• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于數(shù)碼圖像的小麥條銹病病害程度分級(jí)方法

    2021-01-02 17:05:06蔣小敏馮海寬常紅楊貴軍楊小冬
    江蘇農(nóng)業(yè)科學(xué) 2021年23期
    關(guān)鍵詞:分級(jí)

    蔣小敏 馮海寬 常紅 楊貴軍 楊小冬

    摘要:小麥條銹病發(fā)病廣、發(fā)病率高,嚴(yán)重影響農(nóng)業(yè)生產(chǎn),造成小麥產(chǎn)量重大損失。病葉嚴(yán)重度是獲取小麥條銹病病害信息的主要參數(shù)。為更好、更便捷地獲取小麥條銹病病害信息實(shí)現(xiàn)對(duì)小麥條銹病單葉病害嚴(yán)重度分級(jí),討論一種利用數(shù)碼圖像對(duì)小麥條銹病進(jìn)行分級(jí)的方法。首先從拍攝的數(shù)碼圖像中選取發(fā)病嚴(yán)重度為1%、5%、10%、20%、40%、60%、80%、100%的小麥葉片(以植保專家目測(cè)為標(biāo)準(zhǔn)),對(duì)應(yīng)設(shè)置為1、2、3、4、5、6、7、8級(jí),每個(gè)級(jí)別各30張葉片,共計(jì)240張,從每個(gè)類別中選取10張做數(shù)據(jù)分析,20張作驗(yàn)證。利用K-means聚類法、形態(tài)學(xué)變換等操作將小麥葉片與背景分割開,然后對(duì)采集的RGB圖像通道分離獲取R、G、B分量圖進(jìn)行G、R分量加運(yùn)算,在小麥葉片染病前期,小麥條銹病嚴(yán)重度為1~4級(jí),G+R圖像就能較好地區(qū)分出病斑區(qū)域與健康區(qū)域,隨著病害程度加深黃化嚴(yán)重,G+R 圖像不能很好地區(qū)分出病斑區(qū)域,通過(guò)改變R分量圖的權(quán)重,對(duì)5、6、7、8級(jí)40個(gè)樣本進(jìn)行數(shù)據(jù)分析,發(fā)現(xiàn)G+1.7R時(shí)表現(xiàn)出的擬合性和精度最好,采用最大類間方差法(Otsu)對(duì)G+R、G+1.7R圖像進(jìn)行分割,將病斑從小麥葉片中提取出來(lái);最后根據(jù)染病面積占葉片總面積的百分比對(duì)小麥條銹病病害程度進(jìn)行分級(jí)。160個(gè)不同病害等級(jí)的小麥葉片驗(yàn)證樣本中,24個(gè)樣本被錯(cuò)誤分級(jí),136個(gè)樣本被正確分級(jí),發(fā)病程度較輕的1~4級(jí)分級(jí)正確率為92.5%,發(fā)病程度較重的5~8級(jí)分級(jí)正確率為77.5%,總體分級(jí)正確率為85.0%?;跀?shù)碼圖像對(duì)小麥條銹病病害程度分級(jí)識(shí)別方法操作靈活、方便,相對(duì)于傳統(tǒng)田間目測(cè)分級(jí)提高了分級(jí)正確率,為識(shí)別小麥條銹病葉片病害程度提供了一種操作快速簡(jiǎn)單、成本低且方便普及的新方法。

    關(guān)鍵詞:數(shù)碼圖像;小麥條銹病;病害程度;分級(jí);K-means;最大類間方差法

    中圖分類號(hào):S435.121.4+2;TP391.41? ?文獻(xiàn)標(biāo)志碼: A

    文章編號(hào):1002-1302(2021)23-0109-06

    收稿日期:2021-07-20

    項(xiàng)目基金:國(guó)家自然科學(xué)基金(編號(hào):41771469);廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃(編號(hào):2019B020216001)。

    作者簡(jiǎn)介:蔣小敏(1993—),女,安徽長(zhǎng)豐人,碩士研究生,從事作物病蟲害遙感監(jiān)測(cè)研究。E-mail:18856927671@163.com。

