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

　　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(lái)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(duì)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(zhǎng)加工環(huán)節(jié)中研究現(xiàn)狀，并對(duì)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(jué),葉綠素?zé)晒饧夹g(shù)

　　引言

　　隨著社會(huì)的發(fā)展進(jìn)步，人們對(duì)農(nóng)產(chǎn)品的品質(zhì)要求也越來(lái)越高，對(duì)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(gè)環(huán)節(jié)中都要對(duì)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(zhǎng)?那么從育苗開(kāi)始需要有優(yōu)良的品種的種苗，田間管理需要對(duì)作物的營(yíng)養(yǎng)物質(zhì)的缺乏情況進(jìn)行檢測(cè)，及時(shí)對(duì)作物進(jìn)行正確的肥料作業(yè)。除了施肥作業(yè)外，對(duì)作物的病蟲(chóng)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(cè)過(guò)程都是人為判斷的，其測(cè)量的準(zhǔn)確度過(guò)于依賴于檢測(cè)者的主觀，所以急需一種能夠替代人工的對(duì)農(nóng)作物進(jìn)行以上檢測(cè)的平臺(tái)。植物表型組學(xué)的出現(xiàn)解決了這一問(wèn)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(dòng)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(zhǎng)狀況和病蟲(chóng)草害的相關(guān)狀況，表型檢測(cè)平臺(tái)的建立實(shí)現(xiàn)了對(duì)農(nóng)作物進(jìn)行高通量數(shù)字化的無(wú)損檢測(cè)。

　　1表型組學(xué)的研究意義

　　近年來(lái)隨著全球人口的快速增長(zhǎng)，城市化進(jìn)程加快，以及人類對(duì)生物燃料的需求和氣候變化等一系列問(wèn)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(chóng)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(guò)研究表型組中的個(gè)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(duì)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(shí)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(jì)算機(jī)技術(shù)、統(tǒng)計(jì)學(xué)和生物信息學(xué)等學(xué)科相關(guān)技術(shù)，可以做到對(duì)農(nóng)作物的整個(gè)生命周期實(shí)現(xiàn)性狀都能做到實(shí)時(shí)捕捉監(jiān)測(cè)。近年來(lái)表型組學(xué)也越來(lái)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(zhǎng)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(kāi)展植物對(duì)水分的利用率，對(duì)各種營(yíng)養(yǎng)物質(zhì)的需求，不同光源對(duì)植物生長(zhǎng)發(fā)育的影響以及植物對(duì)生物、非生物脅迫的反應(yīng)等研究相對(duì)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(guò)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(duì)非生物脅迫的響應(yīng)等。目前在植物表型研究中自動(dòng)化圖片分析技術(shù)，如熒光成像、光譜成像、機(jī)器視覺(jué)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(chóng)害監(jiān)測(cè)，農(nóng)產(chǎn)品品質(zhì)檢測(cè)，和自動(dòng)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(cè)平臺(tái)的核心技術(shù)是光學(xué)成像技術(shù)，對(duì)光的認(rèn)識(shí)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(cè)等光學(xué)手段，實(shí)際上綠色植物對(duì)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(wàn)縷的聯(lián)系。多光譜技術(shù)是發(fā)展較早的一種對(duì)農(nóng)作物進(jìn)行檢測(cè)的光譜技術(shù)。

　　馮雷等[5]利用多光譜成像技術(shù)對(duì)水稻葉瘟進(jìn)行了分級(jí)檢測(cè)。孫光明等[6]利用多高譜技術(shù)實(shí)時(shí)識(shí)別大麥赤霉病害，建立了大麥赤霉病的識(shí)別模型，檢測(cè)效果良好，預(yù)測(cè)準(zhǔn)確率達(dá)93.9%。Dammer等[7]通過(guò)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(jí)。楊甜軍等[8]用多光譜成像技術(shù)設(shè)計(jì)了一套蘋果品質(zhì)檢測(cè)裝置，結(jié)合Labview技術(shù)實(shí)現(xiàn)對(duì)蘋果品質(zhì)的無(wú)損檢測(cè)裝置。近幾年高光譜技術(shù)已然成為現(xiàn)代農(nóng)業(yè)檢測(cè)系統(tǒng)中廣泛應(yīng)用的檢測(cè)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(duì)小麥赤霉病進(jìn)行識(shí)別，取得了較好的識(shí)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(shí)期不同位置的變化，通過(guò)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(cè)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(duì)蘋果蟲(chóng)害進(jìn)行了快速、無(wú)損、自動(dòng)檢測(cè)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(cè)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(jué)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用

　　用機(jī)器模擬人的視覺(jué)，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(guò)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(jì)算機(jī)的信息和分析能力可以看做是人的大腦中樞，用來(lái)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(dòng)作。這樣就組成了機(jī)器視覺(jué)系統(tǒng)。機(jī)器視覺(jué)的應(yīng)用促進(jìn)了農(nóng)業(yè)生產(chǎn)的自動(dòng)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(jì)算機(jī)視覺(jué)技術(shù)和神經(jīng)網(wǎng)絡(luò)算法對(duì)香菇進(jìn)行自動(dòng)檢測(cè)與分級(jí)。

