|本期目录/Table of Contents|

[1]高宇,高军萍,李寒,等.植物表型监测技术研究进展及发展对策[J].江苏农业科学,2017,45(11):5-10.
　Gao Yun,et al.Research progress and development countermeasure of plant phenotypic monitoring technology[J].Jiangsu Agricultural Sciences,2017,45(11):5-10.
点击复制

植物表型监测技术研究进展及发展对策(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第45卷
期数:
2017年11期
页码:
5-10
栏目:
专论与综述
出版日期:
2017-06-05

文章信息/Info

Title:
Research progress and development countermeasure of plant phenotypic monitoring technology
作者:
高宇1;  高军萍1;  李寒2; 3;  郑文刚2;  张婉明1
1.河北工业大学电子信息工程学院，天津 300401； 2.北京农业信息技术研究中心，北京 100097； 3.中国农业大学，北京 100083
Author(s):
Gao Yun;  et al
关键词:
植物表型; 监测技术; 成像模块; 图像分析
Keywords:
-
分类号:
TP391
DOI:
-
文献标志码:
A
摘要:
高效的植物表型监测技术作为现代化农业的一个重要研究方向，是育种、品种选择、基因组学和表型组学研究的一个先决条件。随着图像采集、网络传输技术、图像处理等技术的发展，植物表型监测技术的实际研究与应用日益得到重视。为了从整体上梳理植物表型监测技术的研究成果和存在问题，有效地推动植物表型监测技术发展和农业现代化进程，本研究介绍了植物表型监测技术的国内外研究进展，同时归纳了现阶段比较先进的植物表型平台产品，分析了其技术组成(主要是成像模块和图像分析模块)，并且列举了植物表型监测中不同用途的图像分析方法。在此基础上阐述了植物表型监测技术目前存在的问题及相应对策，最后从3个方面作了前景展望。
Abstract:
-

参考文献/References:

