• <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 ?

    利用徑向生長修復(fù)算法檢測玉米根系表型

    2021-11-24 10:18:00邵昱寧鄧一明
    關(guān)鍵詞:主根斷點(diǎn)表型

    盧 偉,邵昱寧,王 玲,羅 慧,周 濟(jì),鄧一明

    利用徑向生長修復(fù)算法檢測玉米根系表型

    盧 偉1,邵昱寧1,王 玲1,羅 慧1,周 濟(jì)2,鄧一明3

    (1. 南京農(nóng)業(yè)大學(xué)人工智能學(xué)院,南京 210031;2. 劍橋作物研究所/國立農(nóng)業(yè)植物學(xué)研究所,英國劍橋 CB3 0LE;3. 密歇根州立大學(xué)工學(xué)院,美國密歇根州東蘭辛 48824)

    針對根系圖像中的斷根易導(dǎo)致根系表型信息難以精確獲取的問題,該研究提出一種根系徑向生長修復(fù)算法,并基于此進(jìn)行不同抗性玉米種子根系表型對比研究。首先,采用自適應(yīng)對比度增強(qiáng)、直方圖灰度查找、椒鹽去噪等對采集的根系圖像進(jìn)行預(yù)處理,從復(fù)雜背景中分離出根系圖像;再通過YOLO-V3檢測模型進(jìn)行根系圖像中主根根尖識別;最后,自根尖開始進(jìn)行徑向生長,通過分叉點(diǎn)主根提取策略、端點(diǎn)自適應(yīng)修復(fù)策略實(shí)現(xiàn)主根圖像修復(fù),并提取主根和側(cè)根表型信息。將普通、抗旱、抗?jié)?、抗鹽4種不同抗性的玉米種子種植于槽型扁平容器中培養(yǎng)14 d后取出,沖洗得到完整根系并進(jìn)行圖像采集。采用徑向生長修復(fù)算法進(jìn)行根系修復(fù)后提取根系長度和直徑與根系圖像修復(fù)前相比,根系長度和直徑的提取精度分別由83.6%和84.4%提高至97.4%和94.8%,徑向生長修復(fù)算法提取精度優(yōu)于區(qū)域生長算法,適用于不同脅迫環(huán)境下玉米根系表型參數(shù)提取。在干旱環(huán)境和鹽腌環(huán)境下,徑向生長修復(fù)算法精度提升更明顯。結(jié)果表明,該研究所提出的根系徑向生長修復(fù)算法可有效提高根系圖像表型信息精度,為根系表型快速提取提供參考。

    圖像處理;算法;根系表型;環(huán)境脅迫;徑向生長;自適應(yīng)修復(fù)

    0 引 言

    根系是作物吸收水分、礦物質(zhì)的重要組織,其主根、側(cè)根等表型信息與作物抗逆性能密切相關(guān),可直接反應(yīng)作物的抗逆能力[1-5],因此研究根系表型與基因型之間的關(guān)系對種質(zhì)創(chuàng)新具有重要意義。目前,根系表型檢測主要分為有損檢測和無損檢測[6]。作為根系表型研究的傳統(tǒng)方法,有損檢測主要有直接挖掘法、保護(hù)挖掘法等,挖掘法需要挖掘、清洗等多個(gè)步驟,可對根系進(jìn)行完整檢測,但費(fèi)工費(fèi)時(shí)。因此很多學(xué)者進(jìn)行根系無損檢測的研究。現(xiàn)有的根系表型無損檢測方法主要有X射線掃描(X-Ray CT)[7]、電阻抗成像(Electrical Impedance Tomography,EIT)[8]、掩埋式微型相機(jī)法[9]、紅外熱成像[10]、透明培養(yǎng)基[11]等方法。Maenhout等[7]通過X-Ray CT實(shí)現(xiàn)對土壤下根系的可視化檢測和半自動分割,但X-Ray CT設(shè)備昂貴、檢測速度慢且X射線會對根系發(fā)育造成一定影響,導(dǎo)致該方法較難普及;Santos等[8]利用EIT進(jìn)行根系檢測,但分辨率低且易受土壤電導(dǎo)率不均勻性影響,需要進(jìn)一步改進(jìn);Fitters等[9]提出使用掩埋式微型相機(jī)直接在土壤下采集甜菜根根系信息,但難以得到完整根系表型信息;Chu等[10]利用紅外熱成像檢測玉米根系,雖然可以穿透土壤淺表獲取根系圖像,但仍然難以獲取完整圖像信息且易受土壤中雜質(zhì)影響。以上學(xué)者采用不同的傳感設(shè)備進(jìn)行根系表型檢測,但是都存在明顯缺點(diǎn)。此外,Shi等[11]從培養(yǎng)基的角度改進(jìn)根系表型檢測,雖然透明基質(zhì)可以完整迅速地采集到根系信息,但透明基質(zhì)中作物根系的發(fā)育與在土壤中有一定差異。因此,有損檢測仍然是現(xiàn)今農(nóng)業(yè)育種行業(yè)進(jìn)行土壤根系表型精確測量的主要方法。

    但由于受到根系表面污染、褐化、密集側(cè)根和背景噪聲的影響,沖洗后的根系圖像仍然會產(chǎn)生斷點(diǎn),影響主根和側(cè)根的表型信息的精確測量。目前,圖像修復(fù)算法分為傳統(tǒng)修復(fù)算法和基于深度學(xué)習(xí)的修復(fù)算法?;谏疃葘W(xué)習(xí)的修復(fù)算法主要有生成對抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)[12]、深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)[13]等。GAN需要大量樣本訓(xùn)練模型且訓(xùn)練周期較長,如Sarkar等[13]通過手繪大量根系完整圖像和斷裂圖像作為DNN的訓(xùn)練集,但訓(xùn)練集理想化難以適用復(fù)雜環(huán)境下根系圖像修復(fù)?;谏疃葘W(xué)習(xí)的修復(fù)算法需要大量數(shù)據(jù)訓(xùn)練,不適合復(fù)雜環(huán)境下的根系圖像修復(fù)。傳統(tǒng)圖像修復(fù)算法包括PatchMatch算法[14]、Criminisi算法[15]等。PatchMatch算法易陷入局部最優(yōu)解,導(dǎo)致修復(fù)失敗;Criminisi算法迭代流程較長,不利于快速修復(fù)。

    綜上,為進(jìn)一步提高根系表型參數(shù)自動化檢測的精度,本研究基于區(qū)域生長思想提出了一種玉米根系表型檢測的徑向生長修復(fù)算法,通過使用較小數(shù)據(jù)集訓(xùn)練即可實(shí)現(xiàn)根系圖像快速修復(fù),并提取出玉米根系主要的表型參數(shù)。利用該算法對不同抗性玉米種子根系表型進(jìn)行提取,以期為根系表型參數(shù)的精準(zhǔn)提取提供參考和借鑒。

    1 材料與方法

    1.1 槽型植物培養(yǎng)裝置

    根系具有豐富的空間特征,圓柱形培養(yǎng)裝置中根系沖洗后拍照需要手工處理根系,增加了圖像采集的工作量,為便于獲取平面化的根系圖像,減少根系約束帶來的根系損傷,本研究采用12.0 cm×6.0 cm×2.5 cm槽型扁平結(jié)構(gòu)的培養(yǎng)裝置,底部預(yù)留5個(gè)直徑2 mm的排水孔,填充10 cm高度的有機(jī)土(pH值為 6.7~6.9,有機(jī)質(zhì)含量為475 mg/kg,氮(N)、磷(P)、鉀(K)含量均為6.75 mg/kg,微量元素含量為1.7g/kg)。

