《近红外光谱法对鸡肉品种的快速无损鉴别》
作者丨龚艳，汤晓艳，王敏，陶瑞，毛雪飞
鸡肉一直是我国消费最为普遍的肉制品之一。据统计，年我国的鸡肉总产量达到了万吨，是世界第二大鸡肉产国。
巨大的产销量使得鸡肉的品质评定成为肉制品行业所的焦点，目前国内市场上的鸡肉品种可达种以上，包括外来种、地方种和培育种等。不同品种的鸡肉在口感和品质上存在很大差异，部分品种的鸡肉一经宰杀分类，其肉品性状和色泽较为相似，人们肉眼无法区分，尽管已有研究通过形态学标记分析和生产性能测定等手段鉴别鸡肉品种，但鉴定周期长、受环境影响大，很难推广应用于鸡肉品种的快速鉴别。为了保护一些鸡肉品种的知识产权和育种者的权益，对鸡肉品种进行鉴别非常重要。
近红外技术是一种灵敏、快速、无损的新型检测技术，其在农产品定量和定性检测分析方面得到了广泛应用。
在肉品检测分析领域，近红外技术不仅已成功地应用于肉品中化学成分，如蛋白质、脂肪、水分、脂肪酸、挥发性盐基氮和羟脯氨酸等的定量分析，而且成功地应用于肉品的定性鉴别，如用于鉴别不同品种、不同种类、不同年龄、不同部位的肉，但是利用近红外光谱技术对鸡肉品种进行快速无损鉴别的研究鲜有报道。
为了能快速、准确、无损地鉴别不同品种的鸡肉，本研究应用近红外光谱技术分别获取了3个不同品种鸡肉样品的光谱信息，结合偏最小二乘判别分析（partialleastsquaresdiscriminantanalysis，PLS-DA）法，研究近红外光谱技术快速鉴别鸡肉品种的可行性。
不同品种鸡肉的近红外光谱有其各自的特征，这主要与其品质不同有关。本研究结果显示，AA肉鸡和狼山鸡的L*值差异不显著（P＞0.05），均与京海黄鸡差异显著（P＜0.05）；AA肉鸡和京海黄鸡的a*值差异不显著（P＞0.05），均与狼山鸡差异显著（P＜0.05）；3个品种鸡肉的b*值差异不显著（P＞0.05）。综上表明仅用色差方法无法对3个品种鸡肉进行区分。
研究结果还显示，AA肉鸡、京海黄鸡和狼山鸡的粗脂肪含量差异显著（P＜0.05），狼山鸡的粗脂肪含量要高于京海黄鸡和AA肉鸡，其他文献报道也证明了品种影响肌肉的脂肪含量。
岳永生等[报道土种鸡和新浦东鸡肌肉的粗脂肪含量极显著的高于AA肉鸡和京白鸡，这为土种鸡肌肉味道香醇提供了物质基础。AA肉鸡、京海黄鸡和狼山鸡的水分含量差异不显著（P＞0.05），这与姜琳琳[18]的研究相类似：北京油鸡、艾维茵肉鸡和快大黄鸡水分含量也没有表现出明显的差异性。
潘珂等比较分析了江西省不同品种鸡肉中的蛋白质含量，结果表明蛋白质含量在不同鸡肉品种之间差异极显著（P＜0.01）；
张艳云等比较了油鸡和艾维茵白羽肉鸡的常量化学成分的含量，结果表明两品种鸡肉的蛋白质含量差异不显著（P＞0.05）；
姜琳琳的研究也表明品种对蛋白质含量的影响不大。本实验结果显示，AA肉鸡和京海黄鸡的蛋白质含量差异不显著，均与狼山鸡的蛋白质含量差异显著。AA肉鸡、京海黄鸡和狼山鸡的脂肪含量存在显著性差异，在相应的一阶导数平均谱图中可得到体现。本研究中AA肉鸡、京海黄鸡和狼山鸡肉样的近红外一阶导数平均光谱在脂肪的特征吸收区（即、nm和nm）存在明显差异，这对判别3个品种鸡肉非常重要。
Prieto等通过不同脂肪含量肉类的近红外吸收不同这一特点，成功鉴别了成年阉牛肉和未成年牛肉。
刘晓晔等通过普通公牛肉和淘汰母牛肉脂肪含量的差异运用近红外成功鉴别了这两类牛肉。基于上述光谱信息差异，本研究应用PLS-DA方法对鸡肉肉块和肉糜分别建立品种鉴别模型。其中鸡肉肉块的校正模型R2达到0.98，RMSECV为0.10；利用所建模型对肉块预测集的30个样本进行预测，预测准确率达90%，RMSEP为0.33。鸡肉肉糜的校正模型R2达到0.97，RMSECV为0.13；同样利用所建模型对肉糜预测集的30个样本进行预测，预测准确率达90%，RMSEP为0.31。结果表明利用近红外光谱技术对鸡肉品种进行无损鉴别是可行的。国内外相关研究也利用近红外光谱对不同类型肉进行了相关的鉴别研究。
