高宇+高軍萍+李寒+鄭文剛+張婉明

摘要：高效的植物表型監(jiān)測(cè)技術(shù)作為現(xiàn)代化農(nóng)業(yè)的一個(gè)重要研究方向，是育種、品種選擇、基因組學(xué)和表型組學(xué)研究的一個(gè)先決條件。隨著圖像采集、網(wǎng)絡(luò)傳輸技術(shù)、圖像處理等技術(shù)的發(fā)展，植物表型監(jiān)測(cè)技術(shù)的實(shí)際研究與應(yīng)用日益得到重視。為了從整體上梳理植物表型監(jiān)測(cè)技術(shù)的研究成果和存在問題，有效地推動(dòng)植物表型監(jiān)測(cè)技術(shù)發(fā)展和農(nóng)業(yè)現(xiàn)代化進(jìn)程，本研究介紹了植物表型監(jiān)測(cè)技術(shù)的國內(nèi)外研究進(jìn)展，同時(shí)歸納了現(xiàn)階段比較先進(jìn)的植物表型平臺(tái)產(chǎn)品，分析了其技術(shù)組成（主要是成像模塊和圖像分析模塊），并且列舉了植物表型監(jiān)測(cè)中不同用途的圖像分析方法。在此基礎(chǔ)上闡述了植物表型監(jiān)測(cè)技術(shù)目前存在的問題及相應(yīng)對(duì)策，最后從3個(gè)方面作了前景展望。

關(guān)鍵詞：植物表型；監(jiān)測(cè)技術(shù)；成像模塊；圖像分析

中圖分類號(hào)： TP391文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2017）11-0005-06

（aspiring）”的組學(xué)研究項(xiàng)目[3]。植物表型是指農(nóng)藝性狀的評(píng)估，如生育期、株高、葉面積、穗質(zhì)量、分蘗數(shù)、形態(tài)，以及倒伏、病蟲害、抗旱等[1，4]，廣義上也包括細(xì)胞的表型特征、組織和器官，即表型組以及轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組學(xué)等。植物表型作為評(píng)估田間試驗(yàn)植物的關(guān)鍵技術(shù)，為獲得植物不同生長階段的特征，已開發(fā)出標(biāo)準(zhǔn)的測(cè)量尺度方法，如BBCH測(cè)量[5-7]。其中，BBCH是國際上通用的一種描述植物生育期的方式。BBCH是Biologische，Bundesanstalt，Bundessortenamt and Chemical industry的縮寫，是一個(gè)對(duì)所有開花植物的各個(gè)生長階段類似表現(xiàn)型統(tǒng)一編碼的系統(tǒng)，以編碼形式準(zhǔn)確界定與標(biāo)準(zhǔn)化描述植物的生育期及生長狀態(tài)，是一個(gè)較為通用并能包括多植物種類的系統(tǒng)[8]。以水稻為例，00表示種子的狀態(tài)，1X表示秧苗長葉子的狀態(tài)，X表示葉片數(shù)，2X表示分蘗期。由于通過手動(dòng)測(cè)量分析植物的表型生理特征，很耗費(fèi)時(shí)間，會(huì)產(chǎn)生高成本，并且分析結(jié)果具有不可靠性。手動(dòng)測(cè)量通常在定義良好的靜態(tài)測(cè)量條件下執(zhí)行，所得到的數(shù)據(jù)集會(huì)產(chǎn)生誤差，往往很難用于制定新的生長過程策略。因此，隨著成像傳感器系統(tǒng)技術(shù)的發(fā)展，自動(dòng)表型監(jiān)測(cè)技術(shù)的實(shí)現(xiàn)克服了上面描述的手工方法的缺點(diǎn)。成像傳感器系統(tǒng)監(jiān)測(cè)的數(shù)據(jù)具有客觀性，并且可以對(duì)植物表型進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析。由于植物表型監(jiān)測(cè)信息易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此，在現(xiàn)代自動(dòng)化農(nóng)業(yè)生產(chǎn)過程中，人們將植物表型監(jiān)測(cè)系統(tǒng)廣泛地用于高通量植物表型平臺(tái)[9-12]。

植物表型監(jiān)測(cè)技術(shù)是21世紀(jì)現(xiàn)代化農(nóng)業(yè)領(lǐng)域的重大革命。植物表型監(jiān)測(cè)技術(shù)的科學(xué)意義在于準(zhǔn)確、快速地獲得具有內(nèi)在聯(lián)系的各種表型數(shù)據(jù)，有效監(jiān)測(cè)農(nóng)作物的生長情況，而實(shí)際意義在于該技術(shù)有助于培養(yǎng)優(yōu)秀的生產(chǎn)品種。利用植物表型監(jiān)測(cè)可以對(duì)溫室植物的生長狀態(tài)實(shí)現(xiàn)無損傷監(jiān)測(cè)，而且測(cè)量結(jié)果準(zhǔn)確、迅速，可以節(jié)省大量的人力物力，并為設(shè)施環(huán)境的調(diào)控提供可靠依據(jù)[13-15]。

