• <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 ?

    基于高光譜成像的核桃仁品質(zhì)檢測(cè)與分類方法

    2020-12-25 02:53:52馬文強(qiáng)張漫李源李民贊楊莉玲朱占江崔寬波
    分析化學(xué) 2020年12期
    關(guān)鍵詞:核桃仁無(wú)損檢測(cè)分類

    馬文強(qiáng) 張漫 李源 李民贊 楊莉玲 朱占江 崔寬波

    摘 要 采用光譜與圖像相結(jié)合,實(shí)現(xiàn)了核桃仁蛋白質(zhì)和脂肪含量預(yù)測(cè)及基于完整度和色澤的核桃仁外觀品質(zhì)分級(jí)。選用新疆“溫185”核桃仁,采集了862.9~1704.02 nm和382.19~1026.66 nm范圍高光譜圖像。采用多元散射校正(MSE)和標(biāo)準(zhǔn)正態(tài)化(SNV)方法進(jìn)行預(yù)處理后,通過(guò)競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣算法與相關(guān)系數(shù)法,對(duì)核桃仁樣品的蛋白質(zhì)含量、脂肪含量、總色差3個(gè)參數(shù)進(jìn)行了特征波段篩選。通過(guò)偏最小二乘回歸(PLSR)算法建立了全光譜波段與特征光譜波段的蛋白質(zhì)和脂肪含量預(yù)測(cè)模型,與全光譜波段相比,蛋白質(zhì)含量特征波段預(yù)測(cè)模型的驗(yàn)證集決定系數(shù)(R2)由0.66增長(zhǎng)到0.91,均方根誤差(RMSEP)由1.37%下降到0.78%; 脂肪含量特征波段預(yù)測(cè)模型的驗(yàn)證集R2由0.83增長(zhǎng)到0.93, RMSEP由0.98%下降到0.47%。在外觀品質(zhì)方面,采用全光譜波段、RGB光譜波段、總色差特征光譜波段為輸入,采用決策樹(shù)、K近鄰和支持向量機(jī)算法建立了核桃仁外觀品質(zhì)分類模型。通過(guò)對(duì)比發(fā)現(xiàn),采用總色差特征波段建模,可大幅減低冗余信息的干擾,同時(shí)分類準(zhǔn)確率也高于RGB波段; 在光譜信息的基礎(chǔ)上加入圖像統(tǒng)計(jì)特征參數(shù)信息,能夠進(jìn)一步提升分類的準(zhǔn)確率,當(dāng)采用決策數(shù)算法建立的色澤分類模型時(shí),模型具有最高的分類準(zhǔn)確率(98.6%); 分類算法方面,當(dāng)輸入變量數(shù)目較少時(shí),決策樹(shù)算法在分類準(zhǔn)確率和速度方面都具有明顯的優(yōu)勢(shì)。利用高光譜技術(shù)可以實(shí)現(xiàn)核桃仁內(nèi)部品質(zhì)檢測(cè)與外觀分級(jí),為核桃仁品質(zhì)無(wú)損檢測(cè)的提供了新的理論依據(jù)。

    關(guān)鍵詞 核桃仁; 高光譜圖像; 無(wú)損檢測(cè); 分類; 特征波段

    1 引 言

    核桃是一種老幼皆宜的堅(jiān)果食品和重要的木本油料作物,我國(guó)核桃種植面積及產(chǎn)量均居世界首位[1]。核桃仁品質(zhì)檢測(cè)與分級(jí)是核桃生產(chǎn)加工的重要環(huán)節(jié)。按照國(guó)家相關(guān)標(biāo)準(zhǔn)[2-3]的規(guī)定,核桃仁外觀品質(zhì)指標(biāo)包括完整度和表皮色澤,內(nèi)部品質(zhì)指標(biāo)包含脂肪含量和蛋白質(zhì)含量。實(shí)際生產(chǎn)中核桃仁分級(jí)主要依靠外形和色澤進(jìn)行人工挑選,生產(chǎn)成本高,分級(jí)隨意性大,難以對(duì)內(nèi)部品質(zhì)進(jìn)行分辨。傳統(tǒng)的化學(xué)檢測(cè)對(duì)樣品具有破環(huán)性,檢測(cè)時(shí)間也較長(zhǎng),難以適應(yīng)現(xiàn)代化生產(chǎn)要求。

    機(jī)器視覺(jué)和近紅外光譜是農(nóng)產(chǎn)品品質(zhì)研究中采用較多的技術(shù)手段。在采用機(jī)器視覺(jué)進(jìn)行核桃仁分級(jí)方面,申愛(ài)敏等[4]以統(tǒng)計(jì)出的灰度圖像核桃仁的面積為依據(jù),采用閾值法自動(dòng)識(shí)別核桃仁等級(jí),分級(jí)正確率大于90%。蔡建等[5]提取了核桃仁圖像在HSV顏色空間的顏色直方圖、飽和度與明度的一、二階距、最小外接矩形長(zhǎng)寬比、輪廓面積與最小外接圓面積比等色澤與外觀參數(shù),采用決策樹(shù)(Decision tree, DT)算法進(jìn)行核桃仁分級(jí)預(yù)測(cè)建模,總體正確率達(dá)到92%。周軍等[6]在此基礎(chǔ)上進(jìn)一步加入了顏色距、圖像幾何不變距等顏色和外觀特征,并采用最大相關(guān)最小冗余算法對(duì)特征變量進(jìn)行篩選,通過(guò)樸素貝葉斯(Native Bayesian, NB)分類算法對(duì)核桃仁等級(jí)進(jìn)行建模預(yù)測(cè),分級(jí)正確率達(dá)到97.33%。在采用近紅外光譜進(jìn)行核桃仁內(nèi)部品質(zhì)檢測(cè)方面,郝中誠(chéng)等[7]采用了標(biāo)準(zhǔn)正態(tài)化預(yù)處理和偏最小二乘回歸(Partial least squares regression, PLSR)算法建立了核桃殼、仁近紅外光譜與含水率的預(yù)測(cè)模型,模型平均偏差達(dá)到了0.35%。本研究組前期采用近紅外光譜技術(shù)開(kāi)展了核桃仁品種分類及蛋白質(zhì)含量預(yù)測(cè)研究,采用主成分分析(Principal component analysis, PCA)與支持向量機(jī)(Support vector machine, SVM)相結(jié)合的方法對(duì)4個(gè)不同品種的核桃仁樣品近紅外光譜進(jìn)行分類,總體正確識(shí)別率達(dá)到 96%; 進(jìn)一步采用間隔偏最小二乘(Interval partial least squares, IPLS)算法對(duì)核桃仁蛋白質(zhì)含量特征波段進(jìn)行篩選,并建立了核桃仁蛋白質(zhì)含量偏PLS預(yù)測(cè)模型, 針對(duì)驗(yàn)證集的均方根誤差和相關(guān)系數(shù)分別為0.021和0.913[8,9]。核桃仁品質(zhì)檢測(cè)中需要對(duì)核桃仁內(nèi)外部品質(zhì)做出整體評(píng)價(jià),但兩種技術(shù)都無(wú)法同時(shí)反映被測(cè)樣品的外觀與內(nèi)部品質(zhì)信息。

