• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于近紅外光譜與隨機(jī)青蛙算法的褐變板栗識(shí)別

    2016-04-27 10:26:55仲山民曾松偉浙江農(nóng)林大學(xué)農(nóng)業(yè)與食品科學(xué)學(xué)院浙江臨安311300浙江農(nóng)林大學(xué)浙江省農(nóng)產(chǎn)品品質(zhì)改良技術(shù)研究重點(diǎn)實(shí)驗(yàn)室浙江臨安311300浙江農(nóng)林大學(xué)信息工程學(xué)院浙江臨安311300浙江農(nóng)林大學(xué)浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室浙江臨安311300浙江農(nóng)林大學(xué)智慧農(nóng)林業(yè)研究中心浙江臨安311300
    關(guān)鍵詞:褐變板栗波長

    鄭 劍,周 竹,仲山民,曾松偉(1.浙江農(nóng)林大學(xué)農(nóng)業(yè)與食品科學(xué)學(xué)院,浙江臨安311300;2.浙江農(nóng)林大學(xué)浙江省農(nóng)產(chǎn)品品質(zhì)改良技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,浙江臨安311300;3.浙江農(nóng)林大學(xué)信息工程學(xué)院,浙江臨安311300;4.浙江農(nóng)林大學(xué)浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,浙江臨安311300;5.浙江農(nóng)林大學(xué)智慧農(nóng)林業(yè)研究中心,浙江臨安311300)

    ?

    基于近紅外光譜與隨機(jī)青蛙算法的褐變板栗識(shí)別

    鄭劍1,2,周竹3,4,5,仲山民1,2,曾松偉3,4,5
    (1.浙江農(nóng)林大學(xué)農(nóng)業(yè)與食品科學(xué)學(xué)院,浙江臨安311300;2.浙江農(nóng)林大學(xué)浙江省農(nóng)產(chǎn)品品質(zhì)改良技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,浙江臨安311300;3.浙江農(nóng)林大學(xué)信息工程學(xué)院,浙江臨安311300;4.浙江農(nóng)林大學(xué)浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點(diǎn)實(shí)驗(yàn)室,浙江臨安311300;5.浙江農(nóng)林大學(xué)智慧農(nóng)林業(yè)研究中心,浙江臨安311300)

    摘要:為了實(shí)現(xiàn)板栗Castanea mollissima的快速自動(dòng)分選,研究了基于近紅外光譜技術(shù)的褐變板栗無損檢測方法。首先采用AntarisⅡ傅里葉變換近紅外光譜儀獲取70個(gè)正常板栗和110個(gè)褐變板栗的近紅外光譜(1 000.00~2500.00 nm),比較了不同光譜預(yù)處理方法對褐變板栗識(shí)別的影響,隨后采用一種新的變量選擇方法即隨機(jī)青蛙算法(Random Frog)提取與板栗褐變相關(guān)的特征波長變量,最后基于特征波長建立和比較了褐變板栗識(shí)別的偏最小二乘-線性判別分析模型(PLS-LDA)和最小二乘-支持向量機(jī)(LS-SVM)模型。結(jié)果顯示:經(jīng)標(biāo)準(zhǔn)正態(tài)變量變換(SNV)預(yù)處理和隨機(jī)青蛙算法優(yōu)選的23個(gè)特征波長所建LS-SVM模型的性能最優(yōu),該模型對測試集的敏感性、特異性和識(shí)別正確率分別為0.92,1.00和95.00%。隨機(jī)青蛙算法可以有效篩選重要的特征變量,不僅能簡化模型,而且可以提高識(shí)別準(zhǔn)確率和識(shí)別速度。圖4表3參22

    關(guān)鍵詞:經(jīng)濟(jì)林學(xué);近紅外光譜;褐變;隨機(jī)青蛙算法;最小二乘-支持向量機(jī);偏最小二乘-線性判別分析;板栗

    板栗Castanea mollissima味道香甜,營養(yǎng)豐富,是良好的營養(yǎng)保健品。然而,板栗在儲(chǔ)藏和加工過程中常常會(huì)發(fā)生果肉褐變,嚴(yán)重影響產(chǎn)品的品質(zhì)、風(fēng)味和營養(yǎng)成分,降低了產(chǎn)品的經(jīng)濟(jì)價(jià)值。因此,快速準(zhǔn)確檢測褐變板栗對于板栗的儲(chǔ)藏與深加工具有重要的意義。近紅外光譜技術(shù)(NIRS)可利用近紅外光譜區(qū)域(780~2 500 nm)的全譜或部分波段光譜對被測物進(jìn)行定量或定性分析。因其快速、無損等優(yōu)點(diǎn),在肉類[1-2]、果蔬[3-6]等農(nóng)產(chǎn)品品質(zhì)檢測中得到了廣泛的研究。在板栗品質(zhì)檢測方面,周竹等[7-9]、Moscetti等[10-11]研究了帶殼霉變、蟲害板栗的近紅外光譜定性檢測方法;劉潔等[12-13]、傅誼等[14]建立了板栗中水分、蛋白質(zhì)等含量的近紅外光譜模型。以上研究為板栗褐變的近紅外光譜檢測奠定了基礎(chǔ)。然而,近紅外光譜通常包含1 000.00~2 000.00 nm多個(gè)波長點(diǎn)的光譜數(shù)據(jù),利用全波段數(shù)據(jù)建模分析時(shí),光譜中的大量冗余信息會(huì)使建模計(jì)算工作量大,時(shí)間花費(fèi)長。此外,由于變量間的強(qiáng)相關(guān)性,并非所有波長都能提供有用信息。周竹等[7-8]前期采用傅里葉變換、主成分分析等方法提取少數(shù)特征量建立了霉變板栗識(shí)別模型,但傅里葉系數(shù)、主成分得分均難以直觀表征正常、褐變板栗光譜。已有的研究表明:對波長變量進(jìn)行優(yōu)選,一方面可以剔除不相關(guān)變量,在簡化模型的同時(shí),還可提高模型的預(yù)測精度以及穩(wěn)健性[15];另一方面可以根據(jù)獲取的特征波長設(shè)計(jì)便攜式在線檢測儀器,從而有效降低成本。本研究提出采用近紅外光譜技術(shù)檢測褐變板栗,擬采用一種最新的變量提取算法——隨機(jī)青蛙算法(Random-Frog,RF)尋找區(qū)分褐變板栗與正常板栗的有效光譜波長,并采用線性建模方法偏最小二乘-線性判別分析(partial least squares-linear discriminant analysis,PLS-LDA)和非線性判別方法最小二乘-支持向量機(jī)(least squares-support vector machine,LS-SVM)建立褐變板栗識(shí)別模型,且與全波段所建模型進(jìn)行比較,以期確定最優(yōu)的板栗褐變檢測方法與模型,為褐變板栗的快速準(zhǔn)確識(shí)別提供方法與技術(shù)支撐。

    1 材料與方法

    1.1試驗(yàn)材料

    供試板栗品種為浙江省主栽品種毛板紅,產(chǎn)自浙江省麗水市,購于農(nóng)貿(mào)批發(fā)市場。剔除蟲害板栗,選取大小均勻的板栗仁,將其標(biāo)號(hào)放置在4~6℃冷庫中2個(gè)月,隨后取出在室溫下放置10 d,至部分板栗仁內(nèi)部出現(xiàn)不同程度的褐變,選取供實(shí)驗(yàn)板栗仁180個(gè)。

