植物表型組學在現代農業中的應用

梁麗秀 杜傳紅 劉立才

摘 ?要：植物表型組學的發展日新月異，主要是因為表型組學技術具有精度高、速度快、破壞性差等特點，廣泛應用于現代農業生產中。文章根據近年來表型組學的發展現狀，分析和概括了表型組學的概念和研究意義，對目前的植物表型組學的研究現狀、具體的研究技術進行闡述，綜述了在現代農業生產中植物表型組學的一些應用情況，主要分析了幾種常用的表型技術在農作物生長加工環節中研究現狀，并對植物表型組學的發展進行了展望。

關鍵詞：表型組;植物表型組學;光譜成像技術;機器視覺;葉綠素熒光技術

中圖分類號：S2 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2019）22-0169-04

Abstract： The development of plant phenomicsis rapid with each passing day， mainly because the phenotyping technology has the characteristics of high precision， high speed and poor destruction， and it is widely used in modern agricultural production. According to the present situation of the development of phenomicsin recent years， this paper analyzes and summarizes the concept and research significance of phenomics， and expounds the current research status and specific research techniques of plant phenomics. The application of plant phenomics to modern agriculture is analyzed and summarized， and the developing direction of this technology applied to the agricultural field is pointed out.

Keywords： phenome; plant phenomics; multi-spectral imaging; machine vision; chlorophyll fluorescence

引言

隨著社會的發展進步，人們對農產品的品質要求也越來越高，對綠色健康的食物很是推崇，這就使得在農業生產的整個環節中都要對農作物進行精細的作業，從而保證糧食作物的高品質。那么怎么才能使農作物健康生長？那么從育苗開始需要有優良的品種的種苗，田間管理需要對作物的營養物質的缺乏情況進行檢測，及時對作物進行正確的肥料作業。除了施肥作業外，對作物的病蟲害和田間雜草的診斷與防治也非常關鍵和重要。這一系列的環節都要求人工完成的話，那么強度之大可想而知。而且很多的檢測過程都是人為判斷的，其測量的準確度過于依賴于檢測者的主觀，所以急需一種能夠替代人工的對農作物進行以上檢測的平臺。植物表型組學的出現解決了這一問題，植物表型組學是研究某一植物在不同環境條件下的所有表型的技術[1]。植物的表型數據有其植物學的形態包括植株性狀、葉片的性狀、根系和穗型性狀等，利用光學成像技術采集這些表型據，再結合自動化信息分析技術和圖像分析的方法，從中得出與植物的生長狀況和病蟲草害的相關狀況，表型檢測平臺的建立實現了對農作物進行高通量數字化的無損檢測。

1 表型組學的研究意義

近年來隨著全球人口的快速增長，城市化進程加快，以及人類對生物燃料的需求和氣候變化等一系列問題，使得全球糧食安全受到極大挑戰，耕地的減少導致的糧食產量下降，非生物脅迫以及病蟲害發生導致的農作物減產等，而傳統育種已經很難滿足三大主要谷類作物（水稻、玉米和小麥）的增產需求[2]，表型組學在育種中的作用已得到普遍重視，通過研究表型組中的個體間表型差異，分析其是受環境的影響還是遺傳變異的影響，從而有針多性的對農作物進行改良育種，使作物更適應當前的生態環境。植物表型組學提供了一種準確、快速、高通量和標準化的表型研究方法[3]，目前實時成像技術、光譜技術、圖像分析系統、機器人表型分析等技術手段日漸成熟，借助現代計算機技術、統計學和生物信息學等學科相關技術，可以做到對農作物的整個生命周期實現性狀都能做到實時捕捉監測。近年來表型組學也越來越多的應用于農業生產中。

2 植物表型組學在現代農業中的應用現狀

植物表型組學研究按植物生長的環境可分為室內和室外，兩種環境下研究植物表型各有優缺點。由于室內環境容易控制，可開展植物對水分的利用率，對各種營養物質的需求，不同光源對植物生長發育的影響以及植物對生物、非生物脅迫的反應等研究相對比較方便。而室外環境可以研究各種性狀在自然環境下的特征，并且室外空間大更有利于高通量表型組學的研究，研究成果可以直接應用于生產實踐。利用現代各種儀器通過植物表型的研究可以分析植物體內的物理和生化特征，如研究植物活力、根形態、葉的形態特性、光合效率、對非生物脅迫的響應等。目前在植物表型研究中自動化圖片分析技術，如熒光成像、光譜成像、機器視覺系統等已經得到廣泛應用，主要集中在農作物的病蟲害監測，農產品品質檢測，和自動采摘等領域[4]。

