Name: 自律ロボットを用いた作物植物の光合成効率の現場での高スループットスクリーニング (動画) | JoVE Journal
Uploaded: 2026-01-09T12:30:00.000+00:00
Duration: 7 min 12 s
Description: 学ぶ自律ロボットを用いた作物の光合成効率の現場スクリーニング法。光系統II量子効率と植物構造を非破壊的に測定し、大規模なキャノピー表現型解析と育種試験の効率化を実現します。

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. PPFRセンサーとデータロガーの設定
<ol>
	<li>PPFRセンサーとモバイルバッテリーをデータロガーに接続してください。データロガーをノートパソコンに接続し、データロガーのデスクトップクライアントを使ってデータロガーを起動します。</li>
	<li>実験フィールドの隣にカメラ三脚を設置し、PPFRセンサーを上に、データロガーとモバイルバッテリーを下の地面に置いてください。 注意:PPFRセンサーが直立していて、陰影や周囲の物体の影響を受けていないことを確認してください。PPFRセンサーは、正確なPPFR値を測定するためにロボットに直接取り付ける場合はジンバルが必要です。</li>
</ol>
2. ロボットおよびLIFTセンサーアセンブリの設置
<ol>
	<li>測定用のウェイポイント座標(.geojson形式)をロボットに読み込みます。これらは、GNSSガイド付き播種に使われるものと同じものであっても構いません。</li>
	<li>LIFTセンサーアセンブリは、作物キャノピーから約60cmの高さでロボット前面に取り付けます(図1A参照)。</li>
	<li>ノートパソコン、車用バッテリー、パワーインバーターをロボットの上に置き、パワーインバーターを車のバッテリーとLIFTセンサーアセンブリに接続します。 注意:LIFTセンサーの励起ビームは目に危険です。励起ビームを直接見ることは絶対に避けなければなりません。</li>
	<li>GNSSアンテナキットをロボットの上に置き、ノートパソコンに接続してGNSSロガーデスクトップクライアントを起動します。</li>
	<li>LIFTセンサーをノートパソコンに接続し、以下の設定でLIFTデスクトップクライアントを起動します。 LIFTセンサー:励起パワー=40,000μmol光子m&gt;-2 s-1;フラッシュレット長=1.6μs;1回の測定あたりの励起フラッシュレット数=300;緩和フラッシュレットの数 = 80;励起フラッシュレット間隔=2.5μs;緩和フラッシュレット間の時間:ji = 101.28 + 0.0215 × I μs、ここでjiは第i個フラッシュレットの区間長です。センサー利得=10または25;測定間隔 = 0秒。 分光計:スペクトル積分時間=100ms、スペクトル範囲は400〜800 nm。 RGBカメラ:露出=自動;シャッター=自動;ゲイン=自動;明るさ=0;フレームレート=20 S-1;トリガーモード=許容(各リフト測定時にカメラをトリガーします)。 注:LIFTセンサーが直接測定する量はChlF収率(各フラッシュレット20の励起ビームによる総ChlFの増加)。次に、 Fq' / Fm' を次のように計算します。 
	Fq'/Fm' = (Fm' - F') / Fm' 26 ここでF'は第1フラッシュレットのChlF収率、Fm'は第301回と第302回フラッシュレット28のChlF収率の平均として定義されます。1回のChlF測定(緩和相を含む)の総持続時間は約21msですが、重要な300フラッシュレット励起相の持続時間はわずか750μsです。</li>
</ol>
3. 揚力測定の実施
<ol>
	<li>リモコンを使ってロボットを実験フィールドの第一列の先頭まで手動で移動させます。</li>
	<li>LIFTセンサーと分光計の測定スクリプトを連続モードで起動してください。</li>
	<li>ロボット制御のウェブサイトを使って、自律ロボットのナビゲーションを0.5 mのS-1速度で開始します。</li>
