• <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 ?

    軸承圓柱滾子表面缺陷的視覺檢測方法

    2014-05-25 00:34:29李新張振堯白瑞林
    自動化儀表 2014年12期
    關鍵詞:特征選擇降維滾子

    李新張振堯白瑞林

    (無錫信捷電氣股份有限公司1,江蘇 無錫 214072;江南大學輕工過程先進控制教育部重點實驗室2,江蘇 無錫 214122)

    軸承圓柱滾子表面缺陷的視覺檢測方法

    李新1張振堯2白瑞林2

    (無錫信捷電氣股份有限公司1,江蘇 無錫 214072;江南大學輕工過程先進控制教育部重點實驗室2,江蘇 無錫 214122)

    為了提高軸承圓柱滾子表面缺陷檢測識別準確率、降低預測時間,提出一種基于機器視覺的表面缺陷檢測方法。離線訓練時,對滾子表面圖像經(jīng)Gabor變換后得到的子圖進行融合并提取紋理特征,采用改進的Relief算法進行特征降維,減少在線特征提取所用時間。同時,為了降低缺陷滾子的漏檢率,引入偏向性處理并使用最小二乘支持向量機進行分類。試驗表明,該檢測方法在保證整體預測準確率的前提下,實現(xiàn)了缺陷滾子的偏向性預測,適用于實時性要求較高的場合。

    機器視覺 缺陷檢測 灰度共生矩陣(GLCM) 特征選擇 過采樣 最小二乘支持向量機(LSSVM)

    0 引言

    圓柱滾子作為軸承的重要組成部分,它對軸承的旋轉(zhuǎn)精度、運動性能和使用壽命等都有重要影響[1]。生產(chǎn)線上產(chǎn)品質(zhì)量檢測時,如果表面存在缺陷的滾子漏檢,混入合格產(chǎn)品中,不僅影響機械效率,還可能帶來安全隱患,給廠商聲譽造成不良影響。目前,多數(shù)生產(chǎn)廠家所采用的人工目視檢測方法,檢測效率低下且易受主觀因素的影響,已經(jīng)不適應現(xiàn)代工業(yè)快速發(fā)展的需求[2]。磁粉檢測方法雖然價格低廉,但是難以檢出碰傷、麻點等缺陷。渦流檢測法雖然能檢測出裂紋缺陷,但是系統(tǒng)抗干擾性能較差,漏檢和誤檢率較高[3-4]。近年來,機器視覺代替人工檢測得到越來越廣泛的應用。文獻[5]以分割出的缺陷面積大小作為檢測標準,識別準確率很大程度上受到預處理效果的影響,無法滿足復雜的工業(yè)現(xiàn)場檢測要求。

    1 滾子圖像特征提取

    1.1 構建Gabor濾波及圖像融合

    Gabor小波具有優(yōu)良的時頻域分析特性,能夠反映特定方向上的形狀特征,是很好的特征提取算法[6]。該算法通常采用高維的復合特征對樣本進行較為全面的描述[7]。

    為了提取特定方向上的形狀特征,本文構造5個尺度4個方向Gabor濾波器組。二維Gabor小波函數(shù)如式(1)所示。

    Gabor濾波選取實部濾波,將灰度圖像F(z)與Gabor濾波器卷積,即:

    從而可獲得20副Gabor分量子圖G(v,u)。將相同尺度不同方向的子圖按照式(3)進行融合,即:

    原始缺陷滾子表面圖像如圖1所示,經(jīng)過Gabor小波處理后得到的Gabor子圖如圖2所示。一副原始滾子表面圖像經(jīng)過Gabor變換并融合后最終可用5副子圖來表示,如圖3所示。

    圖1 原始缺陷滾子表面圖像Fig.1 Image of original defective roller surface

    圖2 變換后的Gabor子圖Fig.2 Subgraphs of Gabor after tranformation

    圖3 變換融合后的Gabor子圖Fig.3 Subgraphs of Gabor after tranformation and fusion

    1.2 特征提取

    不同紋理的圖像,其灰度共生矩陣差異較大,因此可以借助灰度共生矩陣進一步計算圖像紋理特征。計算每幅子圖的灰度共生矩陣,提取對比度、相關性、信息熵、逆差矩、均值、方差、非相似度7個統(tǒng)計量作為紋理特征,加上子圖的灰度均值與方差,共9維特征值作為每幅子圖的特征。而每一副原始滾子表面圖像經(jīng)過Gabor變換后可由5副子圖來表示,故將5幅子圖的特征按順序排列成一個45維的特征向量來表征原始圖像。

