• <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)
    国产深夜福利视频在线观看| av免费在线看不卡| 一级毛片我不卡| 超碰97精品在线观看| 国产伦精品一区二区三区四那| 波野结衣二区三区在线| 国产精品成人在线| 久久影院123| 在线免费十八禁| 精品人妻一区二区三区麻豆| 大又大粗又爽又黄少妇毛片口| 一级av片app| 国产淫语在线视频| 亚洲人成网站在线播| 日韩 亚洲 欧美在线| 51国产日韩欧美| 最近2019中文字幕mv第一页| 丰满少妇做爰视频| 一区二区三区四区激情视频| 欧美xxxx黑人xx丫x性爽| 国产精品熟女久久久久浪| 国产中年淑女户外野战色| 在线亚洲精品国产二区图片欧美 | 亚洲欧洲日产国产| 水蜜桃什么品种好| 99久久精品一区二区三区| 欧美xxⅹ黑人| 国产成人免费观看mmmm| 2021少妇久久久久久久久久久| av线在线观看网站| 免费观看在线日韩| 精品久久国产蜜桃| 韩国av在线不卡| 80岁老熟妇乱子伦牲交| 免费人妻精品一区二区三区视频| 免费大片18禁| 国产一级毛片在线| 国产精品.久久久| av免费观看日本| 噜噜噜噜噜久久久久久91| 视频中文字幕在线观看| 亚洲精华国产精华液的使用体验| 高清毛片免费看| 精品亚洲乱码少妇综合久久| 欧美高清性xxxxhd video| 少妇的逼水好多| 日韩国内少妇激情av| 欧美日韩一区二区视频在线观看视频在线| 亚洲精品自拍成人| 99久久精品热视频| 2021少妇久久久久久久久久久| 国产亚洲av片在线观看秒播厂| 网址你懂的国产日韩在线| 久久久久精品久久久久真实原创| 日韩免费高清中文字幕av| 又爽又黄a免费视频| 人人妻人人澡人人爽人人夜夜| 免费播放大片免费观看视频在线观看| 日本一二三区视频观看| av视频免费观看在线观看| 欧美精品一区二区大全| 国产亚洲91精品色在线| 日韩 亚洲 欧美在线| 久热这里只有精品99| 国产高潮美女av| xxx大片免费视频| av不卡在线播放| 黄色欧美视频在线观看| 男女边摸边吃奶| 亚洲国产欧美人成| 亚洲成人一二三区av| 亚洲在久久综合| 精品久久久久久久久亚洲| 国产黄片视频在线免费观看| 涩涩av久久男人的天堂| 日韩欧美 国产精品| 午夜激情久久久久久久| 建设人人有责人人尽责人人享有的 | 国产欧美日韩精品一区二区| 国产极品天堂在线| 卡戴珊不雅视频在线播放| 狠狠精品人妻久久久久久综合| www.av在线官网国产| 日韩中字成人| 丰满少妇做爰视频| 久久久精品免费免费高清| 精品人妻偷拍中文字幕| 视频中文字幕在线观看| 久久久久久久国产电影| av.在线天堂| 精品午夜福利在线看| 男人和女人高潮做爰伦理| 夜夜爽夜夜爽视频| 国产黄频视频在线观看| 精品久久久久久久末码| 中文在线观看免费www的网站| 国产熟女欧美一区二区| 免费av中文字幕在线| 国产精品国产三级国产专区5o| 91精品一卡2卡3卡4卡| 国产午夜精品久久久久久一区二区三区| 免费观看性生交大片5| 99热这里只有精品一区| 亚洲色图av天堂| 中文天堂在线官网| 国产成人精品福利久久| 国产片特级美女逼逼视频| 嘟嘟电影网在线观看| 久久精品国产鲁丝片午夜精品| 国产精品人妻久久久久久| 成年美女黄网站色视频大全免费 | 一本一本综合久久| av线在线观看网站| 亚洲国产精品999| 寂寞人妻少妇视频99o| 精品一区二区免费观看| 免费大片18禁| 亚洲国产最新在线播放| 国产免费视频播放在线视频| av女优亚洲男人天堂| 热re99久久精品国产66热6| 