• <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C-SVM的大米品種識(shí)別研究

    2016-10-10 08:40:48梁詩(shī)華何金成林毅鑫
    安徽農(nóng)業(yè)科學(xué) 2016年23期
    關(guān)鍵詞:米粒特征參數(shù)分類(lèi)

    梁詩(shī)華,何金成,林毅鑫

    (福建農(nóng)林大學(xué)機(jī)電工程學(xué)院現(xiàn)代農(nóng)業(yè)裝備研究所,福建福州 350002)

    ?

    基于C-SVM的大米品種識(shí)別研究

    梁詩(shī)華,何金成*,林毅鑫

    (福建農(nóng)林大學(xué)機(jī)電工程學(xué)院現(xiàn)代農(nóng)業(yè)裝備研究所,福建福州 350002)

    提出了一種基于支持向量機(jī)(C-SVM)區(qū)分大米品種的方法。首先對(duì)大米圖像進(jìn)行閾值分割、平滑處理等預(yù)處理,并根據(jù)大米的粒型特點(diǎn),提取米粒的面積、周長(zhǎng)等6個(gè)形態(tài)特征。利用OrangeCanvas數(shù)據(jù)挖掘軟件先對(duì)linear和RBF核函數(shù)進(jìn)行核參數(shù)選擇,并在Opencv3.0環(huán)境下,編程實(shí)現(xiàn)K-means、linear和RBF的3種大米品種識(shí)別方法,對(duì)10組混合大米圖像進(jìn)行品種測(cè)試。試驗(yàn)結(jié)果表明,支持向量機(jī)線(xiàn)性核函數(shù)對(duì)大米品種識(shí)別具有較高的預(yù)測(cè)穩(wěn)定性,識(shí)別分類(lèi)準(zhǔn)確率約為99%。

    品種;特征提取;K-means;linear;RBF

    隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和廣泛應(yīng)用,利用機(jī)器視覺(jué)實(shí)現(xiàn)大米品種識(shí)別已受到廣泛關(guān)注。目前市面上出現(xiàn)許多摻假大米現(xiàn)象,以人工的方式辨別是否摻雜不同種類(lèi)的大米,是一項(xiàng)費(fèi)力費(fèi)時(shí)的作業(yè)。因此,對(duì)大米品種識(shí)別是實(shí)現(xiàn)大米自動(dòng)化分類(lèi)的前提。

    近年來(lái),國(guó)內(nèi)外對(duì)谷物的外觀品質(zhì)研究較多,但對(duì)大米品種分類(lèi)的研究主要還是在亞洲國(guó)家,且相對(duì)較少。對(duì)于大米品種研究主要集中在利用神經(jīng)網(wǎng)絡(luò)算法上,周子立等[1]結(jié)合可見(jiàn)-近紅外光譜技術(shù),利用小波變換、主成分分析,建立人工神經(jīng)網(wǎng)絡(luò)模型,對(duì)不同品種大米進(jìn)行預(yù)測(cè)分析,效果顯著,為大米品種鑒別提供一種新方法。方華等[2]基于模糊神經(jīng)網(wǎng)絡(luò)對(duì)大米品種進(jìn)行識(shí)別研究,識(shí)別精度接近 94%,對(duì)珍珠米的識(shí)別可達(dá) 100%。Abirami等[3]利用神經(jīng)網(wǎng)絡(luò)模式識(shí)別大米品種,在米粒不發(fā)生重疊時(shí),米粒分類(lèi)的正確率達(dá)到98.7%,在米粒發(fā)生重疊時(shí),米粒分類(lèi)的正確率變?yōu)?1.3%。林萍等[4]采用紅外光譜技術(shù),用遺傳算法、偏最小二乘法與誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)大米品種進(jìn)行預(yù)測(cè),提高了識(shí)別的精準(zhǔn)度。近幾年來(lái),也出現(xiàn)許多學(xué)者利用支持向量機(jī)和稀疏表示[5]對(duì)大米品種進(jìn)行識(shí)別。JinXiaming等[6]是在高光譜數(shù)據(jù)下,分別比較研究LS-SVM、SVM中核函數(shù)linear與K-近鄰算法(KNN)在大米品種中的預(yù)測(cè)準(zhǔn)確度,LS-SVM具有較好的準(zhǔn)確度。

    綜上研究發(fā)現(xiàn),利用神經(jīng)網(wǎng)絡(luò)對(duì)大米進(jìn)行識(shí)別分類(lèi)較多,對(duì)于米粒這種小樣本集的分類(lèi),實(shí)際上不需要獲取無(wú)限多的訓(xùn)練樣本,支持向量機(jī)則是針對(duì)小樣本問(wèn)題進(jìn)行學(xué)習(xí)和分類(lèi),解決神經(jīng)網(wǎng)絡(luò)中無(wú)法避免的局部極小問(wèn)題,增強(qiáng)了非線(xiàn)性分類(lèi)能力[7-8]。雖然目前已存在利用支持向量機(jī)對(duì)大米品種進(jìn)行分類(lèi)的研究,但都是通過(guò)采集大米的高光譜數(shù)據(jù)進(jìn)行研究分析,成本高。從目前研究來(lái)看,還沒(méi)有學(xué)者直接利用大米特征參數(shù)中的原始數(shù)據(jù),比較分析支持向量機(jī)中線(xiàn)性核函數(shù)和徑向基核函數(shù)之間的預(yù)測(cè)準(zhǔn)確度的差異。因此,筆者根據(jù)大米粒型特征,提取米粒的面積、周長(zhǎng)、長(zhǎng)、寬、長(zhǎng)寬比及圓度6個(gè)特征參數(shù),并根據(jù)這些特征參數(shù),比較分析SVM中線(xiàn)性核函數(shù)和徑向基核函數(shù)預(yù)測(cè)準(zhǔn)確度,并與最傳統(tǒng)的聚類(lèi)方法K-均值聚類(lèi)算法進(jìn)行分析比較,為后續(xù)大米品種檢測(cè)提供依據(jù)。