    高光譜成像同時(shí)包含了圖像和光譜兩種技術(shù)方法,其原理是采用高光譜成像設(shè)備對(duì)拍攝對(duì)象的反射光在光譜范圍內(nèi)進(jìn)行細(xì)分,然后采集每個(gè)對(duì)應(yīng)光譜波段的圖像信息,最終獲得具有三維數(shù)據(jù)的高光譜圖像信息。高光譜圖像不僅可以獲得圖像中每個(gè)點(diǎn)的光譜信息,而且可以獲得任意光譜波段的圖像,可以直觀地顯示出被拍攝對(duì)象的外觀特征、光譜特征、顏色特征、紋理特征等豐富的信息,因此,在農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面的研究日益廣泛[10~14],目前已應(yīng)用于油料[15]、肉類[16]、水果[17]、種子[18]、飲料[19]等農(nóng)產(chǎn)品的無(wú)損檢測(cè)及分類方面。但是,由于成分、形狀的不同,以上成果無(wú)法直接用于核桃仁內(nèi)外部品質(zhì)檢測(cè)及分類。目前,采用高光譜技術(shù)進(jìn)行核桃品質(zhì)檢測(cè)的研究主要集中于核桃殼仁分類[20],針對(duì)核桃仁品質(zhì)的研究尚未見(jiàn)相關(guān)報(bào)道。

    基于以上分析,為了探索同時(shí)實(shí)現(xiàn)核桃仁內(nèi)部品質(zhì)檢測(cè)和外觀等級(jí)分類的方法,本研究采用高光譜成像技術(shù)開(kāi)展了核桃仁脂肪含量、蛋白質(zhì)含量及色澤的特征光譜篩選,篩選出了品質(zhì)指標(biāo)的相關(guān)特征波段,進(jìn)一步建立了核桃仁脂肪含量和蛋白質(zhì)含量PLS預(yù)測(cè)模型,并采用DT算法建立了基于完整度和表皮色澤的核桃仁外觀等級(jí)分類模型,取得了較好的預(yù)測(cè)和分類效果,以期為核桃仁品質(zhì)無(wú)損檢測(cè)的應(yīng)用提供參考。

    2 實(shí)驗(yàn)部分

    2.1 實(shí)驗(yàn)樣本及其處理

    實(shí)驗(yàn)樣品選用新疆“溫185”核桃,含水量為7%,實(shí)驗(yàn)前于4℃儲(chǔ)藏約5個(gè)月。手工破殼取仁,選取核桃仁樣品60枚,包含半仁、1/4仁和碎仁3個(gè)完整度等級(jí)和淺黃色、淺琥珀色、琥珀色3個(gè)色澤等級(jí),核桃仁樣本不同外觀等級(jí)示例如圖1所示,樣品外觀等級(jí)分布情況如表1所示。通過(guò)高光譜成像設(shè)備采集高光譜圖像后,使用色差儀采集每個(gè)核桃仁樣品5個(gè)不同位置的總色差,計(jì)算其平均值ΔE,并將核桃仁樣品的色澤類型按照測(cè)量計(jì)算出的總色差ΔE進(jìn)行劃分,其中: 淺黃色仁ΔE≥68,淺琥珀色仁60≤ΔE<68,琥珀色仁ΔE<60。按照食品安全國(guó)家標(biāo)準(zhǔn)GB5009.5-2016和GB 5009.6-2016要求,采用Foss全自動(dòng)凱氏定氮儀測(cè)量每個(gè)樣品的蛋白質(zhì)含量,采用索氏提取器測(cè)量脂肪含量。

    2.2 高光譜圖像采集

    高光譜圖像采集設(shè)備為北京卓立漢光公司生產(chǎn)的Gaia Sorter高光譜成像儀,儀器結(jié)構(gòu)如圖2所示,主要由成像光譜儀(V10E)、鏡頭(OL23)、CCD(LT365)、均勻光源(2套溴鎢燈)、電控移動(dòng)平臺(tái)、計(jì)算機(jī)及軟件控制系統(tǒng)組成。開(kāi)機(jī)后首先進(jìn)行預(yù)熱,以消除基線漂移造成的影響; 預(yù)熱后進(jìn)行鏡頭調(diào)焦并調(diào)試平臺(tái)移動(dòng)速度以避免圖像失真。采用圖像采集軟件Spectra View采集核桃仁成像信息,分別在863~1704 nm和382~1027 nm光譜范圍采集核桃仁樣品高光譜圖像,兩個(gè)光譜范圍內(nèi)的光譜分辨率分別為3.2和0.84 nm。

    為了消除光照不均勻、周圍環(huán)境以及儀器暗電流造成的噪聲影響,需要在采集樣本高光譜圖像前,分別利用標(biāo)準(zhǔn)白板和鏡頭蓋采集白背景信息(Iw)和黑背景信息(Ib),然后按照公式(1)對(duì)采集的樣本原始高光譜圖像(I0)進(jìn)行黑白校正,得到校正后的圖像信息(I)。

    其中,I為校正后的圖像信息; I0為原始高光譜圖像; Iw為白背景信息; Ib為黑背景信息。

    2.3 光譜數(shù)據(jù)預(yù)處理與特征波段篩選

    采用ENVI5.1軟件對(duì)核桃仁樣品高光譜圖像進(jìn)行感興趣區(qū)域(Region of interesting, ROI)提取,計(jì)算出感興趣區(qū)域光譜平均值作為樣品光譜信息,然后使用Matlab R2015a軟件進(jìn)行后續(xù)處理。原始光譜中含有較多的環(huán)境背景噪聲信息,因此進(jìn)一步采用多元散射校正(Multivariate scatter correction, MSE)和標(biāo)準(zhǔn)正態(tài)化(Standard normalized variate, SNV)的組合方法對(duì)原始光譜信息進(jìn)行預(yù)處理。

    全光譜波段數(shù)據(jù)中包含較多與感興趣參數(shù)相關(guān)度較低的無(wú)關(guān)信息及冗余數(shù)據(jù),因此需要進(jìn)一步進(jìn)行特征波段篩選,以提高光譜數(shù)據(jù)信噪比,降低計(jì)算數(shù)據(jù)量。競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(Competitive adaptive reweighted sampling, CARS)是近年應(yīng)用較多的一種新型特征波段篩選算法,可以快速有效剔除全光譜波段內(nèi)的無(wú)關(guān)數(shù)據(jù),但CARS算法獲得的特征波段中仍存在冗余信息。本研究針對(duì)核桃仁蛋白質(zhì)含量、脂肪含量和總色差3個(gè)參數(shù),采用CARS算法與相關(guān)系數(shù)法(Correlation coefficient method, CCM)相結(jié)合的方法在對(duì)應(yīng)的全光譜波段范圍內(nèi)進(jìn)行了特征波段篩選,步驟如下: (1)去除了前段和后段受系統(tǒng)噪聲影響較大個(gè)波段點(diǎn)后,采用CARS算法針對(duì)感興趣的預(yù)測(cè)參數(shù)進(jìn)行特征波段篩選; (2)計(jì)算篩選出的特征波段中所有波段兩兩組合的相關(guān)系數(shù)絕對(duì)值; (3)設(shè)定相關(guān)系數(shù)絕對(duì)值閾值為0.9,統(tǒng)計(jì)任一波段與其它波段相關(guān)系數(shù)絕對(duì)值≥0.9的數(shù)目; (4)剔除與其它波段相關(guān)系數(shù)≥0.9數(shù)目最多的波段,并返回步驟(2)重新統(tǒng)計(jì); (5)當(dāng)所有波段兩兩組合的相關(guān)系數(shù)絕對(duì)值都小于0.9時(shí), 結(jié)束優(yōu)選。

