国产AV88|国产乱妇无码在线观看|国产影院精品在线观看十分钟福利|免费看橹橹网站

2023澤泉快訊三期

發(fā)布時間:2023-10-19 | 雜志分類:農(nóng)林牧漁
免費制作
更多內(nèi)容

2023澤泉快訊三期

企業(yè)新聞 C O R P O R AT E NEW S03 AgriPhenoTM 快訊AgriPheno訂閱號專注于持續(xù)更新植物生理生態(tài)、植物表型組學(xué)和基因組學(xué)、基因分型、智能化育種及應(yīng)用、激光雷達(dá)探測技術(shù)及數(shù)據(jù)分析等領(lǐng)域,國內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀。本文節(jié)選了2023年7-9月推送的代表性文章,以供大家參閱。葉綠素?zé)晒獬上裣到y(tǒng)助力植物生物和非生物脅迫的早期檢測在植物表型分析中利用現(xiàn)有成像工具具有巨大潛力,可以加快我們對植物功能的認(rèn)識。這些工具可以建立基因功能與環(huán)境反應(yīng)之間在代謝、生化和信號轉(zhuǎn)導(dǎo)過程等多個途徑上的聯(lián)系。在這些工具中,葉綠素?zé)晒獬上?ChlF Imaging)分析是一種快速、非侵入性、高成本效益和高靈敏度的方法。這種方法能精確估計光合作用的性能,并能檢測植物受到的各種脅迫影響。文/王吉生AgriPheno訂閱號推送文章匯編(2023年7-9月)植物逆境研究New Phytologist:干旱脅迫對擬南芥的兩個光系統(tǒng)都有影響迄今為止,大多數(shù)干旱脅迫研究都集中在PSII及其天線上,而對完整光合機(jī)構(gòu)特別是光系統(tǒng)(I PSI)的干旱響應(yīng)關(guān)注較少。近期,發(fā)表在New Phyt... [收起]
[展開]
2023澤泉快訊三期
粉絲: {{bookData.followerCount}}
文本內(nèi)容
第51頁

企業(yè)新聞 C O R P O R AT E NEW S

03 AgriPhenoTM 快訊

AgriPheno訂閱號專注于持續(xù)更新植物生理生態(tài)、植物表型組學(xué)和基因組學(xué)、基因分型、智能化育種及應(yīng)用、激

光雷達(dá)探測技術(shù)及數(shù)據(jù)分析等領(lǐng)域,國內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀。本文節(jié)選了2023年7-9月推送的代表性

文章,以供大家參閱。

葉綠素?zé)晒獬上裣到y(tǒng)助力植物生物和非生物脅迫的

早期檢測

在植物表型分析中利用現(xiàn)有成像工具具有巨大潛

力,可以加快我們對植物功能的認(rèn)識。這些工具可

以建立基因功能與環(huán)境反應(yīng)之間在代謝、生化和信

號轉(zhuǎn)導(dǎo)過程等多個途徑上的聯(lián)系。在這些工具中,

葉綠素?zé)晒獬上?ChlF Imaging)分析是一種快速、

非侵入性、高成本效益和高靈敏度的方法。這種方

法能精確估計光合作用的性能,并能檢測植物受到

的各種脅迫影響。

文/王吉生

AgriPheno訂閱號推送文章匯編

(2023年7-9月)

植物逆境研究

New Phytologist:干旱脅迫對擬南芥的兩個光系

統(tǒng)都有影響

迄今為止,大多數(shù)干旱脅迫研究都集中在PSII及其天

線上,而對完整光合機(jī)構(gòu)特別是光系統(tǒng)(I PSI)的干

旱響應(yīng)關(guān)注較少。近期,發(fā)表在New Phytologist上

in Arabidopsis thaliana”為植物相應(yīng)干旱脅迫提供

了新的見解。在本研究中,Chen Hu等人跟蹤了擬南

芥在14天干旱處理期間光合機(jī)構(gòu)的變化,結(jié)合生化

和功能測量,進(jìn)一步的拓展了人們對干旱影響光合

膜的認(rèn)知。

企業(yè)新聞 C O R P O R AT E NEW S

03 AgriPhenoTM 快訊

AgriPheno訂閱號專注于持續(xù)更新植物生理生態(tài)、植物表型組學(xué)和基因組學(xué)、基因分型、智能化育種及應(yīng)用、激

光雷達(dá)探測技術(shù)及數(shù)據(jù)分析等領(lǐng)域,國內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀。本文節(jié)選了2023年7-9月推送的代表性

文章,以供大家參閱。

葉綠素?zé)晒獬上裣到y(tǒng)助力植物生物和非生物脅迫的

早期檢測

在植物表型分析中利用現(xiàn)有成像工具具有巨大潛

力,可以加快我們對植物功能的認(rèn)識。這些工具可

以建立基因功能與環(huán)境反應(yīng)之間在代謝、生化和信

號轉(zhuǎn)導(dǎo)過程等多個途徑上的聯(lián)系。在這些工具中,

葉綠素?zé)晒獬上?ChlF Imaging)分析是一種快速、

非侵入性、高成本效益和高靈敏度的方法。這種方

法能精確估計光合作用的性能,并能檢測植物受到

的各種脅迫影響。

文/王吉生

AgriPheno訂閱號推送文章匯編

(2023年7-9月)

植物逆境研究

New Phytologist:干旱脅迫對擬南芥的兩個光系

統(tǒng)都有影響

迄今為止,大多數(shù)干旱脅迫研究都集中在PSII及其天

線上,而對完整光合機(jī)構(gòu)特別是光系統(tǒng)(I PSI)的干

旱響應(yīng)關(guān)注較少。近期,發(fā)表在New Phytologist上

in Arabidopsis thaliana”為植物相應(yīng)干旱脅迫提供

了新的見解。在本研究中,Chen Hu等人跟蹤了擬南

芥在14天干旱處理期間光合機(jī)構(gòu)的變化,結(jié)合生化

和功能測量,進(jìn)一步的拓展了人們對干旱影響光合

膜的認(rèn)知。

第52頁

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 04

New Phytologist:吸收根功能屬性相比葉片功能

屬性更能預(yù)測生態(tài)系統(tǒng)功能

本研究通過分析溫帶森林木本植物四組植物功能屬

性,評估地上地下功能屬性在群落水平是否協(xié)調(diào),評

估局域尺度環(huán)境條件對植物功能屬性協(xié)同變異的影

響程度,然后量化葉片功能屬性和吸收根功能屬性,

以及局域環(huán)境條件對森林生態(tài)系統(tǒng)兩個重要功能的

貢獻(xiàn)。結(jié)果發(fā)現(xiàn),吸收根功能屬性相比葉片功能屬性

響應(yīng)環(huán)境變化更明顯,也發(fā)現(xiàn)吸收根功能屬性相比

葉片功能屬性和環(huán)境條件更能預(yù)測森林生態(tài)系統(tǒng)的

地上碳儲量和林木生產(chǎn)力。表明,地下功能屬性在調(diào)

節(jié)生態(tài)系統(tǒng)功能中有著重要作用,該發(fā)現(xiàn)也有助于

理解地下功能屬性響應(yīng)環(huán)境變化。

Functional Ecology:基于功能屬性研究根系功能

生態(tài)學(xué)的挑戰(zhàn)與機(jī)遇

表的綜述“Grounding trait-based root functional

ecology”,進(jìn)一步系統(tǒng)報道了基于功能屬性研究根

系功能生態(tài)學(xué)的挑戰(zhàn)與機(jī)遇。

地上和地下功能屬性間是否存在權(quán)衡?

最近,意大利波爾扎諾自由大學(xué)Bricca等以海島演替

植物根系研究

社論:人工智能、傳感器和機(jī)器人技術(shù)在植物表型和

精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

人工智能和機(jī)器人技術(shù)已越來越多地融入植物保

護(hù)、施肥和收割中,以追求更高的食品質(zhì)量和產(chǎn)量。

各種人工智能方法、智能農(nóng)業(yè)機(jī)器人和設(shè)備已被證

明在實驗室和田間都是有效的。在實際農(nóng)業(yè)生產(chǎn)中

部署這些方法和機(jī)器人,同時以更低的成本實現(xiàn)整

個過程,這對研究人員和農(nóng)業(yè)行業(yè)來說都是即將到

來的挑戰(zhàn)。此外,包括空地聯(lián)合在內(nèi)的多機(jī)器人協(xié)

作將塑造一個更好的智能農(nóng)業(yè)系統(tǒng),并為未來的農(nóng)

業(yè)建設(shè)一個可持續(xù)和循環(huán)的農(nóng)業(yè)系統(tǒng)。

講座回顧│澤泉云課堂23年7月第2講:基于多模態(tài)

植物表型研究方法/方案

序列為研究對象,從TRY數(shù)據(jù)庫中提取16個意大利

中部海岸物種的SLA、H、SM等地上器官功能屬性,

并從80個樣方中實測對應(yīng)物種的SRL、RTD、BOWC

等地下器官功能屬性,旨在闡明沙丘植物群落的地

上器官功能屬性和地下器官功能屬性的變化規(guī)律,

并通過群落加權(quán)平均值和功能豐富度的標(biāo)準(zhǔn)效應(yīng)值

驗證地中海沙丘群落地上器官功能屬性和地下器官

功能屬性沿脅迫梯度是否存在協(xié)調(diào)響應(yīng)。

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 04

New Phytologist:吸收根功能屬性相比葉片功能

屬性更能預(yù)測生態(tài)系統(tǒng)功能

本研究通過分析溫帶森林木本植物四組植物功能屬

性,評估地上地下功能屬性在群落水平是否協(xié)調(diào),評

估局域尺度環(huán)境條件對植物功能屬性協(xié)同變異的影

響程度,然后量化葉片功能屬性和吸收根功能屬性,

以及局域環(huán)境條件對森林生態(tài)系統(tǒng)兩個重要功能的

貢獻(xiàn)。結(jié)果發(fā)現(xiàn),吸收根功能屬性相比葉片功能屬性

響應(yīng)環(huán)境變化更明顯,也發(fā)現(xiàn)吸收根功能屬性相比

葉片功能屬性和環(huán)境條件更能預(yù)測森林生態(tài)系統(tǒng)的

地上碳儲量和林木生產(chǎn)力。表明,地下功能屬性在調(diào)

節(jié)生態(tài)系統(tǒng)功能中有著重要作用,該發(fā)現(xiàn)也有助于

理解地下功能屬性響應(yīng)環(huán)境變化。

Functional Ecology:基于功能屬性研究根系功能

生態(tài)學(xué)的挑戰(zhàn)與機(jī)遇

表的綜述“Grounding trait-based root functional

ecology”,進(jìn)一步系統(tǒng)報道了基于功能屬性研究根

系功能生態(tài)學(xué)的挑戰(zhàn)與機(jī)遇。

地上和地下功能屬性間是否存在權(quán)衡?

最近,意大利波爾扎諾自由大學(xué)Bricca等以海島演替

植物根系研究

社論:人工智能、傳感器和機(jī)器人技術(shù)在植物表型和

精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

人工智能和機(jī)器人技術(shù)已越來越多地融入植物保

護(hù)、施肥和收割中,以追求更高的食品質(zhì)量和產(chǎn)量。

各種人工智能方法、智能農(nóng)業(yè)機(jī)器人和設(shè)備已被證

明在實驗室和田間都是有效的。在實際農(nóng)業(yè)生產(chǎn)中

部署這些方法和機(jī)器人,同時以更低的成本實現(xiàn)整

個過程,這對研究人員和農(nóng)業(yè)行業(yè)來說都是即將到

來的挑戰(zhàn)。此外,包括空地聯(lián)合在內(nèi)的多機(jī)器人協(xié)

作將塑造一個更好的智能農(nóng)業(yè)系統(tǒng),并為未來的農(nóng)

業(yè)建設(shè)一個可持續(xù)和循環(huán)的農(nóng)業(yè)系統(tǒng)。

講座回顧│澤泉云課堂23年7月第2講:基于多模態(tài)

植物表型研究方法/方案

序列為研究對象,從TRY數(shù)據(jù)庫中提取16個意大利

中部海岸物種的SLA、H、SM等地上器官功能屬性,

并從80個樣方中實測對應(yīng)物種的SRL、RTD、BOWC

等地下器官功能屬性,旨在闡明沙丘植物群落的地

上器官功能屬性和地下器官功能屬性的變化規(guī)律,

并通過群落加權(quán)平均值和功能豐富度的標(biāo)準(zhǔn)效應(yīng)值

驗證地中海沙丘群落地上器官功能屬性和地下器官

功能屬性沿脅迫梯度是否存在協(xié)調(diào)響應(yīng)。

第53頁

企業(yè)新聞 C O R P O R AT E NEW S

05 AgriPhenoTM 快訊

成像的表型組學(xué)技術(shù)研究及應(yīng)用

2023年7月26日下午,澤泉云課堂系列講座(2023年

7月第2講),特邀中科院遺傳發(fā)育研究所-澤泉表型

技術(shù)中心高級工程師胡偉娟博士為大家?guī)砹恕痘?/p>

于多模態(tài)成像的表型組學(xué)技術(shù)研究及應(yīng)用》的分享

內(nèi)容。

利用熱成像和光化學(xué)反射指數(shù)(PRI)檢測小麥對

CO2升高和干旱的響應(yīng)

