Name: Criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome (Vidéo) | JoVE Journal
Uploaded: 2026-01-09T12:30:00.000+00:00
Duration: 7 min 12 s
Description: Découvrez une méthode de criblage à haut débit de l'efficacité photosynthétique sur le terrain à l'aide d'un robot autonome équipé de capteurs LIFT. Cette approche permet de mesurer rapidement et sans destruction la photosynthèse chez divers génotypes de cultures.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

1. Installation du capteur PPFR et du registrateur de données
<ol>
	<li>Connectez le capteur PPFR et la batterie externe au datalogger. Connectez le datalogger à l’ordinateur portable et lancez le data logger via le client de bureau du data logger.</li>
	<li>Installez le trépied de la caméra à côté du champ expérimental avec le capteur PPFR au-dessus et le registrateur de données et la batterie externe au sol en dessous. REMARQUE : Assurez-vous que le capteur PPFR est en position verticale et qu’il n’est pas ombragé ou affecté par un objet proche. Le capteur PPFR nécessiterait un cardan s’il était monté directement sur le robot pour mesurer des valeurs PPFR précises.</li>
</ol>
2. Installation du robot et de l’ensemble capteur LIFT
<ol>
	<li>Chargez les coordonnées du point de passage (format .geojson) pour la mesure sur le robot. Ils peuvent être les mêmes que ceux utilisés pour le semis guidé par GNSS de l’essai.</li>
	<li>Montez l’ensemble capteur LIFT à l’avant du robot à une hauteur d’environ 60 cm au-dessus de la canopée des cultures (voir Figure 1A).</li>
	<li>Placez l’ordinateur portable, la batterie de voiture et l’onduleur d’alimentation au-dessus du robot et connectez l’onduleur à la batterie de la voiture et à l’ensemble capteur LIFT. ATTENTION : Le faisceau d’excitation du capteur LIFT est dangereux pour les yeux. Il faut strictement éviter de regarder directement dans le faisceau d’excitation.</li>
	<li>Placez le kit d’antenne GNSS au-dessus du robot, connectez-le à l’ordinateur portable, et lancez le client de bureau GNSS logger.</li>
	<li>Connectez le capteur LIFT à l’ordinateur portable et lancez le client de bureau LIFT avec les paramètres suivants : CAPTEUR DE portance : puissance d’excitation = 40 000 μmol photons m&gt;-2 s-1 ; longueur du flashlet = 1,6 μs ; nombre de flashlets d’excitation par mesure unique = 300 ; nombre de flashlets de relaxation = 80 ; temps entre les flashlets d’excitation = 2,5 μs ; Temps entre les flashlets de relaxation : ji = 101,28 + 0,0215 × i μs, où ji est la longueur d’intervalle du i-ème flashlet ; gain du capteur = 10 ou 25 ; intervalle de mesure = 0 s. Spectromètre : temps d’intégration spectrale = 100 ms, plage spectrale de 400 à 800 nm. Appareils RGB : exposition = automatique ; obturateur = automatique ; gain = automatique ; Luminosité = 0 ; fréquence d’images = 20 s-1 ; mode déclenchement = autorisé (déclenche la caméra à chaque mesure LIFT). REMARQUE : La quantité mesurée directement par le capteur LIFT est le rendement de ChlF (augmentation totale de ChlF due au faisceau d’excitation pour chaqueflashlet 20). Ensuite, on calcule Fq'/F m’comme 
	Fq'/Fm'= (Fm'- F') / Fm'26 où F' est défini comme le rendement ChlF du1er flashlet et Fm’comme la moyenne des rendements ChlF des flashlets 301et 30228. La durée totale d’une mesure de ChlF (y compris la phase de relaxation) est d’environ 21 ms, mais la durée cruciale de la phase d’excitation des 300 flashlets n’est que de 750 μs.</li>
</ol>
3. Réalisation de mesures de LIFT
<ol>
	<li>Conduisez manuellement le robot jusqu’au début de la première rangée de parcelles sur le terrain expérimental à l’aide de la télécommande.</li>
	<li>Activez le script de mesure du capteur LIFT et du spectromètre en mode continu.</li>
	<li>Démarrez la navigation robotique autonome à 0,5 m de vitesse s-1 via le site web de contrôle robot.</li>
	<li>Lors de la mesure, vérifiez périodiquement le graphique représentant le rendement du ChlF dans le temps dans le client de bureau de l’assemblage du capteur LIFT pour confirmer qu’il a la forme attendue ( voir Figure 1B). Ajustez le gain du capteur si les signaux sont trop faibles.</li>