    1.2 種子預(yù)處理

    選用2019年收獲的顆粒飽滿、大小一致的玉米種子,先將玉米種子浸于70%濃度的乙醇溶液中30 s,再浸于35~40 ℃的溫水中2 h,待種子露白后平攤在準(zhǔn)備好的淺盤濕紗布上,再在玉米種子上覆蓋幾層濕紗布,以保證種子發(fā)芽所需水分,6 h后將處理好的玉米種子種植于槽形扁平培養(yǎng)裝置中進(jìn)行培養(yǎng)。

    1.3 試驗(yàn)方法

    土培試驗(yàn)于2020年5月在南京農(nóng)業(yè)大學(xué)浦口校區(qū)進(jìn)行,試驗(yàn)品種分別為裕豐303(普通對照種)、鄭單958(抗旱種)、蠡玉16(抗?jié)撤N)、鄭單958(抗鹽種)。將玉米種子分為3組進(jìn)行試驗(yàn),抗旱組8株、抗?jié)辰M8株和抗鹽組8株,試驗(yàn)的具體設(shè)置情況為:干旱環(huán)境中設(shè)置裕豐303(MA1)和鄭單958(MB1),澇漬環(huán)境中設(shè)置裕豐303(MA2)和蠡玉16(MC2),鹽腌環(huán)境中設(shè)置裕豐303(MA3)和鄭單958(MD3)。將3組玉米種子放置于光照充足的環(huán)境下,每隔24 h澆灌100 ml的自來水進(jìn)行催芽,晝、夜溫度分別為(23±1)、(17±1)℃,相對濕度為60%左右,當(dāng)玉米胚芽長度超過種子長度時(shí)視為幼苗成形(約72 h)。3種脅迫的處理方法如下:

    干旱環(huán)境[16-18]:第1、3、5天澆灌1/2濃度的Hoagland營養(yǎng)液,后期停止灌溉使其充分受旱;

    澇漬環(huán)境[19]:每天澆灌1/2濃度的Hoagland營養(yǎng)液,僅預(yù)留1個(gè)的排水孔,其他排水孔封堵;

    鹽腌環(huán)境[20]:第1、3、5、7、9、11、13天用200 mmol/L的氯化鈉(NaCl)溶液配50%濃度Hoagland營養(yǎng)液進(jìn)行澆灌。

    第14天從土壤取出試驗(yàn)組所有玉米植株,避免損傷根系,用自來水沖洗根系殘留土壤,置于純色背景板上鋪平,利用標(biāo)尺測量根系的主根長度、主根直徑,清點(diǎn)主根、側(cè)根數(shù)量并記錄,然后使用USB 高清攝像頭進(jìn)行圖像采集。

    1.4 試驗(yàn)平臺

    試驗(yàn)硬件平臺配置為Windows64位系統(tǒng),16 GB內(nèi)存,Intel i5-9400F 2.90 GHz處理器,RTX 2070 SUPER 8 G顯卡,使用深度學(xué)習(xí)框架Tensorflow1.15.0結(jié)合CUDA8.0和CUDNN5.0,代碼運(yùn)行環(huán)境Python 3.6。

    2 根系表型提取算法

    2.1 基于YOLO-V3的根尖識別

    目標(biāo)識別是神經(jīng)網(wǎng)絡(luò)的重要應(yīng)用,被廣泛應(yīng)用于物體檢測、無人駕駛等領(lǐng)域,深度神經(jīng)網(wǎng)絡(luò)在性能上可識別特征多、形態(tài)學(xué)復(fù)雜的物體,具有廣泛的應(yīng)用前景。目前常用的目標(biāo)檢測網(wǎng)絡(luò)有YOLO-V3網(wǎng)絡(luò)、單步檢測算法(Single Shot Detection,SSD)、快速區(qū)域卷積網(wǎng)絡(luò)(Fast Region Convolutional Neural Network,F(xiàn)ast R-CNN)。其中,F(xiàn)ast R-CNN將目標(biāo)檢測分為特征提取和目標(biāo)分類2個(gè)階段,YOLO-V3網(wǎng)絡(luò)則是基于先驗(yàn)框直接進(jìn)行檢測,在檢測速度上Fast R-CNN慢于YOLO-V3[21];SSD雖為單階段目標(biāo)檢測,但全類平均精度(mean Average Precision,mAP)低于YOLO-V3網(wǎng)絡(luò)[22]。因此,綜合考慮檢測速度和準(zhǔn)確率2個(gè)因素以及計(jì)算資源消耗,本研究選用YOLO-V3網(wǎng)絡(luò)進(jìn)行根尖識別。

    將待識別圖像輸入YOLO-V3網(wǎng)絡(luò),首先通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取形成特征圖,再進(jìn)行全卷積特征識別。YOLO-V3將待識別的圖像分割為×個(gè)區(qū)域,當(dāng)物體的中心落在其中一個(gè)區(qū)域中時(shí),區(qū)域所對應(yīng)的YOLO-V3網(wǎng)絡(luò)負(fù)責(zé)區(qū)域內(nèi)物體檢測,計(jì)算目標(biāo)區(qū)域的置信度并進(jìn)行多標(biāo)簽分類。YOLO-V3采用9種不同大小的錨點(diǎn)對圖像進(jìn)行分割,從而能夠獲得3種不同尺寸的特征圖,根據(jù)Redmon J[21]的研究結(jié)果,3種特征圖的邊長分別為13、26、52個(gè)像素單位,不同尺寸的特征圖可以檢測不同尺寸的目標(biāo)。通過特征圖計(jì)算損失函數(shù)并完成整個(gè)網(wǎng)絡(luò)的更新。

    本研究采用所種植的玉米根系圖片和文獻(xiàn)[23]中的部分根系圖片制作玉米根系數(shù)據(jù)集,將玉米根系置于純色背景板上鋪平,用相機(jī)采集本研究種植玉米的根系圖像共計(jì)56幅,使用文獻(xiàn)[23]數(shù)據(jù)集中的圖像共計(jì)244幅,每幅圖片主根3~6根,圖像分辨率為416×416,在使用YOLO-V3網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)前,使用LabelImg軟件對采集的圖像進(jìn)行標(biāo)注,標(biāo)注類別分別為主根和側(cè)根,保證每根主根盡量在一個(gè)矩形框里。標(biāo)注完成將會生成含有類別和位置信息的.xml文件,標(biāo)注完成后將300幅圖像按7∶2∶1的比例劃分為訓(xùn)練集(210幅)、測試集(60幅)和驗(yàn)證集(30幅)。

    YOLO-V3網(wǎng)絡(luò)訓(xùn)練采用COCO數(shù)據(jù)集作為初始訓(xùn)練集,初始學(xué)習(xí)率設(shè)置為0.001,學(xué)習(xí)率衰減方法為隨機(jī)梯度下降和Adam優(yōu)化。每批次訓(xùn)練數(shù)量設(shè)置為16,最大訓(xùn)練次數(shù)設(shè)置為500次,單步訓(xùn)練時(shí)間約為2 s,每訓(xùn)練10 min保存模型參數(shù)。訓(xùn)練300次后模型逐漸收斂。使用玉米根系數(shù)據(jù)集進(jìn)行檢測,YOLO-V3網(wǎng)絡(luò)根系和根尖圖像的識別精確率、召回率、1分?jǐn)?shù)分別為85.50%、89.20%、87.31%,檢測速度34幀/s,滿足快速檢測的需求。

    2.2 根系圖像修復(fù)

    2.2.1根系圖像預(yù)處理

    由于試驗(yàn)環(huán)境的限制,采集圖像背景中常帶有反光和水漬,根系圖像中泥土等污染物以及根系局部褐化、發(fā)黑等都會影響后續(xù)算法的效果,因此需要對圖像進(jìn)行預(yù)處理方法。

