• <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
    国内精品美女久久久久久| 中文字幕高清在线视频| 99热这里只有是精品在线观看| 女人十人毛片免费观看3o分钟| 五月玫瑰六月丁香| 亚洲欧美日韩无卡精品| 99久久久亚洲精品蜜臀av| 国产成人一区二区在线| av专区在线播放| 高清在线国产一区| x7x7x7水蜜桃| 中国美女看黄片| 欧美日韩中文字幕国产精品一区二区三区| 真人一进一出gif抽搐免费| 国产精品精品国产色婷婷| 无遮挡黄片免费观看| 亚洲国产日韩欧美精品在线观看| 中亚洲国语对白在线视频| 久久中文看片网| 亚洲美女黄片视频| 亚洲专区国产一区二区| 日日夜夜操网爽| 亚洲av电影不卡..在线观看| 欧美xxxx性猛交bbbb| 国内精品宾馆在线| 精品欧美国产一区二区三| 最近在线观看免费完整版| 毛片一级片免费看久久久久 | 九九久久精品国产亚洲av麻豆| 美女免费视频网站| 少妇猛男粗大的猛烈进出视频 | 色av中文字幕| 两人在一起打扑克的视频| 在线看三级毛片| aaaaa片日本免费| 干丝袜人妻中文字幕| 美女 人体艺术 gogo| 熟女人妻精品中文字幕| 99在线视频只有这里精品首页| 最近在线观看免费完整版| 精品一区二区三区视频在线| 国产美女午夜福利| 国产成人av教育| x7x7x7水蜜桃| 韩国av在线不卡| 国产日本99.免费观看| 少妇的逼好多水| 亚洲一级一片aⅴ在线观看| 麻豆国产97在线/欧美| 国产一区二区在线av高清观看| 精品久久国产蜜桃| 色综合站精品国产| 琪琪午夜伦伦电影理论片6080| 波多野结衣高清作品| 久久人人爽人人爽人人片va| 亚洲av日韩精品久久久久久密| 亚洲最大成人av| 久久6这里有精品| 亚洲精品影视一区二区三区av| 男插女下体视频免费在线播放| 真人一进一出gif抽搐免费| 国产精品美女特级片免费视频播放器| 韩国av在线不卡| 在线观看免费视频日本深夜| 国产精品三级大全| 精品乱码久久久久久99久播| 国产国拍精品亚洲av在线观看| 琪琪午夜伦伦电影理论片6080| 国产精品一区二区三区四区久久| 五月玫瑰六月丁香| 欧美日韩中文字幕国产精品一区二区三区| 神马国产精品三级电影在线观看| 午夜福利高清视频| 日韩一本色道免费dvd| 日韩欧美国产一区二区入口| 久久欧美精品欧美久久欧美| 91久久精品电影网| 久久热精品热| 国产三级在线视频| 国产一区二区在线观看日韩| 少妇的逼好多水| 久久久久久久午夜电影| 国国产精品蜜臀av免费| 狂野欧美激情性xxxx在线观看| 九九热线精品视视频播放| a级毛片a级免费在线| a级毛片a级免费在线| 最近视频中文字幕2019在线8| 综合色av麻豆| 深爱激情五月婷婷| 亚洲aⅴ乱码一区二区在线播放| 久久亚洲真实| 春色校园在线视频观看| 精品欧美国产一区二区三| 能在线免费观看的黄片| 桃色一区二区三区在线观看| 精品99又大又爽又粗少妇毛片 | 老熟妇仑乱视频hdxx| 亚洲成人精品中文字幕电影| 搡女人真爽免费视频火全软件 | 国产爱豆传媒在线观看| 男人舔奶头视频| 亚洲精品在线观看二区| 亚洲av中文av极速乱 | 天天一区二区日本电影三级| 亚洲无线观看免费| 欧美日韩瑟瑟在线播放| 国产熟女欧美一区二区| 午夜福利高清视频| 成人三级黄色视频| 久久久成人免费电影| 国产成人福利小说| a级毛片a级免费在线| 在线观看美女被高潮喷水网站| 91久久精品国产一区二区成人| 嫁个100分男人电影在线观看| 成人av在线播放网站| 日本撒尿小便嘘嘘汇集6| 