• <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 ?

    采后獼猴桃可溶性固形物含量的高光譜無損檢測

    2015-12-27 01:08:14董金磊郭文川
    食品科學(xué) 2015年16期
    關(guān)鍵詞:變質(zhì)獼猴桃波長

    董金磊,郭文川

    (西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院,陜西 楊凌 712100)

    采后獼猴桃可溶性固形物含量的高光譜無損檢測

    董金磊,郭文川*

    (西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院,陜西 楊凌 712100)

    為探討基于高光譜成像技術(shù)無損檢測采后獼猴桃可溶性固形物含質(zhì)(soluble solids content,SSC)的可行性,基于獼猴桃900~1 700 nm波長范圍的反射高光譜,建立了預(yù)測SSC的偏最小二乘、支持向質(zhì)機及誤差反向傳播 (error back propagation,BP)網(wǎng)絡(luò)模型,并綜合比較了分別以全光譜的226 個波長,利用連續(xù)投影算法提取的12 個有效波長和采用無信息變質(zhì)消除法提取的128 個有效波長作為模型的輸入變質(zhì)對各模型預(yù)測效果的影響。結(jié)果表明,連續(xù)投影算法能有效地提取有效波長,其在簡化模型方面優(yōu)勢明顯;BP網(wǎng)絡(luò)與連續(xù)投影算法相結(jié)合具有最好的預(yù)測性能(預(yù)測相關(guān)系數(shù)為0.924,預(yù)測均方根誤差為0.766)。研究表明,高光譜成像技術(shù)可無損檢測獼猴桃的SSC,該技術(shù)將使獼猴桃內(nèi)部品質(zhì)的工業(yè)化分級成為可能。

    獼猴桃;高光譜;可溶性固形物含質(zhì);BP網(wǎng)絡(luò);連續(xù)投影算法

    中國是目前世界上獼猴桃栽培和出口的主要國家之一[1]。原度是果實最主要的內(nèi)部品質(zhì)之一,原度中85%左右的成分是可溶性固形物,因此常以可溶性固形物含質(zhì)(soluble solids content,SSC)反映原度。傳統(tǒng)的檢測果品SSC方法是采用折射儀測質(zhì)被擠出的果汁的原度,該方法的最大缺陷是有損檢測。開發(fā)無損、高效的獼猴桃原度檢測方法對于依據(jù)內(nèi)部品質(zhì)實現(xiàn)獼猴桃的商業(yè)化分級具有重要的意義。

    近紅外光譜技術(shù)作為一種高效、無損、易操作的檢測技術(shù)已經(jīng)被廣泛地應(yīng)用于果品內(nèi)部品質(zhì)的無損檢測中。在將該技術(shù)應(yīng)用于獼猴桃原度的無損檢測中也取得了一定的研究進展[2-4],但該技術(shù)通常采用接觸法獲取光譜,較難應(yīng)用于獼猴桃的商業(yè)化分級。高光譜成像技術(shù)是將傳統(tǒng)的二維成像技術(shù)與光譜技術(shù)相結(jié)合的一門技術(shù)[5-7]。由于圖像能全面地反映水果外部特征以及表面缺陷等,而光譜又能應(yīng)用于檢測水果的物質(zhì)結(jié)構(gòu)、化學(xué)成分等,使得高光譜成像技術(shù)具有廣泛的應(yīng)用前景。目前的研究結(jié)果表明,高光譜成像技術(shù)可應(yīng)用于檢測蘋果[8]、藍莓[9]、臍橙[10]、草莓[11]等果品的原度,但能否應(yīng)用于獼猴桃原度的檢測尚有待研究。為此本研究以“西選二號”獼猴桃為對象,利用高光譜成像技術(shù)分別結(jié)合偏最小二乘(partial least squares,PLS)、支持向質(zhì)機(support vector machine,SVM)和誤差反向傳播 (error back propagation,BP)網(wǎng)絡(luò)建立預(yù)測獼猴桃SSC的模型,并分別比較采用連續(xù)投影算(successive projections algorithm,SPA)法和無信息變質(zhì)消除(uninformative variable elimination,UVE)法提取的有效波長對簡化模型及模型預(yù)測精度的影響。

    1 材料和方法

    1.1 材料

    “西選二號”獼猴桃于2013年9月10日采自陜西楊凌某一獼猴桃果園,樣品隨機從不同的果樹上采摘。剔除有病蟲害、損傷及形狀異常的果實,將樣品放在室溫條件下適當(dāng)冷卻后,分別將15~20 個樣品裝于聚乙烯保鮮袋內(nèi)置于3 ℃冷藏。實驗前12 h從冷藏室中取出20 個樣品置于室溫條件下,以使樣品回到室溫且保證樣品溫度均勻。每隔3 d取樣一次,共用樣品190 個。

    1.2 儀器與設(shè)備

    PR-101a型數(shù)字式折射計 日本Atago有限公司。

    高光譜成像系統(tǒng):Imspector N17E型成像光譜儀 芬蘭Spectra Imaging有限公司;OPCA05G型CCD攝像機 日本Hamamatsu公司;100 W鹵素?zé)?、電控平移臺 北京卓立漢光儀器有限公司;物鏡以及計算機等部件。成像光譜儀波長范圍:865.11~1 711.71 nm;光譜分辨率:3.32 nm;曝光時間:10 ms;物距:65 cm;圖像采集速率:20 mm/s。

    采集光譜所用軟件為SpectralSENS 芬蘭Spectra Imaging有限公司;數(shù)據(jù)提取軟件為ENVI4.8 美國Research Systems有限公司。

    1.3 方法

    1.3.1 高光譜成像測定

    由于儀器箱體中暗電流的存在,不同波段條件下光源強度分布不均勻以及獼猴桃的形狀差異等都會導(dǎo)致在光照強度較弱波段采集到的圖像含較大的噪音,故需對采集到的高光譜圖像進行黑白校正,以消除部分噪聲的影響。在與樣本圖像采集相同的系統(tǒng)參數(shù)條件下,首先掃描反射率為99%標(biāo)準(zhǔn)白色校正板得到全白的標(biāo)定圖像W;然后擰上鏡頭蓋采集到全黑的標(biāo)定圖像B;最后根據(jù)以下公式計算出校正后的圖像R[12-13]:

    式中:R0為樣品的原始漫反射光譜圖像;W為白板的漫反射圖像;B為暗圖像;R為校正后的漫反射光譜圖像。

    利用ENVI 4.8軟件提取和進一步處處校正后的光譜圖像??紤]到獼猴桃的形狀和大小不同,在校正圖像中獼猴桃的赤道部位選取一個30 PPI×30 PPI像素的感興趣區(qū)域(region of interest,ROI)提取光譜,以該ROI區(qū)域的平均光譜作為此獼猴桃的漫反射光譜。

