• <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 ?

    種子活力性狀無(wú)損速測(cè)技術(shù)研究進(jìn)展

    2024-05-22 09:31:40石睿羅斌張晗侯佩臣周亞男王成
    江蘇農(nóng)業(yè)科學(xué) 2024年7期
    關(guān)鍵詞:種子活力活力光譜

    石睿 羅斌 張晗 侯佩臣 周亞男 王成

    石 睿,羅 斌,張 晗,等. 種子活力性狀無(wú)損速測(cè)技術(shù)研究進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué),2024,52(7):1-10.

    doi:10.15889/j.issn.1002-1302.2024.07.001

    (1.北京市農(nóng)林科學(xué)院智能裝備技術(shù)研究中心/北京市農(nóng)林科學(xué)院信息技術(shù)研究中心,北京 100097;2.江蘇大學(xué)農(nóng)業(yè)工程學(xué)院,江蘇鎮(zhèn)江 212013)

    摘要:種子是農(nóng)業(yè)生產(chǎn)中最重要的生產(chǎn)資料,其品質(zhì)直接關(guān)系到整個(gè)生產(chǎn)活動(dòng)的豐歉。活力是種子的重要評(píng)價(jià)指標(biāo),高活力的種子不僅田間表現(xiàn)優(yōu)秀、抵抗逆境能力強(qiáng),還更利于長(zhǎng)時(shí)間儲(chǔ)藏。傳統(tǒng)的種子活力檢測(cè)多在實(shí)驗(yàn)室內(nèi)進(jìn)行,采用的發(fā)芽試驗(yàn)等方法精度較高、科學(xué)性強(qiáng),但有損檢測(cè)且效率較低。近年來(lái),光譜及成像技術(shù)以其快速、無(wú)損等優(yōu)勢(shì),在種子檢測(cè)領(lǐng)域中得到了廣泛關(guān)注和應(yīng)用。首先,歸納傳統(tǒng)種子活力檢測(cè)方法的檢測(cè)原理和判定方法,并總結(jié)傳統(tǒng)方法存在的共性問(wèn)題;其次,綜述無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)領(lǐng)域的應(yīng)用和進(jìn)展,對(duì)比分析各種技術(shù)的工作原理和檢測(cè)策略,重點(diǎn)就近紅外光譜技術(shù)和高光譜成像技術(shù)的應(yīng)用展開(kāi)討論;最后,在此基礎(chǔ)上結(jié)合種子活力的實(shí)際檢測(cè)要求,探討目前無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)應(yīng)用領(lǐng)域存在的問(wèn)題,總結(jié)當(dāng)前無(wú)損速測(cè)檢測(cè)技術(shù)呈現(xiàn)多技術(shù)融合、精選分級(jí)、高通用性和多元發(fā)展的發(fā)展趨勢(shì),以期為種子活力性狀的無(wú)損速測(cè)技術(shù)提供參考。

    關(guān)鍵詞:種子;活力性狀;近紅外光譜;高光譜成像;X射線(xiàn)成像;圖像處理;無(wú)損速測(cè)技術(shù);研究進(jìn)展

    中圖分類(lèi)號(hào):S330.2 ?文獻(xiàn)標(biāo)志碼:A??文章編號(hào):1002-1302(2024)07-0001-09

    種子是農(nóng)業(yè)生產(chǎn)中最重要的生產(chǎn)資料,其品質(zhì)直接影響農(nóng)業(yè)生產(chǎn)活動(dòng)的產(chǎn)量和質(zhì)量。種子活力是評(píng)價(jià)種子品質(zhì)的重要指標(biāo)之一,最先由國(guó)際種子檢驗(yàn)協(xié)會(huì)(ISTA)提出,其將種子活力定義為決定種子和種子批在發(fā)芽和出苗期間的活性水平和行為的那些種子特性的綜合表現(xiàn)[1-2]。影響種子活力的因素可分為內(nèi)因和外因2個(gè)方面,內(nèi)因主要是指種子品種及自身個(gè)體發(fā)育情況,外因則是在收獲、加工過(guò)程中所受到的一系列機(jī)械損傷以及貯藏期間環(huán)境變化帶來(lái)的影響[3]。選用高活力的種子進(jìn)行播種,能更好地保證田間幼苗茁壯、出苗整齊和長(zhǎng)勢(shì)均勻,且面對(duì)逆境時(shí)幼苗抵抗能力強(qiáng),同時(shí)高活力的種子貯藏價(jià)值也更高[4]。因此,如何選取高活力種子成為農(nóng)業(yè)生產(chǎn)活動(dòng)中的重要一環(huán)。傳統(tǒng)的種子活力檢測(cè)方法可分為直接測(cè)定和間接測(cè)定2種,直接測(cè)定即檢測(cè)種子在逆境環(huán)境下的發(fā)芽和成苗能力,包括加速老化測(cè)定、冷凍測(cè)定等;間接測(cè)定即通過(guò)生理指標(biāo)側(cè)面反映種子活力,包括電導(dǎo)率測(cè)定、氯化三苯四氮唑(TTC)染色測(cè)定等。盡管這些傳統(tǒng)方法評(píng)定結(jié)果直觀(guān)、科學(xué)性強(qiáng),但存在對(duì)操作人員專(zhuān)業(yè)能力要求高、試驗(yàn)周期長(zhǎng)、對(duì)種子有破壞性等缺點(diǎn),難以滿(mǎn)足現(xiàn)代農(nóng)業(yè)成批量、快速、無(wú)損檢測(cè)的需要[5-6]。近年來(lái),隨著化學(xué)計(jì)量學(xué)和計(jì)算機(jī)技術(shù)的發(fā)展,許多研究人員開(kāi)始將光譜及成像技術(shù)應(yīng)用在種子活力檢測(cè)領(lǐng)域。無(wú)損速測(cè)技術(shù)作為快速、無(wú)損的檢測(cè)技術(shù),不僅可以反映種子的內(nèi)部信息和化學(xué)組成,還可以和化學(xué)計(jì)量學(xué)方法搭配建立活力預(yù)測(cè)模型,快速生成檢測(cè)結(jié)果;此技術(shù)克服了傳統(tǒng)檢測(cè)方法的諸多缺點(diǎn),在降低成本、提高效率的基礎(chǔ)上,可以更好地滿(mǎn)足現(xiàn)代農(nóng)業(yè)生產(chǎn)的要求。本研究主要綜述近年來(lái)無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)方面的研究進(jìn)展,分析對(duì)比各技術(shù)的工作原理、檢測(cè)策略和優(yōu)缺點(diǎn),重點(diǎn)就近紅外光譜技術(shù)和高光譜成像技術(shù)展開(kāi)談?wù)?,并基于種子活力檢測(cè)的發(fā)展需求和應(yīng)用場(chǎng)景,展望無(wú)損速測(cè)技術(shù)在此領(lǐng)域未來(lái)的發(fā)展方向,以期推動(dòng)無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)方面的應(yīng)用和發(fā)展。

    1 傳統(tǒng)檢測(cè)技術(shù)

    由于檢測(cè)原理和判定方式不同,傳統(tǒng)檢測(cè)技術(shù)可大致分為直接測(cè)定法和間接測(cè)定法2類(lèi),目前5種主要傳統(tǒng)檢測(cè)技術(shù)的檢測(cè)原理和判定方式見(jiàn)表1。雖然各項(xiàng)技術(shù)間有較大差別,但都需要由專(zhuān)業(yè)的操作人員完成,且需要一定的試驗(yàn)周期;同時(shí)這些技術(shù)會(huì)破壞種子的完整性,檢測(cè)后的種子也無(wú)法繼續(xù)應(yīng)用到農(nóng)業(yè)生產(chǎn)中,所以無(wú)損速測(cè)技術(shù)作為一種新型檢測(cè)技術(shù)正逐步應(yīng)用到種子活力檢測(cè)領(lǐng)域。

    2 無(wú)損速測(cè)技術(shù)