    通信作者:楊小冬,博士,副研究員,從事作物病蟲害遙感監(jiān)測(cè)研究。E-mail:yangxd7@163.com。

    小麥?zhǔn)鞘澜缟戏N植范圍最廣同時(shí)也是我國(guó)主要的糧食作物,從每年的小麥種植面積以及產(chǎn)量來(lái)看,小麥?zhǔn)俏覈?guó)第二大谷類和糧食作物[1]。作物病害是導(dǎo)致小麥減產(chǎn)的主要因素。小麥條銹病是由條型柄銹菌引起的易受環(huán)境條件影響的一種真菌病害,當(dāng)病原菌在有利的天氣條件下感染易感品種時(shí),早期侵染會(huì)嚴(yán)重降低株高和分蘗數(shù),從而大大降低小麥的生物量和產(chǎn)量;灌漿期侵染會(huì)嚴(yán)重減少籽粒數(shù)量、籽粒大小和質(zhì)量,從而導(dǎo)致產(chǎn)量減少和籽粒質(zhì)量降低,使小麥嚴(yán)重減產(chǎn),流行年份可達(dá)40%以上,甚至可出現(xiàn)絕收現(xiàn)象[2-5],嚴(yán)重制約了農(nóng)業(yè)生產(chǎn)、影響了農(nóng)業(yè)經(jīng)濟(jì)快速平穩(wěn)發(fā)展。病葉嚴(yán)重度是獲取小麥條銹病病情指數(shù)的主要參數(shù)。傳統(tǒng)的監(jiān)測(cè)方法主要由有經(jīng)驗(yàn)的生產(chǎn)者或植保專家在田間憑借其經(jīng)驗(yàn)知識(shí)觀察小麥植株,進(jìn)而判定小麥條銹病的發(fā)生程度等級(jí)。這些傳統(tǒng)方法存在工作量大、工作效率低等弊端,且對(duì)目測(cè)人員的專業(yè)經(jīng)驗(yàn)要求極高。因而,能夠找到一種成本低、準(zhǔn)確度高且易操作的方法去監(jiān)測(cè)小麥條銹病具有重要價(jià)值。張帥堂等基于高光譜成像技術(shù)和遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)對(duì)茶葉病斑進(jìn)行快速識(shí)別,病斑識(shí)別率達(dá)到94.17%[6]。鄭志雄等對(duì)采集到的受稻瘟病侵染不同嚴(yán)重程度的水稻葉片高光譜圖像進(jìn)行光譜分析,采用主成分分析和最大類間方差法(Otsu)對(duì)水稻葉瘟病病害程度進(jìn)行分級(jí),分級(jí)準(zhǔn)確率為96.39%[7]。Moshou等利用神經(jīng)網(wǎng)絡(luò)和二次判別分析技術(shù)對(duì)采集的冬小麥條銹病光譜圖像進(jìn)行檢測(cè)取得了較高的分類精度[8]。雷雨等基于高光譜成像技術(shù)利用主成分分析法結(jié)合最大類間方差法對(duì)小麥條銹病病害程度進(jìn)行分級(jí),分級(jí)正確率達(dá)到98.15%[9]。李小龍等利用近紅外光譜技術(shù)獲取病害光譜信息結(jié)合定性判別偏最小二乘法(DPLS)建立小麥條銹病不同嚴(yán)重度識(shí)別模型,測(cè)試集樣品總體識(shí)別正確率為96.55%[10]。陳兵等利用可見/近紅外光譜技術(shù)獲取棉花黃萎病不同嚴(yán)重度病葉光譜特征,建立相應(yīng)的多種估測(cè)模型均達(dá)到極顯著水平[11]。近年來(lái)計(jì)算機(jī)技術(shù)發(fā)展迅速,數(shù)字圖像處理技術(shù)被普遍用于農(nóng)作物的病害識(shí)別[12-18]。袁媛等對(duì)黃瓜病害葉片圖像利用超G因子和Otsu方法提取黃瓜主要葉片去除大部分背景,利用病害圖像的紅色分量構(gòu)建基于閾值預(yù)處理的圖切割算法對(duì)4種黃瓜病害的病斑進(jìn)行了有效提取[19]。任玉剛等對(duì)分水嶺算法進(jìn)行改進(jìn)使分割結(jié)果不受葉片紋理的干擾提高了作物病害葉片圖像分割的準(zhǔn)確性[20]。Wang等提出了一種有效的黃瓜葉片分割方法,首先對(duì)顏色空間類型進(jìn)行分析,提取RGB模型下R特征圖,HLS模型下H特征圖,然后利用RH=R-H特征圖進(jìn)行閾值分割提取病斑[21]。Shen等分析了圖像分割過(guò)程中存在的所有影響因素,采用Otsu法分割大豆葉片,基于HLS顏色系統(tǒng)下選擇H分量結(jié)合Sobel算子對(duì)病斑進(jìn)行分割,最后通過(guò)計(jì)算病斑與葉片面積的商進(jìn)行分級(jí)[22]。Revathi等對(duì)采集的棉花葉斑病RGB圖像進(jìn)行增強(qiáng)處理,然后對(duì)其進(jìn)行分割得到病斑,使用Sobel算子和Canny濾波等獲取邊緣信息進(jìn)而識(shí)別病斑對(duì)棉花葉斑病進(jìn)行分類,分類結(jié)果與其他算法相比具有更高的精度[23]。高光譜成像技術(shù)、可見光近紅外光譜技術(shù)以及RGB圖像分割均能夠識(shí)別出病斑?;诟吖庾V成像技術(shù)、近紅外光譜技術(shù)的病害識(shí)別正確率較高,但高光譜技術(shù)難以普及,是因?yàn)槠溆玫降膬x器價(jià)格昂貴,近紅外光譜技術(shù)不易操作。植物發(fā)生病蟲害時(shí),在不同階段,其表現(xiàn)的癥狀有著顯著差異,圖像分割的正確與否決定了病害識(shí)別的準(zhǔn)確度。當(dāng)前,利用圖像處理技術(shù)識(shí)別作物病蟲害的研究已經(jīng)很多[24-29],但目前尚無(wú)將數(shù)碼圖像用于進(jìn)行小麥條銹病葉片嚴(yán)重度分級(jí)的研究。本研究采集了不同嚴(yán)重度的小麥條銹病病葉圖像,使用圖像處理技術(shù)采用兩步分割的方法提取小麥葉片和病斑區(qū)域,對(duì)病葉進(jìn)行分級(jí)識(shí)別,以期研究出一種快速準(zhǔn)確、成本低、操作簡(jiǎn)單且方便普及的識(shí)別小麥條銹病葉片病害程度的方法。

    1 材料與方法

    1.1 試驗(yàn)材料

    試驗(yàn)田位于甘肅省農(nóng)業(yè)科學(xué)院植物保護(hù)研究所甘谷試驗(yàn)站(34.760528N,105.294410E),海拔高度為1 254.7 m,選用高感病冬麥品種銘賢169種植,在試驗(yàn)田中設(shè)置30個(gè)40 cm×40 cm的小區(qū),行距為20 cm,采用人工噴霧法選用配制的小麥條銹病夏孢子(混合生理小種)液噴灑在小區(qū)的中間植株葉片上,之后蓋上塑料薄膜過(guò)夜,次日揭去薄膜,從中心發(fā)病感染周圍植株上獲取不同嚴(yán)重度的小麥條銹病病葉。2019年6月1日,將采集到的每個(gè)小區(qū)的不同發(fā)病程度的小麥葉片并排放在白紙上,用隨身攜帶的華為手機(jī)(相機(jī)型號(hào)為STF-AL00)進(jìn)行拍攝存儲(chǔ),像素大小為3 840×5 120,每幅圖像里有9~13張小麥葉片,共獲取30幅圖像。

    1.2 圖像預(yù)處理

    用繪圖軟件對(duì)采集的圖像進(jìn)行裁剪得到小麥單葉葉片,參照國(guó)家標(biāo)準(zhǔn)GB/T 15795—2011《小麥條銹病測(cè)報(bào)技術(shù)規(guī)范》中的小麥條銹病發(fā)生程度分級(jí)指標(biāo),從中分別選取發(fā)病嚴(yán)重度為1%、5%、10%、20%、40%、60%、80%、100%的小麥葉片(以植保專家目測(cè)為標(biāo)準(zhǔn)),等級(jí)之間以中間發(fā)病嚴(yán)重度分界線作為劃分標(biāo)準(zhǔn)計(jì)入最接近的分級(jí)等級(jí),同時(shí)按照小麥條銹病嚴(yán)重度級(jí)別分別對(duì)應(yīng)設(shè)置為1~8級(jí),每個(gè)級(jí)別各取30張,共計(jì)240張不同等級(jí)的病葉樣本,其中80個(gè)用于數(shù)據(jù)分析,160個(gè)樣本用于對(duì)G+R、G+1.7R的分割結(jié)果進(jìn)行驗(yàn)證。裁剪的數(shù)碼圖像用Python 3.6軟件進(jìn)行處理和分析。

    1.3 圖像增強(qiáng)

    圖像增強(qiáng)是為了增強(qiáng)對(duì)比度。在對(duì)小麥葉片進(jìn)行拍攝和存儲(chǔ)中會(huì)引入噪聲,影響病斑部位的提取。因此對(duì)裁剪的小麥單葉圖像采用中值濾波法進(jìn)行平滑處理,減少噪聲,改善圖像質(zhì)量,并將其作為后續(xù)圖像處理的基礎(chǔ)數(shù)據(jù)。

    1.4 小麥條銹病病害程度分級(jí)方法

    1.4.1 小麥葉片與背景的分離

    K-means聚類算法是用一組特征將輸入數(shù)據(jù)劃分為k個(gè)子集,構(gòu)成k個(gè)類的簡(jiǎn)單聚類,其不斷提取當(dāng)前分類的中心點(diǎn),并最終在分類穩(wěn)定時(shí)完成聚類。基本步驟[30]如下:(1)選取k個(gè)點(diǎn)作為K-means聚類的中心點(diǎn)。(2)計(jì)算圖像中的每個(gè)像素點(diǎn)到各個(gè)聚類中心點(diǎn)的距離,對(duì)于每一個(gè)像素點(diǎn)根據(jù)其到中心點(diǎn)的最小距離進(jìn)行分類。(3)再次平均各個(gè)分類的像素作為新的分類中心點(diǎn)。 (4)重復(fù)步驟(2)和步驟(3),直到分類穩(wěn)定。