	<li>測定中は、LIFTセンサーアセンブリのデスクトップクライアントで時間経過によるChlF収縮を示すプロットを定期的に確認し、期待される形状かどうかを確認してください( 図1B参照)。信号が弱すぎる場合はセンサーの利得を調整してください。</li>
	<li>ロボットが畑の境界で旋回している間、作物のキャノピーの高さで励起ビームの下に白い基準パネルを定期的に持ってください。</li>
</ol>
4. データ統合と前処理
注:RコードはGitHub(https://github.com/beat2keller/lift_data_processing)で入手可能です。
<ol>
	<li>R data.tableパッケージ34を使って、すべての*_data.csvと*_spectral.csvからLIFTの過渡期およびスペクトルデータを読み込みます。</li>
	<li>GNSSと気象データ、.geojsonのプロットマップ、実験デザインを読み込みました。</li>
	<li>データセットを統合し、例えば12文以下に記載された統計解析を行います。<ol>
		<li>記録された各過渡現象から Fq'/Fm'を抽出します。</li>
		<li>.geojsonポリゴンを基に、空間的包含を用いて各GNSSポイントを対応するプロットに連結します。LIFTセンサーアセンブリとロボットのGNSSアンテナとの距離も忘れずに考慮してください。</li>
		<li>連続した位置からロボットの方位を決定します。割り当てられたプロット識別子で実験設計とGNSSデータを統合します。 注:このステップでは、各空間位置をそれぞれの処理(例:遺伝子型)および複製(例:ブロック)情報に結びつけます。</li>
		<li>PPFRセンサーの高解像度データと最寄りの気象観測所の低解像度PPFRデータを組み合わせて、融合入射PPFR時系列(オプション)を作成します。 注:スイスの低解像度気象データは、35で説明されている agrometeo.ch(https://agrometeo.ch/de)ネットワークから得られます。</li>
		<li>スペクトル反射率データセットから白色基準値をフィルタリングし、タイムスタンプを使ってPPFRデータと統合して、28で説明した異なる入射光強度下のスペクトル反射率のルックアップテーブルを作成します。</li>
		<li>ルックアップテーブルに基づいて生のスペクトル反射率データを補正します。</li>
		<li>補正したスペクトル反射率データから、MERIS陸生クロロフィル指数(MTCI)と正規化差植生指数(NDVI)を次の式で計算します 
		<img alt="式1" src="/files/ftp_upload/69530/69530eq1v2.jpg" style="margin:0;" data-altupdatedat="1783400419000" data-alt="Equation 1"> ここで Rλ は波長 λ nmでの平均反射を表します。</li>
		<li>ChlF、GNSS位置/実験設計、PPFR/スペクトル反射データを、タイムスタンプに基づく許容差ウィンドウ(例:1 ms)で最近接合を行い、統合します。</li>
		<li>Fq'/Fm'の外れ値を持つ行を特定し、データセットから削除します。</li>
		<li>モデルを適合させて、外れ値補正したChlFデータから遺伝子型特異的な光合成応答傾向(G: PPFR)を抽出します 
		Fq'/Fm' = β0 + β1 日付 + β2 (見方 x 時間) + 3 β3 (遺伝子型 × PPFR)+ β4 MTCI + β5 PPFR + ε 外れ値フィルタリングされたデータセットに。</li>
		<li>推定された縁際傾向(Rのエムトレンド)を用いて、(遺伝子型×PPFR)予測変数項の傾き(β3)を推定し、放射照度に対する遺伝子型特異的応答の定量的測定を得る。モデルにMTCIを含めることで、前述のFq'/Fm'に影響を与えるクロロフィル含有量と樹冠の状態の違いが考慮されます。 注:ヘディングは、測定中の方向影響を考慮したロボットの走行方向(ステップ4.3.3のGNSSベアリングから導出)を示します。</li>
	</ol>
	</li>
</ol>

