• <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
    人妻夜夜爽99麻豆av| 少妇裸体淫交视频免费看高清| 婷婷色综合大香蕉| 在线a可以看的网站| 在线观看人妻少妇| 最近2019中文字幕mv第一页| 天美传媒精品一区二区| 国产成人91sexporn| 插逼视频在线观看| 涩涩av久久男人的天堂| av女优亚洲男人天堂| 少妇裸体淫交视频免费看高清| 高清日韩中文字幕在线| 久久久亚洲精品成人影院| 成人高潮视频无遮挡免费网站| 观看免费一级毛片| 国产综合精华液| 精品久久久久久电影网| 亚洲av欧美aⅴ国产| 亚洲国产日韩一区二区| 国产日韩欧美在线精品| 干丝袜人妻中文字幕| 校园人妻丝袜中文字幕| 99久久中文字幕三级久久日本| 欧美亚洲 丝袜 人妻 在线| 欧美日本视频| 老师上课跳d突然被开到最大视频| 亚洲欧美一区二区三区国产| 欧美zozozo另类| 亚洲国产欧美人成| 日韩精品有码人妻一区| 国内精品美女久久久久久| 日韩成人伦理影院| 中文在线观看免费www的网站| 免费在线观看成人毛片| 少妇猛男粗大的猛烈进出视频 | 国产精品久久久久久av不卡| 五月玫瑰六月丁香| 午夜福利在线在线| 九九在线视频观看精品| 国产精品不卡视频一区二区| av黄色大香蕉| 久热久热在线精品观看| 男人爽女人下面视频在线观看| 六月丁香七月| 国产视频首页在线观看| 国内揄拍国产精品人妻在线| 欧美精品人与动牲交sv欧美| av在线亚洲专区| 精品视频人人做人人爽| 国产91av在线免费观看| 最近2019中文字幕mv第一页| 成人无遮挡网站| 久久99热这里只频精品6学生| 麻豆国产97在线/欧美| 亚洲国产精品专区欧美| 亚洲天堂av无毛| 日韩av在线免费看完整版不卡| 插逼视频在线观看| 女人久久www免费人成看片| kizo精华| 联通29元200g的流量卡| 亚洲天堂国产精品一区在线| 国产v大片淫在线免费观看| 亚洲精品成人av观看孕妇| 热99国产精品久久久久久7| 一个人观看的视频www高清免费观看| 在线观看国产h片| 午夜激情久久久久久久| 亚洲国产av新网站| 日韩欧美精品v在线| 欧美精品人与动牲交sv欧美| 国产有黄有色有爽视频| 伦精品一区二区三区| 成人午夜精彩视频在线观看| 国产亚洲av片在线观看秒播厂| 成人亚洲精品av一区二区| 欧美性感艳星| 汤姆久久久久久久影院中文字幕| 伦理电影大哥的女人| 亚洲精品一二三| av专区在线播放| 免费少妇av软件| 日本一本二区三区精品| 中文字幕人妻熟人妻熟丝袜美| 国产欧美日韩一区二区三区在线 | 香蕉精品网在线| 男人爽女人下面视频在线观看| 亚洲欧美清纯卡通| 国产免费视频播放在线视频| 一级二级三级毛片免费看| av一本久久久久| 一边亲一边摸免费视频| 各种免费的搞黄视频| 九九久久精品国产亚洲av麻豆| 亚洲成人中文字幕在线播放| 在线观看av片永久免费下载| 大话2 男鬼变身卡| 成人亚洲欧美一区二区av| 国产成人精品福利久久| 欧美激情久久久久久爽电影| 日韩,欧美,国产一区二区三区| av在线亚洲专区| 国产伦理片在线播放av一区| 国产午夜精品一二区理论片| 国产精品国产三级国产专区5o| 亚洲四区av| 热99国产精品久久久久久7| 午夜福利视频1000在线观看| 亚洲精品国产av成人精品| 欧美xxxx黑人xx丫x性爽| 嫩草影院入口| 天天躁日日操中文字幕| 69av精品久久久久久| 久久6这里有精品| 日韩成人av中文字幕在线观看| 午夜亚洲福利在线播放| 综合色丁香网| 在线观看美女被高潮喷水网站| 性插视频无遮挡在线免费观看| 国产成人aa在线观看| 国产成人精品一,二区| 亚洲经典国产精华液单| 亚洲精品视频女| 七月丁香在线播放| 69av精品久久久久久| 亚洲欧美日韩另类电影网站 | 日韩 亚洲 欧美在线| 国产淫片久久久久久久久| 久久久久久久亚洲中文字幕| 国产精品.