    腐蝕操作和膨脹操作是形態(tài)學(xué)運(yùn)算的基礎(chǔ),將腐蝕和膨脹操作進(jìn)行結(jié)合就可以實(shí)現(xiàn)開運(yùn)算、閉運(yùn)算等不同形式的運(yùn)算。閉運(yùn)算是先將圖像進(jìn)行膨脹之后再對(duì)膨脹的結(jié)果進(jìn)行腐蝕,去除原始圖像內(nèi)部的小孔和小黑點(diǎn)。

    為獲取小麥葉片,采用K-means聚類法和形態(tài)學(xué)處理去除圖片背景。具體流程如圖1所示。首先將經(jīng)過(guò)平滑處理后的圖像用K-means聚類法分割,再通過(guò)形態(tài)學(xué)操作,去除葉片內(nèi)部的小孔洞、小黑點(diǎn),生成葉片值為255,背景值為0的黑白二值化圖(圖1-a),并將其白色像素點(diǎn)數(shù)作為小麥葉片的總面積,之后將生成的黑白二值化圖跟原始圖像做按位與運(yùn)算得到去除背景后的小麥葉片(圖1-b)。采集的240個(gè)病害樣本均按照此方法提取出小麥葉片,可以較為準(zhǔn)確地獲取小麥葉片的面積。

    1.4.2 小麥條銹病病斑區(qū)域提取

    將經(jīng)過(guò)平滑處理后的1~4級(jí)40個(gè)樣本數(shù)據(jù)圖像進(jìn)行B、G、R三通道分離,得到B、G、R三通道分量圖。小麥條銹病病斑呈現(xiàn)黃色,成行排列且平行于葉脈。其病斑處的R值稍高于葉片健康部位的R值,因此對(duì)G和R、R和B組合圖像進(jìn)行分析。

    將2個(gè)灰度圖的像素值進(jìn)行求和時(shí),遵循以下規(guī)則:

    a+b=a+b,a+b≤255

    255,a+b>255。(1)

    若2個(gè)灰度圖的像素值(a、b)相加值小于或等于255,則計(jì)算結(jié)果就是最終結(jié)果,若相加值大于255,則最終結(jié)果就是255。提取到的G+R、R+B組合圖像如圖2所示,G和R圖像較好地保存了病斑的形狀,因此選取G+R組合圖作為病斑提取的圖像。

    G+R組合圖像中能區(qū)分出病斑區(qū)域與健康區(qū)域。葉片中顏色較亮區(qū)域?yàn)闂l銹病病斑,較暗區(qū)域?yàn)榻】祬^(qū)域。采用Otsu法對(duì)G+R組合圖像進(jìn)行分割處理,提取病斑區(qū)域的具體步驟[31]如下:(1)根據(jù)閾值T將像素分為健康區(qū)域和染病區(qū)域2大類,計(jì)算這2個(gè)區(qū)域灰度的類間方差σ2,尋找最優(yōu)閾值T使得σ2最大,使類間分離性最佳。(2) 計(jì)算平均灰度值n,若n>T,判定該區(qū)域內(nèi)所有點(diǎn)為染病區(qū)域,賦值為255;若n

    隨著小麥條銹病病情加重,小麥葉片黃化嚴(yán)重,后期葉片表面黃色面積占據(jù)大部分,用G+R的組合圖像并不能很好地將全部病斑提取出來(lái),增加R分量在顏色空間中的權(quán)重,可用于對(duì)葉片病斑的分割[32]。對(duì)后期病情嚴(yán)重,葉片表面大片泛黃的級(jí)別在5、6、7、8級(jí)的40個(gè)樣本數(shù)據(jù)進(jìn)行分析,對(duì)G、R分量圖進(jìn)行不同加權(quán)比獲取組合圖進(jìn)行病斑分割提取。

    圖像加權(quán)和就是將2幅灰度圖像像素值進(jìn)行求和時(shí),考慮每幅圖像的權(quán)重,其公式為

    dst=saturate(src1×α+src2×β+γ)。(2)

    式中:dst 表示結(jié)果圖像;saturate()表示取飽和值(最大值);src1、src2表示相同的數(shù)據(jù)類型;α、β表示src1、src2對(duì)應(yīng)的系數(shù);γ表示亮度調(diào)節(jié)量,可以為0。

    1.4.3 小麥條銹病病害程度分級(jí)

    病害嚴(yán)重度是依據(jù)病葉上病斑面積占葉片總面積的百分比表示。病害嚴(yán)重度的計(jì)算公式為

    C=A1/A2×100%。(3)

    式中:C表示病害嚴(yán)重度;A2表示小麥葉片總面積,像素;A1為小麥條銹病病斑面積,像素。

    2 結(jié)果與分析

    2.1 圖像分割

    對(duì)獲取的G、R分量圖,按照α ∶β不同的系數(shù)比進(jìn)行圖像加權(quán)和,驗(yàn)證其分割效果。通過(guò)試驗(yàn)可知,當(dāng)α=1時(shí),β的系數(shù)越大,病斑區(qū)域的增強(qiáng)越明顯;而當(dāng)β>1.7時(shí),葉片健康區(qū)域也會(huì)被明顯加強(qiáng),不符合將全部病斑提取出來(lái)的試驗(yàn)預(yù)期。以α ∶β=1 ∶1.6、1 ∶1.7、1 ∶1.8為例進(jìn)行圖像分割,并將分割結(jié)果與實(shí)測(cè)結(jié)果進(jìn)行對(duì)比分析(圖4)。選用均方根誤差(RMSE)、平均絕對(duì)誤差(MAE)和分級(jí)正確率進(jìn)行精度評(píng)價(jià),RMSE、MAE越小,分級(jí)精度越高[33]。通過(guò)研究發(fā)現(xiàn),G+1.7R時(shí)所表現(xiàn)的擬合性和精度最好(表1),此時(shí)RMSE為0.105 5,MAE為 0.080 8,分級(jí)正確率為80%。故G、R的加權(quán)和在 1 ∶1.7 時(shí),分割效果最好。

    由圖5可知,只有一部分的條銹病病斑被分割出來(lái),不能達(dá)到病斑分割目的。由圖6可知,G+1.7R分割小麥葉片中呈現(xiàn)黃色的病斑區(qū)域能被較清晰地分割出來(lái),滿足下一步小麥條銹病的分級(jí)需要。

    2.2 病害分級(jí)

    對(duì)80個(gè)早期感染小麥條銹病的葉片采用G+R的分割算法進(jìn)行分級(jí)。由表2 可知,病害等級(jí)為1級(jí)的分級(jí)正確率是85.0%,3個(gè)樣本被識(shí)別錯(cuò)誤,其中2個(gè)誤分為2級(jí),1個(gè)誤分為3級(jí);病害等級(jí)為2級(jí)的分級(jí)正確率是90.0%,2個(gè)樣本被識(shí)別為3級(jí);病害等級(jí)為3級(jí)的分級(jí)正確率是95.0%,1個(gè)樣本被識(shí)別為4級(jí);病害等級(jí)為4級(jí)的分級(jí)正確率是100.0%。在80個(gè)驗(yàn)證樣本中,共有6個(gè)識(shí)別錯(cuò)誤,分級(jí)平均正確率為92.5%。