    無(wú)損速測(cè)技術(shù)以先進(jìn)的無(wú)損檢測(cè)設(shè)備為基礎(chǔ),配合機(jī)器學(xué)習(xí)算法,通過(guò)建立預(yù)測(cè)模型完成種子活力性狀的快速檢測(cè)。由表2可知,傳統(tǒng)檢測(cè)技術(shù)需要根據(jù)不同的檢測(cè)原理進(jìn)行種子活力檢測(cè),試驗(yàn)結(jié)果科學(xué)直觀(guān),但試驗(yàn)過(guò)程紛繁復(fù)雜,需要專(zhuān)門(mén)的技術(shù)人員操作,且試驗(yàn)周期長(zhǎng),對(duì)種子造成的破壞不可逆。近年來(lái),無(wú)損速測(cè)技術(shù)因其快速、無(wú)損的特點(diǎn)在種子活力檢測(cè)方面發(fā)展迅速,通過(guò)所建立的算法模型可以快速實(shí)現(xiàn)種子活力的分類(lèi)、分級(jí),同時(shí)檢測(cè)過(guò)程中幾乎不會(huì)對(duì)種子造成損傷,所檢種子可以繼續(xù)投入到農(nóng)業(yè)生產(chǎn);但該技術(shù)目前大多停留在實(shí)驗(yàn)室階段,還未大規(guī)模應(yīng)用,同時(shí)所建立的算法模型大多只能滿(mǎn)足特定種子品種的檢測(cè)要求,泛化能力欠佳。

    2.1 近紅外光譜技術(shù)

    當(dāng)近紅外光透過(guò)物質(zhì)時(shí),分子振動(dòng)的非諧振性使分子振動(dòng)狀態(tài)發(fā)生變化,此時(shí)物質(zhì)吸收對(duì)應(yīng)波長(zhǎng)的光從而形成近紅外光譜,其主要反映的是各種含氫基團(tuán)基頻振動(dòng)的倍頻和合頻吸收情況[16-17]。由圖1可知,種子中含有大量有機(jī)分子,各種有機(jī)分子在近紅外區(qū)的光譜吸收特征因其所含基團(tuán)種類(lèi)和振動(dòng)模式的不同而不同,故可利用近紅外光譜對(duì)種子的活力開(kāi)展定性和定量分析[18]。

    白京等基于主成分分析(principal component analysis,PCA)算法建立有關(guān)玉米種子活力的支持向量機(jī)(support vector machine,SVM)檢測(cè)模型,該分類(lèi)模型校正集和預(yù)測(cè)集的準(zhǔn)確率分別是9556%、86.68%[19]。Yasmin等以自然陳化4年的西瓜種子為對(duì)象,建立偏最小二乘法判別分析(partial least squares-discriminant analysis,PLS-DA)檢測(cè)模型對(duì)有活力種子和無(wú)活力種子進(jìn)行分類(lèi),其準(zhǔn)確率分別為87.7%、82.0%[20]。

    上述檢測(cè)模型皆為二分類(lèi)模型,即判斷種子是否具有活力,也有學(xué)者嘗試種子活力分級(jí)或剔除空種子,這些功能的實(shí)現(xiàn)都有助于滿(mǎn)足種子活力檢測(cè)的現(xiàn)實(shí)需求。Fan等針對(duì)3種老化程度的小麥種子,將PCA算法和連續(xù)投影(successive projections algorithm,SPA)算法2種特征波長(zhǎng)提取算法分別同極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)算法和隨機(jī)森林(random forest,RF)算法結(jié)合,所建立的PCA-ELM和SPA-RF檢測(cè)模型準(zhǔn)確率分別為88.9%、88.5%[21]。Tigabu等嘗試鑒別杉木活種子、死種子和空種子,建立的正交偏最小二乘判別分析(orthogonal projection to latent structures-discriminant analysis,OPLS-DA)模型在較短的近紅外區(qū)域(780~1 100 nm)性能最優(yōu),平均分類(lèi)準(zhǔn)確率為100%[22]。

    種子的生理生化指標(biāo)也能反映其活力,通過(guò)建立有關(guān)指標(biāo)的定量模型也可以完成種子活力的檢測(cè)。李武等將發(fā)芽率、發(fā)芽指數(shù)和活力指數(shù)3個(gè)指標(biāo)作為建模對(duì)象,利用偏最小二乘法回歸(partial least squares regression,PLSR)算法建立有關(guān)3個(gè)指標(biāo)的定量檢測(cè)模型,該模型能夠較好地篩選出高活力甜玉米種子[23]。曲歌用發(fā)芽率作為衡量種子活力的指標(biāo),將BP神經(jīng)網(wǎng)絡(luò)(back propagation neural network,BPNN)同偏最小二乘(partial least squares,PLS)算法相結(jié)合建立水稻種子活力檢測(cè)模型,該模型的R2c、RMSEC、R2p、RMSEP和RPD分別為0.86、1.99、0.83、2.01、2.55[24]。

    傳統(tǒng)機(jī)器學(xué)習(xí)分類(lèi)模型受算法原理影響,可能存在準(zhǔn)確率不理想或丟失相關(guān)特征的情況,故有學(xué)者開(kāi)始將近紅外技術(shù)同深度學(xué)習(xí)算法結(jié)合,旨在提高模型的準(zhǔn)確率。Liu等分別建立5種樹(shù)木種子的PLS-DA、SVM和深度神經(jīng)網(wǎng)絡(luò)(deep neural network,DNN)分類(lèi)模型,結(jié)果表明,所建的DNN模型性能最優(yōu)[6]。

    近紅外光譜技術(shù)快速、無(wú)損、無(wú)污染的特點(diǎn)使它在種子活力檢測(cè)領(lǐng)域發(fā)展迅速,產(chǎn)出了一大批科研成果,有著巨大的發(fā)展前景。但目前的研究所建立的算法模型以二分模型為主,多級(jí)分類(lèi)模型較少;實(shí)際檢測(cè)場(chǎng)景也以實(shí)驗(yàn)室為主。隨著研究的深入,近紅外光譜技術(shù)會(huì)同更多的算法相結(jié)合,近紅外光譜數(shù)據(jù)也可以被更充分地挖掘和利用;同時(shí),檢測(cè)場(chǎng)景不再局限在實(shí)驗(yàn)室中,可以實(shí)現(xiàn)便捷、快速的種子活力檢測(cè),也可推動(dòng)種子活力檢測(cè)朝著成批量、產(chǎn)業(yè)化的方向發(fā)展。

    2.2 高光譜成像技術(shù)

    由圖2可知,高光譜成像技術(shù)1次獲取1個(gè)數(shù)據(jù)立方體[25-26],其包含每個(gè)窄波片段的圖像信息以及單個(gè)像素點(diǎn)在連續(xù)波段下的光譜信息,具有“圖譜合一”的特點(diǎn)[27]。圖像信息可以反映樣品的形狀、缺陷等外在特征,而光譜信息因?yàn)椴煌镔|(zhì)反射率的不同,可以反映樣品的組成結(jié)構(gòu)、化學(xué)成分等內(nèi)在特征[28]。基于這種優(yōu)勢(shì),高光譜成像技術(shù)在種子活力檢測(cè)方面有著極大的潛力。根據(jù)建立模型所使用的數(shù)據(jù)類(lèi)型,高光譜成像技術(shù)在種子活力檢測(cè)方面可分為單一特征分類(lèi)和圖譜結(jié)合分類(lèi)。

    2.2.1 單一特征分類(lèi)

    通過(guò)算法處理高光譜成像技術(shù)帶來(lái)的龐大數(shù)據(jù)集,將光譜信息或圖像信息作為模型的輸入,用輸出的分類(lèi)值表示種子的活力等級(jí)。

    2.2.1.1 傳統(tǒng)機(jī)器學(xué)習(xí)算法

    高光譜成像技術(shù)因其工作原理所產(chǎn)生的數(shù)據(jù)集通常十分龐大,為了有效利用龐大的數(shù)據(jù)集并建立可行高效的種子活力檢測(cè)模型,傳統(tǒng)機(jī)器學(xué)習(xí)分類(lèi)算法成為最先被選用的建模方式。此方法基于每個(gè)種子的平均光譜數(shù)據(jù)并結(jié)合發(fā)芽試驗(yàn)結(jié)果完成模型的建立。Nansen等運(yùn)用線(xiàn)性判別分析(linear discriminant analysis,LDA)算法建立3種澳洲本土植物種子[考氏相思(Acacia cowleana?Tate)、橙黃佛塔樹(shù)(Banksia prionotes?L.F.)和美葉桉(Corymbia calophylla)]的活力檢測(cè)模型,結(jié)果顯示關(guān)于考氏相思和美葉桉的準(zhǔn)確率可以超過(guò)85%,關(guān)于橙黃佛塔樹(shù)的準(zhǔn)確率約為80%[29]。Dumont等嘗試區(qū)分挪威云杉的活種子、空種子和無(wú)活力種子,基于可見(jiàn)光及近紅外波段(400~1 000 nm)光譜數(shù)據(jù)建立的SVM判別模型在僅選用3個(gè)特征波段的情況下準(zhǔn)確率為93%[30]。He等運(yùn)用多項(xiàng)式平滑(savitzky-golay,SG)算法結(jié)合ELM算法,以93.67%的準(zhǔn)確率完成對(duì)3個(gè)不同年份水稻種子的快速分類(lèi)[31]。

