• <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 ?

    基于近紅外光譜與雙權(quán)重競(jìng)爭(zhēng)特征搜索策略的橡膠樹葉片氮素檢測(cè)

    2024-11-07 00:00:00胡鵬飛唐榮年胡文鋒李創(chuàng)
    江蘇農(nóng)業(yè)科學(xué) 2024年18期

    摘要:本研究旨在解決傳統(tǒng)近紅外光譜分析在橡膠樹葉片氮含量(LNC)檢測(cè)中模型精度和穩(wěn)定性的局限。通過對(duì)180張橡膠樹葉片進(jìn)行定量分析,提出了一種改進(jìn)的重加權(quán)采樣算法,即雙權(quán)重競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(DWCARS)。該方法綜合運(yùn)用回歸系數(shù)和變量投影重要性(VIP)2種權(quán)重評(píng)價(jià)標(biāo)準(zhǔn),并通過競(jìng)爭(zhēng)性機(jī)制優(yōu)化特征選擇。比較分析結(jié)果表明,與傳統(tǒng)CARS和差分進(jìn)化(DE)等方法相比,DWCARS能夠提取出更少且預(yù)測(cè)精度更高的波長變量。在測(cè)試集上,DWCARS模型展現(xiàn)了顯著性能優(yōu)勢(shì),其決定系數(shù)(R2P)為0.936 7,均方根誤差(RMSEP)為0.121 5,相比于CARS算法建立的預(yù)測(cè)模型RMSEP值降低了21.66%。表明DWCARS算法在提高橡膠樹葉片氮含量檢測(cè)的準(zhǔn)確性和穩(wěn)定性方面表現(xiàn)卓越,適用于精確監(jiān)測(cè)橡膠樹生長階段的氮素狀況。

    關(guān)鍵詞:近紅外光譜;橡膠樹;機(jī)器學(xué)習(xí);光譜波段選擇;葉片氮含量;DWCARS

    中圖分類號(hào):S127 文獻(xiàn)標(biāo)志碼:A

    文章編號(hào):1002-1302(2024)18-0222-10

    收稿日期:2023-09-20

    基金項(xiàng)目:海南省自然科學(xué)基金創(chuàng)新研究團(tuán)隊(duì)項(xiàng)目(編號(hào):320CXTD431);國家自然科學(xué)基金(編號(hào):32060413);海南省重點(diǎn)研發(fā)計(jì)劃(編號(hào):ZDYF2022GXJS008);海南省自然科學(xué)基金高層次人才項(xiàng)目(編號(hào):321RC468)。

    作者簡(jiǎn)介:胡鵬飛(1996—),男,山東濰坊人,碩士研究生,主要從事植物養(yǎng)分無損檢測(cè)研究。E-mail:hpf@hainanu.edu.cn。

    通信作者:李 創(chuàng),博士,教授,博士生導(dǎo)師,主要從事高光譜遙感技術(shù)研究。E-mail:lc@hainanu.edu.cn。

    天然橡膠是一種重要的生物聚合物,在國民經(jīng)濟(jì)和社會(huì)發(fā)展中發(fā)揮重要作用。隨著全球?qū)μ烊幌鹉z需求的增長,實(shí)時(shí)監(jiān)測(cè)橡膠樹的養(yǎng)分信息已成為植膠區(qū)管理的迫切需求[1。葉片氮含量(LNC)作為橡膠樹養(yǎng)分豐缺情況的敏感指標(biāo),通過實(shí)時(shí)監(jiān)測(cè)橡膠樹葉片氮含量,可有效獲取橡膠樹的生長信息[2。因此,建立一種高效準(zhǔn)確的橡膠樹葉片氮含量檢測(cè)模型意義重大。

    傳統(tǒng)的葉氮含量檢測(cè)方法如凱氏定氮法,由于復(fù)雜的化學(xué)試劑和繁瑣的操作過程,無法滿足養(yǎng)分實(shí)時(shí)監(jiān)測(cè)的需求[3。近紅外光譜技術(shù)因其快速、無損且低成本的特點(diǎn)已在葉片養(yǎng)分含量的檢測(cè)中廣泛應(yīng)用4。Li等采用偏最小二乘回歸模型對(duì)濕地松葉片氮含量進(jìn)行定量分析,選擇了與植物組織中氮含量高度相關(guān)的5個(gè)波段范圍[5;Liu等通過多種光譜預(yù)處理方法相結(jié)合,有效消除了光譜數(shù)據(jù)中的噪聲,得到了針對(duì)不同干旱脅迫條件下的香椿葉片氮含量估測(cè)模型[6。然而,隨著現(xiàn)代光譜儀器的進(jìn)步,測(cè)量數(shù)據(jù)量大大提高且具有較高的共線性7。因此,在波長變量與響應(yīng)濃度之間建立可解釋關(guān)系,成為提高光譜檢測(cè)模型性能的關(guān)鍵任務(wù)8。

    競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣(CARS)算法作為一種高效的特征波段選擇方法,表現(xiàn)出出色的全局搜索能力,相較于傳統(tǒng)的光譜區(qū)間選擇算法而言更具優(yōu)勢(shì)[9。在Zhang等的研究中,通過將CARS與隨機(jī)森林(RF)算法結(jié)合,有效地確定了番茄可溶性固形物含量的有效波長,結(jié)果表明CARS算法所選波段在性能方面表現(xiàn)最佳且特征數(shù)量較少[10。然而,CARS算法采用一種競(jìng)爭(zhēng)性機(jī)制來選擇和更新模型的權(quán)重參數(shù),此機(jī)制受到模型中蒙特卡洛采樣(MCS)和自適應(yīng)重加權(quán)(ARS)2個(gè)隨機(jī)因素的影響[11,導(dǎo)致不同特征組合在不同迭代中獲勝,可能導(dǎo)致在變量剔除中丟失重要波段12。因此,為了構(gòu)建更加穩(wěn)定且具有更高精度的檢測(cè)模型,需要采用更為有效的特征變量選擇策略。

    隨著特征變量選擇方法的不斷發(fā)展,出現(xiàn)了多種用于測(cè)定變量重要性的標(biāo)準(zhǔn),包括回歸系數(shù)、變量投影重要性以及選擇性比(SR)參數(shù)等。由于不同參數(shù)對(duì)于變量的解釋能力各不相同,因此單一評(píng)價(jià)標(biāo)準(zhǔn)在解釋多特征數(shù)據(jù)方面存在一定局限性[13。因此,本研究提出雙權(quán)重競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(DWCARS)算法,在同一輪蒙特卡洛采樣中引入了2種權(quán)重進(jìn)行波段重要性評(píng)價(jià)。通過自適應(yīng)重加權(quán)的競(jìng)爭(zhēng)機(jī)制,充分利用這2種權(quán)重指標(biāo)對(duì)變量的解釋能力,實(shí)現(xiàn)了特征波長的有效選擇。