    1.2試驗(yàn)儀器

    采用AntarisⅡ傅里葉變換近紅外光譜儀(Thermo Scientific Co.,美國)對板栗果仁進(jìn)行光譜采集。該儀器使用InGaAs檢測器,內(nèi)置參比背景,光源為25 W鹵素?zé)簦▋x器標(biāo)配)。通過漫反射式積分球附件進(jìn)行光譜采集。光譜掃描范圍設(shè)置為1 000.00~2 500.00 nm,掃描次數(shù)為32次,分辨率為8.0 cm-1。選擇栗仁平整的面作為光譜采集面[8,11],平面中心以及4個(gè)方位上等距的區(qū)域作為光譜采樣點(diǎn)。采集5個(gè)·樣本-1標(biāo)記部位的光譜,并將其平均光譜作為該樣品的原始光譜。

    1.3栗仁褐變評價(jià)

    光譜采集完成后,在平行采集面8.0 mm的位置切開板栗,以判斷是否褐變及褐變程度。將板栗剖面置于A4打印紙上,采用Canon 5D3數(shù)碼相機(jī)(分辨率5 184×3 456)對被切剖面拍照,拍照時(shí)使剖面正對鏡頭。圖片通過ENVI 4.7(Research System Inc.,美國)選擇感興趣區(qū)域進(jìn)行處理,計(jì)算褐變面積比(褐變面積占整個(gè)剖面面積的比例)。

    1.4特征波段選擇方法

    采用隨機(jī)青蛙算法(random-frog)進(jìn)行特征波長選擇。隨機(jī)青蛙算法是一種最新的變量選擇方法,由LI等[16]提出并用于疾病的基因表達(dá)數(shù)據(jù)分析。該方法是一種類似于可逆跳轉(zhuǎn)馬爾科夫鏈蒙特卡洛(reversible jump Markov chain Monte Carlo, RJMCMC)的算法,通過在模型空間中模擬一條服從穩(wěn)態(tài)分布的馬爾科夫鏈,來計(jì)算每個(gè)變量的被選概率,從而用于評價(jià)變量的重要性[16]。本研究中,將隨機(jī)青蛙算法與PLS-LDA算法相結(jié)合,探尋褐變板栗識(shí)別的特征波段,其具體步驟為[17]:1)初始化參數(shù):n為迭代次數(shù),設(shè)為10 000;q為初始變量集v0的變量個(gè)數(shù),為1~1 557任意數(shù),默認(rèn)值為2;θ為正態(tài)分布方差控制因子,默認(rèn)值為0.3;ω為比例因子,用于控制候選變量個(gè)數(shù),默認(rèn)值為3;η是否接受建模結(jié)果差于v0的新變量集V*的概率上界,默認(rèn)值為0.1。2)隨機(jī)選擇包含q個(gè)變量的初始變量集合為v0,并定義包含所有1 557個(gè)變量的集合為v。3)從均值為q,標(biāo)準(zhǔn)偏差為θq的正態(tài)分布中產(chǎn)生隨機(jī)數(shù)并就近圓整為q*,分情況構(gòu)造一個(gè)含有q*個(gè)變量的候選變量子集v*:①若q*=q,則v*= v;②若q*<q,先用變量集v0建立PLS-LDA模型,得到各變量回歸系數(shù),然后將回歸系數(shù)絕對值最小的q-q*個(gè)變量從v0中去掉,則剩余的q*個(gè)變量構(gòu)成v*;③若q*>q,先從v-v0中隨機(jī)選擇ω(q*-q)個(gè)變量,構(gòu)成新變量集t,然后將t與v0組合建立PLS-LDA模型,得到每個(gè)變量的回歸系數(shù),隨后將回歸系數(shù)絕對值最大的q*個(gè)變量挑選出來構(gòu)成v*。4)v*確定后,要決定是否接受v*。分別計(jì)算用v0和v*建立PLS-LDA模型的預(yù)測誤差,記為e0和e*。若e*≤e0,接受v*并令v1=v*;否則,以ηErr0/Err*的概率接受v*且令v1=v*。用v1代替v0,返回2)進(jìn)行下一次迭代,直到完成n次迭代。5)n次迭代后,得到n個(gè)變量子集。變量i的被選頻次記為ni,依公式計(jì)算該變量的選擇概率Pi:

    式(1)中:i=1,2,…,1 557。變量對模型越重要,其被選概率越大,因此,可將所有變量的被選概率排序,選出概率較大的一些變量作為特征波長。

    1.5建模方法

    采用PLS-LDA和LSSVM建立栗仁褐變識(shí)別模型。PLS-LDA是偏最小二乘法與線性判別分析方法的有效結(jié)合,該方法先利用PLS算法對光譜矩陣和類別屬性進(jìn)行分解,得到光譜矩陣的得分向量,然后將得分向量與類別屬性做線性判別分析,建立判別模型[18]。如利用n個(gè)PLS得分向量建立PLS-LDA模型,則其判別方程為:

    式(2)中:s=[s1,s2,…,sn]為PLS得分向量,α1,α2,…,αn是判別系數(shù),c為常數(shù)。

    在PLS-LDA建模過程中,采用蒙特卡洛交互檢驗(yàn)[19]來確定最優(yōu)主成分?jǐn)?shù)。蒙特卡洛交互檢驗(yàn)的取樣比率為0.75,模擬次數(shù)為2 000。LS-SVM是對經(jīng)典支持向量機(jī)(SVM)的一種改進(jìn),該方法采用最小二乘線性系統(tǒng)作為損失函數(shù),以求解一組線性方程代替經(jīng)典SVM中較為復(fù)雜的2次規(guī)劃問題,從而降低了計(jì)算復(fù)雜性,具有學(xué)習(xí)速度快,泛化性好等特點(diǎn)[20]。該方法用非線性映射將輸入?yún)?shù)映射到高維特征空間,在此空間構(gòu)造最優(yōu)決策函數(shù),并基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則確定決策函數(shù)參數(shù)[21]。該方法中的核函數(shù)是高維特征空間的內(nèi)積,只要滿足Mercer條件的函數(shù)均可作為核函數(shù),其常用的4個(gè)核函數(shù)中,徑向基核函數(shù)(RBF)應(yīng)用最廣泛,故該文采用RBF核函數(shù)作為LS-SVM分類器的核函數(shù),并以留一交叉驗(yàn)證法結(jié)合網(wǎng)格搜索(grid search)策略來確定懲罰因子c以及RBF核函數(shù)參數(shù)g。

    1.6模型評價(jià)

    模型的評價(jià)指標(biāo)為敏感性、特異性、預(yù)測總正確率。其定義如式(3)~式(5)所示。

    式(3)~式(5)中:tP,tN,fP,fN分別表示真陽性、真陰性、假陽性和假陰性。試驗(yàn)中規(guī)定陽性和陰性分別代表褐變板栗和正常板栗。敏感性、特異性以及總正確率越高,說明所建模型性能越好。