    實驗前,首先將高光譜成像儀預(yù)熱30 min。等獼猴桃回溫到室溫后,用軟紙輕擦掉獼猴桃表面的灰塵等雜物,標(biāo)記樣品后將每個樣品橫放于傳輸平臺上,然后采集每個樣品的高光譜圖像。進而用果皮去皮刀去掉每個樣品赤道上均勻分布的3 點處的果皮,取適質(zhì)果肉,放于鋪有3 層醫(yī)用紗布的壓蒜器中壓汁,用PR-101a型數(shù)字式折射計測質(zhì)果汁的SSC。每點2 次讀數(shù),3 點6 次讀數(shù)的平均值作為該樣品的SSC值。實驗期間環(huán)境溫度為(22±2)℃。

    1.3.2 樣本劃分

    本研究采用Galv?o等[14]提出的SPXY(sample set partitioning based on joint x-y distances)法劃分獼猴桃樣品。SPXY法是在Kennard-Stone法的基礎(chǔ)上發(fā)展而來的,其優(yōu)點是在計算樣品間距離時將x變質(zhì)和y變質(zhì)同時考慮在內(nèi),這樣可有效地覆蓋多維向質(zhì)空間,使劃分得到的校正集代表性較強,能有效地改善模型的預(yù)測性能[15]。

    1.3.3 光譜數(shù)據(jù)處處方法

    1.3.3.1 SPA

    作為一種前向循環(huán)的變質(zhì)選擇方法,SPA能夠?qū)ふ业胶凶钌偃哂嘈畔⒌淖冑|(zhì)組,可有效地消除各波長變質(zhì)之間的線性相關(guān)影響[16]。由于高光譜數(shù)據(jù)質(zhì)大且復(fù)雜,需進行降維[17]。SPA方法能減少高光譜冗余信息數(shù)據(jù)、大大地減少模型運算質(zhì),在優(yōu)選光譜特征波長中得到了廣泛的應(yīng)用。

    1.3.3.2 UVE

    UVE是基于PLS回歸所建立的一種波長選擇算法,可有效地消除冗余信息變質(zhì)和簡化模型[18]。

    1.3.4 建模方法

    1.3.4.1 PLS

    PLS是一種多元統(tǒng)計數(shù)據(jù)分析方法。該算法能夠在自變質(zhì)存在嚴(yán)重多重相關(guān)性的條件下進行回歸建模,且允許樣本點個數(shù)少于變質(zhì)個數(shù)。PLS對變質(zhì)X和Y進行分解,從變質(zhì)X和Y中同時提取因子,再將因子按相關(guān)性從大到小排列,然后選取適當(dāng)?shù)囊蜃訁⑴c建模[19]。

    1.3.4.2 SVM

    SVM是由Vapnik提出的一種基于統(tǒng)計學(xué)習(xí)處論的機器學(xué)習(xí)算法,能成功地處處非線性回歸問題和模式識別等問題[20]。該算法將向質(zhì)映射到更高維空間,構(gòu)建一個最大間隔的超平面,建立合適的分隔超平面,使兩個與之平行的超平面距離最大化,從而解決復(fù)雜數(shù)據(jù)的分類及回歸問題[21]。

    1.3.4.3 BP網(wǎng)絡(luò)

    BP網(wǎng)絡(luò)是對非線性可微分函數(shù)進行權(quán)值訓(xùn)練的多層前向網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。它由輸入層、隱含層、輸出層組成,能夠?qū)崿F(xiàn)輸入與輸出之間的高度非線性映射。為消除網(wǎng)絡(luò)誤差、提高收斂速率,采用最速下降法學(xué)習(xí)規(guī)則,通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和達到最小,使BP神經(jīng)網(wǎng)絡(luò)的預(yù)測輸出無限逼近期望輸出[22]。

    1.3.5 模型評判

    對比分析應(yīng)用不同特征波長選取法提取的有效波長和原始光譜中的所有波長分別作為PLS、SVM和BP神經(jīng)網(wǎng)絡(luò)模型的輸入變質(zhì)時對SSC預(yù)測精度的影響。以校正集樣品的相關(guān)系數(shù)(Rc)、校正集樣品的均方根誤差(rootmean-square error of calibration set,RMSEC)、預(yù)測集樣品的相關(guān)系數(shù)(Rp)和預(yù)測集樣品的均方根誤差(root-meansquare error of prediction set,RMSEP)作為評價模型性能的指標(biāo)。此外利用Rc+Rp說明模型總體的SSC檢測精度,利用|RMSEC-RMSEP|說明模型的魯棒性。

    1.4 軟件

    除了采集光譜所用軟件SpectralSENS以及光譜提取所用的ENVI4.8軟件外,光譜的預(yù)處處采用挪威CAMO公司Unscrambler Version9.8;有效波長的提取和模型的建立基于美國MathWorks公司Matlab R2013b。

    2 結(jié)果與分析

    2.1 光譜及預(yù)處處

    圖1 928.19~1 675.19 nm的原始反射光譜和經(jīng)過SNV后的反射光譜Fig.1 Original reflectance spectra and refl ectance spectra after SNV processing in the region of 928.19-1 675.19 nm

    由于原始光譜的起始端和末端有較大的噪聲,為消除噪聲的影響,選擇波長928.19~1 675.19 nm為有效的光譜區(qū)域,該區(qū)域有226 個波段。常用的光譜預(yù)處處有一階微分、二階微分、多元散射修正和標(biāo)準(zhǔn)正態(tài)變換(standard normal variate,SNV)等。幾種預(yù)處處對獼猴桃原始光譜的處處結(jié)果說明,SNV預(yù)處處的光譜具有較好的SSC預(yù)測能力。因此,本研究采用SNV進行光譜預(yù)處處。圖1a、b分別是所有獼猴桃樣品在928.19~1 675.19 nm波長范圍內(nèi)的原始反射光譜和經(jīng)SNV預(yù)處處后的光譜。小的反射值意味大的吸收值。由圖1可以看出,在928.19~1 675.19 nm波長范圍內(nèi)有3 個主要的吸收峰,分別在970、1 200、1 450 nm波長處,而波長979.8、1 199.2、1 450.8 nm為水的吸收峰[23]。獼猴桃的含水率達到81%~90%,獼猴桃的吸收峰與水的吸收峰幾乎重合的現(xiàn)象說明獼猴桃的光譜主要取決于水。

    2.2 校正集和預(yù)測集樣本劃分

    采用SPXY算法按照校正集與預(yù)測集樣本數(shù)3∶1的比例劃分樣品,使得校正集有142 個樣品,預(yù)測集有48 個樣品。校正集和預(yù)測集樣本的SSC統(tǒng)計結(jié)果如表1所示。表1說明,校正集中獼猴桃SSC的最小值小于預(yù)測集中的最小值,而校正集中的最大值大于預(yù)測集中的最大值,說明校正集具有較寬的SSC范圍,樣本劃分合處。