    1 試驗(yàn)裝置與材料

    1.1試驗(yàn)設(shè)備以相機(jī)獲取米粒圖像,容易受到光照的影響,且不同環(huán)境光源下所受到的影響差異較大,相比之下,以?huà)呙鑳x獲取的圖像較為穩(wěn)定,采用300dpi進(jìn)行灰度掃描,圖像以JPG格式進(jìn)行存儲(chǔ)。為了防止米粒發(fā)生黏連、重疊的問(wèn)題,該研究使用置米盤(pán)將米粒分開(kāi)[9],置米盤(pán)樣式如圖1所示。

    圖1 試驗(yàn)用置米盤(pán)Fig.1 Tested rice tray

    1.2試驗(yàn)材料試驗(yàn)所用的大米品種為江西省岱寶山產(chǎn)的軟丁優(yōu)米和黑龍省哈爾濱產(chǎn)的東北米。

    2 圖像處理

    2.1圖像預(yù)處理圖2a為采集的樣品圖像,運(yùn)用Otsu算法來(lái)設(shè)定最優(yōu)閾值,將圖像中的背景和目標(biāo)進(jìn)行分離(如圖2b),再將其進(jìn)行二值化處理。為了能夠消除圖像的噪聲,對(duì)大米圖像進(jìn)行中值濾波(如圖2c),濾波后圖像輪廓清晰,顆粒狀噪聲得到很好地抑制。最后,利用canny算法提取大米輪廓,如圖2d所示。

    圖2 大米灰度圖像中提取的大米圖像Fig.2 Picking out of rice kernel image from gray

    2.2特征參數(shù)的獲取根據(jù)前人研究成果所得[1,10-12],大米的粒型主要取決于面積、周長(zhǎng)、長(zhǎng)、寬、長(zhǎng)寬比及圓度6個(gè)幾何特征參數(shù),特征參數(shù)見(jiàn)表1。

    表1 大米粒型的特征參數(shù)

    注:已將圖像像素點(diǎn)個(gè)數(shù)轉(zhuǎn)為實(shí)際尺寸,單位mm。

    Note:Thenumberofpixelshasbeentransferredtotheactualsizeoftheimage,unitismm.

    3 分類(lèi)算法

    3.1支持向量機(jī)支持向量機(jī)(SupportVectorMachines,SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)之上的新一代機(jī)器學(xué)習(xí)算法,主要解決小樣本、非線(xiàn)性及高維模式識(shí)別問(wèn)題,其基本思想是通過(guò)核函數(shù)將數(shù)據(jù)從原始特征空間映射到高維特征空間,來(lái)實(shí)現(xiàn)最優(yōu)分類(lèi)超平面,并用此超平面實(shí)現(xiàn)對(duì)未知樣本的判斷[13]。

    SVM常用核函數(shù)主要有線(xiàn)性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)和sigmoid核函數(shù)。該研究選用最常見(jiàn)的2種核函數(shù)——線(xiàn)性核函數(shù)和徑向基核函數(shù),對(duì)大米不同品種進(jìn)行比較分析。

    線(xiàn)性核函數(shù)(LinearKernelFunction)表示如下:

    K(x,y)=x·y

    (1)

    徑向基核函數(shù)(RadicalBasisFunctionKernelFunction,RBF)表示如下:

    K(x,y)=exp(-g|x-y|2)

    (2)

    式中,g為參數(shù)。

    SVM分類(lèi)器性能的關(guān)鍵是參數(shù)的選擇。Linear僅受邊界參數(shù)C的影響,而RBF同時(shí)受到邊界參數(shù)C和核寬度的影響。邊界參數(shù)C是結(jié)構(gòu)風(fēng)險(xiǎn)和樣本無(wú)誤差的綜合考慮,其值與訓(xùn)練可容忍的誤差相關(guān),而核寬度g的取值與輸入的樣本范圍有關(guān)[14]。在訓(xùn)練前,將訓(xùn)練樣本導(dǎo)入OrangeCanvas數(shù)據(jù)挖掘軟件進(jìn)行核參數(shù)預(yù)判,獲取Linear邊界參數(shù)C=1,RBF則選用C=1、g=0.125,分類(lèi)效果最佳,識(shí)別準(zhǔn)確率均可達(dá)到99%以上。

    3.2K-均值聚類(lèi)算法K-均值聚類(lèi)算法(K-means)是一種聚群、非監(jiān)督學(xué)習(xí)算法,它主要受初始位置的選擇、K值、度量距離3個(gè)方面因素的影響。該算法主要步驟是根據(jù)K值選定,隨機(jī)設(shè)定K個(gè)中心點(diǎn)作為聚類(lèi)中心,再將除了聚類(lèi)中心點(diǎn)之外的數(shù)據(jù)點(diǎn)分配給最鄰近的中心點(diǎn),分配完成后,將中心點(diǎn)移動(dòng)到所表示的聚類