复杂胁迫下作物产量早期预测的挑战与瓶颈作物产量预测是评估田间管理效果与辅助育种决策的关键环节。相较于传统作物模型依赖多源复杂参数，机器学习模型结合遥感技术，能以无损、高通量的方式实现作物表型监测与产量预测。尽管如此，现有模型在实际应用中仍面临两大挑战：（1）早期预测精度不足：作物冠层结构对干物质积累的影响随生长期推进而增强，导致依赖形态变化的模型在早期预测精度受限，难以满足育种早期决策需求；（2）复合胁迫下的泛化误差：田间环境复杂，水氮胁迫往往联合发生。年份间的环境变异及胁迫组合差异，导致模型在面对与训练集分布不同的目标样本时，产生显著的泛化误差；基于此，中国农业科学院陈震老师团队联合河南大学、邢台农科院等团队在《Agricultural Water Management》发表研究。团队以水氮联合胁迫下的冬小麦为研究对象，结合无人机高光谱遥感数据，提出了一种基于多胁迫数据融合的可解释跨周期集合学习框架（APEL），研究证实，该方法显著提升了模型在复杂胁迫环境下的预测精度与泛化能力，为作物早期产量预测提供了高精度、可解释的技术支撑，对推动智慧农业发展与节水育种实践具有重要的科学意义与应用价值。 图1.研究区域和实验设计。多应力融合与跨周期集合学习研究区域：研究在河南省新乡市的中国农业科学院新乡综合试验基地和河北省农林科学院的Yanli试验基地两个试验站点开展了为期两年（2022-20...
发布时间:
2026
-
03
-
04
浏览次数：3
桉树因其生长快、适应性强，成为全球重要的经济树种。然而，在植物生长过程中，缺水对它们的生长、生产力和质量产生很大的负面影响。传统的监测方法多依赖于NDVI、PRI等植被指数，或通过测量生物量、株高等生理指标进行评估。这些方法要么灵敏度不足，在早期胁迫阶段难以检测；要么特异性有限，无法区分水分胁迫与其他非生物胁迫。近年来，高光谱成像技术的快速发展为植物胁迫的早期监测提供了新的可能性。与传统多光谱技术不同，高光谱成像可以获取连续波长范围内的详细光谱信息，从而捕捉植物生理的细微变化。基于这一技术，智利康塞普西翁大学的研究团队在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》期刊上发表了相关研究。研究人员利用VIS-NIR高光谱成像技术，结合化学计量学方法，深入探讨了桉树在水分亏缺胁迫下的生理响应。结果显示，高光谱成像能够精确区分不同胁迫水平，特别是在水分亏缺严重时，能有效反映植物的胁迫响应。这项研究为水分亏缺的早期检测提供了新技术，对精准森林管理和抗旱品种选育具有重要意义。 图1.样品和HSI数据采集（A）和HSI数据的化学计量学分析（B）。实验方法实验设计：选取4种具有经济价值的桉树基因型（包括2个E. globulus和2个E. gloni杂交品种），每个基因型包含40株树苗，共计160株。 实...
发布时间:
2026
-
03
-
04
浏览次数：1
一粒种子的“身份密码”，不仅藏在颜色与形状中，更隐藏在肉眼看不见的光谱里。想象一下，未来人们只需用一台设备扫描种子，就能立刻识别出其品种、纯度甚至健康状况——这不再是科幻场景，而是正在成为现实。近日，德国马丁路德·哈勒维腾贝格大学在《scientific data》上的发表了一项研究，研究公布了一个名为BiSID-5k的双模式种子图像数据集，它结合了RGB图像与高光谱成像技术，为AI种子识别提供了前所未有的高质量数据资源。 图1. BiSID-5 k B24采集和制备管道概述。研究背景：种子识别的重要性与挑战在农业生产中，种子纯度对作物产量与品质至关重要。根据国际种子检验协会规定，许多国家对种子批次有严格的认证要求。为满足合规要求，相关任务通常依赖于人工逐粒识别，这项工作耗时耗力、极度依赖经验，尤其在种子外形相似、颜色多变时，人眼识别容易出错。近年来，基于深度学习的图像分类技术在多领域取得突破，但其成功高度依赖大规模标注数据集。在农业种子识别领域，高质量、大规模的光谱图像数据集仍十分稀缺。现有数据集往往样本有限，或仅包含可见光图像，难以支撑复杂模型的训练与应用。研究方法：构建双模式种子图像数据库样本选择：选取10种欧洲油菜田常见杂草种子，每种500粒，共计5000粒种子；成像系统：使用自制种子托盘，通过半自动传送系统，使用两个同步光谱仪同时采集：l RGB图像：采用高质量...
