服務(wù)熱線
產(chǎn)品展示PRODUCTS
PhenoTron® PTS植物表型成像分析系統(tǒng)
更新時間：2025-07-02
訪問次數(shù)：2282
PhenoTron® PTS植物表型成像分析系統(tǒng)，采用PTS（Plant-To-Sensor）植物自動傳送技術(shù)，集成高光譜成像技術(shù)及FluorCam葉綠素?zé)晒獬上?、多光譜熒光成像技術(shù)，可選配RGB成像及紅外熱成像，樣品依次自動傳送至相應(yīng)成像工作站，采集多傳感器表型成像大數(shù)據(jù)，實現(xiàn)一站式、高通量、無損傷反射光成像、葉綠素?zé)晒獬上?、多光譜熒光成像及紅外熱輻射成像分析等。
| 品牌 | 其他品牌 | 產(chǎn)地類別 | 國產(chǎn) |
|---|---|---|---|
| 應(yīng)用領(lǐng)域 | 農(nóng)林牧漁,綜合 |
PhenoTron® PTS植物表型成像分析系統(tǒng)，采用PTS（Plant-To-Sensor）植物自動傳送技術(shù)，集成高光譜成像技術(shù)及FluorCam葉綠素?zé)晒獬上?、多光譜熒光成像技術(shù)，可選配RGB成像及紅外熱成像，樣品依次自動傳送至相應(yīng)成像工作站，采集多傳感器表型成像大數(shù)據(jù)，實現(xiàn)一站式、高通量、無損傷反射光成像、葉綠素?zé)晒獬上?、多光譜熒光成像及紅外熱輻射成像分析等。
主要應(yīng)用于：
l 作物表型成像分析
l 種質(zhì)資源檢測
l 遺傳育種
l 抗性篩選
l 植物生理生態(tài)研究
l 藻類表型研究
l 光生物學(xué)研究
l 果實蔬菜品質(zhì)檢測
主要特點：
1) PTS（Plant-to-Sensor）技術(shù)平臺，SpectraScan©高精度移動掃描平臺，樣品可放置在精準(zhǔn)位移平臺上自動運送至成像單元進行一站式成像分析
2) 多傳感器成像，標(biāo)配包括VNIR高光譜成像、FluorCam葉綠素?zé)晒獬上?、多光譜熒光成像，可選配900-1700nm高光譜成像、紅外熱成像、Thermo-RGB©成像或高倍放大RGB成像（具備顯微成像功能）
3) 多激發(fā)光，調(diào)制多光譜光源板，7位濾波輪等，可實現(xiàn)植物及藻類不同光源培養(yǎng)光生物學(xué)研究、光合生理研究
4) 可選配葉綠素?zé)晒飧吖庾V成像分析、UV-MCF高光譜活體熒光成像分析
5) 可對培養(yǎng)植株、葉片、果實、種子萌發(fā)與種苗、根系及藻類等進行表型性狀成像檢測分析
6) 組合命令+位置記憶：可一鍵保存、讀取、刪除當(dāng)前位置，自動移動精準(zhǔn)定位，精度優(yōu)于1mm，適用于周期性重復(fù)移動掃描，可設(shè)置10條protocols命令，實現(xiàn)系統(tǒng)自動運行
7) 主機箱：全中文操作系統(tǒng)，PC端GUI軟件界面，可實現(xiàn)遠(yuǎn)程操控，內(nèi)置10寸觸控屏，全波段對稱成像光源，0-100%線性調(diào)控，角度、高度可調(diào)，集開關(guān)控制、平臺控制、雜散光隔離于一體，確保光場均一、穩(wěn)定的最佳測量環(huán)境
8) 系統(tǒng)有效行程：Z軸高度400mm，有效掃描面積大于1200×300mm
主要技術(shù)指標(biāo)：
1) 葉綠素?zé)晒獬上瘢?/span>
a) 專業(yè)高靈敏度高分辨率葉綠素?zé)晒獬上?/span>CCD，幀頻20fps，分辨率1360×1024像素，binning2x2：680 x 512像素
b) A/D轉(zhuǎn)換分辨率：16比特、65536級灰階；像素大小6.45×6.45µm
c) 具快照模式和葉綠素?zé)晒鈩討B(tài)視頻模式
d) 標(biāo)配617nm和6500K冷白雙色光化學(xué)光，最大光化學(xué)光2000µmol.m-2. s-1，可選配3000µmol.m-2. s-1
e) 飽和脈沖4000µmol.m-2. s-1，可選配6000µmol.m-2. s-1
f) 可選配365nm或385nm紫外光、447nm品藍(lán)、470nm藍(lán)色、530nm綠色、505青色、627nm紅色、660nm深紅、590nm琥珀色、740nm遠(yuǎn)紅等不同光源
g) 可自動運行Fv/Fm、Kautsky誘導(dǎo)效應(yīng)、熒光淬滅分析、光響應(yīng)曲線等protocols
h) 50多個葉綠素?zé)晒庾詣訙y量分析參數(shù)，包括：Fv/Fm、Fv’/Fm’、Y(II)、NPQ、qN、qP、Rfd、ETR等，自動形成葉綠素?zé)晒鈪?shù)圖
i) 自動同步顯示葉綠素?zé)晒鈪?shù)及參數(shù)圖、葉綠素?zé)晒鈩討B(tài)曲線、葉綠素?zé)晒鈪?shù)頻率直方圖
2) 多光譜熒光成像：紫外光激發(fā)多光譜熒光成像，反映多酚與黃酮類等次級代謝產(chǎn)物動態(tài)變化、葉綠素動態(tài)變化、植物衰老、植物病蟲害脅迫及非生物脅迫等