成人综合一区亚洲| 亚洲中文av在线| 免费高清在线观看视频在线观看| 色婷婷av一区二区三区视频| 国产中年淑女户外野战色| 亚洲性久久影院| 欧美bdsm另类| 国产老妇伦熟女老妇高清| 亚洲人成网站在线观看播放| 亚洲精品,欧美精品| 51国产日韩欧美| 亚洲丝袜综合中文字幕| 在线观看一区二区三区| 简卡轻食公司| 伊人久久精品亚洲午夜| 国产精品一及| 国产精品嫩草影院av在线观看| 在线观看免费视频网站a站| 日产精品乱码卡一卡2卡三| av在线播放精品| av黄色大香蕉| 婷婷色麻豆天堂久久| 精品少妇久久久久久888优播| 久久精品国产鲁丝片午夜精品| 寂寞人妻少妇视频99o| 成人影院久久| 精品99又大又爽又粗少妇毛片| 久久国产精品大桥未久av | 精品久久国产蜜桃| 日韩大片免费观看网站| 国产综合精华液| 久久久色成人| 欧美高清性xxxxhd video| www.av在线官网国产| 久久精品国产自在天天线| 欧美性感艳星| 一级黄片播放器| 99久久精品一区二区三区| 小蜜桃在线观看免费完整版高清| 国产av精品麻豆| 免费播放大片免费观看视频在线观看| 舔av片在线| 久久国产亚洲av麻豆专区| 一本一本综合久久| 国内精品宾馆在线| 寂寞人妻少妇视频99o| 亚洲精品aⅴ在线观看| 国产精品嫩草影院av在线观看| 国产精品一二三区在线看| av专区在线播放| 国产精品一区二区性色av| 美女国产视频在线观看| 少妇猛男粗大的猛烈进出视频| 欧美丝袜亚洲另类| av.在线天堂| 国产高清国产精品国产三级 | 欧美日韩在线观看h| 王馨瑶露胸无遮挡在线观看| 亚洲性久久影院| 久久久久久伊人网av| 亚洲人与动物交配视频| 精品国产露脸久久av麻豆| 精品久久国产蜜桃| 国产91av在线免费观看| 日韩av不卡免费在线播放| 亚洲,一卡二卡三卡| 国产高清三级在线| 亚洲精品,欧美精品| 欧美xxxx黑人xx丫x性爽| 国产伦精品一区二区三区四那| 婷婷色综合大香蕉| 久久久久国产精品人妻一区二区| 人体艺术视频欧美日本| 日韩成人av中文字幕在线观看| 最近最新中文字幕大全电影3| 亚洲精品久久久久久婷婷小说| 18禁在线无遮挡免费观看视频| 久久久精品免费免费高清| 男女下面进入的视频免费午夜| 国产精品嫩草影院av在线观看| 亚洲久久久国产精品| 丰满人妻一区二区三区视频av| 日韩一区二区三区影片| 肉色欧美久久久久久久蜜桃| 国产成人免费无遮挡视频| 青春草视频在线免费观看| 亚洲熟女精品中文字幕| 水蜜桃什么品种好| 亚洲国产高清在线一区二区三| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久久久免| 这个男人来自地球电影免费观看 | 久久99热这里只频精品6学生| 亚洲国产毛片av蜜桃av| 亚洲美女视频黄频| 韩国高清视频一区二区三区| 交换朋友夫妻互换小说| 亚洲综合精品二区| 国产精品99久久久久久久久| 久久久精品94久久精品| 国产精品麻豆人妻色哟哟久久| 久久99蜜桃精品久久| 性色avwww在线观看| 国产精品不卡视频一区二区| 一级片'在线观看视频| 欧美成人精品欧美一级黄| 三级国产精品欧美在线观看| 一级毛片我不卡| 国产成人一区二区在线| 多毛熟女@视频| 久久精品国产亚洲av天美| 亚洲av中文av极速乱| 一本久久精品| 网址你懂的国产日韩在线| 国产亚洲最大av| 亚洲精品一区蜜桃| 欧美亚洲 丝袜 人妻 在线| 婷婷色综合www| 伊人久久精品亚洲午夜| 国产精品精品国产色婷婷| 涩涩av久久男人的天堂| 国内揄拍国产精品人妻在线| 