叶绿素含量在指示植物胁迫和营养状况方面起着重要作用。传统的叶绿素含量定量方法主要包括丙酮乙醇提取、分光光度法和高效液相色谱法。以上基于实验室程序的破坏性方法耗时、昂贵，不适合高通量表型分析。高通量成像技术已广泛应用于植物表型性状的无损分析。本研究利用RGB、高光谱和荧光成像三个成像模块对温室高粱植株的叶绿素含量进行了研究。

不同DAS(播种后天数)的高粱种植照片

从背景中分割植物像素的连续步骤

首先，从这三类图像中提取颜色特征、光谱指数和叶绿素荧光强度，并根据图像特征建立回归模型预测叶片叶绿素含量(用手持叶绿素仪测量)。此外，还研究了包含两个附加变量DAS(播后天数)和SLW(比叶重)的模型，改进叶绿素的预测。结果显示，不同颜色组分的多重线性模型的叶绿素浓度R²分别为R为0.77、G为0.79、B为0.70。为了获得额外的光谱信息，在变换颜色空间后计算颜色分量H、S和I。HSI空间结果表明，多个线性模型的叶绿素浓度R²为H为0.67，S为0.88，I为0.77。比值植被指数(RVI)、归一化植被指数(NDVI)、修正叶绿素吸收比指数(MCARI)等不同高光谱指数的R²值在0.77 ~ 0.78之间，荧光图像R²值为0.79。采用偏最小二乘回归(PLSR)方法，利用不同成像数据计算的植被指数估算高粱植株的叶绿素浓度。在所有成像数据中，叶绿素含量的预测精度较高(R²为0.84～2.92，RPD为2.49～3.58)。

从荧光图像中提取植物叶绿素含量的图像处理步骤的流程

根据Akaike的信息准则(AIC)误差函数，基于图像、DAS和SLW的模型拟合效果优于基于图像和DAS的模型。本研究表明，结合DAS和SLW的图像特征可以提高叶绿素估算的精度。综上所述，高通量成像提供了一种简单，快速，无损的方法来估计叶片叶绿素浓度。

MC100测得的Chl值与R、G、B分量及DAS预测值的相关性

来源：

Zhang H, Ge Y, Xie X, et al. Estimation of the Chlorophyll Concentration in Sorghum Using Three High Throughput Phenotyping Imaging Techniques. Plant Methods, DOI:10.21203/rs.3.rs-407791/v1.