PhenoTron PTS植物光譜成像檢測平臺
PhenoTron PTS）植物光譜成像檢測平臺采用PTS（Plant-To-Sensor）植物自動(dòng)傳送技術(shù)，集成了高光譜成像分析、葉綠素?zé)晒獬上穹治?、紅外熱成像分析等成像分析技術(shù)，樣品通過傳送平臺自動(dòng)傳送至相應(yīng)成像工作站，實(shí)現(xiàn)高通量、無損傷反射光成像、葉綠素?zé)晒獬上?、多光譜熒光成像及紅外熱輻射成像分析等，廣泛應(yīng)用于作物表型分析、種質(zhì)資源檢測研究、遺傳育種、抗性篩選、植物生理生態(tài)研究、光生物學(xué)研究、果實(shí)蔬菜品質(zhì)檢測等。
基本配置為高光譜成像和葉綠素?zé)晒獬上竦那闆r下，該系統(tǒng)又被稱為PhneoTron-HF。
上左圖表明葉片吸收太陽光后一部分被反射（或透射）、一部分吸收后（主要是紅藍(lán)光）進(jìn)行光合作用、少部分以葉綠素?zé)晒獾男问缴⑹?、還有一部分以熱的形式散失；上右圖為儀器內(nèi)部成像站
下左圖為PhenoTron PTS植物傳送至葉綠素?zé)晒獬上窈透吖庾V成像站（PhenoTron-HF）進(jìn)行成像分析；下右圖為草銨膦對擬南芥光合生理影響（葉綠素?zé)晒獬上穹治觯梢卓铺〦colab實(shí)驗(yàn)室提供）
主要技術(shù)特點(diǎn)：
1)PTS（Plant-to-Sensor）技術(shù)平臺，雙軌式同步升降控制、SpectraScan?高精度移動(dòng)掃描平臺，樣品可放置在精準(zhǔn)位移平臺上自動(dòng)運(yùn)送至成像單元進(jìn)行成像分析
2)多傳感器成像，包括葉綠素?zé)晒獬上?、多光譜熒光成像、高光譜成像、Thermo-RGB成像等
3)可對培養(yǎng)植株、葉片、果實(shí)、種子萌發(fā)與種苗、根系及藻類等進(jìn)行表型性狀成像檢測分析
4)模塊式結(jié)構(gòu)設(shè)計(jì)，具備強(qiáng)大的系統(tǒng)擴(kuò)展功能，可遠(yuǎn)程控制、自動(dòng)運(yùn)行數(shù)據(jù)采集存儲
5)嵌入式主機(jī)，觸摸屏控制，全中文操作系統(tǒng)
6)為植物表型、種質(zhì)資源檢測鑒定、作物生理生態(tài)、藻類及海洋植物研究檢測等提供一站式解決方案
7)主機(jī)系統(tǒng)帶腳輪，方便移動(dòng)，適應(yīng)于實(shí)驗(yàn)室和溫室等工作環(huán)境
主要技術(shù)指標(biāo)：
1)葉綠素?zé)晒獬上裾荆?/span>
a)專業(yè)高靈敏度葉綠素?zé)晒獬上馛CD，幀頻50fps，分辨率720x×560像素，像素大小8.6×8.3µm
b)光化學(xué)光1000µmol.m-2. s-1可調(diào)，飽和脈沖3900µmol.m-2. s-1
c)可自動(dòng)運(yùn)行Fv/Fm、Kautsky誘導(dǎo)效應(yīng)、熒光淬滅分析、光響應(yīng)曲線等protocols
d)50多個(gè)葉綠素?zé)晒庾詣?dòng)測量分析參數(shù)，包括：Fv/Fm、Fv’/Fm’、Y(II)、NPQ、qN、qP、Rfd、ETR等，自動(dòng)形成葉綠素?zé)晒鈪?shù)圖
e)自動(dòng)同步顯示葉綠素?zé)晒鈪?shù)及參數(shù)圖、葉綠素?zé)晒鈩?dòng)態(tài)曲線、葉綠素?zé)晒鈪?shù)頻率直方圖
2)多光譜熒光成像站：紫外光激發(fā)多光譜熒光成像，反映多酚與黃酮類等次級代謝產(chǎn)物動(dòng)態(tài)變化、葉綠素動(dòng)態(tài)變化、植物衰老、植物病蟲害脅迫及非生物脅迫等
a)高分辨率CCD鏡頭，1392x1040像素，有效像素大小為6.45μm，可像素疊加（binning）以提高靈敏度（2x2，3x3，4x4）
b)7位濾波輪及濾波器，用于成像測量多光譜熒光F440、F520、F690、F740及其它生物熒光現(xiàn)象
3)自動(dòng)測量分析功能（無人值守）：可預(yù)設(shè)1個(gè)或2個(gè)試驗(yàn)程序，系統(tǒng)可自動(dòng)測量儲存，比如白天自動(dòng)定時(shí)運(yùn)行Kautsky誘導(dǎo)效應(yīng)程序，夜間自動(dòng)定時(shí)運(yùn)行熒光淬滅分析程序
4)可選配GFP/YFP穩(wěn)態(tài)熒光成像，或選配LUC熒光素酶成像
5)可選配紫外、紅光、綠光、青光、藍(lán)光、遠(yuǎn)紅等不同波段光源
6)葉綠素?zé)晒獬上衽c多光譜熒光成像具Live（實(shí)況測試）、Protocol（實(shí)驗(yàn)程序選擇）、Pre-processing（成像預(yù)處理）、Result（成像分析結(jié)果）等菜單，Protocol實(shí)驗(yàn)程序可自由編輯，也可利用Protocol菜單中的向?qū)С绦蚰０婵蛻糇杂蓜?chuàng)建新的實(shí)驗(yàn)程序
7)高光譜成像站：標(biāo)配為400-1000nm可見光近紅外和900-1700nm短波紅外高光譜成像分析，可選配1000-2500年嗎SWIR高光譜成像傳感器