　　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(dòng)式分級(jí)執(zhí)行機(jī)構(gòu)完成棗果分級(jí)。黃星奕等[18]采用機(jī)器視覺(jué)和近紅外光譜技術(shù)相結(jié)合的技術(shù)，拍攝杏干4個(gè)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(duì)杏干內(nèi)外品質(zhì)的綜合檢測(cè)，結(jié)果表明，杏干質(zhì)量分級(jí)的準(zhǔn)確率為90%，缺陷檢測(cè)的準(zhǔn)確率為84.5%。

　　機(jī)器視覺(jué)技術(shù)可對(duì)作物病害進(jìn)行診斷、雜草進(jìn)行識(shí)別，是一種快捷、低廉和無(wú)損檢測(cè)的檢測(cè)技術(shù)。高雄等[19]提出一種基于機(jī)器視覺(jué)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(lái)實(shí)現(xiàn)病蟲(chóng)害的自動(dòng)識(shí)別的方法，試驗(yàn)表明，識(shí)別蟲(chóng)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(duì)室內(nèi)土槽的有序雜草和無(wú)序雜草進(jìn)行定位試驗(yàn)，有序的雜草和無(wú)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(jì)了一套大田害蟲(chóng)遠(yuǎn)程自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)通過(guò)3G無(wú)線網(wǎng)絡(luò)將害蟲(chóng)照片傳輸?shù)街骺仄脚_(tái)中，系統(tǒng)首先對(duì)害蟲(chóng)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(duì)6種常見(jiàn)大田害蟲(chóng)進(jìn)行了測(cè)試，平均準(zhǔn)確率達(dá)87.4%，實(shí)現(xiàn)了大田害蟲(chóng)的快速實(shí)時(shí)識(shí)別和診斷。

　　ArmanArefi等[22]就基于機(jī)器視覺(jué)的成熟番茄果實(shí)的檢測(cè)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(duì)光強(qiáng)的適應(yīng)性都有使用價(jià)值，但是動(dòng)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(duì)象，針對(duì)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(cè)距相結(jié)合的草莓采摘位置自動(dòng)定位方法，對(duì)自然環(huán)境下生長(zhǎng)的長(zhǎng)圓錐型草莓進(jìn)行了試驗(yàn)，結(jié)果表明，對(duì)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(jì)算時(shí)間為381ms，測(cè)距最大誤差為1.6mm，平均誤差為0.5mm。

　　王輝等[24]設(shè)計(jì)了蘋果作業(yè)機(jī)器人識(shí)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(shí)別與定位方法，結(jié)果表明：當(dāng)工作距離為240cm時(shí)，雙目視覺(jué)系統(tǒng)可以準(zhǔn)確識(shí)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(shí)，雙目視覺(jué)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(shí)，單目視覺(jué)傳感器測(cè)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(lái)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(duì)植物的生長(zhǎng)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(guò)對(duì)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(cè)。

　　Pereira等[26]采用波長(zhǎng)473nm的激光激發(fā)柑橘葉片，對(duì)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(cè)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(duì)黃瓜病害進(jìn)行檢測(cè)，結(jié)果表明，該方法對(duì)黃瓜霜霉病和蚜蟲(chóng)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(wú)損檢測(cè)。

　　Cerovic等[28]分別用傳感器中的3種LED燈對(duì)葡萄的成熟度進(jìn)行了檢測(cè)。喻曉強(qiáng)等[29]通過(guò)對(duì)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(cè)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(zhǎng)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(duì)臍橙腐爛程度進(jìn)行檢測(cè)，正確率達(dá)100%。葉綠素?zé)晒饧夹g(shù)也可以用來(lái)檢測(cè)土壤水分含量。張石銳[31]等通過(guò)對(duì)盆栽水稻熒光光譜的研究，通過(guò)測(cè)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(yǔ)

　　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(zhǎng)，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(duì)植物的一些表型性狀的研究，未來(lái)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(cè)環(huán)境，在復(fù)雜環(huán)境中提高其監(jiān)測(cè)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(gè)必然的發(fā)展趨勢(shì)，其發(fā)展前景廣闊。

　　光學(xué)領(lǐng)域、計(jì)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(tái)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(gè)平臺(tái)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(tái)，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(tái)。

　　參考文獻(xiàn)：

　　[1]TesterM，LangridgeP.Breedingtechnologiestoincreasecropproductioninachangingworld[J].Science，2010，327(5967)：818-822.

　　[2]Andrade-SanchezP，GoreMA，HeunJT，etal.Develop-mentandevaluationofafield-basedhigh-throughputphenotyp-ingplatform[J].FunctionalPlantBiology，2013，41(1)：68-79.

　　[3]WhiteJW，Andrade-SanchezP，GoreMA，etal.Field-basedphenomicsforplantgeneticsresearch[J].FieldCropsRe-search，2012，133：101-112.

　　[4]KippS，MisteleB，BareselP，etal.High-throughputpheno-typingearlyplantvigourofwinterwheat[J].EuropeanJournalofAgronomy，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(cè)分級(jí)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(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25(增刊2)：204-207.

　　農(nóng)業(yè)方向刊物推薦：《農(nóng)業(yè)工程學(xué)報(bào)》主要欄目有：農(nóng)業(yè)水土工程，農(nóng)業(yè)裝備工程與機(jī)械化，農(nóng)業(yè)信息與電氣技術(shù)，農(nóng)業(yè)生物環(huán)境與能源工程，土地整理工程，農(nóng)產(chǎn)品加工工程。

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///nylw/20071.html