Alomar等采用近红外光谱技术结合PLS-DA方法对黑白花奶牛和赫里福德牛两个不同品种的牛肉进行了分类鉴别，识别准确率分别为78.7%和78.8%。
Andrés等应用近红外光谱技术对两个不同品种的羊肉的鉴别准确率达到%，原因可能是不同品种羊肉的脂肪酸组成不同造成近红外吸收不同。
同样Juarez等也成功地对6个西班牙羊品种进行了近红外光谱鉴别分析，其判别正确率达到83%。
牛晓颖等和Cozzolino等利用近红外技术对猪肉、牛肉和羊肉等不同种类肌肉进行了鉴别，鉴别正确率分别达到95%和80%，表明近红外技术可以成为一种快速鉴别不同种类肌肉的方法。上述研究结果表明，通过3个品种鸡肉脂肪含量不同导致近红外吸收不同这一特点可成功鉴别不同品种的鸡肉，近红外光谱技术对不同品种的鸡肉进行快速无损鉴别是可行的。
《近红外光谱分析技术在鸡肉分类检测中的应用》
作者丨向灵孜，郭培源
然而，近年来市场上不同品种不同级别的鸡肉混杂，且由于土鸡价格的持续走高，以次充好的现象时有发生。目前，在鸡肉检测方面，传统的化学分析方法较为常用。然而，化学分析方法通常需要取样化验，过程中涉及较多的专业化学设备和化学试剂，且过程复杂、检测时间长、成本高，种种因素导致测试效率极低。而近红外(nearinfrared，NIR)光谱特性稳定，含有丰富的信息，能够反映样品的综合信息，是一种高效、绿色的分析测试技术。红外光谱分析方法与化学分析方法相比，检测速度快，可在短时间内实现大量样品的快速测定;同时，由于该方法不需要化学试剂，对样品或者环境不会造成污染，属于绿色环保型。
刘炜等应用近红外光谱对个鲜鸡肉样本扫描，建立了脂肪、蛋白质和水分的定量分析模型，其模型的平均内部交叉验证均方差(RMSECV)为0.，0.，0.等，说明利用近红外光谱法能够同时对鲜鸡肉中的脂肪、蛋白质和水分含量进行检测。
沈杰采集了禽肉的近红外图像信息，对鸡肉中的脂肪含量和系水力指标建模分析，其相关系数分别是0.，0.，相关系数均达到了0.8以上。
燕昌江等对份高脂系肉种鸡样本进行实验，研究鸡肉胸肌肉质指标，利用偏最小二乘法(PLS)对样本的光谱数据进行分析建模。结果表明，近红外光谱技术对于鸡肉胸肌肉质中水分、蛋白、脂肪等指标有较高的预测能力。
本文运用近红外光谱技术对鸡肉分类进行研究，限于测量环境和实验条件，在通用检测标准允许的范围内，实验样品采用在市场中购买的新鲜鸡肉，对其进行光谱扫描，采集不同种类的鸡肉样品光谱图，并对其进行了聚类分析和建模研究，研究了聚类分析技术应用于检测鸡肉分类的可行性。
由扫描所得肉鸡和土鸡鸡胸样品的近红外光谱图可见，尽管肉鸡和土鸡属于2个不同的鸡肉品种，且产地不同，但是所有样品的光谱趋势及吸收峰的位置均大体一致。然后选取肉鸡和土鸡的16～20样品光谱作为实验的验证集，余下的30个样品作为校正集。无任何预处理～nm原始谱图的聚类分析树形图见图8。由图8可以看出，对未经优化的光谱数据进行聚类分析时，肉鸡和土鸡的分类较混乱，几乎找不到显著的区分和规律。
实验证明，近红外技术用于判定鸡肉分类采用的聚类分析方案是有效的。研究表明，当预处理方法为一阶导数+矢量归一化、二阶导数+矢量归一化均能使模型的预测准确率达到%，经过预处理的聚类分析方法能够很好地提高模型的预测能力。这为近红外技术在农业、工业生产中用于分析检测鸡肉类别的可行性及其预测能力的提高与改进提供了一种有效的方法和思路。
