湿度传感器、风速风向传感器和土壤温湿度传感器等技术已经相对成熟，并在实际中广泛应用[29]。对于叶片温度，使用叶温仪进行测定[30]。在土壤成分的检测方面，已有土壤酸碱度pH值传感器，能够实时在线测定土壤pH值[31]；基于光谱学分析技术，快速、实时、无损测量土壤碳氮等养分含量[32]。果树生长环境数据，利用无线传感器网络技术，以低功耗、低延时、高密度连接各类传感器，高频率采集各类环境数据，并进行数据云端存储[33]。

当前技术，对于果树生长环境数据获取，在单点采集方面已有有效技术方案，但在果园多点传感器阵列环境场数据采集方面还存在技术局限性，地上部主要体现在树冠边界效应问题[34]，地下部主要体现在土层结构变化问题[35]。三维空间数据场计算技术是解决果树生长环境空间场多点阵列数据仿真的一个有效途经，已有模型在大田环境温度、作物蒸腾等方面应用，在果园开放环境下，模型的收敛性、准确性仍然需要进一步的研究[36]。另外，在土壤重金属检测方面，传感器的鲁棒性还有待研究。

3.3 果树三维建模及可视化计算技术

通过构建果树三维模型，在三维空间结构数据模式下，解析表型参数并进行可视化计算是表型指标提取和树形分析的重要途径之一。按照三维建模技术分类，果树三维建模方法分为以下几类：1）基于图像的方法，图像数据获取简单、快速且低成本，因此成为树三维建模研究人员广泛使用的方法之一，主要包括：基于草图的方法、基于单幅图像的方法和基于立体视觉系统的方法[37]，基于图像的方法，对不带叶主枝枝冠有较好的三维恢复能力，但很难实现具有复杂分枝果树叶冠重建，另外图像的获取对光环境鲁棒性较差[38]。2）基于三维数字化的方法，构建植物三维模型无需依赖复杂的数据处理算法[39]，该方法的缺点是获取树形高大的冠层结构费时费力成本较高，难以广泛应用。3）基于激光扫描点云的方法，利用三维激光扫描仪对果树进行三维扫描，获取果树冠层三维点云数据，常用的果树点云三维建模方法包括中轴线骨架提取法、Dijkstra测地线法、广义旋转对称轴法、全局优化（Structure-aware Global Optimization Method，SAGO）法、空间殖民法和基于知识的方法等[40]。基于计算机模拟和点云扫描技术能够获取较逼真的三维树冠模型（图3），利用三维虚拟设计技术对树冠进行三维建模[41]（图3a），通过三维激光扫描仪扫描的苹果树点云数据[14]（图3b），并基于点云数据构建的苹果树冠三维模型[14]（图3c）。基于激光扫描的方法，无需人工干扰，高精度获取树体三维结构信息，是目前果树三维建模最有效的技术手段之一，不足之处是受限于叶片遮挡，对于茂密叶冠果树，三维建模仍然具有挑战。

在构建的果树三维模型基础上，研究人员得以开展更高精度的可视化计算研究，主要包括果树树冠三维光分布计算和树冠结构功能计算。其中，果树树冠三维光分布计算，基于网格模型或点云模型[42]，将辐射度技术与光线追踪技术引入到植物冠层三维光分布计算中来，可精确模拟冠层内植株器官、地面、三维空间上的辐射通量分布，基于三维模型的果树冠层光分布计算较大地提高了模拟计算的精度和可视化效果，Tang等[43]构建的桃树三维冠层光分布模型及其冠层光辐射三维可视化模拟结果如图4所示。在果树结构功能计算方面，通过果树光截获效率数字化测量，构建苹果树早期生长的分枝遗传变异模型[44]；使用数值计算方法计算果树最优化树形和生理特征，探究果树分枝与叶冠的关系、树形与产量的关系等[45]；计算富士苹果改良高干开心形树冠郁闭的评判参数，不同层次、部位的相对光照强度、不同枝（梢）类型的数量和比例、果实产量和品质分布[46]。