    2 特征降維

    2.1 Relief特征選擇算法

    高維特征提取運算量偏大,此外冗余特征會對滾子表面缺陷的在線檢測速度和準確率產(chǎn)生負面影響。降維技術可以降低特征維數(shù),提高分類器分類性能[8]。特征降維可以分為特征提取和特征選擇。使用獨立成分分析(independent component analysis,ICA)、核主成分分析(kernel principal component analysis,KPCA)等特征提取算法所產(chǎn)生的新特征失去了原始特征具有的物理意義,在線檢測過程仍需重新提取所有原始特征,此類算法不能有效減少在線預測時間。與KPCA、ICA等特征提取技術相比,Relief[9]特征選擇算法保持了特征的原有物理意義且能找到與類別相關性強的特征子集,是一種經(jīng)典的并被廣泛應用的特征降維技術。

    Relief算法的思想是:與類別相關性大的特征,使得同類樣本互相靠近,而不同類樣本互相遠離[10]。Relief算法通過給每一維特征賦予一個權值來表示該維特征與類別的相關程度,用以解決二分問題[]。但是該算法存在以下不足:①在每一維特征權值迭代過程中,隨機選取樣本進行計算,忽略了邊界樣本對分類面貢獻率更大的事實;②計算過程中容易受噪聲干擾,魯棒性較差;③雖然可以選出與類別相關性強的特征子集,但是所選出的子集可能存在冗余特征。

    2.2 改進的Relief算法

    針對傳統(tǒng)Relief算法的不足,做以下改進:①以邊界樣本代替隨機選取樣本作為特征權值迭代時所用的樣本集合;②以3個最近鄰代替一個最近鄰且根據(jù)這3個最近鄰的重要性不同賦予不同的樣本權值,減少所受噪聲的干擾,適應性更好;③采用相關性分析去除冗余特征。

    改進后Relief算法流程可以分為3個步驟:①求取與類別相關性強的特征子集;②去除冗余特征;③求取特征狀態(tài)標志。

    2.2.1 尋找與類別相關性強的子集

    邊界樣本對于分類面的貢獻率往往較大。為了增強樣本選擇的針對性,以邊界樣本代替Relief算法中隨機選取樣本的方法進行特征權值迭代。特征矩陣X,每一個樣本對應一個類別標簽,其中將合格的圓柱滾子標記為-1類,含有缺陷的滾子標記為+1類。合格樣本和缺陷樣本的類別中心xmean-和xmean+由式(4)決定,即:

    式中:N-、N+分別表示合格樣本和缺陷樣本的個數(shù),且有N-+N+=N;xn為1×45維矩陣,表示第n個樣本的特征向量。

    由此可得樣本xi(xi∈M)作為xn的異類最近鄰樣本的模糊隸屬度為:

    對于xn到最近異類樣本的第j維特征的模糊差異度量由式(6)得到:

    同理可得,xi(xi∈H)作為xn的同類最近鄰樣本的模糊隸屬度為:

    對于xn到最近同類樣本的第j維特征的模糊差異度量由式(8)得到:

    2.2.2 去除特征子集的冗余特征

    將邊界樣本特征矩陣Xnew每一列按照wj大小降序排列。根據(jù)式(10)計算相關系數(shù)矩陣。

    找出與第一維特征相關系數(shù)最大的特征,倘若相關系數(shù)大于閾值T2,則將該維特征刪除,并將對應mark2的狀態(tài)標志置0;否則置1。移除第一維特征,繼續(xù)找出與剩下權值最大的特征之間相關系數(shù)最大的特征,根據(jù)相關系數(shù)與T2的大小關系來確定是否去除該特征。

    以此類推,直到把權值最小的冗余特征也去除為止。經(jīng)過以上步驟可得特征狀態(tài)標志mark2。

    2.2.3 特征篩選

    最終狀態(tài)標志向量mark由mark1和mark2進行按位與運算得到。它記錄著原始訓練樣本特征中每一維特征對應的狀態(tài):0表示該維特征被刪除,1表示該維特征被保留。

    在線特征提取根據(jù)mark狀態(tài)標志確定哪一維特征需要被計算,既節(jié)省了特征提取時間,又可提高分類準確率。

    離線特征選擇流程圖如圖4所示。

    圖4 離線特征選擇流程圖Fig.4 The flowchart of offline feature selection

    3 最小二乘支持向量機偏向性分類

    3.1 偏向性處理

    在保證整體識別正確率的前提下,應盡量降低不合格滾子的漏檢率,避免缺陷產(chǎn)品混到合格產(chǎn)品中。文獻[12]采用改進的虛擬少數(shù)類過采樣技術實現(xiàn)偏向性分類,其主要思想是在邊界樣本類間進行過采樣。為了產(chǎn)生更適合于偏向性分類的訓練樣本數(shù)據(jù),采取以下處理步驟。

    ①首先用KNN算法去除孤立樣本數(shù)據(jù)。統(tǒng)計每個樣本xi的5個最近鄰樣本別類與xi相同的個數(shù)Ccheck。如果5個最近鄰均與之不同類,即Ccheck=0,則將xi刪除。