国产69精品久久久久777片| 久久草成人影院| 欧美国产日韩亚洲一区| 中文在线观看免费www的网站| 成人美女网站在线观看视频| 午夜日韩欧美国产| 亚洲va日本ⅴa欧美va伊人久久| 日韩精品中文字幕看吧| 动漫黄色视频在线观看| 最好的美女福利视频网| 草草在线视频免费看| 亚洲av成人av| 制服丝袜大香蕉在线| 成人无遮挡网站| 精品欧美国产一区二区三| 97超级碰碰碰精品色视频在线观看| 欧美极品一区二区三区四区| 久久国产精品人妻蜜桃| 人人妻人人看人人澡| 成人国产综合亚洲| 成年女人看的毛片在线观看| 亚洲av.av天堂| 国产精品人妻久久久久久| 啦啦啦韩国在线观看视频| 午夜免费男女啪啪视频观看 | 在线播放无遮挡| 又紧又爽又黄一区二区| 久久久久久九九精品二区国产| 精品人妻1区二区| 亚洲美女视频黄频| 哪里可以看免费的av片| 观看美女的网站| 国产精品嫩草影院av在线观看 | 日日摸夜夜添夜夜添av毛片 | 一个人免费在线观看电影| 少妇裸体淫交视频免费看高清| av天堂中文字幕网| 国产乱人伦免费视频| 成年女人看的毛片在线观看| 老熟妇乱子伦视频在线观看| 乱码一卡2卡4卡精品| 香蕉av资源在线| 国产精品日韩av在线免费观看| 极品教师在线免费播放| videossex国产| 国产中年淑女户外野战色| 亚洲天堂国产精品一区在线| 欧美潮喷喷水| 日韩国内少妇激情av| 女同久久另类99精品国产91| 亚洲精品亚洲一区二区| 成人国产麻豆网| 变态另类丝袜制服| 99久久无色码亚洲精品果冻| 51国产日韩欧美| 欧美3d第一页| 波多野结衣巨乳人妻| 在线免费观看的www视频| 国产私拍福利视频在线观看| 美女xxoo啪啪120秒动态图| 欧美成人一区二区免费高清观看| 亚洲人成伊人成综合网2020| 精品99又大又爽又粗少妇毛片 | 亚洲乱码一区二区免费版| 久久久久久伊人网av| 亚洲精品国产成人久久av| 少妇裸体淫交视频免费看高清| 日韩欧美精品免费久久| 97超级碰碰碰精品色视频在线观看| 亚洲av电影不卡..在线观看| 精品久久久久久久人妻蜜臀av| 波野结衣二区三区在线| 精品人妻偷拍中文字幕| 97人妻精品一区二区三区麻豆| 麻豆国产97在线/欧美| 欧美在线一区亚洲| 51国产日韩欧美| 国产大屁股一区二区在线视频| 成人高潮视频无遮挡免费网站| 欧美一区二区精品小视频在线| 草草在线视频免费看| 亚洲精品国产成人久久av| 国产亚洲精品久久久com| 特大巨黑吊av在线直播| 99精品在免费线老司机午夜| 日韩,欧美,国产一区二区三区 | 最好的美女福利视频网| 精品久久久久久久久av| 99国产精品一区二区蜜桃av| 乱系列少妇在线播放| 国产精品伦人一区二区| 国产 一区 欧美 日韩| 欧美精品啪啪一区二区三区| 中文字幕av成人在线电影| 草草在线视频免费看| 国产一区二区三区在线臀色熟女| 久久午夜亚洲精品久久| 日本撒尿小便嘘嘘汇集6| 国产精品一区二区免费欧美| 伊人久久精品亚洲午夜| 日本免费一区二区三区高清不卡| 国产一区二区在线观看日韩| 久久久久久大精品| 免费观看的影片在线观看| 亚洲欧美精品综合久久99| 日韩一区二区视频免费看| 精品不卡国产一区二区三区| 人人妻,人人澡人人爽秒播| 国产精品人妻久久久影院| 成人午夜高清在线视频| 久久久久性生活片| 麻豆国产97在线/欧美| 亚洲七黄色美女视频| 午夜激情福利司机影院| 大又大粗又爽又黄少妇毛片口| 看十八女毛片水多多多| 欧美一区二区精品小视频在线| 日韩欧美一区二区三区在线观看| 日本免费a在线| 国产亚洲精品久久久com| 国内毛片毛片毛片毛片毛片| 