3.4 果树数字育种技术

当前，作物育种技术正在进入以基因组和信息化技术高度融合为主的育种4.0阶段[47]，果树育种技术也在不断创新发展，由单一的实生选种、杂交育种和芽变选种发展为常规育种和分子辅助育种相结合的方式[48]，细胞工程技术广泛应用于果树遗传改良，分子标记开始在育种中应用，基因组学研究发展迅速[49]。中国已先后牵头或自主完成了甜橙、梨、猕猴桃等果树基因组测序[50]，并对桃的品质性状、柑橘多胚性状等开展了研究，取得突破性进展[51]，探究了苹果全基因组（Nin-Link Protein，NLP）响应氮饥饿、干旱胁迫的关系[52]。当前，果树育种已进入了数字化育种时代，更深入地应用基因组学、表型组学等多重组学技术，针对植物的细胞、组织、器官、群体等不同尺度及不同生长发育时期进行综合大数据分析，培育多样化品种满足不同用途和不同人群的需求，以及培育抗性好、适合省力化栽培的品种将是未来果树品种发展的方向[53]，与此同时，构建育种信息化系统，便于育种大数据管理和数据挖掘，缩短育种周期，加速育种速度。

3.5 果树大数据和虚拟现实技术

数字果树是数字果园的个体组成部分，果园、果树数字化技术体系还包括以下几方面。1）果园环境信息采集技术，通过在果园部署安装低功耗、多节点的物联网传感器节点及网络系统，自动化采集果园的环境数据，形成果园环境大数据[54]。2）果园监测预警技术，通过对果园天、空、地一体化观测数据采集，研发以模式识别、机器学习和深度学习为代表的人工智能算法和专家系统，构建果园监测预警技术体系[4]和果园生产管理智能决策技术体系[55]。3）表型大数据技术，植物表型大数据具有传统大数据的典型3V特点，即数据量大（Volume）、数据的多态性（Variety）和时效性（Velocity），同时还具有3H特性，即高纬度（High dimension）、高度复杂性（High complexity）和高度不确定性（High uncertainty），通过大数据技术对果园数据进行构建、存储和挖掘。4）果树虚拟现实技术，基于数字化果树三维模型、知识模型，整合虚拟交互技术和交互智能终端，搭建具有沉浸感（Immersion）、交互性（Interaction）和构想性（Imagination）3I特性的平台系统，构建农业虚拟培训技术体系，品牌营销技术体系和数字农业旅游技术体系[56]。5）果品溯源区块链技术，农产品的可追溯性和追溯体系的构建，其核心是农产品全程监管数字化建设过程，由可追溯数据采集系统建设、数据中心建设以及可视化追溯查询系统建设三部分组成[57]，区块链技术具有不可篡改、分布式、去中心化、可追溯等技术特点[58]，构建物联网+区块链模式的农产品溯源大数据服务中心，能有效解决传统追溯体系所导致的失信问题，可结合三维网页（Three Dimensional Web，Web3D）、虚拟现实（Virtual Reality，VR）、增强现实（Augmented Reality，AR）等三维交互技术，构建虚实融合、三维可视、趣味互动的数字化溯源技术体系。

4 数字果树技术应用服务

通过数字化技术，构建数字果树模型和数字果园，形成数字化农业大数据，挖掘果树生长生态规律、探索果树生命奥秘，建立表型、环境型和基因型之间复杂作用关系，为育种、栽培和农业生产提供基于大数据的决策支持，在生产实际应用主要体现在以下几个方面：树形管理、生长监测、种植管理、新品种培育等[59]。另外，通过对果树模型、果品模型进行三维可视化呈现，结合虚拟现实技术，数字果树技术在农业技术培训、技术推广、农业旅游、果品营销等方面也有广泛的应用空间[60]。主要技术应用案例如表2所示。

