• <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 ?

    近紅外光譜技術(shù)識(shí)別烤煙香氣風(fēng)格的研究

    2014-08-08 04:01:22張秋菊田曠達(dá)李祖紅呂亞瓊熊艷梅閔順耕
    現(xiàn)代儀器與醫(yī)療 2014年4期
    關(guān)鍵詞:最小二乘支持向量機(jī)辛香焦香

    張秋菊++田曠達(dá)++李祖紅++呂亞瓊++熊艷梅++閔順耕

    [摘要]目的:研究烤煙香氣風(fēng)格中焦香、辛香、甜香等香韻的識(shí)別技術(shù)。方法:采用近紅外光譜技術(shù)結(jié)合最小二乘支持向量機(jī)(LS-SVM)模式識(shí)別方法。煙葉粉末的近紅外漫反射光譜經(jīng)過波長范圍選擇和多種預(yù)處理優(yōu)化后輸入模型,使用k折交互驗(yàn)證和多層網(wǎng)格法優(yōu)化LS-SVM模型參數(shù),建立三種香韻識(shí)別模型。結(jié)果:焦香、甜香、辛香的識(shí)別準(zhǔn)確率CR分別為94.7%、88.9%、 94.8%,ROC曲線下面積AUC分別為0.99、0.99、1.00。結(jié)論:說明使用近紅外光譜技術(shù)結(jié)合LS-SVM方法可有效識(shí)別烤煙香氣風(fēng)格。

    [關(guān)鍵詞]近紅外;最小二乘支持向量機(jī);香氣風(fēng)格;焦香;辛香;甜香

    中圖分類號(hào):O657文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2095-5200(2014)04-066-03

    DOI:10.11876/mimt201404021

    A study of recognition of tobacco aroma style using near infrared spectroscopy ZHANG Qiu-ju1,TIAN Kuang-da2,LI Zu-hong1,LYU Ya-qiong1,XIONG Yan-mei2,MIN Shun-geng2.(1. Qujing Tobacco Company, 655000, China;2. China Agricultural University, 100193, China)

    [Abstract]A method combined with near infrared (NIR) spectroscopy and least squares–support vector machine (LS-SVM) was applied to study identification technology of tobacco aroma styles. The NIR spectrum of the tobacco powder were preprocessed by a wavelength selection technique and several pretreatment methods including smoothing, multiplicative scatter correction and standard normal variate transformation. The LS-SVM identification models for three kinds of tobacco aroma styles were built, after optimizing parameters by k–fold cross validation and multilayer grid search. The values of accuracy rate of burnt aroma, spice aroma and sweetness aroma model were 94.7%, 88.9% and 94.8%, respectively. And the area under AOC curve were 0.99, 0.99 and 1.00, respectively. The overall results show that NIR spectroscopy combined with LS-SVM can be efficiently utilized for rapid and accurate identification of tobacco aroma styles.

    [Key words]near infrared;least squares-support vector machine;tobacco aroma styles;empyreumatique;spicier前言

    煙草的風(fēng)格特征包括香型、香韻、香氣狀態(tài)、煙氣濃度和勁頭。焦香、辛香、甜香等香韻是烤煙香氣風(fēng)格的重要指標(biāo),是卷煙企業(yè)配方設(shè)計(jì)、原料采購的參考依據(jù),主要依靠評(píng)吸人員抽吸燃燒煙葉產(chǎn)生的煙氣進(jìn)行感官評(píng)定。煙葉的香氣風(fēng)格是其所含化學(xué)成分在煙氣特征上的表現(xiàn),化學(xué)成分與感官評(píng)吸關(guān)系已得到充分研究[1-2]。由于近紅外光譜攜帶有機(jī)物分子含氫基團(tuán)(C-H、N-H、O-H等)伸縮振動(dòng)的倍頻與合頻信息,使用近紅外光譜技術(shù)(NIR)分析煙草香氣風(fēng)格從理論上可行。近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)的分析技術(shù)具有快速、無損、多組分同時(shí)分析的優(yōu)勢(shì)[3]。支持向量機(jī)(SVM)[4]基于統(tǒng)計(jì)學(xué)習(xí)理論,通過核函數(shù)將非線性求解轉(zhuǎn)化為在高維空間中線性求解,能夠解決線性和非線性分類問題。最小二乘支持向量機(jī)(LS-SVM)[5]是SVM的擴(kuò)展算法,使用誤差的二范數(shù)作為損失函數(shù),將二次規(guī)劃問題轉(zhuǎn)為線性規(guī)劃,大幅簡化運(yùn)算,具有收斂快、穩(wěn)定、推廣性強(qiáng)的優(yōu)點(diǎn)。本文研究目的是探究NIR結(jié)合LS-SVM方法建立分類模型以準(zhǔn)確識(shí)別烤煙焦香、辛香、甜香等香氣風(fēng)格特點(diǎn)的可行性。

    1實(shí)驗(yàn)部分

    1.1試劑與儀器

    167個(gè)煙葉樣品采集自云南省曲靖市煙區(qū)。質(zhì)量評(píng)吸數(shù)據(jù)來自云南瑞升煙草技術(shù)有限公司。近紅外光譜儀為布魯克公司的MATRIX-I(Bruker Optics, Bremen, Germany)。

    1.2實(shí)驗(yàn)過程

    按照標(biāo)準(zhǔn)YC/T 31-1996,煙葉經(jīng)過烘干、研磨制備成粉末樣品。將煙葉粉末裝入樣品杯,搖勻后壓實(shí),放置在MATRIX-I旋轉(zhuǎn)采樣臺(tái)上。漫反射積分球收集樣品近紅外光譜,使用內(nèi)置的陶瓷片作為參比。譜區(qū)采集范圍為10000-4000cm-1,光譜分辨率為8cm-1,掃描次數(shù)為64。

    使用模式識(shí)別方法研究煙葉的近紅外光譜數(shù)據(jù)與評(píng)吸結(jié)果中香氣風(fēng)格(焦香、甜香、辛香)評(píng)分的統(tǒng)計(jì)關(guān)系。劃分校正集和驗(yàn)證集,選擇光譜波長范圍,挑選合適的預(yù)處理方法,分別建立焦香、甜香、辛香的LS-SVM分類模型,交互驗(yàn)證法優(yōu)化模型參數(shù),評(píng)價(jià)模型的預(yù)測(cè)性能。數(shù)據(jù)處理使用MATLAB 7.0(The Math Works, Natick, USA)。

