數(shù)字圖像技術(shù)及其在作物表型研究中的應(yīng)用研究進(jìn)展

潘銳，熊勤學(xué)，張文英

主要糧食作物產(chǎn)業(yè)化湖北省協(xié)同創(chuàng)新中心(長(zhǎng)江大學(xué))，湖北 荊州 434025；長(zhǎng)江大學(xué)作物抗逆技術(shù)研究中心，湖北 荊州 434025

?

數(shù)字圖像技術(shù)及其在作物表型研究中的應(yīng)用研究進(jìn)展

潘銳，熊勤學(xué)，張文英

主要糧食作物產(chǎn)業(yè)化湖北省協(xié)同創(chuàng)新中心(長(zhǎng)江大學(xué))，湖北 荊州 434025；長(zhǎng)江大學(xué)作物抗逆技術(shù)研究中心，湖北 荊州 434025

介紹了目前作物表型性狀采集中常用的2類數(shù)字圖像技術(shù)——光學(xué)成像技術(shù)和微波成像技術(shù)，包括其原理、優(yōu)缺點(diǎn)及在作物表型研究中的應(yīng)用實(shí)例。結(jié)合表型組學(xué)，綜述了室內(nèi)和田間不同環(huán)境下高通量表型分析平臺(tái)在作物表型研究中的應(yīng)用研究進(jìn)展，并對(duì)其發(fā)展趨勢(shì)進(jìn)行展望。

數(shù)字圖像技術(shù)；作物；表型；表型組學(xué)

表現(xiàn)型(phenotype)指具有特定基因型(genotype)的個(gè)體在一定環(huán)境條件下表現(xiàn)出來(lái)的性狀特征的總和，如根形態(tài)、生物量、葉部性狀、光合作用性狀、果實(shí)性狀、產(chǎn)量相關(guān)性狀、品質(zhì)性狀、營(yíng)養(yǎng)性狀、病蟲害、非生物逆境響應(yīng)等。過去20年，植物基因組學(xué)和分子標(biāo)記技術(shù)取得飛速發(fā)展，但是作為植物研究的重要環(huán)節(jié)——表型性狀采集，卻成為制約作物功能研究、分子育種發(fā)展的一大瓶頸。傳統(tǒng)的表型指標(biāo)采集，每種儀器、用具只能測(cè)量一種或少數(shù)幾種指標(biāo),檢測(cè)速度慢，耗時(shí)耗力,受人工操作、環(huán)境條件制約，不少檢測(cè)有損傷操作[1]。數(shù)字圖像技術(shù)的發(fā)展和應(yīng)用為作物表型數(shù)據(jù)無(wú)損失、自動(dòng)化、高通量采集提供了解決途徑。目前，用于植物表型研究的數(shù)字圖像技術(shù)主要有光學(xué)成像技術(shù)和微波成像技術(shù)。筆者主要介紹這些技術(shù)的原理及其在植物表型研究方面的應(yīng)用及優(yōu)缺點(diǎn)，并給出應(yīng)用案例。

1　光學(xué)成像技術(shù)

1.1高光譜成像技術(shù)

高光譜成像技術(shù)是指利用遙感儀器在特定光譜域以高光譜分辨率(光譜分辨率≤10nm以下)獲取連續(xù)性地物光譜圖像的遙感技術(shù)。成像光譜儀為每個(gè)像元提供數(shù)十至數(shù)百個(gè)窄波段(通常波段寬度<10nm)光譜信息，可產(chǎn)生一條完整而連續(xù)的光譜曲線。高光譜圖像具有較高的空間分辨率和較高的光譜分辨率[2]，利用這些高光譜圖像，可以研究目標(biāo)物體的物質(zhì)結(jié)構(gòu)和化學(xué)組成，從而進(jìn)一步判斷目標(biāo)物體的屬性。

