综述：高光谱成像用于植物初级和次级代谢物的检测和分类-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

技术与服务

全部分类

综述：高光谱成像用于植物初级和次级代谢物的检测和分类

发布时间：

2025-11-21

来源：

作者：

高光谱成像（HSI）是一种无损技术，可同时捕获多个波长的光谱和空间信息。检测对生长至关重要的初级代谢产物和对植物防御、人类健康至关重要的次级代谢产物已变得越来越重要。传统方法（例如层析和MS）虽然准确，但具有破坏性、耗时、费力等缺点。本综述探讨了HSI作为代谢物检测和分类的快速、非侵入性工具的潜力，强调了其在精准农业、植物表型分型和药用植物研究中的作用。本综述总结了HSI的原理、硬件组件、图像采集策略和处理技术。特别关注集成机器学习，以从多维光谱数据中提取和分类生化信息。

研究表明，HSI结合ML技术为药用植物次生代谢产物的检测和分类提供了强有力的非破坏性方法。通过捕获详细的光谱数据，HSI可以早期检测与压力相关的变化并准确评估代谢物水平，而ML算法可以增强数据解释和预测能力。模型性能通常因代谢物的化学结构而异，糖和有机酸等较简单的分子通常比生物碱、萜类化合物或糖苷等复杂的次级代谢物产生更一致和可预测的光谱模式。换言之，HSI能够准确、实时地评估植物代谢谱；机器学习方法增强了预测性能。而成像传感器、照明系统和计算工具的进步正在提高其适用性。

另外，HSI生成的大量数据需要复杂的分析技术（例如ML和深度学习算法）来提取有意义的信息。校准和标准化问题可能会影响结果的可靠性，而实现检测微小代谢物变化所需的空间和光谱分辨率可能在技术上要求高且成本高昂，因此未来的研究应专注于完善这些技术并解决以上挑战，以提高其实际实用性。

综上，本综述强调HSI是植物代谢组学领域的变革工具，为传统方法提供可扩展、快速和可持续的替代方案，HSI和ML的整合具有提高农业生产力和药用植物应用的巨大潜力。

图1. 一般植物反射光谱

图2. HSI成像系统的图像采集方法

图3. 高光谱图像处理工作流程

图4. 原始近红外吸收光谱、MSC处理、SNV处理和Savitzky-Golay二阶处理的光谱

图5. 机器学习算法应用于不同研究

表1. 主要初级代谢物的关键吸收带

表2. 主要次级代谢物的关键吸收带

表3. 比较各种类型的高光谱成像技术

表4. 最近使用高光谱成像进行植物表型分析的研究

表5. 可用作特征载体的各种植被指数

来源

M. Raghav, A. Dubey, and J. Singh, “ Hyperspectral Imaging for Detection and Classification of Plant Primary and Secondary Metabolites: A Review,” Phytochemical Analysis (2025): 1–24, https://doi.org/10.1002/pca.70029.

编辑

JAYz

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示