久久久| 欧美三级亚洲精品| 国产精品成人在线| xxx大片免费视频| 国产男人的电影天堂91| 少妇的逼好多水| 男女边吃奶边做爰视频| 一级a做视频免费观看| 麻豆国产97在线/欧美| 国产亚洲午夜精品一区二区久久 | 日本一本二区三区精品| 一级爰片在线观看| 欧美一级a爱片免费观看看| 国产色婷婷99| 成人欧美大片| 久久这里有精品视频免费| 成人欧美大片| 赤兔流量卡办理| 熟女av电影| 中国美白少妇内射xxxbb| 日日摸夜夜添夜夜添av毛片| 熟女av电影| 日韩,欧美,国产一区二区三区| 天天一区二区日本电影三级| 岛国毛片在线播放| 人人妻人人澡人人爽人人夜夜| 久久久久久久久久久免费av| 国产精品一区二区在线观看99| 免费av不卡在线播放| .国产精品久久| 精品国产露脸久久av麻豆| 亚洲欧美精品自产自拍| 三级国产精品欧美在线观看| 我的老师免费观看完整版| av网站免费在线观看视频| 国产乱人视频| 自拍偷自拍亚洲精品老妇| 精华霜和精华液先用哪个| 日韩精品有码人妻一区| 高清日韩中文字幕在线| 亚洲av福利一区| 麻豆国产97在线/欧美| 激情 狠狠 欧美| 色视频在线一区二区三区| 国产高清有码在线观看视频| 少妇猛男粗大的猛烈进出视频 | 国产欧美亚洲国产| 久久女婷五月综合色啪小说 | 一区二区av电影网| 少妇人妻 视频| 爱豆传媒免费全集在线观看| 97超视频在线观看视频| 在线观看三级黄色| av一本久久久久| 嫩草影院新地址| 欧美日韩国产mv在线观看视频 | 国内精品宾馆在线| 日韩 亚洲 欧美在线| 欧美丝袜亚洲另类| 成年免费大片在线观看| 亚洲精品国产av蜜桃| 又爽又黄a免费视频| 日韩电影二区| 色5月婷婷丁香| 看十八女毛片水多多多| 永久网站在线| 日本与韩国留学比较| 精品国产三级普通话版| 一级毛片 在线播放| 一级a做视频免费观看| 天美传媒精品一区二区| 好男人视频免费观看在线| 国产精品嫩草影院av在线观看| 久久精品久久久久久久性| 亚洲国产精品国产精品| 80岁老熟妇乱子伦牲交| 伊人久久精品亚洲午夜| 一区二区三区免费毛片| 男人和女人高潮做爰伦理| 成人鲁丝片一二三区免费| 亚洲av在线观看美女高潮| 久久精品熟女亚洲av麻豆精品| 亚洲性久久影院| 欧美最新免费一区二区三区| 国产免费一级a男人的天堂| 2021天堂中文幕一二区在线观| 一区二区av电影网| 国产成人福利小说| 久久97久久精品| 精品人妻熟女av久视频| 久久久久久久国产电影| 夜夜爽夜夜爽视频| 搞女人的毛片| 大陆偷拍与自拍| 男女边摸边吃奶| 一区二区av电影网| 久久久久久久午夜电影| 91精品伊人久久大香线蕉| 亚洲成人久久爱视频| 久久久久久久大尺度免费视频| 黄色欧美视频在线观看| 日韩,欧美,国产一区二区三区| 1000部很黄的大片| 久久精品国产自在天天线| 大片电影免费在线观看免费| 一区二区三区四区激情视频| 精品一区二区三区视频在线| 中文字幕制服av| 欧美变态另类bdsm刘玥| 国产高清不卡午夜福利| 