• <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 ?

    基于光譜及成像技術(shù)的種子品質(zhì)無(wú)損速測(cè)研究進(jìn)展

    2021-01-05 10:18:38吳靜珠
    光譜學(xué)與光譜分析 2021年1期
    關(guān)鍵詞:種子活力玉米種子波段

    王 冬, 王 坤, 吳靜珠*, 韓 平*

    1. 北京農(nóng)業(yè)質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究中心, 北京 100097 2. 北京工商大學(xué)食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室, 北京 100048 3. 農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品質(zhì)量安全風(fēng)險(xiǎn)評(píng)估實(shí)驗(yàn)室(北京), 北京 100097

    引 言

    種子作為農(nóng)業(yè)投入品,是農(nóng)業(yè)生產(chǎn)過程的重要生產(chǎn)資料,其品質(zhì)對(duì)農(nóng)業(yè)經(jīng)濟(jì)有著至關(guān)重要的影響。種子質(zhì)量是種子品質(zhì)分級(jí)的重要指標(biāo),關(guān)系到種子存儲(chǔ)過程的安全問題,并且可對(duì)種子等級(jí)劃分以及優(yōu)劣判定進(jìn)行定量描述。種子活力直接影響種子的發(fā)芽速度、出苗整齊度以及抵抗逆環(huán)境生長(zhǎng)的能力,與植株的生長(zhǎng)優(yōu)勢(shì)和生產(chǎn)潛力密切相關(guān); 而老化種子則是指種子活力的自然衰退,表現(xiàn)為種子變色、發(fā)芽率低、生長(zhǎng)勢(shì)差、作物減產(chǎn)。種子的純度與真?zhèn)螘?huì)直接影響作物產(chǎn)量和農(nóng)產(chǎn)品品質(zhì),與農(nóng)業(yè)生產(chǎn)實(shí)際利益息息相關(guān)。種子分類與溯源是保證種子純度與鑒別種子真?zhèn)蔚闹匾椒ā?/p>

    對(duì)種子品質(zhì)的傳統(tǒng)檢測(cè)方法大多需要對(duì)種子進(jìn)行破壞性分析,且檢測(cè)時(shí)間長(zhǎng)、過程復(fù)雜,難以滿足現(xiàn)代農(nóng)業(yè)對(duì)種子無(wú)損、快速生產(chǎn)的要求。隨著化學(xué)計(jì)量學(xué)的發(fā)展和計(jì)算機(jī)技術(shù)的進(jìn)步,近年來(lái)近紅外光譜、高光譜成像等新型分析技術(shù)在無(wú)損檢測(cè)領(lǐng)域?qū)崿F(xiàn)了諸多成功的應(yīng)用。近紅外光譜技術(shù)具有無(wú)損、快速、高效等特點(diǎn),可在不破壞樣品的情況下,快速完成光譜數(shù)據(jù)采集,真正做到無(wú)損、快速分析; 在數(shù)據(jù)模型的支持下,通過一次光譜數(shù)據(jù)掃描即可獲得多個(gè)指標(biāo)的分析結(jié)果,分析效率較傳統(tǒng)方法明顯提高。高光譜成像技術(shù)是一種將光譜技術(shù)和成像技術(shù)相結(jié)合的新型分析技術(shù),在提供光譜信息的同時(shí)還可以提供樣品的空間分布和圖像特征信息,在對(duì)樣品進(jìn)行光譜信息采集的同時(shí)還可以實(shí)現(xiàn)樣品的圖像信息采集,從而為種子品質(zhì)分析提供更多數(shù)據(jù)與信息。

    本文圍繞近紅外光譜、高光譜成像等光學(xué)檢測(cè)技術(shù),針對(duì)種子品質(zhì)無(wú)損快速檢測(cè),從種子質(zhì)量評(píng)價(jià)、活力與老化檢測(cè)、純度與真?zhèn)舞b別、分類與溯源研究四個(gè)方面對(duì)近年文獻(xiàn)進(jìn)行綜述,在此基礎(chǔ)上,對(duì)種子品質(zhì)無(wú)損快速檢技術(shù)進(jìn)行總結(jié)與展望。

    1 種子質(zhì)量評(píng)價(jià)

    種子質(zhì)量關(guān)系著種子的健康狀況,是種子等級(jí)劃分以及衡量種子優(yōu)劣的定量指標(biāo)。種子質(zhì)量主要包含種子含水率、蛋白含量、脂肪酸含量、淀粉含量等。其中,水分含量關(guān)系著種子儲(chǔ)存過程的安全性。水分含量過高常會(huì)導(dǎo)致種子生蟲、發(fā)霉,造成嚴(yán)重?fù)p失。近年來(lái),很多學(xué)者針對(duì)種子水分含量的無(wú)損快速檢測(cè)做了很多嘗試[1],并取得了一定的進(jìn)展。蘆兵[2]等采用高光譜技術(shù)對(duì)水稻種子含水量采用模擬退火算法-支持向量回歸建立了定量檢測(cè)模型,預(yù)測(cè)集測(cè)定系數(shù)為0.928 6。Zhang等[3]基于可見/近紅外光譜和近紅外高光譜成像技術(shù)實(shí)現(xiàn)對(duì)玉米種子水分含量的無(wú)損檢測(cè),采用無(wú)信息變量消除算法提取特征波長(zhǎng),建立偏最小二乘回歸預(yù)測(cè)模型; 模型校正集、預(yù)測(cè)集相關(guān)系數(shù)分別為0.961和0.898,校正均方根誤差、預(yù)測(cè)均方根誤差分別為0.491%和1.315%??翟颅偟萚4]采用近紅外光譜法對(duì)玉米、水稻種子的水分含量分別建立了校正模型,結(jié)果表明,玉米、水稻種子水分模型的多元相關(guān)系數(shù)分別為0.837 1和0.832 1。

    在種子質(zhì)量評(píng)價(jià)方面,近紅外光譜技術(shù)可以給出較好的解決方案; 而現(xiàn)有的關(guān)于高光譜成像技術(shù)在種子質(zhì)量評(píng)價(jià)方面的報(bào)道多采用高光譜成像儀器采集種子樣品的高光譜成像數(shù)據(jù),再?gòu)某上駭?shù)據(jù)中提取光譜信息建立校正模型,不僅可以實(shí)現(xiàn)對(duì)單粒種子的質(zhì)量評(píng)價(jià),而且可以得到準(zhǔn)確度較高的結(jié)果。

    2 種子活力與老化檢測(cè)

