• <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
    最近最新中文字幕大全免费视频| 成人18禁在线播放| 国产精品久久久久成人av| 久久久久久免费高清国产稀缺| 一区二区日韩欧美中文字幕| 天堂中文最新版在线下载| 日本wwww免费看| 免费在线观看日本一区| 日韩中文字幕欧美一区二区| 宅男免费午夜| 这个男人来自地球电影免费观看| 成人18禁高潮啪啪吃奶动态图| 下体分泌物呈黄色| 精品视频人人做人人爽| 久久免费观看电影| 正在播放国产对白刺激| 黄色成人免费大全| 18禁国产床啪视频网站| 成人手机av| 亚洲欧洲精品一区二区精品久久久| 热99国产精品久久久久久7| 国产欧美日韩一区二区三区在线| 国产三级黄色录像| 日本一区二区免费在线视频| 精品少妇内射三级| 久久久久久人人人人人| 国产精品免费一区二区三区在线 | 成人亚洲精品一区在线观看| 性少妇av在线| 欧美国产精品va在线观看不卡| 国产男靠女视频免费网站| 露出奶头的视频| 热99re8久久精品国产| 91老司机精品| 老熟妇仑乱视频hdxx| 欧美黑人欧美精品刺激| 大香蕉久久成人网| 丰满迷人的少妇在线观看| 一级黄色大片毛片| 久久精品国产亚洲av香蕉五月 | 亚洲综合色网址| 国产成+人综合+亚洲专区| 91成人精品电影| 国产男女超爽视频在线观看| 国产精品秋霞免费鲁丝片| 一级毛片精品| 日韩免费av在线播放| 精品人妻熟女毛片av久久网站| 国产精品成人在线| 一区二区三区国产精品乱码| 国产野战对白在线观看| 亚洲一码二码三码区别大吗| www.熟女人妻精品国产| 超碰97精品在线观看| 一本一本久久a久久精品综合妖精| 99riav亚洲国产免费| 免费av中文字幕在线| 水蜜桃什么品种好| 亚洲成av片中文字幕在线观看| 桃红色精品国产亚洲av| 少妇猛男粗大的猛烈进出视频| 亚洲国产欧美日韩在线播放| 久久久国产精品麻豆| 日本一区二区免费在线视频| 国产精品久久久久成人av| 在线观看一区二区三区激情| 中亚洲国语对白在线视频| 夫妻午夜视频| 九色亚洲精品在线播放| 亚洲精品美女久久久久99蜜臀| 成年人黄色毛片网站| 国产在线精品亚洲第一网站| 999精品在线视频| 亚洲av美国av| 亚洲精品中文字幕一二三四区 | 久久久精品区二区三区| 自线自在国产av| 精品一品国产午夜福利视频| 热99久久久久精品小说推荐| 亚洲av美国av| 国产精品自产拍在线观看55亚洲 | 肉色欧美久久久久久久蜜桃| 在线看a的网站| 极品人妻少妇av视频| 777米奇影视久久| 国产在线精品亚洲第一网站| 美国免费a级毛片| 一级a爱视频在线免费观看| 999久久久精品免费观看国产| 国产精品麻豆人妻色哟哟久久| 国产午夜精品久久久久久| 亚洲欧美一区二区三区黑人| 国产精品成人在线| 精品一区二区三区av网在线观看 | 夜夜爽天天搞| 一级毛片女人18水好多| 成人av一区二区三区在线看| 人人妻人人澡人人爽人人夜夜| 99久久国产精品久久久| 一本综合久久免费| 亚洲视频免费观看视频| 三级毛片av免费| 精品国产国语对白av| 日韩制服丝袜自拍偷拍| 亚洲国产精品一区二区三区在线| 最新美女视频免费是黄的| 动漫黄色视频在线观看| 女性生殖器流出的白浆| 首页视频小说图片口味搜索| 久久精品亚洲熟妇少妇任你| 黄片小视频在线播放| 欧美成狂野欧美在线观看| 久久99热这里只频精品6学生| 老熟妇仑乱视频hdxx| 国产精品自产拍在线观看55亚洲 | 欧美日韩精品网址| 精品乱码久久久久久99久播| 国产一区二区在线观看av| 