本文設(shè)置了一個高CO2富集實驗,在環(huán)境(4 0 0

ppm)和CO2

升高(550 ppm)條件下栽培了三種基

因型的小麥,并在溫室中暴露于水分充足和干旱的

條件下研究此變化。試驗應(yīng)用光合儀測量了植株葉

片氣體交換參數(shù),并計算了在干旱和水分充足的條

件下暴露于環(huán)境和CO2升高條件下的葉片的RUE和

剖面內(nèi)不同深度的變化。在距離植株約1.5 m處使用

SpecimIQ(Specim Ltd.)高光譜相機(jī)和FLIR T560

相機(jī)拍攝高光譜圖像和熱圖像,以獲得PRI和葉片與

其周圍空氣之間的溫差(?Tleaf-air

)。試驗表明,PRI與

RUE顯著相關(guān),?Tleaf-air

與Tr顯著相關(guān),基因型之間無

顯著差異。

獼猴桃干物質(zhì)和可溶性固形物的無損預(yù)測:結(jié)合深

度學(xué)習(xí)和化學(xué)計量學(xué)的近紅外光譜成像

本文介紹了一種用于獼猴桃分析的便攜式光譜成像

裝置的開發(fā)新案例,提出了一種結(jié)合深度學(xué)習(xí)和化

學(xué)計量學(xué)的光譜圖像處理新策略來處理光譜圖像。

深度學(xué)習(xí)用于在光譜圖像中檢測和定位收獲的水

果,而化學(xué)計量學(xué)建模用于預(yù)測多種與水果質(zhì)量相

關(guān)的特性,即干物質(zhì)和可溶性固形物含量,開發(fā)模

型在不同果園和不同品種的水果上進(jìn)行獨立驗證。

激光雷達(dá)/光譜研究

新方法:通過葉綠素?zé)晒獬上窀咄亢Y選海帶光合

耐熱性

新觀點/新技術(shù)

企業(yè)新聞 C O R P O R AT E NEW S

05 AgriPhenoTM 快訊

成像的表型組學(xué)技術(shù)研究及應(yīng)用

2023年7月26日下午,澤泉云課堂系列講座(2023年

7月第2講),特邀中科院遺傳發(fā)育研究所-澤泉表型

技術(shù)中心高級工程師胡偉娟博士為大家?guī)砹恕痘?/p>

于多模態(tài)成像的表型組學(xué)技術(shù)研究及應(yīng)用》的分享

內(nèi)容。

利用熱成像和光化學(xué)反射指數(shù)(PRI)檢測小麥對

CO2升高和干旱的響應(yīng)

本文設(shè)置了一個高CO2富集實驗,在環(huán)境(4 0 0

ppm)和CO2

升高(550 ppm)條件下栽培了三種基

因型的小麥,并在溫室中暴露于水分充足和干旱的

條件下研究此變化。試驗應(yīng)用光合儀測量了植株葉

片氣體交換參數(shù),并計算了在干旱和水分充足的條

件下暴露于環(huán)境和CO2升高條件下的葉片的RUE和

剖面內(nèi)不同深度的變化。在距離植株約1.5 m處使用

SpecimIQ(Specim Ltd.)高光譜相機(jī)和FLIR T560

相機(jī)拍攝高光譜圖像和熱圖像,以獲得PRI和葉片與

其周圍空氣之間的溫差(?Tleaf-air

)。試驗表明,PRI與

RUE顯著相關(guān),?Tleaf-air

與Tr顯著相關(guān),基因型之間無

顯著差異。

獼猴桃干物質(zhì)和可溶性固形物的無損預(yù)測:結(jié)合深

度學(xué)習(xí)和化學(xué)計量學(xué)的近紅外光譜成像

本文介紹了一種用于獼猴桃分析的便攜式光譜成像

裝置的開發(fā)新案例,提出了一種結(jié)合深度學(xué)習(xí)和化

學(xué)計量學(xué)的光譜圖像處理新策略來處理光譜圖像。

深度學(xué)習(xí)用于在光譜圖像中檢測和定位收獲的水

果,而化學(xué)計量學(xué)建模用于預(yù)測多種與水果質(zhì)量相

關(guān)的特性,即干物質(zhì)和可溶性固形物含量,開發(fā)模

型在不同果園和不同品種的水果上進(jìn)行獨立驗證。

激光雷達(dá)/光譜研究

新方法:通過葉綠素?zé)晒獬上窀咄亢Y選海帶光合

耐熱性

新觀點/新技術(shù)

第54頁

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 06

隨著全球氣候變化,海洋熱浪的頻率和強(qiáng)度不斷

增加,為了加快對海藻耐熱性的生態(tài)學(xué)和進(jìn)化的研

究,澳大利亞科學(xué)家開發(fā)了一種高效、可重復(fù)且廣

泛適用的海藻熱指標(biāo)。根據(jù)陸地T–F0方法,作者在

多種海帶中應(yīng)用了這一新方法,并確定了在不同葉

狀體形態(tài)或厚度的物種中應(yīng)用的幾個重要方法考慮

因素。結(jié)果表明,這種高通量和高效的方法可以被

廣泛采用,以支持全球?qū)T迥蜔嵝缘纳鷳B(tài)學(xué)和進(jìn)

化的研究,并代表了預(yù)測海藻對溫度變化反應(yīng)的重

要資源。

凍存茄科花粉質(zhì)量檢測方法的評估

本研究通過IFC活力法、體外萌發(fā)法以及花粉管長度

分析,檢測了同一批冷凍保存下的番茄和辣椒花粉

樣本,并對三種花粉質(zhì)量分析方法進(jìn)行了評估,以

確定其是否適用于冷凍保存下的花粉的常規(guī)質(zhì)量控

制。

新方法:用光合儀實時監(jiān)測葉片含水量

光合儀可以測得環(huán)境空氣中的水分,但葉片本身的

含水量可能對光合、氣孔、水分利用效率等的影響更

為直接。芬蘭科學(xué)家開發(fā)并測試了一種新方法,將

GFS-3000光合熒光測量系統(tǒng)與光譜傳感器組合,

在測量氣體交換的同時,可實時測量葉片的水分含

量。研究使用了芬蘭NIRONE S2.0光譜傳感器,波長

1550-1950 nm,與德國WALZ的GFS-3000便攜式

光合熒光測量系統(tǒng),將光譜傳感器固定到光合儀葉

室底部,進(jìn)行同步測量。由于GFS-3000的下葉室與

上葉室一樣,都可透光,留出了可進(jìn)行光學(xué)測量的位

置,使得這種組合測量的想法得以實現(xiàn)。

Planta:適量硒對苜蓿的健康與代謝有積極作用,但

高劑量有毒!

本文研究分析了葉面噴施不同濃度水平(0、100、

200、300和500 mg/kg)亞硒酸鈉(Se(IV))對苜

蓿生態(tài)生理、生化和轉(zhuǎn)錄機(jī)制的影響。研究結(jié)果強(qiáng)

烈表明,濃度為100 mg/kg的Se(IV)對苜蓿的氧化

還原代謝、光合作用和營養(yǎng)具有積極的生物刺激作

用。研究中,F(xiàn)v/Fm和NPQ由德國WALZ公司生產(chǎn)的

葉綠素?zé)晒獬上裣到y(tǒng)MAXI-IMAGING-PAM測量,

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 06

隨著全球氣候變化,海洋熱浪的頻率和強(qiáng)度不斷

增加,為了加快對海藻耐熱性的生態(tài)學(xué)和進(jìn)化的研

究,澳大利亞科學(xué)家開發(fā)了一種高效、可重復(fù)且廣

泛適用的海藻熱指標(biāo)。根據(jù)陸地T–F0方法,作者在

多種海帶中應(yīng)用了這一新方法,并確定了在不同葉

狀體形態(tài)或厚度的物種中應(yīng)用的幾個重要方法考慮

因素。結(jié)果表明,這種高通量和高效的方法可以被

廣泛采用,以支持全球?qū)T迥蜔嵝缘纳鷳B(tài)學(xué)和進(jìn)

化的研究,并代表了預(yù)測海藻對溫度變化反應(yīng)的重

要資源。

凍存茄科花粉質(zhì)量檢測方法的評估

本研究通過IFC活力法、體外萌發(fā)法以及花粉管長度

分析,檢測了同一批冷凍保存下的番茄和辣椒花粉

樣本,并對三種花粉質(zhì)量分析方法進(jìn)行了評估,以

確定其是否適用于冷凍保存下的花粉的常規(guī)質(zhì)量控

制。

新方法:用光合儀實時監(jiān)測葉片含水量

光合儀可以測得環(huán)境空氣中的水分,但葉片本身的

含水量可能對光合、氣孔、水分利用效率等的影響更

為直接。芬蘭科學(xué)家開發(fā)并測試了一種新方法,將

GFS-3000光合熒光測量系統(tǒng)與光譜傳感器組合,

在測量氣體交換的同時,可實時測量葉片的水分含

量。研究使用了芬蘭NIRONE S2.0光譜傳感器,波長

1550-1950 nm,與德國WALZ的GFS-3000便攜式

光合熒光測量系統(tǒng),將光譜傳感器固定到光合儀葉

室底部,進(jìn)行同步測量。由于GFS-3000的下葉室與

上葉室一樣,都可透光,留出了可進(jìn)行光學(xué)測量的位

置,使得這種組合測量的想法得以實現(xiàn)。

Planta:適量硒對苜蓿的健康與代謝有積極作用,但

高劑量有毒!

本文研究分析了葉面噴施不同濃度水平(0、100、

200、300和500 mg/kg)亞硒酸鈉(Se(IV))對苜

蓿生態(tài)生理、生化和轉(zhuǎn)錄機(jī)制的影響。研究結(jié)果強(qiáng)

烈表明,濃度為100 mg/kg的Se(IV)對苜蓿的氧化

還原代謝、光合作用和營養(yǎng)具有積極的生物刺激作

用。研究中,F(xiàn)v/Fm和NPQ由德國WALZ公司生產(chǎn)的

葉綠素?zé)晒獬上裣到y(tǒng)MAXI-IMAGING-PAM測量,

第55頁

企業(yè)新聞 C O R P O R AT E NEW S

07 AgriPhenoTM 快訊

近期,萬建民院士領(lǐng)銜的中國農(nóng)業(yè)科學(xué)院和南京

農(nóng)業(yè)大學(xué)的科研團(tuán)隊合作在Cell在線發(fā)表了題為A

natural gene drive system confers reproductive

isolation in rice的研究論文,鑒定到了控制秈稻粳

稻之間雜交水稻花粉不育的主要位點RHS12,并解

析了其作用機(jī)制、進(jìn)化規(guī)律和種質(zhì)資源中的分布。

該研究為生殖隔離的遺傳基礎(chǔ)提供了機(jī)制理論,并

為雜交水稻育種的戰(zhàn)略設(shè)計提供了技術(shù)見解。

浙江大學(xué)農(nóng)學(xué)院王蒙岑課題組成功解析宿主植物與

穗部微生物互作防御病原菌侵染的作用機(jī)制

該成果破譯了宿主植物與穗部微生物聯(lián)合防御病原

菌侵染的分子機(jī)制,闡明了作物病害控殘減毒防控

技術(shù)的新靶點,為作物抗病品種的分子設(shè)計改良提

供了新資源。

講座回顧│澤泉云課堂23年7月第1講:分子育種平

臺與技術(shù)應(yīng)用

2023年7月14日上午,澤泉云課堂系列講座(2023年7

月第1講),特邀北大荒墾豐種業(yè)-澤泉科技生物技術(shù)

與表型服務(wù)中心王超博士為大家?guī)怼斗肿佑N平

臺與技術(shù)應(yīng)用》的分享內(nèi)容。

Maize 6H-60K芯片在玉米實質(zhì)性派生品種鑒定中

的應(yīng)用,助力實質(zhì)性派生品種保護(hù)制度實施

北京市農(nóng)林科學(xué)院玉米研究所基于388份國內(nèi)外代

表性玉米自交系的全基因組重測序數(shù)據(jù),挖掘優(yōu)異

變異位點,評估確定了高質(zhì)量、均勻分布的位點集

(包含核基因組61,214個位點、葉綠體基因組68個位

點),最終研制定型集品種鑒定、確權(quán)等多用途為一

體的高密度芯片Maize 6H-60K。

Nature Communications:中國研究團(tuán)隊利用

QTG-Miner系統(tǒng)解析玉米雄穗分枝數(shù)遺傳基礎(chǔ)

2023年8月26日,華中農(nóng)業(yè)大學(xué)李林教授(通訊作

者)等研究團(tuán)隊在Nature Communications在線發(fā)

表了題為“QTG-Miner aids rapid dissection of the

genetic base of tassel branch number in maize”的

研究論文,開發(fā)了一種基于多組學(xué)數(shù)據(jù)的玉米數(shù)量

性狀基因(QTGs)大規(guī)??焖倏寺〖夹g(shù)QTG-Miner,

定位克隆并驗證了7個雄穗分枝數(shù)QTL基因,構(gòu)建了

一個全面的TBN分子調(diào)控網(wǎng)絡(luò),并揭示了現(xiàn)代玉米

遺傳改良過程中雄穗分枝數(shù)性狀調(diào)控基因的馴化選

擇和相關(guān)的生物學(xué)途徑。QTG-Miner是系統(tǒng)解析作

物重要農(nóng)藝性狀遺傳和分子機(jī)制的高效方法。

芥菜型油菜GTR基因的多重編輯實現(xiàn)良好抗性和產(chǎn)

量的優(yōu)質(zhì)油菜開發(fā)

本文利用CRISPR/Cas9基因編輯系統(tǒng)對芥菜型油菜

中的多個硫代葡萄糖苷轉(zhuǎn)運蛋白家族基因進(jìn)行靶向

編輯,開發(fā)了具有低種子硫代葡萄糖苷含量(SGC)

和高葉硫代葡萄糖苷含量(LGC)的理想株系,且具

有良好的抗性和產(chǎn)量。

Cell|萬建民團(tuán)隊闡明秈稻粳稻雜種不育分子機(jī)理

破解水稻生殖隔離之謎

qE和ΔP700max由德國WALZ公司生產(chǎn)的雙通道葉

綠素?zé)晒鉁y量系統(tǒng)Dual-PAM-100測量,光合速率

Pn,蒸騰速率E和胞間CO2濃度Ci由英國ADC公司生

產(chǎn)的便攜式光合儀LCPro-SD測量。

生物技術(shù)/育種技術(shù)

