溫室盆栽高通量植物表型成像系統(tǒng)集光電技術(shù)、自動(dòng)化控制技術(shù)和計(jì)算機(jī)圖形處理技術(shù)于一體，實(shí)現(xiàn)水稻、玉米、小麥、油 菜、棉花、煙草、柑橘等盆栽植物表型參數(shù)全自動(dòng)、無(wú)損、高通量準(zhǔn)確提取。系統(tǒng)整體包括栽培單元、輸送單元、成像單元、 圖形工作站，根據(jù)用戶選配情況可在線獲取植物RGB可見(jiàn)光圖像(VISI)、遠(yuǎn)紅外圖像(FIRI)、近紅外圖像(NIRI)、熒光圖像 (FLUI)、高光譜圖像(HYPSI)、３D激光圖像(3D-LSI)、CT斷層圖像(CT-I)、多光譜圖像(MSI)，通過(guò)數(shù)據(jù)軟件分析可 得到盆栽植物的株高、株寬、葉片面積、葉片角度等株型參數(shù)、鮮重干重等生物量參數(shù)、分蘗參數(shù)，此外還可根據(jù)用戶需要定 制化感興趣的二級(jí)性狀參數(shù)。

成像暗室單元
暗室尺寸： 2000mm×3300mm×2000mm （可定制）
植物尺寸：幼苗至 8m

自動(dòng)傳送單元
傳送速度：0-2m/s
傳送線寬度：500mm
定位精度：≤±2mm
承重：50-300kg/ 盆（可定制）

控制/采集單元
控制/采集單元由高性能自動(dòng)化控制系統(tǒng)和植物圖形采集工作站組成，為植物表型成像系統(tǒng)的大腦中樞；可編程序控制器、工 業(yè)通訊系統(tǒng)、變頻器等均采用國(guó)際產(chǎn)品，提供符合Windows標(biāo)準(zhǔn)的友好的人機(jī)界面，方便人員操作；單元中充分考慮環(huán) 境對(duì)設(shè)備的影響，保證意外狀態(tài)下不影響正常運(yùn)行：故障單元的停機(jī)、離線對(duì)系統(tǒng)沒(méi)有任何影響，運(yùn)用自動(dòng)均載技術(shù)，保證運(yùn) 行平穩(wěn)；按照設(shè)計(jì)規(guī)范安裝各種探測(cè)開(kāi)關(guān)和限位裝置防止越程、誤操作，并進(jìn)行信息反饋；采用標(biāo)準(zhǔn)開(kāi)發(fā)協(xié)議，支持自有或第 三方平臺(tái)實(shí)時(shí)獲取植物掃描圖像、監(jiān)控等數(shù)據(jù)；儲(chǔ)存空間無(wú)限擴(kuò)容，以應(yīng)對(duì)不同階段對(duì)數(shù)據(jù)庫(kù)性能和存儲(chǔ)空間的需求。

成像傳感器單元
RGB可見(jiàn)光成像單元：
可測(cè)參數(shù)：持綠性，卷葉程度，枯死葉比例，生物量，高度等
遠(yuǎn)紅外成像單元：
可測(cè)參數(shù)：作物冠層溫度分布、葉片蒸騰作用、作物干旱脅迫等相關(guān)性狀
高光譜成像單元：
可測(cè)參數(shù)：無(wú)損動(dòng)態(tài)提取海量光譜特征性狀，獲取不同波段下高光譜圖像參數(shù)的光譜指數(shù)、并基于模型計(jì)算植株葉片營(yíng)養(yǎng)元素含量(N、P、K)、葉綠素含量、水分含量等相關(guān)性狀。
CT成像單元：
可測(cè)參數(shù)：主要用于測(cè)量溫室盆栽的禾本科植物的分蘗數(shù)、分蘗角度、分蘗大小、分蘗形狀等分蘗參數(shù)、作物植株的莖稈壁粗、壁厚、維管束等莖稈相關(guān)參數(shù)以及植株內(nèi)部形態(tài)結(jié)構(gòu)、成分含量變化等。
多光譜成像單元：
三維多光譜冠層掃描儀適用于室外自然光照條件下 農(nóng)作物冠層的三維多光譜表型數(shù)據(jù)快速采集，可在 室外自然光條件下采集多光譜數(shù)據(jù)時(shí)，同步測(cè)量農(nóng) 作物冠層的三維點(diǎn)云數(shù)據(jù)。

選型配置表

參考文獻(xiàn)
Haitao Li, Hui Feng, Chaocheng Guo, Shanjing Yang, Wan Huang, Xiong Xiong, Jianxiao Liu, Guoxing Chen, Qian Liu, Lizhong Xiong, Kede Liu and Wanneng Yang. High-throughput phenotyping accelerates the dissection of the dynamic genetic architecture of plant growth and yield improvement in rapeseed. Plant Biotechnology Journal. 2020.
Nunzio Briglia, Kevin Williams, Dan Wu, Yaochen Li, Sha Tao, Fiona Corke, Giuseppe Montanar, Angelo Petrozza, Davide Amato, Francesco Cellini, John H. Doonan, Wanneng Yang and Vitale Nuzzo. Image- Based Assessment of Drought Response in Grapevines. Frontiers in Plant Science. 2020.
Baoqi Li, Lin Chen, Weinan Sun, Di Wu, Maojun Wang, Yu Yu, Guoxing Chen, Wanneng Yang, Zhongxu Lin, Xianlong Zhang, Lingfeng Duan and Xiyan Yang. Phenomics-based GWAS analysis reveals the genetic architecture for drought resistance in cotton. Plant Biotechnology Journal. 2020.
Di Wu, Zilong Guo, Junli Ye, Hui Feng, Jianxiao Liu, Guoxing Chen, Jingshan Zheng, Dongmei Yan, Xiaoquan Yang, Xiong Xiong, Qian Liu, Zhiyou Niu, Alan P. Gay, John H. Doonan, Lizhong Xiong, and Wanneng Yang. Combining high-throughput micro-CT-RGB phenotyping and genome-wide association study to dissect the genetic architecture of tiller growth in rice. Journal of Experimental Botany. 2019.

河南大學(xué)抗逆改良中心高通量作物表型平臺(tái)
集成高通量表型檢測(cè)平臺(tái)、植物生長(zhǎng)平臺(tái)、根系生長(zhǎng)平臺(tái)、植物春化平臺(tái)，快速高通量計(jì)算樣品相應(yīng)表型信息，獲取大量高價(jià)值 的表型數(shù)據(jù)，建立表型數(shù)據(jù)庫(kù)。

溫室盆栽高通量植物表型成像系統(tǒng).pdf