亚洲精品亚洲一区二区| 亚洲怡红院男人天堂| 国产高清国产精品国产三级 | 六月丁香七月| 99热6这里只有精品| 亚洲美女搞黄在线观看| 国产午夜精品一二区理论片| 色网站视频免费| 国产真实伦视频高清在线观看| 日日摸夜夜添夜夜爱| 国产视频内射| 成年女人在线观看亚洲视频 | 免费看av在线观看网站| 高清午夜精品一区二区三区| 亚洲欧洲日产国产| 乱系列少妇在线播放| 欧美+日韩+精品| 一区二区av电影网| 国产片特级美女逼逼视频| 精品一区二区三卡| 亚洲电影在线观看av| 亚州av有码| 国产高清有码在线观看视频| 精品人妻一区二区三区麻豆| 久久热精品热| 观看美女的网站| 亚洲美女搞黄在线观看| 日本黄大片高清| 大片电影免费在线观看免费| 国产精品久久久久久精品古装| 欧美激情久久久久久爽电影| 国产精品一及| 久久久色成人| 国产精品人妻久久久久久| eeuss影院久久| 一本久久精品| 国产乱人偷精品视频| 在线看a的网站| 日韩制服骚丝袜av| 久久午夜福利片| 久久精品久久久久久久性| 伦精品一区二区三区| 五月伊人婷婷丁香| 日韩欧美精品免费久久| 最近的中文字幕免费完整| 欧美高清性xxxxhd video| 日韩一区二区视频免费看| 伦理电影大哥的女人| 91午夜精品亚洲一区二区三区| 日韩不卡一区二区三区视频在线| 国产精品三级大全| 久久韩国三级中文字幕| 最近的中文字幕免费完整| 高清在线视频一区二区三区| 少妇的逼水好多| 亚洲成人av在线免费| 男人舔奶头视频| 丰满人妻一区二区三区视频av| 我要看日韩黄色一级片| 午夜激情福利司机影院| 亚洲人成网站高清观看| 亚洲最大成人中文| 日韩av在线免费看完整版不卡| 久久久成人免费电影| 久久ye,这里只有精品| 大香蕉97超碰在线| 欧美成人精品欧美一级黄| 成人一区二区视频在线观看| 国产黄片美女视频| 国产精品福利在线免费观看| 日本猛色少妇xxxxx猛交久久| 精品久久久久久久末码| 成人二区视频| 80岁老熟妇乱子伦牲交| 日本免费在线观看一区| 又大又黄又爽视频免费| 美女xxoo啪啪120秒动态图| 久久久久精品性色| 亚洲天堂国产精品一区在线| 伊人久久精品亚洲午夜| 亚洲精品视频女| 午夜激情久久久久久久| 能在线免费看毛片的网站| 国产v大片淫在线免费观看| 看黄色毛片网站| 成人毛片60女人毛片免费| 日韩制服骚丝袜av| 美女被艹到高潮喷水动态| 十八禁网站网址无遮挡 | 午夜福利视频精品| 日本黄色片子视频| 亚洲人成网站在线观看播放| 亚洲欧美精品自产自拍| 久久久成人免费电影| av在线播放精品| 日韩一区二区三区影片| 久久这里有精品视频免费| 亚洲第一区二区三区不卡| 日韩制服骚丝袜av| 亚洲色图综合在线观看| 麻豆乱淫一区二区| 国产在线男女| 日韩欧美 国产精品| 成人国产av品久久久| 久久人人爽av亚洲精品天堂 | 久久久久久久大尺度免费视频| 国产成人aa在线观看| 欧美3d第一页| 秋霞伦理黄片| 成年女人看的毛片在线观看| 亚洲成人中文字幕在线播放| 国国产精品蜜臀av免费| 国产精品爽爽va在线观看网站| 免费观看的影片在线观看| 国产一级毛片在线| 赤兔流量卡办理| 插逼视频在线观看| 久久精品国产自在天天线| 91久久精品国产一区二区三区| 久久久久精品性色| 久久久久久久大尺度免费视频| 国产探花极品一区二区| 一级毛片久久久久久久久女| 亚洲精品成人久久久久久| 超碰av人人做人人爽久久| 国产老妇伦熟女老妇高清| 