2.1 波譜成像技術在現代農業中的應用

表型組學檢測平臺的核心技術是光學成像技術，對光的認識人們多是停留在光的反射，折射或是在醫學領域的X光檢測等光學手段，實際上綠色植物對于不同波段的光所表現的特性與其自身的植物學特性有著千絲萬縷的聯系。多光譜技術是發展較早的一種對農作物進行檢測的光譜技術。馮雷等[5]利用多光譜成像技術對水稻葉瘟進行了分級檢測。孫光明等[6]利用多高譜技術實時識別大麥赤霉病害，建立了大麥赤霉病的識別模型，檢測效果良好，預測準確率達 93.9%。Dammer等[7]通過分析冬小麥的多光譜圖像，成功得出冬小麥赤霉病的病害等級。楊甜軍等[8]用多光譜成像技術設計了一套蘋果品質檢測裝置，結合Labview技術實現對蘋果品質的無損檢測裝置。近幾年高光譜技術已然成為現代農業檢測系統中廣泛應用的檢測手段之一。Bauriegel等[9]利用高光譜成像技術綜合光譜分析和圖像處理的方法對小麥赤霉病進行識別，取得了較好的識別效果。Mahlei等[10]利用高光譜成像方法分析了3種甜菜病害的光譜特性和不同時期不同位置的變化，通過光譜角度填圖算法分別實現了每種甜菜病害的準確判別。薛龍等[11]在實驗室條件下利用高光譜技術采用主成分分析方法成功檢測出水果表面的農藥殘留。田有文等[12]利用高光譜成像技術對蘋果蟲害進行了快速、無損、自動檢測的研究。紅外熱成像技術在工業和軍事領域都廣泛的應用，在農業中應用有：徐小龍等[13]以感染番茄花葉病的番茄葉片為材料，利用熱紅外成像儀連續檢測受病害侵染，隨著天數的增加，處于條銹病潛育期的小麥植株葉片的平均溫度和最大溫差與健康小麥植株葉片的差異逐漸增大。

2.2 機器視覺在現代農業中的應用

用機器模擬人的視覺，首先需要具備與人眼睛有相同功能的設備，它可以感知物體的顏色、方位等特征，這一部分通過一些敏感傳感器是完全可以實現的。神經系統可以用圖像處理系統實現，而計算機的信息和分析能力可以看做是人的大腦中樞，用來根據傳感器和圖像處理的結果做出準確判斷，采取正確的動作。這樣就組成了機器視覺系統。機器視覺的應用促進了農業生產的自動化，提高了現代化水平。就目前的研究應用主要有：李江波等[16]運用計算機視覺技術和神經網絡算法對香菇進行自動檢測與分級。王松磊等[17]利用工業相機與STM32 嵌入式系統配合正面及背面光源進行棗多表面圖像采集，并采用氣動式分級執行機構完成棗果分級。黃星奕等[18]采用機器視覺和近紅外光譜技術相結合的技術，拍攝杏干4個不同位置的彩色圖像，用基于區域骨架化的填充法和多元線性回歸進行圖像處理和建模，實現對杏干內外品質的綜合檢測，結果表明，杏干質量分級的準確率為90%，缺陷檢測的準確率為84.5%。機器視覺技術可對作物病害進行診斷、雜草進行識別，是一種快捷、低廉和無損檢測的檢測技術。高雄等[19]提出一種基于機器視覺的以顏色特征為基礎，利用幾何閾值選取和RGB空間特征的變換的方法來實現病蟲害的自動識別的方法，試驗表明，識別蟲害區域和提取目標作物的準確率達88.33%。尹建軍等[20]用攝像機弱透視模型，對室內土槽的有序雜草和無序雜草進行定位試驗，有序的雜草和無序的雜草的質心定位誤差為1912mm和2218mm，可以滿足除草劑精確噴施的要求。韓瑞珍等[21]設計了一套大田害蟲遠程自動識別系統，該系統通過3G無線網絡將害蟲照片傳輸到主控平臺中，系統首先對害蟲圖像進行基于形態和顏色特征值的提取，然后建立支持向量機分類器，該系統對6種常見大田害蟲進行了測試，平均準確率達87.4%，實現了大田害蟲的快速實時識別和診斷。Arman Arefi等[22]就基于機器視覺的成熟番茄果實的檢測和定位進行一系列研究，引入HIS和YIQ模型綜合分析，靜態圖像處理試驗表明，圖像處理的速度以及對光強的適應性都有使用價值，但是動態性能還有待進一步研究。張凱良等[23]以地壟栽培模式下的草莓為作業對象，針對草莓果實嬌嫩易損的特點，采用直接擷取果柄的采摘方案，提出了一種圖像處理與激光輔助測距相結合的草莓采摘位置自動定位方法，對自然環境下生長的長圓錐型草莓進行了試驗，結果表明，對于機器人鎖定采摘位置所需的導航數據，該方法的平均計算時間為381ms，測距最大誤差為1.6mm，平均誤差為0.5mm。王輝等[24]設計了蘋果作業機器人識別與定位系統，提出了基于蘋果顏色、形狀和位置特征的識別與定位方法，結果表明：當工作距離為240cm時，雙目視覺系統可以準確識別并定位所有蘋果，深度方向標準差為4.9cm;當工作距離為150cm時，雙目視覺系統深度方向標準差為2.4cm;當工作距離小于100cm時，單目視覺傳感器測量目標到傳感器距離的標準偏差為1.0cm。