企業(yè)新聞 C O R P O R AT E NEW S

07 AgriPhenoTM 快訊

近期,萬建民院士領(lǐng)銜的中國農(nóng)業(yè)科學(xué)院和南京

農(nóng)業(yè)大學(xué)的科研團(tuán)隊合作在Cell在線發(fā)表了題為A

natural gene drive system confers reproductive

isolation in rice的研究論文,鑒定到了控制秈稻粳

稻之間雜交水稻花粉不育的主要位點RHS12,并解

析了其作用機(jī)制、進(jìn)化規(guī)律和種質(zhì)資源中的分布。

該研究為生殖隔離的遺傳基礎(chǔ)提供了機(jī)制理論,并

為雜交水稻育種的戰(zhàn)略設(shè)計提供了技術(shù)見解。

浙江大學(xué)農(nóng)學(xué)院王蒙岑課題組成功解析宿主植物與

穗部微生物互作防御病原菌侵染的作用機(jī)制

該成果破譯了宿主植物與穗部微生物聯(lián)合防御病原

菌侵染的分子機(jī)制,闡明了作物病害控殘減毒防控

技術(shù)的新靶點,為作物抗病品種的分子設(shè)計改良提

供了新資源。

講座回顧│澤泉云課堂23年7月第1講:分子育種平

臺與技術(shù)應(yīng)用

2023年7月14日上午,澤泉云課堂系列講座(2023年7

月第1講),特邀北大荒墾豐種業(yè)-澤泉科技生物技術(shù)

與表型服務(wù)中心王超博士為大家?guī)怼斗肿佑N平

臺與技術(shù)應(yīng)用》的分享內(nèi)容。

Maize 6H-60K芯片在玉米實質(zhì)性派生品種鑒定中

的應(yīng)用,助力實質(zhì)性派生品種保護(hù)制度實施

北京市農(nóng)林科學(xué)院玉米研究所基于388份國內(nèi)外代

表性玉米自交系的全基因組重測序數(shù)據(jù),挖掘優(yōu)異

變異位點,評估確定了高質(zhì)量、均勻分布的位點集

(包含核基因組61,214個位點、葉綠體基因組68個位

點),最終研制定型集品種鑒定、確權(quán)等多用途為一

體的高密度芯片Maize 6H-60K。

Nature Communications:中國研究團(tuán)隊利用

QTG-Miner系統(tǒng)解析玉米雄穗分枝數(shù)遺傳基礎(chǔ)

2023年8月26日,華中農(nóng)業(yè)大學(xué)李林教授(通訊作

者)等研究團(tuán)隊在Nature Communications在線發(fā)

表了題為“QTG-Miner aids rapid dissection of the

genetic base of tassel branch number in maize”的

研究論文,開發(fā)了一種基于多組學(xué)數(shù)據(jù)的玉米數(shù)量

性狀基因(QTGs)大規(guī)??焖倏寺〖夹g(shù)QTG-Miner,

定位克隆并驗證了7個雄穗分枝數(shù)QTL基因,構(gòu)建了

一個全面的TBN分子調(diào)控網(wǎng)絡(luò),并揭示了現(xiàn)代玉米

遺傳改良過程中雄穗分枝數(shù)性狀調(diào)控基因的馴化選

擇和相關(guān)的生物學(xué)途徑。QTG-Miner是系統(tǒng)解析作

物重要農(nóng)藝性狀遺傳和分子機(jī)制的高效方法。

芥菜型油菜GTR基因的多重編輯實現(xiàn)良好抗性和產(chǎn)

量的優(yōu)質(zhì)油菜開發(fā)

本文利用CRISPR/Cas9基因編輯系統(tǒng)對芥菜型油菜

中的多個硫代葡萄糖苷轉(zhuǎn)運蛋白家族基因進(jìn)行靶向

編輯,開發(fā)了具有低種子硫代葡萄糖苷含量(SGC)

和高葉硫代葡萄糖苷含量(LGC)的理想株系,且具

有良好的抗性和產(chǎn)量。

Cell|萬建民團(tuán)隊闡明秈稻粳稻雜種不育分子機(jī)理

破解水稻生殖隔離之謎

qE和ΔP700max由德國WALZ公司生產(chǎn)的雙通道葉

綠素?zé)晒鉁y量系統(tǒng)Dual-PAM-100測量,光合速率

Pn,蒸騰速率E和胞間CO2濃度Ci由英國ADC公司生

產(chǎn)的便攜式光合儀LCPro-SD測量。

生物技術(shù)/育種技術(shù)

第56頁

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 08

Plant Physiology:x型和y型硫氧還蛋白在波動光

下維持光系統(tǒng)I受體側(cè)的氧化還原穩(wěn)定

2023年8月22日,Plant Physiology在線發(fā)表了日本

岡山大學(xué)和京都產(chǎn)業(yè)大學(xué)聯(lián)合署名的題為x- and

y-type thioredoxins maintain redox homeostasis

light的文章??蒲腥藛T以擬南芥(Arabidopsis thaliy2中光系統(tǒng)I(PSI)參數(shù)的變化。本研究中,葉綠素?zé)?/p>

低光54 μmol m?2 s?1;1min高光1455 μmolm?2 s?1,

三個循環(huán))模擬測量均通過DUAL-PAM-100雙通道

調(diào)制葉綠素?zé)晒鈨x完成。表征NDH活性的測量通過

MINI-PAM-II完成。

如何選擇葉綠素?zé)晒獬上裣到y(tǒng),看這篇文章就夠了~

IMAGING-PAM不僅僅是數(shù)據(jù)圖像化那么簡單。它可

以成像,但又不僅僅是成像,所以不能像數(shù)碼相機(jī)那

樣隨意構(gòu)圖,也不能產(chǎn)出光影效果俱佳的大片。它可

以成像,但又不僅限于成像,它可以分辨葉片上肉眼

不可見的差異,是測量植物光合生理的精密的科研

工具,需要嚴(yán)謹(jǐn)對待。

植物生理生態(tài)研究

直播回顧│澤泉云課堂(2023年8月第1講與第2講)

本文應(yīng)用了一種新的評估方法,該方法基于非侵入

性原位技術(shù),結(jié)合了創(chuàng)新的呼吸測量系統(tǒng)、熒光測量

和照片分析,以評估P. carnosa在環(huán)境波動下的代謝

反應(yīng)和能量學(xué)。

師恩難忘,AgriPheno祝您教師節(jié)快樂!

世界各地的科學(xué)家正在努力闡釋珊瑚礁環(huán)境的復(fù)雜

性,以及氣候變化的各個方面如何影響珊瑚礁環(huán)境。

在這樣做的過程中,他們使用了CISME——一種由北

卡羅來納大學(xué)威爾明頓分校與Qubit Systems聯(lián)合開

發(fā)的潛水員部署系統(tǒng),用于測量珊瑚的光合作用、呼

吸作用和(去)鈣化。繼續(xù)閱讀,了解更多關(guān)于此項

研究的信息。

其他

Nature Communications:厭氧呼吸產(chǎn)生的弱酸會

抑制光合作用和有氧呼吸

該研究闡釋了光合生物中無氧發(fā)酵影響光合作用和

呼吸作用的新機(jī)制,對于探索光合作用、有氧呼吸和

無氧呼吸之間的化學(xué)偶聯(lián),理解光合生物基本生理

過程及優(yōu)化植物生長和固碳能力具有重要意義。

葉綠素?zé)晒獬上裣到y(tǒng)IMAGING-PAM最新文獻(xiàn)應(yīng)用

速遞

感謝各位老師、同學(xué)的關(guān)注、推薦與積極轉(zhuǎn)發(fā),Agripheno將不忘初心,堅持把國內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀

分享給大家,以支持到大家的研究工作。作為開放公眾平臺,我們歡迎大家撰寫各自已發(fā)表文章的介紹投稿,分享

最新研究成果。此外,如您有最新的業(yè)內(nèi)信息需要推送,我們也樂意效勞。

掃描二維碼,即可閱讀以上推文

C O R P O R AT E N E W S 企業(yè)新聞

AgriPhenoTM 快訊 08

Plant Physiology:x型和y型硫氧還蛋白在波動光

下維持光系統(tǒng)I受體側(cè)的氧化還原穩(wěn)定

2023年8月22日,Plant Physiology在線發(fā)表了日本

岡山大學(xué)和京都產(chǎn)業(yè)大學(xué)聯(lián)合署名的題為x- and

y-type thioredoxins maintain redox homeostasis

light的文章。科研人員以擬南芥(Arabidopsis thaliy2中光系統(tǒng)I(PSI)參數(shù)的變化。本研究中,葉綠素?zé)?/p>

低光54 μmol m?2 s?1;1min高光1455 μmolm?2 s?1,

三個循環(huán))模擬測量均通過DUAL-PAM-100雙通道

調(diào)制葉綠素?zé)晒鈨x完成。表征NDH活性的測量通過

MINI-PAM-II完成。

如何選擇葉綠素?zé)晒獬上裣到y(tǒng),看這篇文章就夠了~

IMAGING-PAM不僅僅是數(shù)據(jù)圖像化那么簡單。它可

以成像,但又不僅僅是成像,所以不能像數(shù)碼相機(jī)那

樣隨意構(gòu)圖,也不能產(chǎn)出光影效果俱佳的大片。它可

以成像,但又不僅限于成像,它可以分辨葉片上肉眼

不可見的差異,是測量植物光合生理的精密的科研

工具,需要嚴(yán)謹(jǐn)對待。

植物生理生態(tài)研究

直播回顧│澤泉云課堂(2023年8月第1講與第2講)

本文應(yīng)用了一種新的評估方法,該方法基于非侵入

性原位技術(shù),結(jié)合了創(chuàng)新的呼吸測量系統(tǒng)、熒光測量

和照片分析,以評估P. carnosa在環(huán)境波動下的代謝

反應(yīng)和能量學(xué)。

師恩難忘,AgriPheno祝您教師節(jié)快樂!

世界各地的科學(xué)家正在努力闡釋珊瑚礁環(huán)境的復(fù)雜

性,以及氣候變化的各個方面如何影響珊瑚礁環(huán)境。

在這樣做的過程中,他們使用了CISME——一種由北

卡羅來納大學(xué)威爾明頓分校與Qubit Systems聯(lián)合開

發(fā)的潛水員部署系統(tǒng),用于測量珊瑚的光合作用、呼

吸作用和(去)鈣化。繼續(xù)閱讀,了解更多關(guān)于此項

研究的信息。

其他

Nature Communications:厭氧呼吸產(chǎn)生的弱酸會

抑制光合作用和有氧呼吸

該研究闡釋了光合生物中無氧發(fā)酵影響光合作用和

呼吸作用的新機(jī)制,對于探索光合作用、有氧呼吸和

無氧呼吸之間的化學(xué)偶聯(lián),理解光合生物基本生理

過程及優(yōu)化植物生長和固碳能力具有重要意義。

葉綠素?zé)晒獬上裣到y(tǒng)IMAGING-PAM最新文獻(xiàn)應(yīng)用

速遞

感謝各位老師、同學(xué)的關(guān)注、推薦與積極轉(zhuǎn)發(fā),Agripheno將不忘初心,堅持把國內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀

分享給大家,以支持到大家的研究工作。作為開放公眾平臺,我們歡迎大家撰寫各自已發(fā)表文章的介紹投稿,分享

最新研究成果。此外,如您有最新的業(yè)內(nèi)信息需要推送,我們也樂意效勞。

掃描二維碼,即可閱讀以上推文

第57頁

科研動態(tài) RESEARCH TRENDS

09 AgriPhenoTM 快訊

有活力的花粉是植物成功繁育的基本要素之一,也是形成種子的先決條件。能夠長期保存有活力的花粉可為農(nóng)業(yè)、

林業(yè)和園藝領(lǐng)域創(chuàng)造育種和生產(chǎn)的靈活性,并實現(xiàn)跨越地理和季節(jié)限制的有效雜交,從而減少在授粉過程中雌雄

植株同步開花的協(xié)調(diào)工作并確保授粉花粉的可用性。茄科植物花粉冷凍保存是全世界雜交種子生產(chǎn)行業(yè)的普遍做

法,集中進(jìn)行花粉生產(chǎn)對于確保知識產(chǎn)權(quán)、降低多年種子生產(chǎn)計劃中的雌雄比例以及花粉生產(chǎn)風(fēng)險管理等戰(zhàn)略來

說具有特別重要的意義。

花粉冷凍保存通常包括脫水、冷卻、儲存、解凍和再水合這一系列過程,每個過程的出錯會嚴(yán)重影響最終的花粉質(zhì)

量,尤其是在工藝條件不理想的情況下,因此,監(jiān)測花粉供應(yīng)鏈上各個環(huán)節(jié)的花粉質(zhì)量是十分必要的。目前,育種

者和種子生產(chǎn)商已將花粉活力檢測作為一種風(fēng)險管理工具,以防止低質(zhì)量授粉而導(dǎo)致的產(chǎn)量損失。

傳統(tǒng)上進(jìn)行花粉活力的評估多以顯微鏡為基礎(chǔ),如通過顯微鏡觀察花粉大小的變化、熒光或非熒光染料染色后

花粉新陳代謝活動或膜的完整性、萌發(fā)率以及花粉管的生長情況,此類檢測中的數(shù)據(jù)分析通常通過人為量化細(xì)

胞亞群或使用圖像處理軟件工具來完成。近些年,該領(lǐng)域逐漸引入了庫爾特計數(shù)器和阻抗流式細(xì)胞儀(IFC),如

瑞士Amphasys公司的Ampha Z32阻抗流式細(xì)胞儀就是專為分析花粉質(zhì)量而研發(fā)的設(shè)備,其原理是通過檢測流

經(jīng)微流控芯片的單個花粉粒的電阻抗特性來區(qū)分花粉活力。對比勞動強(qiáng)度、分析和動手耗時、結(jié)果可靠性、標(biāo)準(zhǔn)

化程度和測試成本等方面,所有這些技術(shù)都各有優(yōu)缺點。

本研究通過IFC活力法、體外萌發(fā)法以及花粉管長度分析,檢測了同一批冷凍保存下的番茄和辣椒花粉樣本,并對

三種花粉質(zhì)量分析方法進(jìn)行了評估,以確定其是否適用于冷凍保存下的花粉的常規(guī)質(zhì)量控制。結(jié)果表明:

i. Ampha Z32阻抗流式細(xì)胞儀(IFC活力法)得到的花粉活性可以解釋為花粉的發(fā)芽潛力,而體外萌發(fā)法則可在給

定的發(fā)芽條件下直接量化花粉的發(fā)芽潛能,兩種分析方法之間存在線性相關(guān);

ii. 對自動化程度、通量、可重復(fù)性和再現(xiàn)性要求高的應(yīng)用和行業(yè)來說,IFC活力法的理想的檢測工具;

iii. 由于難以實現(xiàn)標(biāo)準(zhǔn)化,體外萌發(fā)法只適用于有一定時間和地域限制的研究;

iv. 由于通量低且可重復(fù)性差,通過花粉管長度分析花粉活性不能充分滿足行業(yè)需求。

花粉萌發(fā)過程中,通過觀察顯微鏡下花粉的形態(tài)特征進(jìn)行花粉形態(tài)亞型的分類,見表1。利用Ampha Z32(IFC)檢

測花粉的電阻抗特性,并通過分析二維相位-振幅散點圖量化活花粉、死花粉以及異?;ǚ?,見圖1b。IFC活力法

與顯微鏡鏡檢數(shù)據(jù)的比較表明:??i. 冷凍保存的不同批次的花粉可能具有非常不同的細(xì)胞亞群組成(圖1c);??ii.?

