• <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
    av福利片在线观看| 99热这里只有是精品在线观看| 久久午夜福利片| 欧美xxxx性猛交bbbb| 内地一区二区视频在线| 大香蕉久久网| 精品久久久久久久久亚洲| 一边亲一边摸免费视频| 久久久久久久精品精品| 午夜老司机福利剧场| 亚洲四区av| 中文字幕亚洲精品专区| 内射极品少妇av片p| 在线天堂最新版资源| 哪个播放器可以免费观看大片| √禁漫天堂资源中文www| 丰满少妇做爰视频| 亚洲av不卡在线观看| 夜夜爽夜夜爽视频| 日本免费在线观看一区| 精品国产一区二区久久| 亚洲欧美日韩卡通动漫| 欧美 日韩 精品 国产| 80岁老熟妇乱子伦牲交| 伊人亚洲综合成人网| 久久久久久伊人网av| 久久久久人妻精品一区果冻| 亚洲人与动物交配视频| 99久久精品一区二区三区| 国产av精品麻豆| 69精品国产乱码久久久| av国产精品久久久久影院| 中文乱码字字幕精品一区二区三区| 十八禁高潮呻吟视频 | 汤姆久久久久久久影院中文字幕| 又大又黄又爽视频免费| 国产成人免费无遮挡视频| 亚洲欧美一区二区三区国产| 少妇的逼水好多| 亚洲第一区二区三区不卡| 亚洲av成人精品一二三区| 18禁在线播放成人免费| 热re99久久精品国产66热6| 日韩一区二区视频免费看| 国产有黄有色有爽视频| 午夜免费观看性视频| 国产精品不卡视频一区二区| 日韩一本色道免费dvd| 777米奇影视久久| av在线播放精品| 欧美国产精品一级二级三级 | 最近中文字幕高清免费大全6| 一级a做视频免费观看| 女人精品久久久久毛片| 久久久国产一区二区| 国产精品欧美亚洲77777| 在线观看美女被高潮喷水网站| 在线观看免费高清a一片| 亚洲四区av| 99热全是精品| 99热这里只有精品一区| 一级爰片在线观看| av专区在线播放| 99国产精品免费福利视频| 亚洲成色77777| 高清黄色对白视频在线免费看 | 中文字幕人妻熟人妻熟丝袜美| 精品人妻熟女毛片av久久网站| 日韩av不卡免费在线播放| 亚洲内射少妇av| 国产亚洲精品久久久com| 亚洲精品一区蜜桃| 国产熟女欧美一区二区| 亚洲自偷自拍三级| 久久国内精品自在自线图片| 国产淫语在线视频| 男女边摸边吃奶| 有码 亚洲区| 日韩免费高清中文字幕av| 久久精品国产鲁丝片午夜精品| 99re6热这里在线精品视频| 亚洲美女黄色视频免费看| 丰满迷人的少妇在线观看| 在线免费观看不下载黄p国产| 久久精品熟女亚洲av麻豆精品| 天堂中文最新版在线下载| 中国三级夫妇交换| 国产在视频线精品| 青春草视频在线免费观看| 永久网站在线| 欧美另类一区| 亚洲精品成人av观看孕妇| 国产成人午夜福利电影在线观看| 91aial.com中文字幕在线观看| 成人影院久久| 亚洲国产欧美日韩在线播放 | 日韩欧美精品免费久久| 精品久久久噜噜| 亚洲第一区二区三区不卡| 亚州av有码| 我要看黄色一级片免费的| 精品亚洲成国产av| 永久免费av网站大全| 欧美精品国产亚洲| 中文乱码字字幕精品一区二区三区| 精品一区二区三卡| 日产精品乱码卡一卡2卡三| 久久久久人妻精品一区果冻| 三上悠亚av全集在线观看 | 一本大道久久a久久精品| 国产乱人偷精品视频| 美女脱内裤让男人舔精品视频| 久久久久久伊人网av| 午夜福利影视在线免费观看| 久久这里有精品视频免费| 永久免费av网站大全| 亚洲欧洲日产国产| 狂野欧美白嫩少妇大欣赏| 另类亚洲欧美激情| a级毛片在线看网站| 夫妻午夜视频| 嘟嘟电影网在线观看| 