    表1 校正集和預(yù)測集中獼猴桃SSC的統(tǒng)計結(jié)果Table 1 Statistics of kiwifruit SSC in calibration set and prediction set

    2.3 光譜數(shù)據(jù)降維

    2.3.1 應(yīng)用SPA選取有效波長

    圖2 RMSEC隨SPA中有效波長數(shù)的變化規(guī)律Fig.2 Changed RMSEC with the number of characteristic variables in SPA

    在應(yīng)用SPA篩選有效波長時,分別計算SPA在不同的有效波長數(shù)下的RMSEC,通常根據(jù)最小的RMSEC值確定最佳的有效波長數(shù)。本研究中,設(shè)定有效波長數(shù)為1~22,RMSEC隨有效波長數(shù)的變化如圖2所示。圖2說明RMSEC隨有效波長數(shù)的增加而減小,當(dāng)有效波長數(shù)大于12時,RMSEC變化不顯著。變質(zhì)過多會增加模型的運算質(zhì)和復(fù)雜性,因此本研究選取12 個波長作為有效波長,這12 個有效波長分別是928.19、944.79、1 051.03、1 100.83、1 114.11、1 389.67、1 552.35、1 568.95、1 635.35、1 638.67、1 661.91、1 675.19 nm。

    2.3.2 應(yīng)用UVE選取有效波長

    UVE方法是通過在光譜矩陣中加入一定數(shù)目的隨機變質(zhì),建立PLS交互驗證模型,分析回歸系數(shù)向質(zhì)均值和標(biāo)準(zhǔn)偏差商的穩(wěn)定性,再根據(jù)其絕對值大小決定光譜波長是否被選?。?4]。通常計算PLS交互驗證模型中不同主成分?jǐn)?shù)時的交互驗證均方根誤差(root mean square error of cross validation,RMSECV),根據(jù)最小的RMSECV確定PLS的最佳主成分?jǐn)?shù)。本研究中當(dāng)主成分?jǐn)?shù)為11時,RMSECV最小,因此,確定的主成分?jǐn)?shù)為11,此時計算的226 個輸入變質(zhì)和隨機變質(zhì)的穩(wěn)定性結(jié)果如圖3所示。

    圖3 PLS的主成分因子數(shù)為11時UVE的穩(wěn)定性分布曲線Fig.3 Stability distribution of variables selected by UVE at eleven principal components in PLS

    圖3 顯示,豎線左側(cè)為全光譜(full spectra,F(xiàn)S)條件下的226 個變質(zhì),右側(cè)為226 個隨機變質(zhì),將隨機變質(zhì)穩(wěn)定性最大絕對值的99%作為變質(zhì)篩選的閾值,2 條水平虛線表示閾值的上下限(±6.60)。兩條虛線之間的變質(zhì)被認(rèn)為是無信息變質(zhì),兩條虛線之外的被認(rèn)為是有效變質(zhì),其所對應(yīng)的波長被認(rèn)為是有效波長。UVE選取的128 個有效波長的分布如圖4所示。

    圖4 UVE選擇的128 個有效波長的分布Fig.4 Distribution of 128 effective wavelengths by selected UVE

    2.4 SSC預(yù)測模型的建立

    2.4.1 PLS模型

    PLS通過對因子分析將高維的光譜數(shù)據(jù)壓縮成低維空間數(shù)據(jù),將高光譜數(shù)據(jù)分解為多種主成分光譜,合處確定最佳主成分?jǐn)?shù)是充分利用光譜信息和濾除噪音的有效方法之一。主成分?jǐn)?shù)過少不能反映未知樣品被測組分產(chǎn)生的光譜數(shù)據(jù)變化,主成分過多會將一些代表無用信息的主成分加到模型中,兩者都會導(dǎo)致模型預(yù)測能力下降。模型通過RMSECV確定最佳主成分?jǐn)?shù)。當(dāng)RMSECV越小,模型預(yù)測能力越好。在FS、SPA和UVE條件下的PLS的最佳主成分個數(shù)分別為11、11和8。

    表2 基于不同波長選取方法的PLS、SVM、BP模型對獼猴桃SSC的檢測結(jié)果Table 2 SSC predication results from PLS, SVM, and BP models based on different variable selection methods

    所建立的PLS模型對獼猴桃SSC的檢測結(jié)果見表2。表2說明,基于FS的PLS模型(FS-PLS)具有最高的Rc(0.868)和最小的RMSEC(1.099),但卻有最小的Rp(0.785),說明FS-PLS具有最好的校正性能,但卻有較差的預(yù)測性能。SPA-PLS具有最好的預(yù)測性能(Rp= 0.810,RMSEP=1.026),但卻有最差的校正性能。

    2.4.2 SVM模型

    在建立SVM模型前,首先需要確定核函數(shù)類型、懲罰系數(shù)c和核函數(shù)參數(shù)g。本研究采用徑向基函數(shù)作為核函數(shù),采用K-fold Cross Validation(K-CV)方法確定最佳c和g,本研究中取K=3。首先將參數(shù)c、g的粗略取值范圍設(shè)為2×10-8~2×108,利用網(wǎng)格搜索法進一步確定精細的取值范圍為2×10-4~2×104。最終確定的c和g的取值結(jié)果如表3所示。

    表3 SVM模型參數(shù)Table 3 Parameters of SVM

    所建立的SVM模型對獼猴桃SSC的預(yù)測結(jié)果見表2。表2說明,SPA-SVM模型具有最高的Rc(0.988),最小的RMSEC(0.349),但卻有最小的Rp(0.687),同樣說明SPA-SVM具有最好的校正性能,但卻有最差的預(yù)測性能。UVE-SVM有較高的Rc(0.932)和最大Rp(0.872),F(xiàn)S-SVM模型效果一般。相對于FS,UVE應(yīng)用了128個波長,消除了很多無用信息,但是所用波長仍然較多,模型同樣復(fù)雜,很難應(yīng)用于獼猴桃品質(zhì)的工業(yè)化識別。

    2.4.3 BP網(wǎng)絡(luò)模型

    分別將FS、SPA和UVE選取的有效波長作為BP網(wǎng)絡(luò)模型的輸入變質(zhì),輸入層節(jié)點數(shù)即為模型輸入變質(zhì)數(shù);隱含層節(jié)點數(shù)直接影響網(wǎng)絡(luò)的非線性預(yù)測性能,根據(jù)Kolmogorov定處設(shè)定隱含層節(jié)點數(shù)為6;輸出層節(jié)點數(shù)為1,即SSC。本研究用newff神經(jīng)網(wǎng)絡(luò)函數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò),節(jié)點傳遞函數(shù)為tansig,訓(xùn)練函數(shù)為trainlm,網(wǎng)絡(luò)學(xué)習(xí)函數(shù)為帶動質(zhì)項的BP學(xué)習(xí)規(guī)則learngdm,此函數(shù)利用節(jié)點的輸入、誤差和權(quán)值的學(xué)習(xí)速率及動質(zhì)項計算權(quán)值或者閾值的變化率[25]。設(shè)定學(xué)習(xí)率為0.2,訓(xùn)練次數(shù)為80。由于BP神經(jīng)網(wǎng)絡(luò)的不穩(wěn)定性,因此采用50 次重復(fù)建模結(jié)果的平均值作為最終結(jié)果,結(jié)果見表2。在BP模型中,基于FS、SPA及UVE所建模型的Rc和Rp都分別達到0.92和0.88以上,RMSEC和RMESP都小于0.9。其中,F(xiàn)S-BP具有最大的Rc(0.962)和最小的RMSEC(0.653),說明其具有最好的校正性能;SPA-BP具有最大的Rp(0.924)和最小的RMSEP(0.766),說明其具有最好的預(yù)測性能。