［1］玉光惠，方宣钧. 表型组学的概念及植物表型组学的发展［J］. 分子植物育种，2009，7(4)：639-645.
［2］潘映红. 论植物表型组和植物表型组学的概念与范畴［J］. 作物学报，2015，41(2)：175-186.
［3］Baker M. Big biology：the omes puzzle［J］. Nature，2013，494(7438)：416-419.
［4］Zhe L U，Zhang F，Qin M A，et al. Advances in crop phenotyping and multi-environment trials［J］. Frontiers of Agricultural Science and Engineering，2015，2(1)：28-37.
［5］ Meier U，Bleiholder H. The BBCH scale - codification and description of phonological growth stages of plants and their international use in agricultural research［C］. Proceedings of the International Symposium，2007：8-10.
［6］Lottner O，Sluiter A，Hartmann K，et al. Movement artefacts in range images of time-of-flight cameras［C］. ISSCS 2007：International Symposium On Signals，Circuits And Systems，Vol 1，2007：117.
［7］Klose R，Penlington J，Ruckelshausen A. Usability study of 3D time-of-flight cameras for automatic plant phenotyping［J］. Bornimer Agrartechnische Berichte，2009，69：93-105.
［8］张存政，单炜力，龚勇，等. BBCH编码系统及其在我国农药管理体系中的应用［J］. 农产品质量与安全，2011(6)：48-50.
［9］沈凤悦，李毅念，陈信信，等. 高时空分辨率及高通量的稻茬麦苗期表型指标动态特征研究［J］. 作物杂志，2014(5)：117-121.
［10］周金辉，马钦，朱德海，等. 基于机器视觉的玉米果穗产量组分性状测量方法［J］. 农业工程学报，2015，31(3)：221-227.
［11］Aharoni A，Vorst O. DNA microarrays for functional plant genomics［J］. Plant Molecular Biology，2002，48(1/2)：99-118.
［12］CropDesign. Traitmill- platform and process［EB/OL］.［2015-12-12］.http：//www.cropdesign.com/tech_traitmill.php.
［13］李长缨，滕光辉，赵春江，等. 利用计算机视觉技术实现对温室植物生长的无损监测［J］. 农业工程学报，2003，19(3)：140-143.
［14］吴琼，朱大洲，王成，等. 农作物苗期长势无损监测技术研究进展［J］. 农业工程，2011，1(4)：19-25.
［15］林开颜，徐立鸿，吴军辉. 计算机视觉技术在作物生长监测中的研究进展［J］. 农业工程学报，2004，20(2)：279-283.
［16］康乐，王海洋. 我国生物技术育种现状与发展趋势［J］. 中国农业科技导报，2014，16(1)：16-23.
［17］吴建伟，卢大文，明博，等. 我国种业智能装备产业研究［J］. 中国农业科技导报，2014，16(6)：68-73.
［18］丁海凤，于拴仓，王德欣，等. 中国蔬菜种业创新趋势分析［J］. 中国蔬菜，2015(8)：1-7.
［19］Berger B，de Regt B，Tester M. High-throughput phenotyping of plant shoots［J］. Methods Mol Biol，2012，918：9-20.
［20］Klukas C，Pape J M，Entzian A. Analysis of high-throughput plant image data with the information system IAP［J］. Journal of Integrative Bioinformatics，2012，9(2)：191-193.
［21］Neumann K. Using automated high-throughput phenotyping using the LemnaTec Imaging Platform to visualize and quantify stress influence in Barley［C］//Plant and Animal Genome XXI Conference. Plant and Animal Genome，2013.
［22］Furbank R T，Tester M. Phenomics-technologies to relieve the phenotyping bottleneck［J］. Trends in Plant Science，2011，16(12)：635-644.
［23］Langridge P. High-throuput phenotyping of nitrogen response and use in wheat with lemnatec scanalyzer 3D［C］//Plant and Animal Genome ⅩⅩⅡ Conference. Plant and Animal Genome，2014.
［24］Helmert M，Lasinger H. The scanalyzer domain：greenhouse logistics as a planning problem［C］. ICAPS，2010：234-237.
［25］Pereyra-Irujo G A，Gasco E D，Peirone L S，et al. GlyPh：a low-cost platform for phenotyping plant growth and water use［J］. Functional Plant Biology，2012，39(11)：905-913.
［26］Naumann B，Eberius M，Appenroth K J. Growth rate based dose-response relationships and EC-values of ten heavy metals using the duckweed growth inhibition test (ISO 20079) with Lemna minor L. clone St［J］. Journal of Plant Physiology，2007，164(12)：1656-1664.
［27］燕辉，胡笑涛，姚付启. 限量灌溉对冬小麦光合与叶绿素荧光的影响［J］. 农业机械学报，2011，42(11)：49-54.
［28］赵友全，魏红艳，李丹，等. 叶绿素荧光检测技术及仪器的研究［J］. 仪器仪表学报，2010，31(6)：1342-1346.
［29］王春萍，雷开荣，李正国，等. 低温胁迫对水稻幼苗不同叶龄叶片叶绿素荧光特性的影响［J］. 植物资源与环境学报，2012，21(3)：38-43.
［30］程建峰，陈根云，沈允钢. 神农架林区不同类型植物的叶片特征与光合性能研究［J］. 生态环境学报，2010，19(1)：165-171.
［31］Zhang Y J，Liu L Y，Hou M Y，et al. Progress in remote sensing of vegetation chlorophyll fluorescence［J］. J Remote Sens，2009，13：971-978.
［32］Finkel E. With ‘phenomics’，plant scientists hope to shift breeding into overdrive［J］. Science，2009，325(5939)：380-381.