国产在线视频一区二区| 七月丁香在线播放| 日韩 亚洲 欧美在线| 久久婷婷青草| 亚洲在久久综合| 久久久久视频综合| 永久网站在线| 国产精品国产三级专区第一集| 久久久久久久久久久久大奶| 春色校园在线视频观看| 国产国拍精品亚洲av在线观看| 91在线精品国自产拍蜜月| 久久99热6这里只有精品| 夜夜爽夜夜爽视频| 国产精品久久久久久久电影| 汤姆久久久久久久影院中文字幕| 啦啦啦在线观看免费高清www| 精品国产国语对白av| 免费看av在线观看网站| 久久久久久久亚洲中文字幕| 久久久久久久久久久免费av| 天天躁夜夜躁狠狠久久av| 久久免费观看电影| 一本—道久久a久久精品蜜桃钙片| 一本色道久久久久久精品综合| 久久午夜综合久久蜜桃| 亚洲,一卡二卡三卡| 国产精品99久久99久久久不卡 | 国产一区二区在线观看av| 交换朋友夫妻互换小说| 国产精品秋霞免费鲁丝片| 欧美精品国产亚洲| 美女cb高潮喷水在线观看| 特大巨黑吊av在线直播| 人妻 亚洲 视频| 老熟女久久久| 男男h啪啪无遮挡| 国内精品宾馆在线| 另类精品久久| av国产久精品久网站免费入址| 蜜臀久久99精品久久宅男| 国产成人精品久久久久久| 一个人免费看片子| 国产日韩欧美在线精品| 好男人视频免费观看在线| 91精品伊人久久大香线蕉| 精品卡一卡二卡四卡免费| 午夜日本视频在线| 国产免费一级a男人的天堂| 天天躁夜夜躁狠狠久久av| 美女国产视频在线观看| 成人特级av手机在线观看| 夜夜骑夜夜射夜夜干| 热99国产精品久久久久久7| 国产在线一区二区三区精| 在线亚洲精品国产二区图片欧美 | 免费人妻精品一区二区三区视频| 精品久久久久久电影网| 天堂8中文在线网| 老司机亚洲免费影院| 免费看av在线观看网站| videos熟女内射| 内射极品少妇av片p| 国产午夜精品一二区理论片| 内地一区二区视频在线| 亚洲美女黄色视频免费看| 久久毛片免费看一区二区三区| 久久久久久人妻| 成人无遮挡网站| 亚洲欧美清纯卡通| 久久97久久精品| 免费观看性生交大片5| 有码 亚洲区| 王馨瑶露胸无遮挡在线观看| 亚洲国产精品成人久久小说| 亚洲va在线va天堂va国产| 国模一区二区三区四区视频| 国产精品久久久久成人av| 国产在视频线精品| 最近2019中文字幕mv第一页| 欧美国产精品一级二级三级 | 亚洲精品国产av蜜桃| 亚洲综合色惰| 777米奇影视久久| 99久国产av精品国产电影| 一本色道久久久久久精品综合| 99九九线精品视频在线观看视频| 成年人午夜在线观看视频| 特大巨黑吊av在线直播| 尾随美女入室| 亚洲精品视频女| 七月丁香在线播放| www.色视频.com| 亚洲美女视频黄频| www.av在线官网国产| 精品熟女少妇av免费看| 亚洲精品日韩av片在线观看| 爱豆传媒免费全集在线观看| 久久久久久伊人网av| 日韩不卡一区二区三区视频在线| 国产精品成人在线| 91久久精品电影网| 最新中文字幕久久久久| 自拍欧美九色日韩亚洲蝌蚪91 | a级毛片在线看网站| 高清在线视频一区二区三区| 亚洲三级黄色毛片| 全区人妻精品视频| 欧美精品一区二区大全| 亚洲国产日韩一区二区| 久久久久久人妻| 日韩在线高清观看一区二区三区| 欧美日韩一区二区视频在线观看视频在线| av福利片在线| 亚洲精品乱久久久久久| 国产av国产精品国产| 欧美日韩国产mv在线观看视频| 欧美日韩av久久| 日日啪夜夜爽| 欧美高清成人免费视频www| 成人毛片a级毛片在线播放| freevideosex欧美| 日韩伦理黄色片| 国产亚洲91精品色在线| 中文字幕av电影在线播放| 