服(fu)務熱(re)線
-
技(ji)術(shu)文(wen)章ARTICLE
您(nin)當(dang)前(qian)的位(wei)置(zhi):首頁(ye) > 技術(shu)文(wen)章 > 我(wo)有(you)妙招!易(yi)科(ke)泰(tai)光譜(pu)成(cheng)像技術(shu)植(zhi)保(bao)領(ling)域應(ying)用(yong)-植物(wu)病害(hai)檢測我(wo)有(you)妙招!易(yi)科(ke)泰(tai)光譜(pu)成(cheng)像技術(shu)植(zhi)保(bao)領(ling)域應(ying)用(yong)-植物(wu)病害(hai)檢測
發(fa)布(bu)時(shi)間(jian): 2024-09-30 點(dian)擊次(ci)數: 1184次病(bing)害(hai)是(shi)影(ying)響(xiang)植(zhi)物(wu)生長(chang)發(fa)育(yu)的關鍵(jian)因素(su)之壹,早(zao)期識(shi)別、發(fa)現病(bing)害(hai),及早控(kong)制,有(you)利於(yu)提高(gao)作物(wu)產量(liang)和(he)質(zhi)量(liang),保(bao)障食品安(an)全(quan),為(wei)抗(kang)病(bing)育(yu)種提(ti)供(gong)數據支持等(deng)。隨(sui)著科(ke)技(ji)發(fa)展,應(ying)用(yong)於(yu)植物(wu)病害(hai)檢測的越(yue)來(lai)越(yue)多(duo),其(qi)中(zhong)基(ji)於(yu)圖像的光譜(pu)成(cheng)像技術(shu)已(yi)十分(fen)成(cheng)熟,其(qi)具(ju)有(you)早期(qi)、無(wu)損、靈(ling)敏、高(gao)通量(liang)等特(te)點(dian),正(zheng)逐(zhu)漸廣(guang)泛(fan)應(ying)用(yong)於(yu)科(ke)研(yan)、生產(chan)等(deng)領(ling)域的植物(wu)病害(hai)檢測。
易(yi)科(ke)泰(tai)在光(guang)譜(pu)成(cheng)像技(ji)術(shu)領(ling)域深耕多(duo)年(nian),具(ju)有(you)全面、先(xian)進的植物(wu)病害(hai)檢測技(ji)術(shu)方(fang)案(an),完備的產品(pin)線和(he)技(ji)術(shu)能(neng)力(li),擁有(you)成(cheng)熟的葉綠(lv)素熒光成(cheng)像、高光(guang)譜(pu)成(cheng)像、葉綠(lv)素熒光多(duo)光(guang)譜(pu)/高(gao)光(guang)譜(pu)成(cheng)像、Thermo-RGB熱(re)成(cheng)像、表型(xing)成(cheng)像分析(xi)平(ping)臺等全(quan)套(tao)產品(pin),以(yi)下便通過幾則(ze)研究(jiu)案(an)例推(tui)薦(jian)壹些(xie)病害(hai)檢測的技術(shu)方(fang)案(an):

案(an)例壹:葉(ye)綠素(su)熒光測量(liang)技術(shu)+高(gao)光(guang)譜(pu)測量(liang)技術(shu):監(jian)測小(xiao)麥穗(sui)赤黴病
赤黴病(FHB)由(you)多(duo)種鐮(lian)刀(dao)菌引起(qi),該(gai)病菌(jun)通過加(jia)重(zhong)小(xiao)麥穗(sui)的色(se)素沈著,破壞(huai)生理結構(gou),幹(gan)擾(rao)光合(he)作(zuo)用(yong)過程(cheng)等(deng),影(ying)響(xiang)小(xiao)麥生產(chan)。因此,利用實(shi)時(shi)、非(fei)破(po)壞(huai)性(xing)的方法(fa)進行(xing)頻(pin)繁(fan)檢(jian)測,對(dui)於(yu)指(zhi)導(dao)針(zhen)對(dui)性施藥、控(kong)制(zhi)病(bing)原(yuan)體(ti)傳(chuan)播(bo)、保(bao)障糧食生產(chan)十(shi)分重(zhong)要(yao)。南(nan)京農(nong)業(ye)大(da)學的研究(jiu)人(ren)員2023年(nian)發(fa)表(biao)在(zai)《Frontiers in Plant Science》上(shang)的壹篇文(wen)章,對(dui)如(ru)何(he)利用機器學(xue)習(xi)和(he)多(duo)模(mo)態(tai)數據來(lai)識(shi)別(bie)、監(jian)測小(xiao)麥穗(sui)期的鐮(lian)刀(dao)菌枯萎病(FHB)進(jin)行(xing)了(le)研(yan)究(jiu)。