    2.4 核桃仁品質(zhì)檢測(cè)方法

    2.4.1 核桃仁內(nèi)部品質(zhì)檢測(cè)方法 為了減小光譜獲取及品質(zhì)參數(shù)化學(xué)檢測(cè)中測(cè)量誤差的影響,采用馬氏距離((Mahalanobis distance, MD)法對(duì)測(cè)量值異常的樣品信息進(jìn)行剔除。具體方法是: 分別計(jì)算每個(gè)樣本光譜信息和化學(xué)測(cè)量值到樣本集中心的MD,然后統(tǒng)計(jì)樣本集MD的均值μ和均方差σ,以μ+3σ為閾值,將MD大于閾值的樣本作為異常樣本剔除。剔除異常樣品信息后,通過(guò)隨機(jī)抽樣法按2∶1的比例將樣本劃分為校正集和驗(yàn)證集。針對(duì)蛋白質(zhì)含量和脂肪含量,分別建立全光譜波段和特征光譜波段的PLSR模型,采用決定系數(shù)R2和均方誤差(Root mean square error, RMSE) 對(duì)模型進(jìn)行評(píng)估。

    2.4.2 核桃仁外觀等級(jí)鑒別方法 核桃仁表皮色澤和完整度等級(jí)是進(jìn)行核桃仁外觀等級(jí)鑒別的關(guān)鍵因素。首先,在核桃仁表皮色澤等級(jí)識(shí)別方面,由于總色差是反映核桃仁表皮色澤的直接參數(shù),而總色差特征波段與總色差參數(shù)具有很高的相關(guān)性,因此提取了總色差特征波段的灰度圖像,用于進(jìn)一步圖像處理。同時(shí)為了比較與RGB(475、550和650 nm)圖像在核桃仁色澤鑒別中的差異,也提取了RGB圖像用于對(duì)比處理。不同色澤等級(jí)的樣品在圖像灰度分布統(tǒng)計(jì)量和灰度共生矩陣統(tǒng)計(jì)量存在差異,也可以用于不同色澤等級(jí)樣品的分類。本研究通過(guò)計(jì)算總色差特征波段平均灰度圖像和RGB灰度圖像的灰度分布統(tǒng)計(jì)量(均值、標(biāo)準(zhǔn)差、平滑度、一致性、熵、三階矩)和灰度共生矩陣統(tǒng)計(jì)量(對(duì)比度、相關(guān)性、能量、熵)共10個(gè)作為圖像統(tǒng)計(jì)特征參數(shù),用于核桃仁色澤等級(jí)分類。以全光譜波段信息、RGB光譜波段信息、總色差特征光譜波段信息以及光譜信息與圖像統(tǒng)計(jì)特征參數(shù)的組合為輸入變量,以樣品色澤等級(jí)標(biāo)簽為輸出變量,建立了DT算法、K近鄰(k-Nearest neighbor, KNN)算法和SVM3種色澤分類模型,其中,KNN算法中K=4,SVM采用線性核函數(shù)。建立模型時(shí),通過(guò)隨機(jī)抽樣法按2∶1的比例劃分訓(xùn)練集和驗(yàn)證集,以10次隨機(jī)抽樣劃分的驗(yàn)證集分類準(zhǔn)確率平均值作為模型分類平均準(zhǔn)確率由于對(duì)分類模型進(jìn)行評(píng)估。在核桃仁外觀完整度等級(jí)分類方面,本研究對(duì)總色差特征波段灰度圖像進(jìn)行otsu閾值分割和先膨脹后腐蝕處理后,根據(jù)核桃仁的外形特點(diǎn),選取高、寬、高寬比、面積、矩形度、圓形度6個(gè)外觀參數(shù)用于核桃仁完整度等級(jí)的分類。

    以382~1027 nm范圍的全光譜信息、RGB波段光譜信息、特征波段光譜信息、圖像統(tǒng)計(jì)特征參數(shù)和圖像外形特征參數(shù)為輸入,以樣品完整度等級(jí)和色澤等級(jí)為輸出,采用DT、KNN和SVM進(jìn)行外觀品質(zhì)鑒別分類建模。采用10次抽樣的驗(yàn)證集平均分類準(zhǔn)確率對(duì)分類模型進(jìn)行評(píng)估。最終按照相關(guān)行業(yè)標(biāo)準(zhǔn)[2]的規(guī)定, 將樣本外觀依據(jù)完整度與色澤分為7個(gè)等級(jí)。

    3 結(jié)果與討論

    3.1 基于光譜信息的核桃仁內(nèi)部品質(zhì)指標(biāo)檢測(cè)

    核桃仁樣品在近紅外區(qū)域(863~1704 nm)的平均光譜信息及預(yù)處理后的光譜信息如圖3所示.樣品原始光譜信息總體特征基本一致,除了水分的吸收峰外,其它成分的吸收峰并不明顯,需要對(duì)光譜進(jìn)行進(jìn)一步處理。通過(guò)MSE和SNV組合的預(yù)處理方法,去除了部分背景噪聲的影響,使樣品光譜信息更平滑。同時(shí),進(jìn)一步增強(qiáng)了光譜信息的一致性,突出了光譜峰谷,使光譜特征得到了強(qiáng)化。

    采用CARS和CCM算法相結(jié)合對(duì)樣本蛋白質(zhì)含量測(cè)量值和脂肪含量測(cè)量值進(jìn)行特征波段篩選。圖3B中紅色虛線標(biāo)記為與樣本蛋白質(zhì)含量相關(guān)的特征波段,藍(lán)色虛線標(biāo)記為與樣本脂肪含量相關(guān)的特征波段。最終篩選出與樣本蛋白質(zhì)含量相關(guān)的6個(gè)特征波段,與樣本脂肪含量相關(guān)的7個(gè)特征波段,其中,1269 nm為與蛋白質(zhì)和脂肪含量共同相關(guān)的特征波段,篩選出的特征波段共計(jì)12個(gè),具體對(duì)應(yīng)的波長(zhǎng)見(jiàn)表2。

    采用MD法進(jìn)行異常樣品信息剔除。樣本光譜信息、蛋白質(zhì)含量測(cè)量值和脂肪含量測(cè)量值的MD分布如圖4所示,紅色實(shí)線是閾值為μ+3σ的判別線,下方為正常樣本,紅線上方為測(cè)量信息異常的樣本。剔除了光譜信息測(cè)量異常樣品1例,蛋白質(zhì)含量測(cè)量異常樣品2例,脂肪含量測(cè)量異常樣品2例,共計(jì)剔除異常樣品5例。

    剔除異常樣本后,將剩余的樣本按2∶1的比例隨機(jī)抽樣劃分為校正集和驗(yàn)證集。針對(duì)樣本蛋白質(zhì)含量和脂肪含量分別建立全光譜波段和特征光譜波段的PLSR預(yù)測(cè)模型,其中模型主成分?jǐn)?shù)為5,模型預(yù)測(cè)效果如表3所示,圖5為采用特征波段建立的蛋白質(zhì)和脂肪含量預(yù)測(cè)模型的預(yù)測(cè)結(jié)果分布圖。由圖5和表3可見(jiàn),與全光譜信息相比,采用特征波段建模,模型的決定系數(shù)(R2)和RMSE都有了明顯的改善,蛋白質(zhì)含量預(yù)測(cè)模型的驗(yàn)證集R2由0.66增長(zhǎng)到0.91,RMSEP由1.37下降到0.78; 脂肪含量預(yù)測(cè)模型的驗(yàn)證集R2由0.83增長(zhǎng)到0.93,RMSEP由0.98下降到0.47。說(shuō)明采用CARS算法與相關(guān)系數(shù)法結(jié)合,篩選出的特征波段有效的降低了全光譜信息的復(fù)雜度,提高了建模質(zhì)量。