1研究進(jìn)展

近幾年來，發(fā)達(dá)國家的大型企業(yè)和公眾科研機(jī)構(gòu)都投入了大量經(jīng)費(fèi)來構(gòu)建大型植物表型平臺(tái)，前者代表如杜邦先鋒、孟山都、德國LemnaTec公司等，后者代表如澳大利亞植物表型組設(shè)施（Australian Plant Phenomics Facilit）“植物加速器”、美國唐納德丹佛植物科學(xué)中心、日本理化學(xué)研究所等。表1給出了目前世界上已經(jīng)開發(fā)出的一些植物表型平臺(tái)產(chǎn)品，包括其資料來源、功能特性及實(shí)際應(yīng)用等。

自1998年以來，德國的LemnaTec公司在植物表型監(jiān)測(cè)系統(tǒng)方面，一直是世界領(lǐng)先的軟件供應(yīng)商和自動(dòng)化的研究平臺(tái)[16-18]。2013年2月，LemnaTec的Scanalyzers產(chǎn)品系列提供了全方位的表型研究平臺(tái)，范圍從臺(tái)式系統(tǒng)到監(jiān)測(cè)大型農(nóng)田[19-26]。該公司在很多領(lǐng)域做了新的嘗試，包括育種專家關(guān)注的兩大技術(shù)：高光譜成像和光合熒光（ΔF/Fm′）成像[27-31]。整個(gè)項(xiàng)目從工程的設(shè)計(jì)階段到交付使用，LemnaTec公司表現(xiàn)出了卓越的工作效率，整個(gè)工期不到6個(gè)月。同時(shí)，Scanalyzers節(jié)能效率高達(dá)80%以上。整株植物包含根系部分，都能進(jìn)行3D成像，通過改進(jìn)傳輸管理系統(tǒng)，本系統(tǒng)的通量能提高35%，每天可獲得多達(dá)2 000株植物的植物表型和生理數(shù)據(jù)，大大提高了巴伐利亞州農(nóng)業(yè)研究中心（LFL）谷物育種的效率。Scanalyzers系列按照植物表型監(jiān)測(cè)的不同需求分為Scanalyzer PL、Scanalyzer 3D、Scanalyzer Field等產(chǎn)品。其中，Scanalyzer PL適合監(jiān)測(cè)小范圍或者科學(xué)實(shí)驗(yàn)性的植物，根據(jù)測(cè)試目的，可以安裝1～2個(gè)成像傳感器。此臺(tái)式平臺(tái)可用不同的背光和頂光模式，監(jiān)測(cè)到的表型具有高精度的特點(diǎn)。Scanalyzer 3D系統(tǒng)為不同植物的定量、非破壞性分析或在低吞吐量的條件下的植物模型構(gòu)建開辟了新的前景。評(píng)估農(nóng)業(yè)田間植物的重要特征，最可靠的方法是田間表型。Scanalyzer Field可以自動(dòng)地在田間獲得生長、形態(tài)學(xué)、生理學(xué)信息，并且可以無損地監(jiān)控非常大的范圍，保證高采樣頻率和高精度的效果，已用來分析增長率、生物量、基因以及結(jié)構(gòu)等植物表型，在農(nóng)業(yè)商業(yè)化生產(chǎn)中具有很大的優(yōu)勢(shì)。LemnaTec高通量表型篩查結(jié)果為一組巨大的具體表型參數(shù)、分析和報(bào)告，提供擬南芥、水稻、玉米到各種其他植物的全方位生理生態(tài)與形態(tài)結(jié)構(gòu)成像分析，進(jìn)行高通量植物表型成像分析測(cè)量、植物脅迫響應(yīng)成像分析測(cè)量、植物生長分析測(cè)量、性狀識(shí)別及植物生理生態(tài)分析研究等。2008年，科研機(jī)構(gòu)代表澳大利亞植物表型組設(shè)施（Australian Plant Phenomics Facilit）在澳大利亞阿德雷德大學(xué)威特校區(qū)建立[1-2，32]。2009年4月，第一屆國際植物表型組大會(huì)在澳大利亞堪培拉成功舉辦，植物表型組學(xué)研究技術(shù)也進(jìn)入一個(gè)新的階段[33]。2012年，印度投入巨資，分別在印度農(nóng)業(yè)研究理事會(huì)、印度園藝研究所和印度農(nóng)業(yè)研究所建立了大型植物表型平臺(tái)[34]。表1植物表型平臺(tái)產(chǎn)品的比較