    本研究探討了近紅外光譜分析技術(shù)與化學(xué)計(jì)量學(xué)方法的結(jié)合,以實(shí)現(xiàn)對(duì)橡膠樹葉片氮含量的快速檢測(cè)。通過引入DWCARS算法來選擇葉片氮素的特征波長,成功地解決了波段選擇過程中的冗余波長問題。本研究旨在獲取與LNC高度相關(guān)的近紅外光(NIR)特征波長,并建立高效、準(zhǔn)確的橡膠樹LNC快速檢測(cè)模型。

    1 材料與方法

    1.1 研究區(qū)概況與樣本采集

    本試驗(yàn)所使用的葉片樣本,于2022年4月在海南省儋州市(109.20°~109.70°E,19.40°~19.65°N)的橡膠林試驗(yàn)田內(nèi)采集,采樣區(qū)域如圖1所示。儋州市屬海洋性熱帶季風(fēng)氣候,雨熱資源豐富。年平均降水量1 828.7 mm,年平均氣溫23.8 ℃。供試材料為中國熱帶農(nóng)業(yè)科學(xué)院選育的巴西橡膠優(yōu)良品種熱研7-33-97的葉片。隨機(jī)采集了200份成熟、健康、完整的橡膠樹冠層葉片,并進(jìn)行密封低溫保存,以備后續(xù)的光譜數(shù)據(jù)采集和理化分析。

    1.2 光譜數(shù)據(jù)采集和葉片氮含量分析

    1.2.1 光譜數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理

    使用GaiaField-F-N17E高光譜成像儀對(duì)葉片樣本進(jìn)行圖像采集掃描,波段范圍為942~1 701 nm。經(jīng)清潔處理后,將樣本放在光譜儀的傳送帶上,通過光譜相機(jī)捕獲樣本的反射光,得到一維影像和光譜信息。傳送帶帶動(dòng)樣本進(jìn)行線掃描,最終計(jì)算機(jī)軟件記錄到掃描行程中包括葉片區(qū)域和非葉片區(qū)域內(nèi)所有物體的高光譜圖像。在室內(nèi)溫度和濕度穩(wěn)定的條件下,取3次掃描的平均值作為樣本的原始光譜。原始光譜的采樣點(diǎn)之間的距離平均為3.3 nm,共有224個(gè)波長變量。

    選取原始光譜圖像中的葉片區(qū)域作為感興趣區(qū)域,計(jì)算葉片區(qū)域光譜數(shù)據(jù)的平均值,獲得平均光譜。為了去除噪聲和增強(qiáng)光譜信息,采用了3種預(yù)處理方法:多元散射校正(MSC)、去趨勢(shì)(DT)和一階導(dǎo)數(shù)變換(D1),同時(shí)對(duì)它們?cè)谀P皖A(yù)測(cè)中的提升效果進(jìn)行分析和對(duì)比。經(jīng)預(yù)處理后的光譜曲線如圖2所示。

    1.2.2 異常數(shù)據(jù)剔除

    為減少人為誤差或儀器誤差對(duì)模型性能的影響,采用主成分分析(PCA)結(jié)合馬氏距離(MD)的方法(PCA-MD),以剔除可能對(duì)模型產(chǎn)生強(qiáng)影響的極端樣本或異常樣本。由PCA方法得到光譜的主成分和得分,使用得分?jǐn)?shù)據(jù)代替原始數(shù)據(jù)計(jì)算馬氏距離,以反映全譜數(shù)據(jù)信息并壓縮計(jì)算中涉及的變量數(shù),同時(shí)保證M矩陣不存在共線性問題[14。其中樣品到平均光譜的馬氏距離為:

    Di=(Ti-T)M-1(Ti-T)′。(1)

    式中:Di為校正樣品i的馬氏距離;Ti為校正樣品i的光譜得分;T為n個(gè)樣品的平均光譜;M為校正樣品光譜的馬氏矩陣。

    根據(jù)馬氏距離的結(jié)果圖進(jìn)行顏色編碼,可以得到葉片光譜數(shù)據(jù)的2個(gè)主成分的馬氏距離分布圖(圖3)。在該分布中,距離分布中心D閾值范圍內(nèi)的樣品被認(rèn)為與樣品平均光譜相似。Di-Dt值越小則有越高的相似度,反之則可能為異常樣本。根據(jù)分布情況,從180個(gè)原始樣本中剔除了18個(gè)異常樣本,最終得到162個(gè)葉片光譜數(shù)據(jù)。

    1.2.3 葉片氮含量理化分析

    凱氏定氮法是用于葉片全氮含量測(cè)定的常規(guī)方法,具有較高的準(zhǔn)確度。本研究采用凱氏定氮法對(duì)橡膠樹葉片中氮元素含量進(jìn)行檢測(cè)。在完成葉片光譜數(shù)據(jù)采集后,對(duì)樣本立即進(jìn)行烘干研磨,并置于定氮瓶中進(jìn)行分析測(cè)試,最終測(cè)得的葉片樣本氮元素含量介于2.1%~4.7%之間,呈正態(tài)分布。

    1.3 特征波長選擇策略

    1.3.1 基于PLS回歸系數(shù)與變量投影重要性的變量評(píng)價(jià)

    偏最小二乘回歸(PLSR)是應(yīng)對(duì)近紅外光譜中多特征少樣本數(shù)據(jù)問題的常見建模方法。PLSR從輸入特征X和標(biāo)簽值Y中同時(shí)提取主成分信息,由此產(chǎn)生了多個(gè)變量評(píng)價(jià)指標(biāo),包括回歸系數(shù)、變量投影重要性、選擇性比等?;貧w系數(shù)向量β的計(jì)算公式如下:

    β=w(qTq)-1qTtyT。(2)

    式中:q為載荷矩陣;t為潛在變量矩陣;y為響應(yīng)變量矩陣;w為權(quán)重矩陣。

    回歸系數(shù)向量是模型中所有分解得到的潛在變量的函數(shù),它反映了每個(gè)自變量Xi對(duì)因變量的貢獻(xiàn),較大的回歸系數(shù)表示相關(guān)主成分對(duì)因變量有更大的貢獻(xiàn)15。

    變量投影重要性VIP得分由以下公式計(jì)算:

    VIPj=m∑hk=1q2ktTkt3DHNr42ui+Fbhz05ZBDtPw==kwjk‖wjk2∑hk=1qtktTktk。(3)

    式中:j代表波長變量的索引;m表示波長變量的總數(shù);h為PLS的最佳主因子數(shù)量。

    VIP得分綜合考慮了光譜對(duì)構(gòu)建PLS得分的貢獻(xiàn)和PLS得分對(duì)濃度變量的解釋能力,代表了波長變量在模型擬合中的重要性[16。

