PlantScreen高スループット植物表現型イメージング解析プラットフォーム（コンベア版）（二）-グローバルベンダー

製品グループ

会社情報

取引レベル

VIP会員
連絡先
電話番号

13671083121
アドレス

北京市海淀区高里掌路3号院6号棟1単元101 B

今すぐ連絡する

PlantScreen高スループット植物表現型イメージング解析プラットフォーム（コンベア版）（二）

ベンダーへの問い合わせ

その他の製品

製品の詳細

PlantScreen高スループット植物表現型イメージング解析プラットフォーム（コンベア版）（二）

10.ルートイメージング解析

·RhizoTronルーフ技術、全自動イメージング分析、標準ルーフ44 x 29.5 x 5.8 cm（高さx幅x厚さ）

·根系イメージング分析だけでなく、地上苗（shot）のイメージング分析も可能で、苗の高さは最大50 cm

·次世代CMOSセンサー、解像度12.3 MP

·均一LED光源

·3層位置決め（上部、中部、底部）根系灌漑システム（オプション）、3つのタンクが独立して運転する

·測定パラメータは以下を含む：根深さ（或いは高さ）、根冠幅、高さと幅比値、根冠面積、根冠締固め度、根系長さ、軸対称性、根尖数、根節数など

11.自動灌漑と秤量ユニット

·測定パラメータ：実重量、灌水体積、最終重量、各培養鉢の相対重量

·操作命令：各培養鉢に同じ量の水（絶対グラム数または実際の重量のパーセンテージ）をかける、相対重量を保持する、各培養鉢の灌漑量をカスタマイズして異なる干ばつまたは冠水ストレスをシミュレーションする、秤量前に自動的にゼロキャリブレーションを行い、既知の重量（例えば分銅）の物品によって自動的に再キャリブレーションを行うこともできる

·各培養槽の灌水量、日付、時間はそれぞれプログラム制御記録を用いて異なる干ばつストレス勾配等を作成し、システム全体の表現型ビッグデータとシームレスに結合分析することができる

·秤量精度：大型植物±2 g、小型植物±0.2 g

·灌漑ユニット：流速3 L/min、灌漑口の高さは自動的に上下前後に調整でき、最適な灌漑位置を保証する

12.じどうかしょくぶつでんたつシステム

·転送植物サイズ：お客様のニーズに応じて、最高200 cmまで

·コンベア収納量：50鉢の植物（1000本の小型植物）、100鉢、200鉢、400鉢などのより大容量を拡張できる、表現型分析フラックスは異なるprotocolによって決まり、100分でシステム全体の負荷植物サンプルの表現型分析を完成することができ、ランダムにイメージング室に転送してイメージング分析、ランダム灌漑を行うことができる

·培養鉢：UVカットポリプロピレン材料、標準5 L（口径24 cm）培養鉢、アダプターを通じて3 L培養鉢を応用でき、360度回転できる

·システム待機モードでの手動サンプリング分析実験、グループ実験分析などのための手動サンプリング（manual loading loop）を備えている

·レーザー植物高度測定監視システムとレーザー測位システムを備える

·環状伝送路：トランスミッションを備えた三相非同期モータ、出力200-1000 W、最大負荷500 kg、速度150 mm/s、伝送ベルト材料はUVカット高耐PVC

·移動制御システム：中央処理ユニットCJ 2 M−CPU 33、デジタル入出力最大2560点、入出力部最大40、温度センサPt 1000は、Pt100，PTC；PLC通信100メガイーサネット、OMRON MECHATROLINK-II最大16軸精密位置決め

·RFIDタグとQR植物識別システムは、各サンプルトレイ上の2次元コードを自動的に読み取る、識別距離2 ~ 20 cm、通信RS 485、1次元、2次元、QRコードを読み取ることができます。LED光源を搭載し、弱い光の下で識別しやすい

·環境モニタリングセンサ：温湿度センサ、PAR光合成有効放射センサ

·主制御システムによって各サンプルトレイの測定時間、測定順序、測定パラメータ、灌漑時間と灌漑量をそれぞれ自動制御し、測定ユニットから培養室までのサンプル運転の全過程は完全な自動制御を実現でき、無人で事前設定手順に従ってすべての実験測定作業を自ら完成する。