2.3 葉綠素熒光技術在現代農業中的應用

葉綠素熒光成像技術是利用綠色植物受光激發的特性。熒光成像技術越來越廣泛的應用在現代農業生產中。利用葉綠素熒光技術可以對植物的生長情況進行鑒別。Cadet等[25]利用葉綠素熒光成像技術，通過對向日葵葉片的熒光光譜圖像的分析處理，得出了向日葵葉片的氮、磷、鉀的缺乏情況。葉綠素熒光技術同樣適用于植物病害的檢測。Pereira等[26]采用波長473nm的激光激發柑橘葉片，對柑橘葉片的黃龍病熒光光譜進行分析，得出葉綠素熒光技術可以作為檢測柑橘黃龍病害的一種方法的結論。楊昊諭等[27]采用熒光技術對黃瓜病害進行檢測，結果表明，該方法對黃瓜霜霉病和蚜蟲病的鑒別準確率達到98.3%。葉綠素熒光技術也適用于農產品品質無損檢測。Cerovic等[28]分別用傳感器中的3種LED燈對葡萄的成熟度進行了檢測。喻曉強等[29]通過對柑橘熒光圖像數據分析，基于線性回歸法建立了柑橘糖度預測模型，其相關系數達到0.96以上。李江波等[30]采用波長365nm的紫外燈激發臍橙熒光，在450-700nm波段范圍內，采用最佳指數理論法，對臍橙腐爛程度進行檢測，正確率達100%。葉綠素熒光技術也可以用來檢測土壤水分含量。張石銳[31]等通過對盆栽水稻熒光光譜的研究，通過測量盆中土壤含水量找到了其含水量與作物熒光光譜之間的聯系。

3 結束語

植物表型組學在現代農業中的研究應用以及其發展的歷程并不算長，目前的表型組學研究多是在室內環境或是小范圍環境中對植物的一些表型性狀的研究，未來植物表型組學要更好的服務于農業生產，就必須要適應大田監測環境，在復雜環境中提高其監測的精確度和可靠性，適應現代農業生產的作業環境，這是表型組學一個必然的發展趨勢，其發展前景廣闊。光學領域、計算機技術以及植物科學領域都是表型組學發展所必須的關聯技術，發展相關平臺技術的快速發展是促進表型技術發展的基礎。各個平臺的物資資源包括人才資源都要交叉利用，以便使彼此都能得到提升，這就需要整合相關領域的資源，建立更高效的研究平臺，多多交流溝通合作研發相關項目。植物表型組學是必將成為現代農業中重要的科研平臺。

參考文獻：

[1]Tester M， Langridge P. Breeding technologies to increase crop production in a changing world [J]. Science，2010，327（5967）：818-822.

[2]Andrade-Sanchez P， Gore M A， Heun J T，et al. Development and evaluation of a field-based high-throughput phenotypingplatform [J]. Functional Plant Biology， 2013，41（1）：68-79.

[3]White J W， Andrade-Sanchez P， Gore M A， et al. Field-based phenomics for plant genetics research [J]. Field Crops Research，2012，133：101-112.

[4]Kipp S， Mistele B， Baresel P， et al. High-throughput phenotyping early plant vigour of winter wheat [J]. European Journal of ?Agronomy， 2014，52：271-278.

[5]馮雷，柴榮耀，孫光明，等.基于多光譜成像技術的水稻葉瘟檢測分級方法研究[J].光譜學與光譜分析，2009，29（10）：2730-2733.

[6]孫光明，楊凱盛，張傳清，等.基于多光譜成像技術的大麥赤霉病識別[J].農業工程學報，2009，25（增刊2）：204-207.