    所有程序均在Matlab 2010a(The MathWorks Inc.,美國)上運(yùn)行實(shí)現(xiàn)。

    2 結(jié)果與分析

    2.1栗仁褐變的評價(jià)結(jié)果

    試驗(yàn)共使用板栗樣本180個(gè)。表1給出了試樣的形態(tài)學(xué)參數(shù)。從表1中可以看出:試樣的各項(xiàng)形態(tài)學(xué)指標(biāo)均在正常的分布范圍內(nèi),具有一定的代表性。通過切剖觀察,最終確認(rèn)110個(gè)樣本褐變,褐變面積比例范圍為0.16%~49.43%。圖1為典型樣本的剖面圖。圖2為110個(gè)褐變樣本的褐變程度分布。從圖1和圖2中可以看出:試驗(yàn)中包含了不同褐變程度的樣本且褐變程度范圍較廣,因此,試樣的光譜數(shù)據(jù)具有很強(qiáng)的代表性。將所有褐變樣本依據(jù)褐變面積比梯度以2∶1比例進(jìn)行劃分,而正常栗仁樣本則以2∶1比例隨機(jī)劃分,最終組成校正集的正常、褐變樣本數(shù)分別為47個(gè)和73個(gè),組成測試集的正常、褐變樣本數(shù)分別為23個(gè)和37個(gè)。

    表1 樣本的形態(tài)學(xué)參數(shù)描述Table 1 Morphological properties of the samples

    圖1 板栗樣本Figure 1 Chestnut samples

    圖2 栗仁褐變樣本的褐變程度分布圖Figure 2 Histogram of brown chestnut in various degrees

    圖3 栗仁原始光譜Figure 3 Spectra of peeled chestnut

    2.2栗仁的光譜分析

    圖3為正常栗仁和不同程度褐變栗仁的原始光譜。從圖3中可以看出:栗仁光譜在1 200.00,1 450.00和1 940.00 nm處均有明顯的吸收峰,在1 780.00 nm處略有波峰。在栗仁譜圖中,1 200.00 nm左右區(qū)域?yàn)榧谆蛠喖谆蠧—H鍵二級倍頻的特征吸收譜帶,1 450.00 nm附近區(qū)域包含了水分和糖分中O—H基團(tuán)伸縮振動(dòng)的一級倍頻信息,1 940.00 nm為水分中O—H鍵伸縮振動(dòng)和彎曲振動(dòng)的組合頻帶特征譜帶,1 780.00 nm則分別反映了糖分中C—H鍵的一級倍頻和蛋白質(zhì)中N—H鍵的組合頻信息[22]。從圖3中還可以看出:不同褐變程度的板栗的原始光譜圖趨勢基本相似,沒有太大的差別,即隨著褐變程度的增加,吸收峰高沒有呈現(xiàn)出規(guī)律性的變化,難以從圖譜的表面提取褐變果仁的特征指紋。因此,需要進(jìn)一步結(jié)合化學(xué)計(jì)量學(xué)方法對光譜進(jìn)行分析處理,以便建立板栗果仁褐變的鑒別模型。

    2.3光譜預(yù)處理方法的確定

    受儀器、樣品以及光譜采集環(huán)境等因素的影響,近紅外光譜中常出現(xiàn)噪聲、譜圖基線漂移和平移等現(xiàn)象,為了消除上述因素的影響,應(yīng)對原始光譜(none)進(jìn)行預(yù)處理。采用標(biāo)準(zhǔn)正態(tài)變量變換(SNV),去趨勢變換(detrend),一階導(dǎo)數(shù)(FD),二階導(dǎo)數(shù)(SD),多元散射校正(MSC)等方法對原始光譜進(jìn)行預(yù)處理并采用PLS-LDA建立判別模型,結(jié)果如表2所示。由表2可知:SNV預(yù)處理建立的PLS-LDA模型最優(yōu),該模型對校正集、測試集的敏感性分別為0.90以及0.92,均明顯高于一階導(dǎo)數(shù)、二階導(dǎo)數(shù),多元散射校正等光譜預(yù)處理方法的模型;對校正集的特異性均為1.00,也高于一階導(dǎo)數(shù)、二階導(dǎo)數(shù),多元散射校正等光譜預(yù)處理方法的模型;對校正集、測試集樣本識(shí)別的準(zhǔn)確率分別為94.13%和95.00%,高于其他幾種光譜預(yù)處理方法。這表明SNV預(yù)處理有利于減弱因受儀器、樣品以及光譜采集環(huán)境等因素引起的噪聲干擾,可以增強(qiáng)模型的預(yù)測能力和穩(wěn)健性。因此,在下文均采用SNV處理后的光譜進(jìn)行分析。

    表2 不同光譜預(yù)處理下全波段PLS-LDA模型的結(jié)果Table 2 Classification results based on PLS-LDA with different preprocessing methods and full wavelengths

    2.4特征波長的選擇

    采用隨機(jī)青蛙算法(random-frog)對全波段光譜進(jìn)行特征變量選擇。由于隨機(jī)青蛙算法是基于蒙特卡洛(MC)思想,每次運(yùn)行的結(jié)果略有差異。為了減少隨機(jī)因素的影響,需多次運(yùn)行,并對結(jié)果進(jìn)行統(tǒng)計(jì)。該研究共運(yùn)行隨機(jī)青蛙算法100次,以100次運(yùn)行結(jié)果的平均值作為最終特征波長選擇的依據(jù),其結(jié)果如圖4所示。由圖4可知:大部分變量的被選擇概率都比較小,只有小部分變量的概率比較大。將所有變量的被選概率進(jìn)行排序,以0.1為閾值,選擇出概率最大的前23個(gè)變量作為特征波長,依次為1 078.06,1 028.45,1 029.68,1 081.21,1 077.61,1 183.90,1 029.27,1 020.36,1 080.76,1 145.20,1 183.36,1 124.34,1 119.97,1 032.96,1 121.42,1 032.96,1 098.62,1 028.05,1 162.66,1 120.94,1 145.71和1 182.82 nm,如圖3所示。在1 020.00~1 200.00 nm波段范圍內(nèi),1 020.00 nm附近為蛋白質(zhì)中N—H鍵伸縮振動(dòng)的一級倍頻帶,1 030.00,1 060.00 nm附近為胺類中N—H鍵伸縮振動(dòng)的二級倍頻帶,1 080.00 nm為芳香烴中C—H,C—C鍵伸縮振動(dòng)的一級倍頻帶,1 143.00nm為芳烴中C—H鍵伸縮振動(dòng)的二級倍頻帶,1 152.00,1 195.00 nm為甲基中C—H鍵伸縮振動(dòng)的二級倍頻帶[22]。與板栗果仁褐變直接相關(guān)的物質(zhì)主要是有機(jī)物酚、酸、醌、蛋白質(zhì)、氨基酸等。這些物質(zhì)都與C—H鍵、N—H鍵以及O—H鍵相關(guān)。因此,所選特征波長可以反映板栗栗仁褐變特性。從圖3中還可以看出:所選特征波段避開了水分的強(qiáng)吸收峰,減少了水分因素對栗仁褐變識(shí)別的干擾。

    圖4 100次隨機(jī)青蛙算法的平均概率Figure 4 Selection probability of each wavelength averaged over 100 runs of random-frog algorithm

