PhenoTron PTS植物分光イメージング検出プラットフォーム

PhenoTron PTS）植物スペクトルイメージング測定プラットフォームはPTS（Plant-To-Sensor）植物自動転送技術を採用し、高スペクトルイメージング分析、クロロフィル蛍光イメージング分析、赤外熱イメージング分析などの国際先進的なイメージング分析技術を集積し、サンプルは転送プラットフォームを通じて対応するイメージングワークステーションに自動転送され、高スループット、無損傷反射光イメージング、クロロフィル蛍光イメージング、多スペクトル蛍光イメージング及び赤外熱放射イメージング分析などを実現し、作物表現型分析、種質資源検出研究、遺伝育種、耐性スクリーニング、植物生理生態研究、光生物学研究、果実野菜品質検査などに広く応用されている。

基本的な構成が高スペクトルイメージングとクロロフィル蛍光イメージングの場合、このシステムはPhneoTron-HFとも呼ばれる。

上左図は、葉が太陽光を吸収した後の一部が反射（または透過）され、一部が吸収された後（主に赤色青色光）に光合成され、一部が葉緑素蛍光の形で散逸され、一部が熱の形で散逸されたことを示している。上右図は機器内部イメージングステーション

次の左図はPhenoTron PTS植物がクロロフィル蛍光イメージングと高スペクトルイメージングステーション（PhenoTron-HF）に転送してイメージング分析を行う。下右図は草アンモニウムホスフィンの擬南マスタード光合成に対する生理的影響（クロロフィル蛍光イメージング分析、易科泰Ecolab実験室より提供）

主な技術特徴：

1)PTS（Plant-to-Sensor）技術プラットフォーム、デュアルレール式同期昇降制御、SpectraScan©高精度移動走査プラットフォーム、サンプルを精密変位プラットフォーム上に置いて自動的に撮像ユニットに搬送して撮像分析を行うことができる

2)クロロフィル蛍光イメージング、マルチスペクトル蛍光イメージング、高スペクトルイメージング、Thermo-RGBイメージングなどを含むマルチセンサイメージング

3)培養植物、葉、果実、種子の発芽と種苗、根系及び藻類などに対して表現型性状イメージング測定分析を行うことができる

4)モジュール式構造設計、強大なシステム拡張機能を備え、遠隔制御、自動運転データ収集ストレージ

5)組み込みホスト、タッチスクリーン制御、全中国語オペレーティングシステム

6)植物の表現型、種質資源の測定鑑定、作物の生理生態、藻類及び海洋植物の研究測定などにワンストップソリューションを提供する

7）ホストシステムはキャスター付きで、移動が便利で、実験室や温室などの作業環境に適応する

主な技術指標：

1）葉緑素蛍光イメージングステーション：

a)専門高感度葉緑素蛍光イメージングCCD、フレームレート50 fps、解像度720 x×560画素、画素サイズ8.6×8.3µm

b)光化学光最大1000µmol.m^-2. s^-1調整可能、飽和パルス3900µmol.m^-2. s^-1

c)Fv/Fm、Kautsky誘導効果、蛍光クエンチ分析、光応答曲線などのprotocolsを自動運転可能

d)50以上の葉緑素蛍光自動測定分析パラメータ、以下を含む：Fv/Fm、Fv'/Fm'、Y（II）、NPQ、qN、qP、Rfd、ETRなど、自動的に葉緑素蛍光パラメータ図を形成する

e)自動同期表示葉緑素蛍光パラメータ及びパラメータ図、葉緑素蛍光動態曲線、葉緑素蛍光パラメータ周波数ヒストグラム

2）マルチスペクトル蛍光イメージングステーション：紫外光励起マルチスペクトル蛍光イメージング、ポリフェノールとフラボノイド類などの二次代謝産物の動態変化、クロロフィル動態変化、植物老化、植物病虫害ストレス及び非生物ストレスなどを反映する

a）高解像度CCDレンズ、1392 x 1040画素、有効画素サイズは6.45μmで、感度を高めるために画素重畳（binning）が可能（2 x 2、3 x 3、4 x 4）

b）マルチスペクトル蛍光F 440、F 520、F 690、F 740及びその他の生体蛍光現象をイメージング測定するための7ビットフィルタ及びフィルタ

3）自動測定分析機能（無人）：1つまたは2つの試験プログラムを予め設定でき、システムは自動測定貯蔵でき、例えば昼間自動タイミングでKautsky誘導効果プログラムを実行し、夜間自動タイミングで蛍光クエンチ分析プログラムを実行する

4）GFP／YFP定常蛍光イメージング、またはLUCフルオレセインイメージングをオプションで配合可能

5）紫外線、赤色光、緑色光、青色光、青色光、遠赤などの異なる波長帯光源を選択的に配置することができる

6）葉緑素蛍光イメージングとマルチスペクトル蛍光イメージングツールLive（実況試験）、Protocol（実験プログラム選択）、Pre-processing（イメージング前処理）、Result（イメージング解析結果）などのメニュー、Protocol実験プログラムは自由に編集でき、Protocolメニューのガイドプログラムテンプレートを利用して顧客が自由に新しい実験プログラムを作成できる