午夜福利影视在线免费观看| 精品乱码久久久久久99久播| 国产精品亚洲av一区麻豆| 欧美国产精品va在线观看不卡| 考比视频在线观看| 国产极品粉嫩免费观看在线| 9热在线视频观看99| 91麻豆精品激情在线观看国产 | 亚洲黑人精品在线| 久久青草综合色| 久久久久久久国产电影| 久久中文字幕人妻熟女| 777米奇影视久久| 久久国产精品影院| 久久精品人人爽人人爽视色| 国产精品久久电影中文字幕 | 日韩欧美国产一区二区入口| 黄频高清免费视频| 国产一区二区 视频在线| 国产欧美日韩一区二区三区在线| 高清视频免费观看一区二区| 天天添夜夜摸| 黑人巨大精品欧美一区二区蜜桃| 欧美变态另类bdsm刘玥| 色精品久久人妻99蜜桃| 亚洲第一欧美日韩一区二区三区 | 国产精品亚洲一级av第二区| 日韩欧美一区视频在线观看| 欧美精品高潮呻吟av久久| 免费黄频网站在线观看国产| 99国产综合亚洲精品| 久久香蕉激情| 国产精品一区二区免费欧美| 热99国产精品久久久久久7| 自线自在国产av| 日韩欧美三级三区| 老鸭窝网址在线观看| 国产单亲对白刺激| 黄色毛片三级朝国网站| 欧美日韩av久久| 自线自在国产av| 精品乱码久久久久久99久播| 国产成人精品久久二区二区91| 国产精品秋霞免费鲁丝片| 丰满迷人的少妇在线观看| 97人妻天天添夜夜摸| 91成人精品电影| 国产欧美亚洲国产| 一级片免费观看大全| 精品久久久久久电影网| 黄色怎么调成土黄色| 下体分泌物呈黄色| 久久国产精品男人的天堂亚洲| 久久精品91无色码中文字幕| 91九色精品人成在线观看| 国产主播在线观看一区二区| 久久久精品国产亚洲av高清涩受| 亚洲精品成人av观看孕妇| 亚洲精品美女久久av网站| 免费不卡黄色视频| 国产亚洲一区二区精品| 日韩欧美免费精品| 欧美国产精品一级二级三级| 丁香六月天网| 欧美日韩成人在线一区二区| 一区二区三区国产精品乱码| 午夜福利,免费看| 99久久精品国产亚洲精品| 成年版毛片免费区| 成人免费观看视频高清| 国产精品免费大片| 精品亚洲乱码少妇综合久久| 91国产中文字幕| 午夜福利影视在线免费观看| 国产欧美亚洲国产| 搡老乐熟女国产| 超碰97精品在线观看| 香蕉丝袜av| 中文字幕最新亚洲高清| 亚洲少妇的诱惑av| 最黄视频免费看| 在线十欧美十亚洲十日本专区| 午夜福利一区二区在线看| 久久免费观看电影| 日本撒尿小便嘘嘘汇集6| 久久人妻熟女aⅴ| 亚洲人成伊人成综合网2020| 亚洲av成人一区二区三| 亚洲国产欧美日韩在线播放| 久久亚洲精品不卡| 中文字幕另类日韩欧美亚洲嫩草| 在线观看免费午夜福利视频| 黄色a级毛片大全视频| 麻豆成人av在线观看| 久久狼人影院| 国产日韩一区二区三区精品不卡| 下体分泌物呈黄色| 欧美精品高潮呻吟av久久| 免费女性裸体啪啪无遮挡网站| 三级毛片av免费| 国产99久久九九免费精品| 日韩成人在线观看一区二区三区| 别揉我奶头~嗯~啊~动态视频| 高清欧美精品videossex| 精品乱码久久久久久99久播| 法律面前人人平等表现在哪些方面| 日韩免费av在线播放| 亚洲av欧美aⅴ国产| 亚洲精品av麻豆狂野| 精品视频人人做人人爽| 一本色道久久久久久精品综合| 另类精品久久| 国产精品 国内视频| 精品卡一卡二卡四卡免费| 三上悠亚av全集在线观看| 啦啦啦 在线观看视频| 亚洲国产av新网站| 老司机深夜福利视频在线观看| 精品一品国产午夜福利视频| 可以免费在线观看a视频的电影网站| 欧美日韩黄片免| 大型av网站在线播放| 中文字幕最新亚洲高清| 另类精品久久| 一二三四社区在线视频社区8| 