• <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
    热99在线观看视频| 熟女电影av网| 国产aⅴ精品一区二区三区波| 亚洲欧美激情综合另类| 亚洲一区高清亚洲精品| 国产单亲对白刺激| 校园春色视频在线观看| 久久人妻av系列| 热99re8久久精品国产| 亚洲激情在线av| 午夜福利18| 亚洲美女视频黄频| 少妇被粗大猛烈的视频| 黄色日韩在线| 又爽又黄无遮挡网站| 麻豆成人午夜福利视频| 两人在一起打扑克的视频| 直男gayav资源| 人人妻人人看人人澡| 波野结衣二区三区在线| 国产精品综合久久久久久久免费| 日韩人妻高清精品专区| 97碰自拍视频| 亚洲成人中文字幕在线播放| 此物有八面人人有两片| 国产高清视频在线播放一区| 两性午夜刺激爽爽歪歪视频在线观看| 赤兔流量卡办理| 在线国产一区二区在线| 人人妻人人澡欧美一区二区| 噜噜噜噜噜久久久久久91| 可以在线观看的亚洲视频| 淫妇啪啪啪对白视频| 小说图片视频综合网站| 男女做爰动态图高潮gif福利片| 国产高清有码在线观看视频| 特大巨黑吊av在线直播| 久久精品国产亚洲av涩爱 | 亚洲av熟女| 久久精品国产99精品国产亚洲性色| 中文字幕av在线有码专区| 99久久久亚洲精品蜜臀av| 亚洲国产欧洲综合997久久,| 午夜精品在线福利| 在线播放国产精品三级| 亚洲精品一卡2卡三卡4卡5卡| avwww免费| 91在线精品国自产拍蜜月| 久久久国产成人精品二区| 日日摸夜夜添夜夜添av毛片 | 琪琪午夜伦伦电影理论片6080| 麻豆国产av国片精品| 国产精品一区二区免费欧美| ponron亚洲| 精品久久久久久久久av| 一边摸一边抽搐一进一小说| 午夜精品一区二区三区免费看| 亚洲 欧美 日韩 在线 免费| 丰满人妻一区二区三区视频av| 18美女黄网站色大片免费观看| 亚洲人成网站在线播| 国产aⅴ精品一区二区三区波| 日韩中字成人| 午夜影院日韩av| av在线蜜桃| 毛片女人毛片| 啪啪无遮挡十八禁网站| 听说在线观看完整版免费高清| av在线天堂中文字幕| 制服丝袜大香蕉在线| 亚洲性夜色夜夜综合| 亚洲av美国av| 一区福利在线观看| 久久婷婷人人爽人人干人人爱| 美女高潮喷水抽搐中文字幕| 亚洲狠狠婷婷综合久久图片| 欧美xxxx黑人xx丫x性爽| 成人性生交大片免费视频hd| 91麻豆av在线| 夜夜躁狠狠躁天天躁| 两性午夜刺激爽爽歪歪视频在线观看| 成年女人看的毛片在线观看| 国产午夜精品久久久久久一区二区三区 | 天堂av国产一区二区熟女人妻| 小说图片视频综合网站| 国产精品免费一区二区三区在线| 国产麻豆成人av免费视频| 看黄色毛片网站| 亚洲精品在线观看二区| 国产欧美日韩一区二区三| or卡值多少钱| 国产精品自产拍在线观看55亚洲| 亚洲自拍偷在线| 国产高清三级在线| 韩国av一区二区三区四区| 久久国产精品影院| 国产老妇女一区| 国产免费一级a男人的天堂| 日韩人妻高清精品专区| 久久国产乱子免费精品| 精华霜和精华液先用哪个| 久久久久久九九精品二区国产| 亚洲精品一卡2卡三卡4卡5卡| 成人国产一区最新在线观看| 最新中文字幕久久久久| 亚洲熟妇熟女久久| 性插视频无遮挡在线免费观看| 能在线免费观看的黄片| 一卡2卡三卡四卡精品乱码亚洲| 日韩大尺度精品在线看网址| 在线十欧美十亚洲十日本专区| 91字幕亚洲| 成人特级av手机在线观看| 亚洲成a人片在线一区二区| 色5月婷婷丁香| 美女免费视频网站| 免费观看的影片在线观看| 看免费av毛片| 搡老岳熟女国产| 最近最新免费中文字幕在线| 又黄又爽又刺激的免费视频.