表型平臺(tái)參考資源功能特性實(shí)際應(yīng)用Scanalyzerhttp：//www.lemnatec.com能源效率>80%；流量增加35%；三維成像2013年2月，德國農(nóng)業(yè)部長赫爾穆特布魯納宣布，巴伐利亞州農(nóng)業(yè)研究中心植物表型平臺(tái)正式運(yùn)行WPScanhttp：//www.phenotrait.com超高吞吐量；非代工（Non OEM）；質(zhì)量控制；大型項(xiàng)目經(jīng)驗(yàn)>1002003年，WPS為比利時(shí)CropDesign建成世界第一套高吞吐量植物表型系統(tǒng)。TraitMillhttp：//www.cropdesign.com單擊“克隆”軟件機(jī)器人；每年可鑒定成百個(gè)不同的啟動(dòng)子-基因2005年，比利時(shí)的植物設(shè)計(jì)公司（CropDesign）成功地開發(fā)了一種稱為TraitMill的技術(shù)平臺(tái)FieldScanhttp：//phenospex.com每天有數(shù)萬株，5 000株/h高通量FieldScan是一種在表型研究領(lǐng)域中的高通量植物表型平臺(tái)KeyBoxhttp：//www.keygene.com可快速拆卸、包裝，最終套件，操作簡(jiǎn)單，功能強(qiáng)大2013年9月23日，Keygene已經(jīng)開發(fā)出1個(gè)國際的小型便攜式植物表型平臺(tái)Keybox。PlantScreenhttp：//www.phenomics.com.cn實(shí)時(shí)可見光譜（RGB）成像，熱成像和熒光成像分析2013年，帕拉大學(xué)設(shè)有2套plantscreen表型成像分析系統(tǒng)DroughtSpotterhttp：//phenospex.com重量控制精度高達(dá)0.02%；4種自動(dòng)灌溉模式DroughtSpotter提供12個(gè)或24個(gè)獨(dú)立的灌溉稱重裝置

我國作為農(nóng)業(yè)大國，目前許多農(nóng)業(yè)研究者已在大量文獻(xiàn)資料說明了植物表型監(jiān)測(cè)在農(nóng)業(yè)中的應(yīng)用，如植物表型監(jiān)測(cè)在性狀挖掘、水分脅迫、植物病蟲害、高通量篩選、化學(xué)篩選、分子育種等農(nóng)業(yè)領(lǐng)域中均得到發(fā)展[35-38]。2009年，華中農(nóng)業(yè)大學(xué)和華中科技大學(xué)聯(lián)合自主研發(fā)了第一套高通量多參數(shù)植物表型測(cè)量設(shè)備，即植株表型參數(shù)自動(dòng)提取系統(tǒng)（RAP-1.0），研究成果總體達(dá)到國際先進(jìn)水平[39]。該系統(tǒng)集光電技術(shù)、自動(dòng)控制和機(jī)械化技術(shù)于一體，實(shí)現(xiàn)了水稻、玉米、小麥、油菜等盆栽植物表型參數(shù)全自動(dòng)、無損、高通量準(zhǔn)確提取，以及植物栽培輸送全自動(dòng)一體化。測(cè)量參數(shù)包括：株高、分蘗數(shù)、葉片角度等株型相關(guān)參數(shù)，以及綠葉面積、鮮質(zhì)量、干質(zhì)量等生長發(fā)育相關(guān)參數(shù)。測(cè)量效率為30 s/株，即2 880株/d。在RAP-1.0的基礎(chǔ)上增加近紅外成像暗室和熒光成像暗室，可以升級(jí)為RAP-1.1，可實(shí)現(xiàn)植株水分分布、葉綠色熒光等生理表型參數(shù)實(shí)現(xiàn)無損高通量提取，總體測(cè)量效率為45 s/株，即1 920株/d。

但是，我國植物表型監(jiān)測(cè)技術(shù)起步較晚，該項(xiàng)技術(shù)研究整體上相對(duì)于國外發(fā)達(dá)國家進(jìn)展較慢，自主研發(fā)較少，許多公司主要處于對(duì)國外先進(jìn)植物表型監(jiān)測(cè)技術(shù)的引進(jìn)推廣和利用的階段。例如，慧諾瑞德與多家國際知名的高端科研設(shè)備生產(chǎn)商達(dá)成了代理協(xié)議，共同為我國農(nóng)業(yè)科研、育種和生產(chǎn)領(lǐng)域提供產(chǎn)品和系統(tǒng)解決方案。他們提供的荷蘭WPS表型系統(tǒng)具有高通量植物表型測(cè)量分析、圖像分析速度快等特性，能夠更好地識(shí)別和分析植物的所有性狀，準(zhǔn)確計(jì)算植物生物量、生長速率、結(jié)構(gòu)相關(guān)指標(biāo)等，適用于各種尺寸的植物，從幼苗到成熟植株，例如水稻、小麥、玉米、番茄、甘薯、大豆、苜蓿、煙草、油菜等。

2植物表型監(jiān)測(cè)技術(shù)組成

植物表型監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu)框圖一般如圖1所示，主要包括3個(gè)模塊：成像模塊、網(wǎng)絡(luò)傳輸模塊和圖像分析模塊。通過成像模塊對(duì)不同的植物通過RGB、紅外熱成像傳感器、近紅外成像傳感器、光合熒光傳感器等不同傳感器對(duì)植物的整體或者部分進(jìn)行成像，并通過以太網(wǎng)等技術(shù)將圖像傳輸?shù)綀D像分析終端，通過對(duì)圖像的處理獲取不同的植物表型參數(shù)，并將該參數(shù)用于環(huán)境監(jiān)測(cè)、決策診斷等。最后通過對(duì)應(yīng)用示范效果的評(píng)估等，對(duì)該技術(shù)的應(yīng)用構(gòu)建規(guī)范標(biāo)準(zhǔn)。本研究主要介紹的是成像模塊和圖像分析模塊。