    通過分析各個(gè)波段的得分矩陣、載荷矩陣等信息,可以計(jì)算出波段的回歸系數(shù)VIP得分。圖4展示了光譜各個(gè)波段對(duì)應(yīng)的回歸系數(shù)和VIP得分。本研究基于競(jìng)爭(zhēng)性重加權(quán)采樣策略,對(duì)回歸系數(shù)與變量投影重要性2種用于解釋變量重要性的指標(biāo)進(jìn)行比較,并提出了雙權(quán)重競(jìng)爭(zhēng)的變量選擇方法。

    1.3.2 單權(quán)重競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(VIP-CARS)方法

    盡管CARS默認(rèn)使用回歸系數(shù)作為變量重要性的評(píng)價(jià)指標(biāo),但本研究引入了一種新的波長選擇方法,即VIP-CARS方法。該方法將單一權(quán)重的回歸系數(shù)替換為單一權(quán)重的變量投影重要性得分,用于波長選擇的試驗(yàn)研究。

    1.3.3 雙權(quán)重競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣

    本研究提出了一種基于雙權(quán)重競(jìng)爭(zhēng)的自適應(yīng)重加權(quán)采樣方法,用于特征波段選擇。DWCARS的核心思想是每輪蒙特卡洛采樣中,通過同時(shí)考慮回歸系數(shù)與VIP得分2個(gè)權(quán)重,分別對(duì)波段變量進(jìn)行重要性評(píng)估,并生成2個(gè)不同的權(quán)重排序。然后,利用指數(shù)衰減函數(shù)和自適應(yīng)重加權(quán)采樣,對(duì)這2個(gè)不同的排序進(jìn)行變量選擇,最終得到2個(gè)不同的波段子集,并進(jìn)行對(duì)比選擇最佳結(jié)果。具體流程如下。

    (1)計(jì)算2個(gè)權(quán)重。首先,確定蒙特卡洛采樣法的采樣次數(shù)N。每次采樣隨機(jī)選擇一定比例的樣本進(jìn)行PLS建模,記錄每次采樣過程中PLS模型的回歸系數(shù)向量b和VIP得分向量v,并進(jìn)行權(quán)重計(jì)算。其中,回歸系數(shù)權(quán)重wbi和VIP得分權(quán)重wvi的計(jì)算公式如下:

    wbi=|bi|∑pi=1|bi|;(4)

    wvi=vi∑pi=1vi。(5)

    式中:p表示第i次采樣后剩余的特征波段個(gè)數(shù)。

    (2)指數(shù)衰減去除波長。通過指數(shù)衰減函數(shù)(EDF),去除回歸系數(shù)絕對(duì)值權(quán)重相對(duì)較小的波長,并根據(jù)EDF計(jì)算得到保留的波長數(shù)量的比例。

    (3)自適應(yīng)加權(quán)采樣。每次采樣時(shí),采用自適應(yīng)加權(quán)采樣策略,分別使用回歸系數(shù)權(quán)重wbi和VIP得分權(quán)重wvi,從上一次采樣選擇出的特征波段集合中選擇2個(gè)數(shù)量相等的波長變量子集。然后,分別使用這2個(gè)變量子集進(jìn)行PLS建模,并計(jì)算對(duì)應(yīng)的交叉驗(yàn)證均方根誤差(RMSECV),分別記為RMSECVb和RMSECVv

    (4)選擇最佳子集。比較RMSECVb和RMSECVv的大小。若RMSECVb<RMSECVv,則將RMSECVb對(duì)應(yīng)的波段子集作為本輪的最佳變量子集。反之,若RMSECVb>RMSECVv,則將RMSECVv對(duì)應(yīng)的波段子集作為本輪最佳變量。通過二者比較,得到本輪最終最佳子集Vnew和誤差RMSECV。

    (5)選擇最終結(jié)果。在N次采樣結(jié)束后,得到N個(gè)變量子集和對(duì)應(yīng)的N個(gè)RMSECV。選擇RMSECV最小值所對(duì)應(yīng)的特征波段子集作為最終的結(jié)果。

    DWCARS方法通過引入VIP得分作為額外權(quán)重,增加了回歸系數(shù)與VIP得分之間的競(jìng)爭(zhēng)機(jī)制,從而更全面地考慮了波段的重要性。詳細(xì)的算法流程見圖5。

    2 結(jié)果與分析

    2.1 數(shù)據(jù)集劃分

    在建立光譜數(shù)據(jù)和葉片氮含量建模之前,將162個(gè)樣本按3∶1的比例劃分為訓(xùn)練集(121個(gè)樣本)和測(cè)試集(41個(gè)樣本)。表1呈現(xiàn)了橡膠樹葉片氮含量的訓(xùn)練集和測(cè)試集統(tǒng)計(jì)信息,其中訓(xùn)練集和測(cè)試集的氮含量標(biāo)準(zhǔn)差分別為0.415%和0.483%,變異系數(shù)分別為12.97%和14.55%。表1中的數(shù)據(jù)表明,訓(xùn)練集和測(cè)試集的樣本分布相對(duì)均勻,因此,這種樣品劃分方法適合光譜分析,可用于建立橡膠樹葉片氮含量回歸校正模型。

    2.2 光譜預(yù)處理結(jié)果分析

    應(yīng)用PCA-MD方法剔除異常樣本后,模型精度明顯提高。從表2可以看出,DT方法預(yù)處理后的光譜模型精度較低,可能因?yàn)镈T方法增強(qiáng)光譜數(shù)據(jù)的同時(shí)也干擾了與氮素相關(guān)的重要信息。相比其他的預(yù)處理方法,MSC處理后的光譜模型效果最佳,表現(xiàn)為R2P=0.696 3,RMSEP=0.260 5。這表明MSC預(yù)處理方法有效地減少了原始光譜中儀器基線漂移、散射和信號(hào)噪聲等干擾信息。因此,在后續(xù)的數(shù)據(jù)分析中,采用經(jīng)過MSC預(yù)處理的光譜數(shù)據(jù)。

    2.3 特征波段選擇

    2.3.1 CARS與VIP-CARS波段選擇

    圖6展示了CARS算法和VIP-CARS算法進(jìn)行波長選擇的迭代過程。圖6-a1顯示了在100次蒙特卡洛采樣中,采樣變量數(shù)量的變化。圖6-a2呈現(xiàn)了RMSECV值的演變,圖6-a3展示了每個(gè)變量的系數(shù)或得分的變化情況。從圖6-a1和圖6-b1可以看出,由于采用相同的遞減函數(shù),二者以相同的遞減速度減少波段數(shù)量。在圖6-b3中,某些波段在迭代過程中VIP得分權(quán)重始終高于其他波段。且圖6-b3中垂直紅線標(biāo)記的具有最低RMSECV值的最佳子集,當(dāng)RMSECV值出現(xiàn)下降變化時(shí),部分變量的VIP得分同時(shí)出現(xiàn)躍升的情況,該現(xiàn)象證實(shí)了關(guān)鍵變量的存在。對(duì)比圖6-a2和6-b2可以看出,盡管VIP-CARS更早達(dá)到最低RMSECV位置,但整體而言,CARS算法的最低RMSECV值更小一些,說明回歸系數(shù)權(quán)重相對(duì)于VIP得分效果更好。

