高光谱成像技术用于检测植物根系与叶片重金属含量

      重金属污染是全球性环境问题。重金属如镉（Cd）、铅（Pb）、铜（Cu）、铬（Cr）、砷（As）等在土壤中的过量存在会影响土壤的肥力和植物的营养吸收。这些重金属能够通过根系进入植物体内，影响植物的正常生长发育，导致生长缓慢、叶色变黄、产量下降，甚至死亡；同时会通过食物链对人类健康造成威胁。       江苏大学电子与信息工程学院等研究学者以油菜为实验对象，使用添加不同浓度Pb试剂的营养液灌溉12天，采用离体的方式分别进行叶片和根系的高光谱成像。使用支持向量机（SVM）和SAE深度神经网络对样品中的铅（Pb）含量建立模型并预测，发现SAE深度神经网络模型精度较高。在SAE模型的基础上使用迁移学习的方法得到T-SAE模型，并对油菜叶片和根系中的Pb含量进行预测，发现其精度有所提升，油菜叶片R²达到0.92，根系R²达0.93。基于此可以发现高光谱成像技术结合深度神经网络能够对油菜植物中的重金属Pb进行定性定量检测。       北京易科泰生态技术有限公司推出的RhizoTron^®植物根系高光谱成像系统，该系统基于根窗技术和多功能高光谱成像技术，可同时对植物根系（roots）和地上冠层（shoots）进行原位多功能高光谱成像，进而从反射光和荧光的两个高光谱维度对植物及根系样品的理化性质、生化组分、生理状态进行综合分析，为植物表型研究和生理生态研究提供了一种高效、无损的监测手段。通过非接触、非损伤、数字化和可视化技术，为植物地上及地下部位形态、生理生化特性及其与环境互作关系的研究提供了强有力的支持。       随着高光谱成像技术与深度学习模型的结合，不仅能够对植物体内（地上冠层、地下根系）的重金属含量进行更精确的评估，而且为环境监测和植物健康研究提供了新的可能性。展望未来，易科泰生态将继续深耕于生态健康领域，为环境监测和植物健康研究贡献自己的力量！