冷凍保存下不同批次的花粉質(zhì)量可能有很大差異(圖1c),使用低質(zhì)量批次的花粉有授粉不足的風(fēng)險,同時也為

使用稀釋劑(如石松孢子)稀釋高質(zhì)量批次的花粉提供了機(jī)會; iii. IFC活力法鑒定出的活花粉對應(yīng)于萌發(fā)過程

中形態(tài)可重組的那部分花粉(圖1d);??iv. IFC活力法與萌發(fā)鏡檢法對異常細(xì)胞的量化結(jié)果相似(圖1c);??v. 在給

定萌發(fā)條件下,有活力但未能萌發(fā)的這部分花粉在成熟度上具有高度的樣品特異性,其占比為8.7%-43.3%,這些

花粉能夠在形態(tài)上重建,但不能在功能上重組(圖1c)。

文/郭愛娟

凍存茄科花粉質(zhì)量

檢測方法的評估

IFC數(shù)據(jù)與顯微鏡鏡檢數(shù)據(jù)的相關(guān)性

科研動態(tài) RESEARCH TRENDS

09 AgriPhenoTM 快訊

有活力的花粉是植物成功繁育的基本要素之一,也是形成種子的先決條件。能夠長期保存有活力的花粉可為農(nóng)業(yè)、

林業(yè)和園藝領(lǐng)域創(chuàng)造育種和生產(chǎn)的靈活性,并實現(xiàn)跨越地理和季節(jié)限制的有效雜交,從而減少在授粉過程中雌雄

植株同步開花的協(xié)調(diào)工作并確保授粉花粉的可用性。茄科植物花粉冷凍保存是全世界雜交種子生產(chǎn)行業(yè)的普遍做

法,集中進(jìn)行花粉生產(chǎn)對于確保知識產(chǎn)權(quán)、降低多年種子生產(chǎn)計劃中的雌雄比例以及花粉生產(chǎn)風(fēng)險管理等戰(zhàn)略來

說具有特別重要的意義。

花粉冷凍保存通常包括脫水、冷卻、儲存、解凍和再水合這一系列過程,每個過程的出錯會嚴(yán)重影響最終的花粉質(zhì)

量,尤其是在工藝條件不理想的情況下,因此,監(jiān)測花粉供應(yīng)鏈上各個環(huán)節(jié)的花粉質(zhì)量是十分必要的。目前,育種

者和種子生產(chǎn)商已將花粉活力檢測作為一種風(fēng)險管理工具,以防止低質(zhì)量授粉而導(dǎo)致的產(chǎn)量損失。

傳統(tǒng)上進(jìn)行花粉活力的評估多以顯微鏡為基礎(chǔ),如通過顯微鏡觀察花粉大小的變化、熒光或非熒光染料染色后

花粉新陳代謝活動或膜的完整性、萌發(fā)率以及花粉管的生長情況,此類檢測中的數(shù)據(jù)分析通常通過人為量化細(xì)

胞亞群或使用圖像處理軟件工具來完成。近些年,該領(lǐng)域逐漸引入了庫爾特計數(shù)器和阻抗流式細(xì)胞儀(IFC),如

瑞士Amphasys公司的Ampha Z32阻抗流式細(xì)胞儀就是專為分析花粉質(zhì)量而研發(fā)的設(shè)備,其原理是通過檢測流

經(jīng)微流控芯片的單個花粉粒的電阻抗特性來區(qū)分花粉活力。對比勞動強(qiáng)度、分析和動手耗時、結(jié)果可靠性、標(biāo)準(zhǔn)

化程度和測試成本等方面,所有這些技術(shù)都各有優(yōu)缺點。

本研究通過IFC活力法、體外萌發(fā)法以及花粉管長度分析,檢測了同一批冷凍保存下的番茄和辣椒花粉樣本,并對

三種花粉質(zhì)量分析方法進(jìn)行了評估,以確定其是否適用于冷凍保存下的花粉的常規(guī)質(zhì)量控制。結(jié)果表明:

i. Ampha Z32阻抗流式細(xì)胞儀(IFC活力法)得到的花粉活性可以解釋為花粉的發(fā)芽潛力,而體外萌發(fā)法則可在給

定的發(fā)芽條件下直接量化花粉的發(fā)芽潛能,兩種分析方法之間存在線性相關(guān);

ii. 對自動化程度、通量、可重復(fù)性和再現(xiàn)性要求高的應(yīng)用和行業(yè)來說,IFC活力法的理想的檢測工具;

iii. 由于難以實現(xiàn)標(biāo)準(zhǔn)化,體外萌發(fā)法只適用于有一定時間和地域限制的研究;

iv. 由于通量低且可重復(fù)性差,通過花粉管長度分析花粉活性不能充分滿足行業(yè)需求。

花粉萌發(fā)過程中,通過觀察顯微鏡下花粉的形態(tài)特征進(jìn)行花粉形態(tài)亞型的分類,見表1。利用Ampha Z32(IFC)檢

測花粉的電阻抗特性,并通過分析二維相位-振幅散點圖量化活花粉、死花粉以及異?;ǚ?,見圖1b。IFC活力法

與顯微鏡鏡檢數(shù)據(jù)的比較表明:??i. 冷凍保存的不同批次的花粉可能具有非常不同的細(xì)胞亞群組成(圖1c);??ii.?

冷凍保存下不同批次的花粉質(zhì)量可能有很大差異(圖1c),使用低質(zhì)量批次的花粉有授粉不足的風(fēng)險,同時也為

使用稀釋劑(如石松孢子)稀釋高質(zhì)量批次的花粉提供了機(jī)會; iii. IFC活力法鑒定出的活花粉對應(yīng)于萌發(fā)過程

中形態(tài)可重組的那部分花粉(圖1d);??iv. IFC活力法與萌發(fā)鏡檢法對異常細(xì)胞的量化結(jié)果相似(圖1c);??v. 在給

定萌發(fā)條件下,有活力但未能萌發(fā)的這部分花粉在成熟度上具有高度的樣品特異性,其占比為8.7%-43.3%,這些

花粉能夠在形態(tài)上重建,但不能在功能上重組(圖1c)。

文/郭愛娟

凍存茄科花粉質(zhì)量

檢測方法的評估

IFC數(shù)據(jù)與顯微鏡鏡檢數(shù)據(jù)的相關(guān)性

第58頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 10

表1 花粉粒的不同形態(tài)亞型

分類 描述 圖示

Aberrant

異?;ǚ?/p>

異常細(xì)胞與小孢子發(fā)育的中止有關(guān)

例如由于熱脅迫導(dǎo)致的敗育

Aberrant

脫水花粉

這些花粉再水合并懸浮于萌發(fā)

緩沖液中后,不能在形態(tài)上重建。可以清楚

地看到類似 \"咖啡豆 \"的溝紋

Reconstituted,?

not germinated

這類花粉粒通過再水合并懸浮在

發(fā)芽緩沖液中,在形態(tài)上得以重組,但沒有

形成花粉管,如圖1a–II

Reconstituted,?

pollen tube

emerging

這些花粉粒形成了花粉管

但花粉管的長度短于花粉的直徑

Reconstituted,?

pollen tube

longer than

pollen diameter

這些花粉粒形成了花粉管

但花粉管的長度短于花粉的直徑

圖1 a. 顯微鏡下冷凍番茄花粉再水合過程中的形態(tài)重

建(比例尺=50μm):a-I)冷凍保存的番茄花粉,呈溝

狀形態(tài);a-II)在95-99%相對濕度下再水合30min后

的番茄花粉,重建為更球形的形態(tài);b. IFC火力法可量

化不同類型的茄科花粉:圖上每個點對應(yīng)一粒花粉,

通過分析可在相位-振幅散點圖中設(shè)置門控區(qū)分活化

粉粒、死花粉粒和異常花粉粒;c .番茄花粉類群的量

化:百分比柱狀堆積圖:顯微鏡鏡檢法;散點圖:IFC

活力法d. 辣椒和番茄花粉的樣品活性(IFC活力法)與

形態(tài)可重建花粉占比(顯微鏡鏡檢)的相關(guān)性分析。

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 10

表1 花粉粒的不同形態(tài)亞型

分類 描述 圖示

Aberrant

異?;ǚ?/p>

異常細(xì)胞與小孢子發(fā)育的中止有關(guān)

例如由于熱脅迫導(dǎo)致的敗育

Aberrant

脫水花粉

這些花粉再水合并懸浮于萌發(fā)

緩沖液中后,不能在形態(tài)上重建。可以清楚

地看到類似 \"咖啡豆 \"的溝紋

Reconstituted,?

not germinated

這類花粉粒通過再水合并懸浮在

發(fā)芽緩沖液中,在形態(tài)上得以重組,但沒有

形成花粉管,如圖1a–II

Reconstituted,?

pollen tube

emerging

這些花粉粒形成了花粉管

但花粉管的長度短于花粉的直徑

Reconstituted,?

pollen tube

longer than

pollen diameter

這些花粉粒形成了花粉管

但花粉管的長度短于花粉的直徑

圖1 a. 顯微鏡下冷凍番茄花粉再水合過程中的形態(tài)重

建(比例尺=50μm):a-I)冷凍保存的番茄花粉,呈溝

狀形態(tài);a-II)在95-99%相對濕度下再水合30min后

的番茄花粉,重建為更球形的形態(tài);b. IFC火力法可量

化不同類型的茄科花粉:圖上每個點對應(yīng)一?;ǚ?,

通過分析可在相位-振幅散點圖中設(shè)置門控區(qū)分活化

粉粒、死花粉粒和異?;ǚ哿?;c .番茄花粉類群的量

化:百分比柱狀堆積圖:顯微鏡鏡檢法;散點圖:IFC

活力法d. 辣椒和番茄花粉的樣品活性(IFC活力法)與

形態(tài)可重建花粉占比(顯微鏡鏡檢)的相關(guān)性分析。

第59頁

科研動態(tài) RESEARCH TRENDS

11 AgriPhenoTM 快訊

IFC法的再現(xiàn)性非常高,花粉活性平均偏差為5%(圖3a),可重復(fù)性強(qiáng);體外萌發(fā)法再現(xiàn)率略低,平均偏差為9%,可

重復(fù)性中等;花粉管進(jìn)行活力評估的結(jié)果差異較大,重復(fù)性較差。

荷蘭和瑞士兩個試驗點的20個樣品的檢測結(jié)果表明,IFC活力法與體外萌發(fā)法之間有很強(qiáng)的正相關(guān)性(圖2a,番

茄R2=0.77,辣椒R2=0.87)。其中,番茄和辣椒的體外萌發(fā)率分別比IFC活力平均低26%和19%。IFC活力和花粉管

長度之間也存在正相關(guān)性,表明質(zhì)量較高的花粉批次往往含有更多活力更強(qiáng)的花粉,從而形成更長的花粉管(圖

2b)。體外發(fā)芽率與花粉管長度間也發(fā)現(xiàn)了相似的結(jié)果(圖2c)。

不同測量方法的再現(xiàn)性和重復(fù)性

IFC活力法vs.體外萌發(fā)法vs.花粉管長度分析

圖2 IFC活力法、體外萌發(fā)法、花粉管長度分析三種花粉質(zhì)量評估的比較

圖3 不同試驗方法的再現(xiàn)性和重復(fù)性

科研動態(tài) RESEARCH TRENDS

11 AgriPhenoTM 快訊

IFC法的再現(xiàn)性非常高,花粉活性平均偏差為5%(圖3a),可重復(fù)性強(qiáng);體外萌發(fā)法再現(xiàn)率略低,平均偏差為9%,可

重復(fù)性中等;花粉管進(jìn)行活力評估的結(jié)果差異較大,重復(fù)性較差。

荷蘭和瑞士兩個試驗點的20個樣品的檢測結(jié)果表明,IFC活力法與體外萌發(fā)法之間有很強(qiáng)的正相關(guān)性(圖2a,番

茄R2=0.77,辣椒R2=0.87)。其中,番茄和辣椒的體外萌發(fā)率分別比IFC活力平均低26%和19%。IFC活力和花粉管

長度之間也存在正相關(guān)性,表明質(zhì)量較高的花粉批次往往含有更多活力更強(qiáng)的花粉,從而形成更長的花粉管(圖

2b)。體外發(fā)芽率與花粉管長度間也發(fā)現(xiàn)了相似的結(jié)果(圖2c)。

不同測量方法的再現(xiàn)性和重復(fù)性

IFC活力法vs.體外萌發(fā)法vs.花粉管長度分析

圖2 IFC活力法、體外萌發(fā)法、花粉管長度分析三種花粉質(zhì)量評估的比較

圖3 不同試驗方法的再現(xiàn)性和重復(fù)性

第60頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 12

圖4 發(fā)芽培養(yǎng)基滲透壓對離體番茄花粉發(fā)芽率和花粉完整性的影響

高滲透壓緩沖液降低了發(fā)芽率和花粉破裂的風(fēng)險(比例尺 = 100 μm)

本次研究結(jié)果表明,體外萌發(fā)法和IFC活力法均適用于分析冷凍保存的番茄和辣椒花粉的活性,且二者間具有高

度的線性相關(guān)性。但值得注意的是,體外萌發(fā)法需要測試者嚴(yán)格遵循標(biāo)準(zhǔn)化測試方案,這包括緩沖液配方、測定

溫度和萌發(fā)時間,并明確不同花粉形態(tài)和發(fā)芽水平分類標(biāo)準(zhǔn),相較而言,其更適用于特定研究地點的短期實驗;

而IFC活力法是一種可在任意地點由任何用戶進(jìn)行標(biāo)準(zhǔn)化操作的高通量檢測方法,更適用于涉及操作人員和實驗

地點多、需要在更大時間窗口進(jìn)行數(shù)據(jù)對比的測試項目中。

參考文獻(xiàn)

Solanaceae pollen[J]. Sci Rep 13, 7344 (2023).?