    2結(jié)果與討論

    2.1樣品挑選與波長選擇

    圖1所示為167個(gè)煙葉粉末樣本的近紅外漫反射光譜。圖2是煙葉評(píng)吸結(jié)果中的焦香、辛香、甜香得分?jǐn)?shù)據(jù)統(tǒng)計(jì),三種香韻的評(píng)分范圍分別是0~1,0~4,0~3。由于評(píng)吸數(shù)據(jù)的主觀性強(qiáng),精確度低,近紅外光譜與感觀數(shù)據(jù)無法建立準(zhǔn)確的定量關(guān)系。按評(píng)分的高低,將煙草樣本劃分為香型明顯和香型不明顯兩類,從模式識(shí)別角度研究煙草樣本是否具有焦香、辛香或甜香特征,分類標(biāo)準(zhǔn)見表1。

    受測(cè)試環(huán)境和儀器狀態(tài)影響存光譜中存在異常樣本,為提高模型預(yù)測(cè)性能,使用主成分分析和馬氏距離結(jié)合的PCA-MD方法找出杠桿指大于平均值3倍的樣本。8個(gè)樣本的光譜判斷為異常數(shù)據(jù)并剔除,占樣本總量的5%。

    圖1中水蒸氣峰在5500cm-1和7300cm-1附近引起光譜波動(dòng),通過2階導(dǎo)數(shù)光譜對(duì)噪聲的放大作用找出水蒸氣峰的準(zhǔn)確位置:5150cm-1~5570cm-1,7000cm-1~7400cm-1。波長8750cm-1以下儀器的檢測(cè)器靈敏度較低,并且該區(qū)域是有機(jī)分子的4倍頻吸收,光譜信噪比低。選擇這些區(qū)域以外的波長范圍作為模式識(shí)別模型的光譜輸入數(shù)據(jù)。

    endprint

    固體粉末的近紅外漫反射光譜通常受到光的散射效應(yīng)的影響,光譜曲線基線出現(xiàn)漂移,一般需要使用散射校正算法,如多元散射校正(MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(SNV)消除散射。平滑1、2階求導(dǎo)和標(biāo)準(zhǔn)化變換也是常用的光譜預(yù)處理方法。嘗試使用多種預(yù)處理方法及其組合處理原始光譜數(shù)據(jù)和波長選擇后的光譜數(shù)據(jù),選擇使得回歸模型性能最佳的預(yù)處理方案。

    識(shí)別模型使用K折交叉驗(yàn)證的平均預(yù)測(cè)準(zhǔn)確率(CR)和ROC曲線下面積(AUC)作為評(píng)價(jià)標(biāo)準(zhǔn)。ROC曲線由所評(píng)價(jià)模型的不同閾值對(duì)應(yīng)的真正率和假正率構(gòu)成,曲線下積分面積作為模型優(yōu)劣的指標(biāo)。

    2.2LS-SVM模式識(shí)別

    2.2.1焦香識(shí)別模型Kennard-Stone(K-S)[6]方法從71個(gè)焦香樣本(焦香得分1)和72個(gè)非焦香樣本(焦香得分0)中各選擇最具代表性的30個(gè)樣本組成校正集,其余的83個(gè)樣品組成驗(yàn)證集。首先由10折交互驗(yàn)證的預(yù)測(cè)準(zhǔn)確率(CR)選定最優(yōu)預(yù)處理方法,部分預(yù)處理方法的模型預(yù)測(cè)結(jié)果如表2所示。對(duì)于焦香識(shí)別模型,標(biāo)準(zhǔn)化處理對(duì)模型最為有效,CR為0.9354。

    表2焦香、辛香、甜香LS-SVM模型光譜預(yù)處理效果

    Preprocess CR(%)1) CR(%)2) CR(%)3)

    Original4) 0.9065 0.8415 0.8795

    None 0.9157 0.8620 0.9362

    MSC 0.8791 0.8995 0.9100

    SNV 0.8543 0.8732 0.9399

    autoscaling 0.9354 0.8752 0.9420

    SG smoothing 0.9079 0.8921 0.9245

    SG 1st derivative 0.8816 0.8852 0.9111

    SG 2nd derivative 0.9035 0.8751 0.9045

    MSC + SG smoothing 0.9120 0.8573 0.9414

    SNV+SG 1st derivative 0.8289 0.9025 0.9517

    注:1) 焦香模型識(shí)別準(zhǔn)確率;2)甜香模型識(shí)別準(zhǔn)確率;3)辛香模型識(shí)別準(zhǔn)確率;4)未做波長選擇的原始光譜,其余均為波長選擇后的處理。

    正則化參數(shù)λ優(yōu)化、核函數(shù)選擇和核函數(shù)參數(shù)優(yōu)化是LS-SVM的三個(gè)關(guān)鍵問題。由于RBF核的緊致性和計(jì)算復(fù)雜度的考慮,選用RBF核作為LS-SVM模型核函數(shù),使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證同時(shí)優(yōu)化正則化參數(shù)λ和核寬σ2。設(shè)置多層搜索網(wǎng)格,λ和σ2初始優(yōu)化范圍由經(jīng)驗(yàn)值確定,均設(shè)置成e-5 ~ e25,每層網(wǎng)格節(jié)點(diǎn)個(gè)數(shù)19×19,評(píng)價(jià)函數(shù)采用10折交叉驗(yàn)證的均方根誤差(MSE),相鄰層網(wǎng)格最優(yōu)MSE差值小于10-4時(shí)迭代收斂,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型通過2層網(wǎng)格搜索即得到最優(yōu)參數(shù)λ(e13.28)和σ2(e16.76)。建立最終的焦香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率CR為0.9474,ROC曲線下面積AUC為0.9910。

    2.2.2甜香識(shí)別模型甜香(評(píng)分2.5、3、3.5)和非甜香(評(píng)分0、1)樣本各有43個(gè)和33個(gè),使用K-S方法從兩類中各選擇最具代表性的20個(gè)樣本作為校正集,其余共36個(gè)樣本作為驗(yàn)證集。預(yù)處理結(jié)果如表2所示,先SNV處理再求SG一階導(dǎo)數(shù),模型的交叉驗(yàn)證識(shí)別準(zhǔn)確率最高,為0.9025。

    使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證優(yōu)化λ和σ2。λ和σ2初始優(yōu)化范圍均為e0 ~ e15,每層網(wǎng)格節(jié)點(diǎn)數(shù)15×15,評(píng)價(jià)函數(shù)為10折交叉驗(yàn)證結(jié)果的均方根誤差(MSE),收斂判據(jù)為MSE差值小于10-4,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型經(jīng)過兩層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e11.30,σ2為e4.48。建立最終的甜香識(shí)別LS-SVM模型,CR為0.8889,AUC為0.9900。