    2.5模型的建立與比較

    將得到的23個(gè)特征波長(effective wavelengths, EWs)下的光譜數(shù)據(jù)作為輸入,分別采用PLS-LDA以及LS-SVM建立褐變板栗的識(shí)別模型。表3給出了采用23個(gè)特征波長的光譜數(shù)據(jù)所建模型的結(jié)果。為了突出特征波長所建模型的優(yōu)越性,表3還給出了采用全波段(full wavelengths, FWs)光譜所建模型的結(jié)果。從表3中可以看出:23個(gè)特征波長數(shù)據(jù)所建EWs-PLS-LDA模型對校正集的敏感性(0.92)高于FWs -PLS-LDA模型的同類指標(biāo)(0.90),但特異性(0.98)低于FWs-PLS-LDA模型的同類指標(biāo)(1.00),識(shí)別正確率相同,均為94.17%;當(dāng)模型用于測試集數(shù)據(jù)時(shí),EWs-PLS-LDA模型的敏感性(0.89)低于FWs-PLSLDA模型的同類指標(biāo)(0.92),識(shí)別正確率也降低為93.33%。FWs-PLS-LDA模型使用1 557個(gè)變量,模型的主因子數(shù)為16,遠(yuǎn)多于特征波段模型的23個(gè)變量和9個(gè)主因子數(shù),模型較為復(fù)雜。23個(gè)特征波長數(shù)據(jù)所建EWs-LS-SVM模型,無論是校正集還是測試集,其敏感性(0.92/0.92),特異性(1.00/1.00),識(shí)別正確率(95.00%/95.00%)均高于FWs-LS-SVM模型的同類指標(biāo)。該模型與FWs-PLS-LDA模型相比,對校正集的預(yù)測結(jié)果更優(yōu)。相比于EWs-PLS-LDA模型,EWs-LS-SVM模型結(jié)果略優(yōu),原因可能是PLSLDA只能處理栗仁光譜中的線性相關(guān)關(guān)系,而LS-SVM則可以利用低維數(shù)據(jù)中的非線性特性,從而獲得較優(yōu)的預(yù)測結(jié)果。

    表3 不同建模方法的結(jié)果Table 3 Results for different methods

    表3還給出了不同建模方法建模和預(yù)測所用時(shí)間(模型建立環(huán)境:inter(R)core(TM)i5-3210 CPU@2.5 GHz RAM 4.00 GB Windows 7旗艦版64 Bit)。從表3中可以看出:不管是PLS-LDA方法還是LS-SVM方法,采用23個(gè)特征波長建模時(shí)間以及預(yù)測時(shí)間都要短于全波段模型的相應(yīng)時(shí)間,其中,23個(gè)波段光譜數(shù)據(jù)所建EWs-LS-SVM模型時(shí)間、預(yù)測時(shí)間最短,僅為3.09和9.55 ms。綜上所述,通過隨機(jī)青蛙算法進(jìn)行特征波長選擇,并且采用LS-SVM建立褐變板栗的識(shí)別模型,不僅降低了模型的復(fù)雜度,而且提高了識(shí)別準(zhǔn)確率和識(shí)別速度。

    上述結(jié)果表明:應(yīng)用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法可以快速準(zhǔn)確的對褐變板栗進(jìn)行識(shí)別,為板栗儲(chǔ)藏、深加工等環(huán)節(jié)中板栗品質(zhì)的快速無損檢測提供了重要的參考,可進(jìn)一步研究不同品種,不同產(chǎn)地等條件下的板栗樣本,從而提高模型的穩(wěn)定性和適用性,以便在實(shí)際應(yīng)用中取得滿意的結(jié)果。

    3 結(jié)論

    采用近紅外光譜技術(shù)對褐變板栗栗仁進(jìn)行快速無損檢測。確定最優(yōu)的光譜預(yù)處理方法為標(biāo)準(zhǔn)正態(tài)變量變換(SNV),運(yùn)用隨機(jī)青蛙算法提取代表光譜有效信息的23個(gè)特征波長,并作為輸入變量建立褐變栗仁識(shí)別PLS-LDA和LS-SVM模型。23個(gè)特征波長所建LS-SVM模型性能最優(yōu),校正集和測試集的敏感性、特異性和識(shí)別正確率相同,分別為0.92,1.00和95.00%。研究結(jié)果表明:采用隨機(jī)青蛙算法提取特征波長并采用非線性的LS-SVM方法建立栗仁褐變檢測模型是可行的,不僅能簡化模型,提高識(shí)別速度,而且能夠提高識(shí)別準(zhǔn)確率。

    4 參考文獻(xiàn)

    [1]黃濤,李小昱,彭毅,等.基于近紅外光譜的淡水魚新鮮度在線檢測方法研究[J].光譜學(xué)與光譜分析,2014,34(10):2732 - 2736.HUANG Tao, LI Xiaoyu, PENG Yi, et al.Freshwater fish freshness on-line detection method based on near-infrared spectroscopy[J].Spectrosc Spectral Anal, 2014, 34(10): 2732 - 2736.

    [2]湯修映,牛力釗,徐楊,等.基于可見/近紅外光譜技術(shù)的牛肉含水率無損檢測[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29 (11):248 - 254.TANG Xiuying, NIU Lizhao, XU Yang, et al.Nondestructive determination of water content in beef using visible/nearinfrared spectroscopy[J].Trans Chin Soc Agric Eng, 2013, 29(11): 248 - 254.

    [3]LI Guanghui, REN Yamei, REN Xiaolin, et al.Non-destructive measurement of fracturability and chewiness of apple by FT-NIRS[J].J Food Sci Tech, 2015, 52(1): 258 - 266.

    [4]LIU Cong, YANG S X, DENG Lie.Determination of internal qualities of Newhall navel oranges based on NIR spectroscopy using machine learning[J].J Food Eng, 2015, 161: 16 - 23.

    [5]RADY A M, GUYER D E.Evaluation of sugar content in potatoes using NIR reflectance and wavelength selection techniques[J].Postharv Biol Technol, 2015, 103: 17 - 26.

    [6]介鄧飛,謝麗娟,饒秀勤,等.近紅外光譜變量篩選提高西瓜糖度預(yù)測模型精度[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29 (12):264 - 270.JIE Dengfei, XIE Lijuan, RAO Xiuqin, et al.Improving accuracy of prediction model for soluble solids content of watermelon by variable selection based on near-infrared spectroscopy[J].Trans Chin Soc Agric Eng, 2013, 29(12): 264 - 270.

    [7]周竹,李小昱,李培武,等.基于GA-LSSVM和近紅外傅里葉變換的霉變板栗識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(3):331 - 335.ZHOU Zhu,LI Xiaoyu, LI Peiwu, et al.Near-infrared spectral detection of moldy chestnut based on GA-LSSVM and FFT[J].Trans Chin Soc Agric Eng, 2009, 25(8): 131 - 135.

    [8]周竹,劉潔,李小昱,等.霉變板栗的近紅外光譜和神經(jīng)網(wǎng)絡(luò)方法判別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(增刊1):109 - 112.ZHOU Zhu, LIU Jie, LI Xiaoyu, et al.Discrimination of moldy Chinese chestnut based on artificial neural network and near infrared spectra[J].Trans Chin Soc Agric Mach, 2009, 40(supp 1): 109 - 112.

    [9]LIU Jie, LI Xiaoyu, LI Peiwu, et al.Nondestructive detection of moldy chestnut based on near infrared spectroscopy [J].Afr J Agric Res, 2010, 5(23): 3213 - 3218.