    首先,對根系灰度圖采用自適應(yīng)對比度增強(qiáng)算法調(diào)整圖像的全局對比度,減少反光和泥土雜質(zhì)干擾;其次,采用查表(Look Up Table,LUT)直方圖算法分離根系主體和深色背景,提取帶有少量噪聲的根系圖像;然后,通過椒鹽去噪、腐蝕和膨脹等算法去除噪聲;最后,采用骨架算法獲取根系的細(xì)化圖像,提取根系的形態(tài)特征。

    2.2.2根系斷點(diǎn)判定

    對預(yù)處理后的根系圖像進(jìn)行斷點(diǎn)判定后輸出斷點(diǎn)坐標(biāo)信息。斷點(diǎn)的數(shù)學(xué)判定[24]如圖1所示,在骨架化后玉米根系圖像中截取分辨率為3×3的像素矩陣,矩陣中的1代表玉米根系像素點(diǎn),0代表背景像素點(diǎn),將該像素矩陣與核矩陣進(jìn)行卷積得到特征矩陣,特征矩陣中心的值即為特征值,通過判斷特征矩陣中各點(diǎn)的特征值來判斷是否為斷點(diǎn),通過分析8種斷點(diǎn)像素矩陣的特征得出當(dāng)特征值為且僅為17、18、20、24、48、80、144、272這8種情況時(shí),該點(diǎn)為斷點(diǎn),否則為非斷點(diǎn)。

    2.2.3主根直徑的計(jì)算

    作物根系在局部可視作斜率固定、值為1的矩形(圖 2),由根的骨架點(diǎn)出發(fā),沿軸、軸方向前進(jìn),當(dāng)?shù)竭_(dá)根系邊緣,得到該方向上像素單位長度的值,代入式(1)計(jì)算出主根直徑像素單位寬度width。

    注:為根的骨架點(diǎn)到根系邊緣沿軸方向的長度,像素;為根的骨架點(diǎn)沿軸方向的長度,像素;width為主根直徑,像素。

    Note:is the length of the root skeleton point to the root edge along the-axis, pixels;is the length of the root skeleton point to the root edge along the-axis, pixels; width is the diameter of the main root, pixels.

    圖2 玉米主根直徑計(jì)算示意圖

    Fig.2 Calculation diagram of maize main root diameter

    2.2.4徑向生長修復(fù)

    傳統(tǒng)圖像分割算法有區(qū)域生長算法、均值迭代分割算法、最大類間方差分割算法等,適用于分割物體像素點(diǎn)較為聚集的圖像。根系圖像由于存在斷根、側(cè)根等情況,造成主根像素點(diǎn)較為分散,傳統(tǒng)圖像分割算法的分割效果并不理想。

    本研究提出一種徑向生長修復(fù)算法,獲取根系圖像中的根尖范圍,而后在根尖范圍中進(jìn)行根系的斷點(diǎn)判定獲得初始生長點(diǎn),再通過生長規(guī)則識別主根和側(cè)根,當(dāng)遇到根系斷點(diǎn)時(shí)通過修復(fù)規(guī)則進(jìn)行主根修復(fù),修復(fù)成功后沿著主根方向更新生長點(diǎn)繼續(xù)識別和修復(fù)主根,當(dāng)修復(fù)失敗時(shí)終止修復(fù)算法,返回全部根系表型信息。其中,生長規(guī)則、終止條件和修復(fù)規(guī)則的具體步驟如下:

    1)生長規(guī)則:每一個(gè)根的像素點(diǎn)均有絕對坐標(biāo)(x,y)和相對坐標(biāo)(rx,ry),相對坐標(biāo)(rx,ry)為像素點(diǎn)(x+1,y+1)相對于像素點(diǎn)(x,y)的坐標(biāo)。當(dāng)根系生長進(jìn)行到(x,y)點(diǎn)時(shí),通過(rx,ry)生成此點(diǎn)對應(yīng)的相關(guān)矩陣mat(圖3),相關(guān)矩陣mat由待計(jì)算矩陣mat確定,將2個(gè)深色像素標(biāo)為0并將其延長方向上的點(diǎn)記作4,再從4遞減依次填入3、2、1即可確定相關(guān)矩陣mat。將以此像素點(diǎn)為中心生成的3×3待計(jì)算矩陣mat與相關(guān)矩陣mat相乘得到新矩陣,尋找新矩陣中最大值并計(jì)算出新的生長點(diǎn)絕對坐標(biāo)(x+1,y+1)和相對坐標(biāo)(rx+1,ry+1),更新待計(jì)算矩陣mat并對新的生長點(diǎn)繼續(xù)執(zhí)行生長規(guī)則,循環(huán)執(zhí)行直至滿足終止條件,將所有生長點(diǎn)存儲到列表中。

    2)終止條件:當(dāng)(x,y)生長到斷點(diǎn)時(shí),以個(gè)像素為半徑搜索區(qū)域內(nèi)是否存在端點(diǎn),如果存在端點(diǎn)即用3次樣條插值擬合修復(fù)曲線;如不存在端點(diǎn)則終止算法。

    3)修復(fù)規(guī)則:計(jì)算(x,y), (x-1,y-1),…, (x-N,y-N)等像素點(diǎn)的相對坐標(biāo)的累加和(rx,ry),將相對坐標(biāo)累加和(rx,ry)和當(dāng)前生長點(diǎn)(x,y)相加得修復(fù)點(diǎn)(x,y),以(x,y)為新生長點(diǎn)返回步驟2)(圖4)。

    注:深色背景為已判定為主根的像素點(diǎn),淺色背景為已判定為側(cè)根的像素點(diǎn),下同。

    注:圖4a中帶有黑色圓形點(diǎn)的實(shí)線代表主根,虛直線代表相對坐標(biāo)累加和(rxs, rys)的向量延長,點(diǎn)畫圈為搜索范圍,搜索半徑為n個(gè)像素。圖4b中的粗實(shí)線代表修復(fù)后的根系。

    2.3 徑向生長修復(fù)算法流程

    徑向生長修復(fù)算法流程如圖5所示。首先,通過YOLO-V3網(wǎng)絡(luò)對輸入根系圖像進(jìn)行根尖識別,獲取玉米根系的根尖區(qū)域;其次,對根尖區(qū)域內(nèi)進(jìn)行根系斷點(diǎn)判定,獲取初始生長點(diǎn)0,將0點(diǎn)絕對坐標(biāo)與相對坐標(biāo)輸入算法進(jìn)行迭代;當(dāng)遇到根系分叉點(diǎn)P時(shí),自動去除無效的根系分叉點(diǎn)并計(jì)算最優(yōu)分叉點(diǎn),將P1點(diǎn)代入算法繼續(xù)迭代;當(dāng)遇到根系斷點(diǎn)P1時(shí),搜尋端點(diǎn)領(lǐng)域內(nèi)存在的其他根系斷點(diǎn)并用3次樣條差值修復(fù)主根,將修復(fù)點(diǎn)代入算法繼續(xù)迭代,如果未搜尋到其他根系斷點(diǎn)則終止算法,輸出根系表型信息。

    2.4 根系表型參數(shù)評價(jià)模型

    根據(jù)本研究所提算法對根系圖像進(jìn)行處理獲取表型參數(shù),建立表型參數(shù)評價(jià)模型來計(jì)算預(yù)測參數(shù)和實(shí)際參數(shù)的量化差異,以此評價(jià)表型參數(shù)測量精度,表型參數(shù)評價(jià)模型如式(2)所示:

