2019年10月，Plant Phenomics刊發了來自日本靜岡大學Kazumasa Wakamori和Hiroshi Mineno撰寫的題為Optical Flow-BasedAnalysis of the Relationships between Leaf Wilting and Stem Diameter Variationsin Tomato Plants的研究論文，作者在不采用深度神經網絡等黑盒方法的情況下，研究了葉片萎蔫與莖直徑變化的關系。Hiroshi Mineno為該文章的通訊作者。

水分脅迫的估計對進行優質果品的生產至關重要。多模態深度神經網絡已成功地將莖桿直徑變化作為一種估計水分脅迫的指數，該指標根據葉片萎蔫和環境數據計算。然而，這些研究并沒有揭示葉片萎蔫在評估中的具體作用。揭示葉片萎蔫的作用不僅保證了評估模型的可靠性，而且為改進評估方法提供了契機。本文在不采用深度神經網絡等黑盒方法的情況下，研究了葉片萎蔫與莖直徑變化的關系。為了闡明葉片萎蔫的作用，采用互相關分析方法，以光流法量化葉片萎蔫，并分析其與莖直徑變化之間的時滯相關性，并將其作為一種水分脅迫指數。分析表明，葉片萎蔫與莖直徑短期變化時滯相關性顯著，這是植株對水分脅迫的響應。本研究的結果與已知的植物-水運輸機制一致，說明使用光流法量化葉片萎蔫可以解釋莖直徑短期變化。

Fig1:Data collection environment.Overhead view of the greenhouse(a), overhead view of a cultivation line (b), layout of measuring equipment forone targeted tomato plant (c).

Fig2: Relationships between cross-correlation and environmentaldata. 

Relationships between the maximum cross-correlation coefficient and themean PPFD (a) and mean VPD (b). The relationships between the time lags andmean PPFD (c) and mean VPD (d).

本研究的結果有四個局限性：

首先，其他環境條件下可能不會出現本研究描述的葉片萎蔫和莖直徑變化之間的關系。本研究假定的蒸騰平衡條件基于以下事實：環境條件在5分鐘的時間間隔內不變。因此，在蒸騰不平衡條件下，例如在陰天，沒有發現時滯相關性。在蒸騰不平衡條件下，由于蒸騰驅動力的變化，莖直徑的變化會影響葉片的萎蔫狀態。未來的研究需要開發一種分析方法，闡明包括蒸騰不平衡在內的各種環境條件下，莖直徑和葉片萎蔫之間的關系。

其次，本研究發現不同類型植物的蒸騰速率和最大水勢各不相同，并且還受其生長階段的影響。因此，包括相關系數、時滯和回歸方程在內的量化結果可能不適用于其他植物。再次，本研究僅分析了水分脅迫下葉片相對萎蔫與相對莖直徑之間的關系。與植物水分脅迫或蒸騰相關的生物因素有很多，如土壤水勢、氣孔導度、CO2水平等，本研究的結果與這些因素之間是否存在關系尚不清楚。未來，應該收集這些生物指標的相關數據并進行詳盡的分析。最后，在有限的灌溉條件下，植株會發生卷葉和葉片萎蔫兩種現象。基于光流法的分析方法無法檢測和定量葉片卷曲，但是，還是有必要建立基于葉片整體狀態的更健壯的灌溉控制機制。葉片卷曲會導致其三維（3D）性狀發生變化，可以使用深度相機（可以獲得深度數據和RGB信息）檢測這種變化。在未來的研究中希望檢驗深度相機對葉況量化的適用性。

How to Cite this Article

Kazumasa Wakamori and Hiroshi Mineno, “Optical Flow-Based Analysis of the Relationships between Leaf Wilting and Stem Diameter Variations in Tomato Plants” Plant Phenomics,vol. 2019,Article ID 9136298, 12 pages, 2019. https://doi.org/10.34133/2019/9136298

Latest Articles

Jobs | 南京農業大學作物表型分析團隊博士后、博士職位

Report | 園藝植物表型組學研究進展

Article | 精確表型研究揭示新的小麥葉枯病定量抗性基因位點

Article | 評估碳同位素識別值在小麥育種中的應用

Article | 利用機器視覺量化葡萄白粉病嚴重程度的高通量表型系統

Article | 利用表型組學輔助篩選技術開發高效植物育種表型預測因子

Article | 基于深度學習的識別田間條件下小麥的穗區域的表型分析方法

Article | 來陣風，就知道！一種植物無損快速振動表型分析方法

Article | 一種用于高粱頭狀花序檢測和計數的弱監督深度學習框架

Article | 用于估計穗密度和地上生物量的莖特征高通量測量方法

Article | 新方法！預測蕓薹屬植物花期耐熱抗旱性的無損表型測量方法

Article | 將FAIR原理應用于GnpIS植物表型數據管理

Article | instaGraminoid，一種評估除草劑抗性的新型比色法

Article | 利用高通量表型技術探索三種植物種類對真菌菌根和鋅的生長反應

Article | 如何利用卷積神經網絡診斷植物病害 

Perspective | 植物表型：過去、現在和未來

Editorial | 植物表型組學：一種新興的跨學科科學

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行，是Science合作出版的第二本期刊。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。2019年8月，已正式被DOAJ數據庫收錄。

翻譯：孫港

編輯：黃藝清（實習）

審核：孔敏、尹歡