2鸡肉品质巴西巴纳拉联邦技术大学和隆德里纳州立大学的研究人员对近红外光谱技术在预测鸡胸肉质量中的应用进行了研究。他们采用主成分分析法（PCA）分析了～nm的光谱，利用偏最小二乘回归法建立质量参数模型。PCA对近红外光谱数据库的分析显示，对鸡肉反射比产生影响的因素也会影响光谱，PCA并不能完全消除PSE肉和苍白肌肉。他们采用鸡肉反射比和pH模型获得了高质量的偏最小二乘回归方程，它们的交叉验证决定系数分别为0.91和0.81，交叉验证标准误差分别为1.99和0.07。吸水力是最难以确定的质量参数，交叉验证决定系数和交叉验证标准误差分别为0.70和0.。样品切割和不同光谱的前处理对预测模型的优化影响不显著。研究结果证实近红外光谱技术可作为鸡胸肉质量评估的实用工具。
《近红外光谱测定鸡肉品质指标的研究》
作者丨燕昌江，李锋，王亮，单安山
本试验旨在研究应用近红外(NIR)技术快速测定选用东北农业大学根据腹脂(高、低脂)双向选择体系培育第9代高脂系肉种鸡为试验动物，探讨鸡肉胸肌肉质指标的可行性。试验选定20份鸡胸肌样品，选用偏最小二乘法(PSL)为建模方法，采用二阶导数和Norris导数滤波法处理光谱数据，建立了高脂系鸡胸肌肉质指标的近红外模型。
样品采集方式：在屠宰现场屠宰羽，取同侧的全部胸肌标记肉样的方向，装人编号塑料直封袋中，带回实验室，仔细剥离胸肌周围的脂肪组织和结缔组织，一部分肉样冷冻(-80℃)保存，用于肉质成分化学分析，另一部分取胸肌样品将其用低密度的聚乙烯包装袋密封好。为防止由于环境温度和外光对水分影响，在25℃的恒温水槽下放至25min以后再立即进行光谱采集实验，仪器选用由美国ThermoNicolet公司生产的ANATRISII型傅立叶变换近红外分析仪，仪器最大波数范围在—cm-1，最大分辨率为2cm-1。
本试验中主要工作参数为：光谱采集范围00—0cm-1；扫描次数64次;分辨率8cm-1。
数据形式：log(1/R)。
结果显示：其中水分、蛋白、脂肪、亚油酸C18：2、单不饱和脂肪酸和多不饱和脂肪酸的决定系数均在0.9以上，分别为0.97、0.98、0.95、0.91、0.93和0.91。滴水损失、棕榈酸C16：0、油酸C18：1、饱和脂肪酸的决定系数小于0.9但大于等于0.8，分别为0.80、0.81、0.83和0.84。压榨损失、肌肉嫩度、肉豆寇酸C14：0、硬脂酸C18：0、亚麻酸C18：3、二十碳烯酸C20：1和花生四烯酸C20：4决定系数比较低，分别为0.72、0.75、0.21、0.50、0.58、0.08和0.60。
结果表明，近红外光谱技术对于高脂系鸡肉胸肌肉质中水分、蛋白、脂肪等指标有较高的预测能力，对于压榨损失、滴水损失、肌肉嫩度等指标有一定的预测能力，预测精度有待提高，脂肪酸的定量模型差异较大，部分脂肪酸的模型预测效果较好，预测能力有待提高。
3鸡肉成分《基于近红外光谱的散养土鸡与笼养肉鸡的营养成分预测》
作者丨邢素霞，郭培源，向灵，梁超群
本研究的目的是建立土鸡与肉鸡的蛋白质、脂肪含量快速预测模型。收集土鸡与肉鸡新鲜样本各30份,取其中各20份样品,应用近红外光谱分析技术和区间最小二乘法建立蛋白质、脂肪的定量分析模型;然后对剩余样品进行预测,并进行误差分析。土鸡与肉鸡的蛋白质模型相关系数分别是0.和0.,内部交叉验证均方差(RMSECV)分别为0.和0.;脂肪模型的相关系数分别为0.和0.,RMSECV值分别为0.和0.。