    3 結(jié)果與分析

    3.1 基于徑向生長修復(fù)算法的玉米根系圖像修復(fù)

    通過YOLO-V3網(wǎng)絡(luò)識別根系的主體位置并裁切圖像(圖6a);利用YOLO-V3網(wǎng)絡(luò)識別主根根尖的位置,確定主根提取起始點(diǎn)(圖6b);利用自適應(yīng)對比度增強(qiáng)算法對圖像進(jìn)行信息增強(qiáng)(圖6c);通過查找表直方圖算法分離出根系和背景,通過椒鹽去噪有效去除預(yù)處理過程中出現(xiàn)的各類噪聲(圖6d);利用骨架算法獲取根系骨架(圖6e);通過提取出的根系形態(tài)學(xué)信息,由徑向生長修復(fù)算法對根系骨架進(jìn)行處理,有效分離主根和側(cè)根,并在根系的斷點(diǎn)處進(jìn)行自適應(yīng)修復(fù)(圖6f)?;诮徤L的區(qū)域生長算法提取結(jié)果的對比如圖6g。

    3.2 玉米根系表型參數(shù)提取

    選取本研究種植的玉米主根共145根,分別采集其主根長、主根直徑和側(cè)根數(shù)量,3種脅迫環(huán)境根系表型參數(shù)下的實(shí)測值、區(qū)域生長算法和徑向生長修復(fù)算法測量值及其精度對比結(jié)果如表1所示。

    在干旱環(huán)境下,采用區(qū)域生長算法時(shí),由于斷根側(cè)根的干擾,主根長、主根直徑測量結(jié)果精度較低,普通植株(MA1)分別為75.9%和73.4%,抗旱植株(MB1)分別為81.9%和82.4%;采用本研究徑向生長修復(fù)算法,主根長、主根直徑測量精度明顯提高,普通植株(MA1)分別為97.1%和97.5%,抗旱植株(MB1)分別為98.3%和97.6%;徑向生長修復(fù)算法與區(qū)域生長算法相比,在主根長、主根直徑測量的精度上普通植株(MA1)提高15.2和15.1個(gè)百分點(diǎn),抗旱植株(MB1)提高16.4和15.2個(gè)百分點(diǎn)。

    在洪澇環(huán)境下,采用區(qū)域生長算法時(shí),普通植株(MA2)分別為84.3%和94.0%,抗?jié)持仓辏∕C2)分別為92.7%和85.2%;采用本研究徑向生長修復(fù)算法,主根長、主根直徑測量精度提升較小,普通植株(MA2)分別為99.3%和96.4%,抗?jié)持仓辏∕C2)分別為97.1%和91.4%;徑向生長修復(fù)算法與區(qū)域生長算法相比,在主根長、主根直徑測量的精度上普通植株(MA2)提高15.0和2.4個(gè)百分點(diǎn),抗?jié)持仓辏∕C2)提高4.4和6.2個(gè)百分點(diǎn)。

    在鹽腌環(huán)境下,采用區(qū)域生長算法時(shí),普通植株(MA3)分別為90.0%和88.2%,抗鹽植株(MD3)分別為77.2%和83.1%;采用本研究徑向生長修復(fù)算法,主根長、主根直徑測量精度明顯提高,普通植株(MA3)分別為97.4%和92.1%,抗鹽植株(MD3)分別為95.2%和93.5%;徑向生長修復(fù)算法與區(qū)域生長算法相比,在主根長、主根直徑測量的精度上普通植株(MA3)提高7.4和3.9個(gè)百分點(diǎn),抗鹽植株(MD3)提高12.1和10.4個(gè)百分點(diǎn)。

    由此可見,在干旱環(huán)境和鹽腌環(huán)境下,徑向生長修復(fù)算法比區(qū)域生長算法提取表型參數(shù)的精度提升較為明顯,而澇漬環(huán)境下的提升較為有限。區(qū)域生長算法對主根長、主根直徑測量的精度分別為83.6%和84.4%,徑向生長修復(fù)算法對主根長、主根直徑測量的精度分別為97.4%和94.8%,徑向生長修復(fù)算法與區(qū)域生長算法相比,在主根長、主根直徑測量的精度上提高13.8和10.4個(gè)百分點(diǎn)。結(jié)果表明,徑向生長修復(fù)算法在玉米根系表型參數(shù)的提取精度更高,方法具有有效性。

    表1 玉米根系表型參數(shù)的實(shí)測值、區(qū)域生長算法和徑向生長修復(fù)算法提取結(jié)果對比

    4 結(jié) 論

    針對玉米根系圖像中的斷根易導(dǎo)致根系表型信息難以精確提取的問題,提出一種根系徑向生長修復(fù)算法,通過YOLO-V3檢測模型定位根系和主根的區(qū)域,并通過斷點(diǎn)判定算法提取根尖,以根尖為初始生長點(diǎn),通過徑向生長修復(fù)算法進(jìn)行主根圖像修復(fù)并提取主根和側(cè)根表型信息。結(jié)果表明:

    1)區(qū)域生長算法對主根長、主根直徑測量的精度分別為83.6%和84.4%,徑向生長修復(fù)算法對主根長、主根直徑測量的精度分別為97.4%和94.8%,徑向生長修復(fù)算法與區(qū)域生長算法相比,在主根長、主根直徑測量的精度上分別提高13.8和10.4個(gè)百分點(diǎn),徑向生長修復(fù)算法在玉米根系表型參數(shù)的提取精度更高,證明了本文方法的有效性。

    2)基于本研究算法,分別對普通、抗旱、抗?jié)澈涂果}的玉米品種進(jìn)行早期根系表型信息提取。結(jié)果表明,在干旱環(huán)境和鹽腌環(huán)境下,徑向生長修復(fù)算法比區(qū)域生長算法的提取精度提升較為明顯,干旱環(huán)境下,普通植株(MA1)的主根長、主根直徑提取精度提高15.2和15.1個(gè)百分點(diǎn),抗旱植株(MB1)提高16.4和15.2個(gè)百分點(diǎn);鹽腌環(huán)境下,普通植株(MA3)提高7.4和3.9個(gè)百分點(diǎn),抗鹽植株(MD3)提高12.1和10.4個(gè)百分點(diǎn);而澇漬環(huán)境下的提升較為有限,洪澇環(huán)境下,普通植株(MA2)的主根長、主根直徑提取精度提高15.0和2.4個(gè)百分點(diǎn),抗?jié)持仓辏∕C2)提高4.4和6.2個(gè)百分點(diǎn)。研究結(jié)果可為根系表型自動化檢測提供參考。

    [1] 張翠梅,師尚禮,吳芳. 干旱脅迫對不同抗旱性苜蓿品種根系生長及生理特性影響[J]. 中國農(nóng)業(yè)科學(xué),2018,51(5):868-882.

    Zhang Cuimei, Shi Shangli, Wu Fang. Effects of drought stress on root and physiological responses of different drought-tolerant alfalfa varieties[J]. Scientia Agricultura Sinica, 2018, 51(5): 868-882. (in Chinese with English abstract)

    [2] 丁紅,張智猛,戴良香. 不同抗旱性花生品種的根系形態(tài)發(fā)育及其對干旱脅迫的響應(yīng)[J]. 生態(tài)學(xué)報(bào),2013,33(17):5169-5176.

    Ding Hong, Zhang Zhimeng, Dai Liangxiang. Responses of root morphology of peanut varieties differing in drought tolerance to water-deficient stress[J]. Acta EcologicaSinica, 2013, 33(17): 5169-5176. (in Chinese with English abstract)

    [3] Zhao J, Xue Q W, Jessup K E, et al. Shoot and root traits in drought tolerant maize (L.) hybrids[J]. Journal of Integrative Agriculture, 2018, 17(5): 1093-1105.