发布时间:
2026
-
03
-
04
浏览次数：3
在禽肉工业生产中，肌病防控一直是影响鸡肉产量和品质的重要因素。尤其是鸡胸肉这种高价值的部位，常常受到木胸、意大利面肉等肌肉病变的困扰，一旦发生，会导致肉质硬化、汁液流失，严重损害产品价值。传统的肌病检测往往依赖人工触诊和视觉评估，不仅主观性强、效率低下，而且存在漏检与误判的风险。近期，IRTA西班牙农业食品研究技术研究所的团队在国际期刊《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》上发表了一项研究，提出了一种创新解决方案：通过可见-近红外高光谱成像（VIS-NIR HSI）技术，实现鸡胸肌病的检测与分类。这一研究为禽肉行业提供了新的技术手段，不仅能高效识别肌病，还能预测肉品在冷藏过程中的质量变化，帮助减少食品浪费。图1.研究框架。研究方法（1）实验设计与样本选择• 试验一 (肌病鉴别)：选取98只鸡胴体，分区域评估并标注肌病类型（N, WB, SM, WS）；• 试验二 (保质期评估)：选取77只鸡胴体，经气调包装后于4.8°C下冷藏14天，并定期采样；（2）高光谱成像数据采集研究选择Resonon Pika L型高光谱成像仪进行图像采集，其系统配置如下：ö 光谱范围：386–1016 nm；ö 光谱分辨率：2.0 nm；ö 相机类型：线扫描式，每一条...
发布时间:
2026
-
03
-
03
浏览次数：9
传统监测遇瓶颈，无损检测破局而出！在环境工程和生物技术等领域，蓝藻作为一种宝贵的资源，可用于生产生物塑料、色素和生物燃料等。然而，在培养过程中，如何实时、准确地监测蓝藻的生物量浓度，一直是个棘手的难题。传统方法，如干重测定和细胞计数，虽然精准但耗时耗力，且需要破坏性取样，容易导致污染。而光密度（OD750）或浊度等间接方法虽然快速，但易受培养物生理状态影响，准确性和稳定性不足。AI × 高光谱：一次跨学科的突破尝试最近，一项发表在《Bioresource Technology》（影响因子 9.0）上的研究带来了突破。一个由西班牙AIMEN技术中心和加泰罗尼亚理工大学组成的团队，首次将人工智能（AI）与高光谱成像（Hyperspectral Imaging, HSI）深度融合，构建出一套能够在蓝藻培养过程中实现非破坏性、实时生物量预测的智能系统。这意味着，科研人员只需拍一张“光谱照片”，AI 就能告诉你——蓝藻现在的浓度是多少、增长趋势如何，甚至能提前预判培养状态的变化。 图1.研究框架。数据驱动，智能解析：高光谱AI精准锁定生物量特征研究团队使用三种蓝藻生物群落（Synechocystis sp.）在光生物反应器中进行培养。反应器的温度、光照和pH值严格控制，确保培养条件稳定。在蓝藻生长的不同阶段，研究人员定期从反应器中同步取样：· 一份用于 VSS（Volat...