	<li>Maintenez périodiquement le panneau de référence blanc sous le faisceau d’excitation à la hauteur de la canopée des cultures pendant que le robot tourne à la bordure du champ.</li>
</ol>
4. Intégration des données et prétraitement
REMARQUE : Le code R est disponible sur GitHub (https://github.com/beat2keller/lift_data_processing)
<ol>
	<li>Lisez les données transitoires et spectrales LIFT de tous les *_data.csv et *_spectral.csv à l’aide du paquet Rdata.table 34.</li>
	<li>Lisez les données GNSS et météorologiques ainsi que les cartes graphiques .geojson et la conception expérimentale.</li>
	<li>Combinez les ensembles de données et effectuez une analyse statistique, par exemple comme décrit dansle chapitre 12 ou ci-dessous.<ol>
		<li>Extraire Fq'/F m’de chaque transitoire enregistré.</li>
		<li>Relier chaque point GNSS à son graphique correspondant basé sur des polygones .geojson en utilisant le confinement spatial. N’oubliez pas de prendre en compte la distance entre l’ensemble du capteur LIFT et l’antenne GNSS du robot.</li>
		<li>Déterminez le cap du robot à partir de positions consécutives. Fusionner le plan expérimental avec les données GNSS en utilisant les identifiants de parcelles assignés. REMARQUE : Cette étape relie chaque position spatiale aux informations de traitement (par exemple, génotype) et de réplication (par exemple, blocage).</li>
		<li>Combinez les données haute résolution du capteur PPFR avec les données PPFR basse résolution de la station météorologique la plus proche pour produire une série temporelle PPFR incidente fusionnée (optionnelle). REMARQUE : Les données météorologiques à basse résolution pour la Suisse peuvent être dérivées du réseau agrometeo.ch (https://agrometeo.ch/de) décrit dansle texte 35.</li>
		<li>Filtrez les mesures de référence blanche du jeu de données de réflectance spectrale et fusionnez-les avec les données PPFR en utilisant des horodatages pour créer une table de recherche de la réflectance spectrale sous différentes intensités lumineuses incidentes comme décrit dans28.</li>
		<li>Corrigez les données brutes de réflectance spectrale à partir de la table de recherche.</li>
		<li>Calculez l’indice de chlorophylle terrestre MERIS (MTCI) et l’indice de végétation différentielle normalisée (NDVI) à partir des données corrigées de réflectance spectrale en utilisant les formules 
		<img alt="Équation 1" src="/files/ftp_upload/69530/69530eq1v2.jpg" style="margin:0;" data-altupdatedat="1783400419000" data-alt="Equation 1"> où Rλ désigne la réflexion moyenne à la longueur d’onde λ nm.</li>
		<li>Fusionner les données ChlF, position/conception expérimentale GNSS et PPFR/réflectance spectrale en effectuant une jointure de voisin le plus proche avec une fenêtre de tolérance définie (par exemple, 1 ms) basée sur des horodatages.</li>
		<li>Identifier et supprimer les lignes avec des valeurs aberrantes dans F q'/F m’du jeu de données.</li>
		<li>Extraire les tendances de réponse photosynthétique spécifiques au génotype (G : PPFR) à partir des données corrigées par les valeurs aberrantes de ChlF en ajustant le modèle 
		Fq'/F m'= β0 + β1 Date + β2 (Tête x Heure) + β3 (Génotype × PPFR) + β4 MTCI + β5 PPFR + ε vers le jeu de données filtré par les valeurs aberrantes.</li>
		<li>Estimez la pente (β3) du terme prédicteur (Génotype × PPFR) en utilisant les tendances marginales estimées (tendances en R) afin d’obtenir une mesure quantitative de la réponse spécifique au génotype à l’irradiance. L’inclusion du MTCI dans le modèle tient compte des différences de contenu en chlorophylle et de statut de la canopée qui influencent Fq'/F m’comme décritprécédemment 12. REMARQUE : Le cap indique la direction de conduite du robot (dérivée des roulements GNSS à l’étape 4.3.3) afin de tenir compte des effets directionnels potentiels lors des mesures.</li>
	</ol>
	</li>
</ol>