    對(duì)80個(gè)晚期感染小麥條銹病的葉片采用G+1.7R的分割算法進(jìn)行分級(jí)。由表3可知,病害等級(jí)為5級(jí)的分級(jí)正確率是85.0%,3個(gè)樣本被識(shí)別為4級(jí);病害等級(jí)為6級(jí)的分級(jí)正確率是85.0%,3個(gè)樣本被識(shí)別錯(cuò)誤,其中1個(gè)誤分到5級(jí),2個(gè)誤分到7級(jí);病害等級(jí)為7級(jí)的分級(jí)正確率是75.0%,5個(gè)樣本被識(shí)別為6級(jí);病害等級(jí)為8級(jí)的分級(jí)正確率是65.0%,7個(gè)樣本被識(shí)別為7級(jí)。在80個(gè)驗(yàn)證樣本中,共有18個(gè)識(shí)別錯(cuò)誤,分級(jí)平均正確率為77.5%。

    對(duì)160個(gè)感染小麥條銹病的葉片進(jìn)行分級(jí),病害程度分級(jí)結(jié)果分布如圖7所示,結(jié)果表明,在全部驗(yàn)證樣本中,分級(jí)平均正確率為85.0%,共有24個(gè)識(shí)別錯(cuò)誤。R、G分量的不同組合圖像可以很好地顯示出小麥條銹病病斑區(qū)域跟健康區(qū)域的灰度差異。1~4級(jí),G+R圖像就能較好地區(qū)分出病斑區(qū)域與健康區(qū)域,5~8級(jí),病害程度加深,小麥葉片表皮破裂黃化嚴(yán)重,G+R圖像不能很好地將病斑準(zhǔn)確地分割出來(lái),通過(guò)改變R分量圖的權(quán)重,進(jìn)而更好地對(duì)病斑進(jìn)行提取。通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行分析,選取G+1.7R分割效果最好,再根據(jù)病葉嚴(yán)重度分級(jí)標(biāo)準(zhǔn)對(duì)小麥葉片條銹病進(jìn)行分級(jí)。隨著病害等級(jí)增加,分級(jí)正確率總體上呈現(xiàn)下降趨勢(shì),擬合性逐漸降低。對(duì)于病害較為嚴(yán)重的分級(jí)還需進(jìn)一步研究,以便更加準(zhǔn)確地獲取小麥條銹病病害程度。

    3 討論

    本研究通過(guò)手機(jī)相機(jī)獲取小麥條銹病葉片數(shù)據(jù),分割出小麥葉片、小麥條銹病病斑,取得了較高分級(jí)準(zhǔn)確度,為小麥條銹病葉片嚴(yán)重度分級(jí)研究提供了一種新的方法。利用K-means聚類法結(jié)合形態(tài)學(xué)處理,提取的特征值較少,具有較高的清晰度能夠很好地去除圖像背景將小麥葉片分割出來(lái)。G+R 組合圖像能夠完整地體現(xiàn)出病斑的形狀,有效區(qū)分出健康區(qū)域與病斑區(qū)域。

    病害等級(jí)在1、2、3、4級(jí)時(shí),RMSE、MAE均比較小,分級(jí)精度較高,擬合效果較好,誤分錯(cuò)誤主要集中在早期病害等級(jí)劃分,區(qū)間間隔相差較小,1百分點(diǎn)的誤差均會(huì)導(dǎo)致分級(jí)結(jié)果錯(cuò)誤。小麥條銹病病情逐漸加重,病害等級(jí)增加,5、6、7、8級(jí)RMSE、MAE相對(duì)較大,分級(jí)正確率逐漸降低,其原因主要集中在病害加重,葉片黃化嚴(yán)重,葉片健康區(qū)域面積較小且G值減弱,致使健康區(qū)域與病斑區(qū)域差異不夠顯著,沒(méi)有黃化的病斑不能提取出來(lái),都會(huì)使病斑面積減少,進(jìn)而使得到的病害嚴(yán)重度相比實(shí)測(cè)值較小,因而致使病情嚴(yán)重的葉片等級(jí)被誤分到小1級(jí)中。

    影響分級(jí)正確率的因素主要有以下幾個(gè)來(lái)源:(1)RGB圖像。因?yàn)镽GB圖像只有3個(gè)通道的像素值,病斑分割依靠顏色特征,沒(méi)有黃化的病斑無(wú)法分割。致使病情較為嚴(yán)重的葉片等級(jí)被誤分到小1級(jí)中。(2)樣本本身。葉片表面的泥土,葉片與背景的邊緣陰影部分均有可能被誤識(shí)別為病斑,致使病斑面積增大,病害前期,會(huì)將病害等級(jí)錯(cuò)誤識(shí)別大1級(jí)。拍攝亮度、圖像分辨率的高低等也會(huì)影響分割的準(zhǔn)確性。(3)等級(jí)劃分的因素。不同等級(jí)之間的區(qū)間相差太小,比如1級(jí)與2級(jí)之間僅相差4%,極易被錯(cuò)誤分類,位于2個(gè)級(jí)別間分界線附近也容易被識(shí)別錯(cuò)誤。

    本研究建立在試驗(yàn)小區(qū)之上,供試品種單一,且對(duì)于區(qū)分小麥葉片感染條銹病早期、晚期仍需要人工進(jìn)行目測(cè)判別,因此還需要進(jìn)一步研究。

    4 結(jié)論

    本研究以小麥銹病中最常見、發(fā)病廣、影響范圍大的條銹病作為研究對(duì)象,利用K-means聚類法結(jié)合形態(tài)學(xué)處理獲取小麥葉片,利用Otsu法分割R、G分量的不同組合圖像提取小麥條銹病病斑結(jié)論如下。

    (1)對(duì)小麥條銹病病情嚴(yán)重的5~8級(jí)40個(gè)樣本數(shù)據(jù)分析得出,G、R分量圖按照G+1.7R的組合圖像分割效果最好,RMSE為0.1055,MAE為 0.080 8,分級(jí)正確率為80.0%。

    (2)160個(gè)不同病害等級(jí)的小麥葉片驗(yàn)證樣本中,24個(gè)樣本被錯(cuò)誤分級(jí),136個(gè)樣本被正確分級(jí),總體分級(jí)正確率為85.0%。1~4級(jí)分級(jí)正確率為92.5%,分割精度較高,能夠?qū)崿F(xiàn)對(duì)小麥條銹病的早期病害分級(jí),更適合于小麥條銹病田間早期病害檢測(cè),為田間病害早期管理提供基礎(chǔ)數(shù)據(jù),表明基于數(shù)碼圖像對(duì)小麥條銹病病害程度分級(jí)識(shí)別是可行的,為小麥條銹病病害程度評(píng)估提供了一種新的研究思路。5~8級(jí)分級(jí)正確率為77.5%,分割精度相較于中、輕度發(fā)病水平較低,小麥條銹病病情嚴(yán)重度達(dá)到重度水平時(shí),分級(jí)方法還需進(jìn)一步研究。

    參考文獻(xiàn):

    [1]Wan A M,Chen X M,He Z H. Wheat stripe rust in China[J]. Australian Journal of Agricultural Research,2007,58(6):605.

