植物表型組學(xué)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

梁麗秀 杜傳紅 劉立才

摘 ?要：植物表型組學(xué)的發(fā)展日新月異，主要是因?yàn)楸硇徒M學(xué)技術(shù)具有精度高、速度快、破壞性差等特點(diǎn)，廣泛應(yīng)用于現(xiàn)代農(nóng)業(yè)生產(chǎn)中。文章根據(jù)近年來表型組學(xué)的發(fā)展現(xiàn)狀，分析和概括了表型組學(xué)的概念和研究意義，對目前的植物表型組學(xué)的研究現(xiàn)狀、具體的研究技術(shù)進(jìn)行闡述，綜述了在現(xiàn)代農(nóng)業(yè)生產(chǎn)中植物表型組學(xué)的一些應(yīng)用情況，主要分析了幾種常用的表型技術(shù)在農(nóng)作物生長加工環(huán)節(jié)中研究現(xiàn)狀，并對植物表型組學(xué)的發(fā)展進(jìn)行了展望。

關(guān)鍵詞：表型組;植物表型組學(xué);光譜成像技術(shù);機(jī)器視覺;葉綠素?zé)晒饧夹g(shù)

中圖分類號：S2 ? ? ? ?文獻(xiàn)標(biāo)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(fā)展進(jìn)步，人們對農(nóng)產(chǎn)品的品質(zhì)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(nóng)業(yè)生產(chǎn)的整個環(huán)節(jié)中都要對農(nóng)作物進(jìn)行精細(xì)的作業(yè)，從而保證糧食作物的高品質(zhì)。那么怎么才能使農(nóng)作物健康生長？那么從育苗開始需要有優(yōu)良的品種的種苗，田間管理需要對作物的營養(yǎng)物質(zhì)的缺乏情況進(jìn)行檢測，及時對作物進(jìn)行正確的肥料作業(yè)。除了施肥作業(yè)外，對作物的病蟲害和田間雜草的診斷與防治也非常關(guān)鍵和重要。這一系列的環(huán)節(jié)都要求人工完成的話，那么強(qiáng)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(zhǔn)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(nóng)作物進(jìn)行以上檢測的平臺。植物表型組學(xué)的出現(xiàn)解決了這一問題，植物表型組學(xué)是研究某一植物在不同環(huán)境條件下的所有表型的技術(shù)[1]。植物的表型數(shù)據(jù)有其植物學(xué)的形態(tài)包括植株性狀、葉片的性狀、根系和穗型性狀等，利用光學(xué)成像技術(shù)采集這些表型據(jù)，再結(jié)合自動化信息分析技術(shù)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(guān)狀況，表型檢測平臺的建立實(shí)現(xiàn)了對農(nóng)作物進(jìn)行高通量數(shù)字化的無損檢測。

1 表型組學(xué)的研究意義

近年來隨著全球人口的快速增長，城市化進(jìn)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(zhàn)，耕地的減少導(dǎo)致的糧食產(chǎn)量下降，非生物脅迫以及病蟲害發(fā)生導(dǎo)致的農(nóng)作物減產(chǎn)等，而傳統(tǒng)育種已經(jīng)很難滿足三大主要谷類作物（水稻、玉米和小麥）的增產(chǎn)需求[2]，表型組學(xué)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(huán)境的影響還是遺傳變異的影響，從而有針多性的對農(nóng)作物進(jìn)行改良育種，使作物更適應(yīng)當(dāng)前的生態(tài)環(huán)境。植物表型組學(xué)提供了一種準(zhǔn)確、快速、高通量和標(biāo)準(zhǔn)化的表型研究方法[3]，目前實(shí)時成像技術(shù)、光譜技術(shù)、圖像分析系統(tǒng)、機(jī)器人表型分析等技術(shù)手段日漸成熟，借助現(xiàn)代計算機(jī)技術(shù)、統(tǒng)計學(xué)和生物信息學(xué)等學(xué)科相關(guān)技術(shù)，可以做到對農(nóng)作物的整個生命周期實(shí)現(xiàn)性狀都能做到實(shí)時捕捉監(jiān)測。近年來表型組學(xué)也越來越多的應(yīng)用于農(nóng)業(yè)生產(chǎn)中。