研(yan)究(jiu)中(zhong)利用高(gao)光譜(pu)成(cheng)像技術(shu)、葉(ye)綠素(su)熒光成(cheng)像技術(shu)、高(gao)通量(liang)表型(xing)平(ping)臺等,連(lian)續(xu)兩年測量(liang),獲得(de)了(le)麥(mai)穗(sui)從無(wu)癥(zheng)狀到(dao)有(you)赤黴病癥(zheng)狀期(qi)間(jian)的高光(guang)譜(pu)反射(she)率(lv)(HR)、葉(ye)綠(lv)素(su)熒光成(cheng)像(CFI)和(he)高(gao)通量(liang)表型(xing)(HTP)的大(da)量(liang)數據。研(yan)究(jiu)中(zhong)還(hai)用到(dao)了(le)光合(he)儀測定(ding)凈(jing)光(guang)合速率,使(shi)用(yong)高(gao)通量(liang)表型(xing)平(ping)臺獲取(qu)表(biao)型(xing)數據等。
基(ji)於(yu)這(zhe)些(xie)數據,采用Boruta方(fang)法(fa)選(xuan)擇疾(ji)病(bing)敏感(gan)特征(zheng),然後通過方差膨(peng)脹(zhang)因子(zi)(VIF)分(fen)析(xi),通過ML-SFFS對(dui)選(xuan)定的疾病(bing)敏感(gan)特征(zheng)(SDSF)進(jin)行(xing)部(bu)分(fen)融合,開發(fa)了(le)壹種用(yong)於(yu)識別(bie)小(xiao)麥穗(sui)赤黴病、估(gu)算病(bing)害(hai)嚴重(zhong)程(cheng)度(du)的方法(fa)。結果(guo)表(biao)明(ming),生化(hua)參(can)數、光(guang)譜(pu)反射(she)、葉(ye)綠(lv)素(su)熒光參(can)數和(he)其(qi)他(ta)表(biao)型(xing)參數在(zai)麥(mai)穗(sui)-病(bing)原(yuan)體(ti)相(xiang)互作用(yong)期間(jian)顯示(shi)出(chu)壹致的變化。使(shi)用(yong)ML-SFFS進(jin)行(xing)無(wu)癥(zheng)狀疾(ji)病檢(jian)測的特征(zheng)組合(he)為兩種到(dao)三種,平(ping)均(jun)分類準確(que)度(du)為87.04%,隨(sui)著疾病嚴重(zhong)程(cheng)度(du)的提高(gao),準確(que)度(du)逐(zhu)漸提(ti)高(gao)到(dao)95%。

案(an)例二:葉綠素熒光成(cheng)像技術(shu):番(fan)茄幼(you)苗(miao)青(qing)枯病早(zao)期檢(jian)測
番(fan)茄青(qing)枯病由(you)青(qing)枯病菌(jun)(Ralstonia solanacearum)引起(qi),嚴重(zhong)影(ying)響(xiang)番(fan)茄幼(you)苗(miao)和(he)果(guo)實生產(chan)。為(wei)了有(you)效(xiao)管理和(he)減少(shao)該(gai)病的傳播(bo),需(xu)要(yao)進行監測和(he)早(zao)期檢測。在(zai)韓國全(quan)州(zhou)國立大(da)學的Kim等(deng)人(ren)發(fa)表(biao)的壹項(xiang)研究(jiu)中,對溫(wen)室條(tiao)件下種植(zhi)的30個(ge)不(bu)同(tong)青(qing)枯病抗(kang)性的番(fan)茄品(pin)種幼(you)苗(miao)進行(xing)青(qing)枯病菌(jun)接種,接種采用傷(shang)口接種法(fa)(Wound)和(he)非(fei)傷口接種法(fa)(non-Wound)。使(shi)用(yong)FluorCam葉(ye)綠(lv)素(su)熒光成(cheng)像系(xi)統(tong)監(jian)測對(dui)照及接種幼(you)苗(miao)接種5天後(dpi)的光合(he)變化,以及(ji)統(tong)計(ji)16dpi的視覺(jiao)疾病(bing)指(zhi)數(DI)。
由(you)結果(guo)可知(zhi),Fv/Fm在(zai)大(da)多(duo)數品種中(zhong)在(zai)2 dpi開始下降(jiang),並在(zai)5 dpi達(da)到(dao)值(zhi)。16個(ge)品(pin)種在(zai)3 dpi開始出(chu)現肉(rou)眼(yan)可見的病害(hai)整株,所有(you)中度(du)抗性(xing)和(he)敏感(gan)品種在(zai)5 dpi顯(xian)示(shi)肉眼(yan)可見的性狀變化,4個(ge)抗(kang)性(xing)品(pin)種未(wei)在5dpi出(chu)現視(shi)覺(jiao)性狀變化。總的來(lai)說,通過DI和(he)葉(ye)綠素熒光參(can)數Fv/Fm可以對比(bi)篩(shai)選(xuan)抗青(qing)枯病番(fan)茄品(pin)種,但(dan)Fv/Fm在(zai)出(chu)現視(shi)覺(jiao)可見的癥狀之前(qian)更(geng)有(you)效(xiao),實(shi)現早(zao)期(qi)檢測。