预测中,蛋白质预测结果与实测结果误差平均为0.和0.,标准差为0.和0.;脂肪预测结果与实测结果的误差平均值分别为0.和0.,标准差分别为0.和0.。通过预测结果与实测结果比较,发现差异并不显著,标准方差在10%及以下,并且预测模型的相关系数越大,预测结果越准确,说明了近红外光谱技术与区间最小二乘法预测模型的可行性、准确性、快速便捷性,能够为市场土鸡肉与肉鸡肉的鉴别提供快捷有效的方法。同时,为提高预测结果的准确性,需采用尽量多的样品建立预测模型。
利用区间的PLS方法对鸡肉样品光谱进行回归法分析得到最优区间,建立了散养鸡与笼养鸡的蛋白质、脂肪含量的定量预测模型。
土鸡与肉鸡的蛋白质含量预测值与理化值的相关系数分别是0.和0.,RMSECV值分别为0.和0.;脂肪含量预测值与理化值之间的相关系数分别为0.和0.,RMSECV值分别为0.和0.。通过该模型预测的散养土鸡和笼养肉鸡的蛋白质含量与实测结果误差平均为0.和0.,标准差为0.和0.;脂肪含量的预测值与实测结果的误差平均为0.和0.,方差分别为0.和0.。研究证明了该方法的可行性与可靠性,且能够为市场土鸡肉与肉鸡肉的鉴别提供依据。
4鸡肉产地《近红外光谱技术对加工后鸡肉产地溯源的研究》
作者丨孙潇，史岩
食品的产地溯源是食品追溯体制中重要的组成部分，它既有利于保护消费者的利益，又有利于保护地区品牌和特色产品，确保公平竞争，并在食源性疾病暴发时能够快速有效地实施产品召回，控制病原菌的扩散，减少损失。食品产地溯源是食品安全追溯制度的重要组成部分，它能够在疫情发生时有效找到源头，为控制疫情传播、有效召回并销毁产品提供依据。但现有的信息记录方式易造假，难保存，在运输过程中极易损坏和丢失，所以迫切需要建立一套安全可靠的食品追溯体系。近红外光谱技术因其快速、高效、安全无污染、样品处理简便等优势，在追溯体系的建立中受到广泛。
动物饲养过程中，饲种类、基因型和喂养方式等均会影响动物源性食品中的脂肪含量、脂肪酸的组成、肌肉的结构、蛋白质的组成与含量。饲料主要影响肉品中的脂肪含量和脂肪酸图谱，而基因型的不同可能会引起肌肉结构和蛋白质含量的差异，这些差异都会在近红外光谱图中反映出来。肉类在加工过程中其营养成分会发生改变，过去针对原料肉的产地溯源模型无法应用于加工肉制品。因此，需要针对加工肉制品建立新的产地溯源模型。
年，Woo等人首次提出利用近红外光谱结合模式识别法在中药材产地溯源中的可行性。在植物源产品产地溯源研究中，Arana、Cozzolino、Liu等人在葡萄及葡萄酒产地溯源方面进行了研究。在肉类食品产地溯源研究中，李勇、孙淑敏等分别对不同产地的牛、羊肉进行了鉴别研究。在不同加工方法对肉类影响的研究中，常海军等研究了水浴和微波两种不同加热方法，以及不同加热温度和时间对牛肉肌内胶原蛋白特性及肉质的影响并得出结论。
目前，近红外光谱技术的在食品产地溯源的研究应用大多集中于植物性食品中，对肉类研究相对较少，在加工肉制品中的研究更是鲜有报道。因此，对加工后鸡肉产地溯源技术的应用研究及建立规范完善的追溯体系具有重要意义。本文利用近红外光谱技术，在波数范围~0cm-1内，经适当的预处理并采用聚类分析、主成分分析的模式识别方法，探究近红外光谱技术在加工后鸡肉产地溯源应用研究中的可行性。
不同产地的鸡肉由于饲养条件的不同，其营养成分的含量和种类具有一定的差异，这些差异会反映在近红外光谱图中。肉类在加工过程中会发生蛋白质变性及部分营养成分的流失，因此生肉的近红外产地溯源模型无法应用于加工后的肉制品中。本文采用PCA和CA对加工后鸡肉近红外光谱进行模式识别，经不同方式加工后的鸡肉产地CA判别正确率分别可达到93.33%和96.67%；建立鸡肉产地溯源模型，利用验证样本对模型进行验证，识别正确率达到90%~95%。研究结果表明，近红外光谱技术同样可以应用于加工后鸡肉的产地溯源研究，且结果准确、操作简便、安全高效。