| 国产精品一区二区性色av| 国产一区二区在线av高清观看| 热99re8久久精品国产| 久久久久久久久久成人| 热99在线观看视频| 国产淫片久久久久久久久 | 嫩草影视91久久| 亚洲性夜色夜夜综合| 如何舔出高潮| 欧美+日韩+精品| 一进一出抽搐gif免费好疼| 亚洲狠狠婷婷综合久久图片| 精品99又大又爽又粗少妇毛片 | 精品无人区乱码1区二区| 我的老师免费观看完整版| 91久久精品电影网| 亚洲欧美日韩无卡精品| 国产精品一区二区三区四区久久| 狠狠狠狠99中文字幕| 熟女人妻精品中文字幕| 十八禁国产超污无遮挡网站| 午夜视频国产福利| 动漫黄色视频在线观看| 午夜a级毛片| 国产精品自产拍在线观看55亚洲| 久久午夜亚洲精品久久| 欧美高清性xxxxhd video| 在线播放无遮挡| 老熟妇仑乱视频hdxx| 99热只有精品国产| 男插女下体视频免费在线播放| 精品日产1卡2卡| 欧美最黄视频在线播放免费| 国产爱豆传媒在线观看| 波多野结衣高清作品| 嫁个100分男人电影在线观看| 日本在线视频免费播放| 在线观看舔阴道视频| 在线天堂最新版资源| 婷婷色综合大香蕉| 俄罗斯特黄特色一大片| 亚洲国产色片| 国产又黄又爽又无遮挡在线| 亚洲,欧美精品.| 欧美日韩乱码在线| 久99久视频精品免费| 久久国产精品人妻蜜桃| 伦理电影大哥的女人| 精品人妻视频免费看| 黄色视频,在线免费观看| 熟女人妻精品中文字幕| 又黄又爽又刺激的免费视频.| 波野结衣二区三区在线| 淫秽高清视频在线观看| 亚洲人成网站在线播| 国产极品精品免费视频能看的| a级毛片a级免费在线| 校园春色视频在线观看| 亚洲av成人不卡在线观看播放网| 成人无遮挡网站| 精品一区二区三区av网在线观看| 一区二区三区激情视频| www.色视频.com| av视频在线观看入口| 直男gayav资源| .国产精品久久| 国产精品免费一区二区三区在线| 一本一本综合久久| 亚洲三级黄色毛片| 波多野结衣高清无吗| 亚洲狠狠婷婷综合久久图片| 午夜免费激情av| 国内久久婷婷六月综合欲色啪| 亚洲va日本ⅴa欧美va伊人久久| av中文乱码字幕在线| 久久久久久久久久黄片| 亚洲五月天丁香| 欧美另类亚洲清纯唯美| 国内精品一区二区在线观看| 久久国产乱子伦精品免费另类| 中文字幕熟女人妻在线| 国产美女午夜福利| 美女被艹到高潮喷水动态| 亚洲成人久久性| 久久久久久国产a免费观看| 18禁黄网站禁片午夜丰满| 中文字幕av在线有码专区| 最新中文字幕久久久久| 国产美女午夜福利| 一区二区三区激情视频| 亚洲国产精品成人综合色| 国产探花在线观看一区二区| 国产蜜桃级精品一区二区三区| 国产人妻一区二区三区在| 欧美日韩瑟瑟在线播放| 女生性感内裤真人,穿戴方法视频| 又爽又黄无遮挡网站| 全区人妻精品视频| 18禁在线播放成人免费| 亚洲国产精品久久男人天堂| 在线播放无遮挡| 亚洲成av人片免费观看| 国产亚洲av嫩草精品影院| 老司机午夜福利在线观看视频| 怎么达到女性高潮| 成年版毛片免费区| 国产不卡一卡二| 有码 亚洲区| 啪啪无遮挡十八禁网站| 一级黄片播放器| 国产探花在线观看一区二区| 怎么达到女性高潮| 午夜福利在线观看免费完整高清在 | 在线播放无遮挡| 人人妻,人人澡人人爽秒播| 亚洲狠狠婷婷综合久久图片| 在线看三级毛片| 欧美乱色亚洲激情| 久久国产乱子伦精品免费另类| 