    2.2.3辛香識(shí)別模型K-S方法從42個(gè)非辛香樣本(評(píng)分0, 1)和46個(gè)辛香樣本(評(píng)分2, 2.5)中分別選擇最具代表性的25個(gè)作為校正集,其余共38個(gè)樣品作為驗(yàn)證集。預(yù)處理效果如表2所示,選擇先做SNV處理再求SG一階導(dǎo)數(shù)作為光譜預(yù)處理方法建立辛香的LS-SVM分類模型。

    λ和σ2初始范圍設(shè)置為e0 ~ e15,網(wǎng)格節(jié)點(diǎn)數(shù)19×19。LS-SVM模型經(jīng)過3層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e8.65,σ2為e13.60。使用這些參數(shù)建立最終的辛香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率為0.9483,ROC曲線下面積AUC為0.9971。

    3結(jié)論

    本文研究了煙草評(píng)吸中焦香、甜香、辛香三種香氣風(fēng)格的近紅外光譜識(shí)別方法。選擇光譜波長范圍,優(yōu)化預(yù)處理方法,建立LS-SVM分類模型。最終焦香的識(shí)別準(zhǔn)確率CR為94.7%,ROC曲線下面積AUC為0.99;甜香識(shí)別模型的CR為88.9%,AUC為0.99;辛香識(shí)別模型的CR為94.8%,AUC為1.00。說明使用近紅外光譜技術(shù)結(jié)合LS-SVM方法快速、準(zhǔn)確地識(shí)別烤煙香氣風(fēng)格特征是可行的。

    參考文獻(xiàn)

    [1]李洪勛,潘文杰,李建偉,等.烤煙內(nèi)在化學(xué)成分分析與感官評(píng)吸指標(biāo)的關(guān)系分析[J].湖北農(nóng)業(yè)科學(xué),2013,52(8):1837-1841.

    [2]張燕,馬林,孔留艷,等.卷煙香氣風(fēng)格特征聚類分析[J].食品工業(yè),2012,33(8): 152-155.

    [3]褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].北京:化學(xué)工業(yè)出版社.2011:23.

    [4]Vapnik V. Statistical Learning Theory[M].New York: Wiley-Interscience, 1998.

    [5]Suykens J, Vandewalle J. Neural Processing Letters. 1999,9(3):293-300.

    [6]Kennard R, Stone L. American Society for Quality Control[J]. Technometrics,1969: 137.

    endprint

    固體粉末的近紅外漫反射光譜通常受到光的散射效應(yīng)的影響,光譜曲線基線出現(xiàn)漂移,一般需要使用散射校正算法,如多元散射校正(MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(SNV)消除散射。平滑1、2階求導(dǎo)和標(biāo)準(zhǔn)化變換也是常用的光譜預(yù)處理方法。嘗試使用多種預(yù)處理方法及其組合處理原始光譜數(shù)據(jù)和波長選擇后的光譜數(shù)據(jù),選擇使得回歸模型性能最佳的預(yù)處理方案。

    識(shí)別模型使用K折交叉驗(yàn)證的平均預(yù)測(cè)準(zhǔn)確率(CR)和ROC曲線下面積(AUC)作為評(píng)價(jià)標(biāo)準(zhǔn)。ROC曲線由所評(píng)價(jià)模型的不同閾值對(duì)應(yīng)的真正率和假正率構(gòu)成,曲線下積分面積作為模型優(yōu)劣的指標(biāo)。

    2.2LS-SVM模式識(shí)別

    2.2.1焦香識(shí)別模型Kennard-Stone(K-S)[6]方法從71個(gè)焦香樣本(焦香得分1)和72個(gè)非焦香樣本(焦香得分0)中各選擇最具代表性的30個(gè)樣本組成校正集,其余的83個(gè)樣品組成驗(yàn)證集。首先由10折交互驗(yàn)證的預(yù)測(cè)準(zhǔn)確率(CR)選定最優(yōu)預(yù)處理方法,部分預(yù)處理方法的模型預(yù)測(cè)結(jié)果如表2所示。對(duì)于焦香識(shí)別模型,標(biāo)準(zhǔn)化處理對(duì)模型最為有效,CR為0.9354。

    表2焦香、辛香、甜香LS-SVM模型光譜預(yù)處理效果

    Preprocess CR(%)1) CR(%)2) CR(%)3)

    Original4) 0.9065 0.8415 0.8795

    None 0.9157 0.8620 0.9362

    MSC 0.8791 0.8995 0.9100

    SNV 0.8543 0.8732 0.9399

    autoscaling 0.9354 0.8752 0.9420

    SG smoothing 0.9079 0.8921 0.9245

    SG 1st derivative 0.8816 0.8852 0.9111

    SG 2nd derivative 0.9035 0.8751 0.9045

    MSC + SG smoothing 0.9120 0.8573 0.9414

    SNV+SG 1st derivative 0.8289 0.9025 0.9517

    注:1) 焦香模型識(shí)別準(zhǔn)確率;2)甜香模型識(shí)別準(zhǔn)確率;3)辛香模型識(shí)別準(zhǔn)確率;4)未做波長選擇的原始光譜,其余均為波長選擇后的處理。

    正則化參數(shù)λ優(yōu)化、核函數(shù)選擇和核函數(shù)參數(shù)優(yōu)化是LS-SVM的三個(gè)關(guān)鍵問題。由于RBF核的緊致性和計(jì)算復(fù)雜度的考慮,選用RBF核作為LS-SVM模型核函數(shù),使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證同時(shí)優(yōu)化正則化參數(shù)λ和核寬σ2。設(shè)置多層搜索網(wǎng)格,λ和σ2初始優(yōu)化范圍由經(jīng)驗(yàn)值確定,均設(shè)置成e-5 ~ e25,每層網(wǎng)格節(jié)點(diǎn)個(gè)數(shù)19×19,評(píng)價(jià)函數(shù)采用10折交叉驗(yàn)證的均方根誤差(MSE),相鄰層網(wǎng)格最優(yōu)MSE差值小于10-4時(shí)迭代收斂,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型通過2層網(wǎng)格搜索即得到最優(yōu)參數(shù)λ(e13.28)和σ2(e16.76)。建立最終的焦香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率CR為0.9474,ROC曲線下面積AUC為0.9910。

    2.2.2甜香識(shí)別模型甜香(評(píng)分2.5、3、3.5)和非甜香(評(píng)分0、1)樣本各有43個(gè)和33個(gè),使用K-S方法從兩類中各選擇最具代表性的20個(gè)樣本作為校正集,其余共36個(gè)樣本作為驗(yàn)證集。預(yù)處理結(jié)果如表2所示,先SNV處理再求SG一階導(dǎo)數(shù),模型的交叉驗(yàn)證識(shí)別準(zhǔn)確率最高,為0.9025。