新一代花粉活力分析儀

Ampha Z40

全自動花粉活力分析儀

Ampha P20

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 12

圖4 發(fā)芽培養(yǎng)基滲透壓對離體番茄花粉發(fā)芽率和花粉完整性的影響

高滲透壓緩沖液降低了發(fā)芽率和花粉破裂的風(fēng)險(比例尺 = 100 μm)

本次研究結(jié)果表明,體外萌發(fā)法和IFC活力法均適用于分析冷凍保存的番茄和辣椒花粉的活性,且二者間具有高

度的線性相關(guān)性。但值得注意的是,體外萌發(fā)法需要測試者嚴(yán)格遵循標(biāo)準(zhǔn)化測試方案,這包括緩沖液配方、測定

溫度和萌發(fā)時間,并明確不同花粉形態(tài)和發(fā)芽水平分類標(biāo)準(zhǔn),相較而言,其更適用于特定研究地點的短期實驗;

而IFC活力法是一種可在任意地點由任何用戶進(jìn)行標(biāo)準(zhǔn)化操作的高通量檢測方法,更適用于涉及操作人員和實驗

地點多、需要在更大時間窗口進(jìn)行數(shù)據(jù)對比的測試項目中。

參考文獻(xiàn)

Solanaceae pollen[J]. Sci Rep 13, 7344 (2023).?

新一代花粉活力分析儀

Ampha Z40

全自動花粉活力分析儀

Ampha P20

第61頁

科研動態(tài) RESEARCH TRENDS

13 AgriPhenoTM 快訊

本文介紹了一種用于獼猴桃分析的便攜式光譜成像裝置的開發(fā)新案例,提出了一種結(jié)合深度學(xué)習(xí)和化學(xué)計量學(xué)的

光譜圖像處理新策略。深度學(xué)習(xí)用于在光譜圖像中檢測和定位收獲的水果,而化學(xué)計量學(xué)建模用于預(yù)測多種與

水果質(zhì)量相關(guān)的特性,即干物質(zhì)和可溶性固形物含量,開發(fā)的模型在不同果園和不同品種的水果上進(jìn)行了獨立驗

證。本文提出的一體化光譜成像裝置可以允許光譜成像在新鮮水果分析中的廣泛使用,特別有利于非光譜成像和

化學(xué)計量學(xué)領(lǐng)域的用戶日常使用光譜成像設(shè)備進(jìn)行鮮果分析。

本研究使用新西蘭Zespri公司提供的來自

三個果園(A、B和C)的金果獼猴桃和綠果

獼猴桃,DM即干物質(zhì),是水果去除所有水

分后剩下的成分。開始實驗之前,將水果置

于室溫條件下過夜,以穩(wěn)定光譜成像的溫

度。表1提供了樣本詳細(xì)信息。

文/馬伯威

獼猴桃干物質(zhì)和可溶性固形物的無損預(yù)測

結(jié)合深度學(xué)習(xí)和化學(xué)計量學(xué)的近紅外光譜成像

實驗材料

本試驗在荷蘭瓦赫寧根食品與生物研究所

進(jìn)行,使用其最近開發(fā)的一體化光譜成像

(all-in-one spectral imaging, ASI)裝

置記錄了獼猴桃的光譜圖像(圖1)。ASI使

用Vis-NIR高光譜相機(jī)(FX10,Specim,

Oulu,F(xiàn)inland)進(jìn)行自動光譜圖像采集。

對于白色參考,ASI設(shè)置具有內(nèi)置的白色參

許自動快門控制來記錄暗參考。

成像設(shè)備

表1 用于試驗的水果樣品信息的匯總

注意,干物質(zhì)等級表示根據(jù)估計的干物質(zhì)增加將水果初步分類為組

作為本研究的一部分,對單個果實的DM進(jìn)行了實驗評估,并在結(jié)果部分進(jìn)行了驗證

圖1 用于標(biāo)準(zhǔn)化光譜成像ASI裝置

ASI允許自動圖像采集以及使用白色參考和暗參考的圖像自動校正

科研動態(tài) RESEARCH TRENDS

13 AgriPhenoTM 快訊

本文介紹了一種用于獼猴桃分析的便攜式光譜成像裝置的開發(fā)新案例,提出了一種結(jié)合深度學(xué)習(xí)和化學(xué)計量學(xué)的

光譜圖像處理新策略。深度學(xué)習(xí)用于在光譜圖像中檢測和定位收獲的水果,而化學(xué)計量學(xué)建模用于預(yù)測多種與

水果質(zhì)量相關(guān)的特性,即干物質(zhì)和可溶性固形物含量,開發(fā)的模型在不同果園和不同品種的水果上進(jìn)行了獨立驗

證。本文提出的一體化光譜成像裝置可以允許光譜成像在新鮮水果分析中的廣泛使用,特別有利于非光譜成像和

化學(xué)計量學(xué)領(lǐng)域的用戶日常使用光譜成像設(shè)備進(jìn)行鮮果分析。

本研究使用新西蘭Zespri公司提供的來自

三個果園(A、B和C)的金果獼猴桃和綠果

獼猴桃,DM即干物質(zhì),是水果去除所有水

分后剩下的成分。開始實驗之前,將水果置

于室溫條件下過夜,以穩(wěn)定光譜成像的溫

度。表1提供了樣本詳細(xì)信息。

文/馬伯威

獼猴桃干物質(zhì)和可溶性固形物的無損預(yù)測

結(jié)合深度學(xué)習(xí)和化學(xué)計量學(xué)的近紅外光譜成像

實驗材料

本試驗在荷蘭瓦赫寧根食品與生物研究所

進(jìn)行,使用其最近開發(fā)的一體化光譜成像

(all-in-one spectral imaging, ASI)裝

置記錄了獼猴桃的光譜圖像(圖1)。ASI使

用Vis-NIR高光譜相機(jī)(FX10,Specim,

Oulu,F(xiàn)inland)進(jìn)行自動光譜圖像采集。

對于白色參考,ASI設(shè)置具有內(nèi)置的白色參

許自動快門控制來記錄暗參考。

成像設(shè)備

表1 用于試驗的水果樣品信息的匯總

注意,干物質(zhì)等級表示根據(jù)估計的干物質(zhì)增加將水果初步分類為組

作為本研究的一部分,對單個果實的DM進(jìn)行了實驗評估,并在結(jié)果部分進(jìn)行了驗證

圖1 用于標(biāo)準(zhǔn)化光譜成像ASI裝置

ASI允許自動圖像采集以及使用白色參考和暗參考的圖像自動校正

第62頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 14

對獼猴桃進(jìn)行了手動取樣(圖2所示為水果取樣位置示意圖)。參考測量值為干物質(zhì)(DM)和可溶性固形物含量

(SSC)。

使用電子天平測定獼猴桃的干物質(zhì)含量,記錄獼猴桃在食品脫水器中干燥前后的重量,溫度為65℃持續(xù)24小時。

使用手持式折射計測定SSC。所有參考測量均在室溫下進(jìn)行。

參照測量

本研究中,使用深度學(xué)習(xí)和化學(xué)計量學(xué)建模的新組合來處理光譜圖像。主要目的是實現(xiàn)圖像分析的自動化,以便任

何在數(shù)據(jù)建模和光譜方面經(jīng)驗很少的用戶都可以使用成像系統(tǒng)進(jìn)行水果分析。圖像分析包括兩個步驟:1,使用深

度學(xué)習(xí)來檢測成像場景中的單個水果;2,使用與單個水果相對應(yīng)的像素和應(yīng)用化學(xué)計量學(xué)模型來預(yù)測水果特性。

深度學(xué)習(xí)沒有用于化學(xué)性質(zhì)的預(yù)測,因為訓(xùn)練深度學(xué)習(xí)模型的水果數(shù)量太少。

● 基于深度學(xué)習(xí)的水果檢測

本研究中,早期研究中開發(fā)的深度學(xué)習(xí)模型YOLOv4被用于檢測獼猴桃。所有分析都是在MATLAB計算環(huán)境中進(jìn)行

的。YOLOv4模型應(yīng)用于使用光譜圖像的671、534和430nm光譜帶重建的RGB圖像。YOLOv4的輸出是用于獼猴桃

檢測的邊界框、質(zhì)心和概率得分。質(zhì)心用于提取果實的光譜,這些光譜用于化學(xué)計量學(xué)建模以預(yù)測DM和SSC。平

均光譜是在預(yù)定義寬度的窗口內(nèi)提取的,以研究窗口寬度對模型性能的影響。

● PLS建模

化學(xué)計量學(xué)偏最小二乘建模是使用深度學(xué)習(xí)模型預(yù)測的質(zhì)心位置估計的平均光譜進(jìn)行的。由于本研究旨在在同

一模型中對DM和SSC進(jìn)行聯(lián)合建模,因此,實際建模是適用于處理多個響應(yīng)的PLS2建模。本研究探討了原始反

射率和標(biāo)準(zhǔn)正態(tài)變量(SNV)歸一化反射率,以了解歸一化是否對建模有任何好處。同時還探索了兩個光譜范

圍,即500–1000 nm和688–1000 nm,以了解與僅使用近紅外信息(688–1000nm)相比,其在模型中使用顏色

信息(500–1000 nm)的好處。注意,由于噪聲的原因,沒有使用500nm以下的光譜信息。校準(zhǔn)集中總共有120個

綠色獼猴桃樣品(果園A和B),不同果園的測試集中有60個綠色獼猴桃(果園C)樣品,不同品種的30個金色獼

猴桃樣品。為了確定PLS模型的最佳組件數(shù)量,使用了5折交叉驗證。最佳成分被確定為具有最低交叉驗證誤差

的成分。一旦找到最佳模型,就用新果園和新品種的數(shù)據(jù)進(jìn)行獨立測試。使用預(yù)測均方根誤差(RMSEP)來評估

模型的性能。

光譜圖像處理

圖2 獼猴桃進(jìn)行參考測量的采樣點示意圖

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 14

對獼猴桃進(jìn)行了手動取樣(圖2所示為水果取樣位置示意圖)。參考測量值為干物質(zhì)(DM)和可溶性固形物含量

(SSC)。

使用電子天平測定獼猴桃的干物質(zhì)含量,記錄獼猴桃在食品脫水器中干燥前后的重量,溫度為65℃持續(xù)24小時。

使用手持式折射計測定SSC。所有參考測量均在室溫下進(jìn)行。

參照測量

本研究中,使用深度學(xué)習(xí)和化學(xué)計量學(xué)建模的新組合來處理光譜圖像。主要目的是實現(xiàn)圖像分析的自動化,以便任

何在數(shù)據(jù)建模和光譜方面經(jīng)驗很少的用戶都可以使用成像系統(tǒng)進(jìn)行水果分析。圖像分析包括兩個步驟:1,使用深

度學(xué)習(xí)來檢測成像場景中的單個水果;2,使用與單個水果相對應(yīng)的像素和應(yīng)用化學(xué)計量學(xué)模型來預(yù)測水果特性。

深度學(xué)習(xí)沒有用于化學(xué)性質(zhì)的預(yù)測,因為訓(xùn)練深度學(xué)習(xí)模型的水果數(shù)量太少。

● 基于深度學(xué)習(xí)的水果檢測

本研究中,早期研究中開發(fā)的深度學(xué)習(xí)模型YOLOv4被用于檢測獼猴桃。所有分析都是在MATLAB計算環(huán)境中進(jìn)行

的。YOLOv4模型應(yīng)用于使用光譜圖像的671、534和430nm光譜帶重建的RGB圖像。YOLOv4的輸出是用于獼猴桃

檢測的邊界框、質(zhì)心和概率得分。質(zhì)心用于提取果實的光譜,這些光譜用于化學(xué)計量學(xué)建模以預(yù)測DM和SSC。平

均光譜是在預(yù)定義寬度的窗口內(nèi)提取的,以研究窗口寬度對模型性能的影響。

● PLS建模

化學(xué)計量學(xué)偏最小二乘建模是使用深度學(xué)習(xí)模型預(yù)測的質(zhì)心位置估計的平均光譜進(jìn)行的。由于本研究旨在在同