a) 高分辨率CCD鏡頭，1392x1040像素，有效像素大小為6.45μm，可像素疊加（binning）以提高靈敏度（2x2，3x3，4x4）
b) 7位濾波輪及濾波器，用于測量多光譜熒光F440、F520、F690、F740及其它生物熒光現(xiàn)象及GFP等不同波段穩(wěn)態(tài)熒光成像
3) 自動測量分析功能（無人值守）：可預(yù)設(shè)1個或2個試驗程序，系統(tǒng)可自動測量儲存，比如白天自動定時運行Kautsky誘導(dǎo)效應(yīng)程序，夜間自動定時運行熒光淬滅分析程序
4) 可選配GFP/YFP等穩(wěn)態(tài)熒光成像，或選配LUC熒光素酶成像
5) 葉綠素?zé)晒獬上衽c多光譜熒光成像具Live（實況測試）、Protocol（實驗程序選擇）、Pre-processing（成像預(yù)處理）、Result（成像分析結(jié)果）等菜單，Protocol實驗程序可自由編輯，也可利用Protocol菜單中的向?qū)С绦蚰０婵蛻糇杂蓜?chuàng)建新的實驗程序
6) 高光譜成像站：標(biāo)配為400-1000nm高光譜成像分析，可選配900-1700nm或1000-2500nm
a) 波段數(shù)：224通道
b) 光譜分辨率：FWHM 5.5nm
c) 空間分辨率：1024x
d) 數(shù)值孔徑：F/1.7
e) 可成像測量分析作物生化、生理指標(biāo)如葉綠素含量、花青素含量、胡蘿卜素含量、光利用效率、健康指數(shù)、覆蓋度、脅迫等近百種光譜指數(shù)
7) 紅外熱成像（選配）：
a) 分辨率：640×512像素，可選配其它高分辨率紅外熱成像傳感器
b) 測量溫度范圍：-25℃－150℃
c) 靈敏度：0.03℃（30mK）@30℃
d) 光譜范圍：7.5－13.5μm
e) 傳感器：非制冷紅外焦平面感應(yīng)器，已多點校準(zhǔn)（具校準(zhǔn)證書）
f) 1-14倍數(shù)碼變焦
g) 軟件具備調(diào)色板（自然、彩虹、灰度、梯度等14種顏色組合）、差值技術(shù)、溫度范圍設(shè)置（以改變顏色分布或突出選擇范圍等）、等溫線模式、選區(qū)分析（點、線、多邊形等）、溫度掃描（顯示所選線的溫度分布曲線等）、剖面溫度、時間圖等；具備報告模式等；
8) RGB成像（選配）：高靈敏度RGB成像，1-40倍放大，可進行micro和macro成像分析，可選配其它高分辨率成像傳感器
應(yīng)用案例：生菜幼苗病害快速無損檢測與抗性品種鑒定
德國萊布尼茨蔬菜和觀賞植物研究所IGZ的Sandmann研究組將剛發(fā)芽的生菜幼苗人工感染立枯絲核菌（Rhizoctonia solani），然后綜合采用葉綠素?zé)晒獬上窦夹g(shù)、多光譜熒光成像技術(shù)、紅外熱成像技術(shù)及植物反射光譜NDVI成像，對不同成像參數(shù)進行了分析，以確定哪些技術(shù)的哪些參數(shù)能夠更靈敏地將感染病害的植株和未感染的植株區(qū)分開，實現(xiàn)高通量非損傷在線分析測量篩選：
結(jié)果發(fā)現(xiàn)，感染病害的植株和未感染的植株之間，最大光化學(xué)效率Fv/Fm、熒光衰減指數(shù)Rfd、NDVI、作物水脅迫指數(shù)I1、光合有效葉面積日相對生長速率Arel、多光譜熒光F440、F520等參數(shù)都表現(xiàn)出顯著差異。通過進一步數(shù)據(jù)統(tǒng)計分析最終發(fā)現(xiàn)Fv/Fm、Rfd在本次實驗中的識別效果好，誤差小于等于0.052，F(xiàn)v/Fm＞0.73的生菜幼苗即可認(rèn)為是健康的。研究人員希望通過進一步工作，將這一發(fā)現(xiàn)應(yīng)用于園藝和農(nóng)業(yè)生產(chǎn)實踐，比如優(yōu)良抗病蔬菜品種的選育、病害的早期發(fā)現(xiàn)與防治等。
參考文獻(xiàn)：
1.Ali Moghimi etc. A Novel Approach to Assess Salt Stress Tolerance in Wheat Using Hyperspectral Imaging. Frontiers in Plant Science, 2018
2.Brooke Bruning etc. The development of Hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat. Frontiers in Plant Science, 2019）
3.E．Alisaac etc. Hyperspectral quantification of wheat resistance to Fusarium head blight: comparison of two Fusarium species. Eur J Plant Pathol, 2018
4.Sandmann M, et al. 2018. The use of features from fluorescence, thermography and NDVI imaging to detect biotic stress in lettuce. Plant Disease 102: 1101-1107