    3.2 基于光譜信息與圖像特征的核桃仁外觀等級(jí)分類

    圖6為3種色澤核桃仁樣品在可見(jiàn)光和短波近紅外區(qū)域(382~1027 nm)的平均光譜曲線,由于光譜前后段噪聲影響較大,因此去除了前段和后段各20個(gè)波段點(diǎn)。由圖6可見(jiàn),在原始光譜中,3種色澤核桃仁樣品的光譜曲線在可見(jiàn)光范圍內(nèi)光譜反射率隨著色澤由淺到深呈現(xiàn)明顯的下降趨勢(shì),在近紅外范圍內(nèi)光譜較雜亂。經(jīng)過(guò)MSC和SNV組合方法預(yù)處理后的光譜信息,光譜反射率呈現(xiàn)出一定的規(guī)律性和一致性,有助于后續(xù)的光譜處理。

    對(duì)樣本全光譜信息進(jìn)行了特征波段篩選,篩選出的總色差特征波段為402.5和689.2 nm,位置分布如圖6B中虛線位置所示。提取的總色差特征波段圖像與RGB圖像的圖像統(tǒng)計(jì)特征參數(shù)后,以光譜信息與圖像統(tǒng)計(jì)特征參數(shù)的組合為輸入變量,采用決策樹(shù)算法、K近鄰算法和支持向量機(jī)3種分類算法建立色澤分類模型,模型分類平均準(zhǔn)確率如表4所示。

    由表4可知,當(dāng)采用圖像統(tǒng)計(jì)特征參數(shù)與總色差特征波段光譜信息的組合為輸入變量時(shí),采用DT算法建立的色澤分類模型具有最高的分類準(zhǔn)確率(98.6%)。在輸入變量方面,由于全光譜波段中包含大量無(wú)關(guān)的冗余信息,參與建模時(shí)降低了模型準(zhǔn)確率。采用總色差特征波段建模,大幅減低了冗余信息的干擾,提高了建模效率,同時(shí),采用總色差特征波段建模的分類準(zhǔn)確率也高于RGB波段。圖像統(tǒng)計(jì)特征參數(shù)反映了樣本圖像的色澤和紋理變化,屬于有效的分類信息,因此,在總色差特征波段光譜信息與RGB波段光譜信息的基礎(chǔ)上加入圖像統(tǒng)計(jì)特征參數(shù),能夠進(jìn)一步提升分類模型的準(zhǔn)確率。在輸入變量方面,當(dāng)采用全波段光譜信息為輸入時(shí),輸入變量數(shù)目較多,采用SVM算法的分類模型準(zhǔn)確率高于決策樹(shù)和KNN算法; 當(dāng)輸入變量數(shù)目為總色差特征波段及總色差特征波段與圖像信息的組合時(shí),輸入變量數(shù)目大幅減少,此時(shí)DT算法在模型分類準(zhǔn)確率和分類計(jì)算速度方面都具有明顯的優(yōu)勢(shì)。

    對(duì)總色差特征波段平均灰度圖像進(jìn)行otsu閾值分割二值化、先膨脹后腐蝕處理,以淺黃色、淺琥珀色和琥珀色3種核桃整仁圖像為例,處理結(jié)果如圖7所示,處理后的圖像可以完整地將核桃仁與背景完全分割,有利于進(jìn)一步在此基礎(chǔ)上提取核桃仁圖像的外觀參數(shù)。提取核桃仁外觀參數(shù)后,以外觀參數(shù)為輸入,樣本完整度等級(jí)為輸出,采用DT算法建立核桃仁完整度分類模型。進(jìn)一步按照文獻(xiàn)[2]規(guī)定,結(jié)合核桃仁樣本表皮色澤分類結(jié)果,將樣本外觀按完整度與色澤分為7個(gè)等級(jí),分類結(jié)果見(jiàn)表5。由表5可知,建立的分類模型對(duì)核桃仁外觀等級(jí)分類效果較好,平均分類準(zhǔn)確率達(dá)到了98.4%。

    4 結(jié) 論

    采用高光譜成像技術(shù),開(kāi)展了核桃仁內(nèi)外部品質(zhì)檢測(cè)方法研究,通過(guò)光譜與圖像信息相結(jié)合的方法實(shí)現(xiàn)了核桃仁蛋白質(zhì)和脂肪含量預(yù)測(cè)以及基于完整度和色澤的核桃仁外觀品質(zhì)分級(jí)。結(jié)果表明,采用CARS算法與相關(guān)系數(shù)法相結(jié)合的方式,有效的去除了全光譜波段中的無(wú)關(guān)信息和冗余信息。與全光譜波段相比,特征波段預(yù)測(cè)模型蛋白質(zhì)含量的驗(yàn)證集R2由0.66增長(zhǎng)到0.91,RMSEP由1.37%下降到0.78%; 脂肪含量的驗(yàn)證集R2由0.83增長(zhǎng)到0.93,RMSEP由0.98%下降到0.47%,表明篩選出的特征波段有效降低了模型的復(fù)雜度,提高了模型預(yù)測(cè)能力。將色差特征光譜與圖像統(tǒng)計(jì)特征參數(shù)相結(jié)合,采用高光譜圖像提取了總色差特征波段光譜,能夠大幅降低冗余信息的干擾,提高建模效率。通過(guò)總色差特征波段光譜與圖像統(tǒng)計(jì)特征參數(shù)相結(jié)合的方法,與RGB波段相比進(jìn)一步提升分類的準(zhǔn)確率,當(dāng)采用DT算法建立的色澤分類模型時(shí),模型具有最高的分類準(zhǔn)確率(98.6%)。采用高光譜圖像同時(shí)實(shí)現(xiàn)了核桃仁內(nèi)部品質(zhì)參數(shù)(蛋白質(zhì)含量、脂肪含量)的檢測(cè)和外觀品質(zhì)(完整度、色澤)的分類,為核桃仁品質(zhì)無(wú)損檢測(cè)提供了新的解決方案。

    References

    1 CAO Ya-Long, JIE Bo, WANG Lei, MENG Hai-Jun, WU Guo-Liang. J. Fruit Sci.,? 2018, 35(9): 1128-1140

    曹亞龍, 揭 波, 王 磊, 孟海軍, 吳國(guó)良. 果樹(shù)學(xué)報(bào), 2018,? 35(9): 1128-1140

    2 LYT 1922-2010, Walnut Kernel. Forestry Industry Standards of the People's Republic of China

    核桃仁. 中華人民共和國(guó)林業(yè)行業(yè)標(biāo)準(zhǔn). LYT 1922-2010

    3 GB/T 20398-2006, Walnut Quality Grade. National Standards of the People's Republic of China

    核桃堅(jiān)果質(zhì)量等級(jí). 中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn). GB/T 20398-2006

    4 SHEN Ai-Min, HUO Xiao-Jing, WANG Wen-Di, WANG Hong-Xia. Jiangsu Agric. Sci.,?? 2016,? 44(9): 383-385

    申愛(ài)敏, 霍曉靜, 王文娣, 王紅霞. 江蘇農(nóng)業(yè)科學(xué), 2016,? 44(9): 383-385

    5 CAI Jian, ZHOU Jun, SHI Jian-Xin, WANG Yong, GUO Zheng, LIU Hang. Jiangsu Agric. Sci.,?? 2018,? 46(5): 158-161

    蔡 建, 周軍, 史建新, 王 勇, 郭 政, 劉 航. 江蘇農(nóng)業(yè)科學(xué), 2018,? 46(5): 158-161

    6 ZHOU Jun, CAI Jian, GUO Jun-Xian, ZHANG Jing, SHI Jian-Xin, ALI Hasmu, JIANG Yan-Wu. Jiangsu Agric. Sci.,?? 2018,? 46(11): 175-179