一模型中對DM和SSC進(jìn)行聯(lián)合建模,因此,實際建模是適用于處理多個響應(yīng)的PLS2建模。本研究探討了原始反

射率和標(biāo)準(zhǔn)正態(tài)變量(SNV)歸一化反射率,以了解歸一化是否對建模有任何好處。同時還探索了兩個光譜范

圍,即500–1000 nm和688–1000 nm,以了解與僅使用近紅外信息(688–1000nm)相比,其在模型中使用顏色

信息(500–1000 nm)的好處。注意,由于噪聲的原因,沒有使用500nm以下的光譜信息。校準(zhǔn)集中總共有120個

綠色獼猴桃樣品(果園A和B),不同果園的測試集中有60個綠色獼猴桃(果園C)樣品,不同品種的30個金色獼

猴桃樣品。為了確定PLS模型的最佳組件數(shù)量,使用了5折交叉驗證。最佳成分被確定為具有最低交叉驗證誤差

的成分。一旦找到最佳模型,就用新果園和新品種的數(shù)據(jù)進(jìn)行獨立測試。使用預(yù)測均方根誤差(RMSEP)來評估

模型的性能。

光譜圖像處理

圖2 獼猴桃進(jìn)行參考測量的采樣點示意圖

第63頁

科研動態(tài) RESEARCH TRENDS

15 AgriPhenoTM 快訊

結(jié)果

表2 不同獼猴桃樣品中參考干物質(zhì)和可溶性固形物含量(平均值±標(biāo)準(zhǔn)偏差)匯總

圖3 應(yīng)用YOLOv4深度學(xué)習(xí)模型檢測綠色(A)和金色(B)獼猴桃的結(jié)果

圖4 改變窗口寬度對估計平均光譜的影響,(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一化反射率

圖5 用于對500–1000 nm光譜范圍內(nèi)的數(shù)據(jù)進(jìn)行交叉驗證分析的交叉驗證均方根誤差(RMSECV)。(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一

化反射率。x軸解釋潛在變量(LV)的數(shù)量,y軸是解釋用于估計平均光譜的像素數(shù)量的窗口寬度

科研動態(tài) RESEARCH TRENDS

15 AgriPhenoTM 快訊

結(jié)果

表2 不同獼猴桃樣品中參考干物質(zhì)和可溶性固形物含量(平均值±標(biāo)準(zhǔn)偏差)匯總

圖3 應(yīng)用YOLOv4深度學(xué)習(xí)模型檢測綠色(A)和金色(B)獼猴桃的結(jié)果

圖4 改變窗口寬度對估計平均光譜的影響,(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一化反射率

圖5 用于對500–1000 nm光譜范圍內(nèi)的數(shù)據(jù)進(jìn)行交叉驗證分析的交叉驗證均方根誤差(RMSECV)。(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一

化反射率。x軸解釋潛在變量(LV)的數(shù)量,y軸是解釋用于估計平均光譜的像素數(shù)量的窗口寬度

第64頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 16

圖6?用于對688–1000 nm光譜范圍內(nèi)的數(shù)據(jù)進(jìn)行交叉驗證分析的交叉驗證均方根誤差(RMSECV)。(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一

化反射率。x軸解釋潛在變量(LV)的數(shù)量,y軸是解釋用于估計平均光譜的像素數(shù)量的窗口寬度

圖7 在500–1000 nm的光譜范圍內(nèi)進(jìn)行建模的干物質(zhì)(DM)和可溶性固體含量(SSC)預(yù)測圖。對于綠色獼猴桃,在兩個果園(A+B)上建立

了該模型,并在一個果園(C)上進(jìn)行了測試。(A) 對新果園數(shù)據(jù)的SSC預(yù)測,(B)對金色獼猴桃數(shù)據(jù)的SSC預(yù)測,(C)對新果園的DM預(yù)

測,以及(D)對金色獼猴桃數(shù)據(jù)的DM預(yù)測

圖8 在688–1000 nm的光譜范圍內(nèi)進(jìn)行建模的干物質(zhì)(DM)和可溶性固體含量(SSC)預(yù)測圖。對于綠色獼猴桃,在兩個果園(A+B)上建立

了該模型,并在一個果園(C)上進(jìn)行了測試。(A) 對新果園數(shù)據(jù)的SSC預(yù)測,(B)對金色獼猴桃數(shù)據(jù)的SSC預(yù)測,(C)對新果園的DM預(yù)

測,以及(D)對金色獼猴桃數(shù)據(jù)的DM預(yù)測

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 16

圖6?用于對688–1000 nm光譜范圍內(nèi)的數(shù)據(jù)進(jìn)行交叉驗證分析的交叉驗證均方根誤差(RMSECV)。(A) 反射率和(B)標(biāo)準(zhǔn)正態(tài)變量歸一

化反射率。x軸解釋潛在變量(LV)的數(shù)量,y軸是解釋用于估計平均光譜的像素數(shù)量的窗口寬度

圖7 在500–1000 nm的光譜范圍內(nèi)進(jìn)行建模的干物質(zhì)(DM)和可溶性固體含量(SSC)預(yù)測圖。對于綠色獼猴桃,在兩個果園(A+B)上建立

了該模型,并在一個果園(C)上進(jìn)行了測試。(A) 對新果園數(shù)據(jù)的SSC預(yù)測,(B)對金色獼猴桃數(shù)據(jù)的SSC預(yù)測,(C)對新果園的DM預(yù)

測,以及(D)對金色獼猴桃數(shù)據(jù)的DM預(yù)測

圖8 在688–1000 nm的光譜范圍內(nèi)進(jìn)行建模的干物質(zhì)(DM)和可溶性固體含量(SSC)預(yù)測圖。對于綠色獼猴桃,在兩個果園(A+B)上建立

了該模型,并在一個果園(C)上進(jìn)行了測試。(A) 對新果園數(shù)據(jù)的SSC預(yù)測,(B)對金色獼猴桃數(shù)據(jù)的SSC預(yù)測,(C)對新果園的DM預(yù)

測,以及(D)對金色獼猴桃數(shù)據(jù)的DM預(yù)測

第65頁

科研動態(tài) RESEARCH TRENDS

17 AgriPhenoTM 快訊

圖9 基于深度學(xué)習(xí)的獼猴桃聯(lián)合檢測和基于PLS2模型的獼猴桃干物質(zhì)和可溶性固形物預(yù)測的示例預(yù)測。(A) 從光譜圖像重建的RGB圖

像,以及(B)具有解釋每種水果的干物質(zhì)和可溶性固形物含量的邊界框的圖像

參考文獻(xiàn)

[J].?Infrared Physics & Technology, 2023, 131, 104677.

本研究建立在一體化光譜成像的框架之上,增加了獼猴桃的深度學(xué)習(xí)和化學(xué)計量學(xué)模型。深度學(xué)習(xí)可以識別和

定位獼猴桃,而化學(xué)計量學(xué)模型用于預(yù)測DM和SSC。通過對新果園和新品種數(shù)據(jù)的獨立測試,發(fā)現(xiàn)綠色獼猴桃

的光譜模型對綠色獼猴桃的數(shù)據(jù)效果良好,但對金色獼猴桃的數(shù)據(jù)表現(xiàn)不佳。模型試驗失敗的原因可能是綠色

和金色獼猴桃的果皮結(jié)構(gòu)非常不同。當(dāng)直接使用反射率數(shù)據(jù)開發(fā)光譜模型時,發(fā)現(xiàn)光譜模型通常更好,并且當(dāng)使

用光譜歸一化(如SNV)對光譜進(jìn)行預(yù)處理時,其性能下降。最初的假設(shè)是,僅使用近紅外信息來開發(fā)綠色獼猴

桃的模型可能也適用于金色獼猴桃,這一假設(shè)并不完全正確,因為在金色獼猴桃上測試時,近紅外和顏色+近紅

外信息的模型性能相似。然而,該模型(僅基于近紅外)對綠色獼猴桃的性能較差,這表明顏色和近紅外信息可

能在預(yù)測綠色獼猴桃的DM和SSC方面發(fā)揮著至關(guān)重要的作用。在實現(xiàn)通用化學(xué)計量學(xué)模型方面,建議測量廣泛

的獼猴桃品種數(shù)據(jù),并開發(fā)全球模型。關(guān)于其他類型水果光譜成像的簡化,ASI系統(tǒng)可以與任何水果的模型相結(jié)

合,而無需改變硬件。

結(jié)論

科研動態(tài) RESEARCH TRENDS

17 AgriPhenoTM 快訊

圖9 基于深度學(xué)習(xí)的獼猴桃聯(lián)合檢測和基于PLS2模型的獼猴桃干物質(zhì)和可溶性固形物預(yù)測的示例預(yù)測。(A) 從光譜圖像重建的RGB圖

像,以及(B)具有解釋每種水果的干物質(zhì)和可溶性固形物含量的邊界框的圖像

參考文獻(xiàn)

[J].?Infrared Physics & Technology, 2023, 131, 104677.

本研究建立在一體化光譜成像的框架之上,增加了獼猴桃的深度學(xué)習(xí)和化學(xué)計量學(xué)模型。深度學(xué)習(xí)可以識別和

定位獼猴桃,而化學(xué)計量學(xué)模型用于預(yù)測DM和SSC。通過對新果園和新品種數(shù)據(jù)的獨立測試,發(fā)現(xiàn)綠色獼猴桃

的光譜模型對綠色獼猴桃的數(shù)據(jù)效果良好,但對金色獼猴桃的數(shù)據(jù)表現(xiàn)不佳。模型試驗失敗的原因可能是綠色

和金色獼猴桃的果皮結(jié)構(gòu)非常不同。當(dāng)直接使用反射率數(shù)據(jù)開發(fā)光譜模型時,發(fā)現(xiàn)光譜模型通常更好,并且當(dāng)使

用光譜歸一化(如SNV)對光譜進(jìn)行預(yù)處理時,其性能下降。最初的假設(shè)是,僅使用近紅外信息來開發(fā)綠色獼猴

桃的模型可能也適用于金色獼猴桃,這一假設(shè)并不完全正確,因為在金色獼猴桃上測試時,近紅外和顏色+近紅

外信息的模型性能相似。然而,該模型(僅基于近紅外)對綠色獼猴桃的性能較差,這表明顏色和近紅外信息可

能在預(yù)測綠色獼猴桃的DM和SSC方面發(fā)揮著至關(guān)重要的作用。在實現(xiàn)通用化學(xué)計量學(xué)模型方面,建議測量廣泛

的獼猴桃品種數(shù)據(jù),并開發(fā)全球模型。關(guān)于其他類型水果光譜成像的簡化,ASI系統(tǒng)可以與任何水果的模型相結(jié)

合,而無需改變硬件。

結(jié)論

第66頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 18

隨著氣候變化和人口增長,植物及其生產(chǎn)對于保持自然生態(tài)系統(tǒng)和人類糧食安全的可持續(xù)性至關(guān)重要。機(jī)器人和

人工智能(AI)、植物表型和精準(zhǔn)農(nóng)業(yè)的快速發(fā)展和技術(shù)進(jìn)步開始在植物保護(hù)、土壤保護(hù)、減少化學(xué)品使用、降低勞

動力成本以及確保糧食供應(yīng)方面發(fā)揮日益重要的作用。 近期,F(xiàn)rontiers in Plant Science發(fā)表社論,介紹了這一領(lǐng)

域的最新進(jìn)展。

植物表型是指能夠反映植物細(xì)胞、組織、器官、植株和群體的結(jié)構(gòu)及功能特征的物理、生理和生化性質(zhì),其本質(zhì)實

際是植物基因圖譜的時序三維表達(dá)及其地域分異特征和代際演進(jìn)規(guī)律(趙春江,2019)。精準(zhǔn)農(nóng)業(yè)有助于最大限

度地提高土壤和水的利用效率,目的是最大限度地減少損失和浪費。它還提高了作物產(chǎn)量,減小了波動性和投入

成本。

近年來,研究人員在開發(fā)用于種植和監(jiān)測植物的各種人工智能方法、傳感器技術(shù)和農(nóng)業(yè)機(jī)器人方面取得了重大進(jìn)

展,如圖1所示。使用人工智能可以快速方便地測量大量的植物形態(tài)、生理和化學(xué)參數(shù)。此外,人工智能和機(jī)器人

技術(shù)的集成使得能夠在復(fù)雜的田間和受控環(huán)境中實時監(jiān)測植物。通過植物表型研究植物的復(fù)雜生理,可以獲得更

高質(zhì)量的植物種子。此外,在植物保護(hù)領(lǐng)域,可以減少殺蟲劑和化肥的使用,最終有助于農(nóng)業(yè)的可持續(xù)發(fā)展。

文/郭峰

人工智能、傳感器和機(jī)器人技術(shù)

在植物表型和精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 18

隨著氣候變化和人口增長,植物及其生產(chǎn)對于保持自然生態(tài)系統(tǒng)和人類糧食安全的可持續(xù)性至關(guān)重要。機(jī)器人和

人工智能(AI)、植物表型和精準(zhǔn)農(nóng)業(yè)的快速發(fā)展和技術(shù)進(jìn)步開始在植物保護(hù)、土壤保護(hù)、減少化學(xué)品使用、降低勞

動力成本以及確保糧食供應(yīng)方面發(fā)揮日益重要的作用。 近期,F(xiàn)rontiers in Plant Science發(fā)表社論,介紹了這一領(lǐng)

域的最新進(jìn)展。

植物表型是指能夠反映植物細(xì)胞、組織、器官、植株和群體的結(jié)構(gòu)及功能特征的物理、生理和生化性質(zhì),其本質(zhì)實

際是植物基因圖譜的時序三維表達(dá)及其地域分異特征和代際演進(jìn)規(guī)律(趙春江,2019)。精準(zhǔn)農(nóng)業(yè)有助于最大限