久久久a久久爽久久v久久| 国产熟女欧美一区二区| 九九久久精品国产亚洲av麻豆| 91久久精品国产一区二区成人| 男人狂女人下面高潮的视频| 亚洲欧美成人精品一区二区| 久久精品人妻少妇| 国产成人福利小说| 国产片特级美女逼逼视频| 可以在线观看毛片的网站| 国产熟女欧美一区二区| 七月丁香在线播放| 一区二区三区乱码不卡18| 国产免费又黄又爽又色| 精品人妻一区二区三区麻豆| 网址你懂的国产日韩在线| 精品久久久久久电影网| 婷婷色综合www| 高清毛片免费看| 亚洲精品亚洲一区二区| 丝袜美腿在线中文| 欧美一级a爱片免费观看看| 2022亚洲国产成人精品| 免费观看性生交大片5| av在线老鸭窝| 中文天堂在线官网| 嫩草影院精品99| 晚上一个人看的免费电影| 欧美激情久久久久久爽电影| 只有这里有精品99| 欧美日韩视频高清一区二区三区二| 一级av片app| 欧美潮喷喷水| 久久久午夜欧美精品| 日韩成人av中文字幕在线观看| 久久99热6这里只有精品| 久久亚洲国产成人精品v| 亚洲成人精品中文字幕电影| 性色avwww在线观看| 欧美潮喷喷水| 国产精品福利在线免费观看| 久久6这里有精品| 欧美成人午夜免费资源| 国产熟女欧美一区二区| 国产精品爽爽va在线观看网站| 一级av片app| 久久女婷五月综合色啪小说 | 久久久久久久午夜电影| 日韩一区二区三区影片| 欧美激情国产日韩精品一区| 少妇丰满av| 大香蕉97超碰在线| 久久精品熟女亚洲av麻豆精品| 国产爱豆传媒在线观看| 在线观看国产h片| 成人二区视频| 99精国产麻豆久久婷婷| 免费播放大片免费观看视频在线观看| 一区二区三区乱码不卡18| 午夜免费观看性视频| 中文欧美无线码| 国产免费一区二区三区四区乱码| 日韩视频在线欧美| 日韩人妻高清精品专区| 欧美一区二区亚洲| 亚洲精品国产av蜜桃| 美女脱内裤让男人舔精品视频| 少妇的逼好多水| 91精品国产九色| 成人毛片a级毛片在线播放| 亚洲色图综合在线观看| 成年av动漫网址| 日本-黄色视频高清免费观看| 一级毛片久久久久久久久女| 日韩欧美一区视频在线观看 | 久久精品国产a三级三级三级| 国产精品久久久久久久电影| 久久精品综合一区二区三区| 久久99热6这里只有精品| .国产精品久久| 男女国产视频网站| 国产91av在线免费观看| 欧美精品一区二区大全| 亚洲av电影在线观看一区二区三区 | 国产精品久久久久久精品电影小说 | 一级毛片我不卡| 日韩欧美一区视频在线观看 | 少妇人妻精品综合一区二区| 看免费成人av毛片| 自拍欧美九色日韩亚洲蝌蚪91 | 22中文网久久字幕| 亚洲色图综合在线观看| 国产伦精品一区二区三区四那| 色婷婷久久久亚洲欧美| 成人鲁丝片一二三区免费| .国产精品久久| 有码 亚洲区| 晚上一个人看的免费电影| 午夜福利在线观看免费完整高清在| 亚洲最大成人av| av线在线观看网站| 22中文网久久字幕| 毛片一级片免费看久久久久| 18+在线观看网站| www.色视频.com| 免费黄色在线免费观看| 成年版毛片免费区| 成人漫画全彩无遮挡| 久久精品熟女亚洲av麻豆精品| 国产精品国产三级国产av玫瑰| 中文字幕亚洲精品专区| 亚洲精品自拍成人| 女人十人毛片免费观看3o分钟| 搞女人的毛片| 校园人妻丝袜中文字幕| 国产精品人妻久久久久久| 亚洲av男天堂| 国产精品伦人一区二区| av.