人参是一种多年生草本植物，自古以来就被广泛用于药用和膳食。人参需要阴凉的环境和较低的气温以便更好的成长，但是气候变暖和热浪的不断增加会对人参的产量质量产生负面影响。韩国的气温正在不断超出正常预期并严重威胁人参的健康生长，因此在症状出现前对栽培的人参进行早期非破坏性诊断对人参的高质量生产至关重要。本研究展示了基于荧光高光谱成像实现对四个人参植物品种（Chunpoong, Jakyeong, Sunil, Sunmyoung）的热胁迫早期高通量检测和叶绿素含量预测。分别将人参暴露于热胁迫之前和之后，获取这四个品种（温度敏感和温度抗性）的 80 株植物的高光谱成像数据。使用SPAD-502仪器进行了叶绿素含量的非破坏性测量。相应地，从感兴趣区域（ROI）提取每个叶子的平均光谱数据。进行方差分析（ANOVA）用于区分受到热胁迫的人参，其准确度达到了96%。提取的光谱数据结合多种预处理技术建立偏最小二乘回归（PLSR）模型，以预测人参中与叶绿素浓度含量。PLSR分析得到的结果显示了更高的决定系数R2为 0.90，和均方根误差RMSE为3.59%。此外，通过逐步回归（SR）筛选出五个高相关性的波段（683nm、688nm、703nm、731nm和745nm）并建立PLSR模型，使用建立的模型在图像中创建绿色水平浓度可视化图，以预测与图像中每个像素相关的叶绿素含量水平，这张用像素方法绘制的化学图谱有助于评估对照、敏感和抗性人参的绿色水平或相对叶绿素浓度。敏感的人参植株受到的影响比抗性品种更强烈。这些发现表明，通过ANOVA和SR分析得到的光谱波段可用于开发人参早期热胁迫评估的低成本便携式仪器。 

图1 敏感（a，b）和抗性（c，d）四个人参品种叶子彩色图像

图2 用于数据采集的高光谱成像系统

图3数据处理流程

图4 （a）原始的光谱数据；（b）基于SNV（standard normal variate）预处理的光谱数据

图5 生成波段比值图像的关键步骤：（a）清洁的无背景高光谱图像，（b）ANOVA选择的波段图像，（c）731.6/745.9nm分割得到的比值图像，（d）对照的阈值比值图像，显示了受胁迫植物的黑白图像

图6 通过单因素方差分析获得了双波段比值（731.6/745.9）的F值；等高线图右侧的色标表示F值从蓝色增加到红色

图7 结果图像可视化对照（顶部）和热应激人参植物（底部）：（a，b）在受到热应激之前；（e，f）暴露于热应激之后；（c，d）在受到热应激之前，（g，h）暴露于热应激之后

图8  a，b中的散点图显示了植物中实际测量的叶绿素数量与仪表读数中预测的叶绿素数量之间的强相关性

图9 用于预测人参植物叶片绿色水平含量的偏最小二乘回归模型的β系数曲线。

图10 受到热胁迫（a）之前和（b）之后的第一个敏感品种，（c）表示预测PLS图像的相关直方图；受到热胁迫（d）之前和（e）之后的第二个敏感品种，（f）表示预测PLS图像的相关直方图

图11 受到热胁迫（a）之前和（b）之后的第一个抗性品种，（c）预测PLS图像的相关直方图；受到热胁迫（d）之前和（e）之后的第二个抗性品种，（f）表示预测PLS图像的相关直方图