免费看日本二区| av网站免费在线观看视频| 国产精品久久久久久av不卡| 内射极品少妇av片p| 啦啦啦在线观看免费高清www| 国产v大片淫在线免费观看| 22中文网久久字幕| 日本一二三区视频观看| 国产男女超爽视频在线观看| 免费观看性生交大片5| 秋霞伦理黄片| 久久99热这里只有精品18| 久久精品久久久久久久性| 亚洲av日韩在线播放| 亚洲aⅴ乱码一区二区在线播放| 国产午夜精品一二区理论片| 精品久久久久久久久av| 国产 一区 欧美 日韩| 国产一区二区三区av在线| 亚洲欧美中文字幕日韩二区| 日本-黄色视频高清免费观看| 国精品久久久久久国模美| 99久久精品一区二区三区| 精品一区二区免费观看| 亚洲av综合色区一区| 中文天堂在线官网| 老司机影院成人| 亚洲av二区三区四区| 国产亚洲午夜精品一区二区久久| 狂野欧美白嫩少妇大欣赏| 色婷婷av一区二区三区视频| 国产成人精品一,二区| 成人高潮视频无遮挡免费网站| 亚洲激情五月婷婷啪啪| 久久久成人免费电影| 春色校园在线视频观看| 亚洲av中文字字幕乱码综合| 国产真实伦视频高清在线观看| 欧美日韩国产mv在线观看视频 | 亚洲欧洲国产日韩| 日本欧美国产在线视频| 午夜免费观看性视频| 国产精品偷伦视频观看了| 国产免费视频播放在线视频| 国产 一区 欧美 日韩| 久久精品人妻少妇| 久久久久久久精品精品| 伊人久久国产一区二区| 国内少妇人妻偷人精品xxx网站| 国产黄片视频在线免费观看| 国产成人a区在线观看| 午夜日本视频在线| av在线播放精品| 在线观看一区二区三区激情| 天天躁夜夜躁狠狠久久av| 青青草视频在线视频观看| 久久精品国产亚洲av天美| 午夜福利网站1000一区二区三区| 久久久精品94久久精品| 91精品国产九色| 夜夜看夜夜爽夜夜摸| 在线观看国产h片| 久久久久久久大尺度免费视频| 亚洲成色77777| 国产亚洲午夜精品一区二区久久| 国产精品久久久久久精品古装| 99精国产麻豆久久婷婷| 黑人猛操日本美女一级片| 亚洲国产成人一精品久久久| 天堂中文最新版在线下载| 一级二级三级毛片免费看| 美女视频免费永久观看网站| 内射极品少妇av片p| 免费不卡的大黄色大毛片视频在线观看| 国产亚洲精品久久久com| 大又大粗又爽又黄少妇毛片口| 国产永久视频网站| 狂野欧美激情性xxxx在线观看| 亚洲,一卡二卡三卡| 99久国产av精品国产电影| 小蜜桃在线观看免费完整版高清| 观看av在线不卡| 插阴视频在线观看视频| 国产又色又爽无遮挡免| 视频区图区小说| 国产精品一区www在线观看| 岛国毛片在线播放| 久久 成人 亚洲| 免费看光身美女| 一级二级三级毛片免费看| av视频免费观看在线观看| 免费久久久久久久精品成人欧美视频 | 亚洲久久久国产精品| 激情 狠狠 欧美| 成人一区二区视频在线观看| 日本猛色少妇xxxxx猛交久久| 欧美一级a爱片免费观看看| 成人国产av品久久久| 在线免费十八禁| 天堂中文最新版在线下载| 亚洲va在线va天堂va国产| 久久久久久久久久人人人人人人| 王馨瑶露胸无遮挡在线观看| 插逼视频在线观看| 大香蕉97超碰在线| 天堂中文最新版在线下载| 中文字幕精品免费在线观看视频 | 最近的中文字幕免费完整| 身体一侧抽搐| 亚洲国产色片| 精品人妻偷拍中文字幕| 久久人人爽人人片av| 91午夜精品亚洲一区二区三区| 精品人妻熟女av久视频| 亚洲精品自拍成人| 天堂俺去俺来也www色官网| 汤姆久久久久久久影院中文字幕| 久久精品久久久久久久性| 免费人妻精品一区二区三区视频| 超碰97精品在线观看| 国产精品无大码| 美女高潮的动态| 