    [2]李振岐,曾士邁. 中國(guó)小麥銹病[M]. 北京:中國(guó)農(nóng)業(yè)出版社,2002.

    [3]Rapilly F. Yellow rust epidemiology[J]. Annual Review of Phytopathology,1979,17(1):59-73.

    [4]Chen X M. Pathogens which threaten food security:Puccinia striiformis,the wheat stripe rust pathogen[J]. Food Security,2020,12(2):239-251.

    [5]馬占鴻. 中國(guó)小麥條銹病研究與防控[J]. 植物保護(hù)學(xué)報(bào),2018,45(1):1-6.

    [6]張帥堂,王紫煙,鄒修國(guó),等. 基于高光譜圖像和遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的茶葉病斑識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2017,33(22):200-207.

    [7]鄭志雄,齊 龍,馬 旭,等. 基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013,29(19):138-144.

    [8]Moshou D,Bravo C,West J,et al. Automatic detection of ‘yellow rustin wheat using reflectance measurements and neural networks[J]. Computers and Electronics in Agriculture,2004,44(3):173-188.

    [9]雷 雨,韓德俊,曾慶東,等. 基于高光譜成像技術(shù)的小麥條銹病病害程度分級(jí)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2018,49(5):226-232.

    [10]李小龍,秦 豐,趙龍蓮,等. 近紅外光譜技術(shù)的小麥條銹病嚴(yán)重度分級(jí)識(shí)別[J]. 光譜學(xué)與光譜分析,2015,35(2):367-371.

    [11]陳 兵,李少昆,王克如,等. 棉花黃萎病病葉光譜特征與病情嚴(yán)重度的估測(cè)[J]. 中國(guó)農(nóng)業(yè)科學(xué),2007,40(12):2709-2715.

    [12]Bai X B,Li X X,F(xiàn)u Z T,et al. A fuzzy clustering segmentation method based on neighborhood grayscale information for defining cucumber leaf spot disease images[J]. Computers and Electronics in Agriculture,2017,136:157-165.

    [13]張 沖,李 淼,張 健,等. 基于改進(jìn)中值濾波的梨樹病害彩色圖像分割[J]. 計(jì)算機(jī)應(yīng)用,2016,36(增刊2):197-199,217.

    [14]張會(huì)敏,謝澤奇,張善文,等. 基于WT-Otsu算法的植物病害葉片圖像分割方法[J]. 江蘇農(nóng)業(yè)科學(xué),2017,45(18):194-196.

    [15]葛 婧,邵陸壽,丁克堅(jiān),等. 玉米小斑病病害程度圖像檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(1):114-117.

    [16]任守綱,陸海飛,袁培森,等. 基于顯著性檢測(cè)的黃瓜葉部病害圖像分割算法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(9):11-16.

    [17]曹英麗,林明童,郭忠輝,等. 基于Lab顏色空間的非監(jiān)督GMM水稻無(wú)人機(jī)圖像分割[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2021,52(1):162-169.

    [18]明 浩,蘇喜友. 利用特征分割和病斑增強(qiáng)的楊樹葉部病害識(shí)別[J]. 浙江農(nóng)林大學(xué)學(xué)報(bào),2020,37(6):1159-1166.

    [19]袁 媛,李 淼,陳 晟,等. 復(fù)雜背景黃瓜葉部病害圖像分割方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(10):233-237.

    [20]任玉剛,張 建,李 淼,等. 基于分水嶺算法的作物病害葉片圖像分割方法[J]. 計(jì)算機(jī)應(yīng)用,2012,32(3):752-755.

    [21]Wang L D,Yang T,Tian Y W.Crop disease leaf image segmentation method based on color features[C]//Li D L. Computer and Computing Technologies in Agriculture,Volume Ⅰ. Wuyishan:International Federation for Information Processing,2008.

    [22]Shen W Z,Wu Y C,Chen Z L,et al. Grading method of leaf spot disease based on image processing[C]//2008 International Conference on Computer Science and Software Engineering.Wuhan,China.IEEE,2008:491-494.

    [23]Revathi P,Hemalatha M.Classification of cotton leaf spot diseases using image processing edge detection techniques[C]//2012 International Conference on Emerging Trends in Science,Engineering and Technology (INCOSET).Tiruchirappalli,India.IEEE,2012:169-173.

    [24]施 文,鄒銳標(biāo),王 訪,等. 基于多重分形的油菜病蟲害葉片圖像分割[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,40(5):556-560.

    [25]齊 龍,馬 旭,張小超. 基于BP網(wǎng)絡(luò)的植物病害彩色圖像的分割技術(shù)[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版),2006,36(增刊2):126-129.

    [26]張善文,張?jiān)讫?,尚怡? 1種基于Otsu算法的植物病害葉片圖像分割方法[J]. 江蘇農(nóng)業(yè)科學(xué),2014,42(4):337-339.

    [27]譚 峰,馬曉丹. 基于葉片的植物病蟲害識(shí)別方法[J]. 農(nóng)機(jī)化研究,2009,31(6):41-43.

    [28]喬 雪,潘 新,王欣宇,等. 基于G-R分量與K-means的馬鈴薯病蟲害圖像分割[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,42(3):84-87.

    [29]張水發(fā),王開義,祖 琴,等. 基于塊標(biāo)記的田間葉片損傷區(qū)域分割方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014,30(21):218-225.

    [30]Jaware T H,Badgujar R D,Patil P G. Crop disease detection using image segmentation[J]. World Journal of Science and Technology,2012,2(4):190-194.

    [31]Otsu N.A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems,Man,and Cybernetics,1979,9(1):62-66.

    [32]刁智華,王 歡,宋寅卯,等. 基于顏色和形狀特征的棉花害螨圖像分割方法[J]. 農(nóng)機(jī)化研究,2013,35(3):50-55.

    [33]Yue J B,F(xiàn)eng H K,Jin X L,et al. A comparison of crop parameters estimation using images from UAV-mounted snapshot hyperspectral sensor and high-definition digital camera[J]. Remote Sensing,2018,10(7):1138.

