CN106546567B - 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 - Google Patents
基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 Download PDFInfo
- Publication number
- CN106546567B CN106546567B CN201610930119.8A CN201610930119A CN106546567B CN 106546567 B CN106546567 B CN 106546567B CN 201610930119 A CN201610930119 A CN 201610930119A CN 106546567 B CN106546567 B CN 106546567B
- Authority
- CN
- China
- Prior art keywords
- plant
- chlorophyll fluorescence
- fluorescence image
- drought stress
- light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6421—Measuring at two or more wavelengths
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置,其中诊断方法包括以下步骤:(1)将已知干旱胁迫诊断结果的样本集植株进行暗适应,采集其冠层叶绿素荧光图像数据并提取相关的特征参数;(2)根据采集的叶绿素荧光图像数据和叶绿素荧光图像的特征参数,采用多分类器融合方法建立植株干旱胁迫判定模型;(3)根据步骤(1)的方法采集待测植株的叶绿素荧光图像数据和特征参数,代入植株干旱胁迫判定模型进行干旱胁迫诊断。本发明的植物干旱胁迫诊断方法不仅能提供叶绿素荧光参数,还能使荧光参数在叶片空间分布的可视化,显示叶片表面以及叶片之间光合作用的异质性,可以高速、高精度、实时地对干旱胁迫进行诊断。
Description
技术领域
本发明涉及植物干旱胁迫诊断技术,尤其涉及一种基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置。
背景技术
在自然或农业生产条件下,植物会遭受着环境胁迫。其中水分亏缺引起的干旱胁迫最为严峻。植物对干旱胁迫响应的复杂程度比较高,可以诱发多种生理反应,并且伴随植物整个生命周期有一个不断变化的动态过程。
叶绿素荧光技术已经成为跟踪植物在生物和非生物胁迫下光合作用变化的强大工具,如最大光量子效率(Fv/Fm)等荧光参数可以反映两个光系统(主要是光合系统II)的光能吸收、传递、耗散效率,与传统的光合参数指标相比,叶绿素荧光参数反映的是光合机构的“内部”特征。
公开号为CN102598986A的中国专利文献公开了一种采用铈改善干旱环境下高羊茅叶绿素荧光动力的方法,该方法包括:测量高羊茅叶正常供水、中度干旱胁迫、重度干旱胁迫下的叶绿素荧光动力学参数,采用美国生产的Li-6400光合仪测量,测量的前一天把植物放置到暗室,暗适应12h以上,然后在暗室里测定初始荧光(Fo)、最大荧光(Fm),经光照活化以后用Li-6400测定Fo′、Fm′、Fv/Fm、Fm′、Fo′、Fv′/Fm′、ETR、ΦPS II、qP及qN指标。
公开号为CN104007093A的中国专利文献公开了一种快速定量计算植物固有抗干旱能力的方法,包括以下步骤:将待测植物叶片清理后放入水中浸泡,30分钟后取出叶片并将表面的水吸干;用IMAGING-PAM调制式叶绿素荧光仪测定0水平荧光时叶片的初始荧光(Fo)和PS II最大光化学量子产量(Fv/Fm),重复3次;随后,让上述叶片失水,每隔1小时重复上述操作。将饱水0小时的测得结果作为参照,计算各测定时刻的相对Fo和相对Fv/Fm,分别相加得到饱水后前5个小时累积相对Fo(TRSF)和累积相对Fv/Fm(TRPF)。比较TRSF和TRPF数值大小,定量不同植物固有的抗干旱能力。
上述技术方案均为单点或多点测量叶片的叶绿素荧光参数,但是植物在干旱胁迫后,叶片的叶绿素荧光参数是存在空间异质性,单点或多点测量分析是不足的。