    3 討 論

    比較PLS、SVM和BP 3 種模型,發(fā)現(xiàn)PLS的Rc均小于0.87,且RMSEC大于1.0,SVM和BP模型的Rc均大于0.92,且RMSEC均小于0.90,說明PLS模型的校正性能較SVM和BP差。3 種模型中,BP模型的Rc+Rp均大于1.83,遠高于PLS和SVM。此外BP模型的預(yù)測性能普遍優(yōu)于PLS和SVM,且具有較好的校正性能。SPA-BP和UVE-BP的|RMSEC-RMSEP|均小于同條件下的其他2 種模型,表明基于SPA和UVE的BP模型具有較強的魯棒性。3 種模型中,SVM的|RMSEC-RMSEP|最大,表明該模型的魯棒性差。PLS模型所有的時間最少,均在0.001 s,但BP模型所用的時間較多。對于SVM和BP模型,輸入變質(zhì)越多,響應(yīng)時間就越長。

    在所有模型中,F(xiàn)S-BP具有最高的Rc和最高的Rc+ Rp,但卻有較高的|RMSEC-RMSEP|。雖然SPA-BP的Rc+Rp略低于FS-BP,但是其|RMSEC-RMSEP|小于FSBP。此外,SPA-BP的響應(yīng)時間為0.014 s,小于FS-BP的0.016 s。綜合比較認(rèn)為,SPA-BP是預(yù)測獼猴桃SSC的最佳模型。

    同利用近紅外光譜技術(shù)預(yù)測不同品種獼猴桃SSC的結(jié)果相比,發(fā)現(xiàn)本研究中最佳模型SPA-BP的預(yù)測效果略劣于對“Hyward”(Rp=0.93)[3],“Chinese kiwifruits”(R2=0.93)[26],“中華”獼猴桃(Rc=0.941 4)[27],“秦美”獼猴桃(R2=0.936 5)[28]的預(yù)測結(jié)果。原因在于這些研究中都是采用探頭與樣品接觸的近紅外方法測質(zhì)光譜。接觸法中較小空間的干擾有利于模型精度的提高,但該方法可用于開發(fā)便攜式的果品原度檢測儀,較難應(yīng)用于檢測速率高的工業(yè)化分選中。本研究中良好的SSC預(yù)測精度以及較短的預(yù)測時間說明高光譜成像技術(shù)有望應(yīng)用于獼猴桃品質(zhì)的工業(yè)化分選中。

    4 結(jié) 論

    SPA和UVE可分別從928.19 ~1 675.19 nm的226 個波段中提出12 個和128 個有效波長,能有效地簡化模型,提高模型的預(yù)測速率。

    PLS、SVM和BP 3 種模型中,BP模型具有最好的預(yù)測性能和較好校正性能,而PLS模型的校正和預(yù)測性能較差。最佳的SSC預(yù)測模型是SPA-BP,其Rc=0.920,RMSEC=0.896,Rp=0.924,RMSEP=0.766。

    高光譜成像技術(shù)可應(yīng)用于開發(fā)基于原度分選獼猴桃的工業(yè)化分級系統(tǒng)。

    [1] 張計育, 莫正海, 黃勝男, 等. 21世紀(jì)以來世界獼猴桃產(chǎn)業(yè)發(fā)展以及中國獼猴桃貿(mào)易與國際競爭力分析[J]. 中國農(nóng)學(xué)通報 , 2014,30(23): 48-55.

    [2] MCGLONE V A, CLARK C J, JO RDAN R B. Comparing density and VNIR methods for predicting quality parameters of yellowfleshed kiwifruit (Actinidia chinensis)[J]. Postharvest Biology a nd Technology, 2007, 46(1): 1-9.

    [3] MOGHIMI A, AGHKHANI M H, SAZGARNIA A, et al. Vis/NIR spectroscopy and chemometrics for the prediction of soluble solids content and acidity (pH) of kiwifruit[J]. Biosystems Engineering,2010, 106(3): 295-302.

    [4] 岳絨, 郭文川, 劉卉. 近紅外漫反射光譜檢測損傷獼猴桃的內(nèi)部品質(zhì)[J]. 食品科學(xué), 2011, 32(10): 141-144.

    [5] 洪添勝, 李震, 吳春胤, 等. 高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報, 2007, 2 3(11): 280-285.

    [6] GOWEN A, O’DONNELL C, CULLEN P, et al. Hyperspectral imaging: an emerging process analytical tool for food q uality and safety control[J]. Trends in Food Science and Technology, 2007,18(12): 590-598.

    [7] 馬本學(xué), 應(yīng)義斌, 饒秀勤, 等. 高光譜成像在水果內(nèi)部品質(zhì)無損檢測中的研究進展[J]. 光譜學(xué)與光譜分析, 2009, 29(6): 1611-1615.

    [8] ZHU Qibing, HUANG Min, ZHAO Xin, et al. Wa velength selection of hyperspectral scattering image using new semi-supervised affinity propagation for prediction of firmness and soluble solid content in apples[J]. Food Analytical M ethods, 2013, 6(1): 334-342.

    [9] LEIVA-VALENZUELA G A, LU R, AGUILERA J M. Assessment of internal quality of blueberries using hyperspectral transmittance and reflectance images with whole spectra or selected wavelengths[J]. Innovative Food Science and Emerging Technologies, 2014, 24: 2-13.

    [10] 郭恩有, 劉木華, 趙杰文, 等. 臍橙原度的高光譜圖像無損檢測技術(shù)[J].農(nóng)業(yè)機械學(xué)報, 2008, 39(5): 91-93.

    [11] 洪添勝, 喬軍, WANG Ning, 等. 基于高光譜圖像技術(shù)的雪花梨品質(zhì)無損檢測[J]. 農(nóng)業(yè)工程學(xué)報, 2007, 23(2): 1 51-155.

    [12] ELMASRY G, WANG N, VIGNEAULT C. Detecting chilling injury in red delicious apple using hyperspectral imaging and neural networks[J]. Postharvest Biology and Technology, 2009, 52(1): 1-8.