国产成人影院久久av| 特大巨黑吊av在线直播| 午夜免费男女啪啪视频观看 | 国产伦在线观看视频一区| 成人av一区二区三区在线看| 久久这里只有精品中国| 俄罗斯特黄特色一大片| 男人的好看免费观看在线视频| 欧美中文日本在线观看视频| 国产精品野战在线观看| 国产亚洲精品久久久久久毛片| av国产免费在线观看| 深爱激情五月婷婷| 男人和女人高潮做爰伦理| 国内久久婷婷六月综合欲色啪| 国内精品一区二区在线观看| 亚洲乱码一区二区免费版| 成人特级av手机在线观看| 日本欧美国产在线视频| 精品99又大又爽又粗少妇毛片 | 国产一区二区亚洲精品在线观看| 亚洲四区av| 动漫黄色视频在线观看| 久久亚洲真实| 久久精品国产99精品国产亚洲性色| 成人欧美大片| 成年女人看的毛片在线观看| 黄片wwwwww| 狂野欧美激情性xxxx在线观看| 国产美女午夜福利| 99热这里只有是精品50| 国产精品98久久久久久宅男小说| 无遮挡黄片免费观看| 在线观看美女被高潮喷水网站| 真人一进一出gif抽搐免费| 乱码一卡2卡4卡精品| 麻豆成人av在线观看| 97人妻精品一区二区三区麻豆| a级毛片免费高清观看在线播放| 18禁裸乳无遮挡免费网站照片| 九九爱精品视频在线观看| 搞女人的毛片| 亚洲成人精品中文字幕电影| 国产精品精品国产色婷婷| 一级黄片播放器| 看黄色毛片网站| 国产精品一区二区性色av| 99热网站在线观看| 亚洲国产精品成人综合色| 色av中文字幕| 欧美最新免费一区二区三区| 亚洲精品日韩av片在线观看| a级毛片a级免费在线| 国产美女午夜福利| 国产亚洲精品综合一区在线观看| 国产一级毛片七仙女欲春2| 国产精品人妻久久久影院| 真人一进一出gif抽搐免费| av在线老鸭窝| 国产一级毛片七仙女欲春2| 久久久久久久久大av| 在现免费观看毛片| 国产色爽女视频免费观看| 久久精品91蜜桃| 五月玫瑰六月丁香| 美女cb高潮喷水在线观看| 中文字幕人妻熟人妻熟丝袜美| 三级男女做爰猛烈吃奶摸视频| 一区二区三区四区激情视频 | 亚洲欧美日韩高清专用| 国产久久久一区二区三区| av天堂中文字幕网| 他把我摸到了高潮在线观看| 国产成人影院久久av| 久久久久久久亚洲中文字幕| 1000部很黄的大片| 亚洲精品粉嫩美女一区| 国产中年淑女户外野战色| 欧美日韩国产亚洲二区| 欧美bdsm另类| 久久6这里有精品| 国产精品永久免费网站| 夜夜看夜夜爽夜夜摸| 久久久久久国产a免费观看| 午夜激情欧美在线| 日韩在线高清观看一区二区三区 | 偷拍熟女少妇极品色| 亚洲av不卡在线观看| 欧美最新免费一区二区三区| 99久久中文字幕三级久久日本| 久久久色成人| 中文字幕av在线有码专区| 大型黄色视频在线免费观看| 嫩草影院精品99| 女人被狂操c到高潮| 又紧又爽又黄一区二区| 亚洲av成人av| 无人区码免费观看不卡| 久久久久久久久久成人| 少妇丰满av| 免费观看的影片在线观看| 久久久精品大字幕| 亚洲 国产 在线| 午夜亚洲福利在线播放| 亚洲图色成人| 99久久久亚洲精品蜜臀av| av在线天堂中文字幕| 日韩欧美在线二视频| 欧美日韩黄片免| av在线天堂中文字幕| 亚洲精品乱码久久久v下载方式| 在线a可以看的网站| 床上黄色一级片| 亚洲成av人片在线播放无| 日本a在线网址| 亚洲第一电影网av| 身体一侧抽搐| 丰满乱子伦码专区| 成人鲁丝片一二三区免费| 白带黄色成豆腐渣| АⅤ资源中文在线天堂| 麻豆av噜噜一区二区三区| 国产精品一区二区三区四区免费观看 | 成熟少妇高潮喷水视频| 国产亚洲精品久久久久久毛片| 日韩强制内射视频| 