江南大学团队结合AI研发叶绿素荧光检测利器

中新网北京6月22日电 (记者 孙自法)植物特别是农作物的叶绿素荧光探测，是人们知悉其光合作用生理健康状态的重要技术手段，如何研发出先进高效、简便灵巧的叶绿素荧光检测利器，也是叶绿素荧光现象发现近两百年来，学术界、产业界孜孜以求的目标。

破解“荧光密码”让植物“说话”

记者6月22日从江南大学自动化与智能科学学院郭亚教授团队了解到，在20多年持续深耕叶绿素荧光测试技术与设备研发的基础上，该团队最新结合人工智能(AI)技术，开发出具备从复杂信号中解析深层信息能力的深度学习模型，助力破解叶绿素“荧光密码”，实现让植物“开口说话”，成功研发覆盖实验室与野外多场景的叶绿素荧光科研仪器矩阵。

郭亚介绍说，1834年，叶绿素荧光现象首次被人类观察到，此后近两个世纪，科学家们一直试图通过解读叶片发出的“荧光密码”，洞察植物的光合生理状态。这一技术也因此成为植物生理研究、农业育种、环境胁迫检测等领域不可或缺的无损检测手段。

研究团队及基于其科研成果孵化的企业绿视芯科技(无锡)有限公司合作，推进叶绿素荧光测试仪器产业化，他们从扎实掌握传统测试协议到率先开创宽带激励与AI分析的新范式，联合研发的系列高性能叶绿素荧光检测仪器已实现量产，并形成覆盖实验室与野外多场景的科研仪器矩阵。

研发覆盖实验室与野外多场景的科研仪器矩阵及原理示意图。郭亚团队 供图

其中，手持式叶绿素荧光仪适合实验室与野外便携作业；无线传感器网络版支持多节点同步测量，为光合生理与环境胁迫分析提供更高质量的实验依据；微型传感器可与移动终端协同，适用于日常便携检测；叶绿素荧光成像系统则将荧光信号转化为空间可视化图像，精准捕捉植物叶绿素荧光的空间异质性。

微型叶绿素荧光传感器的研发，还将叶绿素荧光技术进一步推向日常应用场景，其体积小巧、成本低廉、通讯方式灵活，既能与智能手机协同工作，也能轻松集成至农业物联网基础设施，为叶绿素荧光技术应用于日常果蔬质量检测及规模化农业信息感知提供基础支撑。

契合AI技术发展服务全球

植物“喜怒哀乐”的关键性生理信息，隐藏在叶片发出的荧光信号中，借助机器学习技术，叶绿素荧光检测仪器如同精通植物语言的翻译官，可以让科研人员与植物“对话”，实现对植物光合生理信号的精准解读，这对现代作物育种、精准农业生产及生态环境检测具有重要价值。

郭亚称，研究团队给仪器配备了“全频麦克风”和“智能大脑”，这相当于用丰富的语言和植物进行“深度交流”，可以捕捉含有更丰富生理信息的荧光信号，还能为后续的AI智能分析提供了高质量的数据基础。

在多场景叶绿素荧光检测仪器矩阵基础上，研究团队进一步集成推出的“植物逆境生长控制箱”，作为大型定制化科研装备，这一平台可为植物生理、抗逆育种和环境生态研究提供可控实验环境，在箱体内加速选育抗逆、高产等优质品种，并能根据需求灵活设定适宜环境参数，开展作物生长优化策略研究，以及模拟全球变暖背景下植物群落的响应机制。

研发的“植物逆境生长控制箱”内部展示。郭亚团队 供图

郭亚表示，从叶绿素荧光手持式仪器、无线传感器网络系统、微型传感器、成像设备到可编程生长控制箱，中国自主研发叶绿素荧光技术正构建起“检测-联网-调控”闭环。

同时，具有宽带激励功能的系列叶绿素荧光仪，与AI技术的发展趋势高度契合，配合机器学习与深度学习模型，有望开辟一条全新的叶绿素荧光数据分析范式，进而为全球植物科学家、农业从业者及食品质量检测机构提供更强大、更智能的测试工具，推动叶绿素荧光技术在全世界更广泛应用。(完)