    2.3.2 DWCARS特征波段選擇

    使用DWCARS算法選取葉片氮素含量的特征波長時(shí),每輪迭代中利用PLS模型得到的回歸系數(shù)與VIP得分的2個(gè)權(quán)重排序。然后,通過自適應(yīng)重加權(quán)采樣選擇2個(gè)不同的變量子集,并以交叉驗(yàn)證均方差(RMSECV)作為評(píng)價(jià)指標(biāo)來競(jìng)爭(zhēng)選取最優(yōu)子集。圖7為DWCARS算法的迭代過程圖,從圖7-c中可以看出,在達(dá)到最佳變量子集的迭代次數(shù)之前,VIP得分在與回歸系數(shù)的競(jìng)爭(zhēng)中有7次占優(yōu)。圖8顯示了CARS算法和DWCARS算法在經(jīng)過100次蒙特卡洛采樣過程中RMSECV的變化。如圖8所示,CARS算法的RMSECV值隨著采樣次數(shù)的增加而交替增大和減小,而DWCARS算法則因?yàn)橐肓送喌g的競(jìng)爭(zhēng)機(jī)制,導(dǎo)致RMSECV值在迭代到30次左右時(shí)連續(xù)下降,進(jìn)一步降低了RMSECV值,相較于CARS算法表現(xiàn)更佳。

    鑒于DWCARS算法的最佳RMSECV位置較CARS算法靠后,本研究將采樣次數(shù)調(diào)整為200次以考慮其影響。圖9展示了200次采樣的RMSECV變化,結(jié)果與100次采樣情況基本一致,DWCARS算法的最佳迭代次數(shù)出現(xiàn)在CARS算法靠后的位置,表明DWCARS在減少特征波段數(shù)量方面表現(xiàn)更佳,同時(shí)剔除了冗余信息。

    另外,針對(duì)不同的采樣次數(shù)(N分別為50、100、200和500)進(jìn)行了50次DWCARS重復(fù)運(yùn)行并記錄RMSECV值,統(tǒng)計(jì)箱線圖。結(jié)果(圖10)顯示,除了在采樣次數(shù)過低時(shí)出現(xiàn)較大偏差值外,增加采樣次數(shù)對(duì)DWCARS性能影響不大。因此,本研究在建模分析中默認(rèn)采用100次采樣。

    2.4 建模結(jié)果分析

    為了評(píng)估SACARS算法的建模性能,引入差分進(jìn)化(DE)算法進(jìn)行對(duì)比。分別使用全波長(用FULL表示)以及CARS、VIP-CARS、DWCARS、DE算法選擇特征波長,建立了橡膠樹葉片中氮含量的不同定量分析模型。圖11顯示了全波段光譜和不同波段選擇算法建立的預(yù)測(cè)模型之間的對(duì)比。其中,通過DWCARS進(jìn)行特征選擇的預(yù)測(cè)模型表現(xiàn)最佳。從表3中的評(píng)價(jià)指標(biāo)可以得知,使用MSC預(yù)處理的DWCARS模型的RMSEP和R2P分別為0.121 5和0.936 7。這些R2和RMSE值表明DWCAR模型在定量檢測(cè)葉片氮含量方面具有出色的預(yù)測(cè)能力,模型的預(yù)測(cè)值與實(shí)測(cè)值大致呈對(duì)角線分布,真值線與擬合線基本重合,預(yù)測(cè)集的回歸性能充分體現(xiàn)了模型的穩(wěn)健性。相比于分別使用CARS、VIP-CARS和DE算法建立模型,使用DWCARS模型能夠明顯提升模型的評(píng)價(jià)指標(biāo)。綜上所述,基于MSC預(yù)處理的DWCARS算法進(jìn)行波段選擇的預(yù)測(cè)模型是橡膠樹葉片氮含量預(yù)測(cè)的最佳模型。

    2.5 變量篩選結(jié)果

    不同的算法會(huì)影響波段的篩選位置和數(shù)量,較少的特征波段數(shù)量有助于減少冗余信息[17。在橡膠樹葉片光譜數(shù)據(jù)上,使用MSC預(yù)處理的CARS、VIP-CARS、DWCARS和DE算法篩選出來的變量個(gè)數(shù)分別為56、94、20和105。

    圖12直觀地展示了不同的變量選擇方法在橡膠樹葉片光譜數(shù)據(jù)中所選波段在全譜范圍的分布??梢杂^察到,VIP-CARS算法選出的波段分布最集中,主要在1 270~1 440、1 570~1 700 nm范圍內(nèi),CARS和DE算法選擇出的波段則在整個(gè)譜段中分布相對(duì)均勻。其中,DWCARS算法選擇的特征波長數(shù)量最少,主要集中在1 330~1 380、1 470~1 520 nm區(qū)域,這2個(gè)區(qū)域?qū)?yīng)于光譜數(shù)據(jù)中明顯的吸收峰。

    通過分析所選的特征波長,可以得出CARS、VIP-CARS和DWCARS所選擇的波長范圍相對(duì)一致,但DWCARS選擇的特征波段中剔除了大部分相關(guān)性較低的波段。

    3 討論

    本研究DWCARS波段選擇方法具有以下特點(diǎn):首先,通過引入VIP得分權(quán)重,有效提高了對(duì)變量的解釋能力并減少了特征波長的冗余信息。其次,將2種權(quán)重整合到每一輪蒙特卡洛迭代中進(jìn)行競(jìng)爭(zhēng),充分發(fā)揮了不同變量評(píng)價(jià)系數(shù)的特性,使其避免了算法陷入局部最優(yōu)。

    通過與其他變量選擇方法的比較,DWCARS在選擇與LNC密切相關(guān)的特征波段方面表現(xiàn)最佳。相比之下,DE算法的回歸精度較低且計(jì)算時(shí)間成本較高。因?yàn)镈E進(jìn)化算法的選擇過程沒有考慮變量的重要性信息,導(dǎo)致搜索效率下降[18。VIP-CARS模型精度略低于CARS模型,za7WKEaqno2scoXs9gb8mxVVGbixHTzBfaFpP5ds/Os=可能因VIP得分過于突出高重要性特征波段,沒有很好地區(qū)分權(quán)重相對(duì)中等的波長,從而在剔除波長時(shí)損失了關(guān)鍵特征。

