Цифровое фенотипирование растений: гиперспектральная оценка химии листа без разрушения образца
В greenhouse high-throughput среде гиперспектральный снимок связали с лабораторной химией без разрушения растения — validation R² = 0,93 для содержания воды в листе (Pandey et al., 2017). Ниже — как устроено цифровое фенотипирование растений по надземным химическим признакам: что измеряют, при каких условиях, где точность высокая, а где метод упирается в границы покрытия.
Что измеряет цифровое фенотипирование растений в greenhouse HTP?
В контролируемой greenhouse HTP-среде камерная гиперспектральная съёмка надземных признаков — спектра отражения кроны и листа — позволяет недеструктивно оценивать химию листа: воду, макро- и микроэлементы — и строить ряды для скрининга генотипов. Материал про цифровое фенотипирование химического статуса живого образца; полный обзор HTP-платформ и гид по климатической камере роста здесь не цель.
Фенотипирование растений здесь идёт через спектр отражения и калиброванные модели — без разрушающего отбора ткани на каждом шаге. Pandey и соавторы показали гиперспектральную съёмку как non-destructive in vivo инструмент измерения химических свойств; отдельно отметили, что для содержания воды достигается наивысшая точность среди исследованных свойств (R² = 0,93 на validation).
Задача и протокол: гиперспектральная оценка химии листа in vivo
Задача primary-эксперимента: в high-throughput phenotyping greenhouse проверить, насколько эффективно гиперспектральная съёмка количественно оценивает химические свойства листьев — содержание воды и концентрации макро- и микроэлементов — у живых растений.
Условия подобрали так, чтобы расширить диапазон химии листа, а не чтобы писать статью о засухоустойчивости. Взяли 60 растений кукурузы и 60 сои с водным дефицитом или ограничением питания. Съёмка шла на автоматизированном конвейере гиперспектральным имиджером с диапазоном 550–1700 нм — setup авторов (Scanalyzer3D / Headwall VNIR), без претензии на паспорт коммерческой платформы.
Из гиперспектральных изображений извлекали спектр отражения каждого растения и строили модели частичной наименьшей квадратичной регрессии (PLSR), связывающие спектральные данные с лабораторными химическими анализами. Такая система фенотипирования растений в greenhouse-контуре даёт количественный прогноз без разрушения образца на этапе съёмки — лабораторная химия нужна для калибровки и проверки модели, а не как единственный способ получить признак у каждого генотипа в серии.
Цепочка: гиперспектральный куб → спектр отражения растения → PLSR → предсказанные химические величины; качество на validation описывают R² и RPD (отношение разброса к ошибке прогноза) для каждого свойства отдельно.
RPD = SD_reference / RMSEP
Результаты: вода в листе предсказывается точнее макро- и микроэлементов
Среди всех химических свойств лучше всего предсказывалось содержание воды в листе.
Все макроэлементы авторы оценили как quantified satisfactorily: validation R² от 0,69 до 0,92, RPD от 1,62 до 3,62. Лучше всего предсказывался азот (N), затем фосфор (P), калий (K) и сера (S). Для скрининга линий такая точность часто достаточна даже без идеальной «лабораторной» количественной модели по каждому элементу — важна стабильная ранжировка и повторяемость спектрального ответа.
Микроэлементы в том же опыте шли слабее: по сводке abstract диапазон R² 0,19–0,86, RPD 1,09–2,69, без поэлементной таблицы. Вывод авторов шире цифр по воде: гиперспектральная съёмка показана как недеструктивный in vivo инструмент измерения химических свойств растений, включая воду, макро- и микроэлементы — с явной оговоркой по двум свойствам, которые «не тянут» количественный прогноз.
Почему Na и B не удалось оценить удовлетворительно
Натрий и бор — единственные из 13 переменных, которые гиперспектральная съёмка не смогла количественно оценить удовлетворительно: R² < 0,3 и RPD < 1,2. Граница химического покрытия в этом опыте; из одного протокола метод в целом не списывают. Для рутинного HTP авторы в Discussion также отмечают съёмку на стадиях кукуруза V8–V14 и соя от V5 до доцветения: перенос моделей на другие виды, генотипы и стадии обычно требует отдельной калибровки.
