近年來(lái),熱成像技術(shù)在植物表型解析中取得了顯著進(jìn)展,已被用于植物防御機(jī)制研究、植物脅迫檢測(cè)和癥狀嚴(yán)重程度評(píng)估、篩選抗旱耐鹽或耐寒作物品種、評(píng)估植物生物量和產(chǎn)量等。總體而言,熱成像是評(píng)估生物脅迫、非生物脅迫和其他應(yīng)用下植物表型的有效工具。本綜述首先總結(jié)和對(duì)比了各成像技術(shù)在植物表型分析中的優(yōu)缺點(diǎn)(如圖1所示),簡(jiǎn)單分析了基于成像技術(shù)的2D、3D表型的特點(diǎn);接著介紹了熱成像的基本原理(如圖2所示)、熱成像圖像采集的近地與無(wú)人機(jī)平臺(tái)以及應(yīng)用場(chǎng)景、熱成像圖像識(shí)別的傳統(tǒng)方法以及深度學(xué)習(xí)方法(技術(shù)流程如圖3a所示);隨后總結(jié)分析了熱成像的優(yōu)缺點(diǎn)以及與其他成像技術(shù)結(jié)合應(yīng)用,重點(diǎn)統(tǒng)計(jì)并分析了2019年至2022年熱成像技術(shù)在植物生物脅迫(包括真菌、細(xì)菌、病菌和害蟲,如圖4所示)、非生物脅迫(包括水分脅迫、凍害、營(yíng)養(yǎng)元素,如圖5所示)、共存脅迫(包括多重生物誘導(dǎo)脅迫、非生物和生物誘導(dǎo)脅迫,如圖6所示)以及植物生長(zhǎng)(包括作物產(chǎn)量、種子質(zhì)量,如圖7所示)檢測(cè)的研究應(yīng)用。總之,本綜述總結(jié)了近年熱成像技術(shù)在表型領(lǐng)域的進(jìn)展,為育種家培育高產(chǎn)、抗逆、耐逆、優(yōu)質(zhì)的作物品種提供了指導(dǎo)。
圖1 植物表型與成像技術(shù)之間的關(guān)系,以及現(xiàn)有成像技術(shù)的優(yōu)缺點(diǎn)。(a)植物表型與成像技術(shù)之間的關(guān)系。植物表型是在基因和環(huán)境的動(dòng)態(tài)相互作用下形成的,成像技術(shù)可以通過識(shí)別表型來(lái)檢測(cè)植物中的生物和非生物脅迫。(b)現(xiàn)有成像技術(shù)的優(yōu)缺點(diǎn)。2D 成像技術(shù),包括可見、熒光、多光譜 (MSI)、高光譜 (HSI)和熱成像;3D成像技術(shù)主要包括 X 射線計(jì)算機(jī)斷層掃描、光檢測(cè)和測(cè)距、磁共振成像;每種成像方法都有優(yōu)點(diǎn)和缺點(diǎn)。
圖2 熱成像的相應(yīng)電磁波譜與成像過程、成像原理以及熱成像的組成相互作用。(a)植物表型熱成像技術(shù)中所有感興趣的波譜。(b)植物表型熱成像系統(tǒng)的典型構(gòu)成。(c)熱成像捕捉電磁輻射與物質(zhì)之間相互作用的變化,反射在物體表面的熱輻射信息和植物樣品發(fā)出的輻射可以用熱成像儀檢測(cè)。
圖3 植物表型熱成像的圖像識(shí)別。(a) 深度學(xué)習(xí)法流程圖。(b)基于CNN的圖像特征學(xué)習(xí)(以VGG模型為例。(c)植物中植物病害的識(shí)別、分類、量化和預(yù)測(cè)(ICQP)。
圖4 熱成像在檢測(cè)生物脅迫(真菌、細(xì)菌、病毒和蟲害)中的應(yīng)用。(a)真菌。使用遠(yuǎn)程熱成像比較猝死綜合癥感染植物與健康植物。(b)細(xì)菌。預(yù)測(cè)植物病害 Xf 細(xì)菌在植物葉片中的空間分布。(c)病毒。確定甘薯羽毛斑駁病毒(SPFMV)和甘薯氯酸特技病毒(SPCSV)是否單獨(dú)或兩者導(dǎo)致甘薯減產(chǎn)。(d)蟲害。蘋果綠蚜蟲侵?jǐn)_早期對(duì)蘋果葉溫度分布的影響。
圖5 熱成像在檢測(cè)非生物脅迫(水分脅迫、凍害和營(yíng)養(yǎng)元素)中的應(yīng)用。(a)水分脅迫。將PRI和RUE與葉片和葉片蒸騰量相關(guān)聯(lián),從空中測(cè)量麥田光合作用和蒸騰量。(b)凍害。IDTA和生存力評(píng)估,以探索結(jié)冰和凍傷機(jī)制。(c)營(yíng)養(yǎng)元素。研究了CCCI、WDI 和 NNI 之間的相互關(guān)系。
圖6 熱成像技術(shù)在檢測(cè)共存脅迫(多重生物誘導(dǎo)脅迫,非生物和生物誘導(dǎo)脅迫)中的應(yīng)用。(a) 多重生物誘導(dǎo)脅迫。利用機(jī)載熱成像和高光譜成像獲得的植物性狀區(qū)分橄欖樹上同時(shí)發(fā)生的兩種病原菌。(b) 非生物和生物誘導(dǎo)脅迫。結(jié)合航空光譜和熱成像掃描的特征加權(quán)ML模型解析特定生物和非生物光譜效應(yīng)。
圖7 熱成像技術(shù)在植物生長(zhǎng)檢測(cè)中的應(yīng)用(作物產(chǎn)量、種子質(zhì)量)。( a )作物產(chǎn)量。大面積、低成本、準(zhǔn)確、無(wú)損的農(nóng)業(yè)產(chǎn)量測(cè)量和估產(chǎn)模型的實(shí)現(xiàn)。( b )評(píng)估榆樹和水稻種子在熱衰變過程中的活力。
文獻(xiàn)來(lái)源:Ting W, Jian-Hong L, Qi W, Yang-Yang G, Ge-Fei H, Bao-An S. Thermal imaging: The digital eye facilitates high-throughput phenotyping traits of plant growth and stress responses. Science of The Total Environment, 2023, 899:165626.