    使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證優(yōu)化λ和σ2。λ和σ2初始優(yōu)化范圍均為e0 ~ e15,每層網(wǎng)格節(jié)點(diǎn)數(shù)15×15,評(píng)價(jià)函數(shù)為10折交叉驗(yàn)證結(jié)果的均方根誤差(MSE),收斂判據(jù)為MSE差值小于10-4,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型經(jīng)過兩層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e11.30,σ2為e4.48。建立最終的甜香識(shí)別LS-SVM模型,CR為0.8889,AUC為0.9900。

    2.2.3辛香識(shí)別模型K-S方法從42個(gè)非辛香樣本(評(píng)分0, 1)和46個(gè)辛香樣本(評(píng)分2, 2.5)中分別選擇最具代表性的25個(gè)作為校正集,其余共38個(gè)樣品作為驗(yàn)證集。預(yù)處理效果如表2所示,選擇先做SNV處理再求SG一階導(dǎo)數(shù)作為光譜預(yù)處理方法建立辛香的LS-SVM分類模型。

    λ和σ2初始范圍設(shè)置為e0 ~ e15,網(wǎng)格節(jié)點(diǎn)數(shù)19×19。LS-SVM模型經(jīng)過3層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e8.65,σ2為e13.60。使用這些參數(shù)建立最終的辛香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率為0.9483,ROC曲線下面積AUC為0.9971。

    3結(jié)論

    本文研究了煙草評(píng)吸中焦香、甜香、辛香三種香氣風(fēng)格的近紅外光譜識(shí)別方法。選擇光譜波長范圍,優(yōu)化預(yù)處理方法,建立LS-SVM分類模型。最終焦香的識(shí)別準(zhǔn)確率CR為94.7%,ROC曲線下面積AUC為0.99;甜香識(shí)別模型的CR為88.9%,AUC為0.99;辛香識(shí)別模型的CR為94.8%,AUC為1.00。說明使用近紅外光譜技術(shù)結(jié)合LS-SVM方法快速、準(zhǔn)確地識(shí)別烤煙香氣風(fēng)格特征是可行的。

    參考文獻(xiàn)

    [1]李洪勛,潘文杰,李建偉,等.烤煙內(nèi)在化學(xué)成分分析與感官評(píng)吸指標(biāo)的關(guān)系分析[J].湖北農(nóng)業(yè)科學(xué),2013,52(8):1837-1841.

    [2]張燕,馬林,孔留艷,等.卷煙香氣風(fēng)格特征聚類分析[J].食品工業(yè),2012,33(8): 152-155.

    [3]褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].北京:化學(xué)工業(yè)出版社.2011:23.

    [4]Vapnik V. Statistical Learning Theory[M].New York: Wiley-Interscience, 1998.

    [5]Suykens J, Vandewalle J. Neural Processing Letters. 1999,9(3):293-300.

    [6]Kennard R, Stone L. American Society for Quality Control[J]. Technometrics,1969: 137.

    endprint

    固體粉末的近紅外漫反射光譜通常受到光的散射效應(yīng)的影響,光譜曲線基線出現(xiàn)漂移,一般需要使用散射校正算法,如多元散射校正(MSC)和標(biāo)準(zhǔn)正態(tài)變量變換(SNV)消除散射。平滑1、2階求導(dǎo)和標(biāo)準(zhǔn)化變換也是常用的光譜預(yù)處理方法。嘗試使用多種預(yù)處理方法及其組合處理原始光譜數(shù)據(jù)和波長選擇后的光譜數(shù)據(jù),選擇使得回歸模型性能最佳的預(yù)處理方案。

    識(shí)別模型使用K折交叉驗(yàn)證的平均預(yù)測(cè)準(zhǔn)確率(CR)和ROC曲線下面積(AUC)作為評(píng)價(jià)標(biāo)準(zhǔn)。ROC曲線由所評(píng)價(jià)模型的不同閾值對(duì)應(yīng)的真正率和假正率構(gòu)成,曲線下積分面積作為模型優(yōu)劣的指標(biāo)。

    2.2LS-SVM模式識(shí)別

    2.2.1焦香識(shí)別模型Kennard-Stone(K-S)[6]方法從71個(gè)焦香樣本(焦香得分1)和72個(gè)非焦香樣本(焦香得分0)中各選擇最具代表性的30個(gè)樣本組成校正集,其余的83個(gè)樣品組成驗(yàn)證集。首先由10折交互驗(yàn)證的預(yù)測(cè)準(zhǔn)確率(CR)選定最優(yōu)預(yù)處理方法,部分預(yù)處理方法的模型預(yù)測(cè)結(jié)果如表2所示。對(duì)于焦香識(shí)別模型,標(biāo)準(zhǔn)化處理對(duì)模型最為有效,CR為0.9354。

    表2焦香、辛香、甜香LS-SVM模型光譜預(yù)處理效果

    Preprocess CR(%)1) CR(%)2) CR(%)3)

    Original4) 0.9065 0.8415 0.8795

    None 0.9157 0.8620 0.9362

    MSC 0.8791 0.8995 0.9100

    SNV 0.8543 0.8732 0.9399

    autoscaling 0.9354 0.8752 0.9420

    SG smoothing 0.9079 0.8921 0.9245

    SG 1st derivative 0.8816 0.8852 0.9111

    SG 2nd derivative 0.9035 0.8751 0.9045

    MSC + SG smoothing 0.9120 0.8573 0.9414

    SNV+SG 1st derivative 0.8289 0.9025 0.9517

    注:1) 焦香模型識(shí)別準(zhǔn)確率;2)甜香模型識(shí)別準(zhǔn)確率;3)辛香模型識(shí)別準(zhǔn)確率;4)未做波長選擇的原始光譜,其余均為波長選擇后的處理。

    正則化參數(shù)λ優(yōu)化、核函數(shù)選擇和核函數(shù)參數(shù)優(yōu)化是LS-SVM的三個(gè)關(guān)鍵問題。由于RBF核的緊致性和計(jì)算復(fù)雜度的考慮,選用RBF核作為LS-SVM模型核函數(shù),使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證同時(shí)優(yōu)化正則化參數(shù)λ和核寬σ2。設(shè)置多層搜索網(wǎng)格,λ和σ2初始優(yōu)化范圍由經(jīng)驗(yàn)值確定,均設(shè)置成e-5 ~ e25,每層網(wǎng)格節(jié)點(diǎn)個(gè)數(shù)19×19,評(píng)價(jià)函數(shù)采用10折交叉驗(yàn)證的均方根誤差(MSE),相鄰層網(wǎng)格最優(yōu)MSE差值小于10-4時(shí)迭代收斂,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型通過2層網(wǎng)格搜索即得到最優(yōu)參數(shù)λ(e13.28)和σ2(e16.76)。建立最終的焦香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率CR為0.9474,ROC曲線下面積AUC為0.9910。