    [10]MOSCETTI R, HAFF R P, SARANWONG S, et al.Nondestructive detection of insect infested chestnuts based on NIR Spectroscopy[J].Postharvest Biol Technol, 2014, 87: 88 - 94.

    [11]MOSCETTI R, MONARCA D, CECCHINI M, et al.Detection of mold-damaged chestnuts by near-infrared spectroscopy[J].Postharvest Biol Technol, 2014, 93: 83 - 90.

    [12]劉潔,李小昱,李培武,等.基于近紅外光譜的板栗水分檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(2):338 -341.LIU Jie, LI Xiaoyu, LI Peiwu, et al.Determination of moisture in chestnuts using near infrared spectroscopy[J].Trans Chin Soc Agric Eng, 2010, 26(2): 338 - 341.

    [13]LIU Jie, LI Xiaoyu, WANG Wei, et al.Measurement of protein content in chestnuts using near infrared spectroscopy [J].J Chem Pharm Res, 2014, 6(6): 938 - 941.

    [14]傅誼,張擁軍,陳華才,等.基于偏最小二乘法的板栗近紅外光譜分析模型的建立[J].食品科技,2012,37 (5):42 - 45.FU Yi,ZHANG Yongjun,CHEN Huacai,et al.Establishment of NIR models for components determination in fresh chestnu[J].Food Sci Technol, 2012, 37(5): 42 - 45.

    [15]褚小立,袁洪福,陸婉珍.近紅外分析中光譜預(yù)處理及波長選擇方法進(jìn)展與應(yīng)用[J].化學(xué)進(jìn)展,2004,16 (4):528 - 542.CHU Xiaoli, YUAN Hongfu, LU Wanzhen.Progress and application of spectral data pretreatment and wavelength se-lection methods in NIR analytical technique[J].Progr Chem, 2004, 16(4): 528 - 542.

    [16]LI Hongdong, XU Qingsong, LIANG Yizeng, et al.Random Frog: An efficient reversible jump Markov Chain Monte Carlo-like approach for variable selection with applications to gene selection and disease classification[J].Anal Chim Acta, 2012, 740: 20 - 26.

    [17]李洪東.廣義灰色分析體系建模的基本問題及其模型集群分析研究[D].長沙:中南大學(xué),2012.LI Hongdong.Fundamental Problems of Generalized Grey Analytical Systems and Their Research of Model Population Analysis[D].Changsha: Central South University, 2012.

    [18]周竹,李小昱,高海龍,等.漫反射和透射光譜檢測馬鈴薯黑心病的比較[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28 (11):237 - 242.ZHOU Zhu, LI Xiaoyu, GAO Hailong, et al.Comparison of diffuse reflection and transmission mode of visible/near infrared spectroscopy for detecting black heart of potato[J].Trans Chin Soc Agric Eng, 2012, 28(11): 237 - 242.

    [19]LI Hongdong, LIANG Yizeng, XU Qingsong, et al.Model population analysis for variable selection[J].J Chemometr, 2010, 24(7/8): 418 - 423.

    [20]SUYKENS J A K, de BRABANTER J, LUKAS L, et al.Weighted least squares support vector machines: robustness and sparse approximation[J].Neurocomputing, 2002, 48(1/4): 85 - 105.

    [21]顧燕萍,趙文杰,吳占松.最小二乘支持向量機(jī)的算法研究[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2010,50(7):1063 - 1066.GU Yanping, ZHAO Wenjie, WU Zhansong.Least squares support vector machine algorithm[J].J Tsinghua Univ Sci & Tech, 2010, 50(7): 1063 - 1066.

    [22]嚴(yán)衍祿.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京:中國輕工業(yè)出版社,2005:31 - 39.

    Chestnut browning detected with near-infrared spectroscopy and a random-frog algorithm

    ZHENG Jian1,2, ZHOU Zhu3,4,5, ZHONG Shanmin1,2, ZENG Songwei3,4,5
    (1.School of Agriculture and Food Science, Zhejiang A & F University, Lin’an 311300, Zhejiang, China; 2.The Key Laboratory for Quality Improvement of Agricultural Products of Zhejiang Province, Zhejiang A & F University, Lin’an 311300, Zhejiang, China; 3.School of Information Engineering, Zhejiang A & F University, Lin’an 311300, Zhejiang, China; 4.Zhejiang Provincial Key Laboratory of Forestry Intelligent Monitoring and Information Technology, Zhejiang A & F University, Lin’an 311300, Zhejiang, China; 5.Research Center for Smart Agriculture and Forestry, Zhejiang A & F University, Lin’an 311300, Zhejiang, China)

    Abstract:To develop a calibration model for rapid, accurate and nondestructive detection of chestnut browning with peeled chestnut Castanea mollissima by using near infrared spectroscopy technology.Seventy normal chestnuts and 110 browning chestnuts were prepared, and their diffuse reflectance spectrums were collected in the wavelength range from 1 000.00 to 2 500.00 nm.Spectral pretreatment methods, including standard normal variate(SNV), multiplication scattering correction(MSC), first derivative(FD), second derivative(SD), and detrend, were used and compared first.Then random-frog algorithm was applied to select effective wavelengths (EWs)from the SNV pretreated spectrum.Afterward, a partial least squares-linear discriminant analysis(PLSLDA)and a least squares-support vector machine(LS-SVM)model were established to classify the browningbook=323,ebook=144chestnuts based on EWs, and the results were compared based on sensitivity, specificity and accuracy.For the validation set, the sensitivity, specificity and accuracy obtained by EWs-LS-SVM were 0.92, 1.00 and 95.00%, respectively.The results were better than those of full-PLS-LDA model,full-LS-SVM model and EWs-PLSLDA model.Also, the random-frog algorithm effectively selected important wavelengths and simplified the discrimination model improving precision and recognition speed.The overall results demonstrate that random-frog algorithm is a powerful tool to select the efficient variables, and EWs-LS-SVM is excellent for the spectral calibration.[Ch, 4 fig.3 tab.22 ref.]

    Key words:cash forestry; NIR spectroscopy; browning; random-frog algorithm; least squares-support vector machines; partial least squares-linear discriminant analysis; chestnut

    作者簡介:鄭劍,講師,博士研究生,從事農(nóng)產(chǎn)品儲(chǔ)藏加工與品質(zhì)檢測研究。E-mail:zhengjian622@126.com。通信作者:周竹,講師,博士,從事智能化檢測與控制技術(shù)研究。E-mail:zhouzhu@zafu.edu.cn

    基金項(xiàng)目:浙江省自然科學(xué)基金資助項(xiàng)目(Y3110450,LQ13F050006);浙江農(nóng)林大學(xué)科研發(fā)展基金資助項(xiàng)目(2008FR053,2012FR085);浙江省木本糧油產(chǎn)業(yè)科技創(chuàng)新團(tuán)隊(duì)項(xiàng)目(2011R50030-2)