老司机午夜十八禁免费视频| 欧美人与性动交α欧美软件| 精品久久久久久久毛片微露脸| 搡老乐熟女国产| 国产一区有黄有色的免费视频| 亚洲一卡2卡3卡4卡5卡精品中文| 精品福利观看| 久久人妻熟女aⅴ| 一级毛片精品| 精品少妇黑人巨大在线播放| 在线播放国产精品三级| 啦啦啦免费观看视频1| 欧美在线一区亚洲| 免费在线观看视频国产中文字幕亚洲| 亚洲av日韩精品久久久久久密| 男女高潮啪啪啪动态图| 在线观看免费视频网站a站| 三级毛片av免费| 中文亚洲av片在线观看爽 | 国产成人影院久久av| 搡老熟女国产l中国老女人| 亚洲av美国av| 国产精品一区二区在线不卡| 国产精品香港三级国产av潘金莲| 操美女的视频在线观看| 狠狠精品人妻久久久久久综合| 亚洲av欧美aⅴ国产| 精品久久久精品久久久| 亚洲av日韩精品久久久久久密| 国产片内射在线| 日韩成人在线观看一区二区三区| 国产精品秋霞免费鲁丝片| 亚洲熟女毛片儿| 亚洲欧美一区二区三区黑人| 亚洲国产欧美网| 亚洲久久久国产精品| 国产激情久久老熟女| 亚洲伊人色综图| 香蕉国产在线看| 9热在线视频观看99| 国产精品一区二区在线观看99| 91老司机精品| 人人妻人人爽人人添夜夜欢视频| 免费av中文字幕在线| 欧美精品高潮呻吟av久久| 99精品久久久久人妻精品| 亚洲精品成人av观看孕妇| 国产伦人伦偷精品视频| 色综合婷婷激情| 捣出白浆h1v1| 天堂8中文在线网| 成年动漫av网址| av片东京热男人的天堂| 999久久久国产精品视频| 青草久久国产| 麻豆成人av在线观看| 在线看a的网站| 亚洲av成人一区二区三| 91成年电影在线观看| 黑人欧美特级aaaaaa片| 亚洲精品一二三| 亚洲欧洲日产国产| 亚洲第一av免费看| 精品午夜福利视频在线观看一区 | 亚洲熟女精品中文字幕| 一边摸一边做爽爽视频免费| av超薄肉色丝袜交足视频| 我要看黄色一级片免费的| 性高湖久久久久久久久免费观看| 日日摸夜夜添夜夜添小说| 久久天堂一区二区三区四区| 色尼玛亚洲综合影院| 精品一区二区三卡| 老司机午夜福利在线观看视频 | 精品熟女少妇八av免费久了| 国产无遮挡羞羞视频在线观看| 男女下面插进去视频免费观看| netflix在线观看网站| 99精品欧美一区二区三区四区| 亚洲欧洲精品一区二区精品久久久| 男女无遮挡免费网站观看| 精品久久久久久电影网| 极品少妇高潮喷水抽搐| 久久久精品国产亚洲av高清涩受| 好男人电影高清在线观看| 国产熟女午夜一区二区三区| 亚洲精品中文字幕在线视频| 国产av又大| 久久国产精品影院| 亚洲人成电影观看| 黑人巨大精品欧美一区二区mp4| 国产成人精品无人区| 咕卡用的链子| 精品国产乱码久久久久久男人| 精品高清国产在线一区| 岛国毛片在线播放| 精品高清国产在线一区| 90打野战视频偷拍视频| 亚洲av片天天在线观看| 露出奶头的视频| 一级毛片精品| 女人久久www免费人成看片| 久久99热这里只频精品6学生| 欧美老熟妇乱子伦牲交| 免费av中文字幕在线| 日韩视频在线欧美| 免费久久久久久久精品成人欧美视频| 一区二区日韩欧美中文字幕| 一级毛片电影观看| 久久久精品免费免费高清| 亚洲综合色网址| 免费黄频网站在线观看国产| 欧美成人免费av一区二区三区 | 热99久久久久精品小说推荐| 伦理电影免费视频| 欧美av亚洲av综合av国产av| 大片电影免费在线观看免费| 精品视频人人做人人爽| 在线播放国产精品三级| 亚洲av美国av| 国精品久久久久久国模美| 免费在线观看完整版高清| 在线av久久热| 日本黄色视频三级网站网址 | 