2 植物表型組學(xué)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用現(xiàn)狀

植物表型組學(xué)研究按植物生長的環(huán)境可分為室內(nèi)和室外，兩種環(huán)境下研究植物表型各有優(yōu)缺點(diǎn)。由于室內(nèi)環(huán)境容易控制，可開展植物對水分的利用率，對各種營養(yǎng)物質(zhì)的需求，不同光源對植物生長發(fā)育的影響以及植物對生物、非生物脅迫的反應(yīng)等研究相對比較方便。而室外環(huán)境可以研究各種性狀在自然環(huán)境下的特征，并且室外空間大更有利于高通量表型組學(xué)的研究，研究成果可以直接應(yīng)用于生產(chǎn)實(shí)踐。利用現(xiàn)代各種儀器通過植物表型的研究可以分析植物體內(nèi)的物理和生化特征，如研究植物活力、根形態(tài)、葉的形態(tài)特性、光合效率、對非生物脅迫的響應(yīng)等。目前在植物表型研究中自動化圖片分析技術(shù)，如熒光成像、光譜成像、機(jī)器視覺系統(tǒng)等已經(jīng)得到廣泛應(yīng)用，主要集中在農(nóng)作物的病蟲害監(jiān)測，農(nóng)產(chǎn)品品質(zhì)檢測，和自動采摘等領(lǐng)域[4]。

2.1 波譜成像技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

表型組學(xué)檢測平臺的核心技術(shù)是光學(xué)成像技術(shù)，對光的認(rèn)識人們多是停留在光的反射，折射或是在醫(yī)學(xué)領(lǐng)域的X光檢測等光學(xué)手段，實(shí)際上綠色植物對于不同波段的光所表現(xiàn)的特性與其自身的植物學(xué)特性有著千絲萬縷的聯(lián)系。多光譜技術(shù)是發(fā)展較早的一種對農(nóng)作物進(jìn)行檢測的光譜技術(shù)。馮雷等[5]利用多光譜成像技術(shù)對水稻葉瘟進(jìn)行了分級檢測。孫光明等[6]利用多高譜技術(shù)實(shí)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(yù)測準(zhǔn)確率達(dá) 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(shù)設(shè)計了一套蘋果品質(zhì)檢測裝置，結(jié)合Labview技術(shù)實(shí)現(xiàn)對蘋果品質(zhì)的無損檢測裝置。近幾年高光譜技術(shù)已然成為現(xiàn)代農(nóng)業(yè)檢測系統(tǒng)中廣泛應(yīng)用的檢測手段之一。Bauriegel等[9]利用高光譜成像技術(shù)綜合光譜分析和圖像處理的方法對小麥赤霉病進(jìn)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(shí)現(xiàn)了每種甜菜病害的準(zhǔn)確判別。薛龍等[11]在實(shí)驗(yàn)室條件下利用高光譜技術(shù)采用主成分分析方法成功檢測出水果表面的農(nóng)藥殘留。田有文等[12]利用高光譜成像技術(shù)對蘋果蟲害進(jìn)行了快速、無損、自動檢測的研究。紅外熱成像技術(shù)在工業(yè)和軍事領(lǐng)域都廣泛的應(yīng)用，在農(nóng)業(yè)中應(yīng)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(xù)檢測受病害侵染，隨著天數(shù)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(jī)器視覺在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