发布时间:
2026
-
03
-
03
浏览次数：4
餐桌上一撮看似纯净的海盐，可能暗暗“夹带”着来自海洋的微塑料。近年来，微塑料污染已被联合国和世界经济论坛列为全球最严重的环境威胁之一。它们来源于日常塑料制品，在海洋风浪、阳光和时间的作用下逐渐破碎，成为小于 5 毫米甚至 1 微米的颗粒，肉眼几乎看不见，却悄悄进入了鱼类、贝类甚至盐中。科学家们正在寻找新的方法，揭开这些“隐形污染物”的面纱。 研究地点：海盐是天然“污染指示器”西班牙格拉纳达大学团队 地中海沿岸盐田（Almería）和格拉纳达内陆盐田开展研究，采集了 232 个盐样。· 内陆盐田：以地下卤水为来源，较少受海洋微塑料影响，被视为对照组。· 沿海盐田：直接暴露于海洋环境，更能反映真实的污染状况。样品既包括常见的普通海盐，也包括在法国部分地区罕见且昂贵的海盐“盐之花（Fleur de Sel）”。为什么选择盐？因为盐田蒸发过程会“浓缩”水中的颗粒，使海盐成为微塑料污染的天然指示物。图 1. 台式扫描系统，配备Resonon高光谱成像仪和一些盐样品，在图像采集过程之前对其进行保护，以防止外部污染。（1）Resonon PikaIR +高光谱成像仪；（2）卤素灯；（3）放置白色参考的线性平台；（4）盐样品；（5）电脑。研究方法：高光谱成像 × 机器学习传统检测方法需要复杂的化学预处理，而这次团队采用了绿色、无损的新方法：1 Resono...
发布时间:
2026
-
03
-
02
浏览次数：4
美国宇航局的 Arcstone 月球校准仪器于2025年6月23日太平洋时间下午2:25，从加利福尼亚州范登堡太空基地搭载SpaceX的Transporter-14拼车任务升空。（图1. Arcstone的搭建。图片来源：NASA官网）01 为什么要做“月球校准”？在太空遥感领域，数据的准确性和可溯源性至关重要。无论是监测全球气候变化、追踪极端天气，还是支持农业、海洋和城市发展决策，卫星数据的可信度决定了科研与产业的价值。然而，卫星在轨运行过程中，长期暴露于复杂的空间环境，容易出现光学衰减、探测器漂移等问题。如果缺乏统一的在轨校准标准，观测数据会逐渐偏离真实值，甚至导致跨任务、跨平台数据之间存在系统性误差。月球——作为地球大气层之外的稳定光源，被认为是最理想的“天然标尺”。但直到现在，人类还缺少一套专门在太空环境下获得的高精度月球反射率数据。这一空白，正是NASA Arcstone任务要填补的。（图2. 美国宇航局Arcstone仪器在轨收集月球反射率测量数据的艺术渲染图。图片来源：NAES官网）02 Arcstone 的使命Arcstone是全球首颗专注于月球反射率高精度测量的立方星。它的主要目标包括：· 建立高精度月球反射率模型，成为全球遥感校准的统一标准；· 减少在轨校准复杂度，让未来卫星任务无需繁琐的 onboard 校准器；· 提升数据质量与...
发布时间:
2025
-
09
-
23
浏览次数：34
每年，全球有超过 70亿只雄性雏鸡在孵化后被淘汰，仅因“性别不符”。这种传统做法在动物福利、资源浪费和伦理层面引发广泛关注。有没有可能——在鸡蛋孵化前，就知道性别？美国伊利诺伊大学研究团队近日在权威期刊《Food Control》发表成果，提出了一种基于高光谱成像与机器学习的非破坏性性别识别技术，成功在孵化前对鸡蛋进行精准“性别筛选”，为蛋禽行业带来颠覆性突破。实验方法简述本研究由美国伊利诺伊大学厄本那-香槟分校团队开展，实验在校内家禽科研平台进行。研究共采集了264枚白壳鸡蛋，鸡种为 White Leghorn，母鸡年龄约29周。所有鸡蛋在清洁、编号后，于12.8°C、相对湿度78%的条件下冷藏过夜，以保证实验一致性。次日，鸡蛋在室温下静置30分钟恢复温度后，使用Resonon Pika L 型高光谱成像仪进行图像采集。系统配置如下：光谱范围：374–1015nm光谱分辨率：2.7nm，共281个波段相机类型：线扫描式，空间分辨率900×900像素照明系统：330W钨灯，位于蛋体正下方采集软件：Spectronon Pro扫描环境：暗室，距离镜头20cm，采集参数固定控制图1. 用于鸡蛋性别鉴定的线扫描高光谱成像系统：（a）。图像采集的整体系统设置，（b）。在暗室中扫描的样本，（c）。Spectronon Pro 软件中的鸡蛋 RGB 图像。实验中每个鸡蛋以垂...
