• <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
    一边摸一边抽搐一进一出视频| 国产精品久久久久成人av| 精品久久蜜臀av无| 纵有疾风起免费观看全集完整版| 久久国产精品大桥未久av| 午夜福利一区二区在线看| 欧美 日韩 精品 国产| 国产无遮挡羞羞视频在线观看| 99国产精品99久久久久| av一本久久久久| 久久久久视频综合| 香蕉国产在线看| 男女下面插进去视频免费观看| 一二三四社区在线视频社区8| 久久天堂一区二区三区四区| 男女午夜视频在线观看| 丝袜在线中文字幕| 麻豆乱淫一区二区| 亚洲自偷自拍图片 自拍| 久久久久久久精品精品| 美女扒开内裤让男人捅视频| 亚洲av男天堂| 亚洲人成电影观看| 欧美精品人与动牲交sv欧美| 在线看a的网站| 中文字幕人妻丝袜制服| 黄色一级大片看看| 久久鲁丝午夜福利片| 国产在线视频一区二区| 午夜免费成人在线视频| 免费一级毛片在线播放高清视频 | 熟女少妇亚洲综合色aaa.| 久久精品国产亚洲av高清一级| 巨乳人妻的诱惑在线观看| 人人妻人人澡人人看| 在线av久久热| 日韩制服骚丝袜av| 亚洲人成电影免费在线| 狂野欧美激情性xxxx| 久久ye,这里只有精品| av一本久久久久| 亚洲欧美一区二区三区久久| 亚洲欧美日韩另类电影网站| 亚洲av在线观看美女高潮| 无遮挡黄片免费观看| 国产日韩欧美在线精品| 欧美黑人精品巨大| 久久久国产精品麻豆| 91国产中文字幕| 日韩av免费高清视频| 天天躁日日躁夜夜躁夜夜| 老汉色∧v一级毛片| 日本五十路高清| 美女午夜性视频免费| 另类亚洲欧美激情| 免费看av在线观看网站| 90打野战视频偷拍视频| 久热这里只有精品99| 一个人免费看片子| videos熟女内射| 无遮挡黄片免费观看| 欧美成人精品欧美一级黄| 美女国产高潮福利片在线看| 亚洲自偷自拍图片 自拍| 一本久久精品| 亚洲午夜精品一区,二区,三区| 中文字幕精品免费在线观看视频| 91九色精品人成在线观看| 热99国产精品久久久久久7| 久久精品亚洲熟妇少妇任你| 色婷婷久久久亚洲欧美| 亚洲欧美一区二区三区久久| 亚洲国产欧美网| 欧美乱码精品一区二区三区| 又黄又粗又硬又大视频| 女性被躁到高潮视频| 亚洲国产精品成人久久小说| av国产久精品久网站免费入址| av电影中文网址| 我要看黄色一级片免费的| 老司机亚洲免费影院| 欧美精品啪啪一区二区三区 | 亚洲欧美一区二区三区黑人| 国产精品av久久久久免费| 成人亚洲精品一区在线观看| 国产精品一区二区在线观看99| 久久精品人人爽人人爽视色| 日韩,欧美,国产一区二区三区| 国产真人三级小视频在线观看| 亚洲成人免费av在线播放| 国产真人三级小视频在线观看| avwww免费| 亚洲精品久久成人aⅴ小说| 欧美在线黄色| 亚洲av在线观看美女高潮| www.自偷自拍.com| 亚洲国产精品国产精品| 97在线人人人人妻| 国产爽快片一区二区三区| 国产欧美日韩一区二区三区在线| 国产无遮挡羞羞视频在线观看| 亚洲精品第二区| 性色av一级| 在线亚洲精品国产二区图片欧美| 国产成人欧美| 欧美日韩亚洲高清精品| 国产在线一区二区三区精| 91成人精品电影| 99久久人妻综合| 久久国产精品男人的天堂亚洲| 亚洲第一av免费看| 一个人免费看片子| 无遮挡黄片免费观看| 免费少妇av软件| videos熟女内射| 久久久久久久国产电影| 国产成人欧美| 在线观看人妻少妇| 精品亚洲成国产av| 亚洲精品一区蜜桃| tube8黄色片| 日韩电影二区| 