［33］李宏，韦晓兰. 表型组学：解析基因型-表型关系的科学［J］. 生物技术通报，2013(7)：41-47.
［34］朱会义，刘高焕. 印度农业研究系统发展的现状、问题与对策［J］. 中国农业科技导报，2002，4(2)：38-42.
［35］李树君，方宪法，南国良，等. 数字农业工程技术体系及其发展［J］. 农业机械学报，2003，34(5)：157-160.
［36］应义斌，傅宾忠，蒋亦元，等. 机器视觉技术在农业生产自动化中的应用［J］. 农业工程学报，1999，15(3)：199-203.
［37］刘燕德，应义斌，成芳. 机器视觉技术在种子纯度检验中的应用［J］. 农业机械学报，2003，34(5)：161-163.
［38］Andrade-Sanchez P，Gore M A，Heun J T，et al. Development and evaluation of a field-based high-throughput phenotyping platform［J］. Functional Plant Biology，2014，41(1)：68-79.
［39］Yang W，Duan L，Chen G，et al. Plant phenomics and high-throughput phenotyping：accelerating rice functional genomics using multidisciplinary technologies［J］. Current Opinion in Plant Biology，2013，16(2)：180-187.
［40］Australian plant phenomics facility［EB/OL］.［2015-10-10］. http：//www.plantphenomics.org.au.
［41］Sozzani R，Busch W，Spalding E P，et al. Advanced imaging techniques for the study of plant growth and development［J］. Trends in Plant Science，2014，19(5)：304-310.
［42］Paproki A，Sirault X，Berry S，et al. A novel mesh processing based technique for 3D plant analysis［J］. BMC Plant Biology，2012，12(1)：63-75.
［43］Paulus S，Behmann J，Mahlein A K，et al. Low-cost 3D systems：suitable tools for plant phenotyping［J］. Sensors，2014，14(2)：3001-3018.
［44］Li L，Zhang Q，Huang D. A review of imaging techniques for plant phenotyping［J］. Sensors，2014，14(11)：20078-20111.
［45］Golzarian M R，Frick R A，Karthika R，et al. Accurate inference of shoot biomass from high-throughput images of cereal plants［J］. Plant Methods，2011，7(1)：2-12.
［46］Dias P M，Brunel-Muguet S，Duerr C，et al. QTL analysis of seed germination and pre-emergence growth at extreme temperatures in Medicago truncatula［J］. Theoretical and Applied Genetics，2011，122(2)：429-444.
［47］Grift T E，Novais J，Bohn M. High-throughput phenotyping technology for maize roots［J］. Biosyst Eng，2011，110(1)，40-48.
［48］Hoyos-Villegas V，Houx J，Singh S，et al. Ground-based digital imaging as a tool to assess soybean growth and yield［J］，Crop Sci，2014，54(4)：1756.
［49］Baker N R. Chlorophyll fluorescence：a probe of photosynthesis in vivo［J］. Annual Review of Plant Biology，2008，59(1)：89-113.
［50］Chaerle L，Hagenbeek D，de Bruyne E，et al. Chlorophyll fluorescence imaging for disease-resistance screening of sugar beet［J］. Plant Cell Tissue and Organ Culture，2007，91(2)：97-106.
［51］Mishra K B，Iannacone R，Petrozza A，et al. Engineered drought tolerance in tomato plants is reflected in chlorophyll fluorescence emission［J］. Plant Science，2012，182(1)：79-86.
［52］Lootens P，Devacht S，Baert J，et al. Evaluation of cold stress of young industrial chicory (Cichorium intybus L.) by chlorophyll a fluorescence imaging. II. Dark relaxation kinetics［J］. Photosynthetica，2011，49(2)：185-194.
［53］Araus J L，Serret M D，Edmeades G O. Phenotyping maize for adaptation to drought［J］. Front Physiol，2012(3)：305-324.
［54］Jones H G，Serraj R，Loveys B R，et al. Thermal infrared imaging of crop canopies for the remote diagnosis and quantification of plant responses to water stress in the field［J］. Funct Plant Biol，2009，36(10/11)：978-989.
［55］Sakamoto T，Shibayama M，Kimura A，et al. Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2011，66(6)：872-882.
［56］Bolon Y T，Haun W J，Xu W W，et al. Phenotypic and genomic analyses of a fast neutron mutant population resource in soybean［J］. Plant Physiol，2011，156(1)：240-253.
［57］Cook J P，McMullen M D，Holland J B，et al. Genetic architecture of maize kernel composition in the nested association mapping and inbred association panels［J］. Plant Physiol，2012，158(2)：824-834.
［58］Huang J，Liao H，Zhu Y，et al. Hyperspectral detection of rice damaged by rice leaf folder (Cnaphalocrocis medinalis)［J］. Comput Electr Agric，2012，82(1)，100-107.