欧美日韩亚洲国产一区二区在线观看| 国产视频一区二区在线看| 有码 亚洲区| 成年女人毛片免费观看观看9| 国产精品亚洲一级av第二区| 女生性感内裤真人,穿戴方法视频| 亚洲欧美精品综合久久99| 小说图片视频综合网站| 国产成人福利小说| 婷婷丁香在线五月| 动漫黄色视频在线观看| 美女xxoo啪啪120秒动态图| av黄色大香蕉| ponron亚洲| а√天堂www在线а√下载| 久久国产精品人妻蜜桃| 国产精品福利在线免费观看| 午夜免费激情av| 美女xxoo啪啪120秒动态图| 又黄又爽又免费观看的视频| 91麻豆精品激情在线观看国产| 日本欧美国产在线视频| av在线亚洲专区| 丰满的人妻完整版| 亚洲成人久久爱视频| 99久久九九国产精品国产免费| 国产国拍精品亚洲av在线观看| 如何舔出高潮| 在线天堂最新版资源| 狂野欧美激情性xxxx在线观看| 免费黄网站久久成人精品| 成人av一区二区三区在线看| 一个人免费在线观看电影| 久久人妻av系列| 午夜福利18| 国产成人影院久久av| 免费av观看视频| 九九久久精品国产亚洲av麻豆| 99热6这里只有精品| 婷婷亚洲欧美| 丰满乱子伦码专区| 国产久久久一区二区三区| 午夜福利高清视频| 亚洲aⅴ乱码一区二区在线播放| 精品久久久噜噜| 少妇人妻一区二区三区视频| 春色校园在线视频观看| 亚洲,欧美,日韩| 亚洲av免费在线观看| 久久99热6这里只有精品| 永久网站在线| 99国产精品一区二区蜜桃av| 啦啦啦观看免费观看视频高清| 深夜a级毛片| 久久久色成人| 亚洲国产精品合色在线| 国产精品三级大全| 免费黄网站久久成人精品| 午夜福利高清视频| 国产精品久久视频播放| 18+在线观看网站| 一进一出好大好爽视频| 可以在线观看的亚洲视频| 欧美日韩瑟瑟在线播放| 国产国拍精品亚洲av在线观看| 欧美成人免费av一区二区三区| 一区二区三区高清视频在线| 亚洲五月天丁香| 日韩一区二区视频免费看| 一区福利在线观看| 中文字幕精品亚洲无线码一区| 国产视频一区二区在线看| 欧美性感艳星| 亚洲在线观看片| 久久亚洲精品不卡| 又爽又黄无遮挡网站| 日本免费一区二区三区高清不卡| а√天堂www在线а√下载| 国产精品野战在线观看| 国产精品久久久久久精品电影| 国产视频内射| 三级国产精品欧美在线观看| 国产精品美女特级片免费视频播放器| 免费人成在线观看视频色| 婷婷六月久久综合丁香| 非洲黑人性xxxx精品又粗又长| 亚洲第一区二区三区不卡| 欧美在线一区亚洲| 亚洲va日本ⅴa欧美va伊人久久| 国产免费男女视频| 亚洲内射少妇av| 亚洲男人的天堂狠狠| av天堂在线播放| 成人av在线播放网站| 在线a可以看的网站| 亚洲欧美日韩卡通动漫| 搡老熟女国产l中国老女人| 天堂√8在线中文| 老师上课跳d突然被开到最大视频| 久久精品国产自在天天线| 国产69精品久久久久777片| 国产爱豆传媒在线观看| 午夜福利视频1000在线观看| 欧美不卡视频在线免费观看| 国产精品女同一区二区软件 | 久久香蕉精品热| 久久6这里有精品| 成人精品一区二区免费| 久久久久久久久久黄片| 如何舔出高潮| 午夜影院日韩av| 三级毛片av免费| 精品一区二区三区人妻视频| 久久亚洲真实| 亚洲最大成人中文| 深爱激情五月婷婷| 人人妻人人看人人澡| 国产国拍精品亚洲av在线观看| av黄色大香蕉| 国产高清激情床上av| 女的被弄到高潮叫床怎么办 | 无人区码免费观看不卡| 三级国产精品欧美在线观看| 成人无遮挡网站| 白带黄色成豆腐渣| 少妇裸体淫交视频免费看高清| 成人精品一区二区免费| 亚洲av成人av| 亚洲天堂国产精品一区在线| 