[7]Dammer K H，Mller B，Rodemann B，et al.Detection of head blight（Fusarium ssp.） in winter wheat by color and multispectral image analyses[J].Crop Protection，2011，30（4）：420-428.

[8]楊甜軍，張箭，朱哲，等.基于LabVIEW和多光譜成像技術的蘋果品質無損檢測裝置[J].湖北農業科學，2014，53（19）：4720-4722.

[9]Bauriegel E，Giebel A，Geyer M，et al.Early detection of Fusarium infection in wheat using hyper-spectral imaging[J].Computers and Electronics in Agriculture，2011，75（2）：304-312.

[10]Mahlein A K，Steiner U，Hillnhutter C，et al. Hyperspectral imaging for small-scale analysis of symptoms caused by different sugar beet diseases[J].Plant Methods，2012，8（1）：1-13.

[11]薛龍，黎靜，劉木華，等.基于高光譜圖像技術的水果表面農藥殘留檢測試驗研究[J].光學學報，2008，28（12）：2277-2280.

[12]田有文，程怡，王小奇，等.基于高光譜成像的蘋果蟲害檢測特征向量的選取[J].農業工程學報，2014，30（12）：132-139.

[13]徐小龍，蔣煥煜，杭月蘭.熱紅外成像用于番茄花葉病早期檢測的研究[J].農業工程學報，2012，28（5）：145-149.

[14]李小龍，王庫，馬占鴻，等.基于熱紅外成像技術的小麥病害早期檢測[J].農業工程學報，2014，30（18）：183-189.

[15]王冰，崔日鮮，王月福.基于遠紅外成像技術的花生苗期抗旱性鑒定[J].中國油料作物學報，2011，33（6）：632-636.

[16]李江波，王靖宇，蘇憶楠，等.鮮香菇外部品質計算機視覺檢測與分級研究[J].農產品加工·學刊，2010，10：4-7.

[17]王松磊，劉民法，何建國，等.紅棗自動快速無損檢測分級機研究[J].農業機械學報，2014，45（9）：79-83.

[18]黃星奕，錢媚，徐富斌.基于機器視覺和近紅外光譜技術的杏干品質無損檢測[J].農業工程學報，2012，28（7）：260-265.

[19]高雄，王海超.甘藍菜青蟲害自動識別系統的開發與試驗研究-基于機器視覺[J].農機化研究，2015，01：205-208.

[20]尹建軍，沈寶國，陳樹人.基于機器視覺的田間雜草定位技術[J].農業機械學報，2010，41（6）：163-166.

[21]韓瑞珍，何勇.基于計算機視覺的大田害蟲遠程自動識別系統[J].農業機械學報，2013，29（3）：156-162.

[22]Arman Arefi，Asad Modarres Motlagh，Kaveh Mollazade，et al.Recognition and localization of ripen tomato based ?onmachine vision[J]. Australian Journal of Crop Science，2011，5（10）：1144-1149.

[23]張凱良，楊麗，張鐵中.草莓采摘位置機器視覺與激光輔助定位方法[J].農業機械學報，2010，41（4）：151-156.

[24]王輝，毛文華，等.基于視覺組合的蘋果作業機器人識別與定位[J].農業機械學報，2012，43（12）：165-170.

[25]Cadet ，Samson G.Detection and discrimination of nutrient deficiencies in sunflower by blue-green and ?chlorophyll-afluorescence imaging[J].Journal of Plant Nutrition，2011，34（14）：2114-2126.

[26]Pereira F，Milori D，Pereira E R，et al.Laser-induced fluorescence imaging method to monitor citrus greening disease[J].Computers and Electronics in Agriculture，2011，79（1）：90-93.

[27]楊昊諭，于海業，張蕾，等.基于激光誘導熒光光譜分析的黃瓜葉片葉綠素含量檢測[J].農業機械學報，2009，40（10）：169-172.

[28]Cerovic Z G，Moise N，Agati G，et al. New portable optical sensors for the assessment of winegrape phenolic maturity based on berry fluorescence[J].Journal of Food Composition and Analysiswine： Nutrients，Bioactive Non-Nutrients and More，2008，21（8）：650-654.

[29]喻曉強，劉木華，郭恩有，等.基于熒光高光譜圖像的柑桔糖度無損檢測[J].安徽農業科學，2007，35（36）：11807-11808.

[30]李江波，王福杰，應義斌，等.高光譜熒光成像技術在識別早期腐爛臍橙中的應用研究[J].光譜學與光譜分析，2012，32（1）：142-146.

[31]張石銳，董大明，鄭文剛，等.農田土壤水分含量的激光誘導熒光光譜表征[J].光譜學與光譜分析，2012，32（10）：2623-2627.