利用高光谱成像预测黑麦草的品质

作者:谷丰光电 来源: 时间:2019-06-14 14:50:55 次数:

本研究为HSI技术在多年生黑麦草成分属性的田间估算奠定了基础。这将使基于遗传的性状的快速选择和育种成为可能,相比能够提供一种更便宜、无损和高通量的筛选工具。

牧草的品质是动物性能的重要组成部分,也是牧草生产系统的制约因素。可能需要改进的关键饲料属性包括这些植物营养部分的糖、脂质、蛋白质和能量含量。本研究的目的是评估高光谱成像(HSI)对草料化学成分无损评估的潜在能力。从185份黑麦草(Lolium perenne)中获得可见光近红外波段到扩展近红外波长550-1700 nm的高光谱图像数据,并对其13个品质性状进行了分析。

a.正上方拍摄的黑麦草叶片原始HSI图像(波长范围558740~937nm)

b.正上方拍摄的收获了上半部分后黑麦草假茎的HIS原始图像(波长范围558740~937nm)

c.黑麦草1080nm处的牧草热图(红色表示高反射率,蓝色表示低反射率)

d.白色像素为黑麦草的感兴趣区域(ROI)

对总糖(R2验证值为0.58)、高分子量糖(R2验证值为0.63)、%灰分(R2验证值为0.50)和%氮(R2验证值为0.70)的HSI模型进行中到高预测能力的观察。对低分子量糖、NDF(%)、ADF(%)、DOMD (% DM)、ME (MJ/kg DM)、DM(%)、Ca (mg/g)和OM(%)也得到了显著的R2验证值为0.1-0.5的HSI模型。还观察到每个种质的假茎和植物叶子之间的化学组成的显着差异。也证实了HSI用于预测植物内这些差异的能力。

a.叶片(蓝色)和假茎(红色)的平均HSI光谱(SNV)的差异

b.通过对PS + BL均值HSI谱(n = 200)的单向多元方差分析得到前两个典型变量的分组散点图

本研究为HSI技术在多年生黑麦草成分属性的田间估算奠定了基础。这将使基于遗传的性状的快速选择和育种成为可能,相比能够提供一种更便宜、无损和高通量的筛选工具。

Plant Methods.Predicting the quality of ryegrass using hyperspectral imaging.Paul R. Shorten, Shane R. Leath, Jana Schmidt and Kioumars Ghamkhar.https://doi.org/10.1186/s13007-019-0448-2