    周 軍, 蔡 建, 郭俊先, 張 靜, 史建新, 艾力·哈斯木, 姜彥武. 江蘇農(nóng)業(yè)科學(xué),? 2018,? 46(11): 175-179

    7 HAO Zhong-Cheng, PENG Yun-Fa, ZHANG Hong, ZHANG Rui, ZHANG Rui-Li. J. Anhui Agric. Sci.,?? 2014,? 42(21): 7191-7193,7233

    郝中誠(chéng), 彭云發(fā), 張 宏, 張 銳, 張銳利. 安徽農(nóng)業(yè)科學(xué),? 2014,? 42(21): 7191-7193,7233

    8 MA Wen-Qiang, ZHANG Man, LI Zhong-Xin. Transact. Chin. Soc. Agric. Machin.,?? 2015,? 46(S1): 128-133

    馬文強(qiáng), 張 漫, 李忠新. 農(nóng)業(yè)機(jī)械學(xué)報(bào),? 2015,? 46(S1): 128-133

    9 MA Wen-Qiang, ZHANG Man, LI Zhong-Xin, YANG Li-Ling. Transacte. Chin. Soc. Agric. Machin.,?? 2017,? 48(S1): 407-411

    馬文強(qiáng), 張 漫, 李忠新, 楊莉玲. 農(nóng)業(yè)機(jī)械學(xué)報(bào) , 2017,? 48(S1): 407-411

    10 Kandpal L M, Park E, Tewari J, Cho B. J. Biosyst. Engineer.,?? 2015,? 40(2): 124-136

    11 Kandpal L M, Cho B. J. Biosyst. Engineer.,?? 2014,? 39(3): 215-226

    12 Mishra P, Nordon A, Asaari M S M, Lian G P, Redfern S. J. Food Engineer.,? 2019,? 249(5): 40-47

    13 Su W H, Bakalis S, Sun D W. Biosyst. Engineer.,?? 2019,? 180(4): 70-86

    14 LI Xiao-Yu, XU Sen-Miao, FENG Yao-Ze, HUANG Tao, DING Chong-Yi. Transact. Chin. Soc. Agric. Machin.,? 2016,? 47(1): 221-226

    李小昱, 徐森淼, 馮耀澤, 黃 濤, 丁崇毅. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016,? 47(1): 221-226

    15 Cheng J H, Jin H L, Xu Z Y, Zheng F P. Anal. Methods,?? 2017,? 43(9): 6148-6154

    16 Wei Y Z, Wu F Y, Xu J,Sha J J, Zhao Z F, He Y, Li X L. J. Food Engineer.,? 2019,? 248: 98-96

    17 Zhao H T, Feng Y Z, Chen W, Jia G F. Meat Sci.,?? 2019,? 151: 75-81

    18 Fan S X, Li C Y, Huang W Q, Chen L P. Sensors,? 2018,? 18(12): 1-19

    19 ZHANG Hang, YAO Chuan-An, JIANG Meng-Meng, JI Yu-Hang, LI Hua-Jie. J. Triticeae Crops,?? 2019,? 39(1): 96-104

    張 航, 姚傳安, 蔣夢(mèng)夢(mèng), 姬豫航, 李華杰. 麥類作物學(xué)報(bào),? 2019,? 39(1): 96-104

    20 CHEN Cai-Hong, ZHANG Shu-Juan, SUN Hai-Xia, LI Cheng-Ji, XING Shu-Hai. J. Shanxi Univ. (Nat. Sci. Edit.),?? 2018,? 38(11): 27-32

    陳彩虹, 張淑娟, 孫海霞, 李成吉, 邢書海. 山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),? 2018,? 38(11): 27-32

    Detection and Grading Method of Walnut Kernel Quality Based on

    Hyperspectral Image

    MA Wen-Qiang1,2, ZHANG Man*1, LI Yuan3, LI Min-Zan1,

    YANG Li-Ling2, ZHU Zhan-Jiang2, CUI Kuan-Bo2

    1(Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education,

    College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China)

    2(Agricultural Mechanization Institute, Xinjiang Academy of Agricultural Sciences, Urumqi 830091, China)

    3(Soil Fertilizer and Agricultural Water Saving Research Institute,

    Xinjiang Academy of Agricultural Sciences, Urumqi 830091, China)

    Abstract Hyperspectral imaging technology enables rapid non-destructive inspection and grading of various agricultural products. In this work, the research on the quality detection method of walnut kernel based on hyperspectral image was carried out. The combination of spectrum and image information was used to realize the prediction of protein and fat content and the classification of the integrity and color of walnut kernel. The “Wen 185” walnuts, which were produced from Xinjiang, were shelled and prepared by different grades of integrity and color. Then the hyperspectral image of each sample was measured in the range of 862.9-1704.02 nm and 382.19-1026.66 nm by Gaia hyperspectral imager. After that, the color difference, fat content and protein content of samples were measured. Multivariate scatter correction and standard normalized variate were used to pre-processing the original spectral information. And the feature bands were screened by the method, which combined competitive adaptive re-weighting sampling (CARS) and correlation coefficient method (CCM ) algorithm, for the three parameters of protein content, fat content and total color difference of walnut kernel samples. Six feature bands related to protein content and 7 feature bands related to fat content were screened out. The internal quality parameter prediction model of the full spectrum band and the characteristic spectrum band were established by partial least squares regression (PLSR) algorithm. Compared with the full-spectrum band, the verification set coefficient (R2) of the feature band protein content prediction model increased from 0.66 to 0.91, and the mean square error (RMSEP) decreased from 1.37% to 0.78%. The verification set coefficient (R2) of the feature band fat content prediction model increased from 0.83 to 0.93, and the RMSEP decreased from 0.98% to 0.47%. It showed that the selected characteristic bands effectively reduced the complexity of the full spectrum information and improved the quality of modeling. In terms of appearance quality, the feature bands associating with the color difference were selected to be 402.5 and 689.2 nm. The full-spectral spectrum, RGB spectrum, characteristic spectrum and the combination of spectral and image information were used to establish the walnut appearance quality classification model by decision tree, K-nearest neighbor and support vector machine algorithm. It showed that the feature bands modeling greatly reduced the interference of redundant information, improved the modeling efficiency, and the classification accuracy were also significantly higher than the RGB bands by comparison. The adding image statistical feature parameter to the feature bands and RGB bands could further improve the accuracy of classification model which had the highest classification accuracy rate reached to 98.6% by decision tree algorithm. In terms of classification algorithm, the decision tree algorithm had obvious advantages in classification accuracy and calculation speed when the number of input variables was less. The used of hyperspectral technology could realize the internal quality detection and appearance classification of walnut kernels, which provided a new theoretical basis for the application of non-destructive testing of walnut kernel quality.

    Keywords Walnut kernel; Hyperspectral image; Nondestructive testing; Classification; Feature band

    (Received 16 August 2019; accepted 14 October 2020)

    This work was supported by the Project of Renovation Capacity Building for the Young Sci-Tech Talents Sponsored by Xinjiang Academy of Agricultural Sciences (No. xjnkq-2019007), the National Natural Science Foundation of China (No.31701319) and the Science and Technology Innovation Key Cultivation Special Project of Xinjiang Academy of Agricultural Sciences (No.xjkcpy-004).

