Videometer植物/作物表型组学研究方法：成像品质可视化分析

更新时间：2022-05-12　点击量：1262

多光谱成像

多光谱成像与高光谱成像非常相似。用以获得紫外（UV）和可见-红外光谱测试样本图像中的所有像素。具体来说，多光谱成像系统通常可以提供3到20个波段的图像或图像平面图（如2个波段来自UV，3个波段来自VIS，5个波段来自IR）。这些波段之间没有连续性。高光谱图像是指每个像素形成一个几乎连续的光谱。高光谱图像的每个空间位置可能有数百个波段。如此庞大的数据量增加了成本计算工具的负担和成本，不可能用于实时应用。只有采用多光谱成像技术记录一组小数据的信息的间隔光谱带可以达到快速识别和检测的目的。作为变革性成像系统，多光谱成像系统可以基于滤波和色散装置（如光学元件）来开发滤波器和可调谐滤波器，其特点是具有不同的间距和带宽。例如一种多光谱成像系统，由电荷耦合设备摄像机和少量特征带干扰滤波器组成，可快速对色素成像。由于重量轻、硬件简单、采集速度快，多光谱成像具挑战性的任务是选择特征波长来表示识别感兴趣样品的特征。多光谱成像的特点是利用不连续的多光谱图像数据，而不是冗余的高光谱图像数据用于建模和评估食品质量的图像。收集到的多光谱带存为若干个图像，是3D（x，y，λ）光谱数据立方体。在立方体中，x和y代表两个空间维度，λ表示光谱尺寸，其中VIS/IR光谱通常可分为4个部分，即：可见光谱（380-780 nm）、近红外光谱（780nm-2500nm），中红外（MIR）光谱（2500-25000 nm），以及远红外（FIR）光谱（25000-300000nm）。关于植物食品质量和安全分析，多光谱分析成像系统，设计用于获取可见-近红外区域（380至2500 nm）的光谱数据。收集的光谱可以提供样品的复杂结构特征与色素和谐波的强吸附有关（如一阶谐波、二阶谐波和三阶谐波），或分子键（如C–H（脂肪族）的组合模式（变形和拉伸）C–O（羧基）、N–H（酰胺和胺）和O–H（羟基）官能团）.

文献报道的果实品质可视化

多光谱成像系统是一种能够同时获取光谱特征和空间图像信息的基本设备，是光电成像系统发展的和植物表型组学研究的重要方向。多光谱成像系统一般可提供具有3至20个非连续波段的图像，并已在农业和食品领域得到广泛应用。从成像原理上讲，多光谱成像技术就是把入射的全波段或宽波段的光信号分成若干个窄波段的光束，然后把它们分别成像在相应的探测器上，从而获得不同光谱波段的图像。

Videometer公司开发的多光谱植物表型成像系统VideometerLab通过测量植物在19种不同波长的LED频闪光下的成像来获取有用的信息。这些图像可以独立分析使用，也可以叠加起来合成高分辨率的颜色图像。Videometer备选模块包括荧光成像模块，能够实现叶绿素荧光成像（叶绿素a和叶绿素b）。

VideometerLab多光谱多光谱植物表型成像系统是一种新型的、功能强大且性价比高的植物表型成像测量系统。基础模块包括可见光成像，UV紫外成像以及NIR成像。可固定摄像头或移动摄像头。因拍照速度迅速，可实现较高通量成像。但需要手工较换样品，可以测量较小的样品。但分析软件功能强大。可对植物果实、种子、叶片、拟南芥等小植株、用多孔板培养的植物、多孔板里的叶圆片、种子、愈伤组织等，可以进行高通量测量。该系统也可以对细菌、小型动物、虫卵等进行高通量成像测量，进行毒理学或其它研究。通过控制系统就可以进行高分辨率多光谱成像。对于拟南芥等冠层平展的植物，可以进行自动的叶片计数等。

多光谱成像技术被认为是高光谱成像技术的一次变革。它可用于无创快速评价果蔬品质表型质量。尽管已经有几种成像或基于传感器的技术用于各种食品的质量评估，但多光谱成像更具有应用前景，多光谱传感器广泛应用于在果蔬（如谷物、豆类、块茎、水果和蔬菜）质量评估中，常用建模方法和特征波长选择方法确定和可视化的果蔬的不同质量参数（如物理化学和微生物方面）。根据文献进展，波长选择方法是连续投影算法（SPA）和回归系数（RC）。多种化学计量学方法可用于果实品质分析，用于分析果蔬食品的*模型是偏最小二乘回归（PLSR）、最小二乘支持向量机（LS-SVM）、支持向量机（SVM）、偏最小二乘判别分析（PLSDA）和多元线性回归（MLR）。