PhenoTron PTS植物光谱成像检测平台

PhenoTron PTS植物光谱成像检测平台采用PTS（Plant-To-Sensor）植物自动传送技术，集成了高光谱成像分析、叶绿素荧光成像分析、红外热成像分析等国际先进成像分析技术，样品通过传送平台自动传送至相应成像工作站，实现高通量、无损伤反射光成像、叶绿素荧光成像、多光谱荧光成像及红外热辐射成像分析等，广泛应用于作物表型分析、种质资源检测研究、遗传育种、抗性筛选、植物生理生态研究、光生物学研究、果实蔬菜品质检测等。

基本配置为高光谱成像和叶绿素荧光成像的情况下，该系统又被称为PhneoTron-HF。

上左图表明叶片吸收太阳光后一部分被反射（或透射）、一部分吸收后（主要是红蓝光）进行光合作用、少部分以叶绿素荧光的形式散失、还有一部分以热的形式散失；上右图为仪器内部成像站

下左图为PhenoTron PTS植物传送至叶绿素荧光成像和高光谱成像站（PhenoTron-HF）进行成像分析；下右图为草铵膦对拟南芥光合生理影响（叶绿素荧光成像分析，由易科泰Ecolab实验室提供）

主要技术特点：

1. PTS（Plant-to-Sensor）技术平台，双轨式同步升降控制、SpectraScan?高精度移动扫描平台，样品可放置在精准位移平台上自动运送至成像单元进行成像分析
2. 多传感器成像，包括叶绿素荧光成像、多光谱荧光成像、高光谱成像、Thermo-RGB成像等
3. 可对培养植株、叶片、果实、种子萌发与种苗、根系及藻类等进行表型性状成像检测分析
4. 模块式结构设计，具备强大的系统扩展功能，可远程控制、自动运行数据采集存储
5. 嵌入式主机，触摸屏控制，全中文操作系统
6. 为植物表型、种质资源检测鉴定、作物生理生态、藻类及海洋植物研究检测等提供一站式解决方案
7. 主机系统带脚轮，方便移动，适应于实验室和温室等工作环境

主要技术指标：

1. 叶绿素荧光成像站：专业高灵敏度叶绿素荧光成像CCD，帧频50fps，分辨率720x×560像素，像素大小8.6×8.3μm光化学光最大1000μmol.m-2. s-1可调，饱和脉冲3900μmol.m-2. s-1可自动运行Fv/Fm、Kautsky诱导效应、荧光淬灭分析、光响应曲线等protocols50多个叶绿素荧光自动测量分析参数，包括：Fv/Fm、Fv’/Fm’、Y(II)、NPQ、qN、qP、Rfd、ETR等，自动形成叶绿素荧光参数图自动同步显示叶绿素荧光参数及参数图、叶绿素荧光动态曲线、叶绿素荧光参数频率直方图
2. 多光谱荧光成像站：紫外光激发多光谱荧光成像，反映多酚与黄酮类等次级代谢产物动态变化、叶绿素动态变化、植物衰老、植物病虫害胁迫及非生物胁迫等高分辨率CCD镜头，1392×1040像素，有效像素大小为6.45μm，可像素叠加（binning）以提高灵敏度（2×2，3×3，4×4）7位滤波轮及滤波器，用于成像测量多光谱荧光F440、F520、F690、F740及其它生物荧光现象

3.自动测量分析功能（无人值守）：可预设1个或2个试验程序，系统可自动测量储存，比如白天自动定时运行Kautsky诱导效应程序，夜间自动定时运行荧光淬灭分析程序

4.可选配GFP/YFP稳态荧光成像，或选配LUC荧光素酶成像

5.可选配紫外、红光、绿光、青光、蓝光、远红等不同波段光源

7.高光谱成像站：标配为400-1000nm可见光近红外和900-1700nm短波红外高光谱成像分析，可选配1000-2500年吗SWIR高光谱成像传感器

1. 波段数：224通道
2. 光谱分辨率：FWHM 5.5nm（400-1000nm）、8nm（900-1700nm）
3. 空间分辨率：1024x（400-1000nm）、640x（900-1700nm），可选配其它分辨率高光谱成像
4. 信噪比600:1（400-1000nm）、1000:1（900-1700nm）
5. 可成像测量分析作物生化、生理指标如叶绿素含量、花青素含量、胡萝卜素含量、光利用效率、健康指数、覆盖度、胁迫、NDNI归一化N指数、NDWI归一化水指数、MSI水分胁迫指数等

由左到右依次为：小麦N素与水份状态高光谱成像分析（Brooke Bruning等）；小麦耐盐碱高光谱成像检测（Ali Moghimi等，2018）；小麦镰刀菌抗性检测（E. Alisac等，2018）

8.红外热成像：

1. 分辨率：640×512像素，可选配其它高分辨率红外热成像传感器
2. 测量温度范围：-25℃－150℃
3. 灵敏度：0.03℃（30mK）@30℃
4. 光谱范围：7.5－13.5μm
5. 传感器：非制冷红外焦平面感应器，已多点校准（具校准证书）
6. 1-14倍数码变焦
7. 软件具备调色板（自然、彩虹、灰度、梯度等14种颜色组合）、差值技术、温度范围设置（以改变颜色分布或突出选择范围等）、等温线模式、选区分析（点、线、多边形等）、温度扫描（显示所选线的温度分布曲线等）、剖面温度、时间图等；可显示图片信息；具备 告模式等；可进行控制设置

9.RGB成像：高灵敏度RGB成像，1-40倍放大，可进行micro和macro成像分析，可选配其它高分辨率成像传感器

海洋大学客户定制系统安装调试与实验运行，右图实验样品为海带

应用案例：生菜幼苗病害快速无损检测与抗性品种鉴定

农作物在种子萌发生长过程中会遭遇各种病害，因此对高抗病性品种的选育非常重要。而如果能快速、无损、简便、可靠地检测病害的发生，甚 至在病害症状发生前就能够将其检测到，无论是对于缩短育种周期还是指导生产实践都具有非常重要的意义。

德国莱布尼茨蔬菜和观赏植物研究所IGZ的Sandmann研究组将刚发芽的生菜幼苗人工感染立枯丝核菌（Rhizoctonia solani），然后综合采用叶绿素荧光成像技术、多光谱荧光成像技术、红外热成像技术及植物反射光谱NDVI成像，对不同成像参数进行了分析，以确定哪些技术的哪些参数能够更灵敏地将感染病害的植株和未感染的植株区分开，实现高通量非损伤在线分析测量筛选：

结果发现，感染病害的植株和未感染的植株之间，最大光化学效率Fv/Fm、荧光衰减指数Rfd、NDVI、作物水胁迫指数I1、光合有效叶面积日相对生长速率Arel、多光谱荧光F440、F520等参数都表现出显著差异。通过进一步数据统计分析最终发现Fv/Fm、Rfd在本次实验中的识别效果最好，误差≤0.052，Fv/Fm＞0.73的生菜幼苗即可认为是健康的。研究人员希望通过进一步工作，将这一发现应用于园艺和农业生产实践，比如优良抗病蔬菜品种的选育、病害的早期发现与防治等。

参考文献：

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