    ②對于去除孤立樣本點后特征矩陣中的缺陷樣本xt,倘若其5個最近鄰中有2個(或3個)合格樣本,則在該缺陷樣本和這2個(3個)合格樣本之間進行過采樣。

    式中:xd為xt的最近鄰合格樣本;xsomte為過采樣所得的缺陷樣本;r為(0,1)之間的隨機數(shù)。

    ③最后將過采樣產(chǎn)生的所有缺陷樣本加入去除孤立樣本后的訓練樣本集合中,離線訓練LSSVM模型。

    3.2 LSSVM分類

    最小二乘支持向量機[13](LSSVM)在模式識別領域得到廣泛的應用,Suykens在文獻中對LSSVM理論進行了詳細的分析。該算法只需通過求解一組線性方程組即可獲得最優(yōu)分類面,使得問題的計算復雜性和存儲量得到大大減小。

    LSSVM的模型為:

    在初步最優(yōu)參數(shù)組合的鄰域進一步使用網(wǎng)格算法進行精細搜索,對每一個網(wǎng)格節(jié)點進行10折交叉驗證。這樣不僅可以避免參數(shù)尋優(yōu)過程中陷入局部最優(yōu)解,而且優(yōu)化時間大大縮短。

    4 試驗結(jié)果與分析

    選取96副合格圓柱滾子表面圖片、69副缺陷滾子圖片作為離線訓練樣本。每幅圖像樣本提取上述45維特征,則所有訓練樣本組成165×45維的特征矩陣。將合格樣本標記為-1類,缺陷樣本標記為+1類,可得165×1維樣本標記向量。

    離線訓練LSSVM模型,分別使用網(wǎng)格算法、耦合模擬退火算法以及耦合模擬退火算法與網(wǎng)格算法相結(jié)合的方法對模型參數(shù)進行尋優(yōu)。同時,用三種尋優(yōu)方法所得到的分類器模型,分別對大小為300×700像素的40個合格滾子和40個缺陷滾子進行分類預測,結(jié)果如表1所示。

    表1 三種參數(shù)優(yōu)化性能對比Tab.1 Performance comparison for three kinds of parameter optimization

    采用改進后的Relief算法對原始提取的45維特征進行降維。利用降維后訓練所得的分類器模型,在線對80個未知類別滾子進行預測,并將降維后預測的準確率和所用時間與降維前、原始Relief算法進行比較,結(jié)果如表2所示。

    表2 特征選擇前后性能對比Tab.2 Performance comparison before and after feature selection

    由表2可以看出,采用本文改進的算法對45維原始特征進行特征選擇,再利用保留下來的特征訓練分類器模型,對80個滾子分類預測的整體準確率達到97.5%,完成一個滾子的預測過程所用時間從降維前的612.1 ms下降到395.6 ms。

    每一維特征所對應的權值如圖5所示。降維過程中剔除了22維特征,因此,在線對磁瓦缺陷進行特征提取時只需計算25維特征。特征選擇后不僅預測時間大大降低,而且預測準確率也有所提高。

    圖5 特征權值曲線Fig.5 The feature weights

    對訓練樣本做偏向性處理,人工合成38個缺陷樣本,處理前后的預測準確率如表3所示。偏向性處理后,整體準確率提高到98.75%,對缺陷滾子的預測準確率由97.5%提高到100%,且對細小缺陷也能很好地檢測出來,滿足實際生產(chǎn)的要求。

    表3 偏向性處理性能對比Tab.3 Performance comparison of biased processing

    5 結(jié)束語

    本文基于機器視覺對軸承圓柱滾子表面缺陷進行檢測,在保證整體分類識別準確率的前提下,有效地降低了缺陷滾子的漏檢率。滾子整體分類準確率達到98.75%的同時,對缺陷滾子的預測準確率達到100%,且完成一個滾子的預測時間只需395.1 ms,符合實時性要求較高的工業(yè)現(xiàn)場,滿足生產(chǎn)檢測要求。

    [1] 崔立,鄭建榮.考慮剛性轉(zhuǎn)子非線性振動的圓柱滾子軸承動態(tài)特性研究[J].振動與沖擊,2010,29(10):112-117.

    [2] 周景亮,林志熙,黃耀志.應用聲振法對軸承滾子無損檢測的研究[J].機電技術,2006,29(4):36-37.

    [3] 陳翠麗.熒光磁粉探傷法的探討及應用[J].軸承技術,2008(1): 30-32.

    [4] 龐川賓,冀慧芬.鐵路車輛軸承滾子表面缺陷微機檢測系統(tǒng)探討[J].科技情報開發(fā)與經(jīng)濟,2002,12(5):169-171.

    [5] 王慧楠.基于機器視覺的圓柱滾子表面缺陷檢測系統(tǒng)[D].洛陽:河南科技大學,2012.

    [6] 徐婉瑩,黃新生,劉育浩,等.一種基于Gabor小波的局部特征尺度提取方法[J].中國圖象圖形學報,2011,16(1):72-78.