表2 数字果树技术应用案例 Table 2 Application cases of digital fruit tree technology

4.1 数字化树形管理

通过对果树进行三维数字化建模，构建根冠分布三维数字化模型，通过数字化计算和可视化仿真等技术手段，实现树形评价、树形改良、树形修剪等树形相关数字化管理应用。基于三维树冠模型和三维光分布模型，通过苹果树几何和拓扑特征的变化对冠层光截获影响的模拟，模拟生成理想树形[61]，模拟矮化中间砧苹果树不同树形比较[62]，数字化评价不同树形结构下的透光率、光合作用效率等。通过改变树形结构，调整光环境，提升果品外观颜色和果肉营养含量[63]。利用三维树冠光合耦合模型模拟比较中国4种主要苹果树形光合能力的三维分布和日变化，促进开心型苹果树在中国推广[64]。基于二维激光扫描技术，对苹果树树形参数化提取，构建全树修剪和主枝修剪两种修剪模型，应用于果树机械化修剪[65]。分析甜柿树篱形冠层特征，为篱形甜柿树整形修剪提供指导依据[66]。使用无人机表型获取技术，对橄榄树三维树形进行多时相监测，评价不同修剪策略下的修剪效果[67]，通过对砧木品种嫁接甜橙表型数据分析，为品种改良提供智能决策指导方案[68]。

4.2 数字化生长监测

利用数字化技术，构建智能监测模型，对果树果园生长进行数字化监测，实现果树果园数字化监管。主要技术应用包括：通过在果园部署农业气象传感器，实时采集果园环境数据，评估果树农业气象灾害风险，为农业灾害减灾提供预警指导[69]；利用图像处理技术，结合线性回归模型，快速预测苹果树的产量[70]；利用3S技术，在数字化基础上，对花期、果期预测分析[71]；基于无人机遥感监测技术，对果园果树病虫害进行预测预警服务[72]。

4.3 数字化种植管理

在果树种植生产中，数字果树技术在果园管理节本增效、优质安全和轻简栽培等方面具有广泛的应用前景和实践。具体的应用案例包括：通过双目视觉系统，实时获取树枝空间信息，对果树树枝进行三维重建，构建虚拟果树，为柑橘采摘机器人避障及路径规划提供了环境参照[73]；基于数字目标检测技术，实现果园苹果识别定位，辅助苹果采摘机器人工作[74]；基于深度学习、图像识别技术，快速识别果树果实，开展田间测产，集成应用于果实采摘机器人中[75-77]；基于土壤环境数字化物联网感知系统，构建水肥一体化模型，为果树增产、提质增效提供解决方案[78]；利用激光扫描技术，计算果树三维冠层不同截面的体积，精确计算喷药量，应用于果园喷药机精准喷药[79]。

4.4 数字化培训与品牌农业

利用构建的果树三维数字化模型，整合虚拟现实平台，研制果树修剪整形仿真系统，是当前果园管理农技培训的重要形式。已有案例包括：将交互式编辑技术应用于柑橘树的虚拟剪枝和树形改造[80]；以幼龄苹果树为修剪培训对象，构建苹果树三维结构、修剪模型和虚拟修剪技术框架[81]；通过整合修剪知识和树形结构知识模型，研制三维交互式苹果树剪枝教育培训系统[82]；通过三维建模技术，构建“看动画、学知识，玩游戏、长技能”培训技术体系，为果农、农业职业院校学生、农技推广人员等不同人群提供在线化、可视化、互动化的技术培训服务[83]。

数字化技术和农产品溯源系统结合，形成可信度较高的农产品数字化溯源系统。已建设的脐橙、新疆葡萄、芒果等不同类别的果品溯源系统[84-85]，为消费者提供了便捷的果品溯源查询途经，将区块链技术恰当植入农产品溯源体系，从种植和仓储环节、加工环节、运输和销售环节，进行全产业链的数字化可信溯源[86]。在品牌营销和农业主题旅游方面，基于数字化技术构建农业园虚拟现实创意展示系统，实现农业园的规划设计、全景鸟瞰、新产品新设备推介和互动漫游功能，为农业科技的可视化宣传展示、虚拟互动体验和操作培训提供创新的技术手段，构建数字化科普馆和网上三维营销展厅，促进农产品品牌打造[87]。