亚洲四区av| 亚洲精品国产av成人精品| 丰满迷人的少妇在线观看| 校园人妻丝袜中文字幕| 最后的刺客免费高清国语| 一级黄片播放器| 国产淫语在线视频| 亚洲中文av在线| 2022亚洲国产成人精品| 黄片无遮挡物在线观看| 国产探花极品一区二区| 亚洲第一区二区三区不卡| 成年美女黄网站色视频大全免费 | 中国国产av一级| 国产成人免费无遮挡视频| 在线免费观看不下载黄p国产| 男女无遮挡免费网站观看| 人体艺术视频欧美日本| 亚洲熟女精品中文字幕| 欧美另类一区| 卡戴珊不雅视频在线播放| 亚洲图色成人| 高清午夜精品一区二区三区| xxx大片免费视频| 精品人妻熟女av久视频| 精品视频人人做人人爽| 亚洲av中文av极速乱| 视频中文字幕在线观看| 纯流量卡能插随身wifi吗| 亚洲成人av在线免费| 婷婷色综合大香蕉| 亚洲av免费高清在线观看| 国产成人一区二区在线| 亚洲一级一片aⅴ在线观看| 国产老妇伦熟女老妇高清| 午夜福利,免费看| 国产成人免费观看mmmm| 国产精品伦人一区二区| 国产精品不卡视频一区二区| 菩萨蛮人人尽说江南好唐韦庄| 插阴视频在线观看视频| 久久久久久人妻| 熟妇人妻不卡中文字幕| 中文字幕精品免费在线观看视频 | 国产亚洲午夜精品一区二区久久| 亚洲国产最新在线播放| 亚洲av不卡在线观看| 国产伦在线观看视频一区| 日产精品乱码卡一卡2卡三| 青青草视频在线视频观看| 久久国内精品自在自线图片| 免费看日本二区| 中文字幕人妻熟人妻熟丝袜美| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧洲精品一区二区精品久久久 | 人妻人人澡人人爽人人| 亚洲色图综合在线观看| 在线 av 中文字幕| 国产老妇伦熟女老妇高清| 下体分泌物呈黄色| 午夜精品国产一区二区电影| 日韩精品免费视频一区二区三区 | 中文字幕免费在线视频6| 日日摸夜夜添夜夜添av毛片| 欧美xxⅹ黑人| 中文精品一卡2卡3卡4更新| 国产精品嫩草影院av在线观看| 午夜影院在线不卡| 久久久久久久久久久久大奶| 国产亚洲91精品色在线| 国产淫片久久久久久久久| 久久精品熟女亚洲av麻豆精品| 日本黄大片高清| 亚洲自偷自拍三级| 99久久精品国产国产毛片| 在线观看一区二区三区激情| 亚洲电影在线观看av| 美女国产视频在线观看| 午夜福利视频精品| 亚洲精品乱码久久久v下载方式| 天天躁夜夜躁狠狠久久av| 青青草视频在线视频观看| 久久精品熟女亚洲av麻豆精品| 99热国产这里只有精品6| 水蜜桃什么品种好| 熟女电影av网| 国产成人免费无遮挡视频| 人人妻人人看人人澡| 日日撸夜夜添| 成年av动漫网址| 亚洲天堂av无毛| 人妻少妇偷人精品九色| 欧美区成人在线视频| 国产精品国产三级国产av玫瑰| 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| 一本久久精品| 日本免费在线观看一区| 亚洲成人手机| 在线精品无人区一区二区三| 26uuu在线亚洲综合色| 麻豆乱淫一区二区| 久久99一区二区三区| 美女福利国产在线| 波野结衣二区三区在线| 成人黄色视频免费在线看| 51国产日韩欧美| 制服丝袜香蕉在线| 99九九在线精品视频 | 2018国产大陆天天弄谢| 亚洲成人一二三区av| 国产成人精品无人区| 色吧在线观看| 一二三四中文在线观看免费高清| 久久影院123| 精品一区在线观看国产| 日本欧美国产在线视频| 九色成人免费人妻av| 久久人人爽人人爽人人片va| 人妻人人澡人人爽人人| 午夜影院在线不卡| 成人毛片a级毛片在线播放| 