<table><tbody><tr><td>カメラ三脚</td><td>-</td><td>-</td><td>PPFRセンサーを水平に取り付けられるタイプなら何でも大丈夫です。</td></tr><tr><td>自動車用バッテリー(12V / 80 Ah)</td><td>メルセデス・ベンツ・グループAG(ドイツ・シュトゥットガルト)</td><td>A 001 982 81 08</td><td>-</td></tr><tr><td>データロガー</td><td>HOBO データロガーズ、ボーン、アメリカ合衆国</td><td>HOBO U30ステーション、https://www.hobodataloggers.com.au/product/hobo-u30-usb-stand-alone-data-logger/</td><td>-</td></tr><tr><td>Data Logger Desktop Client</td><td>オンセット・コンピューター・コーポレーション、マサチューセッツ州、アメリカ合衆国</td><td>HOBOware バージョン 3.7.28、https://www.onsetcomp.com/support/help-center/software/hoboware</td><td>-</td></tr><tr><td>GNSSアンテナキット</td><td>ArduSimple、アンドラ・ラ・ベラ、アンドラ</td><td>AS-STARTKIT-LR-L1L2-EUNH-00</td><td>-</td></tr><tr><td>GNSSロガーデスクトップクライアント</td><td>u-blox AG、スイス・タルウィル</td><td>u-center GNSS、評価ソフトウェアバージョン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>ノートパソコン&nbsp;</td><td>-</td><td>-</td><td>GNSSおよびデータロガーデスクトップクライアントに対応したWindows(Microsoft Corporation、米国レドモンド)バージョンを搭載したノートパソコンなら、どれでも問題ありません。</td></tr><tr><td>LIFTセンサーアセンブリデスクトップクライアント</td><td>ソリエンセ社、ニューヨーク、アメリカ合衆国</td><td>バージョン.2016.04</td><td>-</td></tr><tr><td>LIFTセンサーアセンブリ (240V電源アダプター付き)</td><td>ソリエンセ社、ニューヨーク、アメリカ合衆国</td><td>リフトレム</td><td>実際のLIFTセンサーに加え、LIFTセンサーアセンブリには、FLIR Integrated Imaging Solutions Inc.(カナダ・ブリティッシュコロンビア)[現Teledyne FLIR LLC、ウィルソンビル、米国]から供給された2台のBlackfly S BFS-U3-50S5Cカメラと、Ocean Insight提供の0.46 nm解像度の400〜800 nm分光計からなるRGBステレオカメラシステムが組み込まれています。 [ナウ・オーシャン・オプティクス](アメリカ合衆国オーランド) &nbsp;ロボットは測定と漸近を行います。170回以上;210回以上;90cm(長さ・時間、幅・高)、体重・漸近;170kg。LIFTセンサーアセンブリは、23回以上;34時間以上;59cm(ロボットに搭載された長さ・時間・幅・高さ)。</td></tr><tr><td>パワーインバータ (12 V 直流から240 V 50 Hz交流)</td><td>グリーンセルCSGs.A.、クラクフ、ポーランド</td><td>INV08</td><td>-</td></tr><tr><td>パワーバンク</td><td>-</td><td>-</td><td>USBのモバイルバッテリーなら何でも大丈夫です。</td></tr><tr><td>PPFRセンサー</td><td>HOBO / LI-COR、アメリカ・リンカーン</td><td>S-リア-M003</td><td>-</td></tr><tr><td>ロボットコントロールのウェブサイト</td><td>カテラAG、オプフィコン、スイス</td><td>-</td><td>リンクはロボットの製造元が各顧客に対して個別に提供します。</td></tr><tr><td>ロボット試作車体 (リモコンおよび 240V電源充電器付き)</td><td>カテラAG、オプフィコン、スイス</td><td>Firefly(プロトタイプ、市場未発売)、https://caterra.org/en/technologie/</td><td>適切なペイロード容量、履帯幅、最低地上高を持つ他のフィールドロボットならいずれでも可能です。</td></tr><tr><td>白色の参照パネル</td><td>-</td><td>-</td><td>白やグレーのリファレンスなら何でも大丈夫です。</td></tr></tbody></table>