    CARS選擇了56個(gè)特征波長,占全部變量的25.0%。DWCARS選擇了20個(gè)特征波長,占全部變量的8.9%,RMSEP值較CARS降低了21.66%,其評(píng)價(jià)指標(biāo)均好于其他模型,這表明DWCARS算法能夠有效提取關(guān)鍵特征,去除冗余信息,建立了魯棒性和可擴(kuò)展性的模型。特別是,DWCARS算法僅使用20個(gè)特征波長構(gòu)建了氮含量的高性能檢測(cè)模型,少量具有高相關(guān)性的特征波長更有利于集成到在線檢測(cè)設(shè)備中,并可用于連續(xù)校準(zhǔn)回歸模型[19。

    盡管DWCARS算法模型表現(xiàn)出良好的性能,仍有約13%的LNC變異未能被解釋,可能因訓(xùn)練數(shù)據(jù)的非均質(zhì)性和數(shù)據(jù)采集環(huán)境因素影響了模型性能。未來的研究需要開發(fā)化學(xué)計(jì)量學(xué)方法,提高模型的質(zhì)量和穩(wěn)定性,以實(shí)現(xiàn)快速檢測(cè)。

    4 結(jié)論

    本研究旨在快速檢測(cè)橡膠樹葉片中的氮含量,采用了近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)方法。為提高模型精度,采用多種特征波長選擇方法,其中DWCARS模型表現(xiàn)最佳,R2P值為0.936 7,RMSEP值為0.121 5。DWCARS綜合了回歸系數(shù)與VIP得分的權(quán)重,充分利用了重加權(quán)競(jìng)爭(zhēng)機(jī)制,有效解決了特征選擇中的冗余信息問題。該研究為在線監(jiān)測(cè)橡膠樹葉片氮含量提供了理論支持,為實(shí)際應(yīng)用提供了有效方法。

    參考文獻(xiàn):

    [1] Warren-Thomas E,Dolman P M,Edwards D P.Increasing demand for natural rubber necessitates a robust sustainability initiative to mitigate impacts on tropical biodiversity[J]. Conservation Letters,2015,8(4):230-241.

    [2]黎 舟,楊思林,劉云根,等. 基于微分變換的濕地植物高光譜全氮反演[J]. 環(huán)境科學(xué)研究,2022,35(5):1268-1276.

    [3]Ali M M,Al-Ani A,Eamus D,et al. Leaf nitrogen determination using non-destructive techniques:a review[J]. Journal of Plant Nutrition,2017,40(7):928-953.

    [4]馮 鎮(zhèn),劉 馨,張 震,等. 基于近紅外光譜技術(shù)對(duì)小麥中毒死蜱農(nóng)藥殘留測(cè)定方法的研究[J]. 食品工業(yè)科技,2022,43(4):271-277.

    [5]Li Y J,Sun H G,Tomasetto F,et al. Spectrometric prediction of nitrogen content in different tissues of slash pine trees[J]. Plant Phenomics,2022,2022:9892728.

    [6]Liu W J,Li Y J,Tomasetto F,et al. Non-destructive measurements of Toona sinensis chlorophyll and nitrogen content under drought stress using near infrared spectroscopy[J]. Frontiers in Plant Science,2022,12:809828.

    [7]郭 拓,梁小娟,馬晉芳,等. 基于可擴(kuò)展的自表示學(xué)習(xí)波段選擇算法在近紅外光譜回歸建模中的影響研究[J]. 分析測(cè)試學(xué)報(bào),2022,41(8):1214-1220.

    [8]Yun Y H,Li H D,Deng B C,et al. An overview of variable selection methods in multivariate analysis of near-infrared spectra[J]. TrAC Trends in Analytical Chemistry,2019,113:102-115.

    [9]Wu X H,Zeng S P,F(xiàn)u H J,et al. Determination of corn protein content using near-infrared spectroscopy combined with A-CARS-PLS[J]. Food Chemistry:X,2023,18:100666.

    [10] ZhangD Y,Yang Y,Chen G,et al. Nondestructive evaluation of soluble solids content in tomato with different stage by using Vis/NIR technology and multivariate algorithms[J]. Spectrochimica Acta(Part A:Molecular and Biomolecular Spectroscopy),2021,248:119139.

    [11]王偲晗,萬幼川,王明威,等. 改進(jìn)蟻群算法及其在高光譜影像分類中的研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2018,54(1):196-203.

    [12]Bin J,Ai F F,F(xiàn)an W,et al. An efficient variable selection method based on variable permutation and model population analysis for multivariate calibration of NIR spectra[J]. Chemometrics and Intelligent Laboratory Systems,2016,158:1-13.

    [13]Zhang J,Cui X Y,Cai W S,et al. A variable importance criterion for variable selection in near-infrared spectral analysis[J]. Science China Chemistry,2019,62(2):271-279.

    [14]劉翠玲,胡玉君,吳勝男,等. 近紅外光譜奇異樣本剔除方法研究[J]. 食品科學(xué)技術(shù)學(xué)報(bào),2014,32(5):74-79.

    [15]Huang X,Xia L. Improved kernel PLS combined with wavelength variable importance for near infrared spectral analysis[J]. Chemometrics and Intelligent Laboratory Systems,2017,168:107-113.

    [16]Wang Z Z,Wu Q Y,Kamruzzaman M. Portable NIR spectroscopy and PLS based variable selection for adulteration detection in quinoa flour[J]. Food Control,2022,138:108970.

    [17]Kumar B,Dikshit O,Gupta A,et al. Feature extraction for hyperspectral image classification:a review[J]. International Journal of Remote Sensing,2020,41(16):6248-6287.

    [18]Liang L,Wei L L,F(xiàn)ang G G,et al. Prediction of holocellulose and lignin content of pulp wood feedstock using near infrared spectroscopy and variable selection[J]. Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2020,225:117515.

    [19]Bruning B,Liu H J,Brien C,et al. The development of hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat (Triticum aestivum)[J]. Frontiers in Plant Science,2019,10:1380.