国国产精品蜜臀av免费| 国产亚洲一区二区精品| 亚洲,欧美,日韩| 少妇丰满av| 99久久综合免费| 99久久精品一区二区三区| 只有这里有精品99| 黄色毛片三级朝国网站 | 亚洲成色77777| 一级毛片 在线播放| av女优亚洲男人天堂| 中国美白少妇内射xxxbb| 亚洲国产欧美在线一区| 在线亚洲精品国产二区图片欧美 | 亚洲国产精品专区欧美| 在线观看www视频免费| 国产亚洲5aaaaa淫片| 亚洲国产色片| 永久网站在线| 高清欧美精品videossex| 国产熟女欧美一区二区| 91精品国产国语对白视频| 中文资源天堂在线| 久久午夜综合久久蜜桃| 午夜免费观看性视频| 免费不卡的大黄色大毛片视频在线观看| 晚上一个人看的免费电影| 22中文网久久字幕| 女性被躁到高潮视频| 永久免费av网站大全| 婷婷色综合www| 熟女电影av网| 一本大道久久a久久精品| 亚洲中文av在线| 日韩成人av中文字幕在线观看| 日韩电影二区| 精品一区二区免费观看| 免费黄网站久久成人精品| 黄片无遮挡物在线观看| 国产亚洲一区二区精品| 永久网站在线| 美女cb高潮喷水在线观看| 黄色日韩在线| 美女福利国产在线| 国产黄片美女视频| 午夜激情久久久久久久| 午夜精品国产一区二区电影| 大香蕉久久网| 国产日韩一区二区三区精品不卡 | 亚洲,欧美,日韩| 精品国产乱码久久久久久小说| 国产亚洲精品久久久com| 高清视频免费观看一区二区| 日本午夜av视频| 日韩一本色道免费dvd| 在线观看美女被高潮喷水网站| 丝瓜视频免费看黄片| 波野结衣二区三区在线| 久久精品国产自在天天线| 亚洲内射少妇av| 日本欧美国产在线视频| 丝袜喷水一区| 在线天堂最新版资源| 99九九线精品视频在线观看视频| 久久久a久久爽久久v久久| 国产熟女午夜一区二区三区 | 3wmmmm亚洲av在线观看| 日韩制服骚丝袜av| 91精品国产国语对白视频| 欧美成人精品欧美一级黄| 人妻一区二区av| 亚洲精品亚洲一区二区| 亚洲精品国产色婷婷电影| 中文字幕亚洲精品专区| 你懂的网址亚洲精品在线观看| 黑人高潮一二区| 99热这里只有是精品在线观看| 国产精品一区二区在线观看99| 欧美少妇被猛烈插入视频| 免费黄色在线免费观看| 伊人久久精品亚洲午夜| √禁漫天堂资源中文www| 在线亚洲精品国产二区图片欧美 | 亚洲精品成人av观看孕妇| 精品人妻熟女毛片av久久网站| 九色成人免费人妻av| 麻豆精品久久久久久蜜桃| 久久午夜综合久久蜜桃| 搡女人真爽免费视频火全软件| av卡一久久| 精品一区二区三卡| 亚洲真实伦在线观看| 午夜91福利影院| 欧美精品高潮呻吟av久久| 久久热精品热| 国产成人精品婷婷| 91精品伊人久久大香线蕉| 丁香六月天网| 亚洲激情五月婷婷啪啪| 99九九线精品视频在线观看视频| av黄色大香蕉| 国产女主播在线喷水免费视频网站| 观看美女的网站| 欧美一级a爱片免费观看看| 视频区图区小说| 99久久精品国产国产毛片| 国产探花极品一区二区| 精品午夜福利在线看| 蜜桃久久精品国产亚洲av| 精品人妻偷拍中文字幕| 91精品国产国语对白视频| 在线播放无遮挡| 国产欧美另类精品又又久久亚洲欧美| 少妇人妻精品综合一区二区| 女人久久www免费人成看片| 久久久精品94久久精品| 欧美丝袜亚洲另类| 久久国产精品大桥未久av | 一级毛片久久久久久久久女| 久久久a久久爽久久v久久| 亚洲av国产av综合av卡| 好男人视频免费观看在线| 国产伦精品一区二区三区四那| 日韩制服骚丝袜av| 晚上一个人看的免费电影| 只有这里有精品99| 