度地提高土壤和水的利用效率,目的是最大限度地減少損失和浪費。它還提高了作物產(chǎn)量,減小了波動性和投入

成本。

近年來,研究人員在開發(fā)用于種植和監(jiān)測植物的各種人工智能方法、傳感器技術(shù)和農(nóng)業(yè)機(jī)器人方面取得了重大進(jìn)

展,如圖1所示。使用人工智能可以快速方便地測量大量的植物形態(tài)、生理和化學(xué)參數(shù)。此外,人工智能和機(jī)器人

技術(shù)的集成使得能夠在復(fù)雜的田間和受控環(huán)境中實時監(jiān)測植物。通過植物表型研究植物的復(fù)雜生理,可以獲得更

高質(zhì)量的植物種子。此外,在植物保護(hù)領(lǐng)域,可以減少殺蟲劑和化肥的使用,最終有助于農(nóng)業(yè)的可持續(xù)發(fā)展。

文/郭峰

人工智能、傳感器和機(jī)器人技術(shù)

在植物表型和精準(zhǔn)農(nóng)業(yè)中的應(yīng)用

第67頁

科研動態(tài) RESEARCH TRENDS

19 AgriPhenoTM 快訊

圖1 基于人工智能、傳感器和機(jī)器人的動態(tài)三維植物表型和精準(zhǔn)農(nóng)業(yè)框架

植物表型作為一種有效的工具和過程,是現(xiàn)代農(nóng)業(yè)、智能農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)生產(chǎn)的重要組成部分。RGB相機(jī)、激光雷

達(dá)、多光譜/高光譜相機(jī)等各種傳感器獲取植物的各種生理和形態(tài)參數(shù),作為當(dāng)下和未來植物管理的決策基礎(chǔ)。

Shen等(Shen et al., 2022)提出了一種新的骨干網(wǎng)絡(luò)ResNet50FPN ED,用于傳統(tǒng)的Mask R-CNN實例分割,以

提高葡萄串在復(fù)雜田間環(huán)境中的檢測和分割能力;目標(biāo)檢測的平均精度為60.1%,實例分割的平均精度為59.5%。

Sun等(Sun et al., 2022)提出的基于點標(biāo)注的多尺度棉鈴定位方法MCBLNet,平均準(zhǔn)確率比傳統(tǒng)的點定位方法

高49.4%。Wang等(Wang et al., 2022)提出了一種基于改進(jìn)的YOLOv5模型的荔枝果實快速檢測方法和相應(yīng)的

軟件程序,其平均精度比原模型提高了3.5%,應(yīng)用試驗中產(chǎn)量估算值與實際值的相關(guān)系數(shù)為0.9879?;诔上窦?/p>

術(shù),Yuchao Li等(Li et al., 2022)對玉米幼苗進(jìn)行了三維重建、點云預(yù)處理、表型參數(shù)分析以及莖葉識別和分割,

為玉米表型研究開辟了新的途徑。

植物表型

病蟲害不規(guī)律地發(fā)生,對植物生長和生產(chǎn)有害。及時發(fā)現(xiàn)病蟲害以采取必要行動至關(guān)重要。計算機(jī)視覺的最新進(jìn)

展使它成為完成這一任務(wù)的一種流行方法。

針對田間作物病害的快速檢測問題,Dai等(Dai et al., 2022)提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)YOLO V5 CAcT。他們將該網(wǎng)

絡(luò)部署在深度學(xué)習(xí)平臺NCNN上,使其成為工業(yè)級作物病害解決方案。在10個作物品種的59類作物病害圖像中,平

均識別準(zhǔn)確率達(dá)到94.24%,每個樣本的平均推斷時間為1.56ms,模型大小為2 MB。Liu等(Liu et al., 2022)提出了

一種基于圖像的深度學(xué)習(xí)分析方法可量化葉片感染的嚴(yán)重程度,對感染霜霉菌和白粉菌葡萄葉片圖像的分析結(jié)果

表明,該方法對霜霉菌和白粉菌的平均分割精度分別超過0.84和0.74。

棉花是一種重要的經(jīng)濟(jì)作物,其病蟲害管理一直受到人們的關(guān)注。Fu等(Fu et al., 2022)提出了一種在Sentinel-2

數(shù)據(jù)的基礎(chǔ)上,結(jié)合比值導(dǎo)數(shù)波譜法和隨機(jī)森林算法,提出的棉蚜嚴(yán)重程度的定量監(jiān)測模型,其總體分類準(zhǔn)確率

為80%,kappa系數(shù)為0.73,該方法優(yōu)于四種傳統(tǒng)方法。為了便于在移動智能設(shè)備應(yīng)用程序中輕松部署深度卷積神

經(jīng)網(wǎng)絡(luò)模型,Zhu等(Zhu et al., 2022)使用剪枝算法對模型進(jìn)行壓縮。選擇VGG16、ResNet164和DenseNet40

作為壓縮模型進(jìn)行比較。結(jié)果表明,當(dāng)壓縮率設(shè)置為80%時,VGG16、ResNet164和DenseNet40的壓縮版本的準(zhǔn)

確率分別為90.77%、96.31%和97.23%。此外,在安卓平臺上已開發(fā)有棉花病害識別APP,手機(jī)處理單個圖像的平均

時間為87毫秒。

植物病蟲害檢測

科研動態(tài) RESEARCH TRENDS

19 AgriPhenoTM 快訊

圖1 基于人工智能、傳感器和機(jī)器人的動態(tài)三維植物表型和精準(zhǔn)農(nóng)業(yè)框架

植物表型作為一種有效的工具和過程,是現(xiàn)代農(nóng)業(yè)、智能農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)生產(chǎn)的重要組成部分。RGB相機(jī)、激光雷

達(dá)、多光譜/高光譜相機(jī)等各種傳感器獲取植物的各種生理和形態(tài)參數(shù),作為當(dāng)下和未來植物管理的決策基礎(chǔ)。

Shen等(Shen et al., 2022)提出了一種新的骨干網(wǎng)絡(luò)ResNet50FPN ED,用于傳統(tǒng)的Mask R-CNN實例分割,以

提高葡萄串在復(fù)雜田間環(huán)境中的檢測和分割能力;目標(biāo)檢測的平均精度為60.1%,實例分割的平均精度為59.5%。

Sun等(Sun et al., 2022)提出的基于點標(biāo)注的多尺度棉鈴定位方法MCBLNet,平均準(zhǔn)確率比傳統(tǒng)的點定位方法

高49.4%。Wang等(Wang et al., 2022)提出了一種基于改進(jìn)的YOLOv5模型的荔枝果實快速檢測方法和相應(yīng)的

軟件程序,其平均精度比原模型提高了3.5%,應(yīng)用試驗中產(chǎn)量估算值與實際值的相關(guān)系數(shù)為0.9879?;诔上窦?/p>

術(shù),Yuchao Li等(Li et al., 2022)對玉米幼苗進(jìn)行了三維重建、點云預(yù)處理、表型參數(shù)分析以及莖葉識別和分割,

為玉米表型研究開辟了新的途徑。

植物表型

病蟲害不規(guī)律地發(fā)生,對植物生長和生產(chǎn)有害。及時發(fā)現(xiàn)病蟲害以采取必要行動至關(guān)重要。計算機(jī)視覺的最新進(jìn)

展使它成為完成這一任務(wù)的一種流行方法。

針對田間作物病害的快速檢測問題,Dai等(Dai et al., 2022)提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)YOLO V5 CAcT。他們將該網(wǎng)

絡(luò)部署在深度學(xué)習(xí)平臺NCNN上,使其成為工業(yè)級作物病害解決方案。在10個作物品種的59類作物病害圖像中,平

均識別準(zhǔn)確率達(dá)到94.24%,每個樣本的平均推斷時間為1.56ms,模型大小為2 MB。Liu等(Liu et al., 2022)提出了

一種基于圖像的深度學(xué)習(xí)分析方法可量化葉片感染的嚴(yán)重程度,對感染霜霉菌和白粉菌葡萄葉片圖像的分析結(jié)果

表明,該方法對霜霉菌和白粉菌的平均分割精度分別超過0.84和0.74。

棉花是一種重要的經(jīng)濟(jì)作物,其病蟲害管理一直受到人們的關(guān)注。Fu等(Fu et al., 2022)提出了一種在Sentinel-2

數(shù)據(jù)的基礎(chǔ)上,結(jié)合比值導(dǎo)數(shù)波譜法和隨機(jī)森林算法,提出的棉蚜嚴(yán)重程度的定量監(jiān)測模型,其總體分類準(zhǔn)確率

為80%,kappa系數(shù)為0.73,該方法優(yōu)于四種傳統(tǒng)方法。為了便于在移動智能設(shè)備應(yīng)用程序中輕松部署深度卷積神

經(jīng)網(wǎng)絡(luò)模型,Zhu等(Zhu et al., 2022)使用剪枝算法對模型進(jìn)行壓縮。選擇VGG16、ResNet164和DenseNet40

作為壓縮模型進(jìn)行比較。結(jié)果表明,當(dāng)壓縮率設(shè)置為80%時,VGG16、ResNet164和DenseNet40的壓縮版本的準(zhǔn)

確率分別為90.77%、96.31%和97.23%。此外,在安卓平臺上已開發(fā)有棉花病害識別APP,手機(jī)處理單個圖像的平均

時間為87毫秒。

植物病蟲害檢測

第68頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 20

隨著移動機(jī)器人和無人機(jī)的快速發(fā)展和普及,它們越來越多地被部署在農(nóng)業(yè)應(yīng)用中進(jìn)行自動化操作,以避免危險、

重復(fù)和復(fù)雜的手動操作。

針對精準(zhǔn)農(nóng)業(yè)中面臨的收割問題,Zheng等(Zheng et al., 2022)通過對番茄采摘問題的研究,設(shè)計了一種機(jī)器人

抓取器。結(jié)果表明,該夾具能夠順利抓取直徑為65~95mm的中大型番茄,且在抓取操作中均滿足最小損傷力條

件。在機(jī)器人噴灑和施肥等作物管理方面,Hu等(Hu et al., 2022)提出了一種多目標(biāo)跟蹤方法,通過構(gòu)建獨特的

特征來檢測和生菜個體。該方法旨在避免對同一棵生菜進(jìn)行多次噴灑。為了解決玉米收獲機(jī)工作時產(chǎn)生的振動變

形問題,F(xiàn)u等(Fu et al., 2023)提出了一種改進(jìn)的經(jīng)驗?zāi)B(tài)分解(EMD)算法,以減少田間噪聲和非平穩(wěn)振動。結(jié)

果表明,該模型能夠有效地減少噪聲干擾,恢復(fù)原始信號的有效信息,識別框架振動狀態(tài)的準(zhǔn)確率達(dá)到99.21%。

無人機(jī)可用于監(jiān)測作物健康狀況、土壤濕度水平,并確定需要灌溉或施肥的區(qū)域。通過使用先進(jìn)的傳感器和相機(jī),

無人機(jī)可以捕捉傳感數(shù)據(jù)并進(jìn)行調(diào)查,為農(nóng)民提供對作物生長和產(chǎn)量的寶貴見解。此外,無人機(jī)應(yīng)用于農(nóng)時的指

導(dǎo)、導(dǎo)航和控制的各個方面開始進(jìn)行研究,以允許使用自主無人機(jī)機(jī)隊進(jìn)行實時作物管理。Huang等(Huang et

al., 2022)提出了一種分布式控制方案可解決多無人機(jī)系統(tǒng)中的防撞問題,該方法能夠有效控制多架無人機(jī)在預(yù)定

時間內(nèi)完成植保任務(wù)。Yunlong Li等(Li et al., 2022)提出了一種田間小麥倒伏鑒定的解決方案,可利用無人機(jī)獲取

小麥的三維點云數(shù)據(jù),利用神經(jīng)網(wǎng)絡(luò)對其進(jìn)行處理,得到小麥倒伏的識別結(jié)果。該分類模型的F1評分在灌漿期和

成熟期分別為96.7%和94.6%。

智能農(nóng)業(yè)中的機(jī)器人和無人機(jī)

植物生長和農(nóng)業(yè)生產(chǎn)可能不穩(wěn)定,因為它們在很大程度上受到環(huán)境的影響。良好的森林、土地和水資源生態(tài)環(huán)境

是可持續(xù)發(fā)展的基礎(chǔ)。研究人員越來越重視將人工智能和傳感器技術(shù)應(yīng)用于生態(tài)系統(tǒng),并通過傳感和監(jiān)測生態(tài)系

統(tǒng)為可持續(xù)植物保護(hù)做出進(jìn)一步貢獻(xiàn)。在森林火災(zāi)危險性識別領(lǐng)域,Shaoxiong Zheng等(Zheng et al., 2022)提

出了一種改進(jìn)的森林火災(zāi)識別算法,通過融合BP神經(jīng)網(wǎng)絡(luò)和SVM分類器進(jìn)行火災(zāi)識別。他們構(gòu)建了一個森林火災(zāi)

數(shù)據(jù)集,并用不同的分類算法對其進(jìn)行了測試。結(jié)果表明,該方法的準(zhǔn)確率為92.73%,驗證了算法的有效性。

農(nóng)業(yè)生態(tài)中的AI和傳感器

農(nóng)業(yè)可持續(xù)發(fā)展需要從多個角度做出努力。人類需要創(chuàng)造一個良好的生態(tài)環(huán)境,包括水資源、森林和土壤,以確保

植物在健康的環(huán)境中生長。更合理的傳感器布置和人工智能的使用可以實時監(jiān)測環(huán)境變化,使農(nóng)民能夠做出更優(yōu)

化的控制措施。此外,植物表型將在未來農(nóng)業(yè)中發(fā)揮更重要的作用,包括植物育種和植物參數(shù)獲取。人工智能和機(jī)

器人技術(shù)已越來越多地融入植物保護(hù)、施肥和收割中,以追求更高的食品質(zhì)量和產(chǎn)量。各種人工智能方法、智能農(nóng)

業(yè)機(jī)器人和設(shè)備已被證明在實驗室和田間都是有效的。在實際農(nóng)業(yè)生產(chǎn)中部署這些方法和機(jī)器人,同時以更低的

成本實現(xiàn)整個過程,這對研究人員和農(nóng)業(yè)行業(yè)來說都是即將到來的挑戰(zhàn)。此外,包括空地聯(lián)合在內(nèi)的多機(jī)器人協(xié)作

將塑造一個更好的智能農(nóng)業(yè)系統(tǒng),并為未來的農(nóng)業(yè)建設(shè)一個可持續(xù)和循環(huán)的農(nóng)業(yè)系統(tǒng)。

結(jié)束語

參考文獻(xiàn)

Su, Daobilige et al. Editorial: AI, sensors and robotics in plant phenotyping and precision agriculture, volume

II.?Frontiers in plant science,?2023, 14?1215899.