13.主制御表現型ビッグデータプラットフォーム

·構成：制御スケジューリングサーバ、クライアントアプリケーションサーバ、データサーバ、プログラム可能論理コントローラ及び専門分析ソフトウェアなど、データ容量12 TB

·自動制御と分析機能：ユーザー定義、編集可能自動測定プログラム（protocols）を備え、ユーザー設定プログラムに基づいて自動的にすべての実験を完了する。データ結果は自動的に保存され分析され、分析されたデータ結果は自動的に動的曲線として表示されます。

·MySQLデータベース管理システムは、数千万件の記録を持つ大型データベースを処理することができ、多種のストレージエンジンをサポートし、関連データはデータベース中の異なるテーブルに自動的に格納される

·植物コード登録機能：植物識別コード、所在するパレットの識別コードなどを含んでデータベースに保存し、測定時に自動的に抽出してバーコードまたはRFIDタグを読み取る

·タッチスクリーン操作インタフェース、植物パレットの数、光強度、測定状態と結果などをオンラインで表示し、ソフトウェアを通じてすべての機械部品とイメージングステーションを簡単に完全に制御する

·デフォルトプログラムを使用してすべての測定を行うことができ、開発ツールを使用してカスタム作業プロセスを作成することもできます。または、LED光源のオン/オフ、RGBイメージング、クロロフィル蛍光イメージング、高スペクトルイメージング、赤外熱イメージング、3 Dレーザースキャン、秤量、灌漑などを手動で操作することもできます

·羽根追跡監視機能（leaf tracking）モジュールは、羽根の成長、変化などを継続的に追跡監視することができる

·3 D投射技術は、高解像度RGBレンズまたはレーザー走査により3 Dモデルを構築することができ、投射技術により、葉緑素蛍光、赤外熱イメージング温度データ、近赤外データ、高スペクトルデータなどの他のセンサから得られたデータを3 Dモデルに投射して比較分析などを行うことができる

·ユーザーがインターネットを通じて遠隔アクセスし、データ処理、ダウンロード、および実験設計の変更を行うことを許可する

·測定されたすべてのデータは透過的で追跡可能です

·ユーザー権限の階層化機能を備え、他の人の誤操作による実験への影響を防止する

·メーカーの遠隔故障診断、ソフトウェアの生涯無料アップグレード

実行基準：

·CE認証基準

·CSN EN 60529防護等級基準

·CSN 33 01 65導体側識別基準

·CSN 33 2000-3基礎特性基準

·CSN 33 2000-4-41 ed.2電撃保護基準

·CSN 33 2000-4-43電源過負荷保護基準

·CSN 33 2000-5-51 ed.2共通規則規格

·CSN 33 2000-5-523許容電流基準

·CSN 33 2000-5-54 ed.2接地と保護導体規格

·CSN EN 55011工業、科学及び医学設備による電磁干渉測定の範囲及び方法

·2006/42/EG機械指令基準

·73/23/EEG低電圧指令基準

·2004/108/EG電磁適合性指令基準

附：一部参考文献

1.M. Sorrentino, G. Colla, Y. Rouphaelouphael, K. Panzarová, M. Trtílek. 2020. Lettuce reaction reaction to drought stress: automated high-throughput phenotyping of plant growth and photosynthetic performance. ISHS Acta Horticulturae 1268.

2.Adhikari, P., Adhikari, T. B., Louws, F.F. J., & Panthee, D. R. 2020. Advances and Challenges in Bacterial Spot Resistance Breeding in Tomato (Solanum lycopersicum L.). International Journal of Molecular Sciences, 21(5), 1734.

3.Yang, W., Feng, H., Zhang, X., Zhang, J., Doonan, J. H., Et Al. 2020. Crop Phenomics and High-throughput Phenotyping: Past Decades, Current rent Challenges and Future Perspectives. Molecular Plant, 13(2), 187-214

4.Husičková, A., Humplík, J. F., Hýbl, M.,M., Spíchal, L., & Lazár, D. 2019. Analysis of Cold-Developed vs. Cold-Acclimated Leaves Reveals Various Strategies of Cold Acclimation of Field Pea Cultivars. Remote Sensing, 11(24), 2964

5.Singh, A.K., Yadav, B.S., Dhanapal, S., Berliner, M., Finkelshtein, A., Chamovitz, D.A. 2019. CSN5A Subunit of COP9 Signalosome Temporally Buffers Response to Heat inArabidopsis. Biomolecules 2019, 9, 805.