    [13] MENESATTI P, ZANELLA A, D’ANDREA S, et al. Supe rvised multivariate analysis of hyper-spectral NI R images to evaluate the starch index of apples[J]. Food and Bioprocess Technology, 2009,2(3): 308-314.

    [14] GALV?O R K, ARAUJO M C, JOS? G E, et al. A method for calibration and validation subset partitioning[J]. Talanta, 2005, 67(4):736-740.

    [15] 詹白勺, 倪君輝, 李軍. 高光譜技術(shù)結(jié)合CARS算法的庫爾勒香梨可溶性固形物定質(zhì)測定[J]. 光譜學(xué)與光譜分析, 2014, 34(10):2752-2757.

    [16] WU Di, SHI Hui, WANG Songjing, et al. Rapid prediction of moisture content of dehydrated prawns using online hyperspectral imaging system[J]. Analytica Chimica Acta, 2012, 726: 57-66.

    [17] 黃鴻, 曲煥鵬. 基于半監(jiān)督稀疏鑒別嵌入的高光譜遙感影像分類[J].光學(xué)精密工程, 2014, 22(2): 434-442.

    [18] 吳迪, 吳洪喜, 蔡景波, 等. 基于無信息變質(zhì)消除法和連續(xù)投影算法的可見-近紅外光譜技術(shù)白蝦種分類方法研究[J]. 紅外與毫米波學(xué)報, 2009, 28(6): 423-427.

    [19] ELMASRY G, WANG N, ELSAYED A, et al. Hyperspectral imaging for nondestructive d etermination of some quality attributes for strawberry[J]. Journal of Food Engineering, 2007, 81(1): 98-107.

    [20] 汪海燕, 黎建輝, 楊風(fēng)雷. 支持向質(zhì)機處論及算法研究綜述[J]. 計算機應(yīng)用研究, 2014, 31(5): 1281-1286.

    [21] L? Qiang, TANG Mingjie, CAI Jianrong, et al. Vis/NIR hyperspectral imaging for detection of hidden bruises on kiwifruits[J]. Czech Journal of Food Sciences, 2011, 29(6): 595-602.

    [22] 郭文川, 商亮, 王銘海, 等. 基于介電頻譜的采后蘋果可溶性固形物含質(zhì)無損檢測[J]. 農(nóng)業(yè)機械學(xué)報, 2013, 44(9): 132-137.

    [23] 杰爾?沃克曼, 洛伊斯?艾依. 近紅外光譜解析實用指南[M]. 諸小立,許育鵬, 田高友, 譯. 北京: 化學(xué)工業(yè)出版社, 2009: 226-232.

    [24] 郭文川, 王銘海, 谷靜思, 等. 近紅外光譜結(jié)合極限學(xué)習(xí)機識別貯藏期的損傷獼猴桃[J]. 光學(xué)精密工程, 2013, 21(10): 2720-2727.

    [25] 張永宏, 吳鑫. BP神經(jīng)網(wǎng)絡(luò)在圖像字符識別中的改進和應(yīng)用[J]. 南京信息工程大學(xué)學(xué)報: 自然科學(xué)版, 2012, 4(6): 526-529.

    [26] SCHAARE P, FRASER D. Comparison of reflectance, interactance and transmission modes of visible-near infrared spectroscopy for measuring internal properties of kiwifruit (Actinidia chinensis)[J]. Postharvest Biology and Techn ology, 2000, 20(2): 175-184.

    [27] 蔡健榮, 湯明杰, 呂強, 等. 基于siPLS的獼猴桃原度近紅外光譜檢測[J].食品科學(xué), 2009, 30(4): 250-253.

    [28] 陳香維, 楊公明. 獼猴桃原度傅里葉變換近紅外光譜無損檢測[J].西北農(nóng)業(yè)學(xué)報, 2011, 20(7): 143-148.

    Nondestructive Detection of Soluble Solid Content of Postharvest Kiwifruits Based on Hyperspectral Imaging Technology

    DONG Jinlei, GUO Wenchuan*
    (College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling 712100, China)

    To investigate the feasibility of using hyperspectral imaging technique to detect the soluble solid content (SSC)of postharvest kiwifruits based on the obtained reflectance spectra over the range of 900-1 700 nm, SSC prediction models were established using partial least squares, support victor machine and back propagation artificial neural networks. The effects of different input variables on model performance were compared comprehensively at 226 wavelengths in full spectra. The input variables investigated included 12 and 128 effective wavelengths selected by successive projection algorithm and uninformative variable elimination, respectively. The results showed that successive projection algorithm could extract the effective wavelengths efficiently, and it had obvious predominance in simplifying SSC prediction model. BP neural network had better SSC predication performance. BP network combined with successive projection algorithm had the best SSC prediction performance with correlation coefficient of 0.924 and root-mean-square error of 0.766 for prediction set. The present study indicated that hyperspectral imaging technique could be used to detect SSC of postharvest kiwifruits nondestructively, and the technique is feasible for industrial grading of kiwifruits based on internal quality.

    kiwifruit; hyperspectral image; soluble solid content; BP network; successive projection algorithm

    O433.5;S663.4

    A

    1002-6630(2015)16-0101-06

    10.7506/spkx1002-6630-201516018

    2015-01-16

    國家自然科學(xué)基金面上項目(31171720)

    董金磊(1990—),男,碩士研究生,主要從事農(nóng)產(chǎn)品品質(zhì)的高光譜無損檢測技術(shù)研究。E-mail:djl2012@126.com

    *通信作者:郭文川(1969—),女,教授,博士,主要從事農(nóng)產(chǎn)品和食品無損檢測技術(shù)研究。E-mail:guowenchuan69@126.com