    種子活力(Vigor)是種子發(fā)芽和出苗率、幼苗生長(zhǎng)的潛勢(shì)、植株抗逆能力和生產(chǎn)潛力的總和,是種子品質(zhì)的重要指標(biāo)。高活力種子具有明顯的生長(zhǎng)優(yōu)勢(shì)和生產(chǎn)潛力,是農(nóng)產(chǎn)品豐收、增產(chǎn)的重要保障。在種子活力無(wú)損快速檢測(cè)領(lǐng)域,很多學(xué)者做了有意義的嘗試[19],并取得了一定的研究進(jìn)展。范雪婷等[20]采用透射方式采集單粒水稻種子的近紅外吸收光譜,以近紅外光譜數(shù)據(jù)為自變量,以種子活力(發(fā)芽率)為因變量建立定量校正模型,“日本晴”種子活力模型校正集測(cè)定系數(shù)R2=0.944 4,“9311”種子活力模型校正集測(cè)定系數(shù)R2=0.986 1。Wu等[21]采用近紅外光譜建立了小麥種子發(fā)芽率定量模型,校正集和預(yù)測(cè)集相關(guān)系數(shù)(r)分別為0.902和0.967。Chen等[22]采用850~1 700 nm波段范圍的近紅外高光譜成像系統(tǒng)收集高光譜圖像,檢測(cè)小麥的發(fā)芽程度。實(shí)驗(yàn)分別在小麥發(fā)芽0,12,24和48 h進(jìn)行。提取胚胎和胚乳的原始光強(qiáng)度,然后將其更改為反射率作分析。比較了不同部位,不同品種,不同發(fā)芽程度的小麥的圖像和光譜信息。結(jié)果表明,同一種子在萌芽12 h后,胚的反射率低于胚乳的反射率; 在所測(cè)波段范圍內(nèi),同一品種的小麥種子在12,24和48 h萌發(fā)時(shí),反射率隨發(fā)芽時(shí)間的增加而增加,與其體內(nèi)脂肪含量的變化有關(guān)。彭彥昆等[23]采用500~900 nm波段的高光譜圖譜融合技術(shù)提出了一種番茄種子圖像采集并辨識(shí)種子特征進(jìn)而將種子分級(jí)的算法,通過標(biāo)準(zhǔn)發(fā)芽試驗(yàn)得到種子活力結(jié)果,基于連續(xù)投影算法求得反映番茄種子活力的特征波長(zhǎng)為: 535,577,595,654,684,713,744,768,809和840 nm; 在713 nm波長(zhǎng)下的圖像特征對(duì)活力結(jié)果判斷分級(jí)正確率最高,校正集、驗(yàn)證集的正確率分別為93.75%和90.48%。張婷婷等[24]采用400~1 000 nm波段的高光譜成像對(duì)單粒小麥種子生活力進(jìn)行特征波段篩選,并建立判別模型。結(jié)果表明,采用無(wú)信息變量消除-競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣-連續(xù)投影算法從全波段光譜的688個(gè)變量篩選出了8個(gè)關(guān)鍵變量: 473,492,811,875,880,947和969 nm,基于上述8個(gè)關(guān)鍵變量所建偏最小二乘判別分析模型效果最優(yōu),校正集和預(yù)測(cè)集的小麥種子生活力整體鑒別正確率分別為86.7%和85.1%,較全波段偏最小二乘判別分析模型分別提高了4.2%和2.1%; 校正集和預(yù)測(cè)集的活種子鑒別正確率分別為93.8%和84.4%。對(duì)模型進(jìn)行優(yōu)化篩選,種子發(fā)芽率的最終鑒別正確率達(dá)到93.1%。Maor Matzrafi等[25]基于423.6~878.9 nm波段的高光譜技術(shù)和數(shù)據(jù)分析,預(yù)測(cè)棕櫚果種子的發(fā)芽率,發(fā)芽種子和非發(fā)芽種子高光譜分類準(zhǔn)確度分別為81.9%和76.4%。Ashabahebwa Ambrose等[26]采用傅里葉變換近紅外光譜和拉曼光譜評(píng)估玉米種子活力,使用傅里葉變換近紅外光譜儀在1 000~2 500 nm波長(zhǎng)范圍內(nèi)采集樣品近紅外光譜數(shù)據(jù),并采集170~3 200 cm-1范圍的拉曼光譜數(shù)據(jù)。結(jié)果表明,兩種光譜在識(shí)別有活力種子和無(wú)活力種子方面的準(zhǔn)確度均可接近100%,其中近紅外光譜建模結(jié)果優(yōu)于拉曼光譜。

    另一方面,種子活力的自然衰退過程稱為種子老化,這一過程在高溫、高濕條件下往往會(huì)加快,具體表現(xiàn)為種子變色、發(fā)芽率低、生長(zhǎng)勢(shì)差、作物減產(chǎn),不利于農(nóng)業(yè)生產(chǎn)。在種子老化無(wú)損檢測(cè)方面,許多學(xué)者基于光譜及成像技術(shù)展開了探索。吳小芬等[27]采用874~1 734 nm的近紅外高光譜成像提取了兩種常見水稻種子未老化、老化48 h、老化72 h的光譜反射率,基于全波段光譜建立了支持向量機(jī)判別分析模型。結(jié)果表明,未老化種子與老化種子可以準(zhǔn)確識(shí)別,而老化48 h和老化72 h種子之間無(wú)法準(zhǔn)確識(shí)別,與基于種子活力參數(shù)的測(cè)量結(jié)果相符,不同水稻品質(zhì)對(duì)老化的反映存在差異。李美凌等[28]對(duì)不同老化程度水稻種子,采用400~1 000 nm波段的高光譜成像結(jié)合主成分分析-支持向量機(jī)算法,研究比較了不同活力水平的水稻種子活力差異。通過主成分分析算法獲得主成分圖像并確定特征波段,用支持向量機(jī)算法建立水稻種子活力鑒別模型,預(yù)測(cè)判別率可達(dá)100%。Christian Nansen等[29]基于423.6~878.9 nm波段的高光譜成像數(shù)據(jù)研究了確定三種澳大利亞原生樹種AcaciacowleanaTate,BanksiaprionotesL.F.和Corymbiacalophylla的發(fā)芽能力的方法。在每個(gè)時(shí)間點(diǎn)對(duì)種子進(jìn)行高光譜成像,以獲取單個(gè)種子的反射譜。采用正向線性判別分析算法選擇特征變量。在大約10~30 d的老化實(shí)驗(yàn)中,發(fā)芽率從90%以上下降至20%以下。每個(gè)物種的P50值(50%萌發(fā))為19.3(A.coleana),7.0(B.prionotes)和22.9(C.calophylla)。楊小玲等(請(qǐng)參閱本刊36卷12期4028頁(yè))采用400~1 000 nm波段的高光譜成像研究成熟與未成熟玉米種子的鑒別方法,通過圖像處理對(duì)種子進(jìn)行分類。研究表明,采用主成分分析算法對(duì)高光譜圖像數(shù)據(jù)進(jìn)行分解,其中第二主成分圖像差異最明顯; 采用640 nm/525 nm的波段比成像可減輕玉米種子冠部淺色部分誤識(shí)別為種子成熟度較低的不利影響,平均正確識(shí)別率93.9%。

    綜上可見,采用近紅外光譜及高光譜成像技術(shù)對(duì)種子活力進(jìn)行檢測(cè),可為種子質(zhì)量篩查提供有效的技術(shù)手段,結(jié)合化學(xué)計(jì)量學(xué)算法,可建立準(zhǔn)確度較高的校正模型,有效提高了對(duì)種子活力與老化的識(shí)別正確率,從而可以有效提高種子質(zhì)量,進(jìn)而對(duì)促進(jìn)農(nóng)業(yè)生產(chǎn)起到積極作用。

    3 種子純度與真?zhèn)舞b別

    種子純度與真?zhèn)舞b別是品種選育、品種檢驗(yàn)以及農(nóng)業(yè)生產(chǎn)的重要環(huán)節(jié),種子的真?zhèn)沃苯佑绊懙椒N子的儲(chǔ)藏、銷售、育種、生產(chǎn)等各個(gè)方面,直接影響作物產(chǎn)量和農(nóng)產(chǎn)品品質(zhì)。種子純度鑒定是提高作物產(chǎn)量和質(zhì)量的重要措施。種子純度鑒定技術(shù)的研究是全國(guó)種子檢驗(yàn)工作的重點(diǎn)和難點(diǎn)之一,也是種子管理過程中必須要及時(shí)解決的問題[30]。種子的純度與真?zhèn)舞b別已成為國(guó)內(nèi)外研究的熱點(diǎn)。隨著光譜技術(shù)和計(jì)算機(jī)圖像處理技術(shù)的發(fā)展,近年來(lái),機(jī)器視覺技術(shù)以及近紅外光譜技術(shù)在種子純度與真?zhèn)舞b別方面得到了較為廣泛和深入的研究和應(yīng)用[31],也取得了較好的成果。

