我有妙招！易科泰光谱成像技术植保领域应用—植物病害检测

病害是影响植物生长发育的关键因素之一，早期识别、发现病害，及早控制，有利于提高作物产量和质量，保障食品安全，为抗病育种提供数据支持等。随着科技发展，应用于植物病害检测的越来越多，其中基于图像的光谱成像技术已十分成熟，其具有早期、无损、灵敏、高通量等特点，正逐渐广泛应用于科研、生产等领域的植物病害检测。

易科泰在光谱成像技术领域深耕多年，具有全面、先进的植物病害检测技术方案，完备的产品线和技术能力，拥有成熟的叶绿素荧光成像、高光谱成像、叶绿素荧光多光谱/高光谱成像、Thermo-RGB热成像、表型成像分析平台等全套产品，以下便通过几则研究案例推荐一些病害检测的技术方案：

案例一：叶绿素荧光测量技术+高光谱测量技术：监测小麦穗赤霉病

赤霉病（FHB）由多种镰刀菌引起，该病菌通过加重小麦穗的色素沉着，破坏生理结构，干扰光合作用过程等，影响小麦生产。因此，利用实时、非破坏性的方法进行频繁检测，对于指导针对性施药、控制病原体传播、保障粮食生产十分重要。南京农业大学的研究人员2023年发表在《Frontiers in Plant Science》上的一篇文章，对如何利用机器学习和多模态数据来识别、监测小麦穗期的镰刀菌枯萎病（FHB）进行了研究。

研究中利用高光谱成像技术、叶绿素荧光成像技术、高通量表型平台等，连续两年测量，获得了麦穗从无症状到有赤霉病症状期间的高光谱反射率（HR）、叶绿素荧光成像（CFI）和高通量表型（HTP）的大量数据。研究中还用到了光合仪测定净光合速率，使用高通量表型平台获取表型数据等。

基于这些数据，采用Boruta方法选择疾病敏感特征，然后通过方差膨胀因子（VIF）分析，通过ML-SFFS对选定的疾病敏感特征（SDSF）进行部分融合，开发了一种用于识别小麦穗赤霉病、估算病害严重程度的方法。结果表明，生化参数、光谱反射、叶绿素荧光参数和其他表型参数在麦穗-病原体相互作用期间显示出一致的变化。使用ML-SFFS进行无症状疾病检测的最优特征组合为两种到三种，平均分类准确度为87.04%，随着疾病严重程度的提高，准确度逐渐提高到95%。

案例二：叶绿素荧光成像技术：番茄幼苗青枯病早期检测

番茄青枯病由青枯病菌（Ralstonia solanacearum）引起，严重影响番茄幼苗和果实生产。为了有效管理和减少该病的传播，需要进行监测和早期检测。在韩国全州国立大学的Kim等人发表的一项研究中，对温室条件下种植的30个不同青枯病抗性的番茄品种幼苗进行青枯病菌接种，接种采用伤口接种法（Wound）和非伤口接种法（non-Wound）。使用FluorCam叶绿素荧光成像系统监测对照及接种幼苗接种5天后（dpi）的光合变化，以及统计16dpi的视觉疾病指数（DI）。

由结果可知，Fv/Fm在大多数品种中在2 dpi开始下降，并在5 dpi达到最低值。16个品种在3 dpi开始出现肉眼可见的病害整株，所有中度抗性和敏感品种在5 dpi显示肉眼可见的性状变化，4个抗性品种未在5dpi出现视觉性状变化。总的来说，通过DI和叶绿素荧光参数Fv/Fm可以对比筛选抗青枯病番茄品种，但Fv/Fm在出现视觉可见的症状之前更有效，实现早期检测。

案例三：多光谱/高光谱荧光成像：甜瓜白粉病影响光合作用和次生代谢

瓜类白粉病主要是由Podosphaera xanthii引起的，是限制瓜类作物生产的主要因素之一。然而对于控制这一疾病的生理过程的遗传和分子基础，我们知之甚少。Scientific Reports发表过的一项研究针对此进行了探究，

研究中使用RNA测序技术，通过在早期感染阶段的不同时间点获得的RNA样本，鉴定了在Cucumis melo叶片上接种P. xanthii后的差异化表达基因，与未感染对照样本进行了比较。同时，使用FluorCam多光谱荧光成像系统对甜瓜植株进行了光合表型检测。  

研究发现感染植物中参与光合作用及其相关过程的基因被上调，而参与次生代谢途径（如苯丙素生物合成）的基因被下调。这些基因表达的变化可以通过叶绿素荧光成像和蓝绿荧光成像分析得到验证，成像结果证实了病原菌侵染引发的甜瓜光合作用活性的改变和酚类化合物生物合成的抑制。

参考文献：

[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.