    日产精品乱码卡一卡2卡三| 色哟哟·www| 蜜桃在线观看..| 熟女av电影| 久热这里只有精品99| 久久精品国产a三级三级三级| 高清毛片免费看| 久久久久久久大尺度免费视频| 热re99久久精品国产66热6| 香蕉精品网在线| 另类精品久久| 性色av一级| 久久99热6这里只有精品| 丰满饥渴人妻一区二区三| 热re99久久国产66热| 在线观看免费高清a一片| 多毛熟女@视频| 国产一区二区三区av在线| 桃花免费在线播放| 国产成人91sexporn| 亚洲成色77777| 国产成人精品福利久久| 国产一区二区三区综合在线观看 | 亚洲三级黄色毛片| 久久精品夜色国产| 男人爽女人下面视频在线观看| 免费观看无遮挡的男女| 一边亲一边摸免费视频| 国产欧美另类精品又又久久亚洲欧美| 观看av在线不卡| 免费在线观看黄色视频的| 母亲3免费完整高清在线观看 | 熟女av电影| 中文字幕亚洲精品专区| 午夜精品国产一区二区电影| 国产亚洲一区二区精品| 激情视频va一区二区三区| 人妻少妇偷人精品九色| www日本在线高清视频| 中文乱码字字幕精品一区二区三区| av电影中文网址| 美国免费a级毛片| xxxhd国产人妻xxx| 美女xxoo啪啪120秒动态图| 有码 亚洲区| 99久久中文字幕三级久久日本| 中文欧美无线码| 制服丝袜香蕉在线| 亚洲人成77777在线视频| 在线精品无人区一区二区三| 熟女av电影| 亚洲欧美成人精品一区二区| 中国美白少妇内射xxxbb| 国产乱人偷精品视频| 麻豆乱淫一区二区| 侵犯人妻中文字幕一二三四区| 午夜老司机福利剧场| 9191精品国产免费久久| 午夜91福利影院| 国产1区2区3区精品| 在线观看美女被高潮喷水网站| 亚洲国产av新网站| 日韩三级伦理在线观看| 色哟哟·www| 蜜臀久久99精品久久宅男| 一级,二级,三级黄色视频| 亚洲熟女精品中文字幕| 如日韩欧美国产精品一区二区三区| 只有这里有精品99| 男女边摸边吃奶| 这个男人来自地球电影免费观看 | 久久热在线av| 久久国产亚洲av麻豆专区| 成人无遮挡网站| 国产老妇伦熟女老妇高清| 久久精品夜色国产| 婷婷色av中文字幕| 中文字幕亚洲精品专区| 极品少妇高潮喷水抽搐| 精品人妻一区二区三区麻豆| 精品人妻一区二区三区麻豆| 亚洲国产精品999| 欧美激情极品国产一区二区三区 | 午夜福利视频精品| 春色校园在线视频观看| 男人爽女人下面视频在线观看| 欧美人与性动交α欧美软件 | 男女免费视频国产| 国产一区二区三区av在线| 黑人高潮一二区| 综合色丁香网| 99久国产av精品国产电影| 亚洲av综合色区一区| 亚洲国产色片| 免费观看性生交大片5| 爱豆传媒免费全集在线观看| 久久99蜜桃精品久久| 国产有黄有色有爽视频| 男女下面插进去视频免费观看 | 国产成人欧美| 伊人久久国产一区二区| 久久狼人影院| www.av在线官网国产| 99视频精品全部免费 在线| 亚洲av日韩在线播放| 90打野战视频偷拍视频| 久久精品国产a三级三级三级| 国产成人aa在线观看| 99久国产av精品国产电影| 大香蕉97超碰在线| 香蕉精品网在线| 少妇的丰满在线观看| 久久人人97超碰香蕉20202| a 毛片基地| 性色av一级| 两个人免费观看高清视频| 国产成人精品久久久久久| 男的添女的下面高潮视频| 亚洲综合色惰| 丰满乱子伦码专区| 卡戴珊不雅视频在线播放| 亚洲国产精品一区三区| 夜夜骑夜夜射夜夜干| 丰满饥渴人妻一区二区三| 天天影视国产精品| 国产在线视频一区二区| 男人操女人黄网站| 亚洲av国产av综合av卡| 最近中文字幕高清免费大全6| 中文字幕亚洲精品专区| 国产福利在线免费观看视频| 青春草亚洲视频在线观看| 亚洲精品中文字幕在线视频| 免费av不卡在线播放| 少妇人妻 视频| 午夜福利影视在线免费观看| 国产精品不卡视频一区二区| 如日韩欧美国产精品一区二区三区| 亚洲欧美日韩卡通动漫| 日日啪夜夜爽| 最新的欧美精品一区二区| 丰满迷人的少妇在线观看| 亚洲精品中文字幕在线视频| 国产成人精品久久久久久| 少妇的逼好多水| 免费黄色在线免费观看| 国产免费现黄频在线看| 免费播放大片免费观看视频在线观看| 免费日韩欧美在线观看| 91精品三级在线观看| 草草在线视频免费看| 夜夜骑夜夜射夜夜干| 91成人精品电影| 国产免费现黄频在线看| 亚洲,欧美精品.| 青青草视频在线视频观看| 高清欧美精品videossex| 国产精品熟女久久久久浪| 2021少妇久久久久久久久久久| 一二三四在线观看免费中文在 | 搡老乐熟女国产| 97在线视频观看| 少妇人妻久久综合中文| 1024视频免费在线观看| 亚洲国产精品一区二区三区在线| 午夜视频国产福利| 午夜精品国产一区二区电影| 老司机影院成人| 国产综合精华液| 免费不卡的大黄色大毛片视频在线观看| 午夜日本视频在线| 黄色一级大片看看| 久久婷婷青草| 天天躁夜夜躁狠狠躁躁| 国产精品久久久久久久久免| 婷婷色综合www| 久久ye,这里只有精品| 五月玫瑰六月丁香| 欧美日韩精品成人综合77777| 久久这里只有精品19| 精品少妇久久久久久888优播| 97人妻天天添夜夜摸| 男女无遮挡免费网站观看| 国产精品久久久久久久电影| 久久久精品94久久精品| 日韩制服丝袜自拍偷拍| 美女大奶头黄色视频| 成人18禁高潮啪啪吃奶动态图| 女的被弄到高潮叫床怎么办| 成人毛片a级毛片在线播放| 国产日韩一区二区三区精品不卡| 十八禁高潮呻吟视频| 最近最新中文字幕大全免费视频 | 少妇高潮的动态图| 十分钟在线观看高清视频www| 九色亚洲精品在线播放| 欧美最新免费一区二区三区| 制服人妻中文乱码| 午夜影院在线不卡| 精品国产乱码久久久久久小说| 日韩欧美精品免费久久| 亚洲,欧美,日韩| 亚洲欧美成人综合另类久久久| 夜夜骑夜夜射夜夜干| 