    上述模型皆為定性分類(lèi)模型,同時(shí)也有學(xué)者嘗試用特定的指標(biāo)量化種子活力概念,并建立相關(guān)的定量檢測(cè)模型。Cui等將甜玉米種子的苗長(zhǎng)和根長(zhǎng)作為種子活力的評(píng)判標(biāo)準(zhǔn),利用最高相關(guān)系數(shù)(highest correlation coefficient,HCC)[JP2]和核主成分回歸(kernel principal component regression,KPCR)算法建立的根長(zhǎng)預(yù)測(cè)模型相關(guān)系數(shù)為0.780 5,基于SPA算法建立的苗長(zhǎng)預(yù)測(cè)模型相關(guān)系數(shù)為0607 4[32]。Zhang等將發(fā)芽率、發(fā)芽勢(shì)和簡(jiǎn)單活力指數(shù)3個(gè)指標(biāo)作為評(píng)估種子活力的重要參數(shù),采用回歸系數(shù)結(jié)合PLS-R算法分別建立有關(guān)小麥種子活力的3個(gè)定量檢測(cè)模型,該模型預(yù)測(cè)集的R2分別為0.921、0.907、0.886,RMSE值分別為4.113%、5.137%、2.400%[33]。

    2.2.1.2 運(yùn)用深度學(xué)習(xí)算法建立模型

    深度學(xué)習(xí)作為近年來(lái)新興的人工智能算法,在處理龐大數(shù)據(jù)集方面具有獨(dú)特的優(yōu)勢(shì),更適合用于高光譜數(shù)據(jù)的處理;同時(shí),深度學(xué)習(xí)算法可以實(shí)現(xiàn)基于一維光譜數(shù)據(jù)和二維光譜圖像的建模,為高光譜成像技術(shù)在種子活力檢測(cè)帶來(lái)更多的可能。張林基于堆疊自動(dòng)編碼器(stacked auto-encoder,SAE)提取的深度光譜特征建立SVM分類(lèi)模型,并使用改進(jìn)灰狼優(yōu)化算法(differential evolution-greywolf optimizer,DE-GWO)優(yōu)化該模型,優(yōu)化后的模型對(duì)3種活力等級(jí)的水稻種子分類(lèi)準(zhǔn)確率可達(dá)99.25%[34]。Ma等將PC評(píng)分圖和SVM活力映射圖作為卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)模型的輸入,建立有關(guān)日本芥菜種子活力的CNN模型分類(lèi)準(zhǔn)確率達(dá)90%[35]。Yang等直接將水稻種子的高光譜圖像作為CNN模型的輸入,準(zhǔn)確率可達(dá)99.5%[36]。Zhang等建立深度森林(deep forests,DF)模型來(lái)區(qū)分6種不同霜害程度的水稻種子,該模型在小尺度樣本中的性能明顯優(yōu)于作為對(duì)比的3種傳統(tǒng)機(jī)器學(xué)習(xí)模型(決策樹(shù)、K最近鄰和SVM)[37]。Wu等針對(duì)實(shí)際生產(chǎn)中可能出現(xiàn)的樣品數(shù)量不平衡問(wèn)題,提出一種加權(quán)損失深度卷積神經(jīng)網(wǎng)絡(luò)(deep convolution neural network,DCNN),該模型區(qū)分3種活力等級(jí)水稻種子的準(zhǔn)確率為97.69%[38]。

    2.2.2 圖譜結(jié)合分類(lèi)

    高光譜成像技術(shù)可以同時(shí)獲得待測(cè)種子的光譜信息和圖像信息,圖譜結(jié)合分類(lèi)法便是同時(shí)利用這2種信息檢測(cè)種子活力。圖譜結(jié)合分類(lèi)可以分為像素級(jí)和對(duì)象級(jí)2種方法,像素級(jí)方法是通過(guò)圖像中個(gè)別像素的光譜數(shù)據(jù)檢測(cè)整個(gè)種子的活力,對(duì)象級(jí)則是綜合整個(gè)種子像素的光譜數(shù)據(jù)檢測(cè)種子活力。目前國(guó)內(nèi)外學(xué)者普遍認(rèn)為種子活力是一個(gè)有關(guān)整個(gè)種子的概念,因此采用對(duì)象級(jí)方法是一種更為合理、有效的方法[39]。

    對(duì)象級(jí)方法有以下2種主流思路:一是利用整體圖檢測(cè),即單個(gè)種子圖像對(duì)應(yīng)1個(gè)分類(lèi)值;二是利用像素圖檢測(cè),即單個(gè)種子圖像的每1個(gè)像素都對(duì)應(yīng)1個(gè)分類(lèi)值[40]。有學(xué)者對(duì)這2種思路進(jìn)行分析對(duì)比,結(jié)果見(jiàn)圖3。Zhang等運(yùn)用PLS-DA算法區(qū)分3種不同凍害程度的玉米種子,同時(shí)基于模型的分類(lèi)值比較M2M(整體圖)和M2P(像素圖)2種方法的分類(lèi)效果,結(jié)果顯示,此情況下的M2P方法優(yōu)于M2M方法[41]。

    也有學(xué)者基于像素圖開(kāi)展了一系列的研究。如圖4所示,Wakholi等將有關(guān)玉米種子活力的SVM分類(lèi)模型回歸系數(shù)同高光譜圖像結(jié)合獲得偽彩圖,并使用閾值將其轉(zhuǎn)化為二值圖像,其中值為1的像素對(duì)應(yīng)有活力,值為0的像素對(duì)應(yīng)無(wú)活力[42]。Baek等利用PLS-DA算法對(duì)大豆種子圖像每個(gè)像素進(jìn)行分類(lèi),并結(jié)合閾值法獲得二值圖像;在單個(gè)種子圖像中,代表活種子的像素?cái)?shù)占總像素?cái)?shù)的百分比大于預(yù)先設(shè)置的檢出率時(shí),該種子便被認(rèn)定為有活力,此方案的準(zhǔn)確率為95%[39]。

    高光譜成像技術(shù)“圖譜合一”的特點(diǎn)使其在種子活力檢測(cè)方面有著巨大的優(yōu)勢(shì)。較前的研究多集中在光譜數(shù)據(jù)的研究上,基于每個(gè)種子的平均光譜,使用機(jī)器學(xué)習(xí)算法建立分類(lèi)模型來(lái)檢測(cè)種子活力。近年來(lái),隨著研究的不斷深入,國(guó)內(nèi)外學(xué)者開(kāi)始使用深度學(xué)習(xí)算法處理高光譜成像技術(shù)帶來(lái)的龐大立方體數(shù)據(jù),深度學(xué)習(xí)算法在處理龐大數(shù)據(jù)方面的優(yōu)勢(shì)使得運(yùn)用該類(lèi)型算法所建立的分類(lèi)模型較大多數(shù)傳統(tǒng)機(jī)器學(xué)習(xí)算法模型具有更好的檢測(cè)效果,且可以完成一定程度的種子活力分級(jí);同時(shí)學(xué)者開(kāi)始注重二維圖像的利用,不論是基于單個(gè)像素[21]的光譜研究還是多個(gè)波段的圖像研究,都開(kāi)始將二維圖像信息同一維光譜數(shù)據(jù)相結(jié)合,使種子活力檢測(cè)效果有了明顯的提升。高光譜成像技術(shù)所具有的成像功能也使檢測(cè)結(jié)果更直觀(guān)地體現(xiàn),有利于實(shí)現(xiàn)流水線(xiàn)檢測(cè)。綜合來(lái)看,高光譜成像技術(shù)所具有的特點(diǎn)使它在種子活力檢測(cè)方面有著極大的潛力,也使未來(lái)成批量檢測(cè)種子活力的商業(yè)化成為可能。