案(an)例三:多(duo)光(guang)譜(pu)/高(gao)光(guang)譜(pu)熒光成(cheng)像:甜(tian)瓜(gua)白(bai)粉(fen)病影(ying)響(xiang)光(guang)合作用和(he)次(ci)生代(dai)謝
瓜(gua)類(lei)白(bai)粉(fen)病主(zhu)要(yao)是(shi)由(you)Podosphaera xanthii引起(qi)的,是(shi)限(xian)制瓜類作(zuo)物(wu)生產(chan)的主要(yao)因素(su)之壹。然而(er)對於(yu)控制(zhi)這(zhe)壹疾(ji)病的生理過程(cheng)的遺傳(chuan)和(he)分(fen)子基(ji)礎(chu),我(wo)們(men)知(zhi)之甚少(shao)。Scientific Reports發(fa)表(biao)過的壹項(xiang)研究(jiu)針對此進行(xing)了探(tan)究(jiu),
研(yan)究(jiu)中(zhong)使(shi)用(yong)RNA測序(xu)技術(shu),通過在早期(qi)感(gan)染階(jie)段的不同(tong)時間(jian)點(dian)獲得(de)的RNA樣(yang)本(ben),鑒定(ding)了在(zai)Cucumis melo葉(ye)片(pian)上(shang)接種P. xanthii後的差異化(hua)表(biao)達基(ji)因,與(yu)未(wei)感(gan)染對(dui)照(zhao)樣(yang)本進(jin)行(xing)了比(bi)較(jiao)。同(tong)時,使(shi)用(yong)FluorCam多(duo)光(guang)譜(pu)熒光成(cheng)像系(xi)統(tong)對(dui)甜(tian)瓜(gua)植株進行(xing)了(le)光合表(biao)型(xing)檢測。
研(yan)究(jiu)發(fa)現感(gan)染植(zhi)物(wu)中參(can)與光(guang)合作用及(ji)其(qi)相關過程(cheng)的基(ji)因被(bei)上(shang)調(tiao),而(er)參與次生代(dai)謝途(tu)徑(jing)(如(ru)苯(ben)丙素生物(wu)合成(cheng))的基(ji)因被(bei)下調(tiao)。這(zhe)些(xie)基(ji)因表(biao)達(da)的變化可以通過葉綠素(su)熒光成(cheng)像和(he)藍(lan)綠(lv)熒光成(cheng)像分析(xi)得(de)到(dao)驗(yan)證,成(cheng)像結果(guo)證實了(le)病原菌侵(qin)染(ran)引發(fa)的甜(tian)瓜(gua)光合(he)作(zuo)用(yong)活(huo)性的改變和(he)酚類化(hua)合物(wu)生物(wu)合成(cheng)的抑(yi)制。

參(can)考(kao)文(wen)獻:
[1] Mustafa G, Zheng H, Li W, et al. Fusarium head blight monitoring in wheat ears using machine learning and multimodal data from asymptomatic to symptomatic periods[J]. Frontiers in Plant Science, 2023, 13: 1102341.
[2] Kim JiHyeon K J H, Bhandari S R, Chae SooYoung C S Y, et al. Application of maximum quantum yield, a parameter of chlorophyll fluorescence, for early determination of bacterial wilt in tomato seedlings[J]. 2019.
[3] Polonio Á, Pineda M, Bautista R, et al. RNA-seq analysis and fluorescence imaging of melon powdery mildew disease reveal an orchestrated reprogramming of host physiology[J]. Scientific Reports, 2019, 9(1): 7978.