高光譜成像技術(shù)作為數(shù)字農(nóng)業(yè)技術(shù)，被廣泛應(yīng)用于作物表型采集領(lǐng)域[3～5]。它不僅可以用來(lái)檢測(cè)作物某個(gè)生理指標(biāo)或某種成份含量[6,7]，還能觀測(cè)植物某些器官[8]，以及鑒定一些作物病蟲害[9,10]等。如李美凌等[7]基于高光譜成像技術(shù)進(jìn)行水稻種子活力檢測(cè)，以老化程度不同的水稻種子為供試材料，測(cè)定出400～1000nm范圍內(nèi)的高光譜圖像，利用選取的主成分下的水稻種子光譜數(shù)據(jù)，建立不同老化程度下種子的支持向量機(jī)模型。結(jié)果表明，該方法的判別率達(dá)100%。馮慧等[8]在水稻莖葉分割研究中，利用高光譜相機(jī)采集水稻光譜數(shù)據(jù)，對(duì)數(shù)據(jù)采用主成分分析，提取出主成分圖像，再基于數(shù)字圖像處理技術(shù)將水稻的莖葉區(qū)分開，從而實(shí)現(xiàn)水稻莖葉的無(wú)損準(zhǔn)確分割。此外，高光譜成像技術(shù)也被成功應(yīng)用于糧食產(chǎn)品質(zhì)量檢測(cè)[11]、植物種子萌發(fā)檢測(cè)[12]等方面。

高光譜成像技術(shù)獲得廣泛應(yīng)用，在于它與傳統(tǒng)的成像技術(shù)相比具有以下優(yōu)點(diǎn):①光譜分辨率較高，具有100～400個(gè)光譜通道的探測(cè)能力，一般光譜分辨率可達(dá)λ/Δλ≈100；②測(cè)量時(shí)對(duì)作物無(wú)損害、無(wú)污染；③測(cè)量速度快，操作簡(jiǎn)單；④集成度高、成本低。值得注意的是，高光譜成像技術(shù)也存在一些問題。高光譜成像技術(shù)最主要的局限性是成像儀獲取的信息冗雜，要從中獲取有用信息，就要對(duì)所采集的大量圖像數(shù)據(jù)進(jìn)行分析處理，而有效處理這些圖像信息是一件具有挑戰(zhàn)性的工作[13]。

1.2熱成像技術(shù)

紅外輻射是自然界廣泛存在的電磁波輻射，一切高于絕對(duì)零度的物體都在不斷發(fā)出紅外輻射[14]。熱成像技術(shù)就是利用紅外探測(cè)器和光學(xué)成像物鏡，接收被測(cè)物體散發(fā)出的紅外輻射，從而產(chǎn)生紅外熱圖像，由此用來(lái)研究目標(biāo)物體的特征信息。熱成像技術(shù)是對(duì)紅外輻射的可視化，可指示物體的表面溫度。熱成像相機(jī)的敏感光譜范圍為3～14μm，最常用的波長(zhǎng)是3～5μm或者7～14μm。在這2個(gè)波長(zhǎng)范圍內(nèi)，紅外輻射在空氣中的速度接近其最大值[15]。

熱成像技術(shù)首先在航空、軍事、工業(yè)等領(lǐng)域被廣泛應(yīng)用。近些年來(lái)，隨著熱成像精度的提高和計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展，熱成像技術(shù)在農(nóng)業(yè)上的應(yīng)用也取得了快速發(fā)展，尤其隨著紅外無(wú)損檢測(cè)技術(shù)的興起，熱成像技術(shù)在作物病蟲害的早期檢測(cè)方面取得了重大突破。

以小麥白粉病早期檢測(cè)為例，Awad等[16]選取對(duì)小麥白粉病中度敏感的材料，分組進(jìn)行不同處理，然后在同等適宜條件下培養(yǎng)，并用紅外熱成像儀觀測(cè)小麥的葉片表面溫度，捕捉熱紅外圖像和其他相關(guān)數(shù)據(jù)，比較試驗(yàn)組和對(duì)照組的大量熱紅外圖像。分析發(fā)現(xiàn)，小麥在感染了白粉菌的1h后，葉片表面溫度有輕微下降。由此，熱成像技術(shù)能在小麥早期病害診斷方面提供必要的信息。

熱成像技術(shù)還可應(yīng)用于其他方面。如農(nóng)產(chǎn)品品質(zhì)的無(wú)損檢測(cè)[17]、農(nóng)作物生長(zhǎng)監(jiān)測(cè)及逆境下的生理反應(yīng)檢測(cè)[18,19]、作物的抗旱性檢測(cè)[20]等。