<table><tbody><tr><td>Trépied de caméra</td><td>-</td><td>-</td><td>Tout type sur lequel le capteur PPFR peut être monté horizontalement fera l’affaire.</td></tr><tr><td>Batterie de voiture (12 V / 80 Ah)</td><td>Mercedes-Benz Group AG, Stuttgart, Allemagne</td><td>A 001 982 81 08</td><td>-</td></tr><tr><td>Enregistreur de données</td><td>HOBO Data Loggers, Bourne, États-Unis</td><td>Station HOBO U30, https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/</td><td>-</td></tr><tr><td>Client de bureau Data Logger</td><td>Onset Computer Corporation, Massachusetts, États-Unis</td><td>HOBOware Version 3.7.28, https://www.onsetcomp.com/support/help-center/software/hoboware</td><td>-</td></tr><tr><td>Kit d’antenne GNSS</td><td>ArduSimple, Andorra la Vella, Andorra</td><td>AS-STARTKIT-LR-L1L2-EUNH-00</td><td>-</td></tr><tr><td>Client de bureau GNSS logger</td><td>u-blox AG, Thalwil, Suisse</td><td>u-center GNSS, [sic] Logiciel d’évaluation Version 25.03, https://content.u-blox.com/sites/default/files/documents/u-center-25.03_ReleaseNote_UBXDOC-304424225-19688.pdf</td><td>-</td></tr><tr><td>ordinateur portable&nbsp ;</td><td>-</td><td>-</td><td>Tout ordinateur portable fonctionnant sous une version Windows (Microsoft Corporation, Redmond, États-Unis) compatible avec les clients de bureau GNSS et data logger fera l’affaire.</td></tr><tr><td>Client de bureau assemblage capteur LIFT</td><td>Soliense Inc., New York, États-Unis</td><td>Version.2016.04</td><td>-</td></tr><tr><td>Ensemble capteur LIFT (complet avec adaptateur secteur 240 V)</td><td>Soliense Inc., New York, États-Unis</td><td>LIFT-REM</td><td>En plus du capteur LIFT lui-même, l’ensemble capteur LIFT intègre un système de caméra stéréo RVB composé de deux caméras Blackfly S BFS-U3-50S5C fournies par FLIR Integrated Imaging Solutions Inc. (Colombie-Britannique, Canada) [aujourd’hui Teledyne FLIR LLC, Wilsonville, États-Unis] et un spectromètre de 400 à 800 nm avec une résolution de 0,46 nm fourni par Ocean Insight, [Maintenant Ocean Optics] (Orlando, États-Unis). &nbsp ; Le robot mesure &asymp ; 170 et fois ; 210 et fois ; 90 cm (longueur et largeur multipliée par la hauteur) et poids et asymp ; 170 kg. L’ensemble du capteur LIFT mesure &asymp ; 23 et fois ; 34 et fois ; 59 cm (longueur et largeur multipliée par la hauteur, telle que montée sur le robot).</td></tr><tr><td>inverseur de puissance (12 V DC à 240 V 50 Hz AC)</td><td>Green Cell CSG S.A., Cracovie, Pologne</td><td>INV08</td><td>-</td></tr><tr><td>Batterie externe</td><td>-</td><td>-</td><td>N’importe quelle batterie USB fera l’affaire.</td></tr><tr><td>Capteur PPFR</td><td>HOBO / LI-COR, Lincoln, États-Unis</td><td>S-LIA-M003</td><td>-</td></tr><tr><td>Site web de contrôle robot</td><td>Caterra AG, Opfikon, Suisse</td><td>-</td><td>Le lien est fourni individuellement par le fabricant du robot pour chaque client.</td></tr><tr><td>Prototype de robot châssis (complet avec télécommande et chargeur de batterie 240 V)</td><td>Caterra AG, Opfikon, Suisse</td><td>Firefly (prototype, non commercialisé), https://caterra.org/en/technologie/</td><td>Tout autre robot de terrain disposant d’une capacité de charge utile, d’une largeur de voie et d’une garde au sol appropriées peut faire l’affaire.</td></tr><tr><td>Panneau de référence blanc</td><td>-</td><td>-</td><td>Toute référence blanche ou grise fera l’affaire.</td></tr></tbody></table>

criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome

High-Throughput, In-Field Screening of Photosynthetic Efficiency in Crop Plants Using an Autonomous Robot