    [7] 胡潔.高維數(shù)據(jù)特征降維研究綜述[J].計算機應用研究,2008, 25(9):2601-2606.

    [8] 張振海,李士寧,李志剛,等.一類基于信息熵的多標簽特征選擇算法[J].計算機研究與發(fā)展,2013,50(6):1177-1184.

    [9] Kira K,Rendel L A.A practical approach to feature selection[C]// Proceedings of the 9thInt Workshop on Machine Learning,San Francisco:Morgan Kaufmann,1992:249-256.

    [10] Sun Y J.Iterative relief for feature weighting:algorithms,theories and applications[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(6):1035-4051.

    [11] Saari P,Eerola T,Lartillot O.Generalizability and simplicity as criteria in feature selection:application to mood classification in music[J]. IEEE Transactions on Audio,Speech,and Language Processing,2011, 19(6):1802-1812.

    [12] Suykens J A K,Vandewalle J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(3):293-300.

    [13] Samuel Xavier-de-Souza,Johan A K Suykens,Joos Vandewalle,et al. Coupled simulated annealing[J].IEEE Transactions on Systems, Man,and Cybernetics-Part B,Cybernetics,2010,40(2):320-335.

    Visual Detection Method for Surface Defects of Bearing Cylindrical Roller

    In order to improve the detecting accuracy for identifying surface defects of the bearing cylindrical roller,and reduce the prediction time,the surface defect detection method based on machine vision is proposed.While offline training,the sub-graphics obtained through Gabor transformation for the image of roller surface are fused and the texture features are extracted.The improved Relief algorithm is adopted to reduce the dimension of feature and the time of online feature extraction,In addition,for minimizing the missed detection rate of the defective rollers, the biased processing is introduced,and the classification is conducted by adopting LSSVM.The experiments indicate that this method does guarantee the overall prediction accuracy,and biased prediction of the defective roller is implemented,it is suitable for situation of high real time performance is requested.

    Machine vision Defect detection Gray-level co-currence matrix(GLCM) Feature selection Over sampling Least squares support vector machine(LSSVM)

    TP274+.3

    A

    江蘇高校優(yōu)勢學科建設工程資助項目(編號:PAPD);