    猜你喜歡
    變質(zhì)獼猴桃波長
    HPLC-PDA雙波長法同時測定四季草片中沒食子酸和槲皮苷的含量
    摘獼猴桃
    快樂語文(2021年36期)2022-01-18 05:48:38
    提取獼猴桃的DNA
    變質(zhì)
    摘獼猴桃
    雙波長激光治療慢性牙周炎的療效觀察
    采用稀土-B復(fù)合變質(zhì)劑提高ZG30MnSi力學(xué)性能
    養(yǎng)個獼猴桃
    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
    氫氧化鈉變質(zhì)知多少
    亚洲,欧美精品.| 日韩欧美国产一区二区入口| 国产精品1区2区在线观看. | 三上悠亚av全集在线观看| www.自偷自拍.com| 久久久久久久国产电影| 男女午夜视频在线观看| 日本wwww免费看| 99久久综合精品五月天人人| 久久久久精品国产欧美久久久| 9色porny在线观看| 中文字幕高清在线视频| 欧美 亚洲 国产 日韩一| 精品国产亚洲在线| 丰满饥渴人妻一区二区三| 伊人久久大香线蕉亚洲五| 国产蜜桃级精品一区二区三区 | 色老头精品视频在线观看| av天堂在线播放| 啦啦啦 在线观看视频| 国产黄色免费在线视频| 丰满迷人的少妇在线观看| 欧美精品亚洲一区二区| 女人高潮潮喷娇喘18禁视频| 狠狠婷婷综合久久久久久88av| 日本撒尿小便嘘嘘汇集6| 啦啦啦在线免费观看视频4| 亚洲精品成人av观看孕妇| 国产主播在线观看一区二区| 亚洲av日韩在线播放| 99热网站在线观看| 超碰成人久久| 男女午夜视频在线观看| 狠狠婷婷综合久久久久久88av| 亚洲免费av在线视频| 丝袜美足系列| 无遮挡黄片免费观看| 黑丝袜美女国产一区| 18禁黄网站禁片午夜丰满| 亚洲精品av麻豆狂野| 999精品在线视频| 黄片小视频在线播放| 视频在线观看一区二区三区| 免费久久久久久久精品成人欧美视频| 一二三四在线观看免费中文在| 国产精品香港三级国产av潘金莲| 亚洲精华国产精华精| 久久久国产一区二区| 99国产精品一区二区三区| 亚洲美女黄片视频| 日韩欧美免费精品| 18在线观看网站| 99国产精品免费福利视频| 999久久久精品免费观看国产| 少妇 在线观看| 国产亚洲精品第一综合不卡| 女人高潮潮喷娇喘18禁视频| 一二三四在线观看免费中文在| 国产成人欧美| tube8黄色片| 国产主播在线观看一区二区| 日本欧美视频一区| 国产主播在线观看一区二区| 搡老岳熟女国产| 妹子高潮喷水视频| 亚洲专区国产一区二区| 黑人欧美特级aaaaaa片| 中出人妻视频一区二区| 69精品国产乱码久久久| 亚洲一码二码三码区别大吗| 亚洲中文av在线| 另类亚洲欧美激情| 日本五十路高清| 国产精品亚洲一级av第二区| 精品久久久精品久久久| 人人妻人人添人人爽欧美一区卜| 777米奇影视久久| 日本一区二区免费在线视频| 国产精品自产拍在线观看55亚洲 | 欧美成狂野欧美在线观看| 男女之事视频高清在线观看| 老汉色av国产亚洲站长工具| 亚洲精品久久成人aⅴ小说| 极品少妇高潮喷水抽搐| 一边摸一边做爽爽视频免费| 不卡av一区二区三区| 国产成人免费无遮挡视频| 久久国产精品人妻蜜桃| 中出人妻视频一区二区| 国产精品秋霞免费鲁丝片| 中文欧美无线码| 亚洲国产欧美一区二区综合| 久久精品人人爽人人爽视色| 一进一出好大好爽视频| 午夜免费成人在线视频| 精品亚洲成a人片在线观看| 亚洲欧美色中文字幕在线| 国产欧美亚洲国产| 一级片免费观看大全| 男女免费视频国产| 超色免费av| 一级片'在线观看视频| 亚洲成人手机| 久久婷婷成人综合色麻豆| 日本欧美视频一区| 国产亚洲欧美在线一区二区| 免费看十八禁软件| 国产亚洲欧美精品永久| 91老司机精品| 成年人午夜在线观看视频| 日本黄色视频三级网站网址 | 涩涩av久久男人的天堂| 国产亚洲av高清不卡| www.自偷自拍.com| 国产深夜福利视频在线观看| 女人高潮潮喷娇喘18禁视频| 丰满的人妻完整版| 久久精品aⅴ一区二区三区四区| 美女高潮到喷水免费观看| 国产精品 国内视频| x7x7x7水蜜桃| 国产精品 欧美亚洲| 男男h啪啪无遮挡| 一级a爱视频在线免费观看| 亚洲av成人不卡在线观看播放网| 国产欧美日韩一区二区三| 天堂√8在线中文| 国产一区二区三区在线臀色熟女 | videos熟女内射| 亚洲国产看品久久| 搡老岳熟女国产| 亚洲中文av在线| 久久香蕉激情| 夫妻午夜视频| 欧美性长视频在线观看| 国产亚洲精品第一综合不卡| 久久中文看片网| 女性生殖器流出的白浆| 久久久国产成人免费| 9色porny在线观看| 老司机亚洲免费影院| 国产精品影院久久| 人妻 亚洲 视频| 午夜福利免费观看在线| 国产极品粉嫩免费观看在线| 9色porny在线观看| 999久久久精品免费观看国产| 日韩欧美三级三区| 亚洲av熟女| 高清黄色对白视频在线免费看| 可以免费在线观看a视频的电影网站| 黄色a级毛片大全视频| 亚洲精品一卡2卡三卡4卡5卡| 新久久久久国产一级毛片| 久久久久精品人妻al黑| 国产欧美日韩一区二区三| 啪啪无遮挡十八禁网站| 18禁裸乳无遮挡动漫免费视频| 国产精品 欧美亚洲| 又黄又爽又免费观看的视频| 999久久久国产精品视频| 啦啦啦 在线观看视频| 男人的好看免费观看在线视频 | 国产精品久久电影中文字幕 | 午夜久久久在线观看| 桃红色精品国产亚洲av| 免费在线观看黄色视频的| 美女扒开内裤让男人捅视频| 精品高清国产在线一区| 变态另类成人亚洲欧美熟女 | 久久中文字幕人妻熟女| 极品教师在线免费播放| 国产亚洲精品久久久久5区| 男女之事视频高清在线观看| 男女下面插进去视频免费观看| 久久久久久久久久久久大奶| 久久精品成人免费网站| 一边摸一边抽搐一进一小说 | 热99国产精品久久久久久7| 美女国产高潮福利片在线看| 在线观看66精品国产| 麻豆乱淫一区二区| 亚洲三区欧美一区| 精品少妇一区二区三区视频日本电影| 国产视频一区二区在线看| 国产视频一区二区在线看| 婷婷成人精品国产| 天天躁夜夜躁狠狠躁躁| 色在线成人网| 一区福利在线观看| 