    2.3 X射線(xiàn)成像技術(shù)

    X射線(xiàn)成像技術(shù)是醫(yī)學(xué)診斷中最重要的技術(shù)之一,X射線(xiàn)的波長(zhǎng)在0.01~10 nm之間,其中0.1~10 nm之間的部分被稱(chēng)為軟X射線(xiàn),由圖5可見(jiàn),軟X射線(xiàn)穿透能力較低且能夠揭示物體內(nèi)部的情況,因此適用于種子活力檢測(cè)[43]。Araújo等利用X射線(xiàn)檢測(cè)種子干燥過(guò)程中產(chǎn)生的內(nèi)部裂紋和自由空間,這些形態(tài)變化與種子活力降低密切相關(guān)[44]。Abud等認(rèn)為,X射線(xiàn)成像技術(shù)可以有效地評(píng)估西蘭花種子的內(nèi)部形態(tài),并將其與幼苗種子長(zhǎng)度聯(lián)系起來(lái),從而可以完成種子活力檢測(cè)[45]。Pinheiro等利用X射線(xiàn)成像技術(shù)結(jié)合圖像處理軟件,根據(jù)種子組織的物理完整性評(píng)估種子的活力[46]。de Medeiros等通過(guò)X射線(xiàn)圖像獲得有關(guān)種子的形態(tài)計(jì)量參數(shù)和組織完整性信息,并將這些特征同機(jī)器學(xué)習(xí)算法相結(jié)合,提出一種鑒定麻瘋樹(shù)種子發(fā)芽能力的LDA模型,對(duì)種子活力和幼苗活力的鑒定準(zhǔn)確率分別為94.36%、89.72%;接著又運(yùn)用CNN算法建立海甘藍(lán)(Crambe abyssinica)種子活力鑒定模型,該模型準(zhǔn)確率為82%[47-48]。X射線(xiàn)成像技術(shù)可以發(fā)現(xiàn)種子內(nèi)部裂紋、直接損傷和蟲(chóng)蛀等情況,這些信息可以為種子活力檢測(cè)提供重要依據(jù)。

    2.4 自體熒光光譜成像技術(shù)

    種子中含有大量的熒光化合物(即熒光團(tuán)),這些[CM(21]化合物被特定波段的光激發(fā)后會(huì)發(fā)出熒光,這種熒光被稱(chēng)為自體熒光。熒光團(tuán)包括葉綠素、木質(zhì)素等化合物,這些化合物和種子活力密切相關(guān)。自體熒光光譜成像技術(shù)可以獲取每個(gè)圖像像素的高分辨率光譜,并提供同一物體在特定波段下的一組圖像[49]。因此,利用自體熒光光譜成像技術(shù)結(jié)合機(jī)器學(xué)習(xí)算法可以建立各熒光團(tuán)與其對(duì)應(yīng)波長(zhǎng)的聯(lián)系,實(shí)現(xiàn)種子活力的檢測(cè)。de Silva等以大豆種子為檢測(cè)對(duì)象,運(yùn)用365 nm/400 nm的激發(fā)/發(fā)射組合的自體熒光信號(hào),分別運(yùn)用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)、SVM和LDA算法建立種子活力判別模型,發(fā)現(xiàn)3個(gè)模型都可以很好地區(qū)別高活力種子和低活力種子,準(zhǔn)確率達(dá)到99%[50]。如圖6所示,Batista等運(yùn)用不同的激發(fā)/發(fā)射組合分別提取R7.1(開(kāi)始成熟)、R7.2(大量成熟)、R7.3(種子與母株分離)、R8(收獲點(diǎn))和R9(最終成熟)5個(gè)成熟階段的大豆種子自體熒光信號(hào),基于此運(yùn)用RF、神經(jīng)網(wǎng)絡(luò)(neural network,NN)和SVM算法分別建立分類(lèi)模型,發(fā)現(xiàn)利用葉綠素a(660 nm/700 nm)和葉綠素b(405 nm/600 nm)的激發(fā)/發(fā)射組合,可以很好地完成5個(gè)成熟階段的分類(lèi)[51]。

    根據(jù)現(xiàn)有的科研成果可以發(fā)現(xiàn)自體熒光成像技術(shù)的檢測(cè)效果很理想,具有很大的發(fā)展價(jià)值,但該技術(shù)在種子活力檢測(cè)方面仍處于初步探索階段,已有的科研成果較少,且相關(guān)檢測(cè)設(shè)備昂貴,試驗(yàn)干擾因素多,操作要求也較嚴(yán)苛。

    2.5 多技術(shù)融合檢測(cè)方法

    目前,多技術(shù)融合檢測(cè)方法因其較高的檢測(cè)精度正成為種子活力檢測(cè)新的發(fā)展趨勢(shì)。de Medeiros等同時(shí)使用近紅外光譜技術(shù)和X射線(xiàn)技術(shù),測(cè)得臂形草(Urochloa brizantha)種子的近紅外光譜數(shù)據(jù)和X射線(xiàn)數(shù)據(jù),同時(shí)將2類(lèi)數(shù)據(jù)作為模型的輸入,運(yùn)用5種傳統(tǒng)機(jī)器學(xué)習(xí)算法建立種子活力分類(lèi)模型,并將這5種模型運(yùn)用一種數(shù)據(jù)所建立的模型進(jìn)行性能對(duì)比,發(fā)現(xiàn)此類(lèi)融合技術(shù)在檢測(cè)種子活力方面是可靠的,可以保證一定的準(zhǔn)確率[52]。de Jesus Martins Bianchini等將多光譜技術(shù)和X射線(xiàn)技術(shù)融合,使用LDA算法建立有關(guān)麻瘋樹(shù)種子活力的分類(lèi)模型,發(fā)現(xiàn)使用2種數(shù)據(jù)建立的模型性能明顯優(yōu)于使用單類(lèi)型數(shù)據(jù)建立的模型,準(zhǔn)確率可達(dá)98%,具有良好的分類(lèi)效果[53]。多技術(shù)融合檢測(cè)方法是近2年才開(kāi)始運(yùn)用的方法,目前科研成果較少。但此方法為種子活力檢測(cè)提供了一個(gè)全新的視角,具有巨大的潛力,是一個(gè)值得嘗試的新方向。

    3 結(jié)論與展望

    本研究綜述了近年來(lái)無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)領(lǐng)域的研究進(jìn)展,分析對(duì)比各種無(wú)損速測(cè)技術(shù)的檢測(cè)原理和檢測(cè)策略,闡述這些技術(shù)目前的優(yōu)勢(shì)和不足,重點(diǎn)就近紅外技術(shù)和高光譜成像技術(shù)展開(kāi)了討論??傮w而言,無(wú)損速測(cè)技術(shù)具有快速、無(wú)損、準(zhǔn)確和高效的特點(diǎn),可以更好地滿(mǎn)足現(xiàn)代農(nóng)業(yè)生產(chǎn)的要求,且近年來(lái)的眾多研究成果也驗(yàn)證了該技術(shù)在種子活力檢測(cè)領(lǐng)域的可行性。為使無(wú)損速測(cè)技術(shù)未來(lái)能更好地應(yīng)用于種子活力檢測(cè),主要提出以下幾點(diǎn)建議:第一,增強(qiáng)多技術(shù)融合。目前各類(lèi)型無(wú)損速測(cè)技術(shù)的運(yùn)用相對(duì)獨(dú)立且逐漸模板化,可以嘗試結(jié)合多種無(wú)損速測(cè)技術(shù),利用算法將各類(lèi)檢測(cè)信息整合,加強(qiáng)有效信息的利用,進(jìn)一步提高分類(lèi)模型的準(zhǔn)確率。第二,加強(qiáng)種子活力精選分級(jí)方面的研究。目前大多數(shù)研究?jī)H能完成種子有無(wú)活力的區(qū)分,有關(guān)種子活力分級(jí)的研究報(bào)道較少,已報(bào)道的分級(jí)效果大多也不理想。但種子活力分級(jí)是現(xiàn)代農(nóng)業(yè)生產(chǎn)的現(xiàn)實(shí)需求。因此,開(kāi)發(fā)出效果更好的種子活力分級(jí)模型迫在眉睫。第三,豐富數(shù)據(jù)庫(kù),提高模型通用性。目前無(wú)損速測(cè)技術(shù)搭配化學(xué)計(jì)量學(xué)方法所建立的算法模型基本都只適用于單個(gè)品種種子,通用性和轉(zhuǎn)移性很差。因此,豐富現(xiàn)有的種子活力特性數(shù)據(jù)庫(kù),研究模型轉(zhuǎn)移算法,開(kāi)發(fā)同時(shí)適用于多個(gè)品種的模型是無(wú)損速測(cè)技術(shù)在種子活力檢測(cè)領(lǐng)域的一個(gè)重要發(fā)展趨勢(shì)。第四,打破檢測(cè)場(chǎng)地限制,實(shí)現(xiàn)多元化發(fā)展。目前相關(guān)研究大多局限在實(shí)驗(yàn)室內(nèi),且成熟的檢測(cè)設(shè)備較少,可以開(kāi)發(fā)不同的檢測(cè)設(shè)備以滿(mǎn)足各類(lèi)使用場(chǎng)景,如便攜式設(shè)備或適合成批量檢測(cè)的流水線(xiàn)設(shè)備。

    參考文獻(xiàn):

    [1]ElMasry G,Mandour N,Al-Rejaie S,et al. Recent applications of multispectral imaging in seed phenotyping and quality monitoring:an overview[J]. Sensors,2019,19(5):1090.