7）高スペクトルイメージングステーション：標準配置は400-1000 nm可視光近赤外と900-1700 nm短波赤外高スペクトルイメージング分析であり、1000-2500年SWIR高スペクトルイメージングセンサを選択配置することができるか

a）帯域数：224チャンネル

b）スペクトル分解能：FWHM 5.5nm（400-1000nm）、8nm（900-1700nm）

c）空間分解能：1024 x（400-1000 nm）、640 x（900-1700 nm）、その他の分解能高スペクトルイメージングを選択可能

d）信号対雑音比600：1（400〜1000 nm）、1000：1（900〜1700 nm）

e)イメージング測定分析可能作物の生化学、生理指標例えばクロロフィル含有量、アントシアニン含有量、カロチン含有量、光利用効率、健康指数、被覆度、ストレス、NDNI正規化N指数、NDWI正規化水指数、MSI水分ストレス指数など

左から順に：小麦N素と水分状態高分光イメージング分析（Brooke Bruningなど）、小麦の耐塩基性高分光イメージング検査（Ali Moghimiなど、2018）、小麦鎌菌耐性検査（E.Alisacなど、2018）

8）赤外線熱イメージング：

a）分解能：640×512画素、他の高分解能赤外熱イメージングセンサを選択可能

b）測定温度範囲：-25℃－150℃

c）感度：0.03℃（30 mK）@30℃

d）スペクトル範囲：7.5－13.5μm

e）センサー：非冷凍赤外線焦点平面センサー、多点校正済み（校正証明書を備える）

f）1〜14倍デジタルズーム

g）ソフトウェアはパレット（自然、虹、階調、勾配など14種類の色組み合わせ）、差分技術、温度範囲設定（色分布や選択範囲などを変更するため）、等温線モード、選挙区分析（点、線、多角形など）、温度スキャン（選択線の温度分布曲線などを表示する）、断面温度、時間図などを備える、画像情報を表示できます。報告モードなどを備える、制御可能な設定

9）RGBイメージング：高感度RGBイメージング、1-40倍増幅、microとmacroイメージング分析ができ、他の高解像度イメージングセンサを選択することができる

海洋大学顧客カスタマイズシステムの設置調整と実験運転、右図の実験サンプルは昆布

応用例：レタス苗病害の迅速無損失検査と抵抗性品種の鑑定

農作物は種子の発芽成長過程で様々な病害に遭遇するため、高抗病性品種の選択育成に非常に重要である。また、迅速、無傷、簡便、確実に病害の発生を検出することができれば、病害症状が発生する前にも検出することができ、育種周期の短縮にも生産実践の指導にも非常に重要な意義がある。

ドイツのライプニッツ野菜・観賞植物研究所IGZのSandmann研究チームは、発芽したばかりのレタスの苗を立枯糸核菌（Rhizoctonia solani）、それからクロロフィル蛍光イメージング技術、マルチスペクトル蛍光イメージング技術、赤外熱イメージング技術及び植物反射スペクトルNDVIイメージングを総合的に採用し、異なるイメージングパラメータに対して分析を行い、どの技術のどのパラメータが感染病害の植物と感染していない植物をより敏感に区別でき、高フラックス非損傷オンライン分析測定スクリーニングを実現する：

その結果、感染病害の植物と未感染の植物の間に、最大光化学効率Fv/Fm、蛍光減衰指数Rfd、NDVI、作物水ストレス指数I 1、光合成有効葉面積の日相対成長速度A_rel、マルチスペクトル蛍光F 440、F 520などのパラメータはいずれも有意な差を示した。さらにデータ統計分析を通じて、最終的にFv/Fm、Rfdの今回の実験における識別効果が最も良く、誤差≦0.052、Fv/Fm＞0.73のレタス苗は健康であると考えられる。研究者はさらに仕事を通じて、この発見を園芸と農業生産実践、例えば優良抗病野菜品種の選別、病害の早期発見と予防・治療などに応用したいと考えている。

参考文献：

1)Ali Moghimi etc.A Novel Approach to Assess Salt Stress Tolerance in Wheat Using Hyperspectral Imaging.Frontiers in Plant Science, 2018

2)Brooke Bruning etc. The development of Hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat. Frontiers in Plant Science, 2019）

3)E．Alisaac etc.Hyperspectral quantification of wheat resistance to Fusarium head blight: comparison of two Fusarium species. Eur J Plant Pathol, 2018

4)Sandmann M,et al.2018. The use of features from fluorescence, thermography and NDVI imaging to detect biotic stress in lettuce. Plant Disease 102: 1101-1107