在线天堂| 亚洲av电影在线观看一区二区三区 | 国产 一区 欧美 日韩| 久久久午夜欧美精品| 春色校园在线视频观看| 成人高潮视频无遮挡免费网站| 777米奇影视久久| 久久久久久久大尺度免费视频| 在线观看av片永久免费下载| 亚洲婷婷狠狠爱综合网| 日韩成人伦理影院| 我的女老师完整版在线观看| 麻豆精品久久久久久蜜桃| 欧美日韩一区二区视频在线观看视频在线 | 亚洲av男天堂| 欧美3d第一页| 日韩欧美 国产精品| 久久韩国三级中文字幕| 国产成人午夜福利电影在线观看| 99热网站在线观看| 久久精品久久久久久久性| 日本黄大片高清| 大片免费播放器 马上看| 色5月婷婷丁香| 欧美精品国产亚洲| 香蕉精品网在线| 久久久久久九九精品二区国产| 六月丁香七月| 尾随美女入室| 一级片'在线观看视频| 蜜桃久久精品国产亚洲av| 国产极品天堂在线| 久久久久九九精品影院| 特级一级黄色大片| 中文精品一卡2卡3卡4更新| 女的被弄到高潮叫床怎么办| 亚洲精品日韩在线中文字幕| 一级毛片我不卡| 免费大片黄手机在线观看| 亚洲精品国产色婷婷电影| 涩涩av久久男人的天堂| 日韩欧美精品v在线| 国产黄色视频一区二区在线观看| 久久女婷五月综合色啪小说 | 亚洲精品日本国产第一区| 大香蕉久久网| 在线观看国产h片| 精品视频人人做人人爽| 99久久精品热视频| 香蕉精品网在线| 日韩亚洲欧美综合| 十八禁网站网址无遮挡 | 国产亚洲av片在线观看秒播厂| 美女主播在线视频| 麻豆精品久久久久久蜜桃| 国产高潮美女av| 亚洲综合精品二区| 免费大片黄手机在线观看| 听说在线观看完整版免费高清| 久久精品熟女亚洲av麻豆精品| 亚洲av男天堂| 国产爽快片一区二区三区| 免费高清在线观看视频在线观看| 国产精品久久久久久精品电影小说 | 国产中年淑女户外野战色| 免费观看在线日韩| 午夜福利视频精品| 特级一级黄色大片| 中国国产av一级| 波多野结衣巨乳人妻| av又黄又爽大尺度在线免费看| 又爽又黄a免费视频| eeuss影院久久| 成人二区视频| 免费看a级黄色片| 少妇熟女欧美另类| 欧美亚洲 丝袜 人妻 在线| 狂野欧美白嫩少妇大欣赏| 亚洲一区二区三区欧美精品 | 永久免费av网站大全| 在线免费十八禁| 国产乱人视频| 亚洲人与动物交配视频| 国产乱人视频| 久久久久性生活片| 亚洲真实伦在线观看| 韩国av在线不卡| 亚洲精品久久久久久婷婷小说| 国产乱来视频区| 欧美亚洲 丝袜 人妻 在线| 99热这里只有是精品在线观看| 午夜福利在线在线| 国产人妻一区二区三区在| 制服丝袜香蕉在线| 午夜福利视频1000在线观看| 夜夜看夜夜爽夜夜摸| 97热精品久久久久久| videos熟女内射| 久久久久久伊人网av| 尤物成人国产欧美一区二区三区| 免费av毛片视频| 观看免费一级毛片| 国产精品三级大全| 伦精品一区二区三区| 丝袜美腿在线中文| 国产老妇女一区| 好男人在线观看高清免费视频| 国产精品国产三级专区第一集| 超碰97精品在线观看| 免费高清在线观看视频在线观看| 久久精品国产亚洲网站| 国产黄频视频在线观看| 成人鲁丝片一二三区免费| 婷婷色综合大香蕉| 亚洲久久久久久中文字幕| 日韩制服骚丝袜av| videos熟女内射| 精品午夜福利在线看| 男女无遮挡免费网站观看| 男女边吃奶边做爰视频| 国产精品人妻久久久久久| 一级毛片电影观看| av在线亚洲专区| 天美传媒精品一区二区| 久久久久国产网址| 国产精品久久久久久av不卡| 国产熟女欧美一区二区| 亚洲精品日本国产第一区| 日韩一本色道免费dvd| 成年免费大片在线观看| 少妇丰满av|