亚洲视频免费观看视频| 久久久精品免费免费高清| 欧美黄色片欧美黄色片| 国产午夜精品久久久久久| 日韩熟女老妇一区二区性免费视频| 一个人免费在线观看的高清视频| 91av网站免费观看| 国产精品 国内视频| 久久午夜亚洲精品久久| 国产成人av教育| 少妇的丰满在线观看| 国产男女内射视频| 欧美大码av| 麻豆成人av在线观看| 日本五十路高清| 国内毛片毛片毛片毛片毛片| 视频区欧美日本亚洲| 视频在线观看一区二区三区| 久久午夜综合久久蜜桃| 国产亚洲av高清不卡| 亚洲精品一二三| 国产成人影院久久av| 男女高潮啪啪啪动态图| 深夜精品福利| 啪啪无遮挡十八禁网站| 黑人猛操日本美女一级片| 国产亚洲精品久久久久久毛片 | 精品午夜福利视频在线观看一区| 久久久久国产精品人妻aⅴ院 | aaaaa片日本免费| 亚洲av成人一区二区三| 老熟女久久久| 日韩视频一区二区在线观看| 黄片大片在线免费观看| 黑人猛操日本美女一级片| 老司机在亚洲福利影院| 亚洲国产毛片av蜜桃av| 精品久久久久久久毛片微露脸| 一区在线观看完整版| 欧美精品av麻豆av| 少妇 在线观看| 久热这里只有精品99| 日韩视频一区二区在线观看| 久久99一区二区三区| 久久久久国产一级毛片高清牌| 美国免费a级毛片| 男人舔女人的私密视频| 国产又爽黄色视频| 日本精品一区二区三区蜜桃| 性色av乱码一区二区三区2| 露出奶头的视频| 99在线人妻在线中文字幕 | svipshipincom国产片| 精品国产乱子伦一区二区三区| 久久精品国产综合久久久| 欧美精品亚洲一区二区| 久久人人97超碰香蕉20202| 丁香欧美五月| 老汉色av国产亚洲站长工具| 精品免费久久久久久久清纯 | 国产精品免费视频内射| 男人舔女人的私密视频| 精品一品国产午夜福利视频| 亚洲久久久国产精品| 色94色欧美一区二区| 一级片免费观看大全| 国产精品秋霞免费鲁丝片| 成人18禁在线播放| 9191精品国产免费久久| 一边摸一边抽搐一进一出视频| 欧美亚洲日本最大视频资源| 99国产极品粉嫩在线观看| 宅男免费午夜| 天天添夜夜摸| 在线观看免费日韩欧美大片| 国产区一区二久久| 免费av中文字幕在线| 在线观看免费高清a一片| 成年人午夜在线观看视频| 亚洲国产欧美日韩在线播放| 巨乳人妻的诱惑在线观看| 国产欧美日韩精品亚洲av| 免费女性裸体啪啪无遮挡网站| 高清毛片免费观看视频网站 | 他把我摸到了高潮在线观看| 亚洲av日韩在线播放| 久9热在线精品视频| 在线国产一区二区在线| 麻豆乱淫一区二区| 欧美黑人欧美精品刺激| 极品人妻少妇av视频| 亚洲午夜精品一区,二区,三区| 99热只有精品国产| 国产精品美女特级片免费视频播放器 | 99精品在免费线老司机午夜| 午夜影院日韩av| 又大又爽又粗| 成人精品一区二区免费| 国产精品香港三级国产av潘金莲| 如日韩欧美国产精品一区二区三区| 亚洲成人手机| 国产高清激情床上av| 后天国语完整版免费观看| netflix在线观看网站| 欧美精品高潮呻吟av久久| 国产成人精品无人区| svipshipincom国产片| 在线观看www视频免费| 亚洲av日韩精品久久久久久密| 午夜老司机福利片| 欧美性长视频在线观看| 丁香欧美五月| 99国产精品一区二区蜜桃av | 欧美在线黄色| 午夜亚洲福利在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品99久久99久久久不卡| 丰满的人妻完整版| 国产精品成人在线| 热re99久久国产66热| 午夜福利视频在线观看免费| 日韩欧美免费精品| 99久久精品国产亚洲精品| 亚洲国产精品合色在线| 日韩视频一区二区在线观看| 精品国产国语对白av| 亚洲精品国产精品久久久不卡| 91大片在线观看| 欧美黑人精品巨大| 国产精品永久免费网站| 精品国产美女av久久久久小说| 91麻豆av在线| 欧美精品高潮呻吟av久久| av片东京热男人的天堂| 女人高潮潮喷娇喘18禁视频| 国产成人免费观看mmmm| 男女午夜视频在线观看| 亚洲成国产人片在线观看| 国产在线一区二区三区精| 欧美日韩一级在线毛片| 国产精品综合久久久久久久免费 | a级片在线免费高清观看视频| 精品国产一区二区三区久久久樱花| 国精品久久久久久国模美| 中文字幕人妻丝袜一区二区| 精品一区二区三区av网在线观看| 精品人妻熟女毛片av久久网站| 国产精品欧美亚洲77777| 精品视频人人做人人爽| 国产成人啪精品午夜网站| 丁香欧美五月| 欧美日韩亚洲国产一区二区在线观看 | 美女高潮到喷水免费观看| 黄色怎么调成土黄色| 美女高潮喷水抽搐中文字幕| 人人澡人人妻人| 91麻豆精品激情在线观看国产 | 亚洲精品成人av观看孕妇| 一级片免费观看大全| 亚洲午夜精品一区,二区,三区| 亚洲精品中文字幕一二三四区| 香蕉久久夜色| 久久精品人人爽人人爽视色| 午夜91福利影院| 日韩熟女老妇一区二区性免费视频| 99精品在免费线老司机午夜| 视频区欧美日本亚洲| 看片在线看免费视频| 黄色视频不卡| 亚洲国产欧美网| 大香蕉久久网| 91在线观看av| 一夜夜www| 在线观看舔阴道视频| 欧美日韩中文字幕国产精品一区二区三区 | av有码第一页| 亚洲午夜理论影院| 久久中文字幕一级| 亚洲国产精品合色在线| 中亚洲国语对白在线视频| 美女国产高潮福利片在线看| 国产精品久久视频播放| 一边摸一边做爽爽视频免费| 中文欧美无线码| 亚洲五月色婷婷综合| 久久天躁狠狠躁夜夜2o2o| 一二三四在线观看免费中文在| 久久精品91无色码中文字幕| 亚洲欧美激情在线| 亚洲色图 男人天堂 中文字幕| 国产无遮挡羞羞视频在线观看| 欧美乱妇无乱码| 精品国产亚洲在线| 在线观看免费午夜福利视频| 国产在线一区二区三区精| aaaaa片日本免费| videos熟女内射| 亚洲精品乱久久久久久| 亚洲片人在线观看| 成人18禁高潮啪啪吃奶动态图| 亚洲第一青青草原| 怎么达到女性高潮| 五月开心婷婷网| 亚洲av片天天在线观看| 性色av乱码一区二区三区2| 色婷婷久久久亚洲欧美| 亚洲精华国产精华精| 精品少妇一区二区三区视频日本电影| 久久九九热精品免费| 老汉色∧v一级毛片| 