岛国毛片在线播放| 91麻豆av在线| 悠悠久久av| 欧美日韩亚洲综合一区二区三区_| 国产精品 欧美亚洲| 超碰97精品在线观看| 肉色欧美久久久久久久蜜桃| 国产高清国产精品国产三级| 久久久久久人人人人人| 人成视频在线观看免费观看| 人人澡人人妻人| 午夜免费成人在线视频| 婷婷成人精品国产| 国产av精品麻豆| 国产一区二区 视频在线| 精品亚洲乱码少妇综合久久| 丝袜人妻中文字幕| 黄色毛片三级朝国网站| 天天影视国产精品| 国产黄频视频在线观看| 99精品在免费线老司机午夜| 国产免费av片在线观看野外av| 成人国语在线视频| 妹子高潮喷水视频| 后天国语完整版免费观看| 黄网站色视频无遮挡免费观看| 在线观看免费日韩欧美大片| 久久久精品区二区三区| 欧美日韩一级在线毛片| 欧美+亚洲+日韩+国产| 亚洲人成电影免费在线| 好男人电影高清在线观看| 亚洲伊人久久精品综合| 国产亚洲精品第一综合不卡| 欧美日韩亚洲国产一区二区在线观看 | tocl精华| 丰满饥渴人妻一区二区三| 在线观看免费日韩欧美大片| 女人被躁到高潮嗷嗷叫费观| 日韩有码中文字幕| 亚洲美女黄片视频| 大码成人一级视频| 久久毛片免费看一区二区三区| 正在播放国产对白刺激| 国产在线视频一区二区| 热re99久久国产66热| 日韩视频一区二区在线观看| 女性被躁到高潮视频| 天天操日日干夜夜撸| 国产精品99久久99久久久不卡| 又大又爽又粗| 老司机靠b影院| 日韩有码中文字幕| 一个人免费看片子| 午夜久久久在线观看| 国产精品国产av在线观看| 黄频高清免费视频| 免费在线观看视频国产中文字幕亚洲| a级毛片在线看网站| 女同久久另类99精品国产91| 亚洲色图 男人天堂 中文字幕| 欧美 日韩 精品 国产| 精品国产一区二区久久| 精品亚洲成a人片在线观看| 日韩中文字幕视频在线看片| 美女午夜性视频免费| 免费av中文字幕在线| 人妻一区二区av| 国产精品电影一区二区三区 | 日本vs欧美在线观看视频| 十八禁高潮呻吟视频| 在线av久久热| 热99久久久久精品小说推荐| 精品少妇久久久久久888优播| 欧美日韩中文字幕国产精品一区二区三区 | 日韩中文字幕欧美一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 男女午夜视频在线观看| 亚洲欧洲日产国产| 国产在线视频一区二区| 在线观看舔阴道视频| 国产亚洲精品久久久久5区| 国产老妇伦熟女老妇高清| 夜夜爽天天搞| 老司机靠b影院| 精品国产一区二区久久| 搡老岳熟女国产| 国产高清videossex| 久久av网站| 国精品久久久久久国模美| 国产一区二区三区在线臀色熟女 | 欧美日韩国产mv在线观看视频| 少妇裸体淫交视频免费看高清 | 黄色丝袜av网址大全| 高清视频免费观看一区二区| 中文字幕高清在线视频| cao死你这个sao货| 久久久久久免费高清国产稀缺| 18禁黄网站禁片午夜丰满| 91成人精品电影| √禁漫天堂资源中文www| 在线观看免费视频网站a站| 久久人人爽av亚洲精品天堂| 90打野战视频偷拍视频| www日本在线高清视频| 老鸭窝网址在线观看| 欧美亚洲日本最大视频资源| 99久久精品国产亚洲精品| 久久国产精品男人的天堂亚洲| 一级毛片电影观看| 国产亚洲欧美在线一区二区| 欧美激情久久久久久爽电影 | 涩涩av久久男人的天堂| 法律面前人人平等表现在哪些方面| 国产精品免费一区二区三区在线 | 欧美日韩精品网址| 制服诱惑二区| 涩涩av久久男人的天堂| 色尼玛亚洲综合影院| 黄色视频不卡| av不卡在线播放| 一区二区三区精品91| 