Au total, 91 205 mesures transitoires de ChlF ont été réalisées sur 36 lignées de reproduction de soja (Glycine max (L.) Merr.) en 7 jours de mesure du 12 au 27 juin 2025. 74 927 points de données pouvaient être géoréférencés en diagrammes, et 58 916 ont été filtrés pour la qualité des données et correspondus avec succès aux données spectrales et météorologiques. Un aperçu de la configuration de la mesure et des données représentatives sont présentés en Figure 1, incluant une image de l’instrument en fonctionnement (Figure 1A), la cinétique d’induction de la ChlF à travers 12 génotypes de soja (Figure 1B), ainsi que les courbes de réflectance spectrale correspondantes (Figure 1C).
Les données géoréférencées ont révélé une variation spatiale marquée à la fois dansF q'/F m’et NDVI entre les deux champs expérimentaux (Figure 2). Ces motifs spatiaux étaient en partie associés à la direction de conduite du robot (Figure 3), ce qui a donc été pris en compte dans la modélisation ultérieure pour réduire les effets potentiels de l’ombrage sur les feuilles ciblées.
La modélisation linéaire à effets mixtes des réponses Fq'/F m’à la PPFR incidente (Figure 4A) expliquait une proportion substantielle de la variance (R<img alt="Équation 10" src="/files/ftp_upload/69530/69530eq10v6.jpg" style="font-size: 14px; margin: 0px; margin-bottom: -5px;" data-altupdatedat="1783400419000" data-alt="Equation 10"> = 0,45, R<img alt="Équation 11" src="/files/ftp_upload/69530/69530eq11v6.jpg" style="font-size: 14px; margin: 0px; margin-bottom: -5px;" data-altupdatedat="1783400419000" data-alt="Equation 11"> = 0,60). Les pentes spécifiques au génotype extraites (Réponse G : PPFR) ont montré des différences nettes entre les lignées de reproduction (Figure 4B), plusieurs lignées présentant des courbes de réponse plus raides ou plus plates par rapport à la moyenne du panel (Figure 4C).
Enfin, des reconstructions 3D au niveau de la canopée dérivées de l’imagerie RVB et de l’algorithme Matching And Stereo 3D Reconstruction (MASt3R)36 (Figure 5) ont démontré le potentiel d’intégrer des mesures physiologiques basées sur LIFT avec le phénotypage structurel pour capturer l’architecture de la canopée en trois dimensions.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/69530/69530fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figure 1 : Aperçu des mesures de transitoires de fluorescence induites par la lumière (LIFT) et de réflectance spectrale pour les génotypes du soja. (A) Exemple d’image du dispositif LIFT en fonctionnement. L’entrée montre le faisceau d’excitation bleu pour induire la fluorescence de la chlorophylle (ChlF). (B) Courbes d’induction transitoires de ChlF mesurées le 27 juin 2025 pour 12 génotypes de soja (moyenne ± DS, n entre 88 et 553 par génotype, ntotal = 2 035). (C) Les spectres correspondants de réflectance foliaire mesurés le 25 juin 2025 pour les mêmes génotypes (moyenne ± SE, ntotal = 2 035). Les couleurs indiquent des génotypes individuels ; Les barres d’erreur représentent la variation entre les mesures répliquées. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig1large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/69530/69530fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figure 2 : Distribution spatiale de l’efficacité quantique du photosystème II et des valeurs de l’indice de végétation différentiel (NDVI) normalisé. La distribution spatiale de l’efficacité quantique (supérieure) des valeurs du photosystème II (Fq'/Fm') et des valeurs de l’indice de différence normalisée de végétation (NDVI) (inférieure) a été mesurée sur deux champs expérimentaux de soja comprenant 120 parcelles et 36 lignées de sélection (n = 58 916). Les points représentent les emplacements de mesure, avec des couleurs indiquant la valeur observée et des formes indiquant la direction du robot : nord-ouest (NW), nord-est (NE), sud-ouest (SW) et sud-est (SE). Les lignes noires délimitent les limites des terrains. Les points noirs représentent les coordonnées du système global de navigation par satellite (GNSS) du robot de terrain. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/69530/69530fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
Figure 3 : Efficacité quantique du photosystème II. Les boxplots montrent l’efficacité quantique du photosystème II (Fq'/F m') et le logarithme de l’irradiance incidente à 680 nm sur les heures de mesure (9 - 15 h) pour la direction du rover vers le nord-est (NE) et le sud-ouest (SW) vers le rover (nNE-ward = 14 339, nSE-ward = 25 669, ntotal = 40 008). Le robot ombrageait le point de mesure en se dirigeant vers le sud-ouest le matin et vers le nord-est l’après-midi. Chaque case représente la plage interquartile (IQR) avec la ligne horizontale et les moustaches indiquant respectivement la médiane et la limite IQR de 1,5 ×. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig3large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/69530/69530fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
Figure 4 : Pentes de réponse photosynthétique. (A) Variation spatiale des pentes de réponse photosynthétique estimées (interaction entre le génotype et le taux de flux photonique photosynthétique (G : PPFR)) sur deux champs expérimentaux du soja, dérivée de la modélisation linéaire à effets mixtes. (B) Ajuster les moyennes et estimer les pentes de réponse photosynthétiques pour des lignées de reproduction individuelles, avec des génotypes d’intérêt mis en évidence en couleur. (C) Relation entre la PPFR incidente et l’efficacité quantique du photosystème II (Fq'/F m') pour les génotypes mis en évidence, avec des courbes de régression à racines carrées ajustées. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig4large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/69530/69530fig5v2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 5"> 
Figure 5 : Mesure de l’architecture de la verrière par LIFT. L’architecture de la canopée de la variété de soja Gallec est montrée. (A) Les caméras rouge, verte et bleue (RGB) du dispositif transitoire de fluorescence induite par la lumière (LIFT) ont acquis des images lors du dépistage de la photosynthèse. (B, C) L’algorithme de correspondance et reconstruction 3D stéréo (MASt3R)36 a été utilisé pour reconstruire l’architecture de la verrière 3D. Les pyramides indiquent les positions estimées des caméras. <a href="https://www.jove.com/files/ftp_upload/69530/69530fig5large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figurine.</a>

Criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome

Photosynthesis supplies energy not only for plant biomass production but also for symbiotic processes such as nitrogen (N) fixation. Whereas the potential ...

high-throughput-field-screening-photosynthetic-efficiency-crop-plants

Research

Recherche

JoVE Journal

Biology

Biologie

Nous rapportons une méthode pour l'introduction, le suivi et l'analyse quantitative de l'expression de GFP dans les cellules végétales. Cette méthode utilise un système conçu sur mesure pour la robotique collection d'images en semi-continu d'un grand nombre d'échantillons, au fil du temps. Nous démontrons également l'utilisation d'ImageJ et ImageReady pour l'analyse des séries d'images.

Robotique et d&#39;analyse d&#39;images dynamiques pour les études d&#39;expression génique dans les tissus végétaux

Ce protocole décrit un procédé pour la collecte rapide d'images de jeunes plants d'Arabidopsis répondant à un stimulus de gravité en utilisant des scanners à plat disponibles dans le commerce. La méthode permet de peu coûteuse, la capture de gros volumes d'images haute résolution qui se prêtent à des algorithmes d'analyse en aval.

Utilisation de scanners à plat pour collecter haute résolution temps-caduque Images de la réponse gravitropique Arabidopsis racine

Une méthode à haut débit automatisée, la production de tabac en protoplastes et la transformation est décrite. Le système robotisé permet l'expression du gène massivement parallèle et de découverte dans le système modèle BY-2 qui devrait être traduisible aux cultures non-modèle.