发明内容
本发明提供了一种基于叶绿素荧光成像技术的植物干旱胁迫诊断方法,利用叶绿素荧光成像技术,并结合图像处理,定量分析干旱胁迫响应,同时提供相应的装置,满足不同植株的干旱胁迫响应分析检测。
一种基于叶绿素荧光成像技术的植物干旱胁迫诊断方法,包括以下步骤:
(1)将已知干旱胁迫诊断结果的样本集植株进行暗适应,采集其冠层叶绿素荧光图像数据并提取相关的特征参数;
(2)根据采集的叶绿素荧光图像数据和叶绿素荧光图像的特征参数,采用多分类器融合方法建立植株干旱胁迫判定模型;
(3)根据步骤(1)的方法采集待测植株的叶绿素荧光图像数据和特征参数,代入植株干旱胁迫判定模型进行干旱胁迫诊断。
干旱胁迫中,植物为了提高水分利用效率,会关闭气孔,随着干旱程度的加剧,光合作用也逐渐收到抑制同时破坏新陈代谢,导致叶片组织细胞的荧光强度发生变化,也导致植物的结构形态也发生变化。单一的叶绿素荧光技术仅能选取若干叶片进行点测,获取信息量比较少;本发明基于叶绿素荧光成像技术,可以获取整个感兴趣区域的每个像素点的参数值,这意味着可以在叶片或冠层区域内部进行比较分析,观察区域内部的变化。因此叶绿素荧光成像技术可以提供大量的信息,对数据处理分析后,可提取多样的、有意义的参数,实现快速、高精度的干旱胁迫诊断。本发明通过提取叶绿素荧光图像的特征参数,输入多分类器融合后建立判别模型,实现植株的干旱胁迫诊断。
不同光源、不同光照时间,可以获取不同的叶绿素荧光图像,为了获取适于胁迫分析的参数,作为优选,采集植株叶绿素荧光图像数据,包括以下步骤:
(1-1)打开测量光脉冲采集暗适应后的最小荧光Fo;
(1-2)打开饱和光脉冲采集暗适应后的最大荧光Fm;
(1-3)打开光化光,接着打开饱和光脉冲采集光适应后的最大荧光Fm′;
(1-4)打开远红外光脉冲采集光适应后的最小荧光Fo′;
(1-5)最后采集光适应时的稳态荧光Fs′。
所述的测量光的波长为620nm,所述的光化光和饱和光的波长为450~465nm,所的远红外光的波长为740nm。
所述的叶绿素荧光图像数据包括:
最大光量子效率(Fv/Fm=(Fm-Fo)/Fm),用于表征光系统II吸收光能用于还原质体醌QA的最大效率;
光量子效率(ΦPS II=(Fm′-Fs′)/Fm′),用于表征光系统II吸收光能用于还原质体醌QA的效率;
非光化荧光淬灭系数(NPQ=(Fm-Fm′)/Fm′),用于表征光系统II热散失状况。
所述的叶绿素荧光图像的特征参数包括:冠层区域的面积、均值、方差、纹理特征、双峰分离值、空间效率值。
正常植株的Fv/Fm、ΦPS II、NPQ图像的直方图分布一般呈单峰分布,当植株受到干旱胁迫时则出现多峰分布,双峰分离值(S)用来表征图像的直方图分布的高峰值和低峰值之间的差异,空间效率值(Wmax)用来评估植株将光能转化为化学能的空间效率。
双峰分离值(S)和空间效率值(Wmax)通过以下方式获得:
S=(μmax-μmin)/2(σmax+σmin)
其中,S为双峰分离值,μmax、σmax分别为高峰值区域的平均值和标准差值,μmin、σmin分别为低峰值区域的平均值和标准差值;
Smax=(0.87-μmax)/2σmax为叶绿素荧光图像中效率最高部分的双峰分离值,Smin=(0.87-μmin)/2σmin为叶绿素荧光图像中效率最低部分的双峰分离值,ρmax、ρmin分别为高峰值区域与低峰值区域的占总区域的比重,则空间效率值Wmax值为:
Wmax=(Smax×ρmax-Smin×ρmin)/Smax×ρmax
为了提高诊断的准确性,作为优选,样本集植株包括健康植株和干旱胁迫植株,健康植株和干旱胁迫植株的数量比为1∶1。
样本集的植株至少为500株。
为了提高植株干旱胁迫判定模型的准确性,作为优选,采用多分类器融合方法建立植株干旱胁迫判定模型,包括:基于MATLAB软件,将特征参数分别输入向量机(Supportvector machine,SVM)分类器、朴素贝叶斯(Naive bayes,NB)分类器和径向基(Radialbasis function,RBF)神经网络分类器建立基分类器,自适应地获取各分类器的动态权值,通过线性加权来融合得到植株干旱胁迫判定模型。
本发明还公开了一种基于叶绿素荧光成像技术的植物干旱胁迫诊断装置,包括:
光照箱;
光源,安装在光照箱内的顶部,用于向植株发射检测光;