    [4] 李躍,萬里強(qiáng),李向林. 水分脅迫對不同紫花苜蓿品種幼苗生長特性和根系A(chǔ)BA含量的影響[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào),2017,22(10):75-83.

    Li Yue, Wan Liqiang, Li Xianglin. Effects of water stress on the growth characteristics and root ABA content of alfalfa[J]. Journal of China Agricultural University, 2017, 22(10): 75-83. (in Chinese with English abstract)

    [5] Pires M V, de Castro E M, de Freitas B S M, et al. Yield-related phenotypic traits of drought resistant maize genotypes[J]. Environmental and Experimental Botany, 2020, 171: 103962.

    [6] Wang T, Rostamza M, Song Z H, et al. SegRoot: A high throughput segmentation method for root image analysis[J]. Computers and Electronics in Agriculture, 2019, 162: 845-854.

    [7] Maenhout P, Sleutel S, Xu H, et al. Semi-automated segmentation and visualization of complex undisturbed root systems with X-rayCT[J]. Soil and Tillage Research, 2019, 192: 59-65.

    [8] Santos D S, Faia P M, Garcia F A P, et al. Oil/water stratified flow in a horizontal pipe: Simulated and experimental studies using EIT[J]. Journal of Petroleum Science and Engineering, 2019, 174: 1179-1193.

    [9] Fitters T F J, Mooney S J, Sparkes D L. Sugar beet root growth under different watering regimes: A minirhizotron study[J]. Environmental and Experimental Botany, 2018, 155: 79-86.

    [10] Chu X, Wang W, Yoon S C, et al. Detection of aflatoxin B1(AFB1) in individual maize kernels using short wave infrared (SWIR) hyperspectral imaging[J]. Biosystems Engineering, 2017, 157: 13-23.

    [11] Shi R L, Junker A, Seiler C, et al. Phenotyping roots in darkness: Disturbance-free root imaging with near infrared illumination[J]. Functional Plant Biology, 2018, 45(4): 400-411.

    [12] Yang C, Lu X, Lin Z, et al. High-resolution image inpainting using multi-scale neural patch synthesis[C]//IEEE Conference on Computer Vision and Pattern Recognition, Honolulu: IEEE, 2017.

    [13] Sarkar A, Iyengar R. Enforcing Linearity in DNN SuccoursRobustness and Adversarial Image Generation[M]. Cham: Springer, 2020.

    [14] Yasrab R, Atkinson J A, Wells D M, et al. RootNav 2. 0: Deep learning for automatic navigation of complex plant root architectures[J]. Giga Science, 2019, 8: 1-16.

    [15] Barnes C, Shechtman E, Finkelstein A, et al. PatchMatch: A randomized correspondence algorithm for structural image editing[J]. ACM Transactions on Graphics, 2009, 28(3): 1-11.

    [16] Hund A, Trachsel S, Stamp P, et al. Growth of axile and lateral roots of maize: I development of a phenotying platform[J]. Plant and Soil, 2009, 325: 335-349.

    [17] Eapen D, Martínez-Guadarrama J, Hernández-Bruno O, et al. Synergy between root hydrotropic response and root biomass in maize (L. ) enhances drought avoidance[J]. Plant Science, 2017, 265: 87-99.

    [18] Wu Y Y, He J, Ji Y M, et al. Enhanced classification models for iris dataset[J]. Procedia Computer Science, 2019, 162: 946-954.

    [19] Ghorchiani M, Etesami H, Alikhani H A, et al. Improvement of growth and yield of maize under water stress by co-inoculating an arbuscular mycorrhizal fungus and a plant growth promoting rhizobacterium together with phosphate fertilizers[J]. Agriculture, Ecosystems & Environment, 2018, 258: 59-70.

    [20] Richter J A, Erban A, Kopka J, et al. Metabolic contribution to salt stress in two maize hybrids with contrasting resistance[J]. Plant Science, 2015, 233: 107-115.

    [21] Redmon J, Farhadi A. YOLOv3: An incremental improvement[EB/OL]. [2018-04-08], https://arxiv.org/pdf/ 1804. 02767. pdf.

    [22] Tian Y N, Yang G D, Wang Z, et al. Apple detection during different growth stages in orchards using the improved YOLO-V3 model[J]. Computers and Electronics in Agriculture, 2019, 157: 417-426.

    [23] Tracy S R, Nagel K A, Postma J A, et al. Crop improvement from phenotyping roots: Highlights reveal expanding opportunities[J]. Trends in Plant Science, 2020, 25(1): 105-118.

    [24] Lu W, Li Y, Deng Y M. Root phenotypic detection of different vigorous maize seeds based on Progressive Corrosion Joining algorithm of image[J]. Plant Methods, 2019, 15(1): 1-13.

    Radial growth repair algorithm for maize root phenotype detection

    Lu Wei1, Shao Yuning1, Wang Ling1, Luo Hui1, Zhou Ji2, Deng Yiming3

    (1.,,210031,; 2.,CB3 0LE,; 3.,,48824,)

    This study aims to improve the detection precision of plant root phenotyping in the images, particularly with broken roots. An algorithm of radial growing repair was proposed to apply to the evaluation of maize seed’s resistance to damage. A soil culture experiment was also conducted on the Pukou campus of Nanjing Agricultural University in China every month. After that, four varieties of corn seeds were selected: Yufeng 303 (ordinary control group), Zhengdan 958 (drought resistance group), Liyu 16 (water resistance group), and Zhengdan 958 (salt resistance group). Four kinds of resistant corn seeds were planted in trough-shaped and flat containers for 14d, including ordinary, drought-resistant, water-resistant, and salt-resistant corn seeds. Subsequently, the root system was taken out to rinse the residual soil with tap water, and then placed on a solid-color background plate to level out. Prior to image acquisition, the root length and diameter were measured by a ruler, and the number of main and lateral roots was counted to record. The specific procedure of image processing was as follows. Firstly, a series of operations was used to preprocess the collected images for the extraction of root systems from complex backgrounds, such as adaptive contrast enhancement, histogram grayscale searching, and pepper-salt denoising. As such, the discrimination of root images was improved to remove the noise during image acquisition, such as reflections and water stains. Secondly, the tips of main roots in maize images were detected by training the YOLO-V3 neural network. Finally, the radial growth repair algorithm was presented, including the direction discrimination of main roots in bifurcation points, and adaptive repair in end points. These strategies greatly contributed to extracting phenotypic parameters from main and lateral roots. Maize root datasets were also selected to evaluate the practicality and accuracy of radial growth repair. The results demonstrated that the phenotypic accuracy of repaired main roots lengths and diameter increased from 83.6% and 84.4% to 97.4% and 94.8%, respectively, compared with that processed by region growth algorithm. The phenotypic parameters extracted by radial growth repair algorithm was more precise than that extracted by region growth algorithm, which indicated that radial growth repair algorithm was suitable for extraction of maize root system parameters in different stress environments. The accuracy of radial growth was improved more obviously in the salty environments and drought environments. The results in this study demonstrated that the proposed radial growth repair algorithm could improve the accuracy of root image phenotype detection and could be efficient for maize resistance evaluation, which provided reference for the rapid extraction of root system phenotype.

    image processing; algorithm; root system phenotype; environmental stress; radial growth; adaptive repairing

    盧偉,邵昱寧,王玲,等.利用徑向生長修復(fù)算法檢測玉米根系表型 [J]. 農(nóng)業(yè)工程學(xué)報(bào),2021,37(18):195-202.doi:10.11975/j.issn.1002-6819.2021.18.023 http://www.tcsae.org