熱成像技術(shù)主要優(yōu)點(diǎn)有：①測(cè)量速度快，檢測(cè)時(shí)不接觸作物，對(duì)作物無(wú)損傷；②可大面積、遠(yuǎn)距離檢測(cè)；③測(cè)量精度高；④空間分辨率高；⑤操作簡(jiǎn)單，可自動(dòng)化和實(shí)時(shí)觀測(cè)。該技術(shù)的局限性在于：①成像系統(tǒng)易受氣候影響，尤其是在田間復(fù)雜的環(huán)境中，難以實(shí)現(xiàn)精確的測(cè)量；②該技術(shù)利用物體不同部分表面的紅外輻射差異成像，有些作物在常溫下各部分溫度差異不明顯，很難準(zhǔn)確成像；③農(nóng)作物種類繁多，目前尚未構(gòu)建完備的熱輻射特性模型用于熱成像圖像分析。

1.3熒光成像技術(shù)

熒光是指一種光致發(fā)光的冷發(fā)光現(xiàn)象。當(dāng)某種常溫物質(zhì)經(jīng)某種波長(zhǎng)的入射光(通常是紫外線或X射線)照射，吸收光能后進(jìn)入激發(fā)態(tài)，立即退激發(fā)并發(fā)出比入射光的的波長(zhǎng)長(zhǎng)的出射光(通常波長(zhǎng)在可見光波段)；一旦停止入射光，發(fā)光現(xiàn)象也隨之立即消失。具有這種性質(zhì)的出射光被稱為熒光。

熒光成像系統(tǒng)通常由相機(jī)、激發(fā)光源、濾光片和計(jì)算機(jī)4個(gè)部分組成。相機(jī)通常采用波段連續(xù)且靈敏度高的單色相機(jī)，以捕捉比普通光微弱的熒光；激發(fā)光通常有4個(gè)波段，其中藍(lán)光(波長(zhǎng)435～480nm)被類胡蘿卜素和葉綠素吸收；紅光(波長(zhǎng)640～780nm)只能被葉綠素吸收；綠光(波長(zhǎng)500～560nm)被葉綠素吸收，但吸收量很??；紫外光(280～315nm)既能激發(fā)葉綠素?zé)晒?，還能激發(fā)短波熒光。濾光片通常是根據(jù)所需采集的熒光信號(hào)，安裝不同顏色的濾光片來(lái)獲取特定波長(zhǎng)的激發(fā)光。計(jì)算機(jī)用來(lái)對(duì)采集信號(hào)存儲(chǔ)和處理分析。

熒光成像技術(shù)在作物表型采集方面多用于作物逆境的生理反應(yīng)及對(duì)作物病蟲害的檢測(cè)等[21,22]。在低溫脅迫對(duì)水稻幼苗不同葉齡葉片葉綠素?zé)晒馓匦缘挠绊懷芯縖23]中，選取5個(gè)不同的水稻品種(系)進(jìn)行低溫(4℃)處理，采用調(diào)制葉綠素?zé)晒獬上裣到y(tǒng)進(jìn)行葉綠素?zé)晒鈪?shù)測(cè)定。結(jié)果發(fā)現(xiàn)在不同葉齡葉片的PSⅡ最大光化學(xué)量子產(chǎn)量(FV/FM)、不同葉齡葉片光化學(xué)淬滅系數(shù)(qP)和非光化學(xué)淬滅系數(shù)(qN)以及不同葉齡葉片的快速光響應(yīng)曲線等存在顯著差異。熒光成像也可用于其他方面，如Harbinson等[24]將該技術(shù)用于作物育種的高通量單株篩選；Lee等[25]用萘熒光探針探測(cè)鋅在擬南芥HeLa細(xì)胞中的分布，Bauriegel等[26]用于作物的早期病害檢測(cè)等。

與其他成像技術(shù)相比，熒光成像具有一些優(yōu)勢(shì)：①可測(cè)出作物的內(nèi)部信息；②檢測(cè)指標(biāo)多樣，能檢測(cè)作物內(nèi)部病害或元素缺失；③采集信息時(shí)不受溫度、光照等環(huán)境因素影響；④操作簡(jiǎn)單，使用便捷，可在田間使用；⑤成本低。同樣地，熒光成像存在較大的局限性，它只能檢測(cè)與葉綠素或者其他色素含量變化相關(guān)的生理反應(yīng)參數(shù)，從而限制了它的應(yīng)用范圍。

2　微波成像技術(shù)

微波是電磁波的一種，頻率在300M～300GHz之間，具有頻率高、信息量大、穿透性好的特點(diǎn)。微波成像主要指以微波作為信息載體的一種成像手段，實(shí)質(zhì)屬于電磁逆散射問題。成像的方法是將微波射入被測(cè)目標(biāo)，讓其透過目標(biāo)并攜帶出目標(biāo)的內(nèi)部信息，接受信息后在計(jì)算機(jī)中進(jìn)行一系列的處理和運(yùn)算，形成圖像。

微波技術(shù)首先廣泛應(yīng)用于工業(yè)、航空業(yè)、醫(yī)療業(yè)等領(lǐng)域。該技術(shù)在農(nóng)業(yè)上主要用于單株植物的三維成像，包括株型的三維模型研究[27,28]、根系的形態(tài)探測(cè)[29,30]等方面。在單株玉米的三維建模中，劉睿等[28]通過對(duì)玉米進(jìn)行激光雷達(dá)掃描試驗(yàn)，獲取玉米植株每個(gè)點(diǎn)的點(diǎn)云數(shù)據(jù)，然后通過一系列的算法生成多邊形網(wǎng)格或者參數(shù)曲面片，從而建立玉米植株的三維模型。另外，針對(duì)具有無(wú)損性探測(cè)的特點(diǎn)，崔喜紅等[29]使用對(duì)地雷達(dá)系統(tǒng)，對(duì)植物的根系進(jìn)行探測(cè)，探測(cè)數(shù)據(jù)經(jīng)過軟件處理，繪制出根系的三維圖像。結(jié)果表明，通過與實(shí)際測(cè)量對(duì)比，雷達(dá)探測(cè)出的圖像具有很高的相似性。同時(shí)，微波成像不受天氣和距離的影響，可全天候用于農(nóng)作物遙感識(shí)別[31]。

微波成像技術(shù)的優(yōu)勢(shì)在于：①能穿透障礙物，探測(cè)無(wú)法直接觀測(cè)的部位；②測(cè)量不受時(shí)空限制，能夠測(cè)時(shí)測(cè)距；③所成圖像為三維立體圖像。局限性表現(xiàn)在：①成像精度不高導(dǎo)致獲取的信息質(zhì)量不高；②數(shù)據(jù)源較少，獲取的云點(diǎn)在重疊部位易丟失；③成像的圖片處理難度較大。

3　展望

數(shù)字圖像技術(shù)改進(jìn)了傳統(tǒng)的單一表型采集技術(shù),在植物表型采集方面的應(yīng)用已取得顯著成效。表型組學(xué)(phenomics)的迅猛發(fā)展，對(duì)快速、無(wú)損、綜合、高通量采集作物表型信息提出了新的挑戰(zhàn)。植物高通量表型分析平臺(tái)能夠在一段時(shí)期內(nèi)對(duì)大批量的測(cè)試對(duì)象采集個(gè)體植物多種表型數(shù)據(jù)，并且將這些數(shù)據(jù)轉(zhuǎn)化為定性或者定量的結(jié)果。1998年，比利時(shí)率先研發(fā)高通量植物表型采集平臺(tái)。2008年，澳洲植物表型組學(xué)設(shè)施(Australian Plant Phenomics Facility)在澳大利亞阿德雷德大學(xué)威特校區(qū)建立。2009年4月，第一屆國(guó)際植物表型組大會(huì)在澳大利亞堪培拉成功舉辦。迄今為止，各種不同的自動(dòng)化或半自動(dòng)化的表型分析平臺(tái)已取得較大的進(jìn)展[32]。

相比較而言，室內(nèi)高通量表型分析平臺(tái)起步早、發(fā)展快，并且在作物研究中取得一系列成功應(yīng)用。例如帕拉茨基大學(xué)利用PlantScreen植物表型成像分析系統(tǒng)開展擬南芥的表型采集，并用于豌豆低溫脅迫的表型變化觀測(cè)[33]，汪珂等[34]利用高通量分析技術(shù)采集玉米籽粒性狀。

在作物研究中，田間試驗(yàn)是不可缺少的環(huán)節(jié)。近年來(lái)，高通量田間表型采集的成功案例也時(shí)有報(bào)道。如Zhu等[35]對(duì)根系的研究、Trachsel等[36]對(duì)玉米根構(gòu)型的研究以及Araus等[37]在作物遺傳改良方面的應(yīng)用等。不容置疑，田間高通量表型分析仍存在諸多問題。在數(shù)據(jù)采集方面，各種成像技術(shù)都有著自己的制約條件，受到外界溫度、光照等復(fù)雜的田間環(huán)境因素影響，一些遙感的成像技術(shù)受其測(cè)量精度制約。在數(shù)據(jù)處理方面，如何處理高通量表型分析獲得的龐大數(shù)據(jù)，特別是其中大量冗雜信息，以最低的成本獲取需要的信息。此外，田間高通量分析需要用到多種傳感、定位技術(shù)，如何應(yīng)對(duì)田間環(huán)境多變性，如何精準(zhǔn)協(xié)調(diào)各個(gè)部件，也需要進(jìn)一步研究。

高通量表型分析平臺(tái)的廣泛使用是未來(lái)作物表型研究的一個(gè)必然的趨勢(shì)，還需要更多的技術(shù)攻關(guān)和協(xié)作。目前，將多種成像技術(shù)綜合運(yùn)用的嘗試取得了一些可喜進(jìn)展，但是任重而道遠(yuǎn)。

[1]潘映紅.論植物表型組和植物表型組學(xué)的概念與范疇[J].作物學(xué)報(bào),2015,41(2):175～186.

[2]Li J,Rao X,Ying Y.Detection of common defects on orangesusing hyperspectral reflectance imaging[J].Compute Electronics in Agriculture,2011,78:38～48.

[3] 田永超,楊杰,姚霞,等.利用葉片高光譜指數(shù)預(yù)測(cè)水稻群體葉層全氮含量[J].作物學(xué)報(bào),2010,36(9):1529～1537.

[4]陳維軍,周啟發(fā),黃敬峰.用高光譜植被指數(shù)估算水稻乳熟后葉片和穗的色素含量[J].中國(guó)水稻科學(xué),2006,20(4):434～439.

[5]Mahlein A K,Steiner U,Hillnhütter C,etal.Hyperspectral imaging for small-scale analysis of symptoms caused by different sugar beet diseases[J].Plant Methods,2012,8:3～15.

[6]楊杰,田永超,姚霞,等.水稻上部葉片葉綠素含量的高光譜估算模型[J].生態(tài)學(xué)報(bào),2009,29(12):6561～6571.

[7]李美凌,鄧飛,劉穎,等.基于高光譜圖像的水稻種子活力檢測(cè)技術(shù)研究[J].浙江農(nóng)業(yè)學(xué)報(bào),2015,27(1) :1～6.

[8]馮慧,熊立仲,陳國(guó)興,等.基于高光譜成像和主成分分析的水稻莖葉分割[J].激光生物學(xué)報(bào),2015,24(1):31～38.

[9]Huang W,Lamb D W,Niu Z,etal.Identification of yellow rust in wheat using in-situ spectral reflectance measurements and airborne hyperspectral imaging[J].Precision Agriculture,2007,8:187～197.

[10]Bock C H,Poole G H,Parker P E,etal.Plant disease severity estimated visually,by digital photography and image analysis,and by hyperspectral imaging[J].Critical Reviews in Plant Sciences,2010,29：59～107.

[11]Gowen A A,O′Donnell C P,Cullen P J,etal.Hyperspectral imaging——an emerging process analytical tool for food quality and safety control[J].Trends in Food Science & Technology,2007,18:590～598.

[12]Nansen C,Zhao G,Dakin N,etal.Using hyperspectral imaging to determine germination of native Australian plant seeds[J].Journal of Photochemistry and Photobiology B:Biology,2015,145:19～24.

[13]ElMasry G,Wang N,Vigneault C.Detecting chilling injury in Red Delicious apple using hyperspectral imaging and neural networks[J].Postharvest Biology and Technology,2009,52:1～8.

[14]徐小龍,蔣煥煜,杭月蘭.熱紅外成像用于番茄花葉病早期檢測(cè)的研究[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(5):145～149.

[15]Li L,Zhang Q,Huang D.A Review of imaging techniques for pant phenotyping[J] Sensors,2014,14:20078～20111.

[16]Awad Y M,Abdullah A A,Bayoumi T Y,etal. Early Detection of Powdery Mildew Disease in Wheat (TriticumaestivumL.) Using Thermal Imaging Technique[C].The Institute of Electrical and Electronics Engineer，2014:755～765.

[17]Danno A,Miyazato M,Ishiguro E.Quality evaluation of agricultural products by infrared imaging method.III.Maturity evaluation of fruits and vegetables [J].Memoirs of the Faculty of Agriculture,Kagoshima University,1980,16:157～164.

[18]Jones H G.Use of thermography for quantitative studies of spatial and temporal variation of stomatal conductance over leaf surfaces [J].Plant Cell and Environment,1999,22:1043～1055.

[19]Jones H G.Use of infrared thermometry for estimation of stomatal conductance as a possible aid to irrigation scheduling [J].Agricultural and Forest Meteorology,1999,95:139～149.

[20]劉亞.遠(yuǎn)紅外成像技術(shù)在植物干旱響應(yīng)機(jī)制研究中的應(yīng)用[J].中國(guó)農(nóng)學(xué)通報(bào),2012,28(3):17～22.

[21]盧勁竹,蔣煥煜,崔笛.熒光成像技術(shù)在植物病害檢測(cè)的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(4):244～252.

[22]Daley P F.Chlorophyll fluorescence analysis and imaging in plant stress and disease[J].Canadian Journal of Plant Pathology,1995,17:167～173.

[23]王春萍,雷開榮,李正國(guó),等.低溫脅迫對(duì)水稻幼苗不同葉齡葉片葉綠素?zé)晒馓匦缘挠绊慬J].植物資源與環(huán)境學(xué)報(bào),2012,21(3):38～43.

[24]Harbinson J,Prinzenberg A E,Kruijer W,etal.High throughput screening with chlorophyll fluorescence imaging and its use in crop improvement[J].Current Opinion in Biotechnology,2012,23:221～226.

[25]Lee J H,Lee J H,Jung S H,etal.Highly selective fluorescence imaging of zinc distribution in HeLa cells andArabidopsisusing a naphthalene-based fluorescent probe[J].Chemical Communications,2015,51:7463～7465.

[26]Bauriegel E,Giebel A,Geyer M,etal. Early detection of Fusarium infection in wheat using hyper-spectral imaging[J].Computers and Electronics in Agriculture,2011,75:304～312.

[27]張建,李宗南,張楠,等.基于實(shí)測(cè)數(shù)據(jù)的作物三維信息獲取與重建方法研究進(jìn)展[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,32(4):126～134.

[28]劉睿,劉婷,董潤(rùn)茹,等.基于地基激光雷達(dá)數(shù)據(jù)的單株玉米三維建模[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2014,19(3):196～201.

[29]崔喜紅,陳晉,關(guān)琳琳.探地雷達(dá)技術(shù)在植物根系探測(cè)研究中的應(yīng)用[J].地球科學(xué)進(jìn)展,2009,24(6):606～611.

[30]郭立,范碧航,吳淵,等.探地雷達(dá)應(yīng)用于植物粗根探測(cè)的研究進(jìn)展[J].中國(guó)科技論文,2014，(4):494～498.

[31]宋茜,周清波,吳文斌,等.農(nóng)作物遙感識(shí)別中的多源數(shù)據(jù)融合研究進(jìn)展[J].中國(guó)農(nóng)業(yè)科學(xué),2015,48(6):1122～1135.

[32]de Souza N.High-throughput phenotyping[J].Nature Methods,2010,7:36～36.

[33]Humplik J F,Lazar D,Furst T,etal. Automated integrative high-throughput phenotyping of plant shoots:a case study of the cold-tolerance of pea (PisumsativumL.)[J].Plant Methods,2015,11:1～11.

[34]汪珂,梁秀英,宗力,等.玉米籽粒性狀高通量測(cè)量裝置設(shè)計(jì)與實(shí)現(xiàn)[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào),2015,17(2):94～100.

[35]Zhu J,Ingram P A,Benfey P N,etal. From lab to field,new approaches to phenotyping root system architecture[J].Current Opinion in Plant Biology,2011,14:310～317.

[36]Trachsel S,Kaeppler S M,Brown K M,etal.Shovelomics:high throughput phenotyping of maize (ZeamaysL.) root architecture in the field[J].Plant and Soil,2011,341:75～87.

[37]Araus J L,Cairns J E.Field high-throughput phenotyping:the new crop breeding frontier[J].Trends in Plant Science,2014,19:52～61.

2016-04-08

國(guó)家自然科學(xué)基金項(xiàng)目(31471496)。

潘銳(1993-), 男，碩士生，研究方向?yàn)榉巧锬婢晨剐?。通信作? 張文英，wyzhang@yangtzeu.edu.cn。

S126

A

1673-1409(2016)21-0038-04

[引著格式]潘銳，熊勤學(xué)，張文英.數(shù)字圖像技術(shù)及其在作物表型研究中的應(yīng)用研究進(jìn)展[J].長(zhǎng)江大學(xué)學(xué)報(bào)(自科版) ，2016，13(21)：38～41，46.