用機(jī)器模擬人的視覺，首先需要具備與人眼睛有相同功能的設(shè)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(shí)現(xiàn)的。神經(jīng)系統(tǒng)可以用圖像處理系統(tǒng)實(shí)現(xiàn)，而計算機(jī)的信息和分析能力可以看做是人的大腦中樞，用來根據(jù)傳感器和圖像處理的結(jié)果做出準(zhǔn)確判斷，采取正確的動作。這樣就組成了機(jī)器視覺系統(tǒng)。機(jī)器視覺的應(yīng)用促進(jìn)了農(nóng)業(yè)生產(chǎn)的自動化，提高了現(xiàn)代化水平。就目前的研究應(yīng)用主要有：李江波等[16]運(yùn)用計算機(jī)視覺技術(shù)和神經(jīng)網(wǎng)絡(luò)算法對香菇進(jìn)行自動檢測與分級。王松磊等[17]利用工業(yè)相機(jī)與STM32 嵌入式系統(tǒng)配合正面及背面光源進(jìn)行棗多表面圖像采集，并采用氣動式分級執(zhí)行機(jī)構(gòu)完成棗果分級。黃星奕等[18]采用機(jī)器視覺和近紅外光譜技術(shù)相結(jié)合的技術(shù)，拍攝杏干4個不同位置的彩色圖像，用基于區(qū)域骨架化的填充法和多元線性回歸進(jìn)行圖像處理和建模，實(shí)現(xiàn)對杏干內(nèi)外品質(zhì)的綜合檢測，結(jié)果表明，杏干質(zhì)量分級的準(zhǔn)確率為90%，缺陷檢測的準(zhǔn)確率為84.5%。機(jī)器視覺技術(shù)可對作物病害進(jìn)行診斷、雜草進(jìn)行識別，是一種快捷、低廉和無損檢測的檢測技術(shù)。高雄等[19]提出一種基于機(jī)器視覺的以顏色特征為基礎(chǔ)，利用幾何閾值選取和RGB空間特征的變換的方法來實(shí)現(xiàn)病蟲害的自動識別的方法，試驗(yàn)表明，識別蟲害區(qū)域和提取目標(biāo)作物的準(zhǔn)確率達(dá)88.33%。尹建軍等[20]用攝像機(jī)弱透視模型，對室內(nèi)土槽的有序雜草和無序雜草進(jìn)行定位試驗(yàn)，有序的雜草和無序的雜草的質(zhì)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(shè)計了一套大田害蟲遠(yuǎn)程自動識別系統(tǒng)，該系統(tǒng)通過3G無線網(wǎng)絡(luò)將害蟲照片傳輸?shù)街骺仄脚_中，系統(tǒng)首先對害蟲圖像進(jìn)行基于形態(tài)和顏色特征值的提取，然后建立支持向量機(jī)分類器，該系統(tǒng)對6種常見大田害蟲進(jìn)行了測試，平均準(zhǔn)確率達(dá)87.4%，實(shí)現(xiàn)了大田害蟲的快速實(shí)時識別和診斷。Arman Arefi等[22]就基于機(jī)器視覺的成熟番茄果實(shí)的檢測和定位進(jìn)行一系列研究，引入HIS和YIQ模型綜合分析，靜態(tài)圖像處理試驗(yàn)表明，圖像處理的速度以及對光強(qiáng)的適應(yīng)性都有使用價值，但是動態(tài)性能還有待進(jìn)一步研究。張凱良等[23]以地壟栽培模式下的草莓為作業(yè)對象，針對草莓果實(shí)嬌嫩易損的特點(diǎn)，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(jié)合的草莓采摘位置自動定位方法，對自然環(huán)境下生長的長圓錐型草莓進(jìn)行了試驗(yàn)，結(jié)果表明，對于機(jī)器人鎖定采摘位置所需的導(dǎo)航數(shù)據(jù)，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(shè)計了蘋果作業(yè)機(jī)器人識別與定位系統(tǒng)，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(jié)果表明：當(dāng)工作距離為240cm時，雙目視覺系統(tǒng)可以準(zhǔn)確識別并定位所有蘋果，深度方向標(biāo)準(zhǔn)差為4.9cm;當(dāng)工作距離為150cm時，雙目視覺系統(tǒng)深度方向標(biāo)準(zhǔn)差為2.4cm;當(dāng)工作距離小于100cm時，單目視覺傳感器測量目標(biāo)到傳感器距離的標(biāo)準(zhǔn)偏差為1.0cm。

2.3 葉綠素?zé)晒饧夹g(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

葉綠素?zé)晒獬上窦夹g(shù)是利用綠色植物受光激發(fā)的特性。熒光成像技術(shù)越來越廣泛的應(yīng)用在現(xiàn)代農(nóng)業(yè)生產(chǎn)中。利用葉綠素?zé)晒饧夹g(shù)可以對植物的生長情況進(jìn)行鑒別。Cadet等[25]利用葉綠素?zé)晒獬上窦夹g(shù)，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?zé)晒饧夹g(shù)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(fā)柑橘葉片，對柑橘葉片的黃龍病熒光光譜進(jìn)行分析，得出葉綠素?zé)晒饧夹g(shù)可以作為檢測柑橘黃龍病害的一種方法的結(jié)論。楊昊諭等[27]采用熒光技術(shù)對黃瓜病害進(jìn)行檢測，結(jié)果表明，該方法對黃瓜霜霉病和蚜蟲病的鑒別準(zhǔn)確率達(dá)到98.3%。葉綠素?zé)晒饧夹g(shù)也適用于農(nóng)產(chǎn)品品質(zhì)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(jìn)行了檢測。喻曉強(qiáng)等[29]通過對柑橘熒光圖像數(shù)據(jù)分析，基于線性回歸法建立了柑橘糖度預(yù)測模型，其相關(guān)系數(shù)達(dá)到0.96以上。李江波等[30]采用波長365nm的紫外燈激發(fā)臍橙熒光，在450-700nm波段范圍內(nèi)，采用最佳指數(shù)理論法，對臍橙腐爛程度進(jìn)行檢測，正確率達(dá)100%。葉綠素?zé)晒饧夹g(shù)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(lián)系。

