2024/07/30 16:42
阅读:3
分享:方案摘要:
产品配置单:
FluorCam系列叶绿素荧光成像系统
型号: PSI
产地: 捷克
品牌: 捷克PSI
面议
参考报价
联系电话
FluorCam大型植物叶绿素荧光成像平台
型号: FluorCam大型植物叶绿素荧光成像平台
产地: 捷克
品牌: 捷克PSI
面议
参考报价
联系电话
Monitoring Pen MP100叶绿素荧光自动监测仪
型号: Monitoring Pen MP100叶绿素荧光自动监测仪
产地: 捷克
品牌: 捷克PSI
¥1万 - 5万
参考报价
联系电话
AquaPen手持式叶绿素荧光测量仪
型号: AquaPen
产地: 捷克
品牌: 捷克PSI
¥3万
参考报价
联系电话
方案详情:
FluorCam叶绿素荧光成像系统不只在植物研究领域应用广泛,在检测水果储存方面也具有相当大的应用潜力。近两年发表的两篇文章便将FluorCam与气调技术结合设计了一套果实低氧存储检测装置,来通过叶绿素荧光成像深入研究苹果低氧胁迫下的荧光动力学变化,探索更优的果实存储方案。
商业化生产的苹果(Malus x domestica Borkh.)正在越来越多地以Dynamic Controlled Atmosphere(DCA,动态调控气体)形式存储,通过改变气调室内的气体组成(氧气O2和二氧化碳CO2)以及降低温度来延长苹果的保质期。 Lower Oxygen Limit(LOL)是水果能够容忍的最低氧气水平,低于LOL的氧气水平,果实细胞的代谢就会从有氧变为发酵,从而导致发酵产物(如乙醛、乙醇和乙酸乙酯)的积累,影响果实品质。在DCA存储中,苹果一般存储在LOL+0.2-0.3 kPa O2的范围内,因此,了解LOL对于果实DCA储存至关重要。
叶绿素荧光测量是确定LOL的常用方法之一,当然,相比非成像荧光测量,叶绿素荧光成像测量可以检测光合活性的空间异质性,更具优势。同时,叶绿素荧光测量技术也逐渐被用来监测低氧胁迫对水果的影响,有研究表明,Fo是检测植物和果实低氧胁迫的敏感参数。但这其中的关联机制尚不清晰,显然,有氧呼吸(线粒体)、发酵(细胞质)和叶绿素荧光(来自叶绿体和光系统PSII)的增加之间存在着某种关系(Wright et al.,2012)。
2022年Schlie等人为了进一步了解苹果在贮藏过程中的荧光异质性,以及开发一种识别LOL的方法,利用FluorCam荧光成像系统对在足够的氧水平和低氧胁迫条件下处理的“Braeburn”和“Golden Delicious”两种苹果进行了测量。
结果可知,在低氧水平下,苹果的Fo升高,而Fv/Fm则降低,而二维成像图则展示了荧光变化的空间差异。得益于FluorCam二维成像技术的优点,我们不只可以获得由成千上万个像素组成的测量目标的荧光参数的平均值,还可以获得代表不同像素荧光空间分布的直方图,本文直方图分割计算,探索出一种识别LOL的新方法。提出的方法不仅适用于苹果,还可以用于其他类型的水果。
在之前研究的基础上,Schlie又进一步设计了实验,更深入地了解苹果在低氧胁迫下叶绿素荧光动态响应,特别是与空间分布的关系。研究中同样使用FluorCam运行叶绿素荧光动力学测量程序,对苹果低氧胁迫进行了早期检测,并探讨除了最小荧光(Fo)参数之外,是否还有其他参数可以用来检测苹果的低氧胁迫。
研究中,分别对18℃和2℃环境下,不同氧气含量的苹果果实进行了叶绿素荧光成像,使用的是FluorCam的Quenching程序(非光化学荧光淬灭动力学测量程序)。
成像测量结果表明,随着氧含量下降,Fo升高,尤其在<0.02KPa的发酵阶段,Fo显著升高。而Fv/Fm(暗适应下的最大光量子通量)随着氧含量的下降而降低,说明低氧胁迫引起了苹果光合效率的下降。
同时,对通过FluorCam获得的荧光动力学曲线分析发现,在有氧和低氧发酵条件下,荧光动态曲线存在差异。在发酵条件下,饱和脉冲期间荧光强度下降。尤其在2°C的条件下,发酵产物积累之前,荧光动态曲线就已经发生变化。
另外,文中还分析了多个其他荧光参数的变化,包括NPQ(非光化学荧光淬灭)、ɸPSII(PSII量子产额)等,都可以指征低氧胁迫对苹果生理变化的影响。这篇研究报告为如何利用叶绿素荧光技术来监测和优化苹果在储存过程中的低氧胁迫反应的深入见解。
这两篇研究的方法和结论也为探索蔬菜、其他水果等的动态气调室存储方案,检测新鲜果蔬的存储品质等提供了极具价值的参考,并且还可适用于检测CO2含量、低温、水分流失等在果蔬存储中起到的作用。
参考文献:
[1] Schlie T P, Dierend W, Köpcke D, et al. Detecting low-oxygen stress of stored apples using chlorophyll fluorescence imaging and histogram division[J]. Postharvest Biology and Technology, 2022, 189: 111901.