    收稿日期:2015-04-16;修回日期:2015-09-07

    doi:10.11833/j.issn.2095-0756.2016.02.019

    中圖分類號(hào):S123; S664.2

    文獻(xiàn)標(biāo)志碼:A

    文章編號(hào):2095-0756(2016)02-0322-08

    猜你喜歡
    褐變板栗波長
    莖萵苣F6’H家族基因鑒定及其與鮮切萵苣褐變的關(guān)系初探
    HPLC-PDA雙波長法同時(shí)測定四季草片中沒食子酸和槲皮苷的含量
    又聞板栗香
    打板栗
    外源乙烯處理對黃冠梨果皮褐變和貨架期品質(zhì)的影響
    “噼里啪啦”板栗爆炸啦!
    吃個(gè)板栗不容易
    雙波長激光治療慢性牙周炎的療效觀察
    日本研發(fā)出可完全覆蓋可見光波長的LED光源
    中國照明(2016年4期)2016-05-17 06:16:15
    便攜式多用途光波波長測量儀
    国产精品久久久久久人妻精品电影| 午夜福利,免费看| 美国免费a级毛片| 波多野结衣一区麻豆| 波多野结衣av一区二区av| 久久青草综合色| 一级,二级,三级黄色视频| 精品人妻1区二区| 国产高清videossex| 两性夫妻黄色片| 午夜福利,免费看| 亚洲国产欧美日韩在线播放| 夜夜躁狠狠躁天天躁| 波多野结衣一区麻豆| 琪琪午夜伦伦电影理论片6080| 妹子高潮喷水视频| 咕卡用的链子| 免费在线观看亚洲国产| 日韩欧美三级三区| 人人妻人人澡欧美一区二区 | 国产精品乱码一区二三区的特点 | 黄色 视频免费看| 啦啦啦韩国在线观看视频| 亚洲色图 男人天堂 中文字幕| 精品国产美女av久久久久小说| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av电影不卡..在线观看| 久久精品人人爽人人爽视色| 一本大道久久a久久精品| 国产成人精品久久二区二区91| 国产午夜福利久久久久久| 别揉我奶头~嗯~啊~动态视频| 亚洲精品一卡2卡三卡4卡5卡| 一个人免费在线观看的高清视频| 夜夜躁狠狠躁天天躁| 免费av毛片视频| 可以免费在线观看a视频的电影网站| 在线观看www视频免费| 欧美成人性av电影在线观看| 99国产精品一区二区三区| 久久久精品欧美日韩精品| 国产麻豆成人av免费视频| 午夜福利,免费看| 国产精品,欧美在线| 日韩精品中文字幕看吧| 国产区一区二久久| 性色av乱码一区二区三区2| 国产精品久久久久久亚洲av鲁大| 一级毛片精品| 女警被强在线播放| 视频区欧美日本亚洲| 精品国产一区二区三区四区第35| 久久香蕉精品热| 日日爽夜夜爽网站| 色av中文字幕| 18禁裸乳无遮挡免费网站照片 | 国产激情久久老熟女| 女警被强在线播放| 免费搜索国产男女视频| 免费在线观看完整版高清| 动漫黄色视频在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 老汉色av国产亚洲站长工具| 少妇粗大呻吟视频| 亚洲最大成人中文| 黄色丝袜av网址大全| 国内精品久久久久久久电影| 99国产精品一区二区蜜桃av| 欧美黑人欧美精品刺激| 最好的美女福利视频网| 亚洲欧美激情在线| 精品卡一卡二卡四卡免费| 级片在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 男女下面插进去视频免费观看| 亚洲第一青青草原| 日韩中文字幕欧美一区二区| 精品国产国语对白av| 国产亚洲欧美精品永久| 波多野结衣一区麻豆| 亚洲一码二码三码区别大吗| 亚洲av美国av| 国产av在哪里看| 精品国产超薄肉色丝袜足j| 久久精品国产综合久久久| 亚洲精品国产色婷婷电影| 日本vs欧美在线观看视频| 夜夜爽天天搞| 久久天堂一区二区三区四区| 国产精品久久久久久亚洲av鲁大| 在线观看免费视频日本深夜| 国产激情欧美一区二区| 欧美另类亚洲清纯唯美| 久久久久国内视频| 亚洲av第一区精品v没综合| 中文字幕人妻丝袜一区二区| 久久国产乱子伦精品免费另类| 国产亚洲av高清不卡| 757午夜福利合集在线观看| 精品久久久久久久久久免费视频| 国产色视频综合| 久久久国产精品麻豆| 国产野战对白在线观看| 国产精品亚洲一级av第二区| 久久精品国产综合久久久| 脱女人内裤的视频| 高清在线国产一区| 国产成人av教育| 午夜亚洲福利在线播放| 男女床上黄色一级片免费看| 丁香欧美五月| 人人妻人人澡欧美一区二区 | 亚洲性夜色夜夜综合| av视频免费观看在线观看| 国产亚洲精品第一综合不卡| 在线观看www视频免费| 手机成人av网站| 午夜免费鲁丝| 成熟少妇高潮喷水视频| 三级毛片av免费| 一区二区三区精品91| 亚洲精华国产精华精| 国产精品,欧美在线| 亚洲午夜精品一区,二区,三区| 日韩一卡2卡3卡4卡2021年| 18禁国产床啪视频网站| 久久久久久久久中文| 亚洲国产中文字幕在线视频| 美女 人体艺术 gogo| 日韩av在线大香蕉| 视频区欧美日本亚洲| 亚洲第一青青草原| 一区二区日韩欧美中文字幕| 国产精品久久久av美女十八| 亚洲伊人色综图| 欧美一区二区精品小视频在线| 亚洲 欧美 日韩 在线 免费| 国产精品国产高清国产av| 国产1区2区3区精品| 99久久综合精品五月天人人| 97超级碰碰碰精品色视频在线观看| 两个人视频免费观看高清| 婷婷精品国产亚洲av在线| 高清在线国产一区| 香蕉丝袜av| 激情视频va一区二区三区| 婷婷丁香在线五月| 国产精品九九99| 亚洲熟女毛片儿| 亚洲第一电影网av| 亚洲五月天丁香| 最好的美女福利视频网| 真人做人爱边吃奶动态| 后天国语完整版免费观看| 他把我摸到了高潮在线观看| 不卡av一区二区三区| 黄色片一级片一级黄色片| 一本久久中文字幕| 久久天躁狠狠躁夜夜2o2o| 国产亚洲精品久久久久5区| 91av网站免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产99白浆流出| 天天一区二区日本电影三级 | 亚洲av成人av| 美女高潮喷水抽搐中文字幕| 亚洲成人国产一区在线观看| 国产高清激情床上av| 亚洲国产毛片av蜜桃av| 亚洲成人精品中文字幕电影| 亚洲国产欧美日韩在线播放| 国产一级毛片七仙女欲春2 | 国产成人免费无遮挡视频| 看片在线看免费视频| 