    2.2.2甜香識(shí)別模型甜香(評(píng)分2.5、3、3.5)和非甜香(評(píng)分0、1)樣本各有43個(gè)和33個(gè),使用K-S方法從兩類中各選擇最具代表性的20個(gè)樣本作為校正集,其余共36個(gè)樣本作為驗(yàn)證集。預(yù)處理結(jié)果如表2所示,先SNV處理再求SG一階導(dǎo)數(shù),模型的交叉驗(yàn)證識(shí)別準(zhǔn)確率最高,為0.9025。

    使用網(wǎng)格搜索結(jié)合10折交叉驗(yàn)證優(yōu)化λ和σ2。λ和σ2初始優(yōu)化范圍均為e0 ~ e15,每層網(wǎng)格節(jié)點(diǎn)數(shù)15×15,評(píng)價(jià)函數(shù)為10折交叉驗(yàn)證結(jié)果的均方根誤差(MSE),收斂判據(jù)為MSE差值小于10-4,最大迭代網(wǎng)格層數(shù)為3。

    LS-SVM模型經(jīng)過兩層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e11.30,σ2為e4.48。建立最終的甜香識(shí)別LS-SVM模型,CR為0.8889,AUC為0.9900。

    2.2.3辛香識(shí)別模型K-S方法從42個(gè)非辛香樣本(評(píng)分0, 1)和46個(gè)辛香樣本(評(píng)分2, 2.5)中分別選擇最具代表性的25個(gè)作為校正集,其余共38個(gè)樣品作為驗(yàn)證集。預(yù)處理效果如表2所示,選擇先做SNV處理再求SG一階導(dǎo)數(shù)作為光譜預(yù)處理方法建立辛香的LS-SVM分類模型。

    λ和σ2初始范圍設(shè)置為e0 ~ e15,網(wǎng)格節(jié)點(diǎn)數(shù)19×19。LS-SVM模型經(jīng)過3層網(wǎng)格搜索得到最優(yōu)參數(shù)λ為e8.65,σ2為e13.60。使用這些參數(shù)建立最終的辛香識(shí)別LS-SVM模型,驗(yàn)證集的預(yù)測(cè)準(zhǔn)確率為0.9483,ROC曲線下面積AUC為0.9971。

    3結(jié)論

    本文研究了煙草評(píng)吸中焦香、甜香、辛香三種香氣風(fēng)格的近紅外光譜識(shí)別方法。選擇光譜波長范圍,優(yōu)化預(yù)處理方法,建立LS-SVM分類模型。最終焦香的識(shí)別準(zhǔn)確率CR為94.7%,ROC曲線下面積AUC為0.99;甜香識(shí)別模型的CR為88.9%,AUC為0.99;辛香識(shí)別模型的CR為94.8%,AUC為1.00。說明使用近紅外光譜技術(shù)結(jié)合LS-SVM方法快速、準(zhǔn)確地識(shí)別烤煙香氣風(fēng)格特征是可行的。

    參考文獻(xiàn)

    [1]李洪勛,潘文杰,李建偉,等.烤煙內(nèi)在化學(xué)成分分析與感官評(píng)吸指標(biāo)的關(guān)系分析[J].湖北農(nóng)業(yè)科學(xué),2013,52(8):1837-1841.

    [2]張燕,馬林,孔留艷,等.卷煙香氣風(fēng)格特征聚類分析[J].食品工業(yè),2012,33(8): 152-155.

    [3]褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].北京:化學(xué)工業(yè)出版社.2011:23.

    [4]Vapnik V. Statistical Learning Theory[M].New York: Wiley-Interscience, 1998.

    [5]Suykens J, Vandewalle J. Neural Processing Letters. 1999,9(3):293-300.

    [6]Kennard R, Stone L. American Society for Quality Control[J]. Technometrics,1969: 137.

