背景

番茄是一種受歡迎且營養(yǎng)豐富的水果，在全球市場上占據(jù)了重要地位。近幾十年來，大量的研究致力于培育出品質(zhì)更高、抗逆性更強的番茄品種。果實的品質(zhì)與幼苗的生長密切相關，因此，有效監(jiān)控幼苗的生長對于培育優(yōu)質(zhì)番茄至關重要。傳統(tǒng)的化學方法在監(jiān)測植物中大量色素的濃度方面可能會受到限制。為了克服這些限制，研究人員經(jīng)常求助于非侵入性、高通量和實時監(jiān)測技術，例如光譜學和高光譜成像，這些技術可以在不需要破壞性采樣的情況下評估植物中的色素濃度，并提供有效監(jiān)測大量植物的能力。

試驗設計

本研究使用的櫻桃番茄幼苗在華南農(nóng)業(yè)大學園藝學院室內(nèi)植物工廠（113.36°E，23.6°N）進行水培，包括兩種類型的番茄幼苗：未改變的野生型和長下胚軸缺失（HY5）突變體。野生型花青素含量較高，HY5突變體的花青素含量較低?；ㄇ嗨卦谥参锕夂献饔弥衅鹬匾饔?，并影響其他色素的積累。兩種苗種在相同的環(huán)境條件下培養(yǎng)。如圖1（a）所示，將幼苗置于頂部和底部有開口的海綿方塊上，使其葉子向上，根向下，將幼苗種植在72孔泡沫板上。泡沫板被放置在植物工廠的水培架子上，使番茄幼苗的根部能夠接觸到營養(yǎng)液。番茄幼苗以單孔空間分開種植，以減少植物葉片在生長過程中的相互遮蔭，以確保植物獲得足夠的光線。本研究記錄了番茄幼苗在播種后17、20和23天的光譜數(shù)據(jù)和色素濃度數(shù)據(jù)。從4塊泡沫板中選取144個樣本，每塊泡沫板中包含36棵幼苗。一半的樣本是野生型，另一半是HY5型。實驗中番茄幼苗的選擇標準是葉片表面平整，以便于光譜圖像的獲取。

圖1 （a）高光譜圖像采集和（b）ROI提取

如圖1（a）所示，高光譜圖像采集裝置由近紅外相機Gaia Field-N17、光源、暗盒和加載板組成。該近紅外相機具有256個光譜通道，可以記錄900-1700 nm范圍內(nèi)的反射光譜。每個樣品的高光譜數(shù)據(jù)使用近紅外相機和控制軟件SpecVIEW v2.9采集。儀器和軟件均由江蘇雙利合譜光譜成像技術有限公司提供。本研究共采集了432株幼苗，其中一半為野生型，一半為HY5型。幼苗葉片中色素濃度隨時間的平均值和分布如圖2所示。這些折現(xiàn)說明了每種光合色素的平均濃度總體上呈上升趨勢。葉綠素濃度在第20天顯著高于第17天，第23天變化不大。這可能有兩個潛在原因：隨著植物的生長，它可能耗盡了土壤中可用的營養(yǎng)物質(zhì)。光合色素，如葉綠素，需要氮、鎂等關鍵營養(yǎng)物；植物可能將資源轉(zhuǎn)向開花、結(jié)果或其他繁殖過程。小提琴圖展示了不同時間間隔中色素濃度的分布，小提琴圖中較寬的部分表明該范圍內(nèi)樣本數(shù)量較多。每個時間點分組的上部小提琴圖顯示了野生型的分布，而下部小提琴圖代表HY5突變型。HY5是植物生長發(fā)育過程中促進光形態(tài)發(fā)生，刺激葉綠素和類胡蘿卜素合成的關鍵調(diào)控因子。HY5缺失導致下胚軸變長，光形態(tài)發(fā)生受損導致色素沉著減少。