2.1成像模塊

在高通量表型平臺(tái)上，各種各樣的成像方法被用于復(fù)雜特征的定量研究，如研究相關(guān)生長、產(chǎn)量和適應(yīng)生物或非生物脅迫（疾病、昆蟲、干旱和鹽堿）的數(shù)據(jù)[40]。成像的目的是通過光與植物之間的相互作用，如反射的光子、吸收的光子或透射的光子定量測(cè)量表型。植物細(xì)胞和組織中的每一部分具有特定波長的反射、吸收和透射特性[41]。例如，葉綠素吸收的光子主要在可見光的藍(lán)色和紅色光譜區(qū)域。目前，植物的表型主要成像技術(shù)包括可見光成像、熒光成像、熱紅外成像、3D成像[42-43]、成像光譜技術(shù)和其他技術(shù)（MRI、PET和CT）。

2.2圖像分析模塊

圖像分析模塊是用于處理成像模塊獲取的監(jiān)測(cè)對(duì)象監(jiān)測(cè)圖像的后臺(tái)腳本。自動(dòng)化圖像分析是一個(gè)計(jì)算密集型的復(fù)雜任務(wù)，一般分為圖像處理子模塊和圖像分析子模塊兩部分。

圖像處理子模塊用來從數(shù)據(jù)圖像中獲取特征數(shù)據(jù)。圖像處理子模塊主要由以下5個(gè)步驟組成：PC獲取數(shù)字圖像，圖像濾波去除噪聲，圖像經(jīng)開、閉運(yùn)算平滑處理，圖像二值化和獲取圖像特征值。在完成圖像分析步驟時(shí)，各階段的圖像如原始圖像、融合圖像，存儲(chǔ)在數(shù)據(jù)庫中。

圖像分析子模塊用來對(duì)圖像特征值進(jìn)行分析，促進(jìn)了植物3D模型的重建，能夠更好地識(shí)別和分析植物的所有性狀，準(zhǔn)確計(jì)算植物生物量、生長速率、結(jié)構(gòu)相關(guān)指標(biāo)（如分蘗、穗、圓錐花序等）以及其他產(chǎn)量相關(guān)指標(biāo)。目前已開發(fā)了各種獨(dú)創(chuàng)性圖像分析工具，允許用戶將顏色信息與某些特定的實(shí)驗(yàn)參數(shù)相關(guān)聯(lián)，然后應(yīng)用到后期的自動(dòng)化分析中。比如，這些工具可以在肥料優(yōu)化試驗(yàn)中精確量化植物的綠色程度，也可以量化植物的衰老過程或者追蹤植物病原體的響應(yīng)等。對(duì)特定的顏色區(qū)域進(jìn)行識(shí)別和量化，便可以闡明植物顏色變化與性狀的相關(guān)性。通過表3所示的模式識(shí)別、三維重建、機(jī)器學(xué)習(xí)等技術(shù)作出決策診斷等。

3存在問題及對(duì)策

植物表型監(jiān)測(cè)技術(shù)因其具有的優(yōu)勢(shì)在農(nóng)業(yè)生產(chǎn)中得到了廣泛應(yīng)用，但是仍然不夠成熟。本研究提出了該技術(shù)應(yīng)用存在的問題以及對(duì)策。

（1）實(shí)時(shí)監(jiān)測(cè)目標(biāo)植物，多個(gè)成像傳感器監(jiān)測(cè)植物的不同屬性，需要準(zhǔn)確選擇并配合使用相機(jī)或傳感器。具體的對(duì)策是選擇分辨率高、抗環(huán)境干擾強(qiáng)的相機(jī)，加強(qiáng)實(shí)時(shí)采集圖像的穩(wěn)定性和清晰度。組合使用各類傳感器，如紅外熱成像傳感器、RGB成像傳感器、光合熒光傳感器等。為了提高監(jiān)測(cè)效果，可以采用全新的硬件設(shè)備，如英特爾實(shí)感攝像頭（RealSense camera）集成了3D深度和2D鏡頭模塊的設(shè)備，結(jié)合三維成像視覺技術(shù)的開發(fā)和應(yīng)用[2，8-9]，能夠賦予設(shè)備以類似于人眼的視覺深度，圖像在拍照的瞬間將依照深度被分層捕獲，從而可以重新調(diào)整焦點(diǎn)，直接讀取所拍物體的三維數(shù)據(jù)，更快、更準(zhǔn)確地了解植物參數(shù)。

