综述：高光谱成像在植物初级和次级代谢物检测与分类中的应用：综述

《Phytochemical Analysis》：Hyperspectral Imaging for Detection and Classification of Plant Primary and Secondary Metabolites: A Review

高光谱成像（HSI）作为一种非破坏性技术，可同时获取光谱和空间信息，在植物科学中用于检测初级和次级代谢物，弥补传统方法（如色谱、质谱）的破坏性、耗时及样本制备复杂等缺陷。本文系统综述了HSI的原理、硬件、图像采集策略及机器学习在代谢物提取与分类中的应用，指出其能实现植物代谢组实时、精准评估，结合传感器、照明系统及计算工具的进步，已广泛应用于植物质量监测、胁迫响应分析及药用成分检测，为农业和医药领域提供高效可持续的解决方案。

　　

摘要

背景

高光谱成像（HSI）是一种非破坏性技术，能够同时捕获多个波长的光谱和空间信息。在植物科学领域，它对于检测对植物生长至关重要的初级代谢物以及对植物防御和人类健康必不可少的次级代谢物具有重要意义。虽然色谱法和质谱法等传统方法具有较高的准确性，但它们具有破坏性、耗时较长，并且需要繁琐的样品制备过程。

目标

本文综述了HSI作为快速、无创的代谢物检测和分类工具的潜力，重点探讨了其在精准农业、植物表型分析和药用植物研究中的应用。

方法

本文总结了HSI的基本原理、硬件组成、图像采集策略以及处理技术，特别强调了将机器学习集成到高维光谱数据中以提取和分类生化信息的方法。

结果

研究表明，HSI能够实现对植物代谢特征的准确、实时评估。机器学习方法提升了预测性能，而成像传感器、照明系统和计算工具的进步进一步提高了HSI的应用范围。HSI越来越多地被用于监测植物质量、应激反应以及生物活性化合物的含量。

结论

本文认为HSI是植物代谢组学领域的一项变革性工具，它提供了可扩展、快速且可持续的替代传统方法的选择，具有显著提升农业生产力和药用植物应用的潜力。