6.Janečková, H., Husičková, A., Lazár, D., Ferretti, U., Pospíšil, P., &Špundová, M. 2019. Exogenous application of cytokinin during dark senescence eliminates the acceleration of photosystem II impairment caused by chlorophyll b deficiency in barley. Plant Physiology and Biochemistry, 136, 43–51

7.Marchetti, C. F., Ugena, L., Humplík, J. F., Polák, M., et al. 2019. A Novel Image-Based Screening Method to Study Water-Deficit Response and Recovery of Barley Populations Using Canopy Dynamics Phenotyping and Simple Metabolite Profiling. Frontiers in Plant Science, 10, 1252.

8.Rungrat T., Almonte A. A., Cheng R.,R., et al. 2019. A Genome-Wide Association Study of Non-Photochemical Quenching in response to local seasonal climates inArabidopsis thaliana, Plant Direct, 3(5), e00138

9.Pavicic M,et al.2019. High throughput invitro seed germination screen identifed new ABA responsive RING‑type ubiquitin E3 ligases inArabidopsis thaliana. Plant Cell, Tissue and Organ Culture 139: 563-575

10.Wen Z., et al. 2019. Chlorophyll fluorescence imaging for monitoring effects ofHeterobasidion parviporumsmall secreted protein induced cell death andin plantadefense gene expression. Fungal Genetics and Biology 126: 37-49

11.Gao G., Tester M. A., Julkowska M. 2019. The use of high throughput phenotyping for assessment of heat stress-induced changes inArabidopsis. Biorvix, 838102.

12.Paul K., Sorrentino M., Lucini L., Rouphaelouphael Y. F., Cardarelli M., Bonini P., Begona M., Reyeynaud H.E., Canaguier R., Trtílek M., PanzarováK., Colla G. 2019. A Combined Phenotypic and Metabolomic Approach for Elucidating the Biostimulant Action of a Plant-derived Protein Hydrolysate on Tomato Grown un under Limited Water Availability. Frontiers in Plant Science, 10:493

13.Wang L., Poque S., Valkonen J. P. T. 2019. Phenotyping viral infection in sweetpotato using a high-throughput chlorophyll fluorescence and thermal imaging platform. Plant Methods, 15, 116

14.Paul K, Sorrentino M, Lucini L, Rouphaelouphael Y, Cardarelli M, Bonini P, Reynaud H,H, Canaguier R, Trtílek M, PanzarováK, Colla G. 2019. Understanding the Biostimulant Action of Vegetal-Derived Protein Hydrolysates by High-Throughput Plant Phenotyping and Metabolomics: A Case Study on Tomato. Frontiers in Plant Science, 10:47.

15.Gonzalez-Bayon, R., Shen, Y., Groszman, M., Zhu, A., Wang, A., et al. 2019. Senescence and defense pathways contribute to heterosis. Plant Physiology, 180, 240–252.

16.Julkowska, M. M., Saade, S., Agarwal Al, G., Gao, G., Pailles, Y., et al. 2019. MVApp–Multivaria analysis application for streamlined data analysis and curation. Plant Physiology, 180, 1261–1276.

17.Ganguly D. R., Stone B. A B., Eichten S. E., Pogson B. J. 2019. Excess light priming inArabidopsis thalianagenotypes with altered DNA methylomes, G3: Genes, Genomes, Genetics, 9(11), 3611-3621

18.Ameztoy, K., Baslam, M., Sánchez-Lópeópez,Á. M., Muñoz, F. J., et al. 2019. Plant responses to fungal volatiles involve global post-translational thiol redox proteome changes that affect photosynthesis. Plant, Cell & Environment, 42(9), 2627-2644.

19.Adhikari N. D., Simko I., Mou B. 2019. Phenomic and Physiological Analysis of Salinity Effects on Lettuce. Sensors 19, 4814.

20.Ugena L, HýlováA, PodlešákováK,K, Humplík J.F., Doležal K, Diego N, Spíchal L. 2018. Characterization of Biostimulant Mode of Action Using Novel Multi-Trait High-Throughput Screening of ofArabidopsisGermination and Rosette Growth. Frontiers in Plant Science, 9:1327.