随着各饲料生产企业生产销售规模的不断扩大，不同产地的肉鸡养殖场可能采用同品牌饲料进行喂养。但由于不同地域中，其水源、土壤成分存在差异，会造成农产品中营养成分的差异，在肉鸡饲养过程中若饲料添加当地农产品为辅料，也可造成不同产地鸡肉中营养成分的不同。今后研究中可进一步扩充样本产地来源及样本的数量，并采用更多的加工方式及加工条件，以增强模型的准确度，同时增加该产地溯源模型的应用广泛性。
化学计量学界三大学术型男和你有个约定
会议主题近红外数据分析中的关键问题近红外分析在研究及应用领域不断取得进展，尤其在解决工业实际问题方面，已经获得广泛认可，可能成为化学相关行业中必不可少的分析工具，如在饲料、制药、烟草以及农业领域等。
数据分析是理解近红外数据，构建定性定量模型，进而解决工业领域中实际问题的关键步骤。本次交流会重点探讨如何通过化学计量学数据分析的方法，构建稳健可靠的模型，并用于解决研究与工业领域中的实际问题。数据分析方法的内容包括提高数据质量、特征选择、模型构建、评价与应用，以及模型的转移、更新与转换等。
主讲人及课程介绍杜一平BIOGRAPHY华东理工大学教授，理学博士，博士生导师。现任华东理工大学上海市功能性材料化学重点实验室副主任。
专业分析化学，研究方向化学计量学和分子光谱分析。2-3年在日本KwanseiGakuinUniversity的Ozaki教授课题组，作为博士后开始从事近红外光谱和化学计量学方面的研究工作。
近年主要从事化学计量学算法研究，近红外、拉曼、荧光和紫外可见光谱分析新方法研究和相关仪器研制，食品安全和日用品安全快速分析检测方法研究等方面的科研工作。
先后承担国家自然科学基金、国家科技支撑计划、上海市浦江人才计划、上海市纳米专项、质检总局科研项目等研究项目。发表研究论文余篇，申请专利12项，授权7项。
主编出版《化学计量学应用》、《分析化学计量学》、《现代仪器分析方法》（第一和第二版）等著作。6年获Buchi近红外光谱奖(BUCHINIRAward)。
0年10月13日-18日，成功组织承办了第三届全国近红外光谱学术会议和第二届亚洲近红外光谱学术会议。
现为《光谱学与光谱分析》、《理化检验化学分册》编委，中国化学会会员，计算机化学专业委员会委员，中国仪器仪表学会近红外光谱分会副理事长，中国仪器仪表学会分析仪器分会理事，上海市化工学会红外协作组组长。
主讲课题
近红外光谱数据分析
内容概要
近红外数据分析的常规方法
建模：多元校正
光谱数据处理
波长选择
异常点去除
近红外光谱数据分析的注意事项
信号和模型的真实性的判别
隐变量选择
模型评价：校正、交互检验和独立检验
邵学广BIOGRAPHY博士，教授，博士生导师，享受国务院政府特殊津贴专家。2年教育部高等学校优秀青年教师教学科研奖获得者，3年国家自然科学基金杰出青年基金获得者。
和年分别获中国科学技术大学分析化学硕士学位和博士学位（中日联合培养）。博士毕业后留中国科学技术大学工作，5年调入南开大学工作。
年以来，多次出访法国科研中心、香港理工大学、加拿大英属哥伦比亚大学（UBC）等进行合作研究。
兼任《高等学校化学学报》、《化学学报》、《分析化学》、《化学试剂》、《ChineseJournalofChemistry(中国化学)》等九种期刊的编委会委员、中国化学会计算机化学专业委员会副主任委员和有机分析专业委员会委员期刊的编委会委员、中国化学会计算机化学专业委员会副主任委员和有机分析专业委员会委员、中国仪器仪表学会近红外光谱分会副理事长、国家海洋局海洋溢油鉴别与损害评估技术重点实验室学术委员会委员、烟草行业烟草化学重点实验室学术委员会委员等。