超碰97精品在线观看| 精品久久久久久电影网| 国产又色又爽无遮挡免费看| 91老司机精品| 久久国产精品大桥未久av| 美女国产高潮福利片在线看| 又大又爽又粗| 嫩草影视91久久| 国产亚洲欧美精品永久| 亚洲av美国av| 91九色精品人成在线观看| 久久亚洲真实| 亚洲全国av大片| 2018国产大陆天天弄谢| 黄色视频不卡| 激情在线观看视频在线高清 | 99精品在免费线老司机午夜| 亚洲av第一区精品v没综合| 精品国产亚洲在线| 欧美黄色淫秽网站| 久久中文看片网| 亚洲欧美一区二区三区久久| av超薄肉色丝袜交足视频| 在线亚洲精品国产二区图片欧美| 亚洲免费av在线视频| 久久精品国产亚洲av香蕉五月 | 亚洲精品在线观看二区| 国产精品秋霞免费鲁丝片| 嫩草影视91久久| 久久久久国内视频| 超色免费av| 激情在线观看视频在线高清 | 女性生殖器流出的白浆| 99久久99久久久精品蜜桃| 香蕉丝袜av| 超碰成人久久| 亚洲国产欧美一区二区综合| 国产亚洲av高清不卡| 久久精品亚洲av国产电影网| 丝袜在线中文字幕| 久久这里只有精品19| 波多野结衣av一区二区av| 亚洲欧洲日产国产| 国产精品二区激情视频| 日韩大片免费观看网站| 大型黄色视频在线免费观看| 亚洲人成电影免费在线| 亚洲成人免费av在线播放| 亚洲精品乱久久久久久| 在线观看免费视频网站a站| 国产一区二区 视频在线| 五月开心婷婷网| 91精品国产国语对白视频| 久久国产精品大桥未久av| www日本在线高清视频| 最新的欧美精品一区二区| 久久久久久久大尺度免费视频| 极品人妻少妇av视频| 美女午夜性视频免费| 久久午夜综合久久蜜桃| 国产在线免费精品| 亚洲专区字幕在线| 亚洲黑人精品在线| 色老头精品视频在线观看| 精品免费久久久久久久清纯 | 中文字幕人妻熟女乱码| 亚洲国产欧美日韩在线播放| 日本撒尿小便嘘嘘汇集6| 午夜福利乱码中文字幕| 日本撒尿小便嘘嘘汇集6| 精品国产一区二区三区四区第35| 亚洲成国产人片在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成a人片在线一区二区| 国产日韩欧美在线精品| 91大片在线观看| 亚洲,欧美精品.| 亚洲色图综合在线观看| 天堂动漫精品| 亚洲精品久久午夜乱码| 90打野战视频偷拍视频| 在线观看舔阴道视频| 少妇裸体淫交视频免费看高清 | 十八禁高潮呻吟视频| 欧美成人免费av一区二区三区 | 久久人人97超碰香蕉20202| 国产97色在线日韩免费| 午夜福利欧美成人| 麻豆av在线久日| 丰满少妇做爰视频| 嫩草影视91久久| 国产亚洲午夜精品一区二区久久| 一进一出好大好爽视频| 国产免费视频播放在线视频| 女性生殖器流出的白浆| 在线观看舔阴道视频| 男女边摸边吃奶| 每晚都被弄得嗷嗷叫到高潮| 桃花免费在线播放| 国产免费av片在线观看野外av| 黄色毛片三级朝国网站| 久久99一区二区三区| 亚洲欧美日韩另类电影网站| 久久午夜亚洲精品久久| 男女午夜视频在线观看| 夫妻午夜视频| 99精品欧美一区二区三区四区| av电影中文网址| 久久免费观看电影| 欧美亚洲日本最大视频资源| 在线av久久热| 欧美午夜高清在线| 热re99久久国产66热| 亚洲国产欧美一区二区综合| 男人舔女人的私密视频| 色综合欧美亚洲国产小说| 宅男免费午夜| 天天躁日日躁夜夜躁夜夜| 国产黄色免费在线视频| 亚洲 国产 在线| 久久久国产一区二区| 亚洲成av片中文字幕在线观看| 精品国产国语对白av| 精品福利永久在线观看| 成人特级黄色片久久久久久久 | av网站在线播放免费|