21.Lyu, J. I., Kim, J. H., Chu, H., Taylor, M.M. A., Jung, S., et al. 2018. Natural allelic variation of GVS1 confers diversity in the regulation of leaf senescence inArabidopsis. New Phytologist, 221(4), 2320-2334

22.Ganguly D. R., Crisp P. A., Eichten S. R., et al. 2018. Maintenance of pre-existing DNA methylation states through recurring excess-light stress. Plant Cell and Environment. 41(7), 1657-1672.

23.Rouphael Y., Spíchal L., PanzarováK.,K., et al. 2018. High-throughput Plant Phenotypin ping for Developing Novel Biostimulants: From Lab to Field or FroFrom Field to Lab? Front. Plant Sci., 9:1197.

24.Coe R. A., Chatterjee J., Acebron K., et al. 2018. High-throughput chlorophyll fluorescence screening ofSetaria viridisfor mutants with altered CO₂compensation points. Functional Plant Biology. 45(10), 1017-1025

25.Fichman Y., Koncz Z., Reznik N., et al. 2018. SELENOPROTEIN O is a chloroplast protein involved in ROS scavenging and its absence increases dehydration tolerance in Arabidopsis thaliana. Plant Science. 41(7), 1657-1672

26.Sytar O., Zivcak M., Olsovska K., Brestic M. 2018. Perspectives in High-Throughput Phenotyping of Qualitative Traits at the Whole-Plant Level. In: Sengar R., Singh A. eds Eco-friendly Agro-biological Techniques for Enhancing Crop Productivity. Springer, Singapore, 213-243.

27.De Diego N., Fürst T., Humplík J. F., et al. 2017. An Automated Method for High-Throughput Screening of Arabidopsis Rosette Growth in Multi-Well Plates and Its Validation in Stress Conditions. Frontiers in Plant Science. 8.

28.Lobos G. A., Camargo A. V., del Pozo A., et al. 2017. Editorial: Plant Phenotyping and Phenomics for Plant Breeding. Front. Plant Sci. 8.

29.Pavicic M., Mouhu K., Wang F., et al. 2017. Genomic and Phenomic Screens for Flower Related RING Type Ubiquitin E3 Ligases in Arabidopsis. Frontiers in Plant Scienc. Volume 8.

30.Rungrat T., Awlia M., Brown M. et al. 2017. Monitoring Photosynthesis by In Vivo Chlorophyll Fluorescence: Application to High-Throughput Plant Phenotyping. The Arabidopsis Book 14: e0185. 2016

31.Simko I., Hayes R. J. and Furbank R. T. 2017. Non-destructive Phenotyping of Lettuce Plants in Early Stages of Development with Optical Sensors. Frontiers in Plant Science. 2016;7:1985.

32.Sytar O., Brestic M., Zivcak M., et al. 2017. Applying hyperspectral imaging to explore natural plant diversity towards improving salt stress tolerance. In Science of The Total Environment, 578, 90-99.

33.Sytar O., BrückováK., Kovár M., et al. 2017. Nondestructive detection and biochemical quantification of buckwheat leaves using visible VIS and near-infrared NIR hyperspectral reflectanceimaging. Journal of Central European Agriculture. 184, 864-878

34.Tschiersch H., Junker A., Meyer R. C., & Altmann, T. 2017. Establishment of integrated protocols for automated high throughput kinetic chlorophyll fluorescence analyses. Plant Methods, 13, 54.

35.Weber J., Kunz, C., Peteinatos, G., et al. 2017. Utilization of Chlorophyll Fluorescence Imaging Technology to Detect Plant Injury by Herbicides in Sugar Beet and Soybean. Weed Technology, 1-13.

36.Awlia M., Nigro A., Fajkus J., Schmöckel S.M., Negrão S., Santelia D., Trtílek M., Tester M., Julkowska M.M. and PanzarováK. 2016: High-throughput non-destructive phenotyping of traits contributing to salinity tolerance in Arabidopsis thaliana. Submitted Frontiers in Plant Sciences.

37.Bell J. and Dee M. H. 2016. The subset-matched Jaccard index for evaluation of Segmentation for Plant Images. Front Plant Sci. 2016; 7: 1985.