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 20

隨著移動機(jī)器人和無人機(jī)的快速發(fā)展和普及,它們越來越多地被部署在農(nóng)業(yè)應(yīng)用中進(jìn)行自動化操作,以避免危險、

重復(fù)和復(fù)雜的手動操作。

針對精準(zhǔn)農(nóng)業(yè)中面臨的收割問題,Zheng等(Zheng et al., 2022)通過對番茄采摘問題的研究,設(shè)計了一種機(jī)器人

抓取器。結(jié)果表明,該夾具能夠順利抓取直徑為65~95mm的中大型番茄,且在抓取操作中均滿足最小損傷力條

件。在機(jī)器人噴灑和施肥等作物管理方面,Hu等(Hu et al., 2022)提出了一種多目標(biāo)跟蹤方法,通過構(gòu)建獨特的

特征來檢測和生菜個體。該方法旨在避免對同一棵生菜進(jìn)行多次噴灑。為了解決玉米收獲機(jī)工作時產(chǎn)生的振動變

形問題,F(xiàn)u等(Fu et al., 2023)提出了一種改進(jìn)的經(jīng)驗?zāi)B(tài)分解(EMD)算法,以減少田間噪聲和非平穩(wěn)振動。結(jié)

果表明,該模型能夠有效地減少噪聲干擾,恢復(fù)原始信號的有效信息,識別框架振動狀態(tài)的準(zhǔn)確率達(dá)到99.21%。

無人機(jī)可用于監(jiān)測作物健康狀況、土壤濕度水平,并確定需要灌溉或施肥的區(qū)域。通過使用先進(jìn)的傳感器和相機(jī),

無人機(jī)可以捕捉傳感數(shù)據(jù)并進(jìn)行調(diào)查,為農(nóng)民提供對作物生長和產(chǎn)量的寶貴見解。此外,無人機(jī)應(yīng)用于農(nóng)時的指

導(dǎo)、導(dǎo)航和控制的各個方面開始進(jìn)行研究,以允許使用自主無人機(jī)機(jī)隊進(jìn)行實時作物管理。Huang等(Huang et

al., 2022)提出了一種分布式控制方案可解決多無人機(jī)系統(tǒng)中的防撞問題,該方法能夠有效控制多架無人機(jī)在預(yù)定

時間內(nèi)完成植保任務(wù)。Yunlong Li等(Li et al., 2022)提出了一種田間小麥倒伏鑒定的解決方案,可利用無人機(jī)獲取

小麥的三維點云數(shù)據(jù),利用神經(jīng)網(wǎng)絡(luò)對其進(jìn)行處理,得到小麥倒伏的識別結(jié)果。該分類模型的F1評分在灌漿期和

成熟期分別為96.7%和94.6%。

智能農(nóng)業(yè)中的機(jī)器人和無人機(jī)

植物生長和農(nóng)業(yè)生產(chǎn)可能不穩(wěn)定,因為它們在很大程度上受到環(huán)境的影響。良好的森林、土地和水資源生態(tài)環(huán)境

是可持續(xù)發(fā)展的基礎(chǔ)。研究人員越來越重視將人工智能和傳感器技術(shù)應(yīng)用于生態(tài)系統(tǒng),并通過傳感和監(jiān)測生態(tài)系

統(tǒng)為可持續(xù)植物保護(hù)做出進(jìn)一步貢獻(xiàn)。在森林火災(zāi)危險性識別領(lǐng)域,Shaoxiong Zheng等(Zheng et al., 2022)提

出了一種改進(jìn)的森林火災(zāi)識別算法,通過融合BP神經(jīng)網(wǎng)絡(luò)和SVM分類器進(jìn)行火災(zāi)識別。他們構(gòu)建了一個森林火災(zāi)

數(shù)據(jù)集,并用不同的分類算法對其進(jìn)行了測試。結(jié)果表明,該方法的準(zhǔn)確率為92.73%,驗證了算法的有效性。

農(nóng)業(yè)生態(tài)中的AI和傳感器

農(nóng)業(yè)可持續(xù)發(fā)展需要從多個角度做出努力。人類需要創(chuàng)造一個良好的生態(tài)環(huán)境,包括水資源、森林和土壤,以確保

植物在健康的環(huán)境中生長。更合理的傳感器布置和人工智能的使用可以實時監(jiān)測環(huán)境變化,使農(nóng)民能夠做出更優(yōu)

化的控制措施。此外,植物表型將在未來農(nóng)業(yè)中發(fā)揮更重要的作用,包括植物育種和植物參數(shù)獲取。人工智能和機(jī)

器人技術(shù)已越來越多地融入植物保護(hù)、施肥和收割中,以追求更高的食品質(zhì)量和產(chǎn)量。各種人工智能方法、智能農(nóng)

業(yè)機(jī)器人和設(shè)備已被證明在實驗室和田間都是有效的。在實際農(nóng)業(yè)生產(chǎn)中部署這些方法和機(jī)器人,同時以更低的

成本實現(xiàn)整個過程,這對研究人員和農(nóng)業(yè)行業(yè)來說都是即將到來的挑戰(zhàn)。此外,包括空地聯(lián)合在內(nèi)的多機(jī)器人協(xié)作

將塑造一個更好的智能農(nóng)業(yè)系統(tǒng),并為未來的農(nóng)業(yè)建設(shè)一個可持續(xù)和循環(huán)的農(nóng)業(yè)系統(tǒng)。

結(jié)束語

參考文獻(xiàn)

Su, Daobilige et al. Editorial: AI, sensors and robotics in plant phenotyping and precision agriculture, volume

II.?Frontiers in plant science,?2023, 14?1215899.

第69頁

科研動態(tài) RESEARCH TRENDS

21 AgriPhenoTM 快訊

利用雜種優(yōu)勢是提高作物產(chǎn)量和抗逆性的重要育種方法,袁隆平院士首次利用秈稻亞種內(nèi)的雜種優(yōu)勢研發(fā)了雜交

水稻,大幅度提升了水稻產(chǎn)量,為保障我國乃至世界糧食安全發(fā)揮重要作用。由于一般來說親本的親緣關(guān)系越遠(yuǎn),

雜種優(yōu)勢越強(qiáng)烈,若能利用秈稻粳稻之間的雜種優(yōu)勢,據(jù)預(yù)測其雜交種產(chǎn)量比現(xiàn)有雜交稻增產(chǎn)15%以上。但秈稻和

粳稻二者之間存在生殖隔離現(xiàn)象,即雜交后得到的植株的花粉常常嚴(yán)重不育,影響正常結(jié)籽。雜種不育性制約了秈

粳亞種間雜種優(yōu)勢的利用,因此打破秈稻與粳稻之間的生殖壁壘是一個重要的科學(xué)問題。

近期,萬建民院士領(lǐng)銜的中國農(nóng)業(yè)科學(xué)院和南京農(nóng)業(yè)大學(xué)的科研團(tuán)隊合作在Cell在線發(fā)表了題為A natural gene

drive system confers reproductive isolation in rice的研究論文,鑒定到了控制秈稻粳稻之間雜交水稻花粉不育

的主要位點RHS12,并解析了其作用機(jī)制、進(jìn)化規(guī)律和種質(zhì)資源中的分布。該研究為生殖隔離的遺傳基礎(chǔ)提供了

機(jī)制理論,并為雜交水稻育種的戰(zhàn)略設(shè)計提供了技術(shù)見解。

文/杜曉菲

中國科研團(tuán)隊闡明秈稻粳稻雜種不育分子機(jī)理

破解水稻生殖隔離之謎

圖形摘要

科研動態(tài) RESEARCH TRENDS

21 AgriPhenoTM 快訊

利用雜種優(yōu)勢是提高作物產(chǎn)量和抗逆性的重要育種方法,袁隆平院士首次利用秈稻亞種內(nèi)的雜種優(yōu)勢研發(fā)了雜交

水稻,大幅度提升了水稻產(chǎn)量,為保障我國乃至世界糧食安全發(fā)揮重要作用。由于一般來說親本的親緣關(guān)系越遠(yuǎn),

雜種優(yōu)勢越強(qiáng)烈,若能利用秈稻粳稻之間的雜種優(yōu)勢,據(jù)預(yù)測其雜交種產(chǎn)量比現(xiàn)有雜交稻增產(chǎn)15%以上。但秈稻和

粳稻二者之間存在生殖隔離現(xiàn)象,即雜交后得到的植株的花粉常常嚴(yán)重不育,影響正常結(jié)籽。雜種不育性制約了秈

粳亞種間雜種優(yōu)勢的利用,因此打破秈稻與粳稻之間的生殖壁壘是一個重要的科學(xué)問題。

近期,萬建民院士領(lǐng)銜的中國農(nóng)業(yè)科學(xué)院和南京農(nóng)業(yè)大學(xué)的科研團(tuán)隊合作在Cell在線發(fā)表了題為A natural gene

drive system confers reproductive isolation in rice的研究論文,鑒定到了控制秈稻粳稻之間雜交水稻花粉不育

的主要位點RHS12,并解析了其作用機(jī)制、進(jìn)化規(guī)律和種質(zhì)資源中的分布。該研究為生殖隔離的遺傳基礎(chǔ)提供了

機(jī)制理論,并為雜交水稻育種的戰(zhàn)略設(shè)計提供了技術(shù)見解。

文/杜曉菲

中國科研團(tuán)隊闡明秈稻粳稻雜種不育分子機(jī)理

破解水稻生殖隔離之謎

圖形摘要

第70頁

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 22

在此研究中,萬建民院士團(tuán)隊確定了RHS12是水稻(秈稻和粳稻)不同系雜交雄性不育的主要控制位點,并表明它

編碼一個毒素-解毒劑系統(tǒng)。在該系統(tǒng)中,DUYAO以孢子體方式發(fā)揮作用并編碼毒素,而JIEYAO以配子體方式發(fā)

揮作用并編碼解毒劑以保護(hù)雄性配子。最終,RHS12-j花粉粒被選擇性淘汰,RHS12-i花粉被JIYAO保護(hù)并優(yōu)先傳

遞給后代(下圖)。該研究揭示了雜種雄性不育的一個獨特的分子機(jī)制。同時發(fā)現(xiàn)DUYAO-JIEYAO元件作為一種

天然基因驅(qū)動具有廣泛的潛在應(yīng)用前景,一是培育出廣泛親和性的水稻品種,以克服HS,從而促進(jìn)秈稻粳稻亞種

間強(qiáng)雜種優(yōu)勢的利用。二是改造該元件以提高作物育種效率,三是利用“DUYAO-JIEYAO”元素選擇性地消除群體

中的易感基因,培育抗病品種。最后這種自然基因驅(qū)動可以通過產(chǎn)生純合子不育雌蚊或純雄蚊種群來減少人類中

雌蚊傳播的疾病。

DUYAO-JIEYAO元件作為毒素-解毒劑系統(tǒng)的假定工作模型

參考文獻(xiàn)

Wang C, Wang J, Lu J,?et al.?A natural gene drive system confers reproductive isolation in rice[J].?Cell, 2023.

RESEARCH TRENDS 科研動態(tài)

AgriPhenoTM 快訊 22

在此研究中,萬建民院士團(tuán)隊確定了RHS12是水稻(秈稻和粳稻)不同系雜交雄性不育的主要控制位點,并表明它

編碼一個毒素-解毒劑系統(tǒng)。在該系統(tǒng)中,DUYAO以孢子體方式發(fā)揮作用并編碼毒素,而JIEYAO以配子體方式發(fā)

揮作用并編碼解毒劑以保護(hù)雄性配子。最終,RHS12-j花粉粒被選擇性淘汰,RHS12-i花粉被JIYAO保護(hù)并優(yōu)先傳

遞給后代(下圖)。該研究揭示了雜種雄性不育的一個獨特的分子機(jī)制。同時發(fā)現(xiàn)DUYAO-JIEYAO元件作為一種

天然基因驅(qū)動具有廣泛的潛在應(yīng)用前景,一是培育出廣泛親和性的水稻品種,以克服HS,從而促進(jìn)秈稻粳稻亞種

間強(qiáng)雜種優(yōu)勢的利用。二是改造該元件以提高作物育種效率,三是利用“DUYAO-JIEYAO”元素選擇性地消除群體

中的易感基因,培育抗病品種。最后這種自然基因驅(qū)動可以通過產(chǎn)生純合子不育雌蚊或純雄蚊種群來減少人類中

雌蚊傳播的疾病。

DUYAO-JIEYAO元件作為毒素-解毒劑系統(tǒng)的假定工作模型

參考文獻(xiàn)

Wang C, Wang J, Lu J,?et al.?A natural gene drive system confers reproductive isolation in rice[J].?Cell, 2023.

百萬用戶使用云展網(wǎng)進(jìn)行專業(yè)電子書制作,只要您有文檔,即可一鍵上傳,自動生成鏈接和二維碼(獨立電子書),支持分享到微信和網(wǎng)站!
收藏
轉(zhuǎn)發(fā)
下載
免費制作
其他案例
更多案例
免費制作
x
{{item.desc}}
下載
{{item.title}}
{{toast}}