3 結(jié)束語

植物表型組學(xué)在現(xiàn)代農(nóng)業(yè)中的研究應(yīng)用以及其發(fā)展的歷程并不算長，目前的表型組學(xué)研究多是在室內(nèi)環(huán)境或是小范圍環(huán)境中對植物的一些表型性狀的研究，未來植物表型組學(xué)要更好的服務(wù)于農(nóng)業(yè)生產(chǎn)，就必須要適應(yīng)大田監(jiān)測環(huán)境，在復(fù)雜環(huán)境中提高其監(jiān)測的精確度和可靠性，適應(yīng)現(xiàn)代農(nóng)業(yè)生產(chǎn)的作業(yè)環(huán)境，這是表型組學(xué)一個必然的發(fā)展趨勢，其發(fā)展前景廣闊。光學(xué)領(lǐng)域、計算機(jī)技術(shù)以及植物科學(xué)領(lǐng)域都是表型組學(xué)發(fā)展所必須的關(guān)聯(lián)技術(shù)，發(fā)展相關(guān)平臺技術(shù)的快速發(fā)展是促進(jìn)表型技術(shù)發(fā)展的基礎(chǔ)。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(guān)領(lǐng)域的資源，建立更高效的研究平臺，多多交流溝通合作研發(fā)相關(guān)項(xiàng)目。植物表型組學(xué)是必將成為現(xiàn)代農(nóng)業(yè)中重要的科研平臺。

參考文獻(xiàn)：

[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(shù)的水稻葉瘟檢測分級方法研究[J].光譜學(xué)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(shù)的大麥赤霉病識別[J].農(nóng)業(yè)工程學(xué)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(shù)的蘋果品質(zhì)無損檢測裝置[J].湖北農(nóng)業(yè)科學(xué)，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(shù)的水果表面農(nóng)藥殘留檢測試驗(yàn)研究[J].光學(xué)學(xué)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(nóng)業(yè)工程學(xué)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(nóng)業(yè)工程學(xué)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(shù)的小麥病害早期檢測[J].農(nóng)業(yè)工程學(xué)報，2014，30（18）：183-189.

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

[16]李江波，王靖宇，蘇憶楠，等.鮮香菇外部品質(zhì)計算機(jī)視覺檢測與分級研究[J].農(nóng)產(chǎn)品加工·學(xué)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(jī)研究[J].農(nóng)業(yè)機(jī)械學(xué)報，2014，45（9）：79-83.

[18]黃星奕，錢媚，徐富斌.基于機(jī)器視覺和近紅外光譜技術(shù)的杏干品質(zhì)無損檢測[J].農(nóng)業(yè)工程學(xué)報，2012，28（7）：260-265.

[19]高雄，王海超.甘藍(lán)菜青蟲害自動識別系統(tǒng)的開發(fā)與試驗(yàn)研究-基于機(jī)器視覺[J].農(nóng)機(jī)化研究，2015，01：205-208.

[20]尹建軍，沈?qū)殗悩淙?基于機(jī)器視覺的田間雜草定位技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報，2010，41（6）：163-166.

[21]韓瑞珍，何勇.基于計算機(jī)視覺的大田害蟲遠(yuǎn)程自動識別系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)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(jī)器視覺與激光輔助定位方法[J].農(nóng)業(yè)機(jī)械學(xué)報，2010，41（4）：151-156.

[24]王輝，毛文華，等.基于視覺組合的蘋果作業(yè)機(jī)器人識別與定位[J].農(nóng)業(yè)機(jī)械學(xué)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(yè)，張蕾，等.基于激光誘導(dǎo)熒光光譜分析的黃瓜葉片葉綠素含量檢測[J].農(nóng)業(yè)機(jī)械學(xué)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(qiáng)，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(nóng)業(yè)科學(xué)，2007，35（36）：11807-11808.

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

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