（2）對(duì)于采集到的圖像數(shù)據(jù)，監(jiān)測(cè)系統(tǒng)自動(dòng)處理信息的速度比較慢，不利于管理者針對(duì)植物生長實(shí)際狀況及時(shí)作出合理的決策。具體對(duì)策是進(jìn)行圖像處理新算法的研究。利用新算法（3）隨著我國發(fā)展現(xiàn)代化農(nóng)業(yè)對(duì)農(nóng)田植物表型監(jiān)測(cè)信息化的需求越來越強(qiáng)烈，植物表型監(jiān)測(cè)平臺(tái)的安裝數(shù)量逐漸增多。由于植物表型監(jiān)測(cè)平臺(tái)的采集、傳輸、分析等各個(gè)模塊開發(fā)的不同，以及決策管理過程沒有明確的標(biāo)準(zhǔn)可循，導(dǎo)致目前我國很多植物表型平臺(tái)擁有各自的開發(fā)和應(yīng)用標(biāo)準(zhǔn)，沒有形成統(tǒng)一開放的技術(shù)標(biāo)準(zhǔn)體系，阻礙植物表型監(jiān)測(cè)技術(shù)在全國范圍內(nèi)的發(fā)展。我國在植物表型監(jiān)測(cè)技術(shù)方面一直在進(jìn)步和完善，但是還需要對(duì)植物表型監(jiān)測(cè)體系的一系列關(guān)鍵技術(shù)作出詳細(xì)規(guī)范。建立統(tǒng)一的植物表型監(jiān)測(cè)系統(tǒng)體系和規(guī)范，形成網(wǎng)絡(luò)資源共享庫，并且加強(qiáng)各個(gè)表型平臺(tái)開發(fā)者之間相互協(xié)作，將有助于我國植物表型監(jiān)測(cè)技術(shù)發(fā)展。

4前景展望

隨著植物表型監(jiān)測(cè)技術(shù)的成熟與發(fā)展，它將在現(xiàn)代和未來農(nóng)業(yè)中得到更加廣泛的應(yīng)用。未來，植物表型監(jiān)測(cè)技術(shù)發(fā)展主要表現(xiàn)為以下一些特性：（1）植物表型監(jiān)測(cè)產(chǎn)品價(jià)格呈現(xiàn)下降趨勢(shì)，功能逐漸增多。隨著植物表型監(jiān)測(cè)技術(shù)的快速發(fā)展，各個(gè)公司的競(jìng)爭(zhēng)會(huì)越來越激烈，其價(jià)格也會(huì)持續(xù)下降。為了更大程度地占據(jù)需求市場(chǎng)，各個(gè)公司將會(huì)不斷更新功能和提供更好的優(yōu)化服務(wù)，開發(fā)出可靠性高、可維護(hù)性好、不斷完善的表型監(jiān)測(cè)產(chǎn)品。植物表型監(jiān)測(cè)技術(shù)的應(yīng)用具有巨大的空間，隨著全球表型平臺(tái)研究的快速發(fā)展，它在農(nóng)業(yè)方面的應(yīng)用將呈上升趨勢(shì)。（2）技術(shù)方面的趨勢(shì)是數(shù)字化、實(shí)時(shí)化和智能化。圖像采集和傳輸?shù)臄?shù)字化是植物表型監(jiān)測(cè)系統(tǒng)在技術(shù)方面發(fā)展的必然趨勢(shì)。更多的數(shù)字?jǐn)z像機(jī)，更寬的圖像數(shù)據(jù)傳輸帶寬，更高的圖像處理速度，以及更先進(jìn)的圖像處理算法，將會(huì)得到更廣泛的應(yīng)用。這樣的技術(shù)發(fā)展趨勢(shì)將使植物表型監(jiān)測(cè)技術(shù)向著更好的實(shí)時(shí)性和更高的智能程度不斷發(fā)展。（3）統(tǒng)一開放的標(biāo)準(zhǔn)是植物表型監(jiān)測(cè)技術(shù)發(fā)展的原動(dòng)力。依靠封閉的技術(shù)難以促進(jìn)整個(gè)行業(yè)的發(fā)展，只有形成統(tǒng)一而開放的標(biāo)準(zhǔn)才能讓更多的廠商在相同的表型平臺(tái)上開發(fā)產(chǎn)品。植物表型監(jiān)測(cè)技術(shù)產(chǎn)品的好壞不能夠通過單一因素來衡量，應(yīng)該逐漸按照國際化的統(tǒng)一標(biāo)準(zhǔn)判定，隨著中國農(nóng)業(yè)自動(dòng)化的逐漸開放，將帶領(lǐng)與其相關(guān)的產(chǎn)品技術(shù)也逐漸開放。

植物表型監(jiān)測(cè)技術(shù)發(fā)展方向是隨著科技發(fā)展方向改變而改變的，隨著計(jì)算機(jī)、網(wǎng)絡(luò)、圖像處理、傳輸技術(shù)的飛速發(fā)展，以及物聯(lián)網(wǎng)的提出，植物表型監(jiān)測(cè)技術(shù)正朝著一體化、數(shù)字化、網(wǎng)絡(luò)化、系統(tǒng)集成化、圖像處理智能化的方向發(fā)展。植物表型監(jiān)測(cè)系統(tǒng)在農(nóng)業(yè)上的應(yīng)用可提高生產(chǎn)的自動(dòng)化水平，解放勞動(dòng)力，具有良好的應(yīng)用前景。相信隨著相關(guān)技術(shù)的發(fā)展，很多問題會(huì)得到好的解決，植物表型監(jiān)測(cè)技術(shù)在農(nóng)業(yè)領(lǐng)域上的應(yīng)用會(huì)極大地加快農(nóng)業(yè)現(xiàn)代化進(jìn)程。

參考文獻(xiàn)：

[1]玉光惠，方宣鈞. 表型組學(xué)的概念及植物表型組學(xué)的發(fā)展[J]. 分子植物育種，2009，7（4）：639-645.