    endprint

    猜你喜歡
    最小二乘支持向量機(jī)辛香焦香
    《我的爸爸是藥王》
    全國新書目(2023年6期)2023-08-10 19:10:41
    卷煙主流煙氣辛香特征成分組群的分布特征及感官貢獻(xiàn)
    煙草科技(2021年2期)2021-03-18 03:57:14
    夕陽是個(gè)大廚師
    釀造原料對(duì)淺色全麥鮮啤酒質(zhì)量的影響研究
    葉天士藥用芳香性味理論探析
    基于最小二乘支持向量機(jī)的VaR計(jì)算方法研究
    電子商務(wù)交易風(fēng)險(xiǎn)評(píng)估模型仿真分析
    耐高溫線椒新品種辛香16號(hào)的選育
    長江蔬菜(2016年10期)2016-12-01 03:05:30
    耐高溫線椒新品種辛香16號(hào)
    亚洲av熟女| 免费电影在线观看免费观看| tocl精华| 中文字幕高清在线视频| 日韩欧美 国产精品| 男插女下体视频免费在线播放| 精品不卡国产一区二区三区| 嫁个100分男人电影在线观看| 一a级毛片在线观看| 在线观看舔阴道视频| 99久久九九国产精品国产免费| 免费看十八禁软件| 99久国产av精品| 十八禁人妻一区二区| 一级作爱视频免费观看| 在线播放国产精品三级| 国产免费av片在线观看野外av| 国产色婷婷99| 99久久精品热视频| 精品午夜福利视频在线观看一区| 夜夜看夜夜爽夜夜摸| 久久精品国产亚洲av香蕉五月| 老司机午夜十八禁免费视频| 悠悠久久av| 久久精品人妻少妇| 精品久久久久久久久久久久久| 99热只有精品国产| 每晚都被弄得嗷嗷叫到高潮| 老司机福利观看| 不卡一级毛片| 欧美zozozo另类| 熟妇人妻久久中文字幕3abv| 成人午夜高清在线视频| 啦啦啦韩国在线观看视频| 国产三级中文精品| 丁香六月欧美| 国产美女午夜福利| 国内毛片毛片毛片毛片毛片| 国产三级在线视频| 少妇人妻精品综合一区二区 | 久久精品国产综合久久久| 男人的好看免费观看在线视频| 波多野结衣高清作品| 老熟妇乱子伦视频在线观看| 亚洲精品色激情综合| 少妇高潮的动态图| 性欧美人与动物交配| 国产精品自产拍在线观看55亚洲| 一区二区三区高清视频在线| 亚洲国产中文字幕在线视频| 国产高清有码在线观看视频| 色哟哟哟哟哟哟| 亚洲五月婷婷丁香| 国产成人av激情在线播放| 欧美性猛交黑人性爽| 国产老妇女一区| 一级毛片女人18水好多| 亚洲最大成人手机在线| 亚洲国产欧美人成| 不卡一级毛片| 日韩欧美免费精品| ponron亚洲| 久久人妻av系列| 99国产精品一区二区蜜桃av| 精华霜和精华液先用哪个| 午夜日韩欧美国产| 成人性生交大片免费视频hd| 精品国产三级普通话版| 熟妇人妻久久中文字幕3abv| 三级毛片av免费| 一个人免费在线观看的高清视频| 国产免费一级a男人的天堂| bbb黄色大片| 日韩精品青青久久久久久| 亚洲欧美日韩高清在线视频| 亚洲精华国产精华精| 亚洲国产精品sss在线观看| 国产色婷婷99| 精品久久久久久久末码| 97超视频在线观看视频| 我的老师免费观看完整版| 久久久精品大字幕| 免费观看的影片在线观看| 一区二区三区高清视频在线| 亚洲在线观看片| or卡值多少钱| 在线天堂最新版资源| 亚洲久久久久久中文字幕| 亚洲欧美一区二区三区黑人| 全区人妻精品视频| 中文资源天堂在线| 亚洲天堂国产精品一区在线| 99热6这里只有精品| 亚洲av日韩精品久久久久久密| 亚洲人成网站在线播放欧美日韩| 熟女少妇亚洲综合色aaa.| 日本免费a在线| av在线蜜桃| 高潮久久久久久久久久久不卡| 亚洲人与动物交配视频| 中文字幕人妻丝袜一区二区| 欧美精品啪啪一区二区三区| 国内精品久久久久久久电影| 两个人视频免费观看高清| 九色成人免费人妻av| 久久欧美精品欧美久久欧美| 午夜日韩欧美国产| 欧美乱妇无乱码| www.999成人在线观看| 亚洲成人久久性| 国产久久久一区二区三区| 90打野战视频偷拍视频| 一区二区三区激情视频| 免费人成在线观看视频色| 19禁男女啪啪无遮挡网站| 午夜福利在线在线| 在线观看舔阴道视频| 国产成人啪精品午夜网站| 久99久视频精品免费| 夜夜爽天天搞| 中文字幕熟女人妻在线| 最近视频中文字幕2019在线8| 免费观看的影片在线观看| 久99久视频精品免费| 亚洲久久久久久中文字幕| 香蕉久久夜色| 全区人妻精品视频| 国产毛片a区久久久久| 国产精品野战在线观看| 丰满人妻熟妇乱又伦精品不卡| 免费大片18禁| 一a级毛片在线观看| 国产成+人综合+亚洲专区| 91在线精品国自产拍蜜月 | 亚洲精品在线观看二区| 一区二区三区国产精品乱码| 亚洲人成网站高清观看| 国产av一区在线观看免费| 中文字幕精品亚洲无线码一区| 在线观看午夜福利视频| 精品乱码久久久久久99久播| 日本黄大片高清| 日韩国内少妇激情av| 国产久久久一区二区三区| 一本久久中文字幕| 18禁在线播放成人免费| 又粗又爽又猛毛片免费看| 国产伦一二天堂av在线观看| 国产精品电影一区二区三区| 亚洲久久久久久中文字幕| 美女黄网站色视频| 悠悠久久av| 99精品在免费线老司机午夜| 免费av观看视频| 成人欧美大片| 午夜日韩欧美国产| 久久精品亚洲精品国产色婷小说| 国产亚洲精品av在线| 成人欧美大片| 亚洲午夜理论影院| 天堂av国产一区二区熟女人妻| av专区在线播放| 午夜日韩欧美国产| 欧美最黄视频在线播放免费| 两人在一起打扑克的视频| 在线免费观看不下载黄p国产 | 亚洲va日本ⅴa欧美va伊人久久| 午夜福利在线观看免费完整高清在 | 成人一区二区视频在线观看| 国产成人a区在线观看| 国产aⅴ精品一区二区三区波| 精品日产1卡2卡| 欧美日韩亚洲国产一区二区在线观看| 亚洲第一欧美日韩一区二区三区| 51国产日韩欧美| 国产淫片久久久久久久久 | 日韩 欧美 亚洲 中文字幕| 草草在线视频免费看| 国产成人福利小说| 狠狠狠狠99中文字幕| 亚洲aⅴ乱码一区二区在线播放| 亚洲精华国产精华精| 美女cb高潮喷水在线观看| 1024手机看黄色片| 久久草成人影院| 中文字幕高清在线视频| 国产乱人伦免费视频| 日本黄大片高清| 