国产精品久久久av美女十八| 国产野战对白在线观看| 精品人妻1区二区| 精品人妻一区二区三区麻豆| 十八禁高潮呻吟视频| 一个人免费看片子| 青春草视频在线免费观看| 国产淫语在线视频| 亚洲精品在线美女| 久久 成人 亚洲| 亚洲欧美一区二区三区久久| 人妻人人澡人人爽人人| 99国产精品一区二区三区| 一本综合久久免费| 老司机影院成人| 亚洲一区中文字幕在线| 久热爱精品视频在线9| 黄色 视频免费看| 狂野欧美激情性bbbbbb| 少妇 在线观看| 性色av一级| 精品国产超薄肉色丝袜足j| 国产精品99久久99久久久不卡| 中文乱码字字幕精品一区二区三区| 精品福利观看| 999精品在线视频| 嫩草影视91久久| 飞空精品影院首页| 99久久人妻综合| 亚洲第一av免费看| 久久狼人影院| avwww免费| 1024香蕉在线观看| 国产三级黄色录像| 人人妻人人澡人人爽人人夜夜| 国产精品.久久久| 成人免费观看视频高清| 热99久久久久精品小说推荐| 看免费成人av毛片| 国产有黄有色有爽视频| 免费观看人在逋| 国产精品国产三级专区第一集| 日本一区二区免费在线视频| 18禁裸乳无遮挡动漫免费视频| 欧美另类一区| 脱女人内裤的视频| 中文字幕精品免费在线观看视频| 丝袜脚勾引网站| 建设人人有责人人尽责人人享有的| 亚洲av成人不卡在线观看播放网 | 欧美+亚洲+日韩+国产| 巨乳人妻的诱惑在线观看| 亚洲精品美女久久av网站| 国产免费福利视频在线观看| 久久九九热精品免费| 日韩一卡2卡3卡4卡2021年| 久久99热这里只频精品6学生| 曰老女人黄片| 91成人精品电影| 欧美人与善性xxx| 国产成人精品在线电影| 亚洲国产精品一区二区三区在线| 欧美精品一区二区免费开放| 国产成人免费观看mmmm| 久久午夜综合久久蜜桃| 国产成人精品久久二区二区免费| 一级a爱视频在线免费观看| 亚洲伊人色综图| 赤兔流量卡办理| 看十八女毛片水多多多| 一级,二级,三级黄色视频| bbb黄色大片| 熟女少妇亚洲综合色aaa.| 真人做人爱边吃奶动态| 我要看黄色一级片免费的| 婷婷成人精品国产| 欧美97在线视频| 成人亚洲精品一区在线观看| 免费人妻精品一区二区三区视频| 成人国产av品久久久| 纯流量卡能插随身wifi吗| 久久精品熟女亚洲av麻豆精品| 岛国毛片在线播放| 久久久亚洲精品成人影院| 日本色播在线视频| 精品久久蜜臀av无| 免费在线观看日本一区| 一本大道久久a久久精品| 国产视频一区二区在线看| 亚洲 国产 在线| 精品一品国产午夜福利视频| av有码第一页| 国产福利在线免费观看视频| 久9热在线精品视频| 中文字幕人妻熟女乱码| 日韩大片免费观看网站| 欧美久久黑人一区二区| 99九九在线精品视频| 亚洲一区中文字幕在线| 日韩制服丝袜自拍偷拍| 免费看不卡的av| 精品福利永久在线观看| 首页视频小说图片口味搜索 | 亚洲伊人色综图| 高清视频免费观看一区二区| 精品免费久久久久久久清纯 | 久久久精品国产亚洲av高清涩受| av天堂久久9| 亚洲精品国产av成人精品| 日韩一区二区三区影片| 精品亚洲成a人片在线观看| 精品少妇黑人巨大在线播放| 伊人亚洲综合成人网| 日韩中文字幕视频在线看片| 好男人视频免费观看在线| 黑人巨大精品欧美一区二区蜜桃| 国产精品国产av在线观看| 免费观看人在逋| 99精品久久久久人妻精品| 国产精品三级大全| 99国产精品99久久久久| 亚洲三区欧美一区| 一区福利在线观看| 成人免费观看视频高清| 天天操日日干夜夜撸| 国产国语露脸激情在线看| 搡老乐熟女国产| 美女国产高潮福利片在线看| 十八禁高潮呻吟视频| 中文字幕人妻丝袜一区二区| 男的添女的下面高潮视频| 首页视频小说图片口味搜索 | 久久久欧美国产精品| 午夜福利在线免费观看网站| 国产精品国产三级专区第一集| 熟女少妇亚洲综合色aaa.