[2]潘映紅. 論植物表型組和植物表型組學(xué)的概念與范疇[J]. 作物學(xué)報(bào)，2015，41（2）：175-186.

[3]Baker M. Big biology：the omes puzzle[J]. Nature，2013，494（7438）：416-419.

[4]Zhe L U，Zhang F，Qin M A，et al. Advances in crop phenotyping and multi-environment trials[J]. Frontiers of Agricultural Science and Engineering，2015，2（1）：28-37.

[5] Meier U，Bleiholder H. The BBCH scale - codification and description of phonological growth stages of plants and their international use in agricultural research[C]. Proceedings of the International Symposium，2007：8-10.

[6]Lottner O，Sluiter A，Hartmann K，et al. Movement artefacts in range images of time-of-flight cameras[C]. ISSCS 2007：International Symposium On Signals，Circuits And Systems，Vol 1，2007：117.

[7]Klose R，Penlington J，Ruckelshausen A. Usability study of 3D time-of-flight cameras for automatic plant phenotyping[J]. Bornimer Agrartechnische Berichte，2009，69：93-105.

[8]張存政，單煒力，龔勇，等. BBCH編碼系統(tǒng)及其在我國農(nóng)藥管理體系中的應(yīng)用[J]. 農(nóng)產(chǎn)品質(zhì)量與安全，2011（6）：48-50.

[9]沈鳳悅，李毅念，陳信信，等. 高時(shí)空分辨率及高通量的稻茬麥苗期表型指標(biāo)動(dòng)態(tài)特征研究[J]. 作物雜志，2014（5）：117-121.

[10]周金輝，馬欽，朱德海，等. 基于機(jī)器視覺的玉米果穗產(chǎn)量組分性狀測(cè)量方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（3）：221-227.

[11]Aharoni A，Vorst O. DNA microarrays for functional plant genomics[J]. Plant Molecular Biology，2002，48（1/2）：99-118.

[12]CropDesign. Traitmill- platform and process[EB/OL].[2015-12-12].http：//www.cropdesign.com/tech_traitmill.php.

[13]李長纓，滕光輝，趙春江，等. 利用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)對(duì)溫室植物生長的無損監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2003，19（3）：140-143.

[14]吳瓊，朱大洲，王成，等. 農(nóng)作物苗期長勢(shì)無損監(jiān)測(cè)技術(shù)研究進(jìn)展[J]. 農(nóng)業(yè)工程，2011，1（4）：19-25.

[15]林開顏，徐立鴻，吳軍輝. 計(jì)算機(jī)視覺技術(shù)在作物生長監(jiān)測(cè)中的研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，20（2）：279-283.

[16]康樂，王海洋. 我國生物技術(shù)育種現(xiàn)狀與發(fā)展趨勢(shì)[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16（1）：16-23.

[17]吳建偉，盧大文，明博，等. 我國種業(yè)智能裝備產(chǎn)業(yè)研究[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16（6）：68-73.

[18]丁海鳳，于拴倉，王德欣，等. 中國蔬菜種業(yè)創(chuàng)新趨勢(shì)分析[J]. 中國蔬菜，2015（8）：1-7.

[19]Berger B，de Regt B，Tester M. High-throughput phenotyping of plant shoots[J]. Methods Mol Biol，2012，918：9-20.

[20]Klukas C，Pape J M，Entzian A. Analysis of high-throughput plant image data with the information system IAP[J]. Journal of Integrative Bioinformatics，2012，9（2）：191-193.

[21]Neumann K. Using automated high-throughput phenotyping using the LemnaTec Imaging Platform to visualize and quantify stress influence in Barley[C]//Plant and Animal Genome XXI Conference. Plant and Animal Genome，2013.

[22]Furbank R T，Tester M. Phenomics-technologies to relieve the phenotyping bottleneck[J]. Trends in Plant Science，2011，16（12）：635-644.

[23]Langridge P. High-throuput phenotyping of nitrogen response and use in wheat with lemnatec scanalyzer 3D[C]//Plant and Animal Genome ⅩⅩⅡ Conference. Plant and Animal Genome，2014.

[24]Helmert M，Lasinger H. The scanalyzer domain：greenhouse logistics as a planning problem[C]. ICAPS，2010：234-237.

[25]Pereyra-Irujo G A，Gasco E D，Peirone L S，et al. GlyPh：a low-cost platform for phenotyping plant growth and water use[J]. Functional Plant Biology，2012，39（11）：905-913.

[26]Naumann B，Eberius M，Appenroth K J. Growth rate based dose-response relationships and EC-values of ten heavy metals using the duckweed growth inhibition test （ISO 20079） with Lemna minor L. clone St[J]. Journal of Plant Physiology，2007，164（12）：1656-1664.

[27]燕輝，胡笑濤，姚付啟. 限量灌溉對(duì)冬小麥光合與葉綠素?zé)晒獾挠绊慬J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（11）：49-54.