叶绿素荧光成像模块,安装在光照箱内的顶部,用于采集植株的叶绿素荧光图像;
电控样本台,安装在叶绿素荧光成像模块的下方,用于承托植株,电控样本台与叶绿素荧光成像模块之间的距离可调;
计算机,通过分析处理来自叶绿素荧光成像模块采集的图像信息,对植株干旱胁迫进行诊断;
数据采集模块,分别与叶绿素荧光成像模块和计算机相连,用于将叶绿素荧光成像模块采集的图像信息实时传输给计算机;
控制模块,分别与光源、叶绿素荧光成像模块和电控样本台相连并控制其工作。
为了实现暗适应并削减光照反射,作为优选,光照箱的内壁为黑色并磨砂。
所述的叶绿素荧光成像模块包括CCD相机、镜头及滤波轮,用于采集植株的叶绿素荧光图像。
作为优选,所述的光源安装在光源板上,光源板的几何中心镂空,所述的叶绿素荧光成像模块安装在光源板的镂空区域。
光源板为“回”字形,中心镂空,CCD相机安装在光源板中心镂空处。
作为优选,光源板上环绕光源板的几何中心分别安装有:
红橙光LED灯,产生波长为620nm的测量光;
白光LED灯,产生波长为450~465nm的光化光和饱和光;
远红外LED灯,产生波长为740nm的远红外光。
红橙光LED灯、白光LED灯和远红外LED灯均为LED灯阵列。
所述的电控样本台可升降,电控样本台的升降控制待测植株与镜头的距离。
所述计算机、控制模块和数据采集模块用于实现自动化采集和数据处理。计算机由控制模块与数据采集模块发出指令,通过控制模块可以根据植株大小调整电控样本台高度、选择不同的光源类型(测量光、光化光、饱和光和远红外光)和光照强度及时长、选择滤波轮波长,还可以控制CCD相机开始采集待测植株的叶绿素荧光图像;通过数据采集模块控制CCD相机采集待测植株的叶绿素荧光图像信息并实时上传至计算机;计算机通过分析叶绿素荧光图像数据信息,通过植株干旱胁迫判定模型对植株的干旱胁迫程度进行诊断。
与现有技术相比,本发明的有益效果为:
(1)本发明基于叶绿素荧光成像技术的植物干旱胁迫诊断方法不仅能提供叶绿素荧光参数,还能使荧光参数在叶片空间分布的可视化,显示叶片表面以及叶片之间光合作用的异质性,可以高速、高精度、实时地对干旱胁迫进行诊断,同时检测成本较低;
(2)本发明基于叶绿素荧光成像技术的植物干旱胁迫诊断装置适用于不同类型、不同植株的检测,仅需调整升降台高度和改变镜头。
附图说明
图1为本发明的植物干旱胁迫诊断装置的结构示意图;
图2为光源板的结构示意图。
其中,1、光照箱;2、叶绿素荧光成像模块;3、环形支架;4、光源板;5、待测植株;6、电控样本台;7、隔板;8、控制模块;9、数据采集模块;10、万向轮;11、抽板;12、计算机。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。
如图1所示,本发明的植物干旱胁迫诊断装置包括:光照箱1、叶绿素荧光成像模块2、环形支架3、光源板4、待测植株5、电控样本台6、隔板7、控制模块8、数据采集模块9、万向轮10、抽板11、计算机12。
光照箱1的内壁喷黑漆并磨砂。
光照箱1由隔板7分隔为上下两层,上层为图像采集的区域,下层为控制系统和数据采集系统区域。
如图2所示,光源板4为“回”字形状,几何中心镂空,镂空区域大于相机的最大横截面尺寸。光源板4通过环形支架3安装在光照箱1的顶壁上。光源板4上环绕光源板4的几何中心分别安装有:
红橙光LED灯,产生波长为620nm的测量光;
白光LED灯,产生波长为450~465nm的光化光和饱和光;
远红外LED灯,产生波长为740nm的远红外光。
红橙光LED灯、白光LED灯和远红外LED灯均为LED灯阵列。
光源板4的光照平面与电控样本台平行。
光源板4的几何中心安装有叶绿素荧光成像模块2,该模块由CCD相机、镜头和滤波轮组成,CCD相机分辨率为1392×1040、有效像素大小为6.45μm,镜头光圈为1.4、焦距为6mm,镜头上装有滤波轮。
叶绿素荧光成像模块2、环形支架3、光源板4位于上层的图像采集区域内。
电控样本台6安装在隔板7上,用于承托待测植株,电控样本台6可升降以调节待测植株与镜头之间的距离。
下层区域内安装有控制模块8和数据采集模块9。
控制模块8的输出通过USB数据线与电控样本台6、光源板4、叶绿素荧光成像模块2连接,可以控制电控样本台6的升降,也可以控制光源板11选择不同光源类型、各光源的光照强度以及光照时长,还可以控制滤波轮选择不同的波长,此外叶绿素荧光成像模块2采集待测植株5叶绿素荧光图像及其采集周期也可以得到控制。