主要从事化学计量学算法与应用研究，先后对多种化学计量学方法在化学领域中的应用开展了深入、广泛的研究工作。
近年来，开展了实际复杂体系的近红外光谱分析方法研究，建立了系列用于近红外光谱信号处理和建模的化学计量学方法，为复杂体系的快速分析建立了新颖的分析方法。
同时，开展了化学计量学方法在工业生产中的应用研究，建立了复杂体系的近红外光谱快速分析方法和产品质量评价方法。
在AccountsofChemicalResearch,AnalyticalChemistry,JournalofComputationalChemistry等国内外学术期刊上发表SCI论文余篇，编著、翻译或合作出版学术著作5部。
近五年先后承担国家自然科学基金重点项目、面上项目等7项，科技部国际合作项目、重大仪器专项等3项，其他横向合作研究项目二十余项，培养硕士、博士研究生60余名。
曾获中国科学技术大学跨世纪优秀年轻人才奖、优秀教师奖等，1年获教育部第三届高校青年教师奖，3年获自然科学基金委杰出青年基金，0年获宝钢优秀教师奖，年获国务院政府特殊津贴。
主讲课题
大数据时代的近红外光谱技术与应用——近红外光谱模型转移方法与应用研究进展
内容概要
大数据时代的近红外光谱技术
近红外光谱分析中的化学计量学方法研究
模型转移方法的发展
模型转移方法的研究进展
曾仲大BIOGRAPHY0年9月-6年6月中南大学硕士、博士学习，师承著名化学计量学家梁逸曾教授。6年9月-9年12月在香港理工大学读博士后，师承著名化学家陈新滋院士、周福添教授。
9年12月-年6月澳大利亚(RMIT大学、Monash大学)researchfellow，师承著名色谱学家PhilipMarriott教授。
年9月-4年1月中科院大连化物所引进人才、“所百人”，从事代谢组学研究。
4年1月至今，创立大连达硕信息技术有限公司任总经理。
曾仲大博士长期从事化学计量学与复杂科学仪器数据分析的基础研究，迄今已在具有国际影响力的专业期刊发表近40篇SCI研究论文，包括本领域领先的TrAC、AC、JPR、JCA等期刊。
近3年以第一作者或合作者身份，在美国分析化学杂志发表7篇研究论文，受邀为多个SCI期刊撰写综述，包括本领域具影响力的TrAC杂志，在化学与生物数据分析方面兼具研究与实际应用经验。
主讲课题
如何智慧地构建近红外分析模型？
内容概要
智慧的文件载入
创造性的算法流
随心所欲数据流
建模方法就是多
用户体验重要性
报名方式登陆仪器信息网，在首页点击导航栏右侧的网络讲堂，进入该页面之后，可以通过搜索近红外数据分析中的关键问题寻找报名页面。
开课时间：6-08-:00（教室于6/8/:30:00开放）
会议时长：2小时
报名条件：只要您是仪器信息网注册用户均可参加！环境配置：只要您有电脑、外加一个耳麦就能参加。（需要进行音频交流的用户需准备麦克）人数限制：提问时间：您可在论坛的宣传贴中先行提问，截至时间为6-08-30相关领域：食品/饮料/烟草相关仪器：化学分析仪器
特别感谢蛋壳强度和厚度的近红外光谱检测分析—熊欢
鸡蛋品质近红外光谱无损检测研究—彭彦颖
基于近红外光谱漫反射技术检测鸡蛋新鲜度的研究—李剑锋
免责声明：除标明《化学数据联盟》原创外，本平台部分文章转载自其它媒体，转载目的在于传递更多信息，并不代表本平台赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本平台下载使用，自负版权等法律责任。如涉及作品内容、版权和其它问题，请在30日内与本平台联系，我们将在第一时间删除内容！
赞赏
长按向我转账
受苹果公司新规定影响，iOS版的赞赏功能被关闭，可通过转账支持。
西安白癜风专科医院关爱白癜风患者推荐文章
热点文章