热re99久久国产66热| 欧美最黄视频在线播放免费| 法律面前人人平等表现在哪些方面| 中出人妻视频一区二区| 久久草成人影院| 老司机福利观看| 欧美日韩亚洲国产一区二区在线观看| 极品人妻少妇av视频| av片东京热男人的天堂| 18禁裸乳无遮挡免费网站照片 | 亚洲精品在线美女| 亚洲熟女毛片儿| 亚洲 欧美 日韩 在线 免费| 中文亚洲av片在线观看爽| 亚洲一区二区三区不卡视频| 国产成+人综合+亚洲专区| 91九色精品人成在线观看| 中文字幕色久视频| a级毛片在线看网站| 国产精品一区二区三区四区久久 | 国产亚洲精品久久久久5区| 在线观看免费视频网站a站| 亚洲av五月六月丁香网| 国产精品久久电影中文字幕| 午夜精品在线福利| 国产三级黄色录像| 久久久久久人人人人人| 99国产精品99久久久久| 在线播放国产精品三级| 十八禁人妻一区二区| 黄片小视频在线播放| 国产成人欧美| 亚洲专区国产一区二区| 亚洲精品国产一区二区精华液| 免费看十八禁软件| 18禁裸乳无遮挡免费网站照片 | 国产高清视频在线播放一区| 悠悠久久av| 日韩精品青青久久久久久| 人人妻人人澡欧美一区二区 | 久9热在线精品视频| 在线观看免费午夜福利视频| 一进一出抽搐动态| 国产亚洲欧美98| 无人区码免费观看不卡| 99久久精品国产亚洲精品| 亚洲成a人片在线一区二区| 在线av久久热| 国产激情久久老熟女| 国产日韩一区二区三区精品不卡| 亚洲欧美日韩高清在线视频| 脱女人内裤的视频| 国产1区2区3区精品| 国产伦一二天堂av在线观看| 午夜福利影视在线免费观看| 搞女人的毛片| 欧美成人午夜精品| 亚洲成人免费电影在线观看| 99久久久亚洲精品蜜臀av| 伊人久久大香线蕉亚洲五| 免费在线观看影片大全网站| 悠悠久久av| 亚洲av成人不卡在线观看播放网| 国产精品影院久久| 欧美av亚洲av综合av国产av| av视频免费观看在线观看| 亚洲男人天堂网一区| 女生性感内裤真人,穿戴方法视频| 亚洲无线在线观看| 日日干狠狠操夜夜爽| 最近最新免费中文字幕在线| 久久精品91无色码中文字幕| 男人操女人黄网站| 国产欧美日韩综合在线一区二区| 操出白浆在线播放| 无人区码免费观看不卡| 亚洲av电影不卡..在线观看| 啦啦啦观看免费观看视频高清 | 久久中文看片网| 国产一区二区三区综合在线观看| 国产精品九九99| av视频在线观看入口| 嫁个100分男人电影在线观看| a在线观看视频网站| 99精品久久久久人妻精品| 日本撒尿小便嘘嘘汇集6| 高清在线国产一区| 可以在线观看毛片的网站| 好看av亚洲va欧美ⅴa在| 亚洲午夜精品一区,二区,三区| 男人舔女人的私密视频| 亚洲国产精品sss在线观看| 97碰自拍视频| 精品少妇一区二区三区视频日本电影| 色综合婷婷激情| 久久午夜综合久久蜜桃| 欧美丝袜亚洲另类 | 久久国产乱子伦精品免费另类| 亚洲专区国产一区二区| 国产精品亚洲美女久久久| 日日夜夜操网爽| 国产在线精品亚洲第一网站| 国产亚洲欧美精品永久| 亚洲国产精品久久男人天堂| 91大片在线观看| 亚洲国产中文字幕在线视频| 女人爽到高潮嗷嗷叫在线视频| 欧美亚洲日本最大视频资源| 丰满的人妻完整版| 国产成人精品在线电影| 一本久久中文字幕| 精品欧美一区二区三区在线| 中文字幕av电影在线播放| 黑人巨大精品欧美一区二区mp4| 男女午夜视频在线观看| 黄片小视频在线播放| 老鸭窝网址在线观看| 非洲黑人性xxxx精品又粗又长| 久久久久精品国产欧美久久久| 两性午夜刺激爽爽歪歪视频在线观看 | 成人三级黄色视频| 久久久精品欧美日韩精品| 成人手机av| 电影成人av| 久久久国产成人精品二区| 亚洲在线自拍视频| 9热在线视频观看99| 人人妻人人澡欧美一区二区 | 高清在线国产一区| 99精品在免费线老司机午夜| 欧美不卡视频在线免费观看 | 给我免费播放毛片高清在线观看| 亚洲成a人片在线一区二区| 国内精品久久久久精免费| 欧美日韩瑟瑟在线播放| 999久久久国产精品视频| 欧美黑人精品巨大| 黄色视频,在线免费观看| 麻豆国产av国片精品| 高清在线国产一区| 色播在线永久视频| 丝袜在线中文字幕| 国产主播在线观看一区二区| 成人亚洲精品一区在线观看| 亚洲精品久久国产高清桃花| 97超级碰碰碰精品色视频在线观看| 久久午夜综合久久蜜桃| 欧美日韩精品网址| 久久欧美精品欧美久久欧美| 中文字幕人妻丝袜一区二区| a级毛片在线看网站| 久久精品国产99精品国产亚洲性色 | 欧美一级毛片孕妇| 99久久99久久久精品蜜桃| 老汉色∧v一级毛片| 18禁国产床啪视频网站| 国产高清有码在线观看视频 | 精品久久久久久久久久免费视频| 欧美不卡视频在线免费观看 | 麻豆国产av国片精品| 色尼玛亚洲综合影院| 色婷婷久久久亚洲欧美| 村上凉子中文字幕在线| 91成年电影在线观看| 久久久精品国产亚洲av高清涩受| 精品第一国产精品| 久久香蕉精品热| 日韩欧美一区视频在线观看| 午夜亚洲福利在线播放| 国内精品久久久久久久电影| 一级毛片精品| 丝袜在线中文字幕| 99热只有精品国产| 18禁裸乳无遮挡免费网站照片 | 香蕉国产在线看| 在线国产一区二区在线| 免费在线观看影片大全网站| 88av欧美| tocl精华| 91老司机精品| 国产亚洲av高清不卡| 一进一出好大好爽视频| 国产精品久久久久久人妻精品电影| 精品国产一区二区久久| 国产在线精品亚洲第一网站| 黄色丝袜av网址大全| e午夜精品久久久久久久| 色精品久久人妻99蜜桃| 视频区欧美日本亚洲| 日韩欧美三级三区| 国产蜜桃级精品一区二区三区| а√天堂www在线а√下载| 99久久综合精品五月天人人| 国产熟女xx| 涩涩av久久男人的天堂| 日日干狠狠操夜夜爽| 久久久久国产一级毛片高清牌| 熟妇人妻久久中文字幕3abv| 亚洲自拍偷在线| 两个人视频免费观看高清| 亚洲精品国产一区二区精华液| 美女国产高潮福利片在线看| 欧美黑人精品巨大| 1024视频免费在线观看| 91大片在线观看| 丝袜在线中文字幕| 淫秽高清视频在线观看| 国产成人av教育| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产毛片av蜜桃av| 男女之事视频高清在线观看| 亚洲国产中文字幕在线视频| 国产视频一区二区在线看| 亚洲男人天堂网一区| 国产欧美日韩一区二区精品| 中文字幕最新亚洲高清| 在线观看www视频免费| 亚洲av成人av| 