| 久久久久久久久免费视频了| 欧美大码av| 国产成人av激情在线播放| 久久影院123| 亚洲欧美中文字幕日韩二区| 涩涩av久久男人的天堂| 人妻一区二区av| 亚洲国产欧美一区二区综合| 在线av久久热| 99久久综合免费| 久久人人97超碰香蕉20202| 深夜精品福利| 国产精品国产三级专区第一集| 18禁裸乳无遮挡动漫免费视频| 久久青草综合色| 久久久久久免费高清国产稀缺| av视频免费观看在线观看| 黄频高清免费视频| 国产极品粉嫩免费观看在线| 精品第一国产精品| 精品福利观看| 精品国产一区二区三区四区第35| 99精国产麻豆久久婷婷| 美女主播在线视频| 中国国产av一级| 欧美国产精品va在线观看不卡| 黑人巨大精品欧美一区二区蜜桃| 深夜精品福利| av网站免费在线观看视频| 精品久久久久久电影网| 国产1区2区3区精品| 一边摸一边做爽爽视频免费| 美女午夜性视频免费| 精品国产乱码久久久久久男人| 操出白浆在线播放| 亚洲,一卡二卡三卡| 免费看av在线观看网站| 人妻一区二区av| 汤姆久久久久久久影院中文字幕| 大码成人一级视频| 最近手机中文字幕大全| 在线观看人妻少妇| 久久国产精品大桥未久av| 国产成人一区二区三区免费视频网站 | 国产免费现黄频在线看| 中文欧美无线码| 高潮久久久久久久久久久不卡| 亚洲精品国产区一区二| 国产精品久久久av美女十八| 国产男女超爽视频在线观看| 欧美日韩一级在线毛片| 久久精品久久精品一区二区三区| 亚洲熟女毛片儿| 男女无遮挡免费网站观看| 美女高潮到喷水免费观看| 男人操女人黄网站| 中国国产av一级| 国产精品一区二区精品视频观看| 日韩 欧美 亚洲 中文字幕| 成人亚洲欧美一区二区av| 亚洲五月婷婷丁香| 日本猛色少妇xxxxx猛交久久| 手机成人av网站| 欧美变态另类bdsm刘玥| 免费高清在线观看视频在线观看| 久久ye,这里只有精品| 丰满饥渴人妻一区二区三| 十八禁网站网址无遮挡| 欧美日韩福利视频一区二区| 啦啦啦视频在线资源免费观看| 成年av动漫网址| 色网站视频免费| 成年女人毛片免费观看观看9 | 日本vs欧美在线观看视频| 精品卡一卡二卡四卡免费| videos熟女内射| 性色av乱码一区二区三区2| 大片电影免费在线观看免费| 亚洲午夜精品一区,二区,三区| avwww免费| 日韩人妻精品一区2区三区| 久久热在线av| 亚洲av成人不卡在线观看播放网 | 亚洲男人天堂网一区| 国产熟女午夜一区二区三区| 久久精品国产综合久久久| 波多野结衣av一区二区av| 狠狠婷婷综合久久久久久88av| 国产成人啪精品午夜网站| 国产一级毛片在线| 精品国产一区二区三区久久久樱花| 国产精品人妻久久久影院| 久久人人爽人人片av| 久久女婷五月综合色啪小说| 亚洲精品国产色婷婷电影| 日本五十路高清| 欧美精品一区二区大全| 国产精品久久久久久人妻精品电影 | 亚洲精品av麻豆狂野| 亚洲av成人不卡在线观看播放网 | 久久人妻熟女aⅴ| 视频在线观看一区二区三区| 日韩大片免费观看网站| 精品人妻在线不人妻| 亚洲天堂av无毛| 青春草亚洲视频在线观看| 国产深夜福利视频在线观看| 亚洲男人天堂网一区| 女人精品久久久久毛片| 午夜福利影视在线免费观看| 国产av一区二区精品久久| 性色av乱码一区二区三区2| 