    [2]Wang D,Wang K,Wu J Z,et al. Progress in research on rapid and non-destructive detection of seed quality based on spectroscopy and imaging technology[J]. Spectroscopy and Spectral Analysis,2021,41(1):52-59.

    [3]段潔利,王韜隱,付 函,等. 光譜及成像技術(shù)在種子活力檢驗(yàn)中的應(yīng)用研究進(jìn)展[J]. 現(xiàn)代農(nóng)業(yè)裝備,2020,41(2):2-7.

    [4]Priya T S R,Manickavasagan A.Characterising corn grain using infrared imaging and spectroscopic techniques:a review[J]. Journal of Food Measurement and Characterization,2021,15(4):3234-3249.

    [5]李孝凡,王 成,宋 鵬,等. 種子活力無(wú)損檢測(cè)方法研究進(jìn)展[J]. 種子,2019,38(6):61-65.

    [6]Liu W J,Liu J,Jiang J M,et al. Comparison of partial least squares-discriminant analysis,support vector machines and deep neural networks for spectrometric classification of seed vigour in a broad range of tree species[J]. Journal of Near Infrared Spectroscopy,2021,29(1):33-41.

    [7]Wang W Q,Liu S J,Song S Q,et al. Proteomics of seed development,desiccation tolerance,germination and vigor[J]. Plant Physiology and Biochemistry,2015,86:1-15.

    [8]Sharma A D,Rathore S V S,Srinivasan K,et al. Comparison of various seed priming methods for seed germination,seedling vigour and fruit yield in okra (Abelmoschus esculentus?L. Moench) [J]. Scientia Horticulturae,2014,165:75-81.

    [9]Demirkaya M. Relationships between antioxidant enzymes and physiological variations occur during ageing of pepper seeds[J]. Horticulture,Environment,and Biotechnology,2013,54(2):97-102.

    [10]Qin P,Kong Z Y,Liao X H,et al. Effects of accelerated aging on physiological and biochemical characteristics of waxy and non-waxy wheat seeds[J]. Journal of Northeast Agricultural University,2011,18(2):7-12.

    [11]任利沙,顧日良,賈光耀,等. 種子出苗率對(duì)玉米個(gè)體生長(zhǎng)和群體產(chǎn)量的影響[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2017,22(4):10-15.

    [12]Ma W G,Zhang Z H,Zheng Y Y,et al. Determination of tobacco (Nicotiana tabacum) seed vigour using controlled deterioration followed by a conductivity test[J]. Seed Science and Technology,2020,48(1):1-10.

    [13]Lazar S L,Mira S,Pamfil D,et al. Germination and electrical conductivity tests on artificially aged seed lots of 2 wall-rocket species[J]. Turkish Journal of Agriculture and Forestry,2014,38:857-864.

    [14]喻方圓,唐燕飛. 四唑染色法快速測(cè)定任豆種子生活力的研究[J]. 種子,2004,23(7):40-42.

    [15]盛海平,汪為民,劉華開(kāi),等. 水稻種子生活力四唑測(cè)定值與發(fā)芽率間的相關(guān)性[J]. 種子,2000,19(2):30-31.

    [16]Lestander T A,Geladi P.NIR spectral information used to predict water content of pine seeds from multivariate calibration[J]. Canadian Journal of Forest Research,2005,35(5):1139-1148.

    [17]Kusumaningrum D,Lee H,Lohumi S,et al. Non-destructive technique for determining the viability of soybean (Glycine max) seeds using FT-NIR spectroscopy[J]. Journal of the Science of Food and Agriculture,2018,98(5):1734-1742.

    [18]金文玲,曹乃亮,朱明東,等. 基于近紅外超連續(xù)激光光譜的水稻種子活力無(wú)損分級(jí)檢測(cè)研究[J]. 中國(guó)光學(xué),2020,13(5):1032-1043.

    [19]白 京,彭彥昆,王文秀. 基于可見(jiàn)近紅外光譜玉米種子活力的無(wú)損檢測(cè)方法[J]. 食品安全質(zhì)量檢測(cè)學(xué)報(bào),2016,7(11):4472-4477.

    [20]Yasmin J,Ahmed M R,Lohumi S,et al. Classification method for viability screening of naturally aged watermelon seeds using FT-NIR spectroscopy[J]. Sensors,2019,19(5):1190.

    [21]Fan Y M,Ma S C,Wu T T. Individual wheat kernels vigor assessment based on NIR spectroscopy coupled with machine learning methodologies[J]. Infrared Physics & Technology,2020,105:103213.

    [22]Tigabu M,Daneshvar A,Wu P F,et al. Rapid and non-destructive evaluation of seed quality of Chinese fir by near infrared spectroscopy and multivariate discriminant analysis[J]. New Forests,2019,51:395-408.

    [23]李 武,李 妍,李高科,等. 高溫老化下甜玉米種子活力近紅外光譜檢測(cè)技術(shù)研究[J]. 核農(nóng)學(xué)報(bào),2018,32(8):1611-1618.

    [24]曲 歌. 基于近紅外光譜數(shù)據(jù)的水稻種子活力預(yù)測(cè)模型研究[D]. 大慶:黑龍江八一農(nóng)墾大學(xué),2019.

    [25]Pang L,Men S,Yan L,et al. Rapid vitality estimation and prediction of corn seeds based on spectra and images using deep learning and hyperspectral imaging techniques[J]. IEEE Access,2020,8:123026-123036.

    [26]Seo Y,Lee H,Bae H J,et al. Optimized multivariate analysis for the discrimination of cucumber green mosaic mottle virus-infected watermelon seeds based on spectral imaging[J]. Journal of Biosystems Engineering,2019,44(2):95-102.

    [27]Zhou X,Sun J,Tian Y,et al. Development of deep learning method for lead content prediction of lettuce leaf using hyperspectral images[J]. International Journal of Remote Sensing,2020,41(6):2263-2276.

    [28]Matzrafi M,Herrmann I,Nansen C,et al. Hyperspectral technologies for assessing seed germination and trifloxysulfuron-methyl response in Amaranthus palmeri (palmer amaranth) [J]. Frontiers in Plant Science,2017,8:474.

    [29]Nansen C,Zhao G P,Dakin N,et al. Using hyperspectral imaging to determine germination of native Australian plant seeds[J]. Journal of Photochemistry and Photobiology(B:Biology),2015,145:19-24.

    [30]Dumont J,Hirvonen T,Heikkinen V,et al. Thermal and hyperspectral imaging for Norway spruce (Picea abies) seeds screening[J]. Computers and Electronics in Agriculture,2015,116:118-124.

    [31]He X T,F(xiàn)eng X P,Sun D W,et al. Rapid and nondestructive measurement of rice seed vitality of different years using near-infrared hyperspectral imaging[J]. Molecules,2019,24(12):2227.

    [32]Cui H W,Cheng Z S,Li P,et al. Prediction of sweet corn seed germination based on hyperspectral image technology and multivariate data regression[J]. Sensors,2020,20(17):4744.

    [33]Zhang T T,F(xiàn)an S X,Xiang Y Y,et al. Non-destructive analysis of germination percentage,germination energy and simple vigour index on wheat seeds during storage by Vis/NIR and SWIR hyperspectral imaging[J]. Spectrochimica Acta(Part A:Molecular and Biomolecular Spectroscopy),2020,239:118488.

    [34]張 林. 基于高光譜圖像技術(shù)的水稻種子品種及活力等級(jí)檢測(cè)研究[D]. 鎮(zhèn)江:江蘇大學(xué),2021.

    [35]Ma T,Tsuchikawa S,Inagaki T.Rapid and non-destructive seed viability prediction using near-infrared hyperspectral imaging coupled with a deep learning approach[J]. Computers and Electronics in Agriculture,2020,177:105683.

    [36]Yang Y,Chen J P,He Y,et al. Assessment of the vigor of rice seeds by near-infrared hyperspectral imaging combined with transfer learning[J]. RSC Advances,2020,10(72):44149-44158.

    [37]Zhang L,Sun H,Rao Z H,et al. Hyperspectral imaging technology combined with deep forest model to identify frost-damaged rice seeds[J]. Spectrochimica Acta(Part A:Molecular and Biomolecular Spectroscopy),2020,229:117973.

    [38]Wu N,Weng S Z,Chen J X,et al. Deep convolution neural network with weighted loss to detect rice seeds vigor based on hyperspectral imaging under the sample-imbalanced condition[J]. Computers and Electronics in Agriculture,2022,196:106850.