另类亚洲欧美激情| 一本—道久久a久久精品蜜桃钙片| 下体分泌物呈黄色| 成人亚洲欧美一区二区av| 国产精品免费大片| 亚洲精品国产av蜜桃| 全区人妻精品视频| 成人漫画全彩无遮挡| 韩国精品一区二区三区 | 久久久精品区二区三区| 免费观看在线日韩| 久久精品久久精品一区二区三区| 亚洲精品久久成人aⅴ小说| 成人手机av| 久久精品国产综合久久久 | 日日爽夜夜爽网站| 秋霞伦理黄片| 少妇人妻久久综合中文| 韩国av在线不卡| 色94色欧美一区二区| 少妇的逼好多水| 欧美成人精品欧美一级黄| 香蕉丝袜av| 国产亚洲最大av| 精品99又大又爽又粗少妇毛片| 欧美精品一区二区大全| 亚洲高清免费不卡视频| 考比视频在线观看| 日韩三级伦理在线观看| 久久久久久人妻| 国产免费一级a男人的天堂| 校园人妻丝袜中文字幕| 国产又爽黄色视频| 又大又黄又爽视频免费| 国产精品一二三区在线看| 国产有黄有色有爽视频| 久久久久久久精品精品| 亚洲丝袜综合中文字幕| 亚洲av.av天堂| 黄网站色视频无遮挡免费观看| 亚洲成人av在线免费| 男女边吃奶边做爰视频| tube8黄色片| 国产一区二区三区av在线| 国产精品久久久久成人av| 久久久久久久久久成人| 97在线视频观看| 亚洲图色成人| 中文欧美无线码| 日本欧美国产在线视频| 性高湖久久久久久久久免费观看| 观看美女的网站| 国产成人精品一,二区| 波多野结衣一区麻豆| 伦理电影大哥的女人| 亚洲国产av影院在线观看| 少妇 在线观看| 成人亚洲精品一区在线观看| 午夜免费鲁丝| 午夜免费观看性视频| 26uuu在线亚洲综合色| 久久久久精品性色| 在线天堂中文资源库| 免费久久久久久久精品成人欧美视频 | 水蜜桃什么品种好| 亚洲第一区二区三区不卡| xxxhd国产人妻xxx| 18禁国产床啪视频网站| 少妇的逼好多水| 韩国精品一区二区三区 | 久久久久久人妻| 亚洲一区二区三区欧美精品| 国产精品久久久久成人av| 十八禁网站网址无遮挡| 久久久久人妻精品一区果冻| 日韩精品免费视频一区二区三区 | 婷婷色av中文字幕| 最新的欧美精品一区二区| 最近手机中文字幕大全| 免费在线观看完整版高清| 国产精品人妻久久久影院| 美女视频免费永久观看网站| 日韩人妻精品一区2区三区| 热re99久久国产66热| 国产精品不卡视频一区二区| 精品久久国产蜜桃| 国产免费又黄又爽又色| 99香蕉大伊视频| 水蜜桃什么品种好| 久久99一区二区三区| 高清不卡的av网站| 日韩欧美一区视频在线观看| 黑人高潮一二区| 天天躁夜夜躁狠狠躁躁| 免费观看a级毛片全部| 国产精品久久久久久精品电影小说| 日韩熟女老妇一区二区性免费视频| av天堂久久9| 国产一区有黄有色的免费视频| 美女主播在线视频| 激情视频va一区二区三区| 亚洲精品aⅴ在线观看| videossex国产| 十八禁网站网址无遮挡| 国产精品女同一区二区软件| 国产午夜精品一二区理论片| 亚洲内射少妇av| av黄色大香蕉| 最新中文字幕久久久久| 中文字幕免费在线视频6| 大香蕉久久成人网| 青春草国产在线视频| 肉色欧美久久久久久久蜜桃| videossex国产| 久久鲁丝午夜福利片| 制服人妻中文乱码| 免费人成在线观看视频色| 国产成人91sexporn| 国产一级毛片在线| 国产精品一国产av| 天堂俺去俺来也www色官网| 午夜福利网站1000一区二区三区| 日韩欧美精品免费久久| 波野结衣二区三区在线| 日日爽夜夜爽网站| 黄色配什么色好看| 亚洲 欧美一区二区三区| 午夜福利,免费看| 有码 亚洲区| 一个人免费看片子| 一级毛片 在线播放| 香蕉精品网在线| 日产精品乱码卡一卡2卡三| av女优亚洲男人天堂| 欧美日韩一区二区视频在线观看视频在线| 少妇猛男粗大的猛烈进出视频| 深夜精品福利| 青青草视频在线视频观看| 国产午夜精品一二区理论片| 久久久精品94久久精品| av视频免费观看在线观看| 中国三级夫妇交换| 十八禁高潮呻吟视频| 国产极品粉嫩免费观看在线| 午夜精品国产一区二区电影| 欧美bdsm另类| 午夜精品国产一区二区电影| 26uuu在线亚洲综合色| 免费看av在线观看网站| 中文欧美无线码| 一级黄片播放器| 久久久久久久久久久久大奶| 亚洲国产色片| 欧美精品人与动牲交sv欧美| a 毛片基地| 男女免费视频国产| 国产精品嫩草影院av在线观看| 99视频精品全部免费 在线| 在线观看免费高清a一片| 久久久久精品人妻al黑| 亚洲 欧美一区二区三区| 十八禁网站网址无遮挡| 91在线精品国自产拍蜜月| 97超碰精品成人国产| 国产精品免费大片| 久久久精品免费免费高清| 久久人人爽人人爽人人片va| 国产xxxxx性猛交| 少妇的丰满在线观看| 涩涩av久久男人的天堂| 女人精品久久久久毛片| 一个人免费看片子| 爱豆传媒免费全集在线观看| 久久国产精品男人的天堂亚洲 | 宅男免费午夜| 多毛熟女@视频| 乱码一卡2卡4卡精品| 汤姆久久久久久久影院中文字幕| 最近手机中文字幕大全| 在线精品无人区一区二区三| 一级片'在线观看视频| 丝袜在线中文字幕| 国产女主播在线喷水免费视频网站| 久久久久久久精品精品| 午夜免费观看性视频| 国产欧美日韩综合在线一区二区| 国产黄色视频一区二区在线观看| 人人妻人人澡人人爽人人夜夜| 2018国产大陆天天弄谢| 久热久热在线精品观看| a级毛片在线看网站| 亚洲欧美日韩卡通动漫| 另类亚洲欧美激情| 亚洲成国产人片在线观看| 建设人人有责人人尽责人人享有的| 老司机影院毛片| 久久久久人妻精品一区果冻| 精品国产一区二区三区四区第35| 又大又黄又爽视频免费| 亚洲av综合色区一区| 欧美精品一区二区大全| 亚洲欧美清纯卡通| 人人妻人人澡人人爽人人夜夜| 成人18禁高潮啪啪吃奶动态图| 国产精品久久久av美女十八| 极品人妻少妇av视频| 久久99热6这里只有精品| 