日韩熟女老妇一区二区性免费视频| 男人操女人黄网站| 欧美精品av麻豆av| 国产爽快片一区二区三区| 国产一区二区激情短视频 | www.999成人在线观看| 日韩人妻精品一区2区三区| 一级毛片黄色毛片免费观看视频| 国产亚洲欧美在线一区二区| 国产欧美日韩综合在线一区二区| 91精品伊人久久大香线蕉| 日韩精品免费视频一区二区三区| 亚洲欧美一区二区三区黑人| 男人操女人黄网站| 国产成人免费无遮挡视频| 欧美亚洲日本最大视频资源| 久久av网站| av片东京热男人的天堂| 精品国产国语对白av| 午夜视频精品福利| 国产亚洲精品久久久久5区| 国产一区二区在线观看av| xxxhd国产人妻xxx| 男人添女人高潮全过程视频| 99精国产麻豆久久婷婷| 色婷婷av一区二区三区视频| a 毛片基地| 两个人免费观看高清视频| 一区在线观看完整版| av天堂久久9| 黄网站色视频无遮挡免费观看| 午夜福利免费观看在线| 两人在一起打扑克的视频| 亚洲午夜精品一区,二区,三区| 久久亚洲精品不卡| 麻豆国产av国片精品| 国产精品一区二区免费欧美 | 91精品国产国语对白视频| 国产黄色视频一区二区在线观看| 丁香六月天网| 亚洲激情五月婷婷啪啪| 国产成人啪精品午夜网站| 97人妻天天添夜夜摸| 尾随美女入室| 久久精品亚洲av国产电影网| 中文字幕高清在线视频| 女人被躁到高潮嗷嗷叫费观| 久久久精品免费免费高清| 亚洲熟女精品中文字幕| 天堂8中文在线网| av线在线观看网站| videosex国产| 18禁裸乳无遮挡动漫免费视频| 欧美 亚洲 国产 日韩一| 国产午夜精品一二区理论片| 高清黄色对白视频在线免费看| 老司机午夜十八禁免费视频| 一边摸一边抽搐一进一出视频| 午夜影院在线不卡| 丝袜美腿诱惑在线| 国产亚洲午夜精品一区二区久久| 精品久久久精品久久久| 久久久久久久国产电影| 日韩人妻精品一区2区三区| 高清av免费在线| 另类精品久久| 女人久久www免费人成看片| 欧美在线一区亚洲| 免费看十八禁软件| 成人影院久久| 在线亚洲精品国产二区图片欧美| 深夜精品福利| 1024视频免费在线观看| 亚洲成人手机| 午夜福利视频在线观看免费| 一级片免费观看大全| kizo精华| 黑丝袜美女国产一区| 精品国产乱码久久久久久小说| 欧美性长视频在线观看| 久久天堂一区二区三区四区| 18禁裸乳无遮挡动漫免费视频| 2021少妇久久久久久久久久久| 巨乳人妻的诱惑在线观看| 日本色播在线视频| 50天的宝宝边吃奶边哭怎么回事| 国产亚洲一区二区精品| 久久国产精品大桥未久av| 色综合欧美亚洲国产小说| 亚洲中文字幕日韩| 老鸭窝网址在线观看| 99国产精品一区二区蜜桃av | 人妻一区二区av| 精品福利观看| 精品亚洲成a人片在线观看| 制服诱惑二区| 激情视频va一区二区三区| 日韩人妻精品一区2区三区| 天天躁日日躁夜夜躁夜夜| 成人免费观看视频高清| 久久国产精品人妻蜜桃| 午夜福利一区二区在线看| 黄色片一级片一级黄色片| 97精品久久久久久久久久精品| 精品人妻熟女毛片av久久网站| 午夜老司机福利片| 午夜视频精品福利| 精品福利永久在线观看| 丝袜脚勾引网站| 亚洲人成77777在线视频| netflix在线观看网站| 免费在线观看完整版高清| 久久热在线av| 免费少妇av软件| 可以免费在线观看a视频的电影网站| 国产精品一二三区在线看| 国产一区二区激情短视频 | 麻豆国产av国片精品| 中文字幕精品免费在线观看视频| 亚洲成av片中文字幕在线观看| 欧美久久黑人一区二区| 国产爽快片一区二区三区| 国产欧美日韩综合在线一区二区| 