欧美日韩乱码在线| 欧美中文日本在线观看视频| 搞女人的毛片| 欧美bdsm另类| 国产精品久久久久久人妻精品电影| 亚洲av不卡在线观看| 亚洲av二区三区四区| 一进一出抽搐gif免费好疼| 在线a可以看的网站| 精品久久久久久久久亚洲 | 夜夜爽天天搞| 非洲黑人性xxxx精品又粗又长| 国产激情偷乱视频一区二区| 亚洲精品在线观看二区| 成人午夜高清在线视频| 久久国产精品人妻蜜桃| 国产乱人视频| 亚洲国产精品成人综合色| 成人一区二区视频在线观看| 3wmmmm亚洲av在线观看| 日韩欧美精品免费久久 | 久久这里只有精品中国| 日韩亚洲欧美综合| 看片在线看免费视频| 中文字幕人成人乱码亚洲影| 禁无遮挡网站| 91九色精品人成在线观看| 欧美bdsm另类| 禁无遮挡网站| 国产精品人妻久久久久久| ponron亚洲| 欧美日韩中文字幕国产精品一区二区三区| 免费在线观看成人毛片| 一个人看视频在线观看www免费| 午夜a级毛片| 午夜免费激情av| 日日夜夜操网爽| 日本与韩国留学比较| 免费搜索国产男女视频| 亚洲第一电影网av| 我的老师免费观看完整版| 琪琪午夜伦伦电影理论片6080| 日本黄色片子视频| 日韩精品中文字幕看吧| 精品一区二区免费观看| 天天躁日日操中文字幕| 麻豆一二三区av精品| 丰满人妻一区二区三区视频av| 一卡2卡三卡四卡精品乱码亚洲| 国产乱人视频| 久久午夜亚洲精品久久| 国产极品精品免费视频能看的| 性插视频无遮挡在线免费观看| 欧美激情国产日韩精品一区| 国产精品女同一区二区软件 | 免费在线观看影片大全网站| 国产精品野战在线观看| 精品一区二区免费观看| 欧美另类亚洲清纯唯美| 国产一区二区在线观看日韩| 精品日产1卡2卡| 日本与韩国留学比较| 熟女人妻精品中文字幕| 久久久久久九九精品二区国产| 俺也久久电影网| 又黄又爽又免费观看的视频| 久久6这里有精品| 成人永久免费在线观看视频| 极品教师在线免费播放| 国产熟女xx| 国产精品三级大全| 99热精品在线国产| 变态另类丝袜制服| 美女被艹到高潮喷水动态| 亚洲自偷自拍三级| 久久久久久久亚洲中文字幕 | 免费一级毛片在线播放高清视频| 九色成人免费人妻av| 久久人妻av系列| 日本 av在线| 国产v大片淫在线免费观看| 精品人妻1区二区| av女优亚洲男人天堂| 亚洲成人免费电影在线观看| 最近最新免费中文字幕在线| 在线观看66精品国产| 丝袜美腿在线中文| 国产乱人伦免费视频| 69人妻影院| 欧美+日韩+精品| 国产精品精品国产色婷婷| 国产在线男女| 成人特级av手机在线观看| 免费人成在线观看视频色| 国产高清视频在线观看网站| 看免费av毛片| 床上黄色一级片| 怎么达到女性高潮| 精品久久久久久久久av| 午夜视频国产福利| 久久久精品欧美日韩精品| 中文字幕高清在线视频| 噜噜噜噜噜久久久久久91| 精品久久久久久久人妻蜜臀av| 有码 亚洲区| 免费在线观看日本一区| 国产三级黄色录像| 怎么达到女性高潮| 国产亚洲欧美在线一区二区| 亚洲中文日韩欧美视频| 亚洲性夜色夜夜综合| 18+在线观看网站| 国产三级黄色录像| 国产亚洲精品综合一区在线观看| 少妇的逼好多水| 日韩大尺度精品在线看网址| 国产成人福利小说| 赤兔流量卡办理| 久久精品国产清高在天天线| 久久天躁狠狠躁夜夜2o2o| 性插视频无遮挡在线免费观看| 国产精品电影一区二区三区| 中文字幕人成人乱码亚洲影| 国产精品嫩草影院av在线观看 | 校园春色视频在线观看| 老熟妇乱子伦视频在线观看| 亚洲av.av天堂| 很黄的视频免费| .