    [39]Baek I,Kusumaningrum D,Kandpal L M,et al. Rapid measurement of soybean seed viability using kernel-based multispectral image analysis[J]. Sensors,2019,19(2):271.

    [40]Akbar F M,Mukasa P,Santosh L,et al. Online application of a hyperspectral imaging system for the sorting of adulterated almonds[J]. Applied Sciences,2020,10(18):65-69.

    [41]Zhang J,Dai L M,Cheng F.Classification of frozen corn seeds using hyperspectral VIS/NIR reflectance imaging[J]. Molecules,2019,24(1):149.

    [42]Wakholi C,Kandpal L M,Lee H,et al. Rapid assessment of corn seed viability using short wave infrared line-scan hyperspectral imaging and chemometrics[J]. Sensors and Actuators(B:Chemical),2018,255:498-507.

    [43][JP2]de Medeiros A D,Bernardes R C,da Silva L J,et al. Deep learning-[JP]based approach using X-ray images for classifying Crambe abyssinica?seed quality[J]. Industrial Crops and Products,2021,164:113378.

    [44]Leo-Araújo ?F,Gomes F G Jr,de Silva A R,et al. Evaluation of the desiccation of Campomanesia adamantium?seed using radiographic analysis and the relation with physiological potential[J]. Agronomy Journal,2019,111(2):592-600.

    [45]Abud H F,Cícero S M,Gomes F G Jr.Radiographic images and relationship of the internal morphology and physiological potential of broccoli seeds[J]. Acta Scientiarum Agronomy,2018,40(1):34950.

    [46]Pinheiro D T,Capobiango N P,de Medeiros A D,et al. Assessment of the physical and physiological quality of Piptadenia gonoacantha seeds (Mart.) J.F.Macbr.using image analysis[J]. Revista árvore,2020,44:e4426.

    [47]de Medeiros A D,Pinheiro D T,Xavier W A,et al. Quality classification of Jatropha curcas?seeds using radiographic images and machine learning[J]. Industrial Crops and Products,2020,146:112162.

    [48][JP2]de Medeiros A D,Bernardes R C,da Silva L J,et al. Deep learning-[JP]based approach using X-ray images for classifying Crambe abyssinica?seed quality[J]. Industrial Crops and Products,2021,164:113378.

    [49]Galletti P A,Carvalho M E A,Hirai W Y,et al. Integrating optical imaging tools for rapid and non-invasive characterization of seed quality:tomato (Solanum lycopersicum?L.) and carrot (Daucus carota?L.) as study cases[J]. Frontiers in Plant Science,2020,11:577851.

    [50]da Silva C B,Oliveira N M,de Carvalho M E A,et al. Autofluorescence-spectral imaging as an innovative method for rapid,non-destructive and reliable assessing of soybean seed quality[J]. Scientific Reports,2021,11:17834.

    [51]BatistaB,Mastrangelo C B,de Medeiros A D,et al. A reliable method to recognize soybean seed maturation stages based on autofluorescence-spectral imaging combined with machine learning algorithms[J]. Frontiers in Plant Science,2022,13:914287.

    [52]de Medeiros A D,da Silva L J,Ribeiro J P O,et al. Machine learning for seed quality classification:an advanced approach using merger data from FT-NIR spectroscopy and X-ray imaging[J]. Sensors,2020,20(15):4319.

    [53]de Jesus Martins Bianchini V,Mascarin G M,Silva L C A S,et al. Multispectral and X-ray images for characterization of Jatropha curcas?L. seed quality[J]. Plant Methods,2021,17(1):1-13.

    基金項(xiàng)目:廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃(編號(hào):2022B0202110003);“科技創(chuàng)新2030”重大項(xiàng)目(編號(hào):2022ZD0115701)。

    作者簡(jiǎn)介:石 睿(1998—),男,江蘇無(wú)錫人,碩士研究生,主要從事種子活力無(wú)損檢測(cè)講究。E-mail:993499350@qq.com。