数据采集模块9通过USB数据线分别与叶绿素荧光成像模块2和计算机12连接,可以控制叶绿素荧光成像模块2采集待测植株的叶绿素荧光图像并实时上传至计算机12。
计算机12对采集到的叶绿素荧光图像信息进行分析处理,根据植物干旱胁迫判定模型对植株的干旱胁迫程度进行诊断。
光照箱1的箱壁上设有可向外抽拉的抽板11,抽板11拉出后可放置计算机12。光照箱1底部装有万向轮10,可以实现整个装置的移动。
本实施例基于叶绿素荧光成像技术的植物干旱胁迫诊断方法选用的植株是野生型AQ拟南芥,包括以下步骤:
(1)调节植株高度,保持物镜距离为30cm,将待测植株暗适应20min;
(2)选取至少500株已知诊断结果的4周龄拟南芥,包括健康和干旱胁迫程度拟南芥,数量各占50%,采集其叶绿素荧光图像信息,具体包括:调整光源参数,光化光设置为100μmolm-2s-1,饱和光设置为1100μmolm-2s-1,打开测量光脉冲采集暗适应后的最小荧光Fo图像,再打开饱和光脉冲采集暗适应后的最大荧光Fm图像;随后打开光化光,接着打开饱和光脉冲采集光适应后的最大荧光Fm′图像,再打开远红外光脉冲采集光适应后的最小荧光Fo′图像,最后采集光适应时的稳态荧光Fs′图像;由上述图像获得Fv/Fm、ΦPS II、NPQ图像,其中,
Fv/Fm=(Fm-Fo)/Fm;
ΦPS II=(Fm′-Fs′)/Fm′;
NPQ=(Fm-Fm′)/Fm′。
(3)从上述图像信息中提取特征参数,包括Fv/Fm、ΦPS II、NPQ图像,冠层区域的面积、均值、方差、纹理特征、双峰分离值S、空间效率值Wmax;
双峰分离值(S)和空间效率值(Wmax)通过以下方式获得:
S=(μmax-μmin)/2(σmax+σmin)
其中,S为双峰分离值,μmax、σmax分别为高峰值区域的平均值和标准差值,μmin、σmin分别为低峰值区域的平均值和标准差值;
Smax=(0.87-μmax)/2σmax为叶绿素荧光图像中效率最高部分的双峰分离值,Smin=(0.87-μmin)/2σmin为叶绿素荧光图像中效率最低部分的双峰分离值,ρmax、ρmin分别为高峰值区域与低峰值区域的占总区域的比重,则空间效率值Wmax值为:
Wmax=(Smax×ρmax-Smin×ρmin)/Smax×ρmax
(4)用残差法剔除异常样本,将样本的特征参数按照建模集样本与预测集样本数量的2∶1进行分组,以向量机分类器、朴素贝叶斯分类器、径向基神经网络分类器为3个基分类器,将建模集分别输入基分类器,利用聚类分析的思想和K邻近方法自适应地获取各分类器的动态权值,最后通过线性加权来融合得到融合判别模型,用预测集样本对上述该模型进行检验,最终建立植株干旱胁迫判定模型;
(5)通过步骤(1)~(3)采集待测拟南芥图像,将该图像的特征参数输入步骤(4)建立的植株干旱胁迫判定模型中进行诊断,0表示健康、1表示干旱胁迫,最终得到诊断结果。
Claims (3)
1.一种基于叶绿素荧光成像技术的植物干旱胁迫诊断方法,其特征在于,包括以下步骤:
(1)将已知干旱胁迫诊断结果的样本集植株进行暗适应,采集其冠层叶绿素荧光图像数据并提取叶绿素荧光图像的特征参数;
所述的叶绿素荧光图像数据包括:
最大光量子效率,用于表征光系统Ⅱ吸收光能用于还原质体醌QA的最大效率;
光量子效率,用于表征光系统Ⅱ吸收光能用于还原质体醌QA的效率;
非光化荧光淬灭系数,用于表征光系统Ⅱ热散失状况;
所述的叶绿素荧光图像的特征参数包括:冠层区域的面积、均值、方差、纹理特征、双峰分离值和空间效率值;
(2)根据采集的叶绿素荧光图像数据和特征参数,基于MATLAB软件,将特征参数分别输入向量机分类器、朴素贝叶斯分类器和径向基神经网络分类器建立基分类器,自适应地获取各分类器的动态权值,通过线性加权来融合得到植株干旱胁迫判定模型;
(3)根据步骤(1)的方法采集待测植株的叶绿素荧光图像数据和特征参数,代入植株干旱胁迫判定模型进行干旱胁迫诊断。
2.根据权利要求1所述的植物干旱胁迫诊断方法,其特征在于,步骤(1)中,采集植株叶绿素荧光图像数据,包括以下步骤:
(1-1)打开测量光脉冲采集暗适应后的最小荧光Fo;
(1-2)打开饱和光脉冲采集暗适应后的最大荧光Fm;