国产精品久久| 我要看日韩黄色一级片| 国产在视频线在精品| 亚洲真实伦在线观看| 一本久久中文字幕| 内射极品少妇av片p| 深夜精品福利| 国产精品久久久久久久久免 | 少妇的逼好多水| 日本三级黄在线观看| 亚洲精品在线观看二区| 男人的好看免费观看在线视频| 欧美+日韩+精品| 国产黄a三级三级三级人| 国产精品久久电影中文字幕| 波多野结衣高清无吗| 毛片女人毛片| 欧美乱色亚洲激情| 麻豆国产97在线/欧美| 欧美另类亚洲清纯唯美| 久久人人精品亚洲av| 国产人妻一区二区三区在| 夜夜看夜夜爽夜夜摸| 精品久久久久久久末码| 中文字幕高清在线视频| 色哟哟·www| 精品久久久久久久久久久久久| 亚洲美女黄片视频| 国产精品美女特级片免费视频播放器| 老熟妇乱子伦视频在线观看| 在线观看美女被高潮喷水网站 | 深夜a级毛片| 老司机午夜十八禁免费视频| 两个人的视频大全免费| 美女cb高潮喷水在线观看| 婷婷精品国产亚洲av| 深爱激情五月婷婷| 人妻丰满熟妇av一区二区三区| 欧美午夜高清在线| 99热这里只有精品一区| 日韩成人在线观看一区二区三区| 国产精品美女特级片免费视频播放器| 免费看光身美女| 舔av片在线| 精品国内亚洲2022精品成人| 国产真实伦视频高清在线观看 | 青草久久国产| 老熟妇乱子伦视频在线观看| 国产精品自产拍在线观看55亚洲| 久久人妻av系列| 亚洲成人中文字幕在线播放| 51国产日韩欧美| 日本黄色视频三级网站网址| 免费搜索国产男女视频| 成人精品一区二区免费| 亚洲美女视频黄频| 一级黄片播放器| 麻豆久久精品国产亚洲av| 给我免费播放毛片高清在线观看| 国产爱豆传媒在线观看| 久久久国产成人精品二区| eeuss影院久久| 国产成人啪精品午夜网站| 色吧在线观看| 久久国产精品人妻蜜桃| 久久精品国产自在天天线| 欧美性猛交╳xxx乱大交人| 亚洲精华国产精华精| 日韩欧美国产在线观看| 国产野战对白在线观看| 久久九九热精品免费| 成人国产综合亚洲| 亚洲av一区综合| 久久久久久久亚洲中文字幕 | 国产精品爽爽va在线观看网站| 麻豆av噜噜一区二区三区| 亚洲 欧美 日韩 在线 免费| 女生性感内裤真人,穿戴方法视频| 国产精品久久电影中文字幕| av在线观看视频网站免费| 久久午夜亚洲精品久久| 国产免费男女视频| 成人特级av手机在线观看| 看免费av毛片| 长腿黑丝高跟| 成人精品一区二区免费| 天堂动漫精品| 精品久久久久久久久久久久久| 精品一区二区免费观看| 国产单亲对白刺激| 国产精品综合久久久久久久免费| 大型黄色视频在线免费观看| 免费av毛片视频| 亚洲美女搞黄在线观看 | 女人被狂操c到高潮| 亚洲真实伦在线观看| 97热精品久久久久久| 国产乱人伦免费视频| 欧美成人性av电影在线观看| 在线播放无遮挡| 一级毛片久久久久久久久女| 成人精品一区二区免费| 高清日韩中文字幕在线| 老司机午夜十八禁免费视频| 日本黄大片高清| 性色avwww在线观看| 午夜福利在线观看免费完整高清在 | 日本 av在线| 精品99又大又爽又粗少妇毛片 | 搡女人真爽免费视频火全软件 | 女同久久另类99精品国产91| 久久久久久久精品吃奶| 一个人看的www免费观看视频| 欧美日韩乱码在线| 国产精品亚洲美女久久久| 国产精品三级大全| 国产精品野战在线观看| 香蕉av资源在线| 天堂影院成人在线观看| 免费av毛片视频| 色av中文字幕| 午夜福利欧美成人| 国产精品久久电影中文字幕| 波多野结衣高清无吗| 