《Horticulturae》：Spectral Imaging and Autonomous Inspection Technologies for Nutrient Diagnosis of Protected Horticultural Crops: A Review
编辑推荐：
设施园艺作物通常以高种植密度进行生产，且生产周期较短；水肥供应失衡会迅速影响植株活力、产量和品质。因此，需要采用非破坏性诊断方法(non-destructive diagnostic methods)来表征温室条件下的植物营养状态。光谱成像(spectral
设施园艺作物通常以高种植密度进行生产，且生产周期较短；水肥供应失衡会迅速影响植株活力、产量和品质。因此，需要采用非破坏性诊断方法(non-destructive diagnostic methods)来表征温室条件下的植物营养状态。光谱成像(spectral imaging)能够同时获取与色素、水分状态、组织结构和冠层表型相关的空间与光谱信息。它并不直接检测营养离子，而是捕获可能与营养状态相关的生理和结构响应，这些响应也可能受到水分亏缺、病害、温度、盐分、物候期(phenology)和基因型(genotype)的影响。本综述聚焦于温室条件下土壤、基质和水培系统中栽培的作物。在垂直农场(vertical farms)、人工气候室(growth chambers)和开放大田中开展的研究仅作为传感器选择、模型校准和检测方法的补充参考文献。本文综合了氮(nitrogen, N)、磷(phosphorus, P)、钾(potassium, K)的诊断指标及其相关的生理响应和光谱特征；比较了高光谱(hyperspectral)、多光谱(multispectral)和机器学习(machine learning)方法在叶片、单株和冠层尺度上的性能；并考察了固定测量、步进式移动巡检(stop-and-go mobile inspection)、连续运动成像(continuous motion imaging)和自主植物重访(autonomous plant revisitation)。现有研究已为养分含量反演、缺素识别和移动监测奠定了坚实基础。然而，在连续检测条件下，若干挑战仍未得到充分解决，包括辐射-几何联合定标(radiometric–geometric joint calibration)、植物身份保持(plant identity preservation)、多元素化学真值获取、跨生育期和跨温室类型的模型泛化，以及长期性能评估。未来工作应完善动态数据采集与水肥环境控制的标准化协议，将机理性约束与数据驱动方法相结合，并纳入植物重识别(plant re-identification)、时空配准(spatiotemporal registration)、不确定性量化(uncertainty quantification)和在线定标(online calibration)。这些努力将有助于构建长期稳定且可比的营养诊断系统，从而推动设施蔬菜营养监测从单次静态测量向连续、可追溯、自主巡检系统的转变，并在适当的独立验证后最终支持精准灌溉和施肥管理。
2. 设施园艺作物营养诊断的光谱技术基础
2.1 营养诊断目标
氮(N)、磷(P)、钾(K)是设施园艺作物营养诊断中经常研究的对象，属于必需大量元素，其供应水平影响作物生长、产量和品质。三者的生物学作用各异：N参与叶绿素、氨基酸和蛋白质构成；P参与能量传递、核酸合成和碳代谢；K参与渗透调节、气孔运动和酶活化。在诊断中需区分四类目标：组织养分浓度（如质量分数）、单株或器官的养分含量或积累量、相对于作物-器官-生育期特异性参考范围的盈亏状态，以及非特异性生理胁迫症状。这些目标不可互换，其解释依赖于作物种类、品种、生育期、取样器官、生物量稀释效应和参考范围定义。真值(ground truth)的选择应与诊断目标匹配，组织浓度与总养分含量不应混淆，尤其当处理改变生物量时；水分状态也应测量或控制，因为其可独立于养分供应改变反射率和组织浓度。大田研究可用于借鉴验证设计思路，但不能替代温室园艺作物的直接证据。
2.2 氮、磷、钾生理表型与光谱响应机制
光谱成像并不直接检测植物组织中的N、P、K，而是通过识别元素含量变化引起的色素组成、组织结构、水分状态和冠层形态差异来间接评估养分状况。其中，可见光波段受色素影响显著；近红外波段受叶片内部结构和冠层几何影响；短波红外波段对水分和部分生化组分敏感。水分亏缺、盐分、温度、病害、叶龄、物候期、基因型或观测几何变化均可诱导相似的光谱响应，因此元素特异性解释需要组织化学参比、受控或析因试验设计，以及能够区分养分效应与潜在混淆因素的验证。N、P、K缺乏均可改变叶片颜色、生长、水分关系和组织结构，其光谱响应部分重叠；特定作物和试验条件下N缺乏的可见光区分度优于P或K缺乏，并不能确立普适的元素特异性光谱特征。可靠诊断还需确定适宜的植株区域并标记低质量观测：生菜冠层高光谱处理中背景去除和冠层分割具有重要价值，温室黄瓜检测证据表明遮挡和复杂背景影响器官识别。