圖2 色素隨時間的平均濃度和分布番茄幼苗的原始反射率曲線

如圖3（a）所示，其中包含少量異常值。常用箱形圖來處理這一問題，超出上四分位數(shù)或低于下四分位數(shù)的樣本值會被排除出數(shù)據(jù)集。值得注意的是，在900 nm和1700 nm附近發(fā)生細微的波動，這可能是由噪音和雜散光引起的。利用SG濾波器進行降噪處理，得到更平滑的反射率曲線，如圖3（b）所示。一階導數(shù)結(jié)果的顯著波動清楚地揭示了反射率曲線的變化，如圖3（c）所示。此外，如圖3（d）所示，經(jīng)過SNV標準化后，光譜曲線圍繞在零附近變得更加密集。因此，利用SG濾波器和SNV聯(lián)合對反射光譜進行處理，在不失去其特性的情況下，消除了噪聲和快速振蕩的干擾。

圖3 預處理方法比較（（a）原始光譜；（b）SG平滑濾波器；（c）一階導數(shù)；（d）SNV）

在主成分分析法中，載荷圖通常用來檢驗特征與主成分之間的關系，每個主成分中原始變量的權(quán)重有助于進一步理解所選波長的重要性。如圖4（a）所示，在21個選定的主成分中，有5個主成分占總載荷的90%以上。曲線的峰谷分別出現(xiàn)在910 nm、950 nm、1130 nm、1400 nm和1450 nm附近，與番茄幼苗色素的相關性*強。PC4在910 nm左右上升，PC5在1130 nm左右下降，可能是由于C-H鍵的拉伸和彎曲振動引起的。950 nm和1130 nm附近發(fā)生的特征是由于對稱和不對稱振動和旋轉(zhuǎn)方式對H₂O分子的吸收。1450 nm左右的顯著下降與水的O-H拉伸第一泛音和碳水化合物的存在有關。如圖4（b）所示，以葉綠素-a的結(jié)果為例，CARS經(jīng)過21次蒙特卡羅采樣迭代后，所選擇的特征總計為37。所選特征主要集中在950~1150 nm和1400~1480 nm之間。在960 nm處觀察到的吸收峰主要來自于水分子內(nèi)羥基（OH）的二階頻率加倍，而在1200 nm附近的衰減被認為是有機物內(nèi)CH基團的二階振動吸收的結(jié)果。另一方面，葉綠素-b和類胡蘿卜素所選擇的波長不同。然而，它們都緊密地聚集在兩個特定的光譜范圍內(nèi)：930-1210 nm之間和1350-1550 nm之間的峰谷。930-1210 nm之間的特征與植物中O-H和C-H鍵的振動有關。綜上所述，這些一致的結(jié)果符合光譜學的既定原理，支持了特征提取的驗證。

圖4 PCA和CARS的結(jié)果說明（（a）基于PCA方法的波長權(quán)重；（b）CARS法提取葉綠素-a的敏感波長）

為了證明特征提取有助于預測性能的提升，進行了全波段對比實驗。表1顯示了不同特征提取方法與PLSR結(jié)合時的性能，其中N_p代表預測中使用的特征數(shù)量，R²_c、R²_v和RMSE_c、RMSE_v分別代表校準集和驗證集上的R²和RMSE值。如表1所示，通過整合三種特征提取方法，PLSR模型的性能較使用全波段特征有所提升。以葉綠素-a為例，與全波段相比，PCA、ICA和CARS組合的R²分別提高了0.027、0.030和0.082。此外，其他三種色素的預測中也發(fā)現(xiàn)了相同的改善。因此，這些特征提取方法能有效地移除反射光譜中的無關信息。此外，在表1中，CARS顯示出更高的R²和更小的RMSE，證明了其相較于其他兩種策略的優(yōu)*性。雖然PCA和ICA方法傾向于使用較少的特征進行預測，但它們可能無法保留重要的波長。另一方面，CARS展示了更高的準確性和魯棒性。因此，在接下來的建模討論中采用了CARS來選擇敏感波長。