    王麗萍等[32]采用近紅外光譜技術(shù)對(duì)油菜雜交種子建立純度定量預(yù)測(cè)模型,向油菜雜交種子中加入非雜交的母本或父本種子構(gòu)成校正集樣品,建立定量校正模型,校正集測(cè)定系數(shù)R2=0.980 0。徐涿頻等[33]采用近紅漫反射光譜結(jié)合判別式偏最小二乘分類篩選法,對(duì)單粒水稻種子“新兩優(yōu)6號(hào)”與其父本、母本和其他假種子進(jìn)行了區(qū)分,所建模型的靈敏度Sn、命中率Pr和馬修斯相關(guān)系數(shù)Mcc分別為97.92%,97.58%和95.51%。冉航等[36]用4個(gè)短波近紅外波段(820,910,1 000和1 090 nm)的透射光譜和4個(gè)中波近紅外波段(1 150,1 250,1 350和1 450 nm)的反射光譜獲取種子光譜圖像并提取紋理特征來(lái)鑒定玉米雜交種純度。結(jié)果表明,透射和反射模型對(duì)5個(gè)玉米品種平均正確鑒別率均在85%以上。Timothy Wilkes等[35]通過400~1 000 nm波段的多光譜成像和高光譜成像快速區(qū)分硬質(zhì)小麥和摻假普通小麥品種,并以較低的誤差和良好的可重復(fù)性估算出摻假百分比。3%摻假樣本的分析顯示出較小的正偏差(樣本估計(jì)為3.65%,95%±1.41%),相關(guān)的變異系數(shù)(CV)為15.50%。

    從以上內(nèi)容可見,采用近紅外光譜及高光譜成像等技術(shù)對(duì)種子純度與真?zhèn)芜M(jìn)行識(shí)別可以建立準(zhǔn)確度較高的校正模型; 在現(xiàn)有文獻(xiàn)報(bào)道中,可以使用較少的波段而非全波段光譜數(shù)據(jù)實(shí)現(xiàn)上述功能,這意味著可以大幅減少計(jì)算量,從而可為降低儀器成本、提高儀器工作效率提供理論基礎(chǔ)與技術(shù)支持。

    4 種子分類與溯源研究

    種子是農(nóng)業(yè)的根本,被譽(yù)為“農(nóng)業(yè)的芯片”。對(duì)種子進(jìn)行分類與溯源研究是種子監(jiān)管過程的重要措施,是保障種子安全的有效技術(shù)手段。種子分類與溯源則是保證種子純度與鑒別種子真?zhèn)蔚闹匾椒?。在種子分類與溯源研究方面,很多學(xué)者做了有意義的嘗試。