    猜你喜歡
    分級(jí)
    歡迎訂閱4-6年級(jí)《新課標(biāo) 分級(jí)閱讀》
    歡迎訂閱4-6級(jí)《新課標(biāo) 分級(jí)閱讀》
    分級(jí)診療路難行?
    分級(jí)診療的“分”與“整”
    分級(jí)診療有了時(shí)間表
    分級(jí)診療的強(qiáng)、引、合
    三位一體的浙江分級(jí)診療
    推進(jìn)分級(jí)診療 提高服務(wù)績(jī)效
    “水到渠成”的分級(jí)診療
    分級(jí)診療有三個(gè)可行途徑
    欧美大码av| 色婷婷久久久亚洲欧美| 欧美+亚洲+日韩+国产| 亚洲精品久久成人aⅴ小说| 久久久国产精品麻豆| 最近最新免费中文字幕在线| 久久久国产成人精品二区| 伦理电影免费视频| 女性被躁到高潮视频| 91字幕亚洲| 免费高清视频大片| 亚洲精品久久国产高清桃花| 精品午夜福利视频在线观看一区| 亚洲专区字幕在线| 女人高潮潮喷娇喘18禁视频| 精品久久久久久久毛片微露脸| tocl精华| 怎么达到女性高潮| 在线观看www视频免费| 波多野结衣av一区二区av| 午夜福利,免费看| 夜夜爽天天搞| 亚洲精品国产一区二区精华液| 精品卡一卡二卡四卡免费| 国产一区二区三区视频了| 一区福利在线观看| 久久久久久久久久久久大奶| 亚洲男人的天堂狠狠| 咕卡用的链子| 久久国产乱子伦精品免费另类| 成人亚洲精品一区在线观看| aaaaa片日本免费| 免费一级毛片在线播放高清视频 | 亚洲狠狠婷婷综合久久图片| av片东京热男人的天堂| 又黄又粗又硬又大视频| 99re在线观看精品视频| 香蕉丝袜av| 亚洲色图av天堂| 啦啦啦免费观看视频1| 亚洲性夜色夜夜综合| 国产欧美日韩综合在线一区二区| 国产成人精品久久二区二区免费| 99国产极品粉嫩在线观看| 久久香蕉国产精品| 免费在线观看亚洲国产| 熟妇人妻久久中文字幕3abv| 一a级毛片在线观看| 两个人视频免费观看高清| 欧美中文日本在线观看视频| 欧美不卡视频在线免费观看 | 老熟妇仑乱视频hdxx| 亚洲熟妇中文字幕五十中出| 18禁黄网站禁片午夜丰满| 久久 成人 亚洲| 久久久久久人人人人人| 天天添夜夜摸| 91麻豆av在线| 日韩精品中文字幕看吧| 男女做爰动态图高潮gif福利片 | www日本在线高清视频| 欧美av亚洲av综合av国产av| 欧美激情高清一区二区三区| 欧美丝袜亚洲另类 | 高清毛片免费观看视频网站| 亚洲欧洲精品一区二区精品久久久| 亚洲精品一卡2卡三卡4卡5卡| 日韩欧美一区视频在线观看| 丝袜人妻中文字幕| 久久青草综合色| 每晚都被弄得嗷嗷叫到高潮| 久久久久九九精品影院| 级片在线观看| 丝袜在线中文字幕| 国产精品自产拍在线观看55亚洲| 中出人妻视频一区二区| 亚洲色图av天堂| 久久精品aⅴ一区二区三区四区| 人成视频在线观看免费观看| 日韩欧美在线二视频| 又黄又爽又免费观看的视频| 国产一卡二卡三卡精品| 制服诱惑二区| 怎么达到女性高潮| 日本免费一区二区三区高清不卡 | 9热在线视频观看99| 欧美黑人精品巨大| 一边摸一边抽搐一进一小说| 国产精品电影一区二区三区| 午夜影院日韩av| 黄频高清免费视频| 欧美国产日韩亚洲一区| 亚洲成人久久性| 美女高潮到喷水免费观看| 在线观看免费午夜福利视频| 99国产精品一区二区三区| 免费少妇av软件| 免费搜索国产男女视频| 免费在线观看日本一区| 国产精品久久久av美女十八| 又大又爽又粗| 在线国产一区二区在线| 午夜a级毛片| 午夜福利在线观看吧| 久久人妻av系列| 亚洲一区二区三区色噜噜| 国产一区二区三区综合在线观看| aaaaa片日本免费| 不卡av一区二区三区| 亚洲精品久久成人aⅴ小说| 国产成人影院久久av| 成人18禁高潮啪啪吃奶动态图| 亚洲精品在线美女| 欧美日韩中文字幕国产精品一区二区三区 | 少妇裸体淫交视频免费看高清 | 亚洲精华国产精华精| 国产精品一区二区在线不卡| 97碰自拍视频| 亚洲aⅴ乱码一区二区在线播放 | 国产人伦9x9x在线观看| 此物有八面人人有两片| 最近最新中文字幕大全免费视频| 最新美女视频免费是黄的| 12—13女人毛片做爰片一| 一个人免费在线观看的高清视频| 多毛熟女@视频| 国产亚洲av高清不卡| 国产欧美日韩一区二区三| 成人手机av| 国产精品野战在线观看| 久久精品aⅴ一区二区三区四区| 在线观看免费日韩欧美大片| 久久精品亚洲精品国产色婷小说| 日韩欧美三级三区| 日本vs欧美在线观看视频| 欧美 亚洲 国产 日韩一| 亚洲精品久久成人aⅴ小说| 99riav亚洲国产免费| 国内精品久久久久精免费| 日本免费一区二区三区高清不卡 | 久久国产精品影院| 亚洲无线在线观看| 亚洲精品国产色婷婷电影| 黄网站色视频无遮挡免费观看| 久久香蕉国产精品| svipshipincom国产片| 亚洲精品国产区一区二| 淫秽高清视频在线观看| 亚洲成a人片在线一区二区| 欧美国产精品va在线观看不卡| 国产av一区二区精品久久| 国产精华一区二区三区| 美国免费a级毛片| 一级a爱片免费观看的视频| 一级片免费观看大全| 欧美久久黑人一区二区| 日本五十路高清| 亚洲一码二码三码区别大吗| 一级毛片精品| 欧美在线黄色| 一级作爱视频免费观看| 黑人操中国人逼视频| 亚洲国产看品久久| 大香蕉久久成人网| 成人永久免费在线观看视频| 亚洲成人国产一区在线观看| 国产精品美女特级片免费视频播放器 | 亚洲国产精品999在线| 欧美激情高清一区二区三区| 精品久久久久久久久久免费视频| 亚洲精品中文字幕在线视频| 两个人视频免费观看高清| 久久精品国产99精品国产亚洲性色 | 啦啦啦免费观看视频1| 一区二区三区精品91| 男男h啪啪无遮挡| 国产一区在线观看成人免费| 日本一区二区免费在线视频| 一边摸一边抽搐一进一出视频| 亚洲激情在线av| 国产成人av教育| 欧美绝顶高潮抽搐喷水| 天堂√8在线中文| 在线av久久热| 每晚都被弄得嗷嗷叫到高潮| 69av精品久久久久久| 免费在线观看日本一区| 黄色女人牲交| 亚洲人成伊人成综合网2020| 不卡一级毛片| 久久亚洲真实| 国产熟女xx| 