久久这里只有精品中国| 人妻久久中文字幕网| 亚洲美女黄片视频| 日本撒尿小便嘘嘘汇集6| 亚洲 国产 在线| 在线免费十八禁| 两个人的视频大全免费| 亚洲av免费高清在线观看| 波野结衣二区三区在线| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲av涩爱 | 亚洲最大成人中文| 听说在线观看完整版免费高清| 小蜜桃在线观看免费完整版高清| 天堂√8在线中文| 中文在线观看免费www的网站| 精品一区二区免费观看| 亚洲久久久久久中文字幕| 亚洲精品日韩av片在线观看| 99热这里只有是精品在线观看| 自拍偷自拍亚洲精品老妇| 很黄的视频免费| 成人av一区二区三区在线看| 日韩亚洲欧美综合| 国产午夜福利久久久久久| 男插女下体视频免费在线播放| 日本成人三级电影网站| 午夜福利在线观看吧| 亚洲经典国产精华液单| 99国产精品一区二区蜜桃av| 久久精品国产亚洲av涩爱 | 少妇熟女aⅴ在线视频| 免费看美女性在线毛片视频| 久久久久久久久久成人| 校园人妻丝袜中文字幕| 精品99又大又爽又粗少妇毛片 | 国产美女午夜福利| 麻豆久久精品国产亚洲av| 毛片女人毛片| 久久精品91蜜桃| 国产精品嫩草影院av在线观看 | 天堂√8在线中文| 国产在线精品亚洲第一网站| 香蕉av资源在线| av在线老鸭窝| 国产亚洲91精品色在线| 国产精品一区二区免费欧美| 国产精品一及| 精品久久久久久久久久久久久| 一进一出好大好爽视频| 天堂影院成人在线观看| 他把我摸到了高潮在线观看| 亚洲第一电影网av| 高清日韩中文字幕在线| 国产在视频线在精品| 香蕉av资源在线| 国产综合懂色| 亚洲av美国av| 大又大粗又爽又黄少妇毛片口| 哪里可以看免费的av片| 免费人成在线观看视频色| 久久精品影院6| 日日摸夜夜添夜夜添小说| 国产黄a三级三级三级人| 真人做人爱边吃奶动态| 久久久久久国产a免费观看| 免费一级毛片在线播放高清视频| 久久久久久国产a免费观看| a级一级毛片免费在线观看| 国产国拍精品亚洲av在线观看| av专区在线播放| 欧美日韩中文字幕国产精品一区二区三区| 一区二区三区免费毛片| 久久香蕉精品热| 国产精品嫩草影院av在线观看 | 欧美精品国产亚洲| 成人欧美大片| 国产精品爽爽va在线观看网站| av在线亚洲专区| 免费观看人在逋| 一个人看视频在线观看www免费| 成人午夜高清在线视频| 国语自产精品视频在线第100页| 亚洲精华国产精华精| 99热只有精品国产| 国产精品国产三级国产av玫瑰| 99久久成人亚洲精品观看| 国产私拍福利视频在线观看| 国产色爽女视频免费观看| 哪里可以看免费的av片| 亚洲中文日韩欧美视频| av在线天堂中文字幕| 国内精品一区二区在线观看| 性插视频无遮挡在线免费观看| 女同久久另类99精品国产91| 国模一区二区三区四区视频| 黄色日韩在线| 一区二区三区四区激情视频 | 国产三级在线视频| 99精品久久久久人妻精品| 国产熟女欧美一区二区| 69av精品久久久久久| 国产亚洲精品av在线| 欧美一区二区国产精品久久精品| 老女人水多毛片| 久久99热这里只有精品18| 亚洲在线自拍视频| 精品久久国产蜜桃| 亚洲国产日韩欧美精品在线观看| 天美传媒精品一区二区| 不卡视频在线观看欧美| 天天躁日日操中文字幕| 国产一区二区三区视频了| 欧美xxxx性猛交bbbb| 国产 一区精品| 欧美极品一区二区三区四区| 国产精品国产三级国产av玫瑰| 可以在线观看毛片的网站| 国内毛片毛片毛片毛片毛片| 老熟妇乱子伦视频在线观看| 国产亚洲精品久久久com|