随着现代基因测序技术的进步，植物表型已成为作物改良计划的一个重要瓶颈。传统上，研究人员通过手工测量表型性状来帮助确定基因型-表型关系，但手工测量可能费时且昂贵。最近，自动化表型分析系统增加了测量的空间和时间密度，但大多数这些系统都非常昂贵，需要专门的专业知识。在本文中，我们开发并验证了一个低成本、可扩展、高通量的表型分析(High-throughput phenotyping，HTP)系统如图1，用于自动测量叶面积和绿度。

在一个关于非生物胁迫对蔓菁（Brassica rapa）影响的温室实验中，我们用一个花费约1000美元的系统，在一个多月的时间里，每小时收集数百种植物的图像，如图2和图3。与人工获取的图像（单反(DSLR)拍照）相比，该HTP系统能够产生类似的叶面积、绿度、生长趋势和胁迫反应的估计。为了计算每个平台的平均叶面积，计算每个平台图像的剩余“绿色”像素的数量，然后除以该平台上的植物数量。值大于零的像素的平均绿色指数为每个图像的平均绿色度。两组图像之间叶面积有相关性（图4和图5），而绿度无相关性（图6和图7）。

 图3 在整个实验的不同时期为同一植物手动采集的DSLR图像的示例（顶部），以及表示在平台周围裁剪后，表示DSLR图像每个像素的绿色指数的图像（底部）

图5 图表描述了对照和盐处理在单反相机（DSLR）图像的叶面积(cm2)方面的差异，以及这些差异是如何在发芽后的几天内增加的。每个数据点代表102到141个测量值之间的平均值。误差条表示同一天图像中叶面积估计的标准偏差。

来 源