欧美日韩精品网址| 大型av网站在线播放| 精品少妇一区二区三区视频日本电影| 久久毛片免费看一区二区三区| 亚洲国产欧美在线一区| 国产欧美日韩一区二区三区在线| 一区二区三区精品91| 777久久人妻少妇嫩草av网站| 视频区欧美日本亚洲| av在线播放精品| 九草在线视频观看| 黄片播放在线免费| 欧美精品高潮呻吟av久久| 菩萨蛮人人尽说江南好唐韦庄| 9191精品国产免费久久| 99国产精品免费福利视频| 亚洲精品自拍成人| www日本在线高清视频| 日韩熟女老妇一区二区性免费视频| 久久人人爽av亚洲精品天堂| 亚洲精品一二三| 国产成人91sexporn| 狠狠精品人妻久久久久久综合| 观看av在线不卡| 日韩一区二区三区影片| 男女免费视频国产| 欧美日韩国产mv在线观看视频| 欧美日本中文国产一区发布| 黄色a级毛片大全视频| 91麻豆精品激情在线观看国产 | 欧美日韩综合久久久久久| 亚洲国产欧美日韩在线播放| 欧美黑人精品巨大| 国产欧美日韩综合在线一区二区| 色婷婷久久久亚洲欧美| 亚洲av电影在线进入| 亚洲精品国产色婷婷电影| 亚洲国产精品国产精品| 亚洲熟女精品中文字幕| 国语对白做爰xxxⅹ性视频网站| 亚洲国产精品999| svipshipincom国产片| 一边摸一边做爽爽视频免费| 色精品久久人妻99蜜桃| 久久久久国产一级毛片高清牌| 婷婷成人精品国产| 亚洲av日韩在线播放| 久久久久久久精品精品| 另类亚洲欧美激情| av又黄又爽大尺度在线免费看| 亚洲精品成人av观看孕妇| 国产三级黄色录像| 麻豆国产av国片精品| 日韩电影二区| www.999成人在线观看| 亚洲欧美成人综合另类久久久| 熟女少妇亚洲综合色aaa.| 五月天丁香电影| 午夜福利,免费看| 各种免费的搞黄视频| 午夜免费成人在线视频| 国产色视频综合| 国产精品久久久久久精品古装| 中文字幕人妻熟女乱码| 久久人人97超碰香蕉20202| 国产成人一区二区三区免费视频网站 | 大片电影免费在线观看免费| 久久亚洲精品不卡| 中文字幕最新亚洲高清| 亚洲久久久国产精品| 啦啦啦在线免费观看视频4| www.av在线官网国产| 国产1区2区3区精品| 波野结衣二区三区在线| 一级毛片我不卡| 久久国产精品大桥未久av| 精品国产国语对白av| 最近中文字幕2019免费版| 午夜91福利影院| 国产伦人伦偷精品视频| 一本综合久久免费| 国产高清不卡午夜福利| 我要看黄色一级片免费的| 大话2 男鬼变身卡| 91麻豆av在线| 成年动漫av网址| 久久久国产一区二区| 超碰97精品在线观看| 尾随美女入室| 免费一级毛片在线播放高清视频 | 欧美国产精品一级二级三级| 日韩精品免费视频一区二区三区| 久久久精品国产亚洲av高清涩受| 亚洲专区中文字幕在线| 日韩大码丰满熟妇| 久久久久久免费高清国产稀缺| 国产成人精品久久久久久| 亚洲午夜精品一区,二区,三区| 亚洲av电影在线进入| 成人影院久久| 午夜免费男女啪啪视频观看| 在线av久久热| 精品一区二区三卡| 国产麻豆69| 精品亚洲乱码少妇综合久久| 日本午夜av视频| 狠狠精品人妻久久久久久综合| 国产黄色免费在线视频| 黄网站色视频无遮挡免费观看| 交换朋友夫妻互换小说| 午夜激情av网站| 日韩熟女老妇一区二区性免费视频| 熟女少妇亚洲综合色aaa.| 久久精品aⅴ一区二区三区四区| av片东京热男人的天堂| av在线老鸭窝| 黄色片一级片一级黄色片| 十八禁高潮呻吟视频| 亚洲欧洲国产日韩| 久久久久久久大尺度免费视频| 在线观看免费日韩欧美大片| 国产成人免费无遮挡视频|