    通信作者:王 成,博士,研究員,主要從事農(nóng)業(yè)智能裝備研究。E-mail:wangc@nercita.org.cn。

    猜你喜歡
    種子活力活力光譜
    基于三維Saab變換的高光譜圖像壓縮方法
    我國(guó)破譯控制水稻種子活力的“遺傳密碼”
    活力
    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(guò)氨基酸滲漏檢測(cè)小麥種子活力的研究
    改制增添活力
    星載近紅外高光譜CO2遙感進(jìn)展
    收回編制 激發(fā)活力
    全公開(kāi)激發(fā)新活力
    浙江人大(2014年1期)2014-03-20 16:20:00
    老司机福利观看| 黄色丝袜av网址大全| 日韩欧美国产在线观看| 成熟少妇高潮喷水视频| 婷婷丁香在线五月| 伦理电影免费视频| 国产精品一区二区免费欧美| 欧美另类亚洲清纯唯美| 亚洲第一电影网av| 国产人伦9x9x在线观看| 特大巨黑吊av在线直播| 美女扒开内裤让男人捅视频| 久久精品国产99精品国产亚洲性色| 国产精品久久电影中文字幕| 亚洲五月婷婷丁香| 在线观看免费日韩欧美大片| 国产精品美女特级片免费视频播放器 | 一二三四在线观看免费中文在| 日本黄大片高清| 国产精品久久久久久亚洲av鲁大| 嫩草影视91久久| 国产精品影院久久| 婷婷六月久久综合丁香| 男女床上黄色一级片免费看| 国产精品精品国产色婷婷| 夜夜爽天天搞| 久久九九热精品免费| 国产真实乱freesex| 亚洲精品久久国产高清桃花| 丰满人妻熟妇乱又伦精品不卡| 欧美性长视频在线观看| 亚洲片人在线观看| 俺也久久电影网| 欧美国产日韩亚洲一区| 动漫黄色视频在线观看| 国产一区二区在线av高清观看| 两性夫妻黄色片| 久久午夜综合久久蜜桃| 黄色 视频免费看| 深夜精品福利| 久久久国产成人免费| 国产精品一区二区免费欧美| 久久精品亚洲精品国产色婷小说| 国产熟女xx| 日韩大尺度精品在线看网址| 亚洲av中文字字幕乱码综合| 亚洲最大成人中文| 久久香蕉精品热| 12—13女人毛片做爰片一| 丁香欧美五月| 波多野结衣高清作品| 九九热线精品视视频播放| 99国产综合亚洲精品| 中国美女看黄片| 女警被强在线播放| 国产激情久久老熟女| 日日爽夜夜爽网站| 亚洲午夜理论影院| 又黄又爽又免费观看的视频| 亚洲最大成人中文| 亚洲一区中文字幕在线| 又黄又粗又硬又大视频| 香蕉久久夜色| 日本黄大片高清| 97碰自拍视频| 国产高清激情床上av| 久久香蕉国产精品| 久久人妻福利社区极品人妻图片| 日韩欧美免费精品| 亚洲欧美一区二区三区黑人| 啪啪无遮挡十八禁网站| 午夜激情福利司机影院| www国产在线视频色| 九色国产91popny在线| 看黄色毛片网站| av免费在线观看网站| 日韩精品青青久久久久久| 国产主播在线观看一区二区| 淫秽高清视频在线观看| 在线观看午夜福利视频| 亚洲一区高清亚洲精品| 最新美女视频免费是黄的| 韩国av一区二区三区四区| 国产一区二区三区视频了| 国产真人三级小视频在线观看| 波多野结衣高清作品| 亚洲精品中文字幕一二三四区| 别揉我奶头~嗯~啊~动态视频| 色av中文字幕| 欧美最黄视频在线播放免费| av福利片在线观看| 最好的美女福利视频网| 欧美黑人欧美精品刺激| 国产高清有码在线观看视频 | 国产又黄又爽又无遮挡在线| 国产aⅴ精品一区二区三区波| 欧美最黄视频在线播放免费| 成人永久免费在线观看视频| 在线a可以看的网站| 天天一区二区日本电影三级| 老熟妇乱子伦视频在线观看| 国产一级毛片七仙女欲春2| 亚洲 国产 在线| 男人舔女人下体高潮全视频| 国产精品九九99| 丝袜美腿诱惑在线| 亚洲精品久久国产高清桃花| 夜夜夜夜夜久久久久| 亚洲男人的天堂狠狠| 黄色毛片三级朝国网站| 欧美乱码精品一区二区三区| 岛国在线观看网站| 999久久久国产精品视频| 久久欧美精品欧美久久欧美| 一进一出好大好爽视频| 叶爱在线成人免费视频播放| 国产真实乱freesex| 伦理电影免费视频| 99国产精品一区二区三区| 免费在线观看影片大全网站| 国产精品香港三级国产av潘金莲| or卡值多少钱| 精品欧美国产一区二区三| 亚洲精品国产一区二区精华液| 最近视频中文字幕2019在线8| 国产高清视频在线观看网站| 麻豆国产97在线/欧美 | 国产精品美女特级片免费视频播放器 | 日本免费a在线| 最近在线观看免费完整版| 91麻豆av在线| 日日爽夜夜爽网站| 中文亚洲av片在线观看爽| 美女午夜性视频免费| 亚洲无线在线观看| 男插女下体视频免费在线播放| 性欧美人与动物交配| 看免费av毛片| 欧美日韩黄片免| 国产蜜桃级精品一区二区三区| 精品久久久久久久毛片微露脸| 禁无遮挡网站| 日本三级黄在线观看| 欧美日本视频| 一进一出抽搐gif免费好疼| av欧美777| 18禁美女被吸乳视频| 欧美人与性动交α欧美精品济南到| 亚洲国产精品久久男人天堂| 熟妇人妻久久中文字幕3abv| 神马国产精品三级电影在线观看 | 国产单亲对白刺激| 亚洲国产欧美网| 老司机靠b影院| 亚洲成人精品中文字幕电影| 免费av毛片视频| 免费电影在线观看免费观看| 亚洲av日韩精品久久久久久密| 18禁裸乳无遮挡免费网站照片| 熟女少妇亚洲综合色aaa.| 国产亚洲精品综合一区在线观看 | 久久精品成人免费网站| 午夜福利成人在线免费观看| 91在线观看av| 91字幕亚洲| 日韩欧美一区二区三区在线观看| 亚洲国产欧美人成| 又大又爽又粗| 午夜福利成人在线免费观看| 99国产精品一区二区三区| 久久久久亚洲av毛片大全| 亚洲精品粉嫩美女一区| 18禁裸乳无遮挡免费网站照片| 精品午夜福利视频在线观看一区| 韩国av一区二区三区四区| 午夜视频精品福利| 美女黄网站色视频| 黄片大片在线免费观看| 久久久久精品国产欧美久久久| 757午夜福利合集在线观看| 国产精品久久久久久亚洲av鲁大| 19禁男女啪啪无遮挡网站| a级毛片在线看网站| 蜜桃久久精品国产亚洲av| 婷婷亚洲欧美| 18禁黄网站禁片免费观看直播| 91成年电影在线观看| 给我免费播放毛片高清在线观看| 国产精品永久免费网站| 久热爱精品视频在线9| av欧美777| 床上黄色一级片| 俺也久久电影网| 国产又黄又爽又无遮挡在线| 一级黄色大片毛片| 免费av毛片视频| 成人手机av| 久久久久精品国产欧美久久久| 91九色精品人成在线观看| 成人av一区二区三区在线看| 免费在线观看完整版高清| 国产亚洲欧美在线一区二区| 俄罗斯特黄特色一大片| 色精品久久人妻99蜜桃| 人妻久久中文字幕网| 欧美高清成人免费视频www| 日韩精品中文字幕看吧| 99国产极品粉嫩在线观看| 一个人免费在线观看的高清视频| 后天国语完整版免费观看| 久久热在线av| 欧美日韩瑟瑟在线播放| avwww免费| 久久久久久久精品吃奶| 亚洲国产精品久久男人天堂| 婷婷精品国产亚洲av| 久久婷婷成人综合色麻豆| 国产免费av片在线观看野外av| 国产精品自产拍在线观看55亚洲| bbb黄色大片| 高清在线国产一区| 黄色毛片三级朝国网站| 色老头精品视频在线观看| 又黄又粗又硬又大视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲性夜色夜夜综合| 亚洲成人久久爱视频| 国产av麻豆久久久久久久| 精品国产亚洲在线| 亚洲av成人av| 在线观看免费午夜福利视频| 中文在线观看免费www的网站 | 国产精品日韩av在线免费观看| 亚洲欧美日韩高清专用| 午夜精品一区二区三区免费看| 老司机深夜福利视频在线观看| av中文乱码字幕在线| 午夜亚洲福利在线播放| 久久久国产成人精品二区| 亚洲人成网站高清观看| 国语自产精品视频在线第100页| 大型黄色视频在线免费观看| 国产一区二区在线av高清观看| 亚洲av五月六月丁香网| 午夜视频精品福利| 黄色视频不卡| 国产成人aa在线观看| 91在线观看av| 亚洲欧美日韩无卡精品| 日本a在线网址| 法律面前人人平等表现在哪些方面| 曰老女人黄片| 日本 av在线| 日韩高清综合在线| 国产成人av激情在线播放| 免费在线观看影片大全网站| 亚洲av日韩精品久久久久久密| xxxwww97欧美| 免费无遮挡裸体视频| 在线免费观看的www视频| 别揉我奶头~嗯~啊~动态视频| 在线国产一区二区在线| 精品电影一区二区在线| 黄色视频不卡| 国产97色在线日韩免费| 国内精品一区二区在线观看| 国产精品久久久久久精品电影| 久久久久九九精品影院| 精品久久久久久久人妻蜜臀av| 亚洲成人精品中文字幕电影| 亚洲国产精品成人综合色| 日韩欧美国产在线观看| 欧美成人午夜精品| 男女做爰动态图高潮gif福利片| 岛国在线免费视频观看| 最近在线观看免费完整版| 久久热在线av| 两个人免费观看高清视频| 国产精品亚洲av一区麻豆| 国产乱人伦免费视频| 男女下面进入的视频免费午夜| 亚洲精品国产精品久久久不卡| 免费搜索国产男女视频| 欧洲精品卡2卡3卡4卡5卡区| 夜夜看夜夜爽夜夜摸| 国产午夜精品久久久久久| 午夜激情福利司机影院| 国产精品乱码一区二三区的特点| 在线观看一区二区三区| 1024视频免费在线观看| 欧美一级a爱片免费观看看 | 后天国语完整版免费观看| 色综合婷婷激情| 日韩成人在线观看一区二区三区| 嫩草影院精品99| 午夜老司机福利片| 亚洲成av人片在线播放无| 999精品在线视频| 琪琪午夜伦伦电影理论片6080| 国产日本99.