    2019-08-16收稿; 2020-10-14接受

    本文系新疆農(nóng)業(yè)科學(xué)院青年科技骨干創(chuàng)新能力培養(yǎng)項(xiàng)目(No. xjnkq-2019007)、國(guó)家自然科學(xué)基金項(xiàng)目(No.31701319)和新疆農(nóng)業(yè)科學(xué)院科技創(chuàng)新重點(diǎn)培育專項(xiàng)(No.xjkcpy-004)資助

    * E-mail: cauzm@cau.edu.cn

    猜你喜歡
    核桃仁無(wú)損檢測(cè)分類
    威風(fēng)凜凜的東北虎
    分類算一算
    基層中醫(yī)藥(2020年2期)2020-07-27 02:46:10
    核桃仁巧治感冒
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    應(yīng)力波反射法測(cè)錨索長(zhǎng)度的數(shù)據(jù)處理軟件設(shè)計(jì)與實(shí)現(xiàn)
    無(wú)損檢測(cè)技術(shù)的原理及應(yīng)用
    鍋爐檢測(cè)應(yīng)用壓力管道無(wú)損檢測(cè)技術(shù)的分析
    人人妻人人澡人人看| 午夜老司机福利剧场| 如日韩欧美国产精品一区二区三区 | 精品国产一区二区三区久久久樱花| 高清在线视频一区二区三区| 美女福利国产在线| 亚洲精品乱久久久久久| 亚洲精品aⅴ在线观看| 亚洲国产精品999| 亚洲国产欧美日韩在线播放| 欧美日韩国产mv在线观看视频| 91久久精品国产一区二区三区| 成人国产麻豆网| 中文字幕人妻丝袜制服| 人妻 亚洲 视频| 色婷婷久久久亚洲欧美| 国精品久久久久久国模美| 日韩av免费高清视频| 亚洲av国产av综合av卡| 久久久久久久久久久免费av| 丰满饥渴人妻一区二区三| 精品久久久久久久久av| 欧美变态另类bdsm刘玥| 精品人妻一区二区三区麻豆| 久久99热这里只频精品6学生| 久久久久久久亚洲中文字幕| 2022亚洲国产成人精品| 秋霞伦理黄片| 亚洲人成网站在线播| 一本一本综合久久| 午夜免费鲁丝| 日韩中文字幕视频在线看片| 夫妻性生交免费视频一级片| 国产免费又黄又爽又色| 99热这里只有是精品在线观看| av卡一久久| 免费久久久久久久精品成人欧美视频 | 777米奇影视久久| 亚洲色图 男人天堂 中文字幕 | 中文字幕免费在线视频6| 老司机影院成人| 国精品久久久久久国模美| 国产男人的电影天堂91| 最黄视频免费看| 午夜日本视频在线| 人妻夜夜爽99麻豆av| 久久鲁丝午夜福利片| 亚洲av在线观看美女高潮| 国内精品宾馆在线| 午夜91福利影院| 日韩成人av中文字幕在线观看| 黑人高潮一二区| 91aial.com中文字幕在线观看| 免费观看在线日韩| 欧美人与善性xxx| 极品少妇高潮喷水抽搐| 91精品国产九色| 97精品久久久久久久久久精品| 亚洲精品av麻豆狂野| 中文精品一卡2卡3卡4更新| 日本av免费视频播放| 午夜福利在线观看免费完整高清在| 亚洲,欧美,日韩| 亚洲欧美日韩卡通动漫| 18禁裸乳无遮挡动漫免费视频| 日本色播在线视频| 欧美亚洲 丝袜 人妻 在线| 人人妻人人澡人人爽人人夜夜| 国产精品不卡视频一区二区| 十八禁网站网址无遮挡| 国产成人午夜福利电影在线观看| 精品亚洲乱码少妇综合久久| 亚洲精品成人av观看孕妇| 黄片播放在线免费| 五月玫瑰六月丁香| 一区二区av电影网| 午夜福利在线观看免费完整高清在| 精品少妇黑人巨大在线播放| 大又大粗又爽又黄少妇毛片口| 亚洲国产成人一精品久久久| 性色av一级| 极品少妇高潮喷水抽搐| 97超碰精品成人国产| 国产色爽女视频免费观看| 飞空精品影院首页| 97精品久久久久久久久久精品| 国语对白做爰xxxⅹ性视频网站| 黄片播放在线免费| 夫妻午夜视频| 中国三级夫妇交换| 成人国产麻豆网| 精品一区在线观看国产| 国产在视频线精品| 如何舔出高潮| 韩国高清视频一区二区三区| 国产精品久久久久久精品电影小说| 99九九线精品视频在线观看视频| 亚洲综合色网址| 国产极品粉嫩免费观看在线 | 视频区图区小说| 男女边摸边吃奶| 满18在线观看网站| 国产高清不卡午夜福利| av视频免费观看在线观看| 国产色爽女视频免费观看| 18禁观看日本| 在线亚洲精品国产二区图片欧美 | 成人国产麻豆网| 亚洲精品日韩在线中文字幕| 国产精品偷伦视频观看了| 亚洲成色77777| 久久鲁丝午夜福利片| 亚洲国产毛片av蜜桃av| 高清在线视频一区二区三区| 老女人水多毛片| 亚洲成人一二三区av| 亚洲欧美日韩另类电影网站| 一本大道久久a久久精品| 高清不卡的av网站| 黄片播放在线免费| 伦理电影免费视频| 国产亚洲午夜精品一区二区久久| 少妇人妻久久综合中文| 草草在线视频免费看| 五月伊人婷婷丁香| 91aial.com中文字幕在线观看| 狂野欧美激情性bbbbbb| 青春草亚洲视频在线观看| 成人漫画全彩无遮挡| 校园人妻丝袜中文字幕| 国产精品欧美亚洲77777| 18禁裸乳无遮挡动漫免费视频| 草草在线视频免费看| 久久久久精品久久久久真实原创| 欧美日韩视频精品一区| 插逼视频在线观看| 欧美日韩综合久久久久久| videosex国产| 夜夜看夜夜爽夜夜摸| 国产一区二区三区综合在线观看 | 成人二区视频| 蜜桃久久精品国产亚洲av| 国产精品一二三区在线看| 亚洲国产色片| 午夜激情福利司机影院| 国产老妇伦熟女老妇高清| a级毛片黄视频| 午夜老司机福利剧场| 女性被躁到高潮视频| 日韩 亚洲 欧美在线| 久久久精品区二区三区| av电影中文网址| 日韩免费高清中文字幕av| 午夜91福利影院| 最近手机中文字幕大全| 性色avwww在线观看| 国产成人a∨麻豆精品| 99久久综合免费| 国产在视频线精品| 插阴视频在线观看视频| av国产精品久久久久影院| 亚洲av电影在线观看一区二区三区| 爱豆传媒免费全集在线观看| 免费久久久久久久精品成人欧美视频 | 国产在视频线精品| 丝袜美足系列| 精品卡一卡二卡四卡免费| 精品少妇内射三级| 在线观看免费高清a一片| 在线观看免费高清a一片| 精品卡一卡二卡四卡免费| 国语对白做爰xxxⅹ性视频网站| 