(1-3)打开光化光,接着打开饱和光脉冲采集光适应后的最大荧光Fm';
(1-4)打开远红外光脉冲采集光适应后的最小荧光Fo';
(1-5)最后采集光适应时的稳态荧光Fs'。
3.根据根据权利要求1所述的植物干旱胁迫诊断方法,其特征在于,样本集植株包括健康植株和干旱胁迫植株,健康植株和干旱胁迫植株的数量比为1:1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610930119.8A CN106546567B (zh) | 2016-10-31 | 2016-10-31 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610930119.8A CN106546567B (zh) | 2016-10-31 | 2016-10-31 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106546567A CN106546567A (zh) | 2017-03-29 |
CN106546567B true CN106546567B (zh) | 2019-10-15 |
Family
ID=58393071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610930119.8A Active CN106546567B (zh) | 2016-10-31 | 2016-10-31 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546567B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831150B (zh) * | 2017-10-25 | 2019-08-20 | 浙江大学 | 一种快速诊断温室作物生理状态的方法 |
CN109239027B (zh) * | 2018-07-19 | 2021-01-15 | 江苏大学 | 一种作物生理性缺水诊断方法及系统 |
CN109287477A (zh) * | 2018-09-03 | 2019-02-01 | 浙江大学 | 一种耐低温弱光的辣椒品种的筛选方法和装置 |
CN108956474A (zh) * | 2018-09-27 | 2018-12-07 | 中国科学院植物研究所 | 一种叶绿素荧光成像仪补光装置及其测试方法 |
CN109900669B (zh) * | 2019-03-21 | 2019-11-29 | 四川省农业科学院分析测试中心 | 一种分析c4植物光合耐旱能力的方法 |
CN110082323A (zh) * | 2019-04-09 | 2019-08-02 | 杭州容讯科技有限公司 | 基于叶绿素荧光成像技术快速筛选不同温度敏感型植物的装置和方法 |
CN110554017A (zh) * | 2019-09-30 | 2019-12-10 | 福建农林大学 | 一种植物叶绿素荧光参数的校正方法和装置 |
CN111665225A (zh) * | 2020-01-03 | 2020-09-15 | 南京农业大学 | 一种基于叶绿素荧光成像技术判别黄瓜不同病害胁迫的方法及装置 |
CN112858240B (zh) * | 2021-02-02 | 2022-11-08 | 中国热带农业科学院湛江实验站 | 一种甘蔗干旱胁迫的田间快速诊断方法 |
CN113539353B (zh) * | 2021-07-09 | 2023-04-07 | 江南大学 | 确定暗适应下叶绿素荧光特征参数的方法及系统 |
CN114034672B (zh) * | 2021-10-22 | 2023-07-07 | 西北农林科技大学 | 一种基于叶绿素荧光技术的作物冷损伤程度分级方法 |