    鄭田甜(請(qǐng)參閱本刊35卷3期622頁(yè))采用600~1 100 nm波段的可見-近紅外反射光譜對(duì)3種代表性花生進(jìn)行分類識(shí)別,結(jié)果表明,馬氏距離判別分析模型對(duì)花生種子預(yù)測(cè)集判別準(zhǔn)確率達(dá)到95%。進(jìn)而建立了花生種子脂肪含量分析模型,小波分析結(jié)合主成分回歸模型的預(yù)測(cè)偏差小于0.25,相對(duì)誤差范圍0.03%~1.03%。錢麗麗等[36]采用4 000~12 000 cm-1波段范圍的近紅外光譜對(duì)2013年至2015年來(lái)自建三江地區(qū)及五常地區(qū)的291份大米進(jìn)行產(chǎn)地溯源研究,研究發(fā)現(xiàn),不同地區(qū)來(lái)源的樣品在波段5 136~5 501 cm-1處均有顯著差異,說明不同地區(qū)樣品的近紅外光譜存在顯著性差異; 采用因子化法建立的定性分析模型及聚類分析模型對(duì)建三江大米及五常大米的正確判別率均高于97.00%; 利用偏最小二乘法建立的定量分析模對(duì)兩地區(qū)大米的正確判別率分別為95.83%和94.00%。進(jìn)一步地,錢麗麗等[37]采用5 000~5 500和7 000~7 500 cm-1波段范圍的近紅外光譜結(jié)合聚類分析和偏最小二乘算法對(duì)黑龍江省3個(gè)水稻主產(chǎn)區(qū)的地理標(biāo)志大米進(jìn)行產(chǎn)地溯源研究,結(jié)果表明,用聚類分析建立的模型對(duì)建三江、五常地域預(yù)測(cè)正確率為100%,響水地域預(yù)測(cè)正確率為95.83%; 五常、響水地域判別正確率為100%,建三江地域判別正確率為95.83%。采用偏最小二乘算法建立定量分析模型對(duì)建三江、五常、響水三個(gè)地域的預(yù)測(cè)正確率分別為95.83%,100%和95.83%。宋雪健等[38]應(yīng)用近紅外漫反射光譜結(jié)合化學(xué)計(jì)量學(xué)對(duì)不同狀態(tài)下的小米進(jìn)行產(chǎn)地溯源研究,在12 000~4 000 cm-1范圍內(nèi)采用因子化法建立的定性分析模型和在特征波段(9 400.9~5 447.7和4 600.6~4 249.8 cm-1)范圍內(nèi)采用偏最小二乘法(PLS)建立的定量分析模型,對(duì)肇源、肇州兩個(gè)小米主產(chǎn)區(qū)的小米籽粒和小米粉末的正確鑒別率均在90%以上,其中小米粉模型正確預(yù)測(cè)率要高于小米籽粒模型。此外,宋雪健等[39]采用近紅外漫反射光譜技術(shù)結(jié)合偏最小二乘法,對(duì)齊齊哈爾、佳木斯、五常地區(qū)的水稻樣品建立產(chǎn)地判別模型,在7 501.3~5 447.7和4 600.6~4 249.8 cm-1波數(shù)范圍內(nèi)結(jié)合矢量歸一化預(yù)處理方式建立稻谷樣品判別模型,對(duì)3個(gè)地區(qū)樣品的正確判別率分別為82.35%,88.23%和70.58%; 在波數(shù)7 501.3~4 597.8 cm-1范圍內(nèi)結(jié)合最小-最大歸一化預(yù)處理方式建立大米粉樣品判別模型,對(duì)三個(gè)地區(qū)樣品的正確判別率分別為88.23%,94.12%和88.23%。周子立等[40]采用400~1 000 nm的近紅外光譜結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立大米品種鑒別模型,對(duì)150個(gè)建模樣本的擬合殘差為9.863×10-6,識(shí)別率達(dá)到100%。Kong等[41]采用1 039~1 612 nm波段范圍的近紅外光譜結(jié)合多變量數(shù)據(jù)分析技術(shù)研究了水稻種子品種鑒定方法,比較了偏最小二乘判別分析、簇類獨(dú)立軟模式、K最近鄰算法、支持向量機(jī)、隨機(jī)森林五種機(jī)器學(xué)習(xí)算法,結(jié)果表明,偏最小二乘判別分析和K最近鄰算法模型的分類精度均超過80%,簇類獨(dú)立軟模式、支持向量機(jī)、隨機(jī)森林算法模型的分類精度均達(dá)到100%; 通過PLS-DA模型的加權(quán)回歸系數(shù)選擇了12個(gè)優(yōu)化波長(zhǎng),基于12個(gè)優(yōu)化波長(zhǎng)建立的K最近鄰算法、支持向量機(jī)、隨機(jī)森林模型的正確率均超過80%。Francisco J Rodríguez-Pulido等[42]采用914~1 715 nm波段范圍的近紅外高光譜成像對(duì)兩種土壤中的兩個(gè)紅葡萄品種(Tempranillo和Syrah)和一個(gè)白色品種(Zalema)進(jìn)行分類,使用偏最小二乘回歸預(yù)測(cè)模型和主成分分析和一般判別分析,其測(cè)定系數(shù)高于0.95。張航等[43]采集了7個(gè)品種小麥種子高光譜圖像及900~1 700 nm范圍的光譜信息,建立了主成分分析-支持向量機(jī)分類模型。結(jié)果顯示,3個(gè)品種間種子分類準(zhǔn)確率平均達(dá)到95%以上; 4個(gè)品種間種子分類準(zhǔn)確率平均達(dá)到80%左右; 6個(gè)小麥品種種子的分類準(zhǔn)確率僅66%左右。劉小丹等[44]采用近紅外高光譜成像技術(shù),在波段874~1 734 nm,采集雜交水稻種子高光譜圖像,采用PCA初步探究了3類樣本的可分性。采用連續(xù)投影算法提取7個(gè)特征波長(zhǎng)985.08,1 106.00,1 203.55,1 399.04,1 463.19,1 601.81和1 645.82 nm,基于特征波長(zhǎng)建立偏最小二乘判別分析和支持向量機(jī)模型,正確識(shí)別率達(dá)到90%以上,其中支持向量機(jī)模型效果優(yōu)于偏最小二乘判別分析模型,而全譜判別模型結(jié)果優(yōu)于特征波長(zhǎng)判別模型。Gao等[45]采用1 400~1 600 nm波段的高光譜成像技術(shù)研究了小麥種子在貯藏過程中的特征變化。收集從2007年到2012年的小麥籽粒的高光譜成像數(shù)據(jù),采用主成分分析分析了包括6年在內(nèi)的小麥籽粒的光譜數(shù)據(jù),用簇類獨(dú)立軟模式算法對(duì)不同年份的糧食進(jìn)行分類,結(jié)果表明,相鄰年份之間二分法的分類精度達(dá)到97.05%,六年混合分類的精度達(dá)到82.50%。張初等[46]采用874~1 734 nm波長(zhǎng)范圍的近紅外高光譜圖像,通過提取西瓜種子的光譜反射率,結(jié)合平滑算法,經(jīng)驗(yàn)?zāi)B(tài)分解算法和小波分析對(duì)提取出的光譜數(shù)據(jù)進(jìn)行去除噪聲處理,采用連續(xù)投影算法和遺傳偏最小二乘法選擇特征波段范圍為1 042~1 646 nm; 基于全波段光譜建立了偏最小二乘判別分析,基于特征波長(zhǎng)建立了反向傳播神經(jīng)網(wǎng)絡(luò)判別模型和極限學(xué)習(xí)機(jī)判別模型,建模集和預(yù)測(cè)集識(shí)別正確率均達(dá)到100%。Gao[47]等采用874~1 734 nm波段的近紅外高光譜成像技術(shù)研究來(lái)自中國(guó)四個(gè)不同地理來(lái)源(江蘇省、四川省、海南省、臺(tái)灣省)的240個(gè)麻風(fēng)樹種子樣品,然后分別通過光譜和圖像處理對(duì)獲得的數(shù)據(jù)集進(jìn)行分析。連續(xù)投影算法用于選擇有效波長(zhǎng); 通過主成分分析縮小關(guān)注區(qū)域圖像尺寸; 建立了最小二乘支持向量機(jī)分類模型,樣本預(yù)測(cè)正確識(shí)別率為93.75%。Qiu[48]等使用高光譜成像識(shí)別水稻種子品種,獲得了兩個(gè)不同光譜范圍(380~1 030和874~1 734 nm)的4個(gè)水稻種子品種的高光譜圖像。提取了441~948和975~1 646 nm范圍內(nèi)的光譜數(shù)據(jù),使用不同數(shù)量的訓(xùn)練樣本構(gòu)建了K鄰近、支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)模型; 實(shí)驗(yàn)結(jié)果表明,用較長(zhǎng)波長(zhǎng)的反射率值構(gòu)建的模型比用較短波長(zhǎng)的反射率值構(gòu)建的模型效果更好。