亚洲国产最新在线播放| 丰满少妇做爰视频| 国产精品久久久久成人av| 大香蕉97超碰在线| 美女国产高潮福利片在线看| 国产精品久久久久久精品电影小说| 男人爽女人下面视频在线观看| 熟女人妻精品中文字幕| 麻豆乱淫一区二区| 热re99久久精品国产66热6| 欧美xxxx性猛交bbbb| 色婷婷久久久亚洲欧美| 久久精品久久久久久久性| 亚洲av成人精品一二三区| 精品一品国产午夜福利视频| 国产av一区二区精品久久| 蜜桃久久精品国产亚洲av| 飞空精品影院首页| 三上悠亚av全集在线观看| 91成人精品电影| 夜夜爽夜夜爽视频| 热re99久久精品国产66热6| 建设人人有责人人尽责人人享有的| 日本黄色片子视频| 婷婷色av中文字幕| 久久久久久人妻| 精品人妻一区二区三区麻豆| 91精品国产九色| 午夜影院在线不卡| 午夜福利,免费看| 国产探花极品一区二区| 女人久久www免费人成看片| 天堂中文最新版在线下载| 欧美精品一区二区大全| 成人黄色视频免费在线看| 爱豆传媒免费全集在线观看| 国产精品三级大全| 久久青草综合色| 我要看黄色一级片免费的| 国产亚洲一区二区精品| videos熟女内射| 亚洲av成人精品一区久久| 青春草视频在线免费观看| 国产伦理片在线播放av一区| 久久久国产精品麻豆| 国产免费一级a男人的天堂| 亚洲精品久久久久久婷婷小说| 69精品国产乱码久久久| 中国三级夫妇交换| 精品一区在线观看国产| 亚洲精品av麻豆狂野| 美女cb高潮喷水在线观看| 黄色视频在线播放观看不卡| 美女视频免费永久观看网站| 老女人水多毛片| 97超碰精品成人国产| videosex国产| 亚洲av欧美aⅴ国产| 亚洲精品日韩av片在线观看| 亚洲av.av天堂| 久久久精品94久久精品| 亚洲色图综合在线观看| 国产亚洲精品久久久com| a级毛色黄片| 高清在线视频一区二区三区| 尾随美女入室| 久久久久国产网址| 母亲3免费完整高清在线观看 | 精品国产乱码久久久久久小说| 亚洲综合色惰| 有码 亚洲区| 毛片一级片免费看久久久久| a级毛色黄片| 成人综合一区亚洲| 欧美亚洲日本最大视频资源| 中文字幕制服av| av专区在线播放| 久久久国产精品麻豆| 亚洲精品久久久久久婷婷小说| 久久久久视频综合| 久久韩国三级中文字幕| 人妻少妇偷人精品九色| 久热久热在线精品观看| 免费少妇av软件| 欧美日本中文国产一区发布| 免费观看av网站的网址| 在线观看免费日韩欧美大片 | 亚洲精品456在线播放app| 午夜福利视频在线观看免费| 午夜福利,免费看| 免费观看在线日韩| 国产 一区精品| 女人精品久久久久毛片| 黑人欧美特级aaaaaa片| 国语对白做爰xxxⅹ性视频网站| 国产视频内射| 午夜福利视频在线观看免费| 人妻一区二区av| 亚洲欧美精品自产自拍| 免费观看a级毛片全部| 亚洲av福利一区| 日日摸夜夜添夜夜爱| 午夜激情福利司机影院| 亚洲第一av免费看| 成人免费观看视频高清| 男人操女人黄网站| av一本久久久久| 国产老妇伦熟女老妇高清| 日本91视频免费播放| 一级毛片aaaaaa免费看小| 91精品三级在线观看| 亚洲精品亚洲一区二区| 日韩大片免费观看网站| 日本爱情动作片www.在线观看| 亚洲欧美中文字幕日韩二区| 九九爱精品视频在线观看| 国产不卡av网站在线观看| 欧美三级亚洲精品| 欧美日韩精品成人综合77777| 97在线视频观看| 国产在视频线精品| 在线亚洲精品国产二区图片欧美 | 美女国产视频在线观看| 色视频在线一区二区三区| 热99国产精品久久久久久7| videos熟女内射| 性高湖久久久久久久久免费观看| av播播在线观看一区| 九九久久精品国产亚洲av麻豆| 国产片内射在线| 简卡轻食公司| 国产亚洲av片在线观看秒播厂| 国产精品一区二区三区四区免费观看| 大香蕉久久成人网| 精品久久久久久久久av| 人妻人人澡人人爽人人| 国产在线一区二区三区精| 欧美日韩一区二区视频在线观看视频在线| 99久久中文字幕三级久久日本| 日韩成人av中文字幕在线观看| 午夜激情福利司机影院| 青春草视频在线免费观看| 九九在线视频观看精品| 亚洲欧美成人综合另类久久久| 天美传媒精品一区二区| 熟女人妻精品中文字幕| 国产色婷婷99| 人体艺术视频欧美日本| 亚洲美女视频黄频| 亚洲,一卡二卡三卡| 丰满饥渴人妻一区二区三| 国产精品人妻久久久久久| 男的添女的下面高潮视频| 一本色道久久久久久精品综合| 王馨瑶露胸无遮挡在线观看| 晚上一个人看的免费电影| 日韩在线高清观看一区二区三区| 中文天堂在线官网| 自拍欧美九色日韩亚洲蝌蚪91| 能在线免费看毛片的网站| 老熟女久久久| 成人亚洲欧美一区二区av| 国产国语露脸激情在线看| 亚洲精品久久午夜乱码| 一级黄片播放器| 一级毛片aaaaaa免费看小| 欧美xxⅹ黑人| 一级毛片 在线播放| 亚洲高清免费不卡视频| 女的被弄到高潮叫床怎么办| 麻豆成人av视频| 国产黄色免费在线视频| 国产精品三级大全| 亚洲欧美中文字幕日韩二区| 久久久久久久亚洲中文字幕| 九九在线视频观看精品| 日韩制服骚丝袜av| 久久韩国三级中文字幕| 亚洲av不卡在线观看| 91精品三级在线观看| 街头女战士在线观看网站| 亚洲av电影在线观看一区二区三区| 欧美xxxx性猛交bbbb| 午夜免费观看性视频| 欧美精品一区二区大全| 午夜激情久久久久久久| 五月天丁香电影| 成人综合一区亚洲| 三级国产精品欧美在线观看| 在线播放无遮挡| 亚洲一区二区三区欧美精品| 男女边吃奶边做爰视频| 在线免费观看不下载黄p国产| 久久久精品免费免费高清| 婷婷色麻豆天堂久久| 国产综合精华液| 国产爽快片一区二区三区| 成人亚洲欧美一区二区av| 高清av免费在线| 中文乱码字字幕精品一区二区三区| 亚洲三级黄色毛片| 边亲边吃奶的免费视频| av一本久久久久| 婷婷成人精品国产| 亚洲经典国产精华液单| 日韩制服骚丝袜av| 99久久精品国产国产毛片| 亚洲欧美色中文字幕在线| 在线看a的网站| 亚洲欧洲日产国产| 在线免费观看不下载黄p国产| 伦精品一区二区三区| 欧美人与性动交α欧美精品济南到 | 久久精品久久久久久噜噜老黄| 国精品久久久久久国模美| 久久精品国产亚洲av天美| .