CN114646625B (zh) * | 2022-04-22 | 2023-01-17 | 江苏大学 | 一种基于植株全三维信息的水分状况诊断方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567537B1 (en) * | 2000-01-13 | 2003-05-20 | Virginia Commonwealth University | Method to assess plant stress using two narrow red spectral bands |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN102598986A (zh) * | 2012-03-26 | 2012-07-25 | 天津师范大学 | 一种采用铈改善干旱环境下高羊茅叶绿素荧光动力的方法 |
CN103278503A (zh) * | 2013-04-25 | 2013-09-04 | 浙江大学 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 |
CN104034710A (zh) * | 2014-06-25 | 2014-09-10 | 浙江大学 | 基于叶绿素荧光及成像技术的植物病害检测方法及装置 |
CN104568887A (zh) * | 2015-01-16 | 2015-04-29 | 山东师范大学 | 一种植物微域叶绿素荧光法测定重金属对植物胁迫的方法 |
CN105548113A (zh) * | 2015-12-31 | 2016-05-04 | 浙江大学 | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 |
CN105717115A (zh) * | 2016-01-31 | 2016-06-29 | 浙江大学 | 基于光学成像技术的高通量植物表型分析装置和方法 |
-
2016
- 2016-10-31 CN CN201610930119.8A patent/CN106546567B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6567537B1 (en) * | 2000-01-13 | 2003-05-20 | Virginia Commonwealth University | Method to assess plant stress using two narrow red spectral bands |
CN101718683A (zh) * | 2009-11-10 | 2010-06-02 | 中国农业大学 | 快速检测叶片叶绿素含量的装置、建模方法及检测方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN102598986A (zh) * | 2012-03-26 | 2012-07-25 | 天津师范大学 | 一种采用铈改善干旱环境下高羊茅叶绿素荧光动力的方法 |
CN103278503A (zh) * | 2013-04-25 | 2013-09-04 | 浙江大学 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 |
CN104034710A (zh) * | 2014-06-25 | 2014-09-10 | 浙江大学 | 基于叶绿素荧光及成像技术的植物病害检测方法及装置 |
CN104568887A (zh) * | 2015-01-16 | 2015-04-29 | 山东师范大学 | 一种植物微域叶绿素荧光法测定重金属对植物胁迫的方法 |
CN105548113A (zh) * | 2015-12-31 | 2016-05-04 | 浙江大学 | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 |
CN105717115A (zh) * | 2016-01-31 | 2016-06-29 | 浙江大学 | 基于光学成像技术的高通量植物表型分析装置和方法 |
Non-Patent Citations (6)
Title |
---|
Evaluation of Chlorophyll Content and Fluorescence Parameters as indicators of Drought Tolerance in Barley;Li Rong-hua et al.;《Agricultural Sciences in China》;20061031;第5卷(第10期);第751-757页 * |