一本一本综合久久| 精品一区二区三区视频在线观看免费| 97热精品久久久久久| 三级男女做爰猛烈吃奶摸视频| 一个人观看的视频www高清免费观看| 国产午夜精品论理片| 国产成年人精品一区二区| 别揉我奶头 嗯啊视频| 91av网一区二区| 成熟少妇高潮喷水视频| 3wmmmm亚洲av在线观看| 最新在线观看一区二区三区| 午夜福利高清视频| 午夜精品在线福利| 亚洲精品在线美女| 午夜福利视频1000在线观看| 熟女电影av网| 性色avwww在线观看| 精品不卡国产一区二区三区| 国模一区二区三区四区视频| 成年版毛片免费区| 女人十人毛片免费观看3o分钟| 亚洲最大成人中文| 欧美成人性av电影在线观看| 欧美精品啪啪一区二区三区| 精品免费久久久久久久清纯| 免费看光身美女| av视频在线观看入口| 免费无遮挡裸体视频| 老鸭窝网址在线观看| 亚洲经典国产精华液单 | 亚洲一区二区三区不卡视频| 99国产综合亚洲精品| 国产精品99久久久久久久久| 亚洲七黄色美女视频| 又黄又爽又免费观看的视频| 丝袜美腿在线中文| 国产精品1区2区在线观看.| 18美女黄网站色大片免费观看| 在线观看免费视频日本深夜| 狂野欧美白嫩少妇大欣赏| 久久精品久久久久久噜噜老黄 | 日本成人三级电影网站| 欧美xxxx黑人xx丫x性爽| 日本成人三级电影网站| 亚洲黑人精品在线| h日本视频在线播放| 禁无遮挡网站| 中文字幕av成人在线电影| 美女高潮的动态| 男女下面进入的视频免费午夜| 男人狂女人下面高潮的视频| 亚洲乱码一区二区免费版| 色av中文字幕| 久久精品国产清高在天天线| 精品一区二区三区av网在线观看| 成年女人永久免费观看视频| 国产成+人综合+亚洲专区| 日本a在线网址| 国产白丝娇喘喷水9色精品| 久久久久九九精品影院| 国产午夜福利久久久久久| 久久久国产成人免费| 精品一区二区三区人妻视频| 久久性视频一级片| 成人av一区二区三区在线看| 一级黄片播放器| 国产三级在线视频| 桃色一区二区三区在线观看| 国产三级在线视频| 国产精品亚洲av一区麻豆| av国产免费在线观看| 久久伊人香网站| 97超视频在线观看视频| 国产精品电影一区二区三区| 久久久精品欧美日韩精品| 免费看光身美女| 精品久久久久久久末码| 成年女人看的毛片在线观看| 可以在线观看的亚洲视频| 国产男靠女视频免费网站| 久久精品国产99精品国产亚洲性色| 一a级毛片在线观看| 在线播放国产精品三级| 欧美精品国产亚洲| 免费av观看视频| 两个人视频免费观看高清| 日本成人三级电影网站| 1024手机看黄色片| av天堂在线播放| 国产v大片淫在线免费观看| 色综合亚洲欧美另类图片| 精品一区二区三区av网在线观看| 亚洲无线在线观看| 亚洲欧美日韩东京热| 国产成人影院久久av| 欧美一区二区精品小视频在线| 国产亚洲欧美98| 搡女人真爽免费视频火全软件 | 啪啪无遮挡十八禁网站| 欧美又色又爽又黄视频| 国产色爽女视频免费观看| 国产高清有码在线观看视频| 嫩草影视91久久| 日本一本二区三区精品| 亚洲av熟女| 男人舔奶头视频| 亚洲人成网站高清观看| av视频在线观看入口| 欧美又色又爽又黄视频| 成人美女网站在线观看视频| 99久久无色码亚洲精品果冻| av在线观看视频网站免费| 中文字幕久久专区| 欧美黑人巨大hd| 最好的美女福利视频网| 免费在线观看日本一区| 97热精品久久久久久| 91av网一区二区| 在线国产一区二区在线| 久久久色成人| 色综合亚洲欧美另类图片| 国产免费男女视频|