a)波段數(shù)：224通道
b)光譜分辨率：FWHM 5.5nm（400-1000nm）、8nm（900-1700nm）
c)空間分辨率：1024x（400-1000nm）、640x（900-1700nm），可選配其它分辨率高光譜成像
d)信噪比600:1（400-1000nm）、1000:1（900-1700nm）
e)可成像測量分析作物生化、生理指標(biāo)如葉綠素含量、花青素含量、胡蘿卜素含量、光利用效率、健康指數(shù)、覆蓋度、脅迫、NDNI歸一化N指數(shù)、NDWI歸一化水指數(shù)、MSI水分脅迫指數(shù)等
由左到右依次為：小麥N素與水份狀態(tài)高光譜成像分析（Brooke Bruning等）；小麥耐鹽堿高光譜成像檢測（Ali Moghimi等，2018）；小麥鐮刀菌抗性檢測（E. Alisac等，2018）
8)紅外熱成像：
a)分辨率：640×512像素，可選配其它高分辨率紅外熱成像傳感器
b)測量溫度范圍：-25℃－150℃
c)靈敏度：0.03℃（30mK）@30℃
d)光譜范圍：7.5－13.5μm
e)傳感器：非制冷紅外焦平面感應(yīng)器，已多點(diǎn)校準(zhǔn)（具校準(zhǔn)證書）
f)1-14倍數(shù)碼變焦
g)軟件具備調(diào)色板（自然、彩虹、灰度、梯度等14種顏色組合）、差值技術(shù)、溫度范圍設(shè)置（以改變顏色分布或突出選擇范圍等）、等溫線模式、選區(qū)分析（點(diǎn)、線、多邊形等）、溫度掃描（顯示所選線的溫度分布曲線等）、剖面溫度、時(shí)間圖等；可顯示圖片信息；具備報(bào)告模式等；可進(jìn)行控制設(shè)置
9)RGB成像：高靈敏度RGB成像，1-40倍放大，可進(jìn)行micro和macro成像分析，可選配其它高分辨率成像傳感器
海洋大學(xué)客戶定制系統(tǒng)安裝調(diào)試與實(shí)驗(yàn)運(yùn)行，右圖實(shí)驗(yàn)樣品為海帶
應(yīng)用案例：生菜幼苗病害快速無損檢測與抗性品種鑒定
農(nóng)作物在種子萌發(fā)生長過程中會遭遇各種病害，因此對高抗病性品種的選育非常重要。而如果能快速、無損、簡便、可靠地檢測病害的發(fā)生，甚至在病害癥狀發(fā)生前就能夠?qū)⑵錂z測到，無論是對于縮短育種周期還是指導(dǎo)生產(chǎn)實(shí)踐都具有非常重要的意義。
德國萊布尼茨蔬菜和觀賞植物研究所IGZ的Sandmann研究組將剛發(fā)芽的生菜幼苗人工感染立枯絲核菌（Rhizoctonia solani），然后綜合采用葉綠素?zé)晒獬上窦夹g(shù)、多光譜熒光成像技術(shù)、紅外熱成像技術(shù)及植物反射光譜NDVI成像，對不同成像參數(shù)進(jìn)行了分析，以確定哪些技術(shù)的哪些參數(shù)能夠更靈敏地將感染病害的植株和未感染的植株區(qū)分開，實(shí)現(xiàn)高通量非損傷在線分析測量篩選：
結(jié)果發(fā)現(xiàn)，感染病害的植株和未感染的植株之間，光化學(xué)效率Fv/Fm、熒光衰減指數(shù)Rfd、NDVI、作物水脅迫指數(shù)I1、光合有效葉面積日相對生長速率Arel、多光譜熒光F440、F520等參數(shù)都表現(xiàn)出顯著差異。通過進(jìn)一步數(shù)據(jù)統(tǒng)計(jì)分析最終發(fā)現(xiàn)Fv/Fm、Rfd在本次實(shí)驗(yàn)中的識別，誤差≤0.052，F(xiàn)v/Fm＞0.73的生菜幼苗即可認(rèn)為是健康的。研究人員希望通過進(jìn)一步工作，將這一發(fā)現(xiàn)應(yīng)用于園藝和農(nóng)業(yè)生產(chǎn)實(shí)踐，比如優(yōu)良抗病蔬菜品種的選育、病害的早期發(fā)現(xiàn)與防治等。
參考文獻(xiàn)：
1)Ali Moghimi etc. A Novel Approach to Assess Salt Stress Tolerance in Wheat Using Hyperspectral Imaging. Frontiers in Plant Science, 2018
2)Brooke Bruning etc. The development of Hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat. Frontiers in Plant Science, 2019）
3)E．Alisaac etc. Hyperspectral quantification of wheat resistance to Fusarium head blight: comparison of two Fusarium species. Eur J Plant Pathol, 2018
4)Sandmann M, et al. 2018. The use of features from fluorescence, thermography and NDVI imaging to detect biotic stress in lettuce. Plant Disease 102: 1101-1107