Zhao[49]等將高光譜成像系統(tǒng)用于玉米種子的品種分類,共評(píng)估了12 900粒玉米種子,包括3個(gè)不同的品種,提取了975.01~1 645.82 nm的光譜數(shù)據(jù); 建立了使用徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)判別模型,通過加載主成分進(jìn)行最佳波長(zhǎng)選擇,校正、預(yù)測(cè)準(zhǔn)確度分別為93.85%和91.00%。Zhu[50]等使用波段范圍975~1 650 nm的近紅外高光譜成像對(duì)七種棉籽進(jìn)行分類,通過像素主成分分析形成的得分圖像顯示,不同棉籽品種之間存在差異; 根據(jù)主成分分析的載荷數(shù)據(jù)選擇有效波長(zhǎng),使用自設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)和殘差網(wǎng)絡(luò)提取深層特征,建立偏最小二乘判別分析、邏輯回歸和支持向量機(jī)模型,驗(yàn)證和預(yù)測(cè)的分類準(zhǔn)確度均超過80%。Zhao等[51]采集了三種葡萄籽在874~1 734 nm波段范圍內(nèi)的高光譜圖像,通過小波變換逐像素對(duì)光譜進(jìn)行預(yù)處理,并提取每個(gè)葡萄種子的光譜; 對(duì)高光譜圖像進(jìn)行主成分分析,使用六個(gè)主成分的圖像定性識(shí)別不同品種; 采用支持向量機(jī)建立判別模型,校正、預(yù)測(cè)的準(zhǔn)確度分別為94.3%和88.7%。Feng等[52]使用波段范圍874.41~1 733.91 nm的近紅外高光譜成像從兩個(gè)品種(huaidao-1和nanjing46)中識(shí)別CRISPR/Cas9誘導(dǎo)的水稻突變體; 采用主成分分析對(duì)高光譜成像數(shù)據(jù)進(jìn)行分解,并結(jié)合支持向量機(jī)和極限學(xué)習(xí)機(jī)建立分類判別模型; 進(jìn)一步地,采用主成分分析結(jié)合連續(xù)投影算法篩選光譜波長(zhǎng); 結(jié)果表明,對(duì)于huaidao-1,校準(zhǔn)集、預(yù)測(cè)集的分類準(zhǔn)確率分別為93.00%和92.75%,對(duì)于nanjing46,校正集、預(yù)測(cè)集的分類準(zhǔn)確率分別為91.25%和89.50%。此外,F(xiàn)eng等[53]采用874.41~1 733.91 nm波段的近紅外高光譜成像結(jié)合化學(xué)計(jì)量學(xué)數(shù)據(jù)對(duì)包含cry1Ab/cry2Aj-G10evo蛋白及其非轉(zhuǎn)基因(GM)親本的GM玉米籽粒進(jìn)行分類,采用偏最小二乘判別分析建立判別模型,校正和預(yù)測(cè)準(zhǔn)確度均接近100%。Yang等[54]采用924~1 657 nm波段的高光譜成像對(duì)玉米進(jìn)行分類研究。對(duì)14個(gè)品種的1120個(gè)玉米種子的高光譜圖像,基于無(wú)監(jiān)督關(guān)鍵偏度波長(zhǎng)選擇算法選擇19個(gè)關(guān)鍵波長(zhǎng),變量數(shù)占全波長(zhǎng)的8.68%,基于最小二乘支持向量機(jī)建立多模型策略用于品種識(shí)別; 結(jié)果表明,用于全波長(zhǎng)數(shù)據(jù)的多模型對(duì)測(cè)試集的分類準(zhǔn)確度達(dá)到98.18%,高于單模型的96.36%; 當(dāng)使用由無(wú)監(jiān)督關(guān)鍵偏度波長(zhǎng)選擇算法所選的19個(gè)關(guān)鍵波長(zhǎng)時(shí),分類精度為96.57%。Yang等[55]基于從430~980 nm波段的可見和近紅外高光譜圖像中提取光譜、組合形態(tài)和外觀特征,建立了用于玉米種子品種分類的方法; 使用連續(xù)投影算法構(gòu)建了光譜特征向量,從每個(gè)玉米粒中提取形態(tài)特征——面積,圓度,縱橫比,實(shí)心度和紋理特征——能量,對(duì)比度,相關(guān)性,熵及其標(biāo)準(zhǔn)偏差作為外觀特征,采用支持向量機(jī)和偏最小二乘判別分析算法建立分類模型; 與偏最小二乘判別分析模型相比,支持向量機(jī)模型的識(shí)別準(zhǔn)確率更高,胚側(cè)和背側(cè)識(shí)別準(zhǔn)確率分別為98.2%和96.3%。Zhang等[56]用380~1 030 nm波段的可見光-短波近紅外區(qū)域高光譜成像區(qū)分玉米種子的不同品種,獲取了六種玉米種子共330個(gè)樣品的高光譜圖像; 使用主成分分析和核主成分分析來(lái)探索光譜數(shù)據(jù)的內(nèi)部結(jié)構(gòu),選擇三個(gè)關(guān)鍵波長(zhǎng)——523,579和863 nm,根據(jù)最佳波長(zhǎng)從每個(gè)單波長(zhǎng)圖像的灰度共生矩陣中提取四個(gè)紋理變量,包括對(duì)比度、均勻性、能量和相關(guān)性,最后通過最小二乘支持向量機(jī)和反向傳播神經(jīng)網(wǎng)絡(luò),使用主成分、核主成分和質(zhì)地特征相結(jié)合,建立了玉米種子識(shí)別模型,準(zhǔn)確度為98.89%。Huang等[57]基于400~1 000 nm波段的高光譜成像研究玉米種子分類方法。使用連續(xù)投影算法選擇用于玉米種子品種分類的最佳波長(zhǎng),選擇特征區(qū)域,然后引入主成分分析和多維縮放以變換/減少分類特征; 建立最小二乘支持向量機(jī)模型,模型準(zhǔn)確度達(dá)到90%以上,優(yōu)于使用原始光譜和圖像特征模型的83.68%,而僅使用光譜特征模型的準(zhǔn)確度僅為76.18%。Wang等[58]將在400~1 000 nm波長(zhǎng)范圍內(nèi)提取的光譜信息與機(jī)器學(xué)習(xí)結(jié)合,對(duì)10個(gè)大豆品種進(jìn)行分類。對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理之后,進(jìn)行主成分分析,從主成分分析選擇的三個(gè)特征圖像中提取出紋理特征參數(shù); 對(duì)比了簇類獨(dú)立軟模式、偏最小二乘判別分析、遺傳神經(jīng)網(wǎng)絡(luò)和Takagi-Sugeno模糊神經(jīng)網(wǎng)絡(luò),訓(xùn)練集平均準(zhǔn)確度高于96%,預(yù)測(cè)集平均準(zhǔn)確度高于84%,其中遺傳神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確度最高,達(dá)到92%。Huang等[59]使用400~1 000 nm波段的高光譜成像建立玉米種子分類方法,共評(píng)估了2 000粒種子,包括不同年份的四個(gè)玉米種子品種; 使用最小二乘支持向量機(jī)建立了基于種子平均光譜特征的分類模型,并使用增量支持向量數(shù)據(jù)描述,以實(shí)現(xiàn)模型的在線更新,分類準(zhǔn)確率達(dá)到94.4%,比未更新模型高10.3%。He等[60]采用400~1 000 nm波段的高光譜成像建立玉米種子分類模型,基于最小二乘支持向量機(jī)分類器將三個(gè)不同年份種植的四個(gè)典型玉米品種的2 000個(gè)種子進(jìn)行分類。模型總體正確率達(dá)到98.3%。Wang等[61]采用400~1 000 nm波段的可見/近紅外高光譜成像確定玉米種子的地理起源和年份。分別從包含兩個(gè)玉米的高光譜圖像的三個(gè)區(qū)域——胚芽,胚乳和整個(gè)玉米籽粒提取光譜特征; 主成分分析顯示不同玉米種子存在差異; 將偏最小二乘判別分析用于三個(gè)不同區(qū)域的光譜特征,以識(shí)別玉米種子的起源和年份最高準(zhǔn)確度達(dá)到99.19%,驗(yàn)證組準(zhǔn)確度達(dá)到98.44%。