国产精品久久| 少妇人妻久久综合中文| 一本大道久久a久久精品| 精品久久久噜噜| 天天躁夜夜躁狠狠久久av| 精品久久国产蜜桃| 久久精品国产亚洲网站| 久久久久久久久久成人| 看非洲黑人一级黄片| 91精品伊人久久大香线蕉| av在线app专区| 大话2 男鬼变身卡| 亚洲欧洲日产国产| 国产视频内射| 人妻制服诱惑在线中文字幕| 亚洲av成人精品一二三区| 午夜91福利影院| 日本欧美视频一区| 男女啪啪激烈高潮av片| 美女xxoo啪啪120秒动态图| 韩国高清视频一区二区三区| 亚洲国产日韩一区二区| 免费播放大片免费观看视频在线观看| 国模一区二区三区四区视频| 亚洲第一av免费看| 一级,二级,三级黄色视频| 亚洲情色 制服丝袜| 午夜精品国产一区二区电影| 黑丝袜美女国产一区| 一边亲一边摸免费视频| 亚洲欧美一区二区三区国产| 熟女av电影| 日本vs欧美在线观看视频| 下体分泌物呈黄色| 十八禁网站网址无遮挡| 亚洲av.av天堂| 亚洲欧美一区二区三区国产| 永久网站在线| 国产精品一二三区在线看| 国产亚洲午夜精品一区二区久久| 亚洲国产欧美在线一区| 中国国产av一级| 日韩欧美精品免费久久| 丁香六月天网| 日本-黄色视频高清免费观看| 免费不卡的大黄色大毛片视频在线观看| 男女边吃奶边做爰视频| 一本大道久久a久久精品| 一级爰片在线观看| 成年人免费黄色播放视频| 免费人妻精品一区二区三区视频| 亚洲av福利一区| 亚洲av免费高清在线观看| 国产精品国产av在线观看| 久久人妻熟女aⅴ| 一本色道久久久久久精品综合| 亚洲五月色婷婷综合| 久久久久久久久久久久大奶| 国产午夜精品久久久久久一区二区三区| 日本爱情动作片www.在线观看| 黑人巨大精品欧美一区二区蜜桃 | 男女啪啪激烈高潮av片| 少妇的逼好多水| 超碰97精品在线观看| 欧美三级亚洲精品| 人人澡人人妻人| 国产免费又黄又爽又色| 中文欧美无线码| 午夜老司机福利剧场| 午夜免费男女啪啪视频观看| 日韩不卡一区二区三区视频在线| 国产精品一区www在线观看| 伊人久久精品亚洲午夜| 国产精品人妻久久久影院| 中文字幕制服av| 成人毛片60女人毛片免费| 亚洲精品久久午夜乱码| 亚洲欧美色中文字幕在线| 制服诱惑二区| 亚洲欧美清纯卡通| 80岁老熟妇乱子伦牲交| 少妇被粗大猛烈的视频| 亚洲欧美中文字幕日韩二区| av有码第一页| 一级a做视频免费观看| 亚洲人成网站在线播| 久久久亚洲精品成人影院| 亚洲成人手机| 国产在线视频一区二区| 搡老乐熟女国产| 欧美精品高潮呻吟av久久| 国产一区二区三区av在线| a级毛片黄视频| www.av在线官网国产| 一级片'在线观看视频| 成人二区视频| 中文天堂在线官网| 高清不卡的av网站| av专区在线播放| 色婷婷av一区二区三区视频| 在线免费观看不下载黄p国产| 九草在线视频观看| 一级a做视频免费观看| 高清在线视频一区二区三区| 国产精品 国内视频| 黄色毛片三级朝国网站| 秋霞伦理黄片| 国产精品秋霞免费鲁丝片| 天堂俺去俺来也www色官网| 一级毛片黄色毛片免费观看视频| 日韩成人av中文字幕在线观看| h视频一区二区三区| 精品一区二区免费观看| 日韩一区二区三区影片| 精品熟女少妇av免费看| 黑人欧美特级aaaaaa片| 久久久a久久爽久久v久久| 成人黄色视频免费在线看| 午夜激情福利司机影院| 国产熟女欧美一区二区| av一本久久久久| 男人添女人高潮全过程视频| 26uuu在线亚洲综合色| 狂野欧美白嫩少妇大欣赏| 插逼视频在线观看| 人人澡人人妻人| 日韩欧美一区视频在线观看| 亚洲国产av新网站| 久久久精品区二区三区| 久久99一区二区三区| 少妇猛男粗大的猛烈进出视频| 人妻一区二区av| 欧美精品国产亚洲| 午夜精品国产一区二区电影| 日本与韩国留学比较| 亚洲国产色片| 国产高清不卡午夜福利| 国产综合精华液| 久久久精品免费免费高清| 黑人高潮一二区| 久久久久久人妻| 国产精品偷伦视频观看了| 国产老妇伦熟女老妇高清| 国产熟女欧美一区二区| 热re99久久国产66热| 色5月婷婷丁香| 国产精品免费大片| tube8黄色片| 视频区图区小说| 国产69精品久久久久777片| 国产成人精品无人区| 国精品久久久久久国模美| 午夜福利,免费看| 亚洲欧洲日产国产| 国产高清三级在线| 婷婷色综合大香蕉| 妹子高潮喷水视频| 汤姆久久久久久久影院中文字幕| 国产黄色视频一区二区在线观看| 一级毛片黄色毛片免费观看视频| 亚洲,一卡二卡三卡| 欧美激情 高清一区二区三区| 一级a做视频免费观看| 在线观看一区二区三区激情| 又大又黄又爽视频免费| 热re99久久精品国产66热6| 天天操日日干夜夜撸| 午夜老司机福利剧场| 国产免费现黄频在线看| av卡一久久| 国产男女超爽视频在线观看| 久久国产亚洲av麻豆专区| 岛国毛片在线播放| 黄色视频在线播放观看不卡| 亚洲久久久国产精品| 青春草亚洲视频在线观看| 一级爰片在线观看| 美女国产视频在线观看| 国产乱人偷精品视频| 国产熟女午夜一区二区三区 | 久久久久久久久大av| 国产精品一二三区在线看| 亚洲国产日韩一区二区| 国产亚洲午夜精品一区二区久久| videos熟女内射| 国产国语露脸激情在线看| 啦啦啦啦在线视频资源| 中文天堂在线官网| 国产黄色视频一区二区在线观看| 看十八女毛片水多多多| 91精品伊人久久大香线蕉| 国产有黄有色有爽视频| 精品人妻熟女av久视频| 只有这里有精品99| 如何舔出高潮| 十分钟在线观看高清视频www| 日韩精品免费视频一区二区三区 | 菩萨蛮人人尽说江南好唐韦庄| 免费黄频网站在线观看国产| 高清av免费在线| 国产精品国产av在线观看| 人人澡人人妻人| 日韩熟女老妇一区二区性免费视频| 国产免费一区二区三区四区乱码| 日本免费在线观看一区| 免费日韩欧美在线观看| 伊人亚洲综合成人网| 建设人人有责人人尽责人人享有的| 69精品国产乱码久久久| 十八禁高潮呻吟视频| 亚洲国产欧美在线一区| 精品人妻在线不人妻| 激情五月婷婷亚洲| 人人妻人人爽人人添夜夜欢视频| 丰满迷人的少妇在线观看| 免费看光身美女| 久久午夜福利片| 一级毛片黄色毛片免费观看视频| 欧美精品亚洲一区二区| 只有这里有精品99| 18禁观看日本| 日韩中文字幕视频在线看片| 考比视频在线观看| 人人妻人人添人人爽欧美一区卜| 国产成人精品福利久久| 22中文网久久字幕| 在线观看免费视频网站a站|