    Lu Wei, Shao Yuning, Wang Ling, et al. Radial growth repair algorithm for maize root phenotype detection[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(18): 195-202. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2021.18.023 http://www.tcsae.org

    2020-09-10

    2021-09-03

    國家自然科學(xué)基金項(xiàng)目(32071896,31960487);江蘇省自然科學(xué)基金面上項(xiàng)目(BK20181315);江蘇省農(nóng)業(yè)科技自主創(chuàng)新項(xiàng)目(CX(20)3068);國際合作能力提增計(jì)劃項(xiàng)目(2021-PY-11);蘇州市科技創(chuàng)新項(xiàng)目(SNG2020039)

    盧偉,博士,副教授,研究方向?yàn)橹悄軝C(jī)器人與無損檢測技術(shù)。Email:njaurobot@njau.edu.cn

    10.11975/j.issn.1002-6819.2021.18.023

    S513

    A

    1002-6819(2021)-18-0195-08

    猜你喜歡
    主根斷點(diǎn)表型
    黃芪幼苗根系生長發(fā)育與GR24和IAA的關(guān)系
    廣西植物(2022年5期)2022-06-18 08:50:41
    基于機(jī)器視覺的三七主根形狀分類方法研究
    植物的“嘴巴”
    一類無限可能問題的解法
    建蘭、寒蘭花表型分析
    主導(dǎo)電回路發(fā)生斷點(diǎn)故障判斷方法探討
    灰樹花菌渣用于板栗專用生物有機(jī)肥的研究初報(bào)
    河北果樹(2016年2期)2016-08-12 07:03:37
    GABABR2基因遺傳變異與肥胖及代謝相關(guān)表型的關(guān)系
    慢性乙型肝炎患者HBV基因表型與血清學(xué)測定的臨床意義
    72例老年急性白血病免疫表型分析
    亚洲欧美成人精品一区二区| 99国产精品一区二区蜜桃av| 亚洲精品粉嫩美女一区| 亚洲av免费在线观看| 久久精品影院6| 91aial.com中文字幕在线观看| 国产三级在线视频| 少妇人妻一区二区三区视频| 国产黄片美女视频| 国产伦在线观看视频一区| 高清午夜精品一区二区三区 | 日韩制服骚丝袜av| 日韩精品有码人妻一区| 波多野结衣高清无吗| 国产亚洲5aaaaa淫片| 一区福利在线观看| 亚洲av男天堂| 婷婷色综合大香蕉| 午夜a级毛片| 国产精品国产三级国产av玫瑰| 国产一区亚洲一区在线观看| 国产不卡一卡二| 一区福利在线观看| 国产精品免费一区二区三区在线| 99久久中文字幕三级久久日本| av又黄又爽大尺度在线免费看 | 亚洲av中文av极速乱| 亚洲精品成人久久久久久| 99久久精品热视频| 久久中文看片网| 99国产精品一区二区蜜桃av| 日本在线视频免费播放| 插逼视频在线观看| 日韩欧美三级三区| 久久久久网色| 乱码一卡2卡4卡精品| 国产69精品久久久久777片| 嫩草影院精品99| 偷拍熟女少妇极品色| 好男人在线观看高清免费视频| 久久久久性生活片| 久久人妻av系列| 国产成人午夜福利电影在线观看| 欧美人与善性xxx| 99久久精品一区二区三区| 亚洲欧美日韩高清在线视频| 国产精品电影一区二区三区| 国产伦精品一区二区三区四那| kizo精华| 少妇熟女aⅴ在线视频| 久久久久久九九精品二区国产| 99热网站在线观看| 日韩成人av中文字幕在线观看| 国产老妇伦熟女老妇高清| 一本精品99久久精品77| 精品国内亚洲2022精品成人| 欧美+日韩+精品| 亚洲第一区二区三区不卡| 1000部很黄的大片| 亚洲精品自拍成人| av又黄又爽大尺度在线免费看 | 色哟哟哟哟哟哟| 亚洲精品日韩在线中文字幕 | 欧美色视频一区免费| 久99久视频精品免费| 久久精品国产99精品国产亚洲性色| 又爽又黄a免费视频| 国产伦精品一区二区三区四那| 亚洲欧美成人精品一区二区| 婷婷亚洲欧美| 寂寞人妻少妇视频99o| 大型黄色视频在线免费观看| 久久精品国产自在天天线| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 麻豆国产97在线/欧美| 好男人在线观看高清免费视频| 国产色婷婷99| 22中文网久久字幕| 欧美日韩乱码在线| 午夜福利成人在线免费观看| 国产 一区 欧美 日韩| 免费电影在线观看免费观看| 日韩一区二区三区影片| 九九爱精品视频在线观看| 啦啦啦韩国在线观看视频| 国产精品一二三区在线看| 欧美一级a爱片免费观看看| 女同久久另类99精品国产91| 亚洲一级一片aⅴ在线观看| 欧美激情在线99| 一级av片app| 日韩欧美在线乱码| 婷婷精品国产亚洲av| 欧美日本亚洲视频在线播放| 欧美bdsm另类| 又粗又硬又长又爽又黄的视频 | 有码 亚洲区| av女优亚洲男人天堂| 久久久久久久亚洲中文字幕| 国产精品人妻久久久久久| 此物有八面人人有两片| 搡女人真爽免费视频火全软件| 18禁在线播放成人免费| 在线免费观看不下载黄p国产| 国内精品久久久久精免费| 国产精品.久久久| 日本五十路高清| 国产精品国产三级国产av玫瑰| 国产成年人精品一区二区| 免费人成视频x8x8入口观看| 亚洲最大成人手机在线| 简卡轻食公司| 免费在线观看成人毛片| 尤物成人国产欧美一区二区三区| 99热这里只有是精品50| 欧美激情久久久久久爽电影| 精品一区二区三区人妻视频| 亚洲欧美精品专区久久| 亚洲av免费在线观看| 国产高清有码在线观看视频| 男人和女人高潮做爰伦理| 精品无人区乱码1区二区| 欧美成人免费av一区二区三区| 国产成人午夜福利电影在线观看| 夜夜看夜夜爽夜夜摸| 国产成人精品婷婷| 亚洲精品456在线播放app| 看十八女毛片水多多多| 99热只有精品国产| 国产亚洲欧美98| 黄色一级大片看看| 亚洲精品粉嫩美女一区| 99热这里只有精品一区| 欧美一区二区精品小视频在线| 中文字幕熟女人妻在线| 99久久人妻综合| 日本-黄色视频高清免费观看| 国产黄a三级三级三级人| 麻豆精品久久久久久蜜桃| 国产精品国产高清国产av| 我的女老师完整版在线观看| 99热6这里只有精品| 久久精品国产亚洲av涩爱 | 联通29元200g的流量卡| 18禁黄网站禁片免费观看直播| 好男人视频免费观看在线| 