国产不卡一卡二| 国产欧美日韩精品亚洲av| 久久久久久久久大av| 欧美黄色片欧美黄色片| 亚洲18禁久久av| 亚洲精品国产精品久久久不卡| 亚洲国产欧美人成| 国产精品日韩av在线免费观看| 国产精品爽爽va在线观看网站| 中文字幕熟女人妻在线| 欧美乱妇无乱码| 国产v大片淫在线免费观看| 中文字幕av在线有码专区| 少妇高潮的动态图| 最好的美女福利视频网| 久久精品国产清高在天天线| av在线天堂中文字幕| 18禁裸乳无遮挡免费网站照片| 蜜桃久久精品国产亚洲av| 在线国产一区二区在线| 熟女电影av网| 丁香欧美五月| 香蕉丝袜av| 午夜激情欧美在线| 国产成人av激情在线播放| 色老头精品视频在线观看| 中文字幕av成人在线电影| 丰满的人妻完整版| 久久久久久国产a免费观看| www.www免费av| 国产精品亚洲av一区麻豆| 波多野结衣巨乳人妻| 国语自产精品视频在线第100页| 99国产极品粉嫩在线观看| 香蕉av资源在线| 最近最新中文字幕大全免费视频| 丝袜美腿在线中文| 青草久久国产| 99久久久亚洲精品蜜臀av| 男人舔奶头视频| 美女免费视频网站| 免费电影在线观看免费观看| 九色成人免费人妻av| 深爱激情五月婷婷| 欧美激情在线99| 亚洲五月婷婷丁香| 国内精品久久久久久久电影| 亚洲天堂国产精品一区在线| 又黄又粗又硬又大视频| 国产精品国产高清国产av| 日本成人三级电影网站| 午夜福利在线观看免费完整高清在 | 欧美最新免费一区二区三区 | 天堂影院成人在线观看| 小蜜桃在线观看免费完整版高清| 老司机在亚洲福利影院| 午夜福利高清视频| 色噜噜av男人的天堂激情| 亚洲av电影在线进入| 给我免费播放毛片高清在线观看| 久久人妻av系列| 在线播放无遮挡| 变态另类成人亚洲欧美熟女| 日韩成人在线观看一区二区三区| 国产国拍精品亚洲av在线观看 | 桃红色精品国产亚洲av| 亚洲欧美精品综合久久99| 真人做人爱边吃奶动态| 小说图片视频综合网站| 国产av在哪里看| 国产精品日韩av在线免费观看| 最近最新免费中文字幕在线| 老司机午夜十八禁免费视频| xxx96com| 欧美日韩瑟瑟在线播放| 一区二区三区高清视频在线| 日韩欧美一区二区三区在线观看| 亚洲欧美日韩卡通动漫| 99久久精品国产亚洲精品| 日本一本二区三区精品| 国内精品一区二区在线观看| 一级a爱片免费观看的视频| 哪里可以看免费的av片| 亚洲av免费高清在线观看| 国产成人a区在线观看| 国产精品亚洲一级av第二区| 黄色女人牲交| 国产高清有码在线观看视频| x7x7x7水蜜桃| 高潮久久久久久久久久久不卡| 久久久久国产精品人妻aⅴ院| 亚洲精品亚洲一区二区| 国内揄拍国产精品人妻在线| 男女之事视频高清在线观看| 色视频www国产| 国内精品久久久久精免费| 成人高潮视频无遮挡免费网站| 久久精品人妻少妇| 国产成年人精品一区二区| 91久久精品国产一区二区成人 | 法律面前人人平等表现在哪些方面| 真人做人爱边吃奶动态| 午夜两性在线视频| av欧美777| 中国美女看黄片| 性欧美人与动物交配| 看黄色毛片网站| 精品人妻偷拍中文字幕| 日韩欧美三级三区| 老鸭窝网址在线观看| 别揉我奶头~嗯~啊~动态视频| 久久精品国产99精品国产亚洲性色| 啦啦啦观看免费观看视频高清| 色老头精品视频在线观看| 大型黄色视频在线免费观看| eeuss影院久久| 长腿黑丝高跟| 国产精品 国内视频| 夜夜夜夜夜久久久久| 小蜜桃在线观看免费完整版高清| 欧美精品啪啪一区二区三区| av在线蜜桃| 草草在线视频免费看| 欧美性感艳星| 久久久国产成人免费| 国产久久久一区二区三区| 中文资源天堂在线| 国产精品国产高清国产av| 白带黄色成豆腐渣| 国产不卡一卡二| 成人特级av手机在线观看| e午夜精品久久久久久久| 窝窝影院91人妻| 女人高潮潮喷娇喘18禁视频| 欧美性猛交╳xxx乱大交人| 51国产日韩欧美| 免费人成在线观看视频色| 亚洲电影在线观看av| av国产免费在线观看| а√天堂www在线а√下载| 国产单亲对白刺激| 国产黄片美女视频| 久久精品夜夜夜夜夜久久蜜豆| 51午夜福利影视在线观看| 两人在一起打扑克的视频| 欧美高清成人免费视频www| 精品电影一区二区在线| 亚洲熟妇中文字幕五十中出| 青草久久国产| 久久久久久久亚洲中文字幕 | 免费观看精品视频网站| 精品国产亚洲在线| 88av欧美| 日韩亚洲欧美综合| 中文字幕高清在线视频| 国产乱人视频| 久久香蕉国产精品| 桃色一区二区三区在线观看| 精品久久久久久久人妻蜜臀av| 久久精品国产亚洲av涩爱 | 久久久久久久精品吃奶| 欧美中文日本在线观看视频| 一级毛片女人18水好多| 国产视频一区二区在线看| 少妇丰满av| 观看美女的网站| 日韩欧美在线二视频| 免费无遮挡裸体视频| 国产高清激情床上av| 久久天躁狠狠躁夜夜2o2o| 观看免费一级毛片| 亚洲精品在线美女| 有码 亚洲区| 免费在线观看成人毛片| 国产成+人综合+亚洲专区| 久久精品国产自在天天线| 欧美xxxx黑人xx丫x性爽| 欧美大码av| 一级黄色大片毛片| 美女高潮喷水抽搐中文字幕| 欧美在线一区亚洲| 欧美中文综合在线视频| 一级黄色大片毛片| 88av欧美| 国产真实乱freesex| 国产av麻豆久久久久久久| 国产免费一级a男人的天堂| 变态另类丝袜制服| 日韩有码中文字幕| 中文字幕av在线有码专区| 神马国产精品三级电影在线观看| 色综合站精品国产| 国产欧美日韩一区二区精品| 国产亚洲精品一区二区www| 国产野战对白在线观看| 亚洲性夜色夜夜综合| 久久精品国产99精品国产亚洲性色| 日韩国内少妇激情av| 国产精品久久久久久精品电影| 久9热在线精品视频| 国产伦精品一区二区三区四那| 婷婷精品国产亚洲av在线| 久久久久久久午夜电影| 可以在线观看的亚洲视频| 99热这里只有精品一区| 成年版毛片免费区| 精品乱码久久久久久99久播| 一级黄片播放器| 精品福利观看| 精品乱码久久久久久99久播| 久久久久国内视频| 啦啦啦韩国在线观看视频| 精品人妻1区二区| 国产伦人伦偷精品视频| 亚洲国产中文字幕在线视频| 亚洲一区二区三区色噜噜| a级毛片a级免费在线| 国产亚洲欧美98| 免费无遮挡裸体视频| 国产高清视频在线观看网站| 国产伦人伦偷精品视频| 女人被狂操c到高潮| 久久久久国产精品人妻aⅴ院| 久久久成人免费电影| 热99re8久久精品国产| 欧美日韩瑟瑟在线播放| 国产高清激情床上av| 国产精华一区二区三区| 免费一级毛片在线播放高清视频| 精品人妻1区二区| 在线观看午夜福利视频| 国产精品电影一区二区三区| 日韩成人在线观看一区二区三区| 久久精品91无色码中文字幕| 免费观看精品视频网站| 村上凉子中文字幕在线| 宅男免费午夜| 99热6这里只有精品| 亚洲欧美日韩东京热| 丰满的人妻完整版| 亚洲国产色片| 亚洲国产欧美网| 亚洲美女视频黄频| 女人十人毛片免费观看3o分钟| 国产又黄又爽又无遮挡在线| 精品国产超薄肉色丝袜足j| a级毛片a级免费在线| 日韩欧美国产在线观看| 此物有八面人人有两片| 噜噜噜噜噜久久久久久91| www.