免费观看| 久久精品亚洲精品国产色婷小说| 黄色女人牲交| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美日本视频| 美女大奶头视频| 色精品久久人妻99蜜桃| 最近最新中文字幕大全电影3| 国产99白浆流出| 亚洲国产欧美人成| 特大巨黑吊av在线直播| 不卡一级毛片| 精品久久久久久久毛片微露脸| 亚洲avbb在线观看| 国产成+人综合+亚洲专区| 国产三级在线视频| 久久久精品欧美日韩精品| 欧美成狂野欧美在线观看| 国产精品野战在线观看| 村上凉子中文字幕在线| 麻豆av在线久日| 波多野结衣巨乳人妻| 国产成人系列免费观看| 国产精品自产拍在线观看55亚洲| 久久草成人影院| 国产精品久久久久久久电影 | 又紧又爽又黄一区二区| 国产精品av久久久久免费| 特大巨黑吊av在线直播| 亚洲 欧美 日韩 在线 免费| 最近视频中文字幕2019在线8| 久久精品国产99精品国产亚洲性色| 白带黄色成豆腐渣| 日韩欧美一区二区三区在线观看| 国产成人aa在线观看| 欧美激情久久久久久爽电影| 久久久久久久久久黄片| 国产亚洲欧美98| 欧美成人午夜精品| 亚洲性夜色夜夜综合| 中出人妻视频一区二区| 一二三四在线观看免费中文在| 亚洲精品国产精品久久久不卡| 亚洲欧美精品综合久久99| 夜夜看夜夜爽夜夜摸| 99国产综合亚洲精品| 日韩欧美国产在线观看| 免费看a级黄色片| 国模一区二区三区四区视频 | 国产又黄又爽又无遮挡在线| 夜夜看夜夜爽夜夜摸| 99热只有精品国产| 夜夜夜夜夜久久久久| 久久国产精品影院| 国产精品日韩av在线免费观看| 亚洲av电影不卡..在线观看| 午夜视频精品福利| 国产精品精品国产色婷婷| 亚洲精品国产一区二区精华液| 黄色 视频免费看| 亚洲精品中文字幕一二三四区| 亚洲在线自拍视频| 国产精品久久久av美女十八| 午夜福利视频1000在线观看| 亚洲一区二区三区不卡视频| 久久久久久久久久黄片| 久久精品国产99精品国产亚洲性色| 亚洲电影在线观看av| 少妇裸体淫交视频免费看高清 | 午夜福利高清视频| 精品久久久久久久毛片微露脸| 狂野欧美激情性xxxx| 身体一侧抽搐| 免费搜索国产男女视频| 久久久精品大字幕| 成人三级黄色视频| 后天国语完整版免费观看| 欧美高清成人免费视频www| 国内揄拍国产精品人妻在线| 午夜激情福利司机影院| 欧美成人午夜精品| 最近视频中文字幕2019在线8| 欧美日韩亚洲国产一区二区在线观看| 精品国产超薄肉色丝袜足j| 欧美性猛交╳xxx乱大交人| 亚洲国产中文字幕在线视频| 欧美极品一区二区三区四区| 少妇粗大呻吟视频| 亚洲五月天丁香| 亚洲av成人一区二区三| 99热只有精品国产| www国产在线视频色| 身体一侧抽搐| 一级片免费观看大全| 亚洲精品av麻豆狂野| 亚洲欧美日韩无卡精品| 别揉我奶头~嗯~啊~动态视频| 成年版毛片免费区| 国产午夜精品久久久久久| 欧美日韩亚洲国产一区二区在线观看| 日本黄大片高清| 国产精品 国内视频| 精品国产乱子伦一区二区三区| www.自偷自拍.com| 1024视频免费在线观看| 在线国产一区二区在线| 精品乱码久久久久久99久播| 亚洲av电影不卡..在线观看| av天堂在线播放| 久久九九热精品免费| 激情在线观看视频在线高清| 露出奶头的视频| 国产又黄又爽又无遮挡在线| 欧美又色又爽又黄视频| 日本一二三区视频观看| 欧美性长视频在线观看| 国产黄a三级三级三级人| 欧美极品一区二区三区四区| 好男人电影高清在线观看| 在线观看免费日韩欧美大片| 韩国av一区二区三区四区| АⅤ资源中文在线天堂| 国内久久婷婷六月综合欲色啪| 久久久国产欧美日韩av| 99热6这里只有精品| 日本黄大片高清| 最近最新免费中文字幕在线| 99精品在免费线老司机午夜| 国产蜜桃级精品一区二区三区| 久久久久久亚洲精品国产蜜桃av| 精品国产超薄肉色丝袜足j| 久久人妻福利社区极品人妻图片| 看免费av毛片| 国产私拍福利视频在线观看| 国产v大片淫在线免费观看| 人人妻,人人澡人人爽秒播| 久久午夜亚洲精品久久| 一二三四在线观看免费中文在| 成人av一区二区三区在线看| 人成视频在线观看免费观看| 中文资源天堂在线| 久久久水蜜桃国产精品网| 中文在线观看免费www的网站 | 中文字幕精品亚洲无线码一区| 色哟哟哟哟哟哟| 国模一区二区三区四区视频 | avwww免费| 国产97色在线日韩免费| 欧美+亚洲+日韩+国产| 可以在线观看的亚洲视频| 国产午夜福利久久久久久| 欧美成人一区二区免费高清观看 | 熟女电影av网| 两个人视频免费观看高清| netflix在线观看网站| 老汉色av国产亚洲站长工具| 欧美久久黑人一区二区| 国产蜜桃级精品一区二区三区| 亚洲avbb在线观看| 97人妻精品一区二区三区麻豆| 国内精品久久久久久久电影| 999精品在线视频| 久久九九热精品免费| 精品少妇一区二区三区视频日本电影| 国产成人精品久久二区二区91| 国产伦一二天堂av在线观看| 亚洲av日韩精品久久久久久密| 国产精品电影一区二区三区| 亚洲熟妇中文字幕五十中出| 精品第一国产精品| 精品国产美女av久久久久小说| 又爽又黄无遮挡网站| 女人高潮潮喷娇喘18禁视频| 精品熟女少妇八av免费久了| 日本黄大片高清| 国产精华一区二区三区| 麻豆成人av在线观看| 一级片免费观看大全| 亚洲色图av天堂| 久久精品国产亚洲av高清一级| 老司机深夜福利视频在线观看| 久久中文字幕人妻熟女| 韩国av一区二区三区四区| 舔av片在线| 在线观看舔阴道视频| a级毛片a级免费在线| 久久久久久久久中文| 琪琪午夜伦伦电影理论片6080| 成人欧美大片| 日韩三级视频一区二区三区| 国产探花在线观看一区二区| 91麻豆精品激情在线观看国产| 精品久久久久久成人av| 男女下面进入的视频免费午夜| 色av中文字幕| 一区福利在线观看| 蜜桃久久精品国产亚洲av| 一区福利在线观看| 国产成人啪精品午夜网站| 亚洲精品久久成人aⅴ小说| 一卡2卡三卡四卡精品乱码亚洲| 国产一区在线观看成人免费| 亚洲第一欧美日韩一区二区三区| 少妇人妻一区二区三区视频| 成年女人毛片免费观看观看9| 美女大奶头视频| 久久久久国产一级毛片高清牌| 少妇人妻一区二区三区视频| 狂野欧美激情性xxxx| 啦啦啦免费观看视频1| 特大巨黑吊av在线直播| 日韩 欧美 亚洲 中文字幕| 亚洲avbb在线观看| 男女做爰动态图高潮gif福利片| 国内久久婷婷六月综合欲色啪| 色综合亚洲欧美另类图片| 欧美国产日韩亚洲一区| 欧美午夜高清在线| 两个人看的免费小视频| 99精品欧美一区二区三区四区| 亚洲人成网站高清观看| 哪里可以看免费的av片| 中文字幕高清在线视频| 欧美日韩中文字幕国产精品一区二区三区| 国产1区2区3区精品| 舔av片在线| 久久精品亚洲精品国产色婷小说| 在线观看美女被高潮喷水网站 | 日韩欧美在线乱码| 嫩草影院精品99| 一本大道久久a久久精品| 在线观看美女被高潮喷水网站 | 欧美乱码精品一区二区三区| 俄罗斯特黄特色一大片| 熟妇人妻久久中文字幕3abv| 久久精品国产亚洲av高清一级| 亚洲一区中文字幕在线| av超薄肉色丝袜交足视频| 中文亚洲av片在线观看爽| 久久性视频一级片| 两个人的视频大全免费| 非洲黑人性xxxx精品又粗又长| 亚洲乱码一区二区免费版| 首页视频小说图片口味搜索| 村上凉子中文字幕在线| 91麻豆av在线| 美女 人体艺术 gogo| 999久久久国产精品视频| 久久久精品国产亚洲av高清涩受| av天堂在线播放| 国产亚洲欧美98| 亚洲成人精品中文字幕电影| 国产v大片淫在线免费观看| 国产精品av视频在线免费观看| 国产又黄又爽又无遮挡在线| 十八禁网站免费在线| 国产1区2区3区精品| 国产精品av久久久久免费| 亚洲欧美日韩东京热| 精品久久久久久久末码| 午夜两性在线视频| 后天国语完整版免费观看| 亚洲专区中文字幕在线| 在线看三级毛片| 巨乳人妻的诱惑在线观看| 欧美另类亚洲清纯唯美| 少妇被粗大的猛进出69影院| 91大片在线观看| 亚洲精品国产精品久久久不卡| 久久精品国产综合久久久| 91av网站免费观看| 国产精品一区二区三区四区免费观看 | 免费在线观看黄色视频的| 日本五十路高清| 99久久综合精品五月天人人| 国产蜜桃级精品一区二区三区| xxx96com| 亚洲精品国产精品久久久不卡| 91九色精品人成在线观看| cao死你这个sao货| 精品一区二区三区视频在线观看免费| 免费在线观看黄色视频的| 午夜福利18| 亚洲男人的天堂狠狠| 国产91精品成人一区二区三区| 一级毛片精品| 亚洲七黄色美女视频| 国产精品亚洲一级av第二区| 精品熟女少妇八av免费久了| 最好的美女福利视频网| 校园春色视频在线观看| 久久天堂一区二区三区四区| 黄色毛片三级朝国网站| 99国产综合亚洲精品| 午夜激情av网站| 国产精华一区二区三区| 999久久久国产精品视频| 99在线视频只有这里精品首页| 动漫黄色视频在线观看| 国产成人av教育| 神马国产精品三级电影在线观看 | av福利片在线观看| 成人av在线播放网站| 在线视频色国产色| 丰满人妻熟妇乱又伦精品不卡| 男女床上黄色一级片免费看| 久久精品国产综合久久久| 国模一区二区三区四区视频 | avwww免费| 久久久精品大字幕| 亚洲性夜色夜夜综合| 国产乱人伦免费视频| 国产熟女午夜一区二区三区| 欧美日本亚洲视频在线播放| 亚洲国产精品久久男人天堂| 变态另类丝袜制服|