植物表型是指植物可测量的特征和性状,是植物受自身基因表达、环境影响相互作用的结果,也是决定农作物产量、品质和抗逆性等性状的重要因素。植物表型研究分为硬件和软件2个方面，硬件包括各种传感器系统，如激光雷达、多光谱、高光谱、叶绿素荧光、计算机断层扫描等；按照集成系统的应用领域分为室内植物表型成像系统、田间植物表型成像系统、根系表型成像系统以及种子表型成像系统，目前植物表型领域面临的挑战还主要是采集数据的解读，需要开发相应的表型分析软件，大多数植物表型信息可通过数字图像处理的方法获取和分析。随着基因组学研究的快速发展,传统植物表型研究方法在诸多方面已无法满足进一步研究的需要,高精度、高通量的植物表型获取技术成为植物表型研究的新兴热点方向。近年来深度学习在数字图像处理领域取得了突破性进展,在物体识别、分割等应用上,基于深度学习的图像处理在技术表现上远好于传统方法.在植物表型研究领域,如何使用深度学习技术研究植物表型已成为研究人员十分关注的一项研究问题。常见的几种基于深度学习的植物表型检测方法包括植物株型与生理参数获取、植物识别与杂草检测、病虫害检测以及产量预测四个方面，Videometer开发的多光谱成像系统在这几个方面都有成熟的应用；法国Hiphen公司在田间表型领域也开发出了相应的传感器以及算法并由此开发出了云数据处理平台Coverfield。

北京博普特科技有限公司拥有业界较为全面的植物表型研究设备和解决方案，是法国Hiphen、比利时WIWAM、丹麦Videometer以及德国Fraunhofer公司等系列植物表型研究设备的中国区总代理。