    江蘇省產(chǎn)學研前瞻性聯(lián)合研究項目(編號:BY2012056)。

    修改稿收到日期:2014-04-14。

    李新(1970-),男,1991年畢業(yè)于江南大學電氣自動化專業(yè),獲學士學位,工程師;主要從事工業(yè)自動化系統(tǒng)與裝備的研究。

    猜你喜歡
    特征選擇降維滾子
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    圓錐滾子軸承半凸?jié)L子的優(yōu)化研究
    哈爾濱軸承(2021年1期)2021-07-21 05:43:10
    仿真模擬在多聯(lián)推力滾子軸承研發(fā)中的應用
    哈爾濱軸承(2021年4期)2021-03-08 01:00:52
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    滿滾子徑向自鎖軸承的優(yōu)化設計
    軸承(2018年10期)2018-07-25 07:22:22
    Kmeans 應用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標特征選擇算法
    雙列球面滾子軸承力學分析及滾子受載計算方法
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    基于特征聯(lián)合和偏最小二乘降維的手勢識別
    狠狠狠狠99中文字幕| 九色成人免费人妻av| 亚洲真实伦在线观看| 亚洲精品在线美女| 在线天堂最新版资源| 日韩中文字幕欧美一区二区| 黄色成人免费大全| 亚洲欧美日韩东京热| 国产免费男女视频| 久久久久免费精品人妻一区二区| 天堂av国产一区二区熟女人妻| 日本一本二区三区精品| 国产高清videossex| 亚洲精品456在线播放app | 日本与韩国留学比较| 国产精品久久久久久亚洲av鲁大| 亚洲美女黄片视频| 日韩 欧美 亚洲 中文字幕| 黄色女人牲交| 久久精品国产自在天天线| 国产伦精品一区二区三区视频9 | 成人午夜高清在线视频| 日本免费a在线| 我要搜黄色片| 18美女黄网站色大片免费观看| 18美女黄网站色大片免费观看| www.www免费av| 亚洲av免费高清在线观看| 日韩亚洲欧美综合| 狂野欧美白嫩少妇大欣赏| 美女 人体艺术 gogo| 首页视频小说图片口味搜索| 国产麻豆成人av免费视频| 色视频www国产| 老司机午夜福利在线观看视频| 国产v大片淫在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 国产在线精品亚洲第一网站| 亚洲av成人精品一区久久| 搡老熟女国产l中国老女人| 国产精品一区二区三区四区免费观看 | 99久久精品国产亚洲精品| 久久草成人影院| www.熟女人妻精品国产| 欧美大码av| 日日摸夜夜添夜夜添小说| 内射极品少妇av片p| 小说图片视频综合网站| 亚洲专区中文字幕在线| 亚洲精品成人久久久久久| 变态另类丝袜制服| 99国产综合亚洲精品| 国模一区二区三区四区视频| 亚洲五月婷婷丁香| 亚洲成a人片在线一区二区| 国产av一区在线观看免费| 国产伦精品一区二区三区四那| 日本熟妇午夜| 亚洲人成网站在线播放欧美日韩| 精品不卡国产一区二区三区| 国产一区二区三区视频了| 日本与韩国留学比较| 一进一出好大好爽视频| 最近视频中文字幕2019在线8| 18禁裸乳无遮挡免费网站照片| bbb黄色大片| 特大巨黑吊av在线直播| 两个人看的免费小视频| 久久久久久久久中文| 91在线观看av| 国产精品98久久久久久宅男小说| 亚洲一区二区三区色噜噜| 91av网一区二区| 97超视频在线观看视频| 欧美另类亚洲清纯唯美| 最近最新中文字幕大全电影3| 亚洲中文日韩欧美视频| 女同久久另类99精品国产91| 午夜两性在线视频| 日韩免费av在线播放| 一区福利在线观看| 国产国拍精品亚洲av在线观看 | 最新中文字幕久久久久| 亚洲国产精品999在线| 精品人妻1区二区| 18禁黄网站禁片免费观看直播| 亚洲av免费在线观看| 国产高清有码在线观看视频| 很黄的视频免费| 久久国产精品人妻蜜桃| 又黄又粗又硬又大视频| 欧美日韩黄片免| 国产精华一区二区三区| 搡老妇女老女人老熟妇| 18禁裸乳无遮挡免费网站照片| 国产日本99.