WIWAM植物表型分析平臺—光照和植物幾何形狀對葉片反射光譜的影響

更新時間：2022-05-25　點擊量：1835

WIWAM高通量植物表型成像系統由比利時SMO公司與Ghent大學VIB研究所研制生產，整合了LED植物智能培養、自動化控制系統、葉綠素熒光成像測量分析、植物熱成像分析、植物近紅外成像分析、植物高光譜分析、植物多光譜分析、植物CT斷層掃描分析、自動條碼識別管理、RGB真彩3D成像等多項*技術，以較優化的方式實現大量植物樣品——從擬南芥、玉米到各種其它植物的生理生態與形態結構成像分析，用于高通量植物表型成像分析測量、植物脅迫響應成像分析測量、植物生長分析測量、生態毒理學研究、性狀識別及植物生理生態分析研究等。

室內植物表型成像系統WIWAM Line

近距離高光譜成像中光照和植物幾何形狀對葉片反射光譜的影響

雖然高光譜成像（HSI）已成功應用于植被的遠程監測，但其在近距離環境中的應用仍不發達，在近距離環境中高光譜成像具有更高的空間和時間分辨率，用于測量植物的功能特性。不僅僅是遠程，近距離葉片的反射光譜對植物幾何形狀和成像系統的特定排列非常敏感。尤其是每個植物像素的光譜在很大程度上取決于其與光源和傳感器的距離和傾斜度。為了處理這些影響，本工作研究了照明和植物幾何形狀對特定室內設置（比利時根特VIB PHENOVISION）中記錄的HSI的影響。基于簡單的光學模型，使用多元線性回歸對反射光譜進行建模，然后使用獲得的模型系數校正光譜。最后提出了一種常用的散射校正方法，即標準正態變量（SNV）變換以消除光照和幾何效應。

為了研究葉片高度對測量反射率的影響，在五種不同的提升高度（-100、0、250、350、450 mm）下拍攝了一株*生長的玉米植株的圖像。首先，使用歸一化植被指數（NDVI）和閾值0.3對所有圖像進行分割。在每幅圖像中定義一個公共區域（見圖1），以提取平均反射光譜。為了研究局部葉片傾斜的影響，使用了在海拔450 mm處采集的同一玉米植株的圖像。為了提取光譜，考慮了描繪局部傾斜模式的*生長的葉片。在手動確定的傾斜局部區域上，按順序定義了六個小面片（6×6像素）（見圖2），并提取其相應的平均反射光譜進行進一步分析。

圖1.玉米植株在五個不同高度的RGB圖像

圖3（a）顯示了從不同高度測量的選定葉片區域提取的平均反射光譜。該圖顯示當植物從最高海拔（450 mm）下降到低海拔（-100 mm）時，反射率整體降低。反射率的降低是由植物離開光源時接收到的光強度降低引起的。圖3（b）顯示了從局部傾斜區域的六個面片序列中提取的平均反射光譜（見圖2）。該圖顯示，反射率相對于局部傾斜有很大的變化。在面片R1處，葉片或多或少沿水平面定向。向面片R3移動時，與水平面的角度似乎增大，導致光譜反射率降低，從面片R4開始再次增大。

圖2.在葉片區域選擇六個具有局部傾斜模式的斑塊（R1-R6）

這樣，每個光譜通過減去一個項來補償噪聲和鏡面反射，并通過縮放來補償高度和傾斜的變化。a和b的值通過回歸分析獲得。圖4（ab）顯示了圖3中光譜的光譜校正結果。

該策略的一個主要問題是需要參考光譜。因此，采用一種常見的散射校正方法，即標準正態變量（SNV）變換來校正這些影響，而無需任何建模。在SNV中，a和b對應于測量光譜的平均值和標準偏差。圖4（c-d）顯示了經SNV校正的光譜。可以觀察到原始信號中的乘法和加法效應幾乎*消除。然而當使用建議的線性模型進行校正時，所得光譜保留其反射率值在0和1之間的特性，而使用SNV的情況并非如此。