在特征提取后，對PLSR和ELM進行測試和比較，以確定預測番茄幼苗中色素濃度的最佳模型。采用網(wǎng)格搜索技術確定模型的*優(yōu)參數(shù)。當隱藏層節(jié)點數(shù)設置為30時，ELM達到*優(yōu)，預測結(jié)果如圖5（a）所示。總體而言，ELM比PLSR具有更高的R²和更低的RMSE，即ELM在檢測任務中表現(xiàn)出更高的準確性和魯棒性，可能的關鍵因素是數(shù)據(jù)中非線性關系的存在。在3種色素中，ELM模型在葉綠素-a的預測精度最高，在測試集上的R²為0.86，在葉綠素-b和類胡蘿卜素數(shù)據(jù)中表現(xiàn)出幾乎一致的預測性能。

圖5 預測結(jié)果（（a）PLSR和ELM的比較；（b）色素濃度的可視化）

所提出的方法隨后被用于檢測活體番茄幼苗葉片中的色素濃度。該過程包括將原始高光譜圖像作為輸入輸入到預訓練系統(tǒng)，系統(tǒng)隨即生成色素濃度的預測。如圖5（b）所示，熱圖中的顏色編碼（藍色代表低濃度，紅色代表高濃度）提供了對這些色素分布的直觀理解，結(jié)果也確實合理。如預期，葉片中的色素濃度高于莖部。這與植物生理學的理解一致，葉子是光合作用的主要場所，這些色素在其中發(fā)揮關鍵作用。利用預測的葉綠素和類胡蘿卜素濃度對野生型和HY5型番茄幼苗進行分類。為此訓練了基于邏輯回歸、支持向量機（SVC）和K最近鄰（KNN）的分類模型，將番茄幼苗的輸入樣本分為野生型和HY5型。模型訓練是在包含三種色素濃度和相應基因型標簽的真實化學數(shù)據(jù)集上進行的。然后，使用訓練好的分類器和ELM預測的色素濃度作為測試輸入，來確定番茄幼苗的基因型。分類器的主要結(jié)果在表2中進行了總結(jié)。從表中可以觀察到，邏輯回歸和SVC在測試集上達到了最高的準確度得分，約為0.85。此外，這兩個模型的F1分數(shù)和AUC也達到了相對較高的值，分別為0.86和0.85，表明這些模型在處理野生型和HY5型的二分類問題上具有高水平的表現(xiàn)。

結(jié)論

為了解決在植物工廠監(jiān)測大量番茄幼苗生長的挑戰(zhàn)，本研究提出了一種新的方法，該方法結(jié)合了高光譜成像技術和機器學習技術。在本研究中，葉綠素和類胡蘿卜素的實際濃度是通過化學方法確定的，這些數(shù)據(jù)作為建模的真實基準。進行了使用不同特征提取算法的實驗，以驗證提取過程的有效性并通過結(jié)果比較識別最佳算法。結(jié)果顯示，CARS方法勝過其他方法，成為特征選擇的*選方法。每種色素的敏感波長都被記錄下來，以備將來應用?；赑LSR和ELM構(gòu)建的回歸模型進一步用于預測葉綠素a、葉綠素b和類胡蘿卜素的濃度，結(jié)果顯示ELM模型表現(xiàn)更佳，這三種色素的R²分別達到了0.86、0.83和0.83。使用ELM預測的色素濃度作為輸入，基于邏輯回歸和SVC構(gòu)建的分類模型用于分類番茄幼苗的基因型，在測試集上達到了0.85的準確度。所提出的方法可以整合到運行在微型計算機上的軟件中，使用近紅外高光譜相機實時估算色素濃度和基因型。這一概念可能會啟發(fā)監(jiān)測設備的開發(fā)，旨在提高植物工廠的效率和生產(chǎn)力。

作者簡介：

黃斌山，一作，華南農(nóng)業(yè)大學電子工程學院/人工智能學院。

參考文獻：

Huang Binshan, Li Songhao, Long Teng, Bai Shudai, Zhao Jing, Xu Haitao, Lan Yubin, Liu Houcheng, Long Yongbing. Research on Predicting Photosynthetic Pigments in Tomato Seedling Leaves Based on Near-Infrared Hyperspectral Imaging and Machine Learning. Microchemical Journal, 2024, 204: 111076.