葉片葉綠素含量在反映植物脅迫和營養狀況方面起著重要作用。傳統的葉綠素含量定量方法主要有丙酮乙醇萃取法、分光光度法和高效液相色譜法。這種基于實驗室程序的破壞性方法耗時、昂貴且不適合高通量分析。高通量成像技術現在廣泛用于植物表型性狀的非破壞性分析。在這項研究中，三個成像模塊（RGB、高光譜和熒光成像）分別和組合用于估計溫室環境中高粱植物的葉綠素含量。從這三類圖像中提取顏色特征、光譜指數和葉綠素熒光強度，建立多元線性回歸模型和PLSR（偏最小二乘回歸）模型，根據圖像特征預測葉片葉綠素含量（手持式葉綠素儀測量）。



RGB 圖像單一顏色特征的模型預測葉綠素含量R2 范圍為 0.67 到 0.88。使用從高光譜圖像中提取的三個光譜指數（植被指數、歸一化植被指數 和 修正葉綠素吸收比指數）的模型預測葉綠素含量，R2 范圍為 0.77 至 0.78。利用從熒光圖像中提取的熒光強度模型預測葉綠素含量，R2 為 0.79。綜合三個不同成像模塊提取的所有圖像特征的 PLSR 模型在預測葉綠素含量方面表現出最佳性能，R2 為 0.90。還發現在基于圖像的模型中加入 SLW（比葉重）進一步提高了葉綠素預測的準確性。


在我們的研究中測試的所有三個成像模塊（RGB、高光譜和熒光）都可以很好地估計高粱植物的葉綠素含量。將來自不同成像模塊的圖像特征與 PLSR 建模相結合，顯著提高了預測性能。基于圖像的表型分析可以提供一種快速且無損的方法來估計高粱中的葉綠素含量。

來源：Plant Methods.High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion.Huichun Zhang, Yufeng Ge, Xinyan Xie, Abbas Atefi, Nuwan K. Wijewardane & Suresh Thapa
https://plantmethods.biomedcentral.com/articles/10.1186/s13007-022-00892-0#author-information