Une plate-forme robotique pour haut débit protoplastes Isolement et Transformation

Un écran à haut débit de petites molécules de synthèse a été réalisé sur les espèces de plantes de modèle, Arabidopsis thaliana. Ce protocole, développé pour un robot de manipulation de liquides, augmente la vitesse d’écrans avant génétique chimique, accélérer la découverte de nouvelles petites molécules affectant la physiologie végétale.

Optimisation de l’utilisation d’un Robot de manutention liquide pour mener un haut débit avant chimique génétique écran d’Arabidopsis thaliana

Les nœuds robotisés distribués fournissent des séquences de stimuli de lumière bleue pour orienter les trajectoires de croissance des plantes grimpantes. En activant le phototropisme naturel, les robots guident les plantes à travers des décisions binaires gauche-droite, les faisant passer en modèles prédéfinis qui, en revanche, ne sont pas possibles lorsque les robots sont dormants.

Fourniture de détection robotique et de stimuli pour la croissance guidée des plantes

Le protocole introduit une méthode à haut débit pour mesurer la relaxation de la trempe non photochimique par fluorométrie de chlorophylle modulée en amplitude d’impulsion. La méthode est appliquée à Glycine max cultivée en plein champ et peut être adaptée à d’autres espèces pour dépister la diversité génétique ou les populations reproductrices.

Analyse à haut débit de la trempe non photochimique dans les cultures à l’aide de la fluorométrie de chlorophylle modulée en amplitude d’impulsion

Nous décrivons une approche pour mesurer les changements dans l’efficacité photosynthétique chez les plantes après un traitement à faible teneur en CO2 par fluorescence chlorophyllienne.

Évaluation de l’efficacité photosynthétique chez les mutants photorespiratoires par analyse par fluorescence chlorophyllienne

Nous présentons les procédures détaillées d’une méthode d’estimation de la biomasse végétale envahissante qui utilise les données obtenues par télédétection de véhicules aériens sans pilote (UAV) pour évaluer la biomasse et saisir la distribution spatiale des espèces envahissantes. Cette approche s’avère très bénéfique pour l’évaluation des risques et l’alerte précoce des plantes envahissantes.

Estimation de la biomasse des plantes envahissantes par vision par ordinateur

Nous décrivons ici un outil avancé conçu pour le suivi de la biosynthèse de la chlorophylle au cours des premiers stades de la désétiolement des plantules d’Arabidopsis . La nouvelle méthodologie fournit une imagerie non invasive de fluorescence de la chlorophylle en temps réel à haute résolution spatiale et temporelle.

Test non invasif pour la détermination de la cinétique de biosynthèse de la chlorophylle au cours des premiers stades de la désétiolement d’Arabidopsis

Nous avons conçu un protocole de phénotypage basé sur l’image pour déterminer les réponses morphologiques et physiologiques aux traitements simples et combinés de chaleur, de sécheresse et d’engorgement. Cette approche a permis d’identifier les réponses précoces, tardives et de récupération à l’échelle de l’ensemble de la plante, en particulier dans les parties aériennes, et a mis en évidence la nécessité d’utiliser plusieurs capteurs d’imagerie.

Phénotypage basé sur l’image à haut débit pour déterminer les réponses morphologiques et physiologiques à des stress uniques et combinés chez la pomme de terre

Une méthode d’imagerie à faible coût des plantes pour mesurer les phénotypes est présentée, ainsi que les meilleures pratiques pour la capture d’images et un pipeline d’analyse d’images pour quantifier les caractéristiques des plantes. Ces méthodes ont été appliquées pour mesurer les phénotypes du maïs (Zea mays) dans des conditions de chaleur, de sécheresse et de stress abiotique combiné.

Imagerie et analyse pour la quantification des phénotypes de stress abiotique du maïs (Zea mays)

Découvrez une méthode de criblage à haut débit de l'efficacité photosynthétique sur le terrain à l'aide d'un robot autonome équipé de capteurs LIFT. Cette approche permet de mesurer rapidement et sans destruction la photosynthèse chez divers génotypes de cultures.

Criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome (Vidéo) | JoVE Journal

Criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome

Explorer plus de vidéos