2.3 基于高光谱与多光谱成像的单模态诊断
高光谱和多光谱养分研究在测量尺度、目标定义、模型和验证设计上存在差异。高光谱成像有助于识别候选响应区域和建立受控条件基线；多光谱成像在波段集合被独立验证后可减少数据量并提高部署可行性。荟萃分析表明两种模态均可支持N、P、K估计，但N的证据基础强于P和K。除非作物、生育期、组织目标、真值、传感器、预处理和数据分组策略可比，否则不应直接比较不同研究的性能指标。从高光谱向多光谱的转变并非简单的传感器替换，而是从连续波段探索向小型化、独立验证波段集的任务特定压缩。随机划分同一植株或批次的叶片、像素或图像会将相关信息泄漏至测试集并高估性能；推荐验证方案应以植株或栽培单元为最小分组，并尽可能执行留一批次、留一日期、留一品种、留一温室和留一设备测试。除决定系数(R
2)和均方根误差(root mean square error, RMSE)外，应报告平均绝对误差(mean absolute error, MAE)、偏差、定标斜率和截距、不确定性区间及有效观测比例。
2.4 多源诊断信息与时空同步
单模态光谱成像可将植株养分状态与光谱响应相关联，但无法独立解耦颜色、冠层几何、水分状态、温度和观测条件效应，多源融合应被视为可检验的假设而非简单传感器累加。一条证据链结合光谱、RGB、深度、热红外、环境变量和根区电导率(electrical conductivity, EC)/pH解释植株状态；另一条记录平台位姿、速度、振动、光照和曝光以评估采集质量；前者回答植株发生了什么，后者回答观测是否可信。只有在相对单模态基线产生增量诊断价值时，新增传感器才具有合理性，并需透明核算定标、计算、故障模式和缺失数据成本。多源融合的价值依赖可靠的时空对应：传感器视场、分辨率、曝光时间和采样频率不同，配准需要共同触发或时钟、时间戳、内外参定标和坐标变换。连续运动条件下，每帧或每条扫描线应关联位姿、速度、振动、光照和曝光元数据；系统应报告模态增益、配准误差、缺失模态性能、定标负担、成本和计算需求，并尽可能将配准误差传播至养分预测的不确定性中。
2.5 数据-机理协同建模与动态适应性评估
在同步、配准和质量标记之后，建模应在养分处理或组织化学、生理、表型、光谱响应和诊断结果之间建立可解释的联系。组织N、P、K浓度或含量可作为真值，叶绿素、蛋白质、水分和冠层结构可作为中间变量。辐射传输模型可约束合理性状范围或生成模拟光谱，机器学习可对残差模式建模；PROSPECT-P提供了含氮蛋白质和碳基组分的物理表征，物理引导的预训练可改善特定性状反演的迁移性。但辐射传输模拟不能唯一确定养分状态，不能替代实测样本。动态适应性指模型跨生育期、品种、栽培批次、温室环境、传感器和复合胁迫保持有效性能的能力，不能从单一数据集随机划分推断。对设施园艺作物，应以植株或栽培单元为最小分组，并分别报告留一批次、留一日期、留一品种、留一温室和留一设备验证结果；比较时应区分不更新、定标迁移和使用新样本微调三种策略。高通量采集阶段的研究表明，标准化采集可将多模态表型信息转化为可复现的模型输入，但向移动场景过渡时，平台状态和辐射质量也必须纳入动态适应性评估。
3. 从固定测量到自主巡检的技术演进
本章根据整体承载平台能否脱离固定观测设施并改变作业区域，将表型平台分为固定式表型平台和移动式表型平台：前者的覆盖范围受固定视场、轨道行程或传送路径限制，后者可通过整体移动进入不同栽培区域。随着平台从固定测量向移动巡检演进，步进式采集的效率限制催生了连续运动成像和动态校正需求；在此基础上，通过植物重识别和跨生育期配准实现自主重访和纵向诊断，形成从精准测量、广域覆盖、高效采集到跨生育期可比诊断的递进式技术体系。
3.1 受控条件下的固定测量
固定平台的定义是观测关系受固定视场或预定传送路径约束，而非传感器完全静止。固定相机网络可支持原位监测，植物传送平台将盆栽或穴盘苗样本输送至标准化成像单元；分布式相机系统和固定RGB-D感知证明了标准化几何对温室表型测定的价值，传送带可降低微气候异质性并支持可重复采集。固定测量可减少光照、距离和视角变化，但覆盖范围受安装位置、视场和样本输送需求限制；扩展固定相机网络可能需要额外设备与维护，传送平台难以适应连续栽培床、营养液槽和多层架。同一冠层重复成像中，叶片运动、朝向变化、萌发、衰老、修剪和收获均会造成变异，仅叶朝向变化即可影响俯视图像的投影面积。固定系统应被视为精度