[2] Schlie, Tim-Pascal, et al. "Recording of Low-Oxygen Stress Response Using Chlorophyll Fluorescence Kinetics in Apple Fruit." Food and Bioprocess Technology 17.4 (2024): 1004-1016.
下载本篇解决方案:
更多
RhizoTron 根系高光谱成像技术应用:根际图像分割及形态分析
植物“隐藏的一半”被可视化和量化是根系研究的关键。为了更好地对植物地下部分进行探索,越来越多的人对根箱栽培法培养的植物根系进行原位成像,因此,如何更精准的对根际图像进行分割,对后续的研究至关重要。 根箱栽培法的成像方式包括RGB成像和高光谱成像,不仅可以对根箱培养的植株幼苗整体根系进行形态分析,高光谱成像还能够进行土壤和根系的化学成像。基于此,北京易科泰有限公司推出了RhizoTron®植物根系高光谱成像系统,不仅能进行高光谱成像,还可进行RGB成像、红外热成像、UV-MCF紫外光激发生物荧光高光谱成像,为根系多角度研究提供非接触、非损伤、数字化、可视化解决方案。
农/林/牧/渔
2024/07/22
易科泰人体能量代谢测量技术助力北京市民健康体重行动
随着超重和肥胖问题日益成为公共卫生的重大挑战,北京市卫健委、市体育局和市总工会于7月11日联合发起了"北京市民健康体重行动" ,旨在鼓励市民采取合理饮食和适量运动的健康生活方式。去年试点项目中75.8%的参与者体重有所下降,平均每人减重1.40公斤,但最新数据显示本市18至79岁居民的超重率高达36.3%,肥胖率为22.1%,凸显了持续开展此类行动的紧迫性和重要性。 人体能量代谢研究是人类生物学研究的最重要议题之一,研究焦点为人类对不同生态环境条件包括生存限制条件与胁迫的响应(适应)、能量的获取与分配(用于维持性消耗和生产性消耗)、及其对人类福祉健康(包括人类生存与繁衍)的意义。 北京易科泰生态技术有限公司与美国Sable等国际知名能量代谢测量技术公司合作,为国内运动生理学、运动医学、运动经济学,围产营养学、营养与代谢研究、军事医学研究提供全面能量代谢研究技术方案和能量代谢实验室方案,这些技术不仅帮助研究者和教练更好地理解运动员的能量消耗和代谢需求,还为运动员的训练和恢复提供了科学依据。
生物产业
2024/07/19
SisuROCK 高光谱成像技术检测土壤有机碳(SOC)和总氮(TN)
土壤有机质,尤其是有机碳和氮,在陆地生态系统中起着重要的作用,通过土壤管理增加土壤固碳可抵消全球化石燃料排碳的5-15%。高光谱成像技术可以将土壤特性测量从点尺度提升至空间尺度,是土壤科学管理、土壤有机质研究的有力工具。 加拿大阿尔伯特大学的研究者Sorenson利用Specim SisuROCK高光谱成像系统,采集三种不同轮作土壤剖面(a连续作物、b连续牧草、c作物和牧草混合农业生态轮作)的VNIR-SWIR高光谱数据,结合元素分析仪获取的各土壤样品有机碳(SOC)和总氮(TN)含量数据,基于小波分析与贝叶斯正则化神经网络建立SOC和TN预测模型。 结果表明,轮作中添加牧草增加了土壤SOC和TN的含量,但这些变化多集中在表层。这一结果具有重要的土地利用与管理意义,为用户提供决策支持,同时证明SisuROCK高光谱成像技术是研究土壤剖面中有机质空间分布的重要工具。 北京易科泰生态技术有限公司长期致力于生态-农业-健康领域仪器的研发、应用与推广,为土壤养分、污染、重金属检测、土壤-植物互作关系研究提供从实验室到野外,从地面到无人机遥感全方位解决方案。
环保
2024/07/10
高光谱成像技术检测鸭梨 α-法尼烯和共轭三烯
近日,河北省农林科学院生物技术与食品科学研究所果蔬贮运加工研究室程红博士团队,使用高光谱成像技术结合机器学习模型建立了一种无损快速检测方法,成功预测了鸭梨的虎皮病生物标志物α-法尼烯和CTols,并在国际化学光谱学TOP期刊Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy在线发表了题为“Potential of hyperspectral imaging for nondestructive determination of a-farnesene and conjugated trienol content in ‘Yali’ pear”的研究论文。 该论文采用北京易科泰生态技术公司提供的Specim-VNIR高光谱成像果品品质检测系统,借助其高分辨率、高信噪比、高帧频的特点,高效采集了大批量不同实验处理下的400-1000nm鸭梨高光谱数据集,将VIS-NIR高光谱成像技术和机器学习模型相结合,建立了一种基于高光谱成像技术的快速无损预测鸭梨中α-法尼烯和CTols含量的方法,以跟踪鸭梨的健康状态,预防鸭梨虎皮病。该研究结果为鸭梨虎皮病的无损检测提供了技术支撑,也充分体现了高光谱成像技术在果实品质高效、无损检测中的潜力。
农/林/牧/渔
2024/07/09