发布时间:
2025
-
08
-
20
浏览次数：60
在现代农业生产中，作物是否“吃饱”了，尤其是氮素的供应情况，直接决定了产量和品质的高低。以冬小麦为例，氮素作为植物生长的关键营养元素，不仅影响植株的叶片生长、茎秆粗壮和籽粒形成，还显著关系到最终的产量表现和小麦的蛋白质含量，从而影响面粉质量和加工性能。然而，传统的测量方法依赖人工取样和实验室分析，费时费力，难以覆盖大面积农田。随着农业技术的不断进步，利用高光谱成像、近红外传感器和无人机技术，实现作物氮素含量的快速、非破坏性检测，成为精准农业的重要方向。 01 高光谱无人机遥感+光谱融合，快速判断小麦“营养状况”近日，中国农业科学院农田灌溉研究所的研究团队在《Computers and Electronics in Agriculture》发表最新成果。他们利用无人机搭载的RGB、多光谱（MS）和高光谱（HS）传感器，从空中采集小麦冠层的光谱信息，并结合机器学习算法，实现了对小麦植株氮含量（PNC）的高效预测。 图1.实验区域研究区域A：河南省新乡市地点：中国农业科学院农田灌溉研究所综合试验基地（新乡市）实验特点：共设120个试验小区设置4种氮肥梯度（150300 kg/ha）选用10个小麦品种研究区域B：河北省邢台市南和区地点：邢台烟草公司燕里基地实验特点：共设135个小区设置3种氮肥梯度（0150 kg/ha）选用15个小麦品种两地分别代表了黄淮海地区典型的冬小麦主产区，在气候、...
发布时间:
2025
-
07
-
10
浏览次数：195
在农业生产中，病害防控一直是影响作物产量和品质的重要因素。尤其是生菜这种广受欢迎的叶菜类作物，易受到霜霉病侵袭，一旦发病，损失可达90%以上。传统的病害检测往往依赖人工经验，不仅耗时费力，而且存在延误防治的风险。最近，发表在国际期刊《Agriculture》的一项研究，为作物病害防控提供了全新思路：通过高光谱成像技术，实现生菜霜霉病的早期检测和精准评估！01 高光谱成像：植物健康的“千里眼”高光谱成像是一种融合了图像与光谱数据的前沿技术，能够细致捕捉到植物叶片反射光谱中的微小变化。这种变化往往在肉眼能观察到病斑之前就已经发生，为早期诊断提供了可能。在本研究中，科研团队使用400–1000 nm波段的Resonon高光谱成像仪，拍摄了健康与感染霜霉病的生菜叶片。通过对比不同生长状态下的光谱数据，结合标准植被指数（如NDVI、SAVI等），提取了与病害发展密切相关的特征指标。图1 (a)健康生菜(b)患有霜霉病的生菜和(c)可见症状。02 智能分析：让检测更高效不仅如此，研究还引入了机器学习算法，如支持向量机（SVM），对海量高光谱数据进行建模与分类分析。通过特征选择优化，最终建立了准确率高、鲁棒性好的早期检测模型。图2.高光谱成像系统。03 关键成果SVM在病害初期识别阶段准确率达94%；最具判别力的特征波段集中于绿光（530–580 nm）和近红外区（700–900 nm）；与传统...
发布时间:
2025
-
06
-
24
浏览次数：62