［59］Matsuda O，Tanaka A，Fujita T，et al. Hyperspectral imaging techniques for rapid identification of Arabidopsis mutants with altered leaf pigment status［J］. Plant & Cell Physiology，2012，53(6)：1154-1170.
［60］Biskup B，Scharr H，Schurr U，et al. A stereo imaging system for measuring structural parameters of plant canopies［J］. Plant，Cell & Environment，2007，30(10)：1299-1308.
［61］Klose R，Penlington J，Ruckelshausen A. Usability study of 3D time-of-flight cameras for automatic plant phenotyping［J］. Bornimer Agrartech Ber，2009，69：93-105.
［62］Van Der Heijden G，Song Y，Horgan G，et al. SPICY：towards automated phenotyping of large pepper plants in the greenhouse［J］. Functional Plant Biology，2012，39(10/11)：870-877.
［63］Reis J R. Evaluation of phenotyping methods for maize［D］. Urbana：Untversity of Illinois，2013.
［64］Paulus S，Dupuis J，Riedel S，et al. Automated analysis of barley organs using 3D laser scanning：an approach for high throughput phenotyping［J］. Sensors，2014，14(7)：12670-12686.
［65］Fang S Q，Yan X L，Liao H. 3D reconstruction and dynamic modeling of root architecture in situ and its application to crop phosphorus research［J］. Plant Journal for Cell and Molecular Biology，2009，60(6)：1096-1108.
［66］Poorter H，Bühler J，van Dusschoten D，et al. Pot size matters：A meta-analysis of the effects of rooting volume on plant growth［J］. Funct Plant Biol，2012，39(10/11)，839-850.
［67］Rascher U，Blossfeld S，Fiorani F，et al. Non-invasive approaches for phenotyping of enhanced performance traits in bean［J］. Functional Plant Biology，2011，38(12)：968-983.
［68］Yang W N，Xu X C，Duan L F，et al. High-throughput measurement of rice tillers using a conveyor equipped with X-ray computed tomography［J］. The Review of Scientific Instruments，2011，82(2)：025102.
［69］Flavel R J，Guppy C N，Tighe M，et al. Non-destructive quantification of cereal Roots in soil using high-resolution X-ray tomography［J］. Journal of Experimental Botany，2012，63(7)：2503-2511.
［70］Karunakaran C，Jayas D，White N. Detection of internal wheat seed infestation by Rhyzopertha dominica using X-ray imaging［J］. J Stored Prod Res，2004，40(5)：507-516.
［71］胡鹏程，郭焱，李保国，等. 基于多视角立体视觉的植株三维重建与精度评估［J］. 农业工程学报，2015，31(11)：209-214.
［72］杨福增，王峥，韩文霆，等. 基于小波变换的红枣裂沟的多尺度边缘检测［J］. 农业工程学报，2005，21(6)：92-95.
［73］张馨，李道亮，杨文柱，等. 高分辨率棉花异性纤维彩色图像的快速分割方法［J］. 农业机械学报，2011，42(1)：159-164，192.
［74］刘镕源，王纪华，杨贵军，等. 冬小麦叶面积指数地面测量方法的比较［J］. 农业工程学报，2011，27(3)：220-224.
［75］陈鼎才，王定成，查金水. 基于机器视觉的现实叶片面积测量方法的研究［J］. 计算机应用，2006，26(5)：1226-1228.
［76］蔡健荣，周小军，李玉良，等. 基于机器视觉自然场景下成熟柑橘识别［J］. 农业工程学报，2008，24(1)：175-178.
［77］喻擎苍，严红滨. 一种基于图像轮廓线的稻种模糊模式识别方法［J］. 农业工程学报，2002，18(1)：150-153.
［78］刁智华，王欢，宋寅卯，等. 复杂背景下棉花病叶害螨图像分割方法［J］. 农业工程学报，2013，29(5)：147-152.
［79］周俊，王明军，邵乔林. 农田图像绿色植物自适应分割方法［J］. 农业工程学报，2013，29(18)：163-170.
［80］贾伟宽，赵德安，阮承治，等. 苹果夜视图像小波变换与独立成分分析融合降噪方法［J］. 农业机械学报，2015，46(9)：9-17.
［81］杨福增，张艳宁，王峥，等. 基于小波变换的Wiener滤波算法去除苹果图像噪声［J］. 农业机械学报，2006，37(12)：130-133，143.

相似文献/References:

[1]闫丽,沈明霞,刘龙申,等.猪行为自动监测技术研究现状与展望[J].江苏农业科学,2016,44(02):22.
　Yan Li,et al.Current status and prospect of swine behavior automatic monitoring technology[J].Jiangsu Agricultural Sciences,2016,44(11):22.
[2]胡玲艳,许巍,秦山,等.基于分时重叠算法的欧洲甜樱桃表型关键特征区域图像分割方法[J].江苏农业科学,2023,51(1):195.
　Hu Lingyan??et al.Image segmentation of key feature regions of European sweet cherry phenotype based on time-sharing overlap algorithm[J].Jiangsu Agricultural Sciences,2023,51(11):195.

备注/Memo

备注/Memo:
收稿日期：2016-02-24
基金项目：北京市农林科学院博士后基金(编号：2014003)；北京市科技计划(编号：D151100003715002)。
作者简介：高宇(1989—)，男，河北保定人，硕士，主要从事植物表型监测、现代通信系统与网络研究。E-mail：gaoyu1502@163.com。
通信作者：李寒，博士，主要从事多模态图像信息融合、墒情自动监测研究。E-mail：lih@nercita.org.cn。
更新日期/Last Update: 2017-06-05