    在種子分類與溯源研究方面,近紅外光譜技術(shù)可在一定程度上提供解決方案,而高光譜圖像技術(shù)的介入則可提供更多的形態(tài)學(xué)數(shù)據(jù)信息,并且可以針對(duì)單粒種子進(jìn)行形態(tài)學(xué)分析,因此可在一定程度上提高分類、溯源的準(zhǔn)確度。然而,光譜學(xué)和形態(tài)學(xué)數(shù)據(jù)的融合方法仍有待繼續(xù)研究。

    5 結(jié) 論

    種子品質(zhì)對(duì)于保障農(nóng)業(yè)生產(chǎn)具有至關(guān)重要的作用。對(duì)種子品質(zhì)進(jìn)行無(wú)損快速檢測(cè)不僅是現(xiàn)代農(nóng)業(yè)生產(chǎn)的需要,而且是農(nóng)產(chǎn)品豐收、增產(chǎn)的重要保障,同時(shí)對(duì)保證農(nóng)產(chǎn)品數(shù)量安全具有重要意義。調(diào)研文獻(xiàn)可知,近紅外光譜技術(shù)在種子質(zhì)量評(píng)價(jià)方面的應(yīng)用很多。近紅外光譜技術(shù)具有快速、無(wú)損、高效等優(yōu)點(diǎn),因此在種子內(nèi)部化學(xué)物質(zhì)含量的檢測(cè)中可發(fā)揮強(qiáng)大的優(yōu)勢(shì)。然而,由于近紅外光的穿透性有限,對(duì)厚度較大的種子的穿透性仍存在一定的局限; 當(dāng)種子內(nèi)部品質(zhì)變化引起種子表層組織化學(xué)性質(zhì)改變時(shí),采用近紅外漫反射光譜對(duì)種子品質(zhì)進(jìn)行檢測(cè)可取得較好的效果。拉曼光譜技術(shù)近年來(lái)也在種子品質(zhì)檢測(cè)方面有所應(yīng)用,然而實(shí)驗(yàn)過程中的熒光干擾仍是困擾拉曼光譜技術(shù)應(yīng)用的難題。近紅外高光譜成像技術(shù)不僅可以提供樣品的光譜信息,而且還可以提供樣品的空間分布信息和圖像特征。近紅外高光譜成像技術(shù)按光譜波段大致可分為近紅外高光譜成像技術(shù)和可見-短波近紅外高光譜成像技術(shù); 其中,近紅外高光譜成像技術(shù)所提供的光譜信息的可解釋性較強(qiáng),而可見-短波近紅外高光譜成像所攜帶的光譜信息相對(duì)而言其可解釋性較弱。由此可見,不同波段的高光譜成像側(cè)重點(diǎn)不同,近紅外高光譜成像更側(cè)重于樣品的近紅外光譜信息,而可見-短波近紅外高光譜成像則更側(cè)重于樣品的形態(tài)學(xué)信息。因此,在種子活力與老化、純度與真?zhèn)?、分類與溯源方面,高光譜成像技術(shù)則體現(xiàn)出更為明顯的優(yōu)勢(shì)。然而,光譜數(shù)據(jù)和形態(tài)學(xué)數(shù)據(jù)的融合仍是本領(lǐng)域的一個(gè)難點(diǎn),采用何種融合方式以及融合數(shù)據(jù)的篩選將成為今后的研究重點(diǎn)。