Таблица: validation R² и RPD по химическим свойствам листа
Ниже — сводка validation-метрик по свойствам листа в эксперименте Pandey et al. В таблице — метрики метода, без цен комплекта оборудования для цифрового фенотипирования.
| Свойство листа | Validation R² | RPD | Комментарий авторов |
|---|---|---|---|
| Содержание воды | 0,93 | 3,8 | Наивысшая точность среди всех свойств |
| Макроэлементы (N, P, K, S, Mg, Ca) | 0,69–0,92 | 1,62–3,62 | Quantified satisfactorily; лучше N, затем P, K, S |
| Микроэлементы | 0,19–0,86 | 1,09–2,69 | Слабее макро; поэлементно в abstract не разбито |
| Na | < 0,3 | < 1,2 | Not quantified satisfactorily |
| B | < 0,3 | < 1,2 | Not quantified satisfactorily |
Цифры — Pandey et al., Frontiers in Plant Science 2017 (DOI 10.3389/fpls.2017.01348); maize/soybean, greenhouse HTP, setup 550–1700 нм. Не характеристики коммерческой платформы TP-Plant-HIPS (у неё в карточке товара диапазон 400–1000 нм).
Как читать таблицу: R² и RPD на validation — качество прогноза PLSR для конкретного свойства в этом дизайне. Высокий RPD у воды означает, что модель хорошо отделяет вариацию химии от ошибки; низкие значения у Na и B — сигнал, что по этим признакам спектральный путь в данном протоколе количественно не сработал.
Спектральная точность и освещение гиперспектральной системы
Рядом с протоколом Pandey стоит работа Detring et al. (2024) о QA гиперспектральных систем для фенотипирования. У них калибровочный материал коррелировал со спектрометром (r > 0,99). Отдельно показано, что встроенная LED-подсветка может искажать спектральный отклик на 677 и 752 нм; для стабильных данных нужно равномерное диффузное освещение.
Другой контекст: handheld HSI и QA-пайплайн (в т.ч. свёкла), без химии листьев кукурузы и сои из Pandey. Урок общий: перед интерпретацией индексов и PLSR в лабораторном HTP стоит проверять стабильность спектра и схему освещения. Искажения от LED в Detring относятся к их setup; платформу с галогенным источником по этому пункту судить рано.
Ограничения метода, инструмент для камерного HTP и вопросы по подбору
Pandey 2017 — greenhouse HTP на maize и soybean; R² и RPD — метрики их моделей, не паспорт любой коммерческой установки. Перенос на другие культуры, стадии и генотипы требует отдельной калибровки.
Для камерного гиперспектрального HTP горшечных образцов в лаборатории ориентир по железу — платформа вроде камеры для фенотипирования растений TP-Plant-HIPS (Top Cloud-agri): гиперспектральный модуль в верхней части с автоматической лифтовой платформой для съёмки на оптимальной дистанции, диапазон длин волн изображения 400–1000 нм, ≥1200 спектральных полос, разрешение камеры 5120×5120 (25 000 000), расчёт вегетационных индексов NDVI, RVI и GVI. Формат образца: высота растений ≤500 мм, площадь ≤400 мм, вес с горшком до 22,5 кг; габариты установки 1400×950×1840 мм. Установка для гиперспектральной съёмки и анализа фенотипа горшечных растений; регулирование T/RH/CO₂ и корневое фенотипирование — в других классах оборудования.
Смежный угол — фенотипирование корней и засухоустойчивость в камерах роста; отдельный гид — как выбрать климатическую камеру роста растений. Здесь фокус иной: цифровое фенотипирование надземной химии по спектру.
Нужна система фенотипирования растений для гиперспектрального анализа горшечных образцов в лаборатории?
Посмотрите карточку камеры для фенотипирования растений Top Cloud-agri TP-Plant-HIPS: задача — гиперспектральная съёмка и анализ фенотипа горшечных растений в лаборатории.
Если нужно подобрать конфигурацию под вашу задачу — напишите или позвоните: Александра, технический специалист по подбору лабораторного оборудования, 8 (499) 490-02-72, blog@assa-group.ru. Другие материалы о растениях — в научных статьях блога АССА.
Источники:
- High Throughput In vivo Analysis of Plant Leaf Chemical Properties Using Hyperspectral Imaging — https://doi.org/10.3389/fpls.2017.01348
- Quality assurance of hyperspectral imaging systems for neural network supported plant phenotyping — https://doi.org/10.1186/s13007-024-01315-y