免费观看| 亚洲在线自拍视频| 久久久久国产精品人妻aⅴ院| 久久久久久人人人人人| 男女做爰动态图高潮gif福利片| 天天添夜夜摸| 亚洲成av人片免费观看| 人妻久久中文字幕网| 国产亚洲精品av在线| 精品国产超薄肉色丝袜足j| 久久人人精品亚洲av| 九九久久精品国产亚洲av麻豆| 久久久久久久久久黄片| 天天添夜夜摸| 欧美乱妇无乱码| 欧美一级毛片孕妇| 一个人看视频在线观看www免费 | 久久九九热精品免费| 成人亚洲精品av一区二区| 国产精品久久电影中文字幕| 亚洲 欧美 日韩 在线 免费| 男女视频在线观看网站免费| 亚洲av免费高清在线观看| 免费在线观看成人毛片| 亚洲不卡免费看| 18+在线观看网站| 在线a可以看的网站| 97碰自拍视频| 精品乱码久久久久久99久播| 午夜福利免费观看在线| 精品久久久久久久末码| 国产中年淑女户外野战色| 国产又黄又爽又无遮挡在线| 亚洲国产欧美网| 日本成人三级电影网站| 最好的美女福利视频网| 亚洲激情在线av| 国产精品自产拍在线观看55亚洲| 精品国产超薄肉色丝袜足j| 欧美区成人在线视频| 少妇丰满av| 免费高清视频大片| 欧美日韩中文字幕国产精品一区二区三区| 在线观看午夜福利视频| 色视频www国产| 久久久久久久亚洲中文字幕 | 麻豆一二三区av精品| 波野结衣二区三区在线 | 免费大片18禁| 好男人在线观看高清免费视频| 精品午夜福利视频在线观看一区| 免费观看精品视频网站| 成人国产综合亚洲| 两个人的视频大全免费| 中文字幕人成人乱码亚洲影| 亚洲无线在线观看| 午夜福利在线观看吧| xxxwww97欧美| 天堂网av新在线| 欧美日韩精品网址| 国产三级在线视频| 国产黄a三级三级三级人| 亚洲精华国产精华精| 免费在线观看亚洲国产| 午夜精品一区二区三区免费看| 国产午夜精品论理片| 日本成人三级电影网站| 搡老岳熟女国产| 亚洲国产欧美人成| 中国美女看黄片| 国产v大片淫在线免费观看| 在线观看舔阴道视频| 1000部很黄的大片| 午夜免费观看网址| 欧美成人性av电影在线观看| 三级毛片av免费| 看免费av毛片| 波野结衣二区三区在线 | 亚洲黑人精品在线| 欧美色欧美亚洲另类二区| 国产色婷婷99| av福利片在线观看| 午夜两性在线视频| 搡女人真爽免费视频火全软件 | 天堂√8在线中文| 欧美成人一区二区免费高清观看| 免费看日本二区| 可以在线观看毛片的网站| 国产亚洲精品久久久久久毛片| 18禁黄网站禁片免费观看直播| 久久久久久大精品| 日韩亚洲欧美综合| 国产综合懂色| 黄色成人免费大全| 少妇人妻一区二区三区视频| 久久精品影院6| 久久久久九九精品影院| 亚洲国产中文字幕在线视频| 国产精品99久久久久久久久| 亚洲av成人不卡在线观看播放网| 欧美黄色片欧美黄色片| 国产精品久久久久久人妻精品电影| 国产日本99.免费观看| 99精品在免费线老司机午夜| 全区人妻精品视频| 男女做爰动态图高潮gif福利片| or卡值多少钱| 青草久久国产| 日本在线视频免费播放| 无限看片的www在线观看| 国产视频一区二区在线看| 国产真人三级小视频在线观看| 久久精品综合一区二区三区| a在线观看视频网站| 色av中文字幕| 日韩国内少妇激情av| 国产野战对白在线观看| 亚洲av电影在线进入| 亚洲最大成人手机在线| 国产成人a区在线观看| 日本成人三级电影网站| 亚洲片人在线观看| 少妇裸体淫交视频免费看高清| 麻豆成人午夜福利视频| 久久国产精品人妻蜜桃| 国产精品亚洲一级av第二区| 男女做爰动态图高潮gif福利片| 亚洲黑人精品在线| 最新在线观看一区二区三区| 波多野结衣巨乳人妻| 久久久久久人人人人人| 国产高清视频在线观看网站| 国产成人影院久久av| 亚洲不卡免费看| 亚洲国产精品合色在线| 国产真实伦视频高清在线观看 | 岛国在线观看网站| 搡老岳熟女国产| 观看美女的网站| 夜夜夜夜夜久久久久| 韩国av一区二区三区四区| 日韩人妻高清精品专区| www.999成人在线观看| 亚洲人成网站高清观看| 少妇的逼水好多| 成年女人看的毛片在线观看| 在线观看一区二区三区| 极品教师在线免费播放| 一本综合久久免费| 亚洲av成人不卡在线观看播放网| 久久久久久国产a免费观看| 国产成人aa在线观看| 欧美最黄视频在线播放免费| 激情在线观看视频在线高清| 日本与韩国留学比较| 亚洲性夜色夜夜综合| 亚洲成av人片免费观看| 亚洲国产精品久久男人天堂| 欧美日韩精品网址| 国内揄拍国产精品人妻在线| 欧美成人a在线观看| 亚洲人成电影免费在线| 亚洲男人的天堂狠狠| 91九色精品人成在线观看| 在线十欧美十亚洲十日本专区| 日韩欧美精品v在线| 69人妻影院| 性欧美人与动物交配| 在线播放无遮挡| av中文乱码字幕在线| 听说在线观看完整版免费高清| 国内精品久久久久久久电影| 小蜜桃在线观看免费完整版高清| 午夜免费成人在线视频| 精品久久久久久久毛片微露脸| e午夜精品久久久久久久| 99久久99久久久精品蜜桃| 婷婷精品国产亚洲av在线| 我要搜黄色片| 中出人妻视频一区二区| 两性午夜刺激爽爽歪歪视频在线观看| 人人妻人人澡欧美一区二区| 日韩欧美免费精品| 国产精品久久久久久久久免 | 97超级碰碰碰精品色视频在线观看| 免费av观看视频| 久久人人精品亚洲av| 观看美女的网站| 国产精品久久电影中文字幕| 欧美日韩综合久久久久久 | 国产精品亚洲av一区麻豆| 欧美不卡视频在线免费观看| 国产高清激情床上av| 亚洲精华国产精华精| 久久久久精品国产欧美久久久| 一级黄色大片毛片| 99久久精品热视频| 美女cb高潮喷水在线观看| 国内精品久久久久精免费| 久久久久亚洲av毛片大全| 国产精品女同一区二区软件 | 在线观看一区二区三区| 色播亚洲综合网| 制服人妻中文乱码| 精品国产超薄肉色丝袜足j| 少妇的逼好多水| 免费在线观看成人毛片| 熟妇人妻久久中文字幕3abv| 欧美bdsm另类| 精品久久久久久久末码| 国产 一区 欧美 日韩| 一进一出抽搐gif免费好疼| 噜噜噜噜噜久久久久久91| 人妻久久中文字幕网| 波野结衣二区三区在线 | 狂野欧美白嫩少妇大欣赏| 91九色精品人成在线观看| 一a级毛片在线观看| 免费看十八禁软件| 国产成人a区在线观看| ponron亚洲| 欧美一区二区亚洲| 亚洲国产精品久久男人天堂| 精品国产亚洲在线| 五月玫瑰六月丁香| 精品无人区乱码1区二区| 成人高潮视频无遮挡免费网站| 亚洲片人在线观看| 午夜精品在线福利| 国产av麻豆久久久久久久| 丁香欧美五月| 午夜免费激情av| 国产欧美日韩精品一区二区| 亚洲国产精品999在线| 免费搜索国产男女视频| 最新美女视频免费是黄的| 国产一区二区三区视频了| 国产一区二区激情短视频| 亚洲欧美精品综合久久99| 麻豆成人av在线观看| 成人特级av手机在线观看| 99久久综合精品五月天人人| 全区人妻精品视频| a级毛片a级免费在线| 国产单亲对白刺激| 麻豆成人av在线观看| 床上黄色一级片| 欧美3d第一页| 波野结衣二区三区在线 | 国产精品嫩草影院av在线观看 | 色综合亚洲欧美另类图片| 国产精品嫩草影院av在线观看 | 亚洲精品成人久久久久久| 99riav亚洲国产免费| 亚洲av成人精品一区久久| 日本五十路高清| 中文字幕熟女人妻在线| 欧美另类亚洲清纯唯美| 国产午夜福利久久久久久| 麻豆国产97在线/欧美| 最新在线观看一区二区三区| 精品福利观看| 久久香蕉国产精品| 欧美一级毛片孕妇| 亚洲成人免费电影在线观看| 国产三级黄色录像| 欧美中文日本在线观看视频| 小说图片视频综合网站| 亚洲av日韩精品久久久久久密| 内地一区二区视频在线| 亚洲一区二区三区色噜噜| 观看美女的网站| 淫妇啪啪啪对白视频| 2021天堂中文幕一二区在线观| 成人无遮挡网站| 99热精品在线国产| 亚洲成人中文字幕在线播放| 床上黄色一级片| 色视频www国产| 日韩中文字幕欧美一区二区| 天天添夜夜摸| 日本三级黄在线观看| 欧美日韩黄片免| 嫩草影院精品99| 黄色丝袜av网址大全| av天堂在线播放| 性色avwww在线观看| 国产亚洲精品一区二区www| 国产伦精品一区二区三区视频9 | 99热这里只有是精品50| 久久久久亚洲av毛片大全| 99riav亚洲国产免费| 欧美乱码精品一区二区三区| 国内揄拍国产精品人妻在线| 亚洲人成电影免费在线| 色老头精品视频在线观看| 男女床上黄色一级片免费看| 成年女人毛片免费观看观看9| 亚洲国产高清在线一区二区三| 偷拍熟女少妇极品色| 久久久久精品国产欧美久久久| 久久精品人妻少妇| 久久精品91无色码中文字幕| 国产伦精品一区二区三区四那| 国产高清激情床上av| 国内精品久久久久久久电影| 欧美日韩精品网址| 久久精品综合一区二区三区| 高清在线国产一区| 女人高潮潮喷娇喘18禁视频| 18禁裸乳无遮挡免费网站照片| 中文资源天堂在线| 免费av毛片视频| 最近在线观看免费完整版| 一个人看视频在线观看www免费 | 中文字幕人妻熟人妻熟丝袜美 | 少妇人妻精品综合一区二区 | 18美女黄网站色大片免费观看| 窝窝影院91人妻| 国产精品久久久久久精品电影| 99热6这里只有精品| 亚洲成人免费电影在线观看| 叶爱在线成人免费视频播放| 两个人看的免费小视频| 伊人久久大香线蕉亚洲五| 久久精品91无色码中文字幕| 在线播放无遮挡| 亚洲激情在线av| 性欧美人与动物交配| 精品国产超薄肉色丝袜足j| 99国产精品一区二区蜜桃av| 午夜免费男女啪啪视频观看 | 欧美性感艳星| 国产色婷婷99| 色综合亚洲欧美另类图片| 蜜桃亚洲精品一区二区三区| 久久久久久人人人人人| 69人妻影院| 免费av观看视频| 国产欧美日韩精品亚洲av| 亚洲avbb在线观看| 国产精品影院久久| 国产成人影院久久av| 免费看光身美女| 69av精品久久久久久| 国产色婷婷99| 久久婷婷人人爽人人干人人爱| 亚洲成a人片在线一区二区| 亚洲一区二区三区色噜噜| 啪啪无遮挡十八禁网站| 好看av亚洲va欧美ⅴa在| 有码 