自律ロボットを用いた作物植物の光合成効率の現場での高スループットスクリーニング

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

合計で、2025年6月12日から27日までの7測定日で、36の大豆(Glycine max ( L.) Merr.)育種系統から91,205件のChlF一時性測定が取得されました。74,927のデータポイントをプロットにジオリファレンスでき、58,916ポイントがデータ品質のフィルタリングを行い、スペクトルおよび気象データと一致させました。測定セットアップの概要と代表的なデータの概要は 図1に示されており、機器の動作画像(図1A)、12種類の大豆遺伝子型にわたるChlF誘導動力学(図 1B)、および対応するスペクトル反射曲線(図1C)が含まれています。
ジオリファレンスされたデータは、2つの実験フィールド間で Fq'/Fm'およびNDVIの両方に顕著な空間変動があることを示しました(図2)。これらの空間パターンは部分的にロボットの走行方向に関連しており(図3)、そのため後のモデル化ではターゲット葉への陰影の影響を減らすために考慮されました。
入射PPFRに対する Fq'/Fm'の反応を線形混合効果モデル化(図4A)により、分散のかなりの割合を説明しました(R<img alt="式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="式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)。抽出された遺伝子型特異的傾き(Response G: PPFR)は、繁殖系統間で明確な差異を示し、いくつかの系統はパネル平均に比べて応答曲線が急または平坦であることを示しました(図4C)。
最後に、RGBイメージングおよびマッチング・ステレオ3D再構築(MASt3R)アルゴリズム36(図 5)から導出された樹冠レベルの3D再構築は、LIFTに基づく生理学的測定と構造表現型を統合し、三次元の樹冠構造を捉える可能性を示しました。
<img alt="図1" class="xfigimg" src="/files/ftp_upload/69530/69530fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
図1:大豆遺伝子型における光誘起蛍光過渡現象(LIFT)およびスペクトル反射率測定の概要。(A) LIFT装置の動作例画像。入口にはクロロフィル蛍光(ChlF)を誘発するための青色励起ビームが示されています。(B) 2025年6月27日に測定された12の大豆遺伝子型(平均±SDは88から553の間、nは1つあたりn=2,035)で2025年6月27 日に測定された過渡性ChlF誘導曲線。(C) 2025年6月25日に測定された同じ遺伝子型の葉反射スペクトル(平均±SE、n総数=2,035)。色は個々の遺伝子型を示します。誤差バーは再現測定間の変動を表しています。<a href="https://www.jove.com/files/ftp_upload/69530/69530fig1large.jpg" target="_blank">この図の拡大版はこちらをクリックしてご覧ください。</a>
<img alt="図2" class="xfigimg" src="/files/ftp_upload/69530/69530fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
図 2:光系IIの量子効率と正規化差植生指数(NDVI)値の空間分布。 光システムIIの(上位)量子効率(Fq'/Fm')および(下部)正規化差植生指数(NDVI)値の空間分布を、120区画と36の育種系統からなる2つの実験大豆畑(n = 58,916)で測定しました。ポイントは測定位置を表し、色は観測値を示し、形状はロボットの進路方向を示します:北西(NW)、北東(NE)、南西(SW)、南東(SE)方向です。黒い線でフィールドプロットの境界が示されています。黒い点はフィールドロボットのグローバルナビゲーション衛星システム(GNSS)座標を表しています。 <a href="https://www.jove.com/files/ftp_upload/69530/69530fig2large.jpg" target="_blank">この図の拡大版はこちらをクリックしてご覧ください。</a>
<img alt="図3" class="xfigimg" src="/files/ftp_upload/69530/69530fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
図3:光光系IIの量子効率。ボックスプロットは、北東(NE)方向および南西(SW)方向の両方の方向(nNE = 14,339、nSE = 25,669、合計n)における、測定時間(9〜15時間)にわたる680 nmの入射放射量の対数を示しています= 40,008)。ロボットは朝は南西、午後は北東方向に向かいながら測定スポットを陰影にしていました。各ボックスは四分位範囲(IQR)を表し、水平線とひげはそれぞれ中央値と1.5× IQRの限界を示しています。<a href="https://www.jove.com/files/ftp_upload/69530/69530fig3large.jpg" target="_blank">この図の拡大版はこちらをクリックしてご覧ください。</a>
<img alt="図4" class="xfigimg" src="/files/ftp_upload/69530/69530fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
図 4:光合成応答傾き。 (A) 線形混合効果モデリングから導出された、2つの大豆実験フィールドにおける推定光合成応答傾きの空間的変動(遺伝子型と光合成光子フラックス率(G: PPFR)の相互作用)。(B) 個々の繁殖系統の調整平均およびモデル推定の光合成応答傾きを、興味のある遺伝子型を色で強調表示。(C) 強調された遺伝子型における入射PPFRと光系IIの量子効率(Fq'/Fm')との関係、フィッティングされた平方根回帰曲線。 <a href="https://www.jove.com/files/ftp_upload/69530/69530fig4large.jpg" target="_blank">この図の拡大版はこちらをクリックしてご覧ください。</a>

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

JoVE Journal

Biology

生物学

我々は、導入、トラッキングおよび植物細胞におけるGFP発現の定量分析法を報告する。このメソッドは、時間の経過とともに、大量のサンプルから半連続画像コレクションのためにカスタム設計されたロボットのシステムを利用しています。我々はまた、画像系列の分析のためのImageJのとImageReadyの使用方法を示しています。...