亚洲精品,欧美精品| 建设人人有责人人尽责人人享有的 | 欧美少妇被猛烈插入视频| 在线观看免费视频网站a站| 亚洲内射少妇av| 精品视频人人做人人爽| 欧美国产精品一级二级三级 | 亚洲精品视频女| 51国产日韩欧美| 91午夜精品亚洲一区二区三区| 欧美xxxx性猛交bbbb| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 亚洲欧美一区二区三区黑人 | 免费少妇av软件| 亚洲av国产av综合av卡| 亚洲av中文av极速乱| 26uuu在线亚洲综合色| av女优亚洲男人天堂| 国产成人一区二区在线| xxx大片免费视频| 日日啪夜夜爽| 我的老师免费观看完整版| 日韩免费高清中文字幕av| 成人亚洲欧美一区二区av| 天堂8中文在线网| 国产又色又爽无遮挡免| 丰满人妻一区二区三区视频av| 日本黄色片子视频| 日本免费在线观看一区| av在线播放精品| 国产伦理片在线播放av一区| 多毛熟女@视频| 免费人成在线观看视频色| 亚洲国产欧美在线一区| 亚洲精品乱码久久久v下载方式| 国产真实伦视频高清在线观看| 秋霞在线观看毛片| 欧美精品人与动牲交sv欧美| 亚洲成人手机| 日本黄色日本黄色录像| 欧美国产精品一级二级三级 | 观看免费一级毛片| 亚洲国产av新网站| 中文字幕制服av| av播播在线观看一区| 下体分泌物呈黄色| 欧美日韩一区二区视频在线观看视频在线| 久久国产亚洲av麻豆专区| 伊人久久精品亚洲午夜| 天堂8中文在线网| 欧美高清成人免费视频www| 男女边吃奶边做爰视频| 男女无遮挡免费网站观看| 国产精品av视频在线免费观看| 精品99又大又爽又粗少妇毛片| 街头女战士在线观看网站| 国产精品熟女久久久久浪| 91狼人影院| 一级毛片 在线播放| 亚洲国产成人一精品久久久| 国产黄频视频在线观看| 水蜜桃什么品种好| 亚洲精品aⅴ在线观看| 日本一二三区视频观看| 久久精品国产亚洲av涩爱| 成人影院久久| 日韩一区二区视频免费看| 久久久久久久久大av| 亚洲人成网站在线播| 国产伦精品一区二区三区四那| 偷拍熟女少妇极品色| 久久毛片免费看一区二区三区| 亚洲av福利一区| 直男gayav资源| 美女主播在线视频| 青春草国产在线视频| 亚洲精品乱码久久久久久按摩| 国产在视频线精品| 亚洲中文av在线| 少妇裸体淫交视频免费看高清| 少妇的逼水好多| 黑人猛操日本美女一级片| 亚洲av中文字字幕乱码综合| 亚洲欧洲日产国产| 精品一品国产午夜福利视频| 中文精品一卡2卡3卡4更新| 亚洲第一av免费看| 26uuu在线亚洲综合色| 国产美女午夜福利| 久久热精品热| 国产黄色视频一区二区在线观看| 纵有疾风起免费观看全集完整版| 中文乱码字字幕精品一区二区三区| 久久女婷五月综合色啪小说| 亚洲怡红院男人天堂| 日韩一区二区三区影片| 日韩一本色道免费dvd| 亚洲四区av| 亚洲中文av在线| 噜噜噜噜噜久久久久久91| 一级毛片aaaaaa免费看小| 日韩av免费高清视频| videos熟女内射| 这个男人来自地球电影免费观看 | 免费黄网站久久成人精品| 观看av在线不卡| 嘟嘟电影网在线观看| 黄片无遮挡物在线观看| 麻豆乱淫一区二区| 自拍偷自拍亚洲精品老妇| 狂野欧美白嫩少妇大欣赏| av网站免费在线观看视频| 毛片女人毛片| 大陆偷拍与自拍| 国产成人a∨麻豆精品| 国产伦精品一区二区三区四那| 91aial.com中文字幕在线观看| 99久久精品国产国产毛片| 欧美激情极品国产一区二区三区 | 精品人妻视频免费看| 最近手机中文字幕大全| 国产av一区二区精品久久 | 亚洲国产精品成人久久小说| 寂寞人妻少妇视频99o| 一本久久精品| 亚洲电影在线观看av| 最近手机中文字幕大全| 你懂的网址亚洲精品在线观看| 日韩免费高清中文字幕av| 亚洲第一区二区三区不卡| 一级毛片我不卡| 国产精品久久久久久久电影| 欧美日韩国产mv在线观看视频 | 久久6这里有精品| 91狼人影院| 偷拍熟女少妇极品色| 在线播放无遮挡| 国产精品三级大全| 久久国产精品男人的天堂亚洲 | 99久久精品国产国产毛片| 亚洲成人av在线免费| 丰满少妇做爰视频| 国产av码专区亚洲av| 精品久久久精品久久久| 国产免费福利视频在线观看| 亚洲四区av| 大陆偷拍与自拍| 亚洲婷婷狠狠爱综合网| 日韩,欧美,国产一区二区三区| 一级毛片久久久久久久久女| 久久毛片免费看一区二区三区| 国产亚洲91精品色在线| 国产高清三级在线| 日日撸夜夜添| 尤物成人国产欧美一区二区三区| 日韩精品有码人妻一区| 超碰97精品在线观看| 国产精品偷伦视频观看了| 国产亚洲一区二区精品| av国产免费在线观看| 亚洲精品国产av蜜桃| 国产精品福利在线免费观看| 婷婷色av中文字幕| 美女主播在线视频| 91精品国产九色| 国产精品偷伦视频观看了| 国产视频内射| 精华霜和精华液先用哪个| 啦啦啦啦在线视频资源| 国产一区二区三区av在线| 亚洲成人一二三区av| 婷婷色麻豆天堂久久| 丝袜脚勾引网站| 久久人妻熟女aⅴ| 欧美xxxx黑人xx丫x性爽| 国产黄片美女视频| 欧美日韩国产mv在线观看视频 | 一区二区三区乱码不卡18| 大香蕉久久网| 日韩强制内射视频| 中国美白少妇内射xxxbb| 久久久久久久精品精品| 亚洲性久久影院| 激情 狠狠 欧美| 蜜桃在线观看..| 激情 狠狠 欧美| 国产一区二区三区综合在线观看 | 久久久久久久久大av| 久久久久久久大尺度免费视频| 欧美日韩视频精品一区| 欧美丝袜亚洲另类| 国产免费一级a男人的天堂| 亚洲精品日本国产第一区| h日本视频在线播放| av在线播放精品| 亚洲久久久国产精品| 成人漫画全彩无遮挡| 99re6热这里在线精品视频| 天堂8中文在线网| 97超碰精品成人国产| 青青草视频在线视频观看| 美女中出高潮动态图| 国产精品免费大片| 精品一品国产午夜福利视频| 国产精品人妻久久久影院| 久久精品熟女亚洲av麻豆精品| 欧美另类一区| 亚洲人成网站在线观看播放| 国产精品欧美亚洲77777| 色网站视频免费| 王馨瑶露胸无遮挡在线观看| 肉色欧美久久久久久久蜜桃| 我要看黄色一级片免费的| 久久女婷五月综合色啪小说| 亚洲成人手机| 网址你懂的国产日韩在线| 综合色丁香网| 人妻制服诱惑在线中文字幕| 狂野欧美激情性xxxx在线观看| av专区在线播放| 黄色怎么调成土黄色| 亚洲av二区三区四区| 18禁裸乳无遮挡免费网站照片| 欧美最新免费一区二区三区| 亚洲va在线va天堂va国产| 欧美日韩一区二区视频在线观看视频在线| 日本欧美国产在线视频| 欧美三级亚洲精品| 国产精品久久久久久精品电影小说 | 午夜福利在线在线| 蜜桃亚洲精品一区二区三区| 亚洲精品久久久久久婷婷小说| 天堂俺去俺来也www色官网| 街头女战士在线观看网站| 美女高潮的动态| 日韩伦理黄色片| 欧美高清性xxxxhd video| 一本—道久久a久久精品蜜桃钙片| av在线老鸭窝| 亚州av有码| 亚洲丝袜综合中文字幕| 我要看日韩黄色一级片| 国产欧美亚洲国产| 久久韩国三级中文字幕| 午夜福利在线观看免费完整高清在| 在现免费观看毛片| 3wmmmm亚洲av在线观看| 日韩在线高清观看一区二区三区| 久久久色成人|