高光譜成像技術用于檢測植物根系與葉片重金屬含量

重金屬污染是全球性環境問題。重金屬如鎘（Cd）、鉛（Pb）、銅（Cu）、鉻（Cr）、砷（As）等在土壤中的過量存在會影響土壤的肥力和植物的營養吸收。這些重金屬能夠通過根系進入植物體內，影響植物的正常生長發育，導致生長緩慢、葉色變黃、產量下降，甚至死亡；同時會通過食物鏈對人類健康造成威脅。

江蘇大學電子與信息工程學院等研究學者以油菜為實驗對象，使用添加不同濃度Pb試劑的營養液灌溉12天，采用離體的方式分別進行葉片和根系的高光譜成像。使用支持向量機（SVM）和SAE深度神經網絡對樣品中的鉛（Pb）含量建立模型并預測，發現SAE深度神經網絡模型精度較高。在SAE模型的基礎上使用遷移學習的方法得到T-SAE模型，并對油菜葉片和根系中的Pb含量進行預測，發現其精度有所提升，油菜葉片R²達到0.92，根系R²達0.93。基于此可以發現高光譜成像技術結合深度神經網絡能夠對油菜植物中的重金屬Pb進行定性定量檢測。

北京易科泰生態技術有限公司推出的RhizoTron^®植物根系高光譜成像系統，該系統基于根窗技術和多功能高光譜成像技術，可同時對植物根系（roots）和地上冠層（shoots）進行原位多功能高光譜成像，進而從反射光和熒光的兩個高光譜維度對植物及根系樣品的理化性質、生化組分、生理狀態進行綜合分析，為植物表型研究和生理生態研究提供了一種高效、無損的監測手段。通過非接觸、非損傷、數字化和可視化技術，為植物地上及地下部位形態、生理生化特性及其與環境互作關系的研究提供了強有力的支持。

隨著高光譜成像技術與深度學習模型的結合，不僅能夠對植物體內（地上冠層、地下根系）的重金屬含量進行更精確的評估，而且為環境監測和植物健康研究提供了新的可能性。展望未來，易科泰生態將繼續深耕于生態健康領域，為環境監測和植物健康研究貢獻自己的力量！