基于自适应权值的多分类器融合方法;刘汝杰 等;《北方交通大学学报》;20010430;第25卷(第2期);第14-17页 * |
多种分类器融合的遥感影像分类;张丹 等;《遥感应用》;20090531;第39-42页 * |
干旱胁迫对冬小麦叶绿素荧光的影响;张永强 等;《中国生态农业学报》;20021231;第10卷(第4期);第13-15页 * |
水分胁迫对不同抗旱类型冬小麦幼苗叶绿素荧光参数的影响;杨晓青 等;《西北植物学报》;20041231;第24卷(第5期);第812-816页 * |
水分胁迫对澳洲坚果叶绿素a荧光参数的影响;刘建福 等;《华侨大学学报(自然科学版)》;20030731;第24卷(第3期);第305-309页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106546567A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546567B (zh) | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 | |
CN101756696B (zh) | 多光子皮肤镜图像自动分析系统及其应用于恶性黑素瘤的诊断方法 | |
CN107016405B (zh) | 一种基于分级预测卷积神经网络的害虫图像分类方法 | |
EP1865315B1 (en) | Cell image analyzing method, cell image analyzing device | |
CN111610175A (zh) | 一种流通式浮游植物种类及细胞密度检测装置和检测方法 | |
CN103278460A (zh) | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 | |
JP4848520B2 (ja) | 植物培養細胞塊の状態を判別する方法、そのための装置および植物培養細胞塊の状態を判別するためのプログラム | |
CN104034710A (zh) | 基于叶绿素荧光及成像技术的植物病害检测方法及装置 | |
CN201806692U (zh) | 一种用于诊断恶性黑素细胞肿瘤的多光谱皮肤镜图像自动分析仪器 | |
CN106874929B (zh) | 一种基于深度学习的珍珠分类方法 | |
CN108399393A (zh) | 一种基于荧光遥感的植被冠层阴阳叶检测方法 | |
CN106546569B (zh) | 一种高通量的植物抗旱性突变体的筛选方法及装置 | |
CN116129096A (zh) | 一种马铃薯根系长度的数字化测量系统及其测量方法 | |
CN102636656B (zh) | 一种全自动尿有形成分分析仪的校准方法 | |
CN110946552B (zh) | 一种结合光谱和图像的宫颈癌前病变筛查方法 | |
CN107064089B (zh) | 一种基于物联网的辣椒苗疫病早期监测装置和方法 | |
CN108764285A (zh) | 一种基于高分辨率影像的松树病死木识别方法及系统 | |
CN103903015A (zh) | 一种细胞有丝分裂检测方法 | |
CN105572091B (zh) | 一种叶绿素荧光探测装置以及探测方法 | |
CN106896077A (zh) | 基于叶绿素荧光成像的转基因玉米草甘膦耐受性表型的检测方法 | |
Martinez et al. | A machine learning model for the diagnosis of coffee diseases | |
CN204008466U (zh) | 基于叶绿素荧光及成像技术的植物病害检测装置 | |
CN109287477A (zh) | 一种耐低温弱光的辣椒品种的筛选方法和装置 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
CN105784651B (zh) | 植物叶片横截面最大光化学量子效率测定装置及使用方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |