基于高光譜和葉綠素熒光成像技術(shù)的辣椒及玉米幼苗病毒病快速檢測

摘要

作物病毒病發(fā)生的早期檢測能夠為病害預警和綜合防控提供關(guān)鍵信息。為探究病毒病早期無損檢測的可行方法，本文分別使用高光譜成像技術(shù)和葉綠素熒光成像技術(shù)，以辣椒輕斑駁病毒侵染的辣椒幼苗、甘蔗花葉病毒侵染的玉米幼苗以及相應(yīng)的健康幼苗為測試樣品，對病毒侵染早期的辣椒和玉米幼苗開展了快速、無損檢測。對高光譜數(shù)據(jù)及葉綠素熒光數(shù)據(jù)進行不同預處理后，使用隨機森林（RF）、正交偏最小二乘判別分析（OPLSDA）及支持向量機（SVM）算法構(gòu)建了分類模型。結(jié)果表明，葉綠素熒光RF模型最適于辣椒顯癥前或顯癥后葉片帶毒的判斷，其訓練集和測試集的準確率分別均為78.3%和80.0%;玉米顯癥前葉片高光譜數(shù)據(jù)經(jīng)多元散射校正（MSC）預處理后的OPLSDA模型最適于其帶毒情況的判斷，其訓練集和測試集的準確率分別為90.0%和100.0%;葉綠素熒光OPLSDA模型最適于玉米顯癥后葉片帶毒的判斷，其訓練集和測試集的準確率分別為95.0%和100.0%。本研究為生產(chǎn)上使用高光譜或葉綠素熒光成像技術(shù)在早期檢測作物幼苗病毒病提供了參考。

關(guān)鍵詞

高光譜成像; 葉綠素熒光成像; 檢測; 辣椒輕斑駁病毒; 甘蔗花葉病毒

中圖分類號：

S 435.79; S 435.131.49

文獻標識碼： A

DOI： 10.16688/j.zwbh.2024343

Rapid detection of virusinfected pepper and maize seedlings using hyperspectral and chlorophyll fluorescence imaging technologies

CHONG Xiaoyue1， ZHANG Shugen2， WANG Pei1， ZHANG Qin2， ZHANG Junmin2*， ZHOU Tao1*

（1. College of Plant Protection， China Agricultural University， Key Laboratory of Pest Monitoring and Green

Management， Ministry of Agriculture and Rural Affairs， Beijing 100193， China; 2. Plant Tissue Culture

Laboratory， Haidian District， Beijing City， Beijing 100091， China）

Abstract

Early detection of viral diseases in crops is critical for effective warning and integrated management. In this study， hyperspectral imaging （HSI） and chlorophyll fluorescence imaging （ChlFI） were employed to achieve rapid and nondestructive detection of earlystage viral infections in seedlings of pepper and maize. Pepper seedlings infected with pepper mild mottle virus （PMMoV） and maize seedlings infected with sugarcane mosaic virus （SCMV）， along with their corresponding healthy controls， were used as experimental materials. Following various preprocessing techniques， classification models were developed using random forest （RF）， orthogonal partial least squares discriminant analysis （OPLSDA）， and support vector machine （SVM）. The results showed that the RF model based on ChlFI data was the most suitable for detecting viral infection in presymptomatic or postsymptomatic pepper leaves， with training and testing accuracies of 78.3% and 80.0%， respectively. For presymptomatic maize leaves， the OPLSDA model using HSI data preprocessed via multiplicative scatter correction （MSC） achieved the best performance， with training and testing accuracies of 90.0% and 100.0%， respectively. For symptomatic maize leaves， the OPLSDA model based on ChlFI data yielded training and testing accuracies of 95.0% and 100.0%， respectively. This study demonstrates the potential of HSI and ChlFI technologies for early， noninvasive diagnosis of viral diseases in crop seedlings， offering valuable reference for precision disease management in agricultural production.

Key words

hyperspectral imaging; chlorophyll fluorescence imaging; early detection; pepper mild mottle virus; sugarcane mosaic virus

作物幼苗被病毒侵染后，因發(fā)病早，癥狀通常較為嚴重，常造成植株生長停滯，并作為初侵染源，經(jīng)過機械摩擦或介體傳播后容易造成病毒病流行，導致嚴重減產(chǎn)，甚至絕收。辣椒輕斑駁病毒（pepper mild mottle virus， PMMoV）是煙草花葉病毒屬Tobamovirus成員，可通過種子和汁液摩擦傳播。辣椒被PMMoV侵染后，葉片呈現(xiàn)輕度褪綠、皺縮，嚴重時會出現(xiàn)斑駁或花葉癥狀，且植株生長緩慢，發(fā)病越早矮化越嚴重，對某些地區(qū)的辣椒產(chǎn)業(yè)造成了難以估量的損失［13］。甘蔗花葉病毒（sugarcane mosaic virus，SCMV）屬于馬鈴薯Y病毒屬Potyvirus，是引起我國玉米矮花葉病的主要病原［4］。SCMV侵染玉米后前期典型癥狀為新葉基部出現(xiàn)橢圓形褪綠斑駁或褪綠條斑，逐漸發(fā)展至全葉，形成黃綠相間的條紋［5］。SCMV在我國北方地區(qū)危害嚴重，且可通過種子傳播［6］。病毒存在部位、種子儲存時間等因素會影響種子傳毒效率，通常肉眼較難觀察。但種子傳播造成的幼苗帶毒易造成病毒病流行，而傳統(tǒng)的分子及免疫學檢測方法無法實現(xiàn)田間大量樣品的無損檢測，需開發(fā)幼苗早期病毒病無損、快速的檢測方法［7］。

目前常用的分子及免疫學檢測方法，如逆轉(zhuǎn)錄聚合酶鏈式反應(yīng)（RTPCR）、酶聯(lián)免疫吸附法（ELISA）等，需要使用特定的酶、引物、緩沖液等生物化學試劑，反應(yīng)步驟需要精確的操作和控制條件，且取樣過程會對幼苗造成傷害。于是近年來無損檢測技術(shù)，比如高光譜成像技術(shù)、葉綠素熒光成像技術(shù)等成了研究熱點，這些技術(shù)可以在不破壞待測物原來狀態(tài)、化學性質(zhì)等前提下獲取與待測物相關(guān)的內(nèi)容、性質(zhì)或成分等物理、化學信息，具有不破壞被檢樣品、檢測速度更快、少污染、可實現(xiàn)自動化等優(yōu)勢［8］。

高光譜成像技術(shù)的應(yīng)用方面，研究者以馬鈴薯X病毒（potato virus X，PVX）侵染的煙草為研究對象，在早期階段檢測病毒侵染［9］;針對草莓灰霉病和炭疽病的早期檢測，高光譜成像技術(shù)的準確率最高達到97.78%，表明這種方法是可行的［10］。有關(guān)葉綠素熒光成像技術(shù)的應(yīng)用，研究者利用該技術(shù)對水稻稻葉瘟病進行早期監(jiān)測［11］;對接種了小麥白粉菌Blumeria graminis f. sp. tritici的小麥幼苗利用葉綠素熒光參數(shù)來估計苗期小麥白粉病的發(fā)生程度［12］;有研究利用葉綠素熒光成像技術(shù)對黃瓜褐斑病和炭疽病進行分類檢測，結(jié)果顯示對褐斑病的鑒別準確率最高，可達到97.5%［13］。這些研究都表明，高光譜及葉綠素熒光成像技術(shù)在檢測植株葉部病害方面具有可行性。

為了探究高光譜成像技術(shù)及葉綠素熒光成像技術(shù)在幼苗早期病毒病監(jiān)測方面的可行性，本研究以PMMoV侵染的辣椒幼苗、SCMV侵染的玉米幼苗以及未接種病毒的健康幼苗為測試樣品建立高光譜及葉綠素熒光分類模型，對幼苗帶毒情況進行檢測，統(tǒng)計并對比各模型的準確率，為生產(chǎn)上利用高光譜成像技術(shù)及葉綠素熒光成像技術(shù)鑒定及篩選帶毒幼苗提供參考。

1 材料與方法

1.1 供試材料

辣椒種子為感病品種‘B712’，玉米種子為感病自交系‘B73’;PMMoV和SCMV北京株系（SCMVBJ）毒源均為本實驗室保存。

高光譜成像系統(tǒng)主要包括：線掃描成像光譜儀（Inspector V10E， Spectral Imaging Ltd.， Oulu， Finland）、CCD相機（EM285CL， Raptor Photonics.， Ireland）、變焦鏡頭（OLE23， Schneider， Germany）、150 W鹵素燈（IT 3900e， Illumination Technologies Inc.， New York， USA）、控制箱、電控位移臺（IRCP00761COMB， Isuzu Optics Corp.， Taiwan， China）、計算機和暗箱等，可采集的光譜范圍為400～1 000 nm，圖像分辨率為1 004×1 662像素，設(shè)置電控平臺的移動速度為1.1 mm/s，相機曝光時間為15 ms，物距21.5 cm。

葉綠素熒光成像系統(tǒng)：MaxiImagingPAM Chlorophyll Fluorometer（Walz，Effeltrich，Germany），于室內(nèi)暗箱中采集數(shù)據(jù)，圖像分辨率為1 392×1 040像素，標準成像面積為126 mm×92 mm，圖像數(shù)據(jù)采集完成后即可獲得初始熒光產(chǎn)量（FO）、最大熒光產(chǎn)量（Fm）、穩(wěn)態(tài)熒光（F）、穩(wěn)態(tài)最大熒光產(chǎn)量（Fm’）、穩(wěn)態(tài)初始熒光產(chǎn)量（FO’）、光系統(tǒng)Ⅱ?qū)嶋H光合量子效率YⅡ、最大光化學量子產(chǎn)量（Fv/Fm）、非光化學淬滅系數(shù)（NPQ）、光化學淬滅系數(shù)（qP）等9個參數(shù)。

1.2 試驗設(shè)計

1.2.1 植物樣品準備及處理

辣椒葉片樣品準備：采用直播的方式種植于人工氣候室中，光周期為L∥D=16 h∥8 h，光照時溫度為24℃，黑暗時溫度為22℃。待幼苗長至5葉期，取長勢相近的80株幼苗，其中40株在第3、4片真葉摩擦接種PMMoV，其余40株作為對照。通過預試驗觀察確定上部葉片被病毒侵染但未顯癥的時間。在接種后第4天采集接種部位上部葉片（第5片真葉，此時病毒已發(fā)生系統(tǒng)侵染，但未顯癥）及健康辣椒對照葉片，將葉片放到含MS培養(yǎng)基

的方形培養(yǎng)皿（10 cm×10 cm）上，1個培養(yǎng)皿放置6個葉片，即帶毒和對照各3片，標明處理及序號，用于圖像數(shù)據(jù)采集及分子檢測。在接種后第21天，接種植株上部葉片（第6片真葉）出現(xiàn)花葉癥狀，采集32片顯癥葉片，48片健康對照葉片，同樣置于培養(yǎng)皿中用于顯癥后辣椒葉片圖像數(shù)據(jù)采集及分子檢測。

玉米葉片樣品準備：玉米種子于蛭石中保濕，黑暗25℃催芽2 d后種植于上述條件的人工氣候室中，待幼苗長至2葉期，取長勢相近的80株幼苗，其中43株在第1片真葉摩擦接種SCMVBJ，其余37株作為對照。同樣，通過預試驗確定上部葉片被病毒侵染但未顯癥的時間。于接種后第4天的第16 h采集所有接種植株及健康植株的第2片真葉，置于培養(yǎng)皿中用于圖像數(shù)據(jù)采集及分子檢測。在接種后第10天，接種植株上部葉片出現(xiàn)花葉癥狀，采集35片顯癥葉片，45片健康對照葉片，同上置于培養(yǎng)皿中用于顯癥后辣椒葉片圖像數(shù)據(jù)采集及分子檢測。

1.2.2 高光譜圖像采集和數(shù)據(jù)提取

高光譜圖像采集：儀器預熱30 min，采集黑白板校正圖像，后將葉片樣品按標記順序整齊排列在電控位移臺上，保證樣品間不接觸，高光譜圖像采集過程在暗箱內(nèi)完成。

高光譜數(shù)據(jù)提?。豪肏SI Analyzer軟件，在提取光譜數(shù)據(jù)前，對采集的高光譜圖像進行黑白板校正。之后分別選取單個樣品為感興趣區(qū)域（region of interest， ROI），通過設(shè)定閾值將樣品與背景清晰地分割開，再提取每個樣品的高光譜數(shù)據(jù)。因光譜首尾波段區(qū)域噪聲干擾較大，僅選擇每個樣品400～1 000 nm范圍內(nèi)共767個波段的反射光譜數(shù)據(jù)用于后續(xù)建模分析。

1.2.3 葉綠素熒光圖像采集和數(shù)據(jù)提取

將帶有葉片的平皿進行暗處理30 min，置于暗箱中，采集暗適應(yīng)數(shù)據(jù);光強為500 μmol/（m2·s），光處理30 min，采集光適應(yīng)數(shù)據(jù)，保存進行下一個平皿葉綠素熒光數(shù)據(jù)采集，全部采集完成后保存系統(tǒng)自動提取的數(shù)據(jù)。

1.2.4 葉片樣品RTPCR檢測

數(shù)據(jù)采集完成的葉片立即保存于液氮中，進行RTPCR檢測。采用TRIzol法（天根生化科技，中國）提取葉片樣品總RNA，通過逆轉(zhuǎn)錄試劑盒（艾德萊，中國）合成cDNA。本研究使用的引物如表1所示，RTPCR反應(yīng)體系：2×Taq Mix 10 μL，10 μmol/L正、反向引物各0.5 μL， cDNA 2 μL，ddH2O 7 μL。擴增程序：94℃預變性30 s; 98℃變性10 s， 退火30 s （溫度根據(jù)引物Tm值而定）， 72℃延伸（時間根據(jù)目標片段長度而定）， 30個循環(huán);72℃延伸2 min，4℃保存。PCR產(chǎn)物用1.2%瓊脂糖凝膠電泳分析，以ddH2O為陰性對照，以對應(yīng)病毒基因組RNA部分片段的cDNA產(chǎn)物為陽性對照。

由于在SCMV系統(tǒng)侵染初始階段，SCMV檢出率較低，因此采用玉米內(nèi)參基因EF1A來驗證RNA提取質(zhì)量，以確保試驗結(jié)果的可靠性。

1.3 數(shù)據(jù)處理

使用WPS 2023進行數(shù)據(jù)的統(tǒng)計、作圖，根據(jù)RTPCR檢測的樣品帶毒情況，利用隨機取樣法將樣品數(shù)據(jù)按照訓練集∶測試集=3∶1的比例分集進行后續(xù)分析，訓練集用于構(gòu)建模型并優(yōu)化，測試集用于檢驗模型的穩(wěn)定性等性能。

參考文獻［1718］的方法，對高光譜數(shù)據(jù)使用Unscrambler 10.4和MetaboAnalyst 5.0進行預處理及建模分析，嘗試了卷積平滑法（savitzkygolay，SG）、多元散射校正（multiplicative scatter correction，MSC）、標準正態(tài)變換（standard normal variation，SNV）3種預處理方法，基于原始數(shù)據(jù)（RAW）和經(jīng)上述3種方法預處理的數(shù)據(jù)建立全光譜的正交偏最小二乘判別分析（orthogonal partial leastsquares discrimination analysis，OPLSDA）、隨機森林（random forest，RF）、支持向量機（support vector machine，SVM）模型。

葉綠素熒光數(shù)據(jù)使用MetaboAnalyst 5.0進行建模分析，建立OPLSDA和RF模型。

1.4 分類模型準確率計算

用于判斷帶毒情況的分類模型的準確率以測試集及訓練集的整體鑒別正確率來評判，按下式計算，其中，G為模型判斷正確的帶毒樣品數(shù)量;NG為模型判斷正確的健康樣品數(shù)量;Gr為模型將帶毒樣品誤判為健康樣品的數(shù)量;NGr為模型將健康樣品誤判為帶毒樣品的數(shù)量。

整體鑒別正確率=G+NGG+NG+Gr+NGr×100%。

2 結(jié)果與分析

2.1 基于高光譜數(shù)據(jù)、葉綠素熒光參數(shù)的顯癥前或顯癥后的辣椒帶毒及健康葉片分類模型

2.1.1 顯癥前或顯癥后的辣椒葉片病毒檢測結(jié)果

采用RTPCR檢測，接種PMMoV辣椒植株的上部葉片40個樣品中，顯癥前檢出36個陽性（檢出率為90.0%），顯癥后全部陽性（檢出率為100.0%）（圖1）。將RTPCR檢測結(jié)果為陽性的樣品作為帶毒組進行后續(xù)數(shù)據(jù)建模分析。

2.1.2 顯癥前或顯癥后的辣椒帶毒與健康葉片高光譜數(shù)據(jù)對比分析

顯癥前或顯癥后的辣椒葉片樣品的反射率在550 nm左右出現(xiàn)小的波峰（圖2a， b），這是葉綠素的強反射區(qū)。顯癥前辣椒帶毒葉片在550～660 nm，730～1 000 nm波長范圍內(nèi)的光譜反射率與健康葉片存在明顯差異，且整個波長范圍內(nèi)健康辣椒葉片的平均光譜反射率均低于顯癥前帶毒葉片（圖2c）。顯癥后辣椒帶毒葉片在520～620 nm，720～1 000 nm波長范圍內(nèi)的光譜反射率與健康葉片存在明顯差異，與顯癥前葉片不同的是，顯癥后葉片差異明顯的波長范圍內(nèi)健康辣椒葉片的平均光譜反射率均高于顯癥后帶毒葉片（圖2d）。

2.1.3 基于高光譜數(shù)據(jù)的顯癥前或顯癥后辣椒帶毒及健康葉片分類模型

在顯癥前或顯癥后的辣椒葉片原始數(shù)據(jù)及分別經(jīng)過3種預處理的數(shù)據(jù)基礎(chǔ)上，分別建立了OPLSDA、RF及SVM模型。經(jīng)過MSC預處理后的MSCRF模型最適于判斷顯癥前辣椒葉片帶毒情況，訓練集和測試集準確率分別為68.3%和70.0%，而SNVSVM模型測試集準確率最高，鑒別正確率為75.0%。顯癥后辣椒葉片樣品的SNVRF模型表現(xiàn)最優(yōu)，其訓練集準確率為71.7%，測試集準確率為65.0%。顯癥后辣椒葉片測試集準確率最高可達80.0%（表2）。

2.1.4 基于葉綠素熒光參數(shù)的顯癥前或顯癥后的辣椒帶毒及健康葉片分類模型

通過葉綠素熒光成像技術(shù)采集得到葉綠素熒光全部參數(shù)不需要預處理，直接分集建立了OPLSDA和RF模型。RF模型對辣椒顯癥前或顯癥后葉片樣品的鑒別正確率均為最高，其訓練集和測試集準確率分別均為78.3%和80.0%，并且顯癥前或顯癥后的辣椒葉片葉綠素熒光最優(yōu)分類模型準確率均要高于高光譜的最優(yōu)分類模型準確率（表3）。

2.2 基于高光譜數(shù)據(jù)、葉綠素熒光參數(shù)與分子檢測結(jié)果的顯癥前或顯癥后的玉米帶毒及健康葉片分類模型

2.2.1 顯癥前或顯癥后的玉米葉片病毒檢測的準確性

以EF1A為內(nèi)參基因進行RTPCR檢測結(jié)果顯示，顯癥前玉米接種植株上部葉片SCMV檢出率為30.2%。RTPCR檢測，為陽性的樣品作為帶毒組進行光譜數(shù)據(jù)采集和后續(xù)數(shù)據(jù)分析（圖3）。顯癥后玉米葉片癥狀明顯，沒有進行RTPCR檢測。

2.2.2 顯癥前或顯癥后的玉米帶毒與健康葉片高光譜數(shù)據(jù)對比分析

顯癥前或顯癥后玉米葉片樣品的反射光譜如圖4a、4b所示。在整個波長范圍內(nèi)玉米健康葉片和帶毒葉片的光譜反射率均可觀察到差異。顯癥前玉米葉片在400～660 nm波長范圍內(nèi)存在明顯差異，顯癥后玉米葉片反射率的差異較顯癥前更大，且整個波長范圍內(nèi)玉米健康葉片的平均光譜反射率均低于顯癥前或顯癥后帶毒葉片（圖4c， d）。

2.2.3 基于高光譜數(shù)據(jù)的顯癥前或顯癥后的玉米帶毒及健康葉片分類模型

顯癥前玉米葉片光譜數(shù)據(jù)在經(jīng)過MSC預處理后，OPLSDA模型的分類效果最優(yōu)，其總體準確率訓練集最高為90.0%，測試集最高為100.0%。顯癥后玉米葉片樣品RF模型中MSC和SNV預處理后總體樣品的準確率最高，總體準確率訓練集均為95.0%，測試集均為85.0%，SNVRF模型對健康葉片的鑒別正確率為100%（表4）。

2.2.4 基于葉綠素熒光參數(shù)的顯癥前或顯癥后的玉米葉片分類模型

葉綠素熒光RF模型對玉米顯癥前帶毒葉片的分類效果最優(yōu)，其準確率訓練集為88.3%，測試集為85.0%。與高光譜模型相比，顯癥前玉米葉片葉綠素熒光最優(yōu)分類模型準確率要低于高光譜的最優(yōu)分類模型準確率。玉米顯癥后葉片樣品OPLSDA模型表現(xiàn)最優(yōu)，其準確率訓練集為95.0%，測試集為100.0%，而顯癥后玉米葉片的葉綠素熒光最優(yōu)分類模型準確率要高于高光譜模型（表5）。

3 結(jié)論與討論

作物病毒病害的早期診斷對于及早發(fā)現(xiàn)病害，避免大范圍傳播具有重要意義。由于苗期發(fā)病率通常較低、癥狀不明顯、缺少有效技術(shù)等，病毒病害的早期診斷成為限制作物高效生產(chǎn)的一個難題。有研究表明，PMMoV侵染辣椒后可以通過影響葉綠體外膜蛋白OMP24（chloroplast outer membrane protein 24）的自身互作及葉綠體外膜定位來抑制葉綠體介導的免疫反應(yīng)，下調(diào)細胞色素f等光合作用相關(guān)蛋白，損壞葉綠體超微結(jié)構(gòu)［1921］。同樣地，SCMV侵染玉米也會破壞葉綠體結(jié)構(gòu)［5，22］。因此，通過監(jiān)測葉片中葉綠素含量的變化可以了解植物受病害脅迫的程度。這為利用高光譜成像技術(shù)及葉綠素熒光成像技術(shù)診斷病毒病害提供了依據(jù)。本研究建立了利用高光譜成像技術(shù)及葉綠素熒光成像技術(shù)診斷辣椒和玉米幼苗帶毒的分類模型。所有模型中，玉米顯癥后葉片的葉綠素熒光OPLSDA模型表現(xiàn)最優(yōu)，訓練集和測試集準確率分別可達到95.0%和100.0%。

本研究所用的高光譜及葉綠素熒光系統(tǒng)設(shè)備較大，只能于室內(nèi)進行樣本數(shù)據(jù)的采集，而田間環(huán)境較復雜，植株高度、光照等干擾因素較多，針對田間條件下作物病毒病判別模型的準確率需要進一步研究。有研究以被煙草花葉病毒侵染的煙草為對象，使用便攜式光譜儀對田間環(huán)境下的感病及健康煙葉進行判別分析，提取前8個主成分載荷系數(shù)所對應(yīng)的特征波段，基于特征波段的最小二乘支持向量機（least squaressupport vector machine，LSSVM）模型測試集總體識別率可達到96.50%，證明田間條件下使用高光譜技術(shù)檢測病毒病是可行的［23］。

對高光譜成像技術(shù)及葉綠素熒光成像技術(shù)在幼苗帶毒檢測方面的優(yōu)缺點進行比較：高光譜成像技術(shù)應(yīng)用范圍較廣，不僅可用于檢測葉片樣品的帶毒情況，且圖像采集步驟較簡單、耗時少，并且目前已經(jīng)有利用無人機與高光譜成像相結(jié)合的高光譜遙感技術(shù)，方便應(yīng)用于田間大量樣品的檢測［24］;但高光譜成像技術(shù)儀器成本較高，由于數(shù)據(jù)量大，光照、溫度、樣品中其他物質(zhì)等干擾因素較多，使高光譜模型準確率通常較葉綠素熒光模型低，如本研究結(jié)果所示，對比各樣品中高光譜及葉綠素熒光模型準確率，除玉米顯癥前樣品外，葉綠素熒光最優(yōu)模型的準確率均高于高光譜模型，且高光譜數(shù)據(jù)需要進行預處理，數(shù)據(jù)分析過程較復雜。葉綠素熒光技術(shù)對于植株病害檢測方面，由于獲取的是純植株信息，數(shù)據(jù)干擾因素少，判別準確率高，本研究中葉綠素熒光模型訓練集準確率最高達到95%，且不需要進行預處理，分析過程較簡便;但葉綠素熒光技術(shù)在數(shù)據(jù)采集過程中需要植株分別經(jīng)過30 min暗處理和30 min光處理，耗時長，且單次可進行圖像數(shù)據(jù)采集的樣品量少，較難應(yīng)用于生產(chǎn)中大量樣品的檢測。隨著葉綠素熒光技術(shù)的進一步發(fā)展，如果可以避免或改進暗適應(yīng)過程，對熒光技術(shù)的發(fā)展將大有裨益。

參考文獻

［1］ GABRIELA R G， GERARDO A T， OSCAR A M V， et al. Occurrence of pepper mild mottle virus （PMMoV） in groundwater from a karst aquifer system in the Yucatan Peninsula， Mexico ［J］. Food and Environmental Virology， 2017， 9（4）： 487497.

［2］ HAN S H， PARK J S， HAN J Y， et al. New Korean isolates of pepper mild mottle virus （PMMoV） differ in symptom severity and subcellular localization of the 126 kDa protein ［J］. Virus Genes， 2017， 53（3）： 434445.

［3］ KIM J S， LEE S H， CHOI H S， et al. 2007-2011 characteristics of plant virus infections on crop samples submitted from agricultural places ［J］. Research in Plant Disease， 2012， 18（4）： 277289.

［4］ FAN Zaifeng， CHEN Hongyun， LIANG Xinmiao， et al. Complete sequence of the genomic RNA of the prevalent strain of a potyvirus infecting maize in China ［J］. Archives of Virology， 2003， 148（4）： 773782.

［5］ JIANG Tong， DU Kaitong， XIE Jipeng， et al. Activated malate circulation contributes to the manifestation of lightdependent mosaic symptoms ［J/OL］. Cell Reports， 2023， 42（4）： 112333. DOI： 10.1016/j.celrep.2023.112333.

［6］ 李莉， 王錫鋒， 郝宏京， 等. 甘蔗花葉病毒在玉米種子中的分布及其與種子傳毒的關(guān)系［J］. 植物病理學報， 2004， 34（1）： 3742.

［7］ HANSSEN I M， MUMFORD R， BLYSTAD D R， et al. Seed transmission of pepino mosaic virus in tomato ［J］. European Journal of Plant Pathology， 2010， 126（2）： 145152.

［8］ 瞿志杰， 賈良權(quán)， 祁亨年， 等. 種子活力無損檢測方法研究進展［J］. 浙江農(nóng)林大學學報， 2020， 37（2）： 382390.

［9］ GRISHINA A， SHERSTNEVA O， ZHAVORONKOVA A， et al. Comparison of the efficiency of hyperspectral and pulse amplitude modulation imaging methods in presymptomatic virus detection in tobacco plants ［J/OL］. Plants， 2023， 12（22）： 3831. DOI： 10.3390/plants12223831.

［10］ZHANG Baohua， OU Yunmeng， YU Shuwan， et al. Gray mold and anthracnose disease detection on strawberry leaves using hyperspectral imaging ［J/OL］. Plant Methods， 2023， 19（1）： 148. DOI： 10.1186/s1300702301123w.

［11］周麗娜， 程樹朝， 于海業(yè)， 等. 初期稻葉瘟病害的葉綠素熒光光譜分析［J］. 農(nóng)業(yè)機械學報， 2017， 48（2）： 203207.

［12］單鼎城， 趙亞男， 張美惠， 等. 葉綠素熒光成像技術(shù)監(jiān)測苗期小麥白粉病初探［J］. 植物保護， 2022， 48（5）： 99107.

［13］SUN Ye， LIU Tan， WANG Xiaochan， et al. Chlorophyll fluorescence imaging combined with active oxygen metabolism for classification of similar diseases in cucumber plants ［J/OL］. Agronomy， 2023， 13（3）： 700. DOI： 10.3390/agronomy13030700.

［14］郭京澤， 劉鵬， 崔鐵軍， 等. 辣椒種子中辣椒輕斑駁病毒的檢測［J］. 檢驗檢疫科學， 2007， 17（6）： 3234.

［15］LI Li， WANG Xifeng， ZHOU Guanghe. Analyses of maize embryo invasion by sugarcane mosaic virus ［J］. Plant Science， 2007， 172（1）： 131138.

［16］代資舉， 王艷， 王新濤， 等. 玉米粗縮病誘導下實時熒光定量PCR內(nèi)參基因的選擇［J］. 植物生理學報， 2019， 55（10）： 15451553.

［17］HOWELL A， YAROS C. Downloading and analysis of metabolomic and lipidomic data from metabolomics workbench using MetaboAnalyst 5.0 ［J］. Methods in Molecular Biology， 2023， 2625： 313321.

［18］JHA S N， MATSUOKA T. Nondestructive determination of acidbrix ratio of tomato juice using near infrared spectroscopy ［J］. International Journal of Food Science and Technology， 2004， 39（4）： 425430.

［19］HAN Kelei， ZHENG Hongying， JI Mengfei， et al. A single amino acid in coat protein of pepper mild mottle virus determines its subcellular localization and the chlorosis symptom on leaves of pepper ［J］. The Journal of General Virology， 2020， 101（5）： 565570.

［20］HAN Kelei， ZHENG Hongying， YAN Dankan， et al. Pepper mild mottle virus coat protein interacts with pepper chloroplast outer envelope membrane protein OMP24 to inhibit antiviral immunity in plants ［J/OL］. Horticulture Research， 2023， 10（5）： uhad046. DOI： 10.1093/hr/uhad046.

［21］PINEDA M， SAJNANI C， BARON M. Changes induced by the pepper mild mottle tobamovirus on the chloroplast proteome of Nicotiana benthamiana ［J］. Photosynthesis Research， 2010， 103（1）： 3145.

［22］DU Kaitong， JIANG Tong， CHEN Hui， et al. Viral perturbation of alternative splicing of a host transcript benefits infection ［J］. Plant Physiology， 2020， 184（3）： 15141531.

［23］王一丁. 煙草花葉病害高光譜特征及其病害程度判別分析模型的研究［D］. 鄭州： 河南農(nóng)業(yè)大學， 2016.

［24］HE Jiaoyang， ZHANG Xiangbin， GUO Wanting， et al. Estimation of vertical leaf nitrogen distribution within a rice canopy based on hyperspectral data ［J/OL］. Frontiers in Plant Science， 2019， 10： 1802. DOI： 10.3389/fpls.2019.01802.

（責任編輯：楊明麗）