    猜你喜歡
    種子活力玉米種子波段
    春日暖陽(yáng)
    不同條件下對(duì)濟(jì)寧地區(qū)玉米種子萌發(fā)特性的研究
    我國(guó)破譯控制水稻種子活力的“遺傳密碼”
    影響玉米種子發(fā)芽率的因素及對(duì)策
    種子科技(2022年24期)2022-02-11 15:04:09
    特定基因調(diào)控水稻種子活力機(jī)理揭示
    華南農(nóng)業(yè)大學(xué)揭示特定基因調(diào)控水稻種子活力機(jī)理
    通過氨基酸滲漏檢測(cè)小麥種子活力的研究
    M87的多波段輻射過程及其能譜擬合
    玉米種子生產(chǎn)存在的問題及管理辦法
    日常維護(hù)對(duì)L 波段雷達(dá)的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    欧美性长视频在线观看| 波多野结衣一区麻豆| 少妇裸体淫交视频免费看高清 | 在线观看免费日韩欧美大片| 黄色一级大片看看| 一本一本久久a久久精品综合妖精| 美女午夜性视频免费| 国产欧美日韩一区二区三区在线| 欧美 日韩 精品 国产| 欧美乱码精品一区二区三区| 日日摸夜夜添夜夜爱| 首页视频小说图片口味搜索 | 校园人妻丝袜中文字幕| 国产成人精品久久久久久| 悠悠久久av| 91精品伊人久久大香线蕉| 99久久精品国产亚洲精品| 欧美在线一区亚洲| 手机成人av网站| www.熟女人妻精品国产| 国产成人精品久久二区二区91| 国产日韩欧美亚洲二区| 久久久久久久久免费视频了| 久久人人爽av亚洲精品天堂| 国产精品秋霞免费鲁丝片| www.av在线官网国产| 国产不卡av网站在线观看| 成人国产一区最新在线观看 | 一本久久精品| 激情五月婷婷亚洲| 国产精品偷伦视频观看了| 亚洲国产中文字幕在线视频| 交换朋友夫妻互换小说| 久久久精品免费免费高清| 中文乱码字字幕精品一区二区三区| 精品一区在线观看国产| 一区在线观看完整版| 啦啦啦 在线观看视频| 精品国产国语对白av| 精品国产一区二区久久| 亚洲成色77777| 久久久国产欧美日韩av| 国产精品国产三级国产专区5o| 一级毛片电影观看| 精品少妇黑人巨大在线播放| 男女边吃奶边做爰视频| 汤姆久久久久久久影院中文字幕| 少妇 在线观看| 国产精品国产三级国产专区5o| 高清欧美精品videossex| 91国产中文字幕| 一级片免费观看大全| 国产欧美日韩精品亚洲av| 国产xxxxx性猛交| 国产一级毛片在线| 国产精品久久久久久精品电影小说| 精品欧美一区二区三区在线| 1024视频免费在线观看| 国产欧美日韩精品亚洲av| 免费黄频网站在线观看国产| 欧美日韩av久久| 免费在线观看日本一区| 又大又黄又爽视频免费| videosex国产| 每晚都被弄得嗷嗷叫到高潮| 国产成人a∨麻豆精品| 免费不卡黄色视频| 国产有黄有色有爽视频| 一区福利在线观看| 一二三四在线观看免费中文在| 爱豆传媒免费全集在线观看| 精品国产一区二区三区久久久樱花| 精品人妻1区二区| 中文字幕av电影在线播放| 只有这里有精品99| 亚洲,欧美,日韩| 亚洲专区中文字幕在线| 搡老乐熟女国产| 男女边摸边吃奶| 精品一区二区三卡| 欧美人与善性xxx| 国产亚洲午夜精品一区二区久久| 精品免费久久久久久久清纯 | 午夜福利,免费看| 亚洲精品国产区一区二| 91九色精品人成在线观看| 免费一级毛片在线播放高清视频 | 亚洲熟女毛片儿| 国产色视频综合| 国产不卡av网站在线观看| 老司机在亚洲福利影院| 十分钟在线观看高清视频www| 欧美精品人与动牲交sv欧美| 久久人人97超碰香蕉20202| 我的亚洲天堂| 久9热在线精品视频| 精品人妻一区二区三区麻豆| 丰满迷人的少妇在线观看| 精品卡一卡二卡四卡免费| 一级,二级,三级黄色视频| 国产免费又黄又爽又色| 亚洲中文日韩欧美视频| 亚洲情色 制服丝袜| 亚洲欧美日韩高清在线视频 | 99国产精品99久久久久| 亚洲国产精品一区三区| 色视频在线一区二区三区| 人人澡人人妻人| xxxhd国产人妻xxx| 日日爽夜夜爽网站| 国产99久久九九免费精品| 日日爽夜夜爽网站| 亚洲精品国产av成人精品| 日日摸夜夜添夜夜爱| 中国国产av一级| 国产免费一区二区三区四区乱码| 自线自在国产av| 免费少妇av软件| 国产高清国产精品国产三级| 亚洲欧美精品自产自拍| 天天躁夜夜躁狠狠躁躁| 狂野欧美激情性bbbbbb| 国产日韩一区二区三区精品不卡| 欧美少妇被猛烈插入视频| xxx大片免费视频| 国产人伦9x9x在线观看| 后天国语完整版免费观看| 最近最新中文字幕大全免费视频 | 亚洲激情五月婷婷啪啪| 亚洲国产欧美一区二区综合| 欧美在线一区亚洲| 欧美日韩成人在线一区二区| 久久性视频一级片| 欧美日韩视频精品一区| 国产极品粉嫩免费观看在线| 久久久久久亚洲精品国产蜜桃av| 99久久精品国产亚洲精品| 亚洲国产av新网站| 一级毛片 在线播放| 校园人妻丝袜中文字幕| 亚洲精品国产区一区二| 亚洲第一青青草原| av网站免费在线观看视频| 两人在一起打扑克的视频| 久久这里只有精品19| 天堂8中文在线网| 高清av免费在线| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品一区蜜桃| 国产精品久久久人人做人人爽| 黄频高清免费视频| 自拍欧美九色日韩亚洲蝌蚪91| 一区二区三区四区激情视频| 精品人妻一区二区三区麻豆| 男女免费视频国产| 18禁裸乳无遮挡动漫免费视频| 久久精品国产综合久久久| 最近手机中文字幕大全| 久久av网站| 色精品久久人妻99蜜桃| 男女国产视频网站| 老熟女久久久| 人体艺术视频欧美日本| 日韩制服骚丝袜av| 亚洲五月色婷婷综合| 日韩欧美一区视频在线观看| 视频在线观看一区二区三区| 午夜精品国产一区二区电影| 国产一区二区激情短视频 | 国产极品粉嫩免费观看在线| 午夜91福利影院| 伊人久久大香线蕉亚洲五| 国产伦理片在线播放av一区| 一级,二级,三级黄色视频| 男女高潮啪啪啪动态图| 久久久精品区二区三区| 国产精品二区激情视频| 高清av免费在线| 久久久久网色| 日韩电影二区| 国产成人精品久久二区二区91| 国产精品一区二区免费欧美 | 亚洲伊人色综图| 欧美黑人欧美精品刺激| 国产黄色免费在线视频| 久久ye,这里只有精品| 午夜激情av网站| 欧美黑人精品巨大| 日本一区二区免费在线视频| 精品卡一卡二卡四卡免费| 侵犯人妻中文字幕一二三四区| 亚洲五月色婷婷综合| 啦啦啦视频在线资源免费观看| 伦理电影免费视频| 色视频在线一区二区三区| 久久 成人 亚洲| 国产精品久久久久久精品电影小说| 免费在线观看影片大全网站 | 国产精品国产三级国产专区5o| 亚洲三区欧美一区| 欧美+亚洲+日韩+国产| 丁香六月天网| 男人添女人高潮全过程视频| 在线精品无人区一区二区三| 色94色欧美一区二区| 一本一本久久a久久精品综合妖精| 男女午夜视频在线观看| 在线观看www视频免费| 亚洲av综合色区一区| 丁香六月天网| a级片在线免费高清观看视频| 亚洲精品美女久久久久99蜜臀 | 久久九九热精品免费| 国产精品一国产av| 18禁黄网站禁片午夜丰满| 一区二区av电影网| 成人国语在线视频| 久久国产精品人妻蜜桃| 午夜福利视频精品| 亚洲欧美中文字幕日韩二区| 美女视频免费永久观看网站| 超碰97精品在线观看| 亚洲精品成人av观看孕妇| 国产日韩欧美视频二区| 水蜜桃什么品种好| 777久久人妻少妇嫩草av网站| 一本久久精品| 在线 av 中文字幕| 免费日韩欧美在线观看| 色婷婷久久久亚洲欧美| 夜夜骑夜夜射夜夜干| 在线观看免费高清a一片| 一区二区三区四区激情视频| 国产精品一区二区免费欧美 | 国产精品麻豆人妻色哟哟久久| 在线观看人妻少妇| videos熟女内射| av天堂在线播放| 精品亚洲乱码少妇综合久久| 国产日韩欧美亚洲二区| 97在线人人人人妻| 日韩欧美一区视频在线观看| 日韩,欧美,国产一区二区三区| 亚洲成色77777| 色网站视频免费| av视频免费观看在线观看| 少妇猛男粗大的猛烈进出视频| 男女高潮啪啪啪动态图| 色综合欧美亚洲国产小说| 丁香六月欧美| 国产精品久久久久久精品电影小说| 飞空精品影院首页| 老司机靠b影院| 免费看av在线观看网站| 精品人妻1区二区| 国产日韩欧美在线精品| 国产黄色视频一区二区在线观看| 久久久久网色| 激情视频va一区二区三区| a 毛片基地| 国产无遮挡羞羞视频在线观看| 国产一区有黄有色的免费视频| 国产淫语在线视频| 色94色欧美一区二区| 1024视频免费在线观看| 国产精品秋霞免费鲁丝片| 亚洲精品久久午夜乱码| 人人澡人人妻人| 欧美精品亚洲一区二区| kizo精华| 久9热在线精品视频| 老司机亚洲免费影院| a级片在线免费高清观看视频| 成人黄色视频免费在线看| 黄色毛片三级朝国网站| 午夜影院在线不卡| 天天躁夜夜躁狠狠久久av| 日韩免费高清中文字幕av| 亚洲国产看品久久| 99精品久久久久人妻精品| 搡老乐熟女国产| av在线app专区| 欧美精品人与动牲交sv欧美| 91老司机精品| 丝瓜视频免费看黄片| 欧美精品一区二区免费开放| 国产成人精品久久二区二区免费| 国产真人三级小视频在线观看| 国产成人精品无人区| 久久久国产一区二区| 在线观看www视频免费| 