国产欧美日韩一区二区三| 午夜精品久久久久久毛片777| 国产伦一二天堂av在线观看| 天堂√8在线中文| 欧美一级毛片孕妇| 久久久久亚洲av毛片大全| 夜夜爽天天搞| 无限看片的www在线观看| 国产一卡二卡三卡精品| 最新在线观看一区二区三区| 九色亚洲精品在线播放| 免费女性裸体啪啪无遮挡网站| 国产人伦9x9x在线观看| 欧美在线黄色| 国产成人一区二区三区免费视频网站| 亚洲av五月六月丁香网| 嫩草影院精品99| 天堂影院成人在线观看| 久久国产精品男人的天堂亚洲| 一边摸一边抽搐一进一小说| 欧美绝顶高潮抽搐喷水| 国产三级黄色录像| 精品第一国产精品| 久久亚洲精品不卡| 女人被狂操c到高潮| 夜夜看夜夜爽夜夜摸| 国内毛片毛片毛片毛片毛片| 真人做人爱边吃奶动态| 日韩欧美一区视频在线观看| 国产成人欧美在线观看| 男人舔女人的私密视频| 男人的好看免费观看在线视频 | 黄色毛片三级朝国网站| 美女高潮喷水抽搐中文字幕| 国产激情久久老熟女| www.自偷自拍.com| 两性夫妻黄色片| 又黄又粗又硬又大视频| 久久久水蜜桃国产精品网| 午夜福利成人在线免费观看| 国产三级在线视频| 一进一出抽搐动态| 国产99白浆流出| 一夜夜www| 亚洲色图综合在线观看| 亚洲男人天堂网一区| 久久精品国产99精品国产亚洲性色 | 免费在线观看完整版高清| 成年女人毛片免费观看观看9| 亚洲 欧美 日韩 在线 免费| 免费人成视频x8x8入口观看| 亚洲一区二区三区不卡视频| 久久久久久大精品| 精品国产乱子伦一区二区三区| 精品久久久久久,| 精品熟女少妇八av免费久了| 欧美日韩黄片免| 51午夜福利影视在线观看| 欧美最黄视频在线播放免费| 欧美老熟妇乱子伦牲交| 婷婷丁香在线五月| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成a人片在线一区二区| 妹子高潮喷水视频| www.www免费av| 久久精品亚洲熟妇少妇任你| 国内毛片毛片毛片毛片毛片| 色播在线永久视频| www.999成人在线观看| 欧美中文综合在线视频| 久久国产精品男人的天堂亚洲| 国产国语露脸激情在线看| 女同久久另类99精品国产91| 夜夜爽天天搞| 欧美不卡视频在线免费观看 | 变态另类丝袜制服| 精品久久久久久久久久免费视频| 国产91精品成人一区二区三区| 99久久精品国产亚洲精品| 色哟哟哟哟哟哟| 夜夜爽天天搞| 欧美不卡视频在线免费观看 | 成人免费观看视频高清| 精品久久久久久久久久免费视频| 18禁国产床啪视频网站| 午夜成年电影在线免费观看| av欧美777| 桃色一区二区三区在线观看| 97碰自拍视频| 热99re8久久精品国产| 成人特级黄色片久久久久久久| 国产成人精品久久二区二区91| 色综合婷婷激情| 国产91精品成人一区二区三区| 色综合欧美亚洲国产小说| 乱人伦中国视频| 好男人在线观看高清免费视频 | 久久精品国产清高在天天线| 黄色丝袜av网址大全| 久久国产精品男人的天堂亚洲| 免费在线观看亚洲国产| 波多野结衣高清无吗| 国产av又大| 在线观看免费视频日本深夜| 国产精品久久视频播放| 亚洲色图av天堂| 男女之事视频高清在线观看| 精品久久久精品久久久| 俄罗斯特黄特色一大片| 久久精品国产综合久久久| 国产精品一区二区三区四区久久 | 国产成人免费无遮挡视频| 亚洲成人国产一区在线观看| 亚洲欧洲精品一区二区精品久久久| 国产又爽黄色视频| 女人精品久久久久毛片| 91成人精品电影| 中文字幕人妻熟女乱码| 精品一区二区三区视频在线观看免费| 亚洲五月婷婷丁香| 亚洲精品在线美女| 欧美乱妇无乱码| 国产亚洲av高清不卡| 久久亚洲真实| 一级a爱视频在线免费观看| 神马国产精品三级电影在线观看 | 亚洲国产欧美一区二区综合| 激情在线观看视频在线高清| 满18在线观看网站| 亚洲av五月六月丁香网| 亚洲五月天丁香| 欧美不卡视频在线免费观看 | 久久中文字幕人妻熟女| 中文字幕av电影在线播放| 欧美黑人欧美精品刺激| 我的亚洲天堂| 免费高清视频大片| 亚洲精品av麻豆狂野| 亚洲av成人av| 久久青草综合色| 中文字幕人妻丝袜一区二区| 夜夜躁狠狠躁天天躁| 欧美激情 高清一区二区三区| 国产精品永久免费网站| 亚洲视频免费观看视频| 欧美久久黑人一区二区| 亚洲熟妇中文字幕五十中出| 亚洲色图综合在线观看| 久久久久久大精品| 99久久99久久久精品蜜桃| 久久久久久久午夜电影| 波多野结衣巨乳人妻| 啦啦啦 在线观看视频| 国产在线精品亚洲第一网站| 久久精品影院6| 一级毛片女人18水好多| 国产三级黄色录像| 色综合婷婷激情| 国产成人精品在线电影| netflix在线观看网站| 国产精品爽爽va在线观看网站 | 亚洲欧美精品综合一区二区三区| 中国美女看黄片| 久热爱精品视频在线9| 电影成人av| 欧美精品亚洲一区二区| 日韩高清综合在线| 激情视频va一区二区三区| 大香蕉久久成人网| 每晚都被弄得嗷嗷叫到高潮| 无人区码免费观看不卡| 国产男靠女视频免费网站| aaaaa片日本免费| 亚洲精品一区av在线观看| 欧美色欧美亚洲另类二区 | 亚洲国产精品久久男人天堂| 男女做爰动态图高潮gif福利片 | 午夜a级毛片| 亚洲男人的天堂狠狠| 亚洲片人在线观看| 午夜久久久久精精品| 久久精品国产清高在天天线| 高潮久久久久久久久久久不卡| 欧美黄色片欧美黄色片| 日日爽夜夜爽网站| 成在线人永久免费视频| 国产免费男女视频| 久久久久久久久久久久大奶| 中文亚洲av片在线观看爽| www.www免费av| 一区二区三区激情视频| 久久香蕉激情| av天堂在线播放| 老司机午夜十八禁免费视频| 美女免费视频网站| 多毛熟女@视频| 久久天堂一区二区三区四区| 精品国产乱子伦一区二区三区| 亚洲精品美女久久av网站| 久久青草综合色| 国产亚洲欧美在线一区二区| 99久久99久久久精品蜜桃| 免费看美女性在线毛片视频| 9热在线视频观看99| 国产精品久久视频播放| 身体一侧抽搐| 国产成人一区二区三区免费视频网站| 日韩成人在线观看一区二区三区| 亚洲av电影不卡..