亚洲在线自拍视频| 国产一区二区三区av在线 | ponron亚洲| 国产精品女同一区二区软件| 国产综合懂色| 国产精品久久久久久亚洲av鲁大| 国产黄片视频在线免费观看| 中文字幕久久专区| 五月伊人婷婷丁香| 午夜爱爱视频在线播放| 亚洲欧美日韩东京热| 精品国产三级普通话版| 久久九九热精品免费| 亚洲人成网站在线观看播放| 国产蜜桃级精品一区二区三区| 精品欧美国产一区二区三| 小蜜桃在线观看免费完整版高清| 在线观看一区二区三区| 狂野欧美白嫩少妇大欣赏| 久久久久国产网址| 国产国拍精品亚洲av在线观看| 最近的中文字幕免费完整| 日韩,欧美,国产一区二区三区 | 免费观看的影片在线观看| 国产午夜精品一二区理论片| 精品一区二区免费观看| 国产中年淑女户外野战色| 久久鲁丝午夜福利片| 美女黄网站色视频| 国产精品久久久久久久久免| av在线蜜桃| 青春草亚洲视频在线观看| 欧美另类亚洲清纯唯美| 2022亚洲国产成人精品| 禁无遮挡网站| 日日摸夜夜添夜夜添av毛片| 国产成年人精品一区二区| 麻豆精品久久久久久蜜桃| 变态另类成人亚洲欧美熟女| 免费大片18禁| 亚洲三级黄色毛片| 亚洲欧洲国产日韩| 国产精品美女特级片免费视频播放器| 国产精品.久久久| 99热网站在线观看| 男人的好看免费观看在线视频| 国产三级在线视频| 久久久精品94久久精品| 国产黄色视频一区二区在线观看 | 日日干狠狠操夜夜爽| 高清在线视频一区二区三区 | 日韩国内少妇激情av| 欧美日韩精品成人综合77777| 天天躁日日操中文字幕| 秋霞在线观看毛片| 中文字幕人妻熟人妻熟丝袜美| 亚洲,欧美,日韩| 一进一出抽搐gif免费好疼| 美女黄网站色视频| 最近视频中文字幕2019在线8| 日本一二三区视频观看| 欧美高清性xxxxhd video| www.av在线官网国产| 男女视频在线观看网站免费| 国产单亲对白刺激| 久久久久免费精品人妻一区二区| 又粗又爽又猛毛片免费看| 国产精品久久久久久精品电影| 一级毛片久久久久久久久女| 久久精品国产亚洲网站| 国产成人午夜福利电影在线观看| 人人妻人人澡欧美一区二区| 黄色视频,在线免费观看| 最近2019中文字幕mv第一页| 黄色欧美视频在线观看| 插逼视频在线观看| 最近视频中文字幕2019在线8| 桃色一区二区三区在线观看| 最近2019中文字幕mv第一页| 国产黄色小视频在线观看| 亚洲欧美清纯卡通| 91精品国产九色| 免费观看精品视频网站| 中文亚洲av片在线观看爽| 成人三级黄色视频| 日韩成人av中文字幕在线观看| 性欧美人与动物交配| 久久精品国产亚洲av涩爱 | 午夜福利视频1000在线观看| 又爽又黄a免费视频| 波野结衣二区三区在线| 男人舔女人下体高潮全视频| 丝袜美腿在线中文| 国产乱人偷精品视频| av天堂中文字幕网| 免费不卡的大黄色大毛片视频在线观看 | 有码 亚洲区| 麻豆乱淫一区二区| 国产成人freesex在线| 亚洲成人精品中文字幕电影| 国产精品女同一区二区软件| 成人性生交大片免费视频hd| 久久久国产成人精品二区| 特级一级黄色大片| 久久人人精品亚洲av| or卡值多少钱| 欧美xxxx性猛交bbbb| 国产又黄又爽又无遮挡在线| 成人高潮视频无遮挡免费网站| eeuss影院久久| 在线观看美女被高潮喷水网站| 极品教师在线视频| 国产精品乱码一区二三区的特点| 亚洲欧美成人综合另类久久久 | 女的被弄到高潮叫床怎么办| 成人毛片a级毛片在线播放| 男女视频在线观看网站免费| 搞女人的毛片| 国产精品精品国产色婷婷| 国产高清三级在线| 高清日韩中文字幕在线| 国产乱人偷精品视频| 亚洲欧美日韩无卡精品| 久久久久性生活片| 一区二区三区高清视频在线| 国产精华一区二区三区| av福利片在线观看| 亚洲高清免费不卡视频| 看免费成人av毛片| 少妇裸体淫交视频免费看高清| 99精品在免费线老司机午夜| 色综合亚洲欧美另类图片| 成人二区视频| 男女啪啪激烈高潮av片| 熟女人妻精品中文字幕| 日本成人三级电影网站| 夜夜爽天天搞| 成年版毛片免费区| 一区二区三区四区激情视频 | 69av精品久久久久久| 亚洲人成网站在线观看播放| 九色成人免费人妻av| 久久精品国产亚洲av天美| 国产三级在线视频| 秋霞在线观看毛片| 男人舔奶头视频| 亚洲四区av| 欧美日韩综合久久久久久| 精品免费久久久久久久清纯| 日日摸夜夜添夜夜添av毛片| 久久久久久大精品| 人人妻人人看人人澡| 中文精品一卡2卡3卡4更新| av黄色大香蕉| 久久婷婷人人爽人人干人人爱| 国产精品伦人一区二区| 久久人人精品亚洲av| 欧美xxxx性猛交bbbb| 精品一区二区三区人妻视频| 亚洲精品国产av成人精品| 国产白丝娇喘喷水9色精品| 综合色丁香网| 欧美激情国产日韩精品一区| 免费观看人在逋| 小蜜桃在线观看免费完整版高清| a级毛片免费高清观看在线播放| 亚洲人成网站高清观看| 精品一区二区免费观看| 尤物成人国产欧美一区二区三区| 国产精品久久久久久精品电影| 校园春色视频在线观看| 精品久久久久久久久亚洲| 欧美色欧美亚洲另类二区| 国产乱人视频| 午夜激情福利司机影院| 午夜福利在线在线| 成年免费大片在线观看| 欧美+亚洲+日韩+国产| 欧美色视频一区免费| 亚洲国产高清在线一区二区三| 好男人视频免费观看在线| www.av在线官网国产| 我要搜黄色片| 在线播放无遮挡| 麻豆国产97在线/欧美| 乱码一卡2卡4卡精品| 日韩精品有码人妻一区| 国产老妇伦熟女老妇高清| 黄色欧美视频在线观看| 亚洲在线观看片| 日韩人妻高清精品专区| 激情 狠狠 欧美| 精品日产1卡2卡| 国产高清不卡午夜福利| 一边亲一边摸免费视频| 久久精品国产亚洲网站| 国产精品99久久久久久久久| 婷婷色综合大香蕉| 亚洲精品影视一区二区三区av| 亚洲一区高清亚洲精品| 特级一级黄色大片| 又粗又爽又猛毛片免费看| 丝袜美腿在线中文| 别揉我奶头 嗯啊视频| 日本成人三级电影网站| 国产成人91sexporn| 久久久色成人| 久久久久免费精品人妻一区二区| 久久精品夜夜夜夜夜久久蜜豆| 偷拍熟女少妇极品色| 极品教师在线视频| 久久99蜜桃精品久久| 热99re8久久精品国产| 亚洲成人久久性| 久久九九热精品免费| 美女脱内裤让男人舔精品视频 | 中出人妻视频一区二区| 日韩欧美精品v在线| 日韩 亚洲 欧美在线| 麻豆久久精品国产亚洲av| 午夜福利视频1000在线观看| 精品熟女少妇av免费看| 亚洲四区av| 国产熟女欧美一区二区| 性色avwww在线观看| 三级男女做爰猛烈吃奶摸视频| 少妇猛男粗大的猛烈进出视频 | 91av网一区二区| 久久人人爽人人爽人人片va| 少妇的逼好多水| 51国产日韩欧美| 亚洲色图av天堂| avwww免费| 毛片女人毛片| 在线国产一区二区在线| 26uuu在线亚洲综合色| 