[28]趙友全，魏紅艷，李丹，等. 葉綠素?zé)晒鈾z測(cè)技術(shù)及儀器的研究[J]. 儀器儀表學(xué)報(bào)，2010，31（6）：1342-1346.

[29]王春萍，雷開榮，李正國，等. 低溫脅迫對(duì)水稻幼苗不同葉齡葉片葉綠素?zé)晒馓匦缘挠绊慬J]. 植物資源與環(huán)境學(xué)報(bào)，2012，21（3）：38-43.

[30]程建峰，陳根云，沈允鋼. 神農(nóng)架林區(qū)不同類型植物的葉片特征與光合性能研究[J]. 生態(tài)環(huán)境學(xué)報(bào)，2010，19（1）：165-171.

[31]Zhang Y J，Liu L Y，Hou M Y，et al. Progress in remote sensing of vegetation chlorophyll fluorescence[J]. J Remote Sens，2009，13：971-978.

[32]Finkel E. With ‘phenomics，plant scientists hope to shift breeding into overdrive[J]. Science，2009，325（5939）：380-381.

[33]李宏，韋曉蘭. 表型組學(xué)：解析基因型-表型關(guān)系的科學(xué)[J]. 生物技術(shù)通報(bào)，2013（7）：41-47.

[34]朱會(huì)義，劉高煥. 印度農(nóng)業(yè)研究系統(tǒng)發(fā)展的現(xiàn)狀、問題與對(duì)策[J]. 中國農(nóng)業(yè)科技導(dǎo)報(bào)，2002，4（2）：38-42.

[35]李樹君，方憲法，南國良，等. 數(shù)字農(nóng)業(yè)工程技術(shù)體系及其發(fā)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（5）：157-160.

[36]應(yīng)義斌，傅賓忠，蔣亦元，等. 機(jī)器視覺技術(shù)在農(nóng)業(yè)生產(chǎn)自動(dòng)化中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，1999，15（3）：199-203.

[37]劉燕德，應(yīng)義斌，成芳. 機(jī)器視覺技術(shù)在種子純度檢驗(yàn)中的應(yīng)用[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（5）：161-163.

[38]Andrade-Sanchez P，Gore M A，Heun J T，et al. Development and evaluation of a field-based high-throughput phenotyping platform[J]. Functional Plant Biology，2014，41（1）：68-79.

[39]Yang W，Duan L，Chen G，et al. Plant phenomics and high-throughput phenotyping：accelerating rice functional genomics using multidisciplinary technologies[J]. Current Opinion in Plant Biology，2013，16（2）：180-187.

[40]Australian plant phenomics facility[EB/OL].[2015-10-10]. http：//www.plantphenomics.org.au.

[41]Sozzani R，Busch W，Spalding E P，et al. Advanced imaging techniques for the study of plant growth and development[J]. Trends in Plant Science，2014，19（5）：304-310.

[42]Paproki A，Sirault X，Berry S，et al. A novel mesh processing based technique for 3D plant analysis[J]. BMC Plant Biology，2012，12（1）：63-75.

[43]Paulus S，Behmann J，Mahlein A K，et al. Low-cost 3D systems：suitable tools for plant phenotyping[J]. Sensors，2014，14（2）：3001-3018.

[44]Li L，Zhang Q，Huang D. A review of imaging techniques for plant phenotyping[J]. Sensors，2014，14（11）：20078-20111.

[45]Golzarian M R，F(xiàn)rick R A，Karthika R，et al. Accurate inference of shoot biomass from high-throughput images of cereal plants[J]. Plant Methods，2011，7（1）：2-12.

[46]Dias P M，Brunel-Muguet S，Duerr C，et al. QTL analysis of seed germination and pre-emergence growth at extreme temperatures in Medicago truncatula[J]. Theoretical and Applied Genetics，2011，122（2）：429-444.

[47]Grift T E，Novais J，Bohn M. High-throughput phenotyping technology for maize roots[J]. Biosyst Eng，2011，110（1），40-48.

[48]Hoyos-Villegas V，Houx J，Singh S，et al. Ground-based digital imaging as a tool to assess soybean growth and yield[J]，Crop Sci，2014，54（4）：1756.

[49]Baker N R. Chlorophyll fluorescence：a probe of photosynthesis in vivo[J]. Annual Review of Plant Biology，2008，59（1）：89-113.

[50]Chaerle L，Hagenbeek D，de Bruyne E，et al. Chlorophyll fluorescence imaging for disease-resistance screening of sugar beet[J]. Plant Cell Tissue and Organ Culture，2007，91（2）：97-106.

[51]Mishra K B，Iannacone R，Petrozza A，et al. Engineered drought tolerance in tomato plants is reflected in chlorophyll fluorescence emission[J]. Plant Science，2012，182（1）：79-86.

[52]Lootens P，Devacht S，Baert J，et al. Evaluation of cold stress of young industrial chicory （Cichorium intybus L.） by chlorophyll a fluorescence imaging. II. Dark relaxation kinetics[J]. Photosynthetica，2011，49（2）：185-194.

[53]Araus J L，Serret M D，Edmeades G O. Phenotyping maize for adaptation to drought[J]. Front Physiol，2012（3）：305-324.