5 结论与展望

本研究从数字技术及应用服务角度，论述了数字果树的概念内涵、构建了数字果树技术体系，阐述了数字果树技术体系的逻辑关系，对果树表型及环境信息获取、果树三维建模可视化仿真、果园生产管理服务、数字育种等方面的数字化技术发展和技术应用进行了详细综述。当前，数字果树技术已经在数据获取、数据建模及种植管理应用等方面取得较大进展，果树树形结构、多年生及其种植环境的复杂性特征，为数字果树技术体系的构建带来了极大的挑战，仍然存在一系列技术难题亟待解决。在技术应用方面，多模态的数据融合、智能化算法模型、大规模数据处理等方面还难以实际应用，较成熟的、智能化、系统化的应用服务平台还比较匮乏。

因此，笔者认为未来几年数字果树的研究重点，将聚焦在以下方面：

5.1 果树表型高通量获取及解析

从表型出发，认知果树仍将是构建数字果树技术体系的关键环节，从定性到定量的数字化过程，要求表型获取技术装备具有高通量的获取能力，兼顾数据获取的高效率、高精度以及自动化。诚然，受到果树自身结构的制约，当前较成熟的大田作物室内室外高通量表型平台，在果树方面难以适用，笔者认为表型无人机、表型背包系统及表型机器人将是未来广泛应用的果树表型获取平台。而在根系、微观尺度、生理表型方面，目前数据获取技术和装备还不够成熟，可借鉴数字人或其他领域，开展相应技术装备研发。另外，表型解析的精度和效率仍是制约表型数据有效利用的重要技术环节，表型获取标准、解析算法以及多模态数据融合相关技术体系和理论方法仍亟待创新。

5.2 表型数据驱动的组学研究

果树表型具有个体复杂性和群体制约性特征，区别于大田作物，果园地理地势环境以及耕种条件，通常地势起伏、管理粗放。因此，通过表型监测技术平台获取果树多尺度、多生境、多源异构表型数据，进一步地要整合智慧环境组数据和基因组数据，从组学高度构建以数据密集型知识发现的新型农业科学研究范式，以此探究果树“基因型-表型-环境型”之间内在关系，揭示果树生命体内在和外在科学规律，为果树智慧管理和育种提供机理支撑。

5.3 数字果树大数据+人工智能（AI）模型构建

果树数字化管理涉及到种、肥、水、药以及树形管理等多方面，通过单一技术指标，难以构建智能化的服务模型。通过高通量表型平台，时序、规模化地获取数字果树数据，形成果树大数据，由大数据产生知识，形成智能服务模型。可预见未来果树管理服务模式将以“大数据+AI模型”相结合的智能化技术管理方案。具体地以基于统计学习理论的机器学习和基于大规模数据的深度学习为主的智能决策技术，和大数据计算、云服务技术，以此构建数字果树大数据挖掘方法体系，优化数字果树中的智能模型，为生产指导提供“数据+模型”的智能决策服务，实现AI种植数字化管理。

5.4 可视农业技术应用

数字果树在可视农业中的技术应用和服务模式构建的潜力仍待挖掘和推广，主要体现在数字化技术在科研生产中和农业品牌营销中两个方面技术应用。引入数字孪生技术和科学计算可视化技术，构建数字化的协同共享、虚实融合、以虚控实的技术服务体系，预期能够推进果树科研和产业服务发展。把数字果树三维模型与虚拟现实技术、物联网技术整合，将果树生长环境、果品加工过程，以三维可视化、直播互动的形式呈现给消费者，让消费者放心购买优质果品，形成数字化品牌营销服务模式技术解决方案，实现果品数字化、网络化、品牌化营销。

5.5 数字果树支撑无人农场建设

随着物联网、大数据、人工智能以及机器人技术的不断完善和成熟，以全天候、全过程、全空间无人化作业特征的无人农场生产模式被认为是未来农业发展的新模式和方向。智能驱动果园机器人、无人机等智能装备精准作业的前提是实现果树、果园数字化构建和智能化认知，数字果树技术体系为无人果园建设提供重要技术支撑。实际应用中要打通技术与技术，技术与平台之间的壁垒，主要体现在：数字果树技术和导航技术结合，构建果园作业自动驾驶服务，数字果树技术和机器人控制技术结合，构建果园植保、修剪和采摘等无人化作业服务，数字果树技术和物联网系统结合，构建果园智能灌溉和预警服务。