大话2 男鬼变身卡| 一区二区三区乱码不卡18| 国产探花极品一区二区| 成人影院久久| 国产淫语在线视频| av一本久久久久| 国产成人一区二区在线| 在线观看免费高清a一片| 精品国产一区二区三区久久久樱花| 欧美人与性动交α欧美软件 | 欧美成人精品欧美一级黄| 视频区图区小说| 亚洲av在线观看美女高潮| 99热网站在线观看| 精品一品国产午夜福利视频| 9色porny在线观看| av有码第一页| 最近手机中文字幕大全| 日韩人妻精品一区2区三区| 日韩一区二区三区影片| 99热国产这里只有精品6| 日日啪夜夜爽| 日韩av免费高清视频| 国产午夜精品一二区理论片| 91在线精品国自产拍蜜月| 国产不卡av网站在线观看| 亚洲精品久久午夜乱码| 亚洲av电影在线进入| 午夜福利影视在线免费观看| 久久久亚洲精品成人影院| 欧美丝袜亚洲另类| 少妇人妻 视频| tube8黄色片| 国产精品欧美亚洲77777| 亚洲欧美成人精品一区二区| 91精品国产国语对白视频| 国产精品三级大全| 巨乳人妻的诱惑在线观看| 十分钟在线观看高清视频www| 乱人伦中国视频| 搡女人真爽免费视频火全软件| 纯流量卡能插随身wifi吗| 哪个播放器可以免费观看大片| 韩国av在线不卡| 欧美亚洲 丝袜 人妻 在线| 国产精品久久久久成人av| 香蕉丝袜av| 欧美人与性动交α欧美软件 | 亚洲国产色片| 大话2 男鬼变身卡| 99久国产av精品国产电影| 久久久国产精品麻豆| 黄片播放在线免费| 亚洲精品一二三| 伦理电影大哥的女人| 色哟哟·www| 夜夜爽夜夜爽视频| 日日撸夜夜添| 国产在线一区二区三区精| 婷婷色综合大香蕉| 韩国高清视频一区二区三区| freevideosex欧美| 国产在视频线精品| 岛国毛片在线播放| 亚洲情色 制服丝袜| 美女内射精品一级片tv| 国产成人一区二区在线| 亚洲国产av影院在线观看| 免费大片18禁| 宅男免费午夜| 狂野欧美激情性xxxx在线观看| 亚洲国产毛片av蜜桃av| 大片电影免费在线观看免费| 欧美日韩亚洲高清精品| 欧美最新免费一区二区三区| 黄色毛片三级朝国网站| kizo精华| 日韩不卡一区二区三区视频在线| 日韩制服丝袜自拍偷拍| 国产永久视频网站| 大香蕉97超碰在线| 午夜福利网站1000一区二区三区| av不卡在线播放| 国产一区二区激情短视频 | 天堂8中文在线网| 亚洲成av片中文字幕在线观看 | 成年动漫av网址| 亚洲内射少妇av| 妹子高潮喷水视频| 午夜av观看不卡| 欧美亚洲日本最大视频资源| 天堂中文最新版在线下载| 国产精品熟女久久久久浪| 在线精品无人区一区二区三| av国产精品久久久久影院| 亚洲中文av在线| 欧美国产精品一级二级三级| 成年女人在线观看亚洲视频| 免费播放大片免费观看视频在线观看| 久久久久久人人人人人| 午夜av观看不卡| 一本大道久久a久久精品| 亚洲经典国产精华液单| 在线观看国产h片| 久热这里只有精品99| 成人手机av| 免费日韩欧美在线观看| 天堂中文最新版在线下载| 日本av手机在线免费观看| 97超碰精品成人国产| 精品久久久久久电影网| 十八禁高潮呻吟视频| 国产精品秋霞免费鲁丝片| 99热6这里只有精品| 午夜日本视频在线| 美国免费a级毛片| 一级毛片黄色毛片免费观看视频| 亚洲 欧美一区二区三区| 亚洲中文av在线| 卡戴珊不雅视频在线播放| 国产又色又爽无遮挡免| 久久精品久久精品一区二区三区| 精品熟女少妇av免费看| 亚洲国产精品成人久久小说| 国产欧美日韩综合在线一区二区| 日韩一区二区视频免费看| 丰满乱子伦码专区| www.av在线官网国产| 免费日韩欧美在线观看| 欧美人与性动交α欧美精品济南到 | 欧美xxⅹ黑人| 另类精品久久| 一本—道久久a久久精品蜜桃钙片| 国产一区有黄有色的免费视频| 国产成人av激情在线播放| 久久国产精品大桥未久av| 一本大道久久a久久精品| 中文欧美无线码| 午夜影院在线不卡| av免费在线看不卡| 欧美+日韩+精品| 亚洲av免费高清在线观看| 一区在线观看完整版| 亚洲精品456在线播放app| 国产成人精品婷婷| 国产成人精品福利久久| 亚洲婷婷狠狠爱综合网| 亚洲精品日韩在线中文字幕| 极品少妇高潮喷水抽搐| 免费在线观看黄色视频的| 高清在线视频一区二区三区| 9色porny在线观看| 制服丝袜香蕉在线| 性色avwww在线观看| 黄片无遮挡物在线观看| 成人综合一区亚洲| av国产精品久久久久影院| 久久久久久久久久久免费av| 少妇熟女欧美另类| 各种免费的搞黄视频| 国产精品麻豆人妻色哟哟久久| 男女边吃奶边做爰视频| 国产男女超爽视频在线观看| 欧美精品亚洲一区二区| 亚洲精品自拍成人| 久久久国产欧美日韩av| 免费观看性生交大片5| 十八禁网站网址无遮挡| 好男人视频免费观看在线| 亚洲精品日韩在线中文字幕| 日本91视频免费播放| 亚洲成国产人片在线观看| 久久鲁丝午夜福利片| 狂野欧美激情性bbbbbb| 国产成人免费观看mmmm| 欧美精品高潮呻吟av久久| 校园人妻丝袜中文字幕| 22中文网久久字幕| 久久久久久久国产电影| av天堂久久9| 制服丝袜香蕉在线| 熟妇人妻不卡中文字幕| 伦理电影免费视频| 亚洲第一区二区三区不卡| 国产欧美日韩一区二区三区在线| 26uuu在线亚洲综合色| 高清在线视频一区二区三区| 美女国产视频在线观看| 九九爱精品视频在线观看| 男女高潮啪啪啪动态图| 狠狠婷婷综合久久久久久88av| 中文字幕亚洲精品专区| 搡女人真爽免费视频火全软件| 久久精品aⅴ一区二区三区四区 | 午夜av观看不卡| 免费人成在线观看视频色| 亚洲国产精品一区三区| 性高湖久久久久久久久免费观看| a级毛色黄片| 高清av免费在线| 亚洲精华国产精华液的使用体验| 午夜老司机福利剧场| 精品少妇黑人巨大在线播放| 欧美国产精品va在线观看不卡|