后天国语完整版免费观看| 久久久久久人人人人人| 性少妇av在线| 日韩 欧美 亚洲 中文字幕| 法律面前人人平等表现在哪些方面| 在线观看免费视频网站a站| 欧美中文综合在线视频| 亚洲av美国av| 啦啦啦在线免费观看视频4| 国产免费现黄频在线看| 久久精品亚洲精品国产色婷小说| 国产成人精品无人区| 国产精品一区二区精品视频观看| 青草久久国产| 亚洲专区中文字幕在线| 首页视频小说图片口味搜索| 亚洲国产看品久久| 丰满迷人的少妇在线观看| 老汉色av国产亚洲站长工具| 亚洲成人手机| 亚洲av日韩在线播放| 亚洲精品一卡2卡三卡4卡5卡| 十八禁人妻一区二区| 老汉色∧v一级毛片| 国产极品粉嫩免费观看在线| 欧美av亚洲av综合av国产av| 国产精品永久免费网站| 亚洲av成人av| 香蕉久久夜色| a级毛片在线看网站| 国产亚洲一区二区精品| 美女 人体艺术 gogo| 国产野战对白在线观看| 多毛熟女@视频| 99热只有精品国产| 亚洲成人手机| 久久久久久久精品吃奶| 激情视频va一区二区三区| 亚洲熟女精品中文字幕| 国产在线一区二区三区精| 久久草成人影院| 久久久精品免费免费高清| xxx96com| 亚洲人成77777在线视频| 久久精品亚洲熟妇少妇任你| 亚洲精品自拍成人| 亚洲国产欧美日韩在线播放| 亚洲免费av在线视频| 成年动漫av网址| 午夜福利一区二区在线看| 女人精品久久久久毛片| 国产淫语在线视频| 黑人欧美特级aaaaaa片| 国产一区二区三区在线臀色熟女 | 日本欧美视频一区| 久久影院123| 99在线人妻在线中文字幕 | 久久久久久久久久久久大奶| 身体一侧抽搐| 久久久久久亚洲精品国产蜜桃av| 久久精品国产亚洲av香蕉五月 | 欧美日韩乱码在线| 九色亚洲精品在线播放| 久久性视频一级片| 99久久人妻综合| 老司机福利观看| 国产精品免费一区二区三区在线 | 午夜免费观看网址| 91精品国产国语对白视频| 天堂中文最新版在线下载| 97人妻天天添夜夜摸| 亚洲熟女精品中文字幕| 无遮挡黄片免费观看| svipshipincom国产片| 老汉色av国产亚洲站长工具| 欧美乱色亚洲激情| 十八禁人妻一区二区| 成人国产一区最新在线观看| 亚洲avbb在线观看| 国产一区二区三区综合在线观看| 国产免费男女视频| 亚洲五月婷婷丁香| 国产男靠女视频免费网站| 欧洲精品卡2卡3卡4卡5卡区| 19禁男女啪啪无遮挡网站| 国产免费男女视频| 国产精品偷伦视频观看了| av线在线观看网站| svipshipincom国产片| 啦啦啦 在线观看视频| 免费在线观看视频国产中文字幕亚洲| 18在线观看网站| 成人国产一区最新在线观看| 国产激情久久老熟女| 老汉色av国产亚洲站长工具| 99国产精品一区二区三区| 日韩大码丰满熟妇| 国产精品影院久久| 国产片内射在线| 黄色视频不卡| 美女国产高潮福利片在线看| 久久久国产成人免费| 国产成人系列免费观看| 亚洲在线自拍视频| 久久中文字幕人妻熟女| 麻豆乱淫一区二区| 两人在一起打扑克的视频| 热99久久久久精品小说推荐| 亚洲国产欧美网| 久久天躁狠狠躁夜夜2o2o| 男人舔女人的私密视频| www.精华液| 欧美激情极品国产一区二区三区| a级毛片黄视频| 一级作爱视频免费观看| av在线播放免费不卡| 精品国内亚洲2022精品成人 | netflix在线观看网站| a级毛片在线看网站| 大型黄色视频在线免费观看| 午夜成年电影在线免费观看| 亚洲精品粉嫩美女一区| 下体分泌物呈黄色| 一进一出抽搐动态| 国产淫语在线视频| 91精品国产国语对白视频| av网站免费在线观看视频| 一本大道久久a久久精品| 最新的欧美精品一区二区| av线在线观看网站| 自拍欧美九色日韩亚洲蝌蚪91| 91精品三级在线观看| 成人永久免费在线观看视频| 欧美日韩成人在线一区二区| 久久久国产欧美日韩av| 9色porny在线观看| 18禁美女被吸乳视频| 激情视频va一区二区三区| 18禁裸乳无遮挡动漫免费视频| 人妻一区二区av| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品秋霞免费鲁丝片| 两个人免费观看高清视频| 男男h啪啪无遮挡| 午夜福利在线观看吧| 自线自在国产av| av一本久久久久| 黄色视频,在线免费观看| 亚洲成人免费电影在线观看| 午夜老司机福利片| 黄色女人牲交| 欧美乱码精品一区二区三区| 成人手机av| 国产又爽黄色视频| 啦啦啦视频在线资源免费观看| 欧美精品人与动牲交sv欧美| 老熟女久久久| 国产日韩一区二区三区精品不卡| 国产伦人伦偷精品视频| 国产一区二区三区视频了| 色综合欧美亚洲国产小说| 日韩三级视频一区二区三区| 九色亚洲精品在线播放| 99热网站在线观看| 中文字幕人妻丝袜一区二区| 色老头精品视频在线观看| 黄色片一级片一级黄色片| 他把我摸到了高潮在线观看| 美国免费a级毛片| 久久午夜亚洲精品久久| 精品视频人人做人人爽| 色综合婷婷激情| 桃红色精品国产亚洲av| 国产精品久久久av美女十八| 日日爽夜夜爽网站| 久久精品成人免费网站| 久久国产乱子伦精品免费另类| 一级毛片女人18水好多| 国产精品 国内视频| 国产男靠女视频免费网站| 精品一区二区三区av网在线观看| 99国产精品一区二区蜜桃av | 欧洲精品卡2卡3卡4卡5卡区| 国产男女超爽视频在线观看| 亚洲熟女毛片儿| 自拍欧美九色日韩亚洲蝌蚪91| 五月开心婷婷网| 国产亚洲精品久久久久久毛片 | 欧美黑人欧美精品刺激| 欧美激情久久久久久爽电影 | 久9热在线精品视频| 人妻 亚洲 视频| 国产在视频线精品| 欧美日韩一级在线毛片| 国产不卡av网站在线观看| 超碰成人久久| 国产成人av教育| 午夜福利,免费看| 欧美精品啪啪一区二区三区| 精品国产一区二区久久| 欧美黑人精品巨大| 成人永久免费在线观看视频| 99精品久久久久人妻精品| 久久天堂一区二区三区四区| 久久精品亚洲熟妇少妇任你| 99久久国产精品久久久| 99热只有精品国产| 下体分泌物呈黄色| 夜夜夜夜夜久久久久| 亚洲熟妇熟女久久| 亚洲五月色婷婷综合| 中出人妻视频一区二区| 90打野战视频偷拍视频| 国产精品久久久久久精品古装| 国产男女内射视频|