国产精品99久久99久久久不卡 | 久久精品久久精品一区二区三区| 三级经典国产精品| 人妻人人澡人人爽人人| 插逼视频在线观看| 一二三四中文在线观看免费高清| 中国美白少妇内射xxxbb| 一级a做视频免费观看| 久久这里有精品视频免费| 色视频在线一区二区三区| 久久国产精品大桥未久av | 黄片无遮挡物在线观看| av在线app专区| 精品久久国产蜜桃| 国产欧美亚洲国产| 在现免费观看毛片| 国产精品偷伦视频观看了| 国产91av在线免费观看| 亚洲自偷自拍三级| 日日摸夜夜添夜夜添av毛片| 男男h啪啪无遮挡| 两个人的视频大全免费| 美女视频免费永久观看网站| 日韩大片免费观看网站| 国产精品不卡视频一区二区| 99九九在线精品视频 | 极品教师在线视频| 五月玫瑰六月丁香| 色5月婷婷丁香| 99九九在线精品视频 | 欧美日韩亚洲高清精品| 自拍欧美九色日韩亚洲蝌蚪91 | 一二三四中文在线观看免费高清| 久久99一区二区三区| 久久精品久久久久久久性| 美女国产视频在线观看| 97超碰精品成人国产| 亚洲高清免费不卡视频| 日韩av不卡免费在线播放| 狠狠精品人妻久久久久久综合| 国产成人精品婷婷| 国产一区二区三区综合在线观看 | 人人妻人人添人人爽欧美一区卜| 一级毛片黄色毛片免费观看视频| 建设人人有责人人尽责人人享有的| 亚洲欧美成人综合另类久久久| 精品视频人人做人人爽| 亚洲欧美日韩卡通动漫| 国产精品一区二区性色av| 欧美3d第一页| 一本色道久久久久久精品综合| 中文资源天堂在线| 最近手机中文字幕大全| 国产精品国产三级专区第一集| 99久久人妻综合| 一级毛片电影观看| 性高湖久久久久久久久免费观看| 亚洲欧美中文字幕日韩二区| 最黄视频免费看| 黄色欧美视频在线观看| 亚洲精品久久午夜乱码| 制服丝袜香蕉在线| 在线观看www视频免费| 18禁裸乳无遮挡动漫免费视频| 97超碰精品成人国产| 午夜老司机福利剧场| 国产亚洲5aaaaa淫片| av在线app专区| 丰满迷人的少妇在线观看| 一级毛片黄色毛片免费观看视频| 国产69精品久久久久777片| 免费不卡的大黄色大毛片视频在线观看| 日日摸夜夜添夜夜添av毛片| 亚洲欧美清纯卡通| 91aial.com中文字幕在线观看| 午夜影院在线不卡| 一区二区三区四区激情视频| 永久免费av网站大全| 国产爽快片一区二区三区| 欧美国产精品一级二级三级 | 日本黄色日本黄色录像| 在现免费观看毛片| 国产一区二区在线观看日韩| 精品一品国产午夜福利视频| 毛片一级片免费看久久久久| 久久久亚洲精品成人影院| 乱人伦中国视频| 搡老乐熟女国产| 肉色欧美久久久久久久蜜桃| 丝袜在线中文字幕| 高清av免费在线| 岛国毛片在线播放| 久久久久国产精品人妻一区二区| 日本vs欧美在线观看视频 | 国产精品久久久久久av不卡| 久久热精品热| av黄色大香蕉| 人人妻人人添人人爽欧美一区卜| 成人毛片60女人毛片免费| 蜜桃久久精品国产亚洲av| 久久ye,这里只有精品| 一级毛片黄色毛片免费观看视频| 国产精品久久久久久精品古装| 自拍欧美九色日韩亚洲蝌蚪91 | 男人和女人高潮做爰伦理| 哪个播放器可以免费观看大片| 一级毛片aaaaaa免费看小| 热re99久久国产66热| 国产亚洲5aaaaa淫片| 伊人久久国产一区二区| 国产日韩一区二区三区精品不卡 | 日韩av在线免费看完整版不卡| av黄色大香蕉| 精品少妇久久久久久888优播| 欧美精品人与动牲交sv欧美| 高清在线视频一区二区三区| 人人妻人人添人人爽欧美一区卜| 中文天堂在线官网| 国产爽快片一区二区三区| 亚洲av电影在线观看一区二区三区|