在线观看| 亚洲视频免费观看视频| 免费在线观看日本一区| 黑丝袜美女国产一区| 女人爽到高潮嗷嗷叫在线视频| 少妇裸体淫交视频免费看高清 | 色综合欧美亚洲国产小说| 日韩免费av在线播放| 中亚洲国语对白在线视频| 亚洲精品一卡2卡三卡4卡5卡| av视频在线观看入口| 一级毛片高清免费大全| videosex国产| 欧美乱色亚洲激情| 老鸭窝网址在线观看| 变态另类成人亚洲欧美熟女 | 最好的美女福利视频网| 人妻久久中文字幕网| 精品人妻在线不人妻| 亚洲欧洲精品一区二区精品久久久| 午夜福利,免费看| 亚洲精品av麻豆狂野| 国产精品自产拍在线观看55亚洲| 欧美激情久久久久久爽电影 | 大型黄色视频在线免费观看| 久久精品国产99精品国产亚洲性色 | 日本a在线网址| 成人国产综合亚洲| 久久性视频一级片| 亚洲av成人不卡在线观看播放网| 国产精品亚洲av一区麻豆| 国产精品香港三级国产av潘金莲| 两个人看的免费小视频| 久久久久久国产a免费观看| 精品久久久精品久久久| 亚洲国产欧美一区二区综合| 身体一侧抽搐| 国产区一区二久久| 国产精品香港三级国产av潘金莲| 久久久久久久久免费视频了| 成人免费观看视频高清| 色婷婷久久久亚洲欧美| 大香蕉久久成人网| 亚洲伊人色综图| 精品日产1卡2卡| av视频免费观看在线观看| 国产成人av激情在线播放| 成人亚洲精品一区在线观看| 亚洲国产精品合色在线| 久久久久九九精品影院| 国产伦人伦偷精品视频| 欧美性长视频在线观看| 18禁裸乳无遮挡免费网站照片 | 国产在线观看jvid| 国产aⅴ精品一区二区三区波| 日韩三级视频一区二区三区| 国产亚洲精品一区二区www| 99国产精品一区二区蜜桃av| 激情视频va一区二区三区| 国产成人av教育| 日本欧美视频一区| 国产精品一区二区在线不卡| 国产三级黄色录像| 女性被躁到高潮视频| 一区二区三区精品91| 亚洲 国产 在线| 91麻豆av在线| 国产精品二区激情视频| 韩国av一区二区三区四区| 国产精品久久久久久人妻精品电影| 亚洲三区欧美一区| 国产国语露脸激情在线看| 亚洲第一av免费看| 亚洲情色 制服丝袜| 琪琪午夜伦伦电影理论片6080| 两性午夜刺激爽爽歪歪视频在线观看 | 精品人妻在线不人妻| 日韩大尺度精品在线看网址 | 欧美成人午夜精品| 久久久精品国产亚洲av高清涩受| 午夜a级毛片| 精品国产乱子伦一区二区三区| 国产精品自产拍在线观看55亚洲| 黄色成人免费大全| 日本一区二区免费在线视频| 一a级毛片在线观看| 精品一区二区三区av网在线观看| 亚洲性夜色夜夜综合| 国产精品98久久久久久宅男小说| 欧美日韩福利视频一区二区| 国产精品久久久av美女十八| 精品久久久久久久久久免费视频| 免费看美女性在线毛片视频| 亚洲熟女毛片儿| 99久久国产精品久久久| 欧美黑人精品巨大| 久久国产亚洲av麻豆专区| 制服丝袜大香蕉在线| 女同久久另类99精品国产91| 极品人妻少妇av视频| 男女下面进入的视频免费午夜 | 国产免费男女视频| 亚洲男人天堂网一区| 黑人操中国人逼视频| 色精品久久人妻99蜜桃| 黑人巨大精品欧美一区二区蜜桃| 亚洲国产精品久久男人天堂| 欧美日韩中文字幕国产精品一区二区三区 | 日本欧美视频一区| 夜夜躁狠狠躁天天躁| 免费观看人在逋| 中文亚洲av片在线观看爽| 老司机午夜十八禁免费视频| 精品国产美女av久久久久小说| 中文字幕久久专区| 日韩视频一区二区在线观看| 变态另类成人亚洲欧美熟女 | 久久精品aⅴ一区二区三区四区| 日日夜夜操网爽| 国产成人精品久久二区二区91| 欧美亚洲日本最大视频资源| 久久精品国产99精品国产亚洲性色 | 大香蕉久久成人网| 无遮挡黄片免费观看| 久久午夜综合久久蜜桃| 国产精品av久久久久免费| 亚洲欧美激情在线| 97超级碰碰碰精品色视频在线观看| 免费av毛片视频| 黑人操中国人逼视频| 丝袜人妻中文字幕| 91成人精品电影| 9色porny在线观看| 久久人妻熟女aⅴ| 亚洲精品中文字幕在线视频| 老司机福利观看| 19禁男女啪啪无遮挡网站| 亚洲午夜精品一区,二区,三区| 欧美日韩福利视频一区二区| 精品一品国产午夜福利视频| 亚洲中文日韩欧美视频| 又大又爽又粗| 久久国产乱子伦精品免费另类| 久久久久久久久免费视频了| 日本a在线网址| 少妇粗大呻吟视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av电影在线进入| 一边摸一边做爽爽视频免费| 成人国语在线视频| 国产欧美日韩精品亚洲av| 岛国在线观看网站| 黄色片一级片一级黄色片| 两个人免费观看高清视频| 99国产精品99久久久久| 久久久久国内视频| 午夜福利18| 91老司机精品| 男女下面插进去视频免费观看| 亚洲专区中文字幕在线| 久久伊人香网站| 极品教师在线免费播放| 欧美日韩黄片免| 欧美日韩亚洲国产一区二区在线观看| 琪琪午夜伦伦电影理论片6080| 一级黄色大片毛片| 成人国语在线视频| 亚洲精品美女久久av网站| 国产乱人伦免费视频| 极品人妻少妇av视频| 岛国视频午夜一区免费看| 欧美 亚洲 国产 日韩一| av福利片在线| 黄色女人牲交| 一本综合久久免费| 午夜精品久久久久久毛片777| 欧美黑人精品巨大| 搡老熟女国产l中国老女人| 在线观看免费日韩欧美大片| 美女午夜性视频免费| 一级毛片高清免费大全| 久久久久九九精品影院| 免费少妇av软件| 成人精品一区二区免费| 大香蕉久久成人网| 国产又色又爽无遮挡免费看| 亚洲av成人一区二区三| 久久午夜亚洲精品久久| 日本 av在线| 搡老熟女国产l中国老女人| 后天国语完整版免费观看| 一区二区日韩欧美中文字幕| 香蕉久久夜色| 久久久国产成人免费| 日韩欧美一区二区三区在线观看| 国产熟女xx| 一级作爱视频免费观看| 国产欧美日韩一区二区三| 99国产精品一区二区三区| 国产国语露脸激情在线看| 亚洲,欧美精品.| 亚洲午夜精品一区,二区,三区| 很黄的视频免费| www.999成人在线观看| 一二三四在线观看免费中文在| 性欧美人与动物交配| 黄色视频不卡| 中文亚洲av片在线观看爽| 人妻久久中文字幕网| 天天添夜夜摸| 少妇粗大呻吟视频| 中文字幕最新亚洲高清| 精品国产乱码久久久久久男人| 国产欧美日韩一区二区三区在线| 成人18禁高潮啪啪吃奶动态图|