午夜福利免费观看在线| 国产精品成人在线| 国产日韩欧美视频二区| 色网站视频免费| 日本猛色少妇xxxxx猛交久久| 建设人人有责人人尽责人人享有的| 国产在线视频一区二区| 亚洲av日韩在线播放| 看免费av毛片| 日韩电影二区| 日本午夜av视频| 久久 成人 亚洲| 在线观看www视频免费| 亚洲专区国产一区二区| 国产精品一二三区在线看| 日韩制服丝袜自拍偷拍| 三上悠亚av全集在线观看| 无遮挡黄片免费观看| 一级片免费观看大全| 国产男人的电影天堂91| 手机成人av网站| 国产不卡av网站在线观看| 久久性视频一级片| 中文字幕色久视频| 9热在线视频观看99| 精品视频人人做人人爽| 狠狠婷婷综合久久久久久88av| 国产一区二区在线观看av| 真人做人爱边吃奶动态| 麻豆乱淫一区二区| 日韩制服丝袜自拍偷拍| 午夜福利视频在线观看免费| 国产精品久久久人人做人人爽| 久久久精品免费免费高清| 老汉色av国产亚洲站长工具| 夫妻性生交免费视频一级片| 久久久久网色| 亚洲精品国产区一区二| 国产精品国产av在线观看| 国产有黄有色有爽视频| 亚洲美女黄色视频免费看| 人人妻人人澡人人看| 久久久精品94久久精品| 91精品伊人久久大香线蕉| 久久 成人 亚洲| 悠悠久久av| 日韩精品免费视频一区二区三区| 在线看a的网站| 国产成人欧美在线观看 | 免费观看av网站的网址| e午夜精品久久久久久久| 亚洲伊人久久精品综合| e午夜精品久久久久久久| 人妻人人澡人人爽人人| 丁香六月天网| 国产福利在线免费观看视频| 一级毛片女人18水好多 | 日本黄色日本黄色录像| 日韩中文字幕视频在线看片| 美女国产高潮福利片在线看| 18禁国产床啪视频网站| 视频在线观看一区二区三区| 啦啦啦中文免费视频观看日本| 欧美av亚洲av综合av国产av| 欧美亚洲 丝袜 人妻 在线| 高潮久久久久久久久久久不卡| 少妇人妻久久综合中文| 亚洲欧美清纯卡通| av在线app专区| 在线看a的网站| xxxhd国产人妻xxx| 十八禁高潮呻吟视频| 精品国产乱码久久久久久男人| 99热网站在线观看| 超碰成人久久| 热99久久久久精品小说推荐| 一级,二级,三级黄色视频| 亚洲天堂av无毛| 久久99热这里只频精品6学生| 青春草视频在线免费观看| 亚洲人成77777在线视频| 久久久久久久久免费视频了| 亚洲成av片中文字幕在线观看| av又黄又爽大尺度在线免费看| 国产成人欧美| 亚洲中文av在线| 只有这里有精品99| 丝袜美足系列| 欧美老熟妇乱子伦牲交| 午夜激情久久久久久久| 丝瓜视频免费看黄片| 满18在线观看网站| 青青草视频在线视频观看| 天天躁狠狠躁夜夜躁狠狠躁| 两性夫妻黄色片| 亚洲自偷自拍图片 自拍| 久久久久国产精品人妻一区二区| h视频一区二区三区| svipshipincom国产片| 少妇粗大呻吟视频| 国产在线观看jvid| 男女边吃奶边做爰视频| 久久av网站| 看免费av毛片| 国产男女超爽视频在线观看| 91精品国产国语对白视频| 国产午夜精品一二区理论片| 七月丁香在线播放| 秋霞在线观看毛片| 国产精品成人在线| 成人18禁高潮啪啪吃奶动态图| 国产老妇伦熟女老妇高清| h视频一区二区三区| 国产成人影院久久av| 搡老乐熟女国产| 一边摸一边做爽爽视频免费| 深夜精品福利| 久久免费观看电影| 大片免费播放器 马上看| 久久精品人人爽人人爽视色| 久久久久久亚洲精品国产蜜桃av| 老司机亚洲免费影院| 成年av动漫网址| 久久人妻福利社区极品人妻图片 | 美国免费a级毛片| 久久久欧美国产精品| a级毛片在线看网站| 性少妇av在线| 欧美 日韩 精品 国产| 在线天堂中文资源库| 久久久久久亚洲精品国产蜜桃av| 午夜福利视频精品| 国产精品国产av在线观看| 99久久精品国产亚洲精品| 亚洲成人免费电影在线观看 | 亚洲av电影在线进入| 国产精品人妻久久久影院| 国产视频一区二区在线看| 国产视频一区二区在线看| 成人亚洲欧美一区二区av| 国语对白做爰xxxⅹ性视频网站| 久久亚洲国产成人精品v| av网站在线播放免费| 亚洲精品一区蜜桃| 99香蕉大伊视频| 美女国产高潮福利片在线看| 又大又爽又粗| 热99国产精品久久久久久7| 岛国毛片在线播放| 两个人看的免费小视频| 人人妻人人爽人人添夜夜欢视频| 久久精品久久久久久噜噜老黄| 国产无遮挡羞羞视频在线观看| 99热国产这里只有精品6| 99久久人妻综合| 日韩伦理黄色片| 2021少妇久久久久久久久久久| 晚上一个人看的免费电影| 国产成人精品无人区| 色视频在线一区二区三区| 欧美变态另类bdsm刘玥| 亚洲国产欧美在线一区| 国产在线一区二区三区精| 国产不卡av网站在线观看| 午夜福利在线免费观看网站| 欧美国产精品一级二级三级| 国产在线观看jvid| 日韩大片免费观看网站| 乱人伦中国视频| 嫁个100分男人电影在线观看 | 宅男免费午夜| 高清黄色对白视频在线免费看| 久久久精品国产亚洲av高清涩受| 精品久久蜜臀av无| 久久久久国产精品人妻一区二区| a级片在线免费高清观看视频| 久久久精品国产亚洲av高清涩受| 欧美日韩国产mv在线观看视频| 国产欧美日韩一区二区三区在线| 少妇被粗大的猛进出69影院| 久久精品亚洲av国产电影网| 中文字幕最新亚洲高清| 午夜两性在线视频| 国产精品.久久久| 别揉我奶头~嗯~啊~动态视频 | 亚洲国产欧美一区二区综合| 99热国产这里只有精品6| 久久99热这里只频精品6学生| av线在线观看网站| 女人久久www免费人成看片| 一级片免费观看大全| 亚洲国产精品一区三区| h视频一区二区三区| 一级片'在线观看视频| 女人高潮潮喷娇喘18禁视频| 成年av动漫网址| 性高湖久久久久久久久免费观看| 一边亲一边摸免费视频| 欧美+亚洲+日韩+国产| 欧美日韩成人在线一区二区| 免费日韩欧美在线观看| 夫妻性生交免费视频一级片| 91老司机精品| 免费看av在线观看网站| 久久久久久久久久久久大奶| 女人爽到高潮嗷嗷叫在线视频| 国产欧美日韩精品亚洲av| 夫妻午夜视频| 国产精品麻豆人妻色哟哟久久| 中文字幕人妻熟女乱码| 99热全是精品| 最近最新中文字幕大全免费视频 | 欧美av亚洲av综合av国产av| 少妇人妻 视频| 热re99久久精品国产66热6| 男女免费视频国产| 王馨瑶露胸无遮挡在线观看| 亚洲成av片中文字幕在线观看| www.熟女人妻精品国产| 精品一区二区三卡| av片东京热男人的天堂| 丝袜在线中文字幕| 又大又爽又粗| 下体分泌物呈黄色| 中文字幕另类日韩欧美亚洲嫩草| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 国产激情久久老熟女| 波多野结衣av一区二区av| 国产成人av教育| 国产一级毛片在线| 亚洲美女黄色视频免费看| 亚洲中文字幕日韩| 在线观看免费日韩欧美大片| 美女视频免费永久观看网站| 最黄视频免费看| 老熟女久久久| 操美女的视频在线观看| 国产亚洲av片在线观看秒播厂| 日韩大片免费观看网站| 免费黄频网站在线观看国产| 国产97色在线日韩免费| 欧美+亚洲+日韩+国产| 亚洲人成电影免费在线| 天天躁夜夜躁狠狠躁躁| 国产欧美日韩综合在线一区二区| 在线亚洲精品国产二区图片欧美| 黄色片一级片一级黄色片| 国产在线一区二区三区精| 一本—道久久a久久精品蜜桃钙片| 精品亚洲成国产av| 爱豆传媒免费全集在线观看| 99久久人妻综合| 精品国产一区二区久久| 飞空精品影院首页| 69精品国产乱码久久久| 欧美日韩黄片免| 汤姆久久久久久久影院中文字幕| 97人妻天天添夜夜摸| 永久免费av网站大全| 女性被躁到高潮视频| 久久99一区二区三区| 热99国产精品久久久久久7| 免费女性裸体啪啪无遮挡网站| 99久久综合免费| 午夜福利免费观看在线| 真人做人爱边吃奶动态| 国产三级黄色录像| 一级毛片女人18水好多 | 欧美日韩亚洲国产一区二区在线观看 | 日本黄色日本黄色录像| 精品一区二区三区av网在线观看 | 一区二区三区精品91| 亚洲熟女毛片儿| 国产精品成人在线| 欧美成人精品欧美一级黄| 亚洲国产av新网站| 天天影视国产精品| 中文字幕最新亚洲高清| 尾随美女入室| 青青草视频在线视频观看| 欧美黑人欧美精品刺激| 高潮久久久久久久久久久不卡| 亚洲精品美女久久久久99蜜臀 | 成人午夜精彩视频在线观看| 亚洲欧洲日产国产| 久热这里只有精品99| 男女国产视频网站| 亚洲成av片中文字幕在线观看| 日日摸夜夜添夜夜爱| 黑丝袜美女国产一区| 日韩免费高清中文字幕av| 久久精品国产亚洲av高清一级| 亚洲精品第二区| 国产精品久久久久久人妻精品电影 | 热99久久久久精品小说推荐| 久久影院123| 五月开心婷婷网| 欧美人与性动交α欧美软件| 国产精品 国内视频| 999精品在线视频| 色婷婷av一区二区三区视频| 美女中出高潮动态图| 国产片内射在线| 在线天堂中文资源库| 一本大道久久a久久精品| 日韩人妻精品一区2区三区| 国产视频一区二区在线看| 欧美精品一区二区免费开放| 老熟女久久久| 国产精品免费大片| 亚洲精品美女久久久久99蜜臀 | 久久精品人人爽人人爽视色| 在线 av 中文字幕| 国产黄频视频在线观看| 亚洲精品一区蜜桃| 男女边吃奶边做爰视频| 在线天堂中文资源库| 超碰成人久久| 一区二区三区精品91| 亚洲精品一区蜜桃| 欧美另类一区| 国产在线免费精品| 国产老妇伦熟女老妇高清|