日本一二三区视频观看| 国产激情偷乱视频一区二区| 精品久久久久久久久亚洲| 在线观看午夜福利视频| 精品久久久久久久人妻蜜臀av| 亚洲真实伦在线观看| 最近手机中文字幕大全| 小蜜桃在线观看免费完整版高清| 男女下面进入的视频免费午夜| 乱人视频在线观看| 国产色爽女视频免费观看| 波多野结衣高清无吗| 毛片一级片免费看久久久久| 久久久久久久久中文| 国产一区二区在线观看日韩| 女的被弄到高潮叫床怎么办| 国产蜜桃级精品一区二区三区| 午夜久久久久精精品| 国产蜜桃级精品一区二区三区| 乱码一卡2卡4卡精品| 五月玫瑰六月丁香| 人人妻人人看人人澡| 国产精品女同一区二区软件| 日韩,欧美,国产一区二区三区 | 麻豆成人午夜福利视频| 又粗又爽又猛毛片免费看| 99热这里只有是精品在线观看| 亚洲欧美精品专区久久| 国产精品久久电影中文字幕| 丰满人妻一区二区三区视频av| 成人美女网站在线观看视频| 亚洲无线在线观看| 精品少妇黑人巨大在线播放 | 亚洲国产精品久久男人天堂| 国产成年人精品一区二区| 九九爱精品视频在线观看| 亚洲精品亚洲一区二区| 精品久久久久久久末码| 国产视频内射| av在线蜜桃| 亚洲av第一区精品v没综合| 国产亚洲精品久久久com| av天堂中文字幕网| 国产成人a∨麻豆精品| 免费av观看视频| 亚洲18禁久久av| 精品99又大又爽又粗少妇毛片| 日本成人三级电影网站| 一级毛片久久久久久久久女| 观看免费一级毛片| 欧美bdsm另类| 国产人妻一区二区三区在| 国产成人freesex在线| 亚洲最大成人av| 免费一级毛片在线播放高清视频| 国产精品免费一区二区三区在线| 高清毛片免费看| 两性午夜刺激爽爽歪歪视频在线观看| av在线蜜桃| 少妇猛男粗大的猛烈进出视频 | 91精品国产九色| 欧美日韩在线观看h| 成人三级黄色视频| 少妇的逼好多水| 男女那种视频在线观看| 草草在线视频免费看| 成人鲁丝片一二三区免费| 久久热精品热| 99久久精品国产国产毛片| 少妇熟女aⅴ在线视频| 最近视频中文字幕2019在线8| 免费人成在线观看视频色| 免费电影在线观看免费观看| 亚洲美女搞黄在线观看| 亚洲欧美日韩无卡精品| 中文字幕精品亚洲无线码一区| 久久精品91蜜桃| av卡一久久| 久久精品国产亚洲av涩爱 | 亚洲人成网站在线观看播放| 亚洲国产欧洲综合997久久,| 国产亚洲av片在线观看秒播厂 | 成人二区视频| 亚洲精品亚洲一区二区| 亚洲国产色片| 亚洲中文字幕一区二区三区有码在线看| videossex国产| 三级男女做爰猛烈吃奶摸视频| 免费人成视频x8x8入口观看| 亚洲经典国产精华液单| 免费搜索国产男女视频| 亚洲精华国产精华液的使用体验 | 97超碰精品成人国产| 九色成人免费人妻av| 全区人妻精品视频| 69av精品久久久久久| 黄色配什么色好看| 69av精品久久久久久| 国产精品国产高清国产av| 卡戴珊不雅视频在线播放| 白带黄色成豆腐渣| 国产黄片视频在线免费观看| 亚洲性久久影院| 狂野欧美激情性xxxx在线观看| 国产色婷婷99| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 免费电影在线观看免费观看| 亚洲第一电影网av| 国产蜜桃级精品一区二区三区| 国产久久久一区二区三区| 国产高清激情床上av| 久久精品国产亚洲av天美| 九九久久精品国产亚洲av麻豆| 老司机福利观看| 色噜噜av男人的天堂激情| 午夜精品国产一区二区电影 | 久久精品国产清高在天天线| 国产av一区在线观看免费| 国产伦精品一区二区三区视频9| 免费黄网站久久成人精品| 最新中文字幕久久久久| 成人亚洲精品av一区二区| 少妇被粗大猛烈的视频| 午夜福利成人在线免费观看| 两个人的视频大全免费| 人人妻人人澡欧美一区二区| 国产片特级美女逼逼视频| 亚洲成人久久性| 国产真实乱freesex| 亚洲一区二区三区色噜噜| 一本久久中文字幕| 亚洲成人av在线免费| 一级毛片我不卡| 插逼视频在线观看| 久久国内精品自在自线图片| 亚洲欧美精品自产自拍| 亚洲欧美日韩高清专用| ponron亚洲| 中文字幕精品亚洲无线码一区| 波多野结衣高清无吗| 久久99热6这里只有精品| 国产精品福利在线免费观看| 又爽又黄无遮挡网站| 97人妻精品一区二区三区麻豆| 校园春色视频在线观看| 草草在线视频免费看| 级片在线观看| 51国产日韩欧美| 亚洲欧美精品自产自拍| 久久精品久久久久久久性| 久久中文看片网| 亚洲成av人片在线播放无| 性插视频无遮挡在线免费观看| 在线观看av片永久免费下载| 中文字幕免费在线视频6| 久久人人爽人人爽人人片va| 岛国毛片在线播放| 精品人妻熟女av久视频| 亚洲欧美成人综合另类久久久 | 亚洲av二区三区四区| 日韩 亚洲 欧美在线| 国产伦精品一区二区三区视频9| 成人午夜精彩视频在线观看| 一区二区三区免费毛片| 日日啪夜夜撸| 国产色爽女视频免费观看| 亚洲av一区综合| 国产成人精品久久久久久| 一级av片app| 亚洲国产欧美在线一区| 看免费成人av毛片| 亚洲成人久久爱视频| 久久婷婷人人爽人人干人人爱| 看黄色毛片网站| 欧美xxxx黑人xx丫x性爽| 国产av在哪里看| 国产在线精品亚洲第一网站| 观看美女的网站| 亚洲一区二区三区色噜噜| 人妻久久中文字幕网| 亚洲内射少妇av| 亚洲经典国产精华液单| 欧美色欧美亚洲另类二区| 亚州av有码| 不卡视频在线观看欧美| 能在线免费观看的黄片| 日韩欧美一区二区三区在线观看| 日日摸夜夜添夜夜添av毛片| 亚洲av免费高清在线观看| 国产一区二区在线观看日韩| 波多野结衣巨乳人妻| 美女内射精品一级片tv| 最好的美女福利视频网| 日韩大尺度精品在线看网址| 亚洲av熟女| 在线观看av片永久免费下载| 级片在线观看| 日本av手机在线免费观看| 人妻夜夜爽99麻豆av| 亚洲不卡免费看| or卡值多少钱| 永久网站在线| 内地一区二区视频在线| 久久久精品欧美日韩精品| 国产午夜福利久久久久久| 一卡2卡三卡四卡精品乱码亚洲| 淫秽高清视频在线观看| 全区人妻精品视频| 午夜福利成人在线免费观看| 国产视频首页在线观看| 99视频精品全部免费 在线| 国产一级毛片在线| 久久精品综合一区二区三区| 高清午夜精品一区二区三区 | 亚洲国产欧洲综合997久久,| 成年版毛片免费区| 色视频www国产| 床上黄色一级片| 欧美区成人在线视频| 性欧美人与动物交配| 床上黄色一级片| 美女脱内裤让男人舔精品视频 | 国产av在哪里看| 中文字幕久久专区| videossex国产| 97人妻精品一区二区三区麻豆| 精品久久久久久久人妻蜜臀av| 高清毛片免费观看视频网站| eeuss影院久久| 久久亚洲国产成人精品v| 亚洲国产色片| av免费在线看不卡| 久久鲁丝午夜福利片|