熟女人妻精品国产| 精品人妻偷拍中文字幕| 性色avwww在线观看| netflix在线观看网站| 婷婷六月久久综合丁香| 毛片女人毛片| 国产免费男女视频| 国产精品永久免费网站| 在线观看免费视频日本深夜| 有码 亚洲区| 亚洲国产色片| 小蜜桃在线观看免费完整版高清| 亚洲乱码一区二区免费版| 最近最新中文字幕大全免费视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 哪里可以看免费的av片| 在线免费观看不下载黄p国产 | 午夜福利免费观看在线| 国产成人欧美在线观看| 国产在视频线在精品| 岛国在线观看网站| 国产欧美日韩一区二区三| 99精品久久久久人妻精品| 天堂av国产一区二区熟女人妻| 国产一区二区在线观看日韩 | 午夜激情福利司机影院| 国产精品乱码一区二三区的特点| 婷婷六月久久综合丁香| 99在线视频只有这里精品首页| 窝窝影院91人妻| 亚洲国产精品sss在线观看| 一个人观看的视频www高清免费观看| 久久久久久久亚洲中文字幕 | 中文字幕av成人在线电影| 91在线精品国自产拍蜜月 | 欧美日韩综合久久久久久 | 亚洲电影在线观看av| 欧美性猛交╳xxx乱大交人| 国产探花在线观看一区二区| 久久精品国产亚洲av香蕉五月| 两人在一起打扑克的视频| 国产午夜福利久久久久久| 国产精品 国内视频| 欧美+日韩+精品| 精品乱码久久久久久99久播| 国产69精品久久久久777片| 99热精品在线国产| 精华霜和精华液先用哪个| 免费观看的影片在线观看| 少妇高潮的动态图| АⅤ资源中文在线天堂| 一本精品99久久精品77| 国产不卡一卡二| 欧美日韩福利视频一区二区| 国产精品98久久久久久宅男小说| 亚洲熟妇熟女久久| 首页视频小说图片口味搜索| 老汉色∧v一级毛片| 精品久久久久久久末码| 国产伦在线观看视频一区| 男女床上黄色一级片免费看| 白带黄色成豆腐渣| 久久精品国产亚洲av香蕉五月| 国产真实乱freesex| 少妇高潮的动态图| 久久久久久久午夜电影| 欧美极品一区二区三区四区| 日韩中文字幕欧美一区二区| 国内毛片毛片毛片毛片毛片| 亚洲av成人精品一区久久| www日本黄色视频网| 操出白浆在线播放| av福利片在线观看| 中文字幕熟女人妻在线| 丁香六月欧美| 女生性感内裤真人,穿戴方法视频| 中文在线观看免费www的网站| 91av网一区二区| 国产亚洲欧美98| 亚洲精品亚洲一区二区| 午夜精品在线福利| 变态另类成人亚洲欧美熟女| 亚洲国产精品成人综合色| 香蕉久久夜色| 国产高清视频在线观看网站| 亚洲精品乱码久久久v下载方式 | 嫁个100分男人电影在线观看| 欧美激情久久久久久爽电影| 国产精品女同一区二区软件 | 深夜精品福利| 高清在线国产一区| 搡女人真爽免费视频火全软件 | 欧美日韩乱码在线| 午夜视频国产福利| 精品国产美女av久久久久小说| 桃色一区二区三区在线观看| 日韩欧美国产一区二区入口| 美女cb高潮喷水在线观看| 变态另类成人亚洲欧美熟女| 亚洲aⅴ乱码一区二区在线播放| 亚洲最大成人中文| 在线观看美女被高潮喷水网站 | 国产成人aa在线观看| 精品一区二区三区视频在线观看免费| 午夜老司机福利剧场| 又黄又爽又免费观看的视频| 乱人视频在线观看| 免费一级毛片在线播放高清视频| 五月玫瑰六月丁香| 亚洲天堂国产精品一区在线| eeuss影院久久| 成年免费大片在线观看| 亚洲av成人不卡在线观看播放网| 亚洲成av人片免费观看| 欧美区成人在线视频| 精品久久久久久久末码| 99国产精品一区二区三区| 亚洲av日韩精品久久久久久密| xxx96com| 日韩欧美一区二区三区在线观看| 欧美成人免费av一区二区三区| 亚洲真实伦在线观看| 狂野欧美白嫩少妇大欣赏| 国产99白浆流出| 亚洲精品久久国产高清桃花| 岛国在线观看网站| 在线观看美女被高潮喷水网站 | 99久久无色码亚洲精品果冻| 99国产精品一区二区三区| 黄色视频,在线免费观看| 看黄色毛片网站| 国产一区二区亚洲精品在线观看| av黄色大香蕉| 午夜福利欧美成人| 免费在线观看成人毛片| 精品人妻偷拍中文字幕| 久久久国产成人免费| 午夜福利在线观看免费完整高清在 | 欧美色视频一区免费| 亚洲中文字幕日韩| 久久久久国内视频| 激情在线观看视频在线高清| 亚洲av第一区精品v没综合| 亚洲最大成人中文| 69av精品久久久久久| 国内精品一区二区在线观看| 精品免费久久久久久久清纯| www日本在线高清视频| 日本a在线网址| 免费无遮挡裸体视频| а√天堂www在线а√下载| 欧美乱色亚洲激情| 免费看美女性在线毛片视频| 国产成+人综合+亚洲专区| 亚洲av第一区精品v没综合| 亚洲va日本ⅴa欧美va伊人久久| а√天堂www在线а√下载| 成人高潮视频无遮挡免费网站| 18禁美女被吸乳视频| 成人高潮视频无遮挡免费网站| 69av精品久久久久久| 亚洲精品一卡2卡三卡4卡5卡| 成人无遮挡网站| 小说图片视频综合网站| 一本一本综合久久| 国产乱人视频| 夜夜夜夜夜久久久久| 2021天堂中文幕一二区在线观| 亚洲成a人片在线一区二区| 国产野战对白在线观看| 国产69精品久久久久777片| 午夜免费成人在线视频| 国内精品久久久久久久电影| 国产男靠女视频免费网站| 亚洲一区高清亚洲精品| 村上凉子中文字幕在线| 欧美中文日本在线观看视频|