38.Bell J. and Dee M. H. 2016. Watching plants grow–a position paper on computer vision and Arabidopsis thaliana. IET Computer Vision. Volume 11, Issue 2, March 2017, p. 113– 121.

39.Bush M.S., Pierrat O, Nibau C, et al.2016. eIF4A RNA Helicase Associates with Cyclin-Dependent Protein Kinase A in Proliferating Cells and is Modulated by Phosphorylation. Plant Physiol. 2016 Jul 7,

40.Cruz J. A., Savage L. J., Zegarac R., et al. 2016. Dynamic Environmental Photosynthetic Imaging Reveals Emergent Phenotypes. Cell Systems, Volume 2, Issue 6, 2016, Pages 365-377.

41.Sytar O., Brestic M., Zivcak M . 2016. Noninvasive Methods to Support Metabolomic Studies Targeted at Plant Phenolics for Food and Medicinal Use. Plant Omics: Trends and Applications.

42.Humplik J.F., Lazar D., Husickova A. and Spichal L. 2015: Automated phenotyping of plant shoots using imaging methods for analysis of plant stress responses–a review. Plant Methods 11:29.

43.Humplik J.F., Lazar D., Fürst, T., Husickova A., Hybl, M. and Spichal L. 2015: Automated integrative high-throughput phenotyping of plant shoots: a case study of the cold-tolerance of pea Pisum sativum L.. Plant Methods 19;11:20.

44.Brown T.B., Cheng R., Sirault R.R., Rungrat T., Murray K.D., Trtilek M., Furbank R.T., Badger M., Pogson B.J., and Borevitz J.O. 2014: TraitCapture: genomic and environment modelling of plant phenomic data. Current Opinion in Plant Biology 18: pp. 73-79.

45.Mariam Awlia, et.al, 2016, High-Throughput Non-destructive Phenotyping of Traits that Contribute to Salinity Tolerance inArabidopsis thaliana, Frontiers in Plant Science, DOI: 10.3389/fpls.2016.01414

46.Ivan Simko, et.al, 2016, Phenomic approaches and tools for phytopathologists, Phytopathology, DOI: 10.1094/PHYTO-02-16-0082-RVW

47.Tepsuda Rungrat, et.al, 2016, Using Phenomic Analysis of Photosynthetic Function for Abiotic Stress Response Gene Discovery, The Arabidopsis Book 14: e0185, The American Society of Plant Biologists, DOI:http://dx.doi.org/10.1199/tab.0185

48.Jorge Marques da Silva, 2016, Monitoring Photosynthesis by In Vivo Chlorophyll Fluorescence: Application to High-Throughput Plant Phenotyping, Applied Photosynthesis - New Progress, Edition 1, Chapter 1, pp:3-22, DOI:http://dx.doi.org/10.5772/62391

49.Maxwell S. Bush, et.al, 2016, eIF4A RNA Helicase Associates with Cyclin-Dependent Protein Kinase A in Proliferating Cells and is Modulated by Phosphorylation. Plant Physiol., DOI: 10.1104/pp.16.00435

50.Ángela María Sánchez-López, et.al, 2016, Volatile compounds emitted by diverse phytopathogenic microorganisms promote plant growth and flowering through cytokinin action, Plant, Cell and Environment, DOI: 10.1111/pce.12759

51.Jan Humplík, et.al, 2015, Automated phenotyping of plant shoots using imaging methods for analysis of plant stress responses–a review, Plant Methods, 11: 29

52.Jan Humplík, et.al, 2015, Automated integrative high-throughput phenotyping of plant shoots: a case study of the cold-tolerance of peaPisum sativumL., Plant Methods, 11: 20

53.Pip Wilson, et.al, 2015, Genomic Diversity and Climate Adaptation inBrachypodium, Chapter Genetics and Genomics ofBrachypodium, Volume 18 of the series Plant Genetics and Genomics: Crops and Models, pp:107-127

54.Tim Brown, et.al, 2014, TraitCapture: genomic and environment modelling of plant phenomic data, Current Opinion in Plant Biology, 18: 73-79

55. Jan Humplík, et.al, 2014, High-throughput plant phenntyping facility in Palacky University in Olomouc, International Symposium on Auxins and Cytokinins in Plant Development

付属：その他の表現型分析プラットフォーム：

1、FKMマルチスペクトル蛍光動的顕微イメージングシステム