国产成人一区二区三区免费视频网站| 国产熟女xx| 国产成人系列免费观看| 狠狠狠狠99中文字幕| 亚洲国产中文字幕在线视频| 侵犯人妻中文字幕一二三四区| 婷婷六月久久综合丁香| 国产精品 国内视频| 国产片内射在线| 免费在线观看影片大全网站| 露出奶头的视频| 99久久综合精品五月天人人| 国产精品亚洲一级av第二区| 精品国产乱子伦一区二区三区| 黑人巨大精品欧美一区二区mp4| 欧美黄色片欧美黄色片| 国产麻豆成人av免费视频| 亚洲av成人一区二区三| 国产精品久久久久久亚洲av鲁大| 大陆偷拍与自拍| 精品国产一区二区久久| 国产免费男女视频| 亚洲激情在线av| 久久香蕉激情| av电影中文网址| 午夜免费观看网址| aaaaa片日本免费| 欧美日韩瑟瑟在线播放| 免费少妇av软件| 免费在线观看亚洲国产| 一进一出抽搐gif免费好疼| 日韩欧美一区视频在线观看| 大香蕉久久成人网| 一区二区三区国产精品乱码| 涩涩av久久男人的天堂| 中亚洲国语对白在线视频| 精品国产乱子伦一区二区三区| 国产野战对白在线观看| 电影成人av| 国产激情欧美一区二区| 国产av在哪里看| 色老头精品视频在线观看| 自线自在国产av| 亚洲av第一区精品v没综合| 欧美成人免费av一区二区三区| 国产精品免费视频内射| 日韩三级视频一区二区三区| 国产单亲对白刺激| 变态另类成人亚洲欧美熟女 | 很黄的视频免费| 成年版毛片免费区| 一二三四社区在线视频社区8| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲专区字幕在线| 亚洲狠狠婷婷综合久久图片| 啦啦啦观看免费观看视频高清 | 欧美色视频一区免费| 男男h啪啪无遮挡| 国产xxxxx性猛交| 国产av又大| 欧美乱色亚洲激情| 黄片小视频在线播放| 极品人妻少妇av视频| 精品福利观看| АⅤ资源中文在线天堂| 久久精品国产99精品国产亚洲性色 | 老汉色∧v一级毛片| 久久久久久久精品吃奶| 日韩大尺度精品在线看网址 | 人人妻人人澡人人看| 美女国产高潮福利片在线看| 老汉色av国产亚洲站长工具| 日韩一卡2卡3卡4卡2021年| 女性被躁到高潮视频| 国产欧美日韩精品亚洲av| 欧美丝袜亚洲另类 | aaaaa片日本免费| 亚洲欧美激情在线| 国产精品av久久久久免费| 国产精品一区二区在线不卡| 亚洲成人精品中文字幕电影| 禁无遮挡网站| 又黄又爽又免费观看的视频| 久久久久久国产a免费观看| 高清在线国产一区| 国产野战对白在线观看| 亚洲色图 男人天堂 中文字幕| 成人国产综合亚洲| 国产三级黄色录像| 国产高清videossex| 无遮挡黄片免费观看| 波多野结衣一区麻豆| 亚洲最大成人中文| 亚洲中文av在线| 中文字幕色久视频| 在线十欧美十亚洲十日本专区| 免费少妇av软件| 亚洲国产精品成人综合色| 亚洲国产中文字幕在线视频| 欧美不卡视频在线免费观看 | 久久久精品欧美日韩精品| 日韩一卡2卡3卡4卡2021年| 国产伦一二天堂av在线观看| 国产在线观看jvid| 日韩av在线大香蕉| 国产人伦9x9x在线观看| 亚洲三区欧美一区| 国产精品一区二区三区四区久久 | 国产成人欧美| 亚洲性夜色夜夜综合| 亚洲免费av在线视频| 无限看片的www在线观看| 国产真人三级小视频在线观看| 啪啪无遮挡十八禁网站| 午夜久久久久精精品| 久久精品91蜜桃| 免费高清视频大片| 久久香蕉激情| 精品高清国产在线一区| www.自偷自拍.com| 丝袜美腿诱惑在线| 女人精品久久久久毛片| 变态另类成人亚洲欧美熟女 | 精品久久久久久久人妻蜜臀av | 69av精品久久久久久| 亚洲av片天天在线观看| 男女床上黄色一级片免费看| 日韩欧美在线二视频| 一级a爱片免费观看的视频| 国产精品美女特级片免费视频播放器 | 久久草成人影院| 自线自在国产av| 国产av又大| 美女国产高潮福利片在线看| 天堂动漫精品| 国产高清videossex| 日本欧美视频一区| 国内精品久久久久久久电影| 亚洲成人久久性| 日韩大码丰满熟妇| 手机成人av网站| 性色av乱码一区二区三区2| 国产精品亚洲美女久久久| 欧美午夜高清在线| 精品欧美一区二区三区在线| 国产精品影院久久| 99在线视频只有这里精品首页| 亚洲欧美精品综合一区二区三区| 最近最新中文字幕大全免费视频| 色老头精品视频在线观看| 香蕉丝袜av| 国产成人免费无遮挡视频| 十八禁网站免费在线| 久久国产精品人妻蜜桃| 国产蜜桃级精品一区二区三区| 国产成人欧美在线观看| 亚洲精品一区av在线观看| 久99久视频精品免费| 老司机靠b影院| 电影成人av| 激情在线观看视频在线高清| 丝袜美腿诱惑在线| 波多野结衣巨乳人妻| 一二三四社区在线视频社区8| 最新美女视频免费是黄的| 日韩欧美一区二区三区在线观看| 国产激情久久老熟女| 欧美在线黄色| 欧美一级毛片孕妇| 丁香欧美五月| 国产极品粉嫩免费观看在线| 身体一侧抽搐| 青草久久国产| 又紧又爽又黄一区二区| av超薄肉色丝袜交足视频| 搞女人的毛片| 久久中文字幕一级| 黑人操中国人逼视频| 日韩三级视频一区二区三区| xxx96com| 91麻豆精品激情在线观看国产| 99久久综合精品五月天人人| 亚洲少妇的诱惑av| 精品欧美国产一区二区三| 精品国产亚洲在线| 久久精品91无色码中文字幕| 老司机在亚洲福利影院| 欧美成人性av电影在线观看| 久久精品亚洲精品国产色婷小说| 国产三级黄色录像| 一级毛片精品| 亚洲中文av在线| 免费一级毛片在线播放高清视频 | 可以免费在线观看a视频的电影网站| 免费看a级黄色片| 青草久久国产| 亚洲人成网站在线播放欧美日韩| 最近最新免费中文字幕在线| 97人妻天天添夜夜摸| 色精品久久人妻99蜜桃| 国产精品99久久99久久久不卡| 18美女黄网站色大片免费观看| 色老头精品视频在线观看| 日本a在线网址| 午夜福利影视在线免费观看| 91av网站免费观看| 熟妇人妻久久中文字幕3abv| 日本免费a在线| 中文字幕精品免费在线观看视频| 午夜亚洲福利在线播放| 熟妇人妻久久中文字幕3abv| 日韩欧美免费精品| 久久精品亚洲精品国产色婷小说| 久久中文字幕一级| 免费在线观看视频国产中文字幕亚洲| 黄频高清免费视频| 757午夜福利合集在线观看| 国产成人精品无人区| 欧美精品亚洲一区二区| 99riav亚洲国产免费| 精品国产超薄肉色丝袜足j| 麻豆国产av国片精品| 男人舔女人的私密视频|