[54]Jones H G，Serraj R，Loveys B R，et al. Thermal infrared imaging of crop canopies for the remote diagnosis and quantification of plant responses to water stress in the field[J]. Funct Plant Biol，2009，36（10/11）：978-989.

[55]Sakamoto T，Shibayama M，Kimura A，et al. Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2011，66（6）：872-882.

[56]Bolon Y T，Haun W J，Xu W W，et al. Phenotypic and genomic analyses of a fast neutron mutant population resource in soybean[J]. Plant Physiol，2011，156（1）：240-253.

[57]Cook J P，McMullen M D，Holland J B，et al. Genetic architecture of maize kernel composition in the nested association mapping and inbred association panels[J]. Plant Physiol，2012，158（2）：824-834.

[58]Huang J，Liao H，Zhu Y，et al. Hyperspectral detection of rice damaged by rice leaf folder （Cnaphalocrocis medinalis）[J]. Comput Electr Agric，2012，82（1），100-107.

[59]Matsuda O，Tanaka A，F(xiàn)ujita T，et al. Hyperspectral imaging techniques for rapid identification of Arabidopsis mutants with altered leaf pigment status[J]. Plant & Cell Physiology，2012，53（6）：1154-1170.

[60]Biskup B，Scharr H，Schurr U，et al. A stereo imaging system for measuring structural parameters of plant canopies[J]. Plant，Cell & Environment，2007，30（10）：1299-1308.

[61]Klose R，Penlington J，Ruckelshausen A. Usability study of 3D time-of-flight cameras for automatic plant phenotyping[J]. Bornimer Agrartech Ber，2009，69：93-105.

[62]Van Der Heijden G，Song Y，Horgan G，et al. SPICY：towards automated phenotyping of large pepper plants in the greenhouse[J]. Functional Plant Biology，2012，39（10/11）：870-877.

[63]Reis J R. Evaluation of phenotyping methods for maize[D]. Urbana：Untversity of Illinois，2013.

[64]Paulus S，Dupuis J，Riedel S，et al. Automated analysis of barley organs using 3D laser scanning：an approach for high throughput phenotyping[J]. Sensors，2014，14（7）：12670-12686.

[65]Fang S Q，Yan X L，Liao H. 3D reconstruction and dynamic modeling of root architecture in situ and its application to crop phosphorus research[J]. Plant Journal for Cell and Molecular Biology，2009，60（6）：1096-1108.

[66]Poorter H，Bühler J，van Dusschoten D，et al. Pot size matters：A meta-analysis of the effects of rooting volume on plant growth[J]. Funct Plant Biol，2012，39（10/11），839-850.

[67]Rascher U，Blossfeld S，F(xiàn)iorani F，et al. Non-invasive approaches for phenotyping of enhanced performance traits in bean[J]. Functional Plant Biology，2011，38（12）：968-983.

[68]Yang W N，Xu X C，Duan L F，et al. High-throughput measurement of rice tillers using a conveyor equipped with X-ray computed tomography[J]. The Review of Scientific Instruments，2011，82（2）：025102.

[69]Flavel R J，Guppy C N，Tighe M，et al. Non-destructive quantification of cereal Roots in soil using high-resolution X-ray tomography[J]. Journal of Experimental Botany，2012，63（7）：2503-2511.

[70]Karunakaran C，Jayas D，White N. Detection of internal wheat seed infestation by Rhyzopertha dominica using X-ray imaging[J]. J Stored Prod Res，2004，40（5）：507-516.

[71]胡鵬程，郭焱，李保國，等. 基于多視角立體視覺的植株三維重建與精度評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（11）：209-214.

[72]楊福增，王崢，韓文霆，等. 基于小波變換的紅棗裂溝的多尺度邊緣檢測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21（6）：92-95.

[73]張馨，李道亮，楊文柱，等. 高分辨率棉花異性纖維彩色圖像的快速分割方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（1）：159-164，192.

[74]劉镕源，王紀(jì)華，楊貴軍，等. 冬小麥葉面積指數(shù)地面測(cè)量方法的比較[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（3）：220-224.

[75]陳鼎才，王定成，查金水. 基于機(jī)器視覺的現(xiàn)實(shí)葉片面積測(cè)量方法的研究[J]. 計(jì)算機(jī)應(yīng)用，2006，26（5）：1226-1228.

[76]蔡健榮，周小軍，李玉良，等. 基于機(jī)器視覺自然場(chǎng)景下成熟柑橘識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24（1）：175-178.

[77]喻擎蒼，嚴(yán)紅濱. 一種基于圖像輪廓線的稻種模糊模式識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2002，18（1）：150-153.

[78]刁智華，王歡，宋寅卯，等. 復(fù)雜背景下棉花病葉害螨圖像分割方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（5）：147-152.

[79]周俊，王明軍，邵喬林. 農(nóng)田圖像綠色植物自適應(yīng)分割方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（18）：163-170.

[80]賈偉寬，趙德安，阮承治，等. 蘋果夜視圖像小波變換與獨(dú)立成分分析融合降噪方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（9）：9-17.

[81]楊福增，張艷寧，王崢，等. 基于小波變換的Wiener濾波算法去除蘋果圖像噪聲[J].