亚洲区| 国产aⅴ精品一区二区三区波| 日韩成人在线观看一区二区三区| 欧美色视频一区免费| av天堂中文字幕网| 免费观看人在逋| 国产av麻豆久久久久久久| 国产私拍福利视频在线观看| 亚洲一区二区三区色噜噜| 国产成人系列免费观看| 国产成人aa在线观看| 动漫黄色视频在线观看| 亚洲国产精品成人综合色| 欧美高清成人免费视频www| 欧美黄色片欧美黄色片| 亚洲精品乱码久久久v下载方式 | 国产成人av教育| 日韩免费av在线播放| 欧美色视频一区免费| av在线蜜桃| 精品一区二区三区视频在线 | 久久久久国内视频| 久久久久国产精品人妻aⅴ院| 最近视频中文字幕2019在线8| 人妻丰满熟妇av一区二区三区| 国内揄拍国产精品人妻在线| av片东京热男人的天堂| 精品人妻偷拍中文字幕| tocl精华| 亚洲 欧美 日韩 在线 免费| 一个人观看的视频www高清免费观看| 日本熟妇午夜| 偷拍熟女少妇极品色| 午夜免费男女啪啪视频观看 | 老鸭窝网址在线观看| 成人永久免费在线观看视频| 午夜福利免费观看在线| 窝窝影院91人妻| 久久精品影院6| 免费在线观看日本一区| 久久精品国产清高在天天线| 内地一区二区视频在线| 五月伊人婷婷丁香| 美女高潮的动态| 亚洲乱码一区二区免费版| 国产中年淑女户外野战色| 我的老师免费观看完整版| 亚洲欧美日韩高清专用| 国产99白浆流出| 亚洲av免费高清在线观看| av在线蜜桃| 成年人黄色毛片网站| 亚洲 欧美 日韩 在线 免费| a在线观看视频网站| 国产精品亚洲一级av第二区| 成人无遮挡网站| 一级黄色大片毛片| 在线观看午夜福利视频| 又紧又爽又黄一区二区| 日韩欧美精品免费久久 | 亚洲国产色片| 亚洲精品在线美女| 嫁个100分男人电影在线观看| 国产视频一区二区在线看| 99riav亚洲国产免费| 国产精品久久久久久久电影 | 久久久久国产精品人妻aⅴ院| 偷拍熟女少妇极品色| 亚洲一区二区三区不卡视频| 偷拍熟女少妇极品色| 欧美乱码精品一区二区三区| 深爱激情五月婷婷| 成人永久免费在线观看视频| 欧美一区二区亚洲| 内射极品少妇av片p| 最近最新中文字幕大全免费视频| 欧美绝顶高潮抽搐喷水| 51午夜福利影视在线观看| 久久久久免费精品人妻一区二区| 亚洲av一区综合| 免费看光身美女| 免费搜索国产男女视频| av天堂中文字幕网| 桃红色精品国产亚洲av| 成人特级黄色片久久久久久久| 桃红色精品国产亚洲av| 日本黄色视频三级网站网址| 欧美成狂野欧美在线观看| 每晚都被弄得嗷嗷叫到高潮| 麻豆国产av国片精品| 老熟妇仑乱视频hdxx| 一进一出抽搐动态| 午夜福利在线在线| 少妇的丰满在线观看| 少妇丰满av| 中文在线观看免费www的网站| 美女黄网站色视频| 日日夜夜操网爽| 欧美性猛交黑人性爽| 久久久久免费精品人妻一区二区| 在线观看美女被高潮喷水网站 | 欧美一级a爱片免费观看看| 亚洲精品粉嫩美女一区| 午夜视频国产福利| 我要搜黄色片| 免费无遮挡裸体视频| 亚洲黑人精品在线| 女同久久另类99精品国产91| 男插女下体视频免费在线播放| 免费在线观看影片大全网站| 一进一出抽搐动态| 国产男靠女视频免费网站| 国产单亲对白刺激| 国产精品香港三级国产av潘金莲| 尤物成人国产欧美一区二区三区| 国产成年人精品一区二区| 国产伦精品一区二区三区四那| 一个人免费在线观看的高清视频| 成人永久免费在线观看视频| 欧美一区二区亚洲| 国内精品一区二区在线观看| 嫩草影院入口| 国产一级毛片七仙女欲春2| 欧美日韩一级在线毛片| av天堂在线播放| 老司机午夜福利在线观看视频| 少妇丰满av| 观看免费一级毛片| 麻豆国产97在线/欧美| 中文资源天堂在线| 成人午夜高清在线视频| 欧美日韩综合久久久久久 | 在线观看66精品国产| 亚洲成av人片免费观看| 午夜福利高清视频| 国产亚洲欧美98| 久久亚洲精品不卡| 亚洲在线自拍视频| 九九热线精品视视频播放| 国产成+人综合+亚洲专区| 久久亚洲真实| 亚洲中文字幕一区二区三区有码在线看| 热99re8久久精品国产| 亚洲成人精品中文字幕电影| 欧美极品一区二区三区四区| 宅男免费午夜| 国产探花在线观看一区二区| a级毛片a级免费在线| 又黄又粗又硬又大视频| 一区二区三区免费毛片| 我的老师免费观看完整版| 亚洲成a人片在线一区二区| 色噜噜av男人的天堂激情| 国产又黄又爽又无遮挡在线| 亚洲精品粉嫩美女一区| 久久久久免费精品人妻一区二区| 岛国在线免费视频观看| 国产视频一区二区在线看| 久久午夜亚洲精品久久| 伊人久久大香线蕉亚洲五| 久久草成人影院| 亚洲激情在线av| 免费一级毛片在线播放高清视频| 日韩欧美免费精品| 一个人看的www免费观看视频| 久久久色成人| 国产av在哪里看| 蜜桃久久精品国产亚洲av| 波多野结衣高清作品|