ロボット工学と植物組織における遺伝子発現の研究​​のための動的画像解析

このプロトコルは、市販のフラットベッドスキャナを使用して、重力刺激に応答するシロイヌナズナ実生の画像を迅速に収集するためのプロセスを説明します。この方法は、下流の分析アルゴリズムのために適した高解像度画像の安価な大容量の捕捉を可能にする。...

シロイヌナズナ根重力屈性反応の高分解能時間経過画像を収集するためにフラットベッドスキャナを使用して

ハイスループット、自動化され、タバコプロトプラストの生産と変換方法について説明します。ロボットシステムは、非モデル作物に翻訳可能であるべきであるBY-2システムモデルにおける大規模並列遺伝子発現と発見を可能にします。...

ハイスループットプロトプラスト単離と変革のためのロボットプラットフォーム

合成小分子の高スループット画面は、モデル植物シロイヌナズナの行われました。液体ハンドリング...

高スループット転送化学遺伝学の画面シロイヌナズナを行う液体処理ロボットの使用を最適化します。

分散ロボットノードは、登山植物の成長軌道を操縦するために青色光刺激のシーケンスを提供します。自然光トロピズムを活性化することにより、ロボットは、ロボットが休眠しているときに対照的に不可能である事前定義されたパターンにそれらを成長させ、バイナリ左右の決定を通して植物を導きます。...

誘導植物成長のためのロボットセンシングと刺激供給

このプロトコルは、パルス振幅変調クロロフィル蛍光測定法による非光化学的消光の緩和を測定するためのハイスループット法を導入する。この方法は、野外で栽培された グリシンマックス...

パルス振幅変調クロロフィル蛍光測定を用いた作物の非光化学的急冷のハイスループット分析

クロロフィル蛍光を用いて低CO2 処理後の植物の光合成効率の変化を測定する手法について述べる。...

クロロフィル蛍光解析による光呼吸変異体の光合成効率評価

本稿では、無人航空機(UAV)リモートセンシングから得られたデータを活用して、侵入種のバイオマス評価と空間分布を捉える侵入植物バイオマス推定手法の詳細な手順を報告する。このアプローチは、ハザード評価と侵入植物の早期警告を実施するのに非常に有益であることが証明されています。...

コンピュータビジョンに基づく侵入植物バイオマス推定

ここでは、 シロイヌナズ ナの苗木の脱etiolationの初期段階におけるクロロフィル生合成モニタリング用に設計された高度なツールについて説明します。この新しい方法論は、高い空間分解能と時間分解能で非侵襲的なリアルタイムクロロフィル蛍光イメージングを提供します。...

シロイヌナズナ脱etiolationの初期段階におけるクロロフィル生合成速度測定のための非侵襲的アッセイ

私たちは、単一および複合的な熱、干ばつ、および浸水処理に対する形態学的および生理学的反応を決定するために、画像ベースの表現型決定プロトコルを設計しました。このアプローチにより、プラント全体、特に地上の部品レベルでの早期、遅延、および回復の応答を特定でき、複数のイメージングセンサーを使用する必要性が浮き彫りになりました。...

ジャガイモの単一および複合ストレスに対する形態学的および生理学的応答を決定するためのハイスループット画像ベース表現型

表現型を測定するための植物の低コストイメージングの方法、画像キャプチャのベストプラクティス、および植物形質を定量化するための画像分析パイプラインが紹介されています。これらの方法は、暑さ、干ばつ、および複合的な非生物的ストレス条件下でのトウモロコシ(Zea...

トウモロコシ(Zea mays)非生物的ストレス表現型を定量化するためのイメージングと解析

学ぶ自律ロボットを用いた作物の光合成効率の現場スクリーニング法。光系統II量子効率と植物構造を非破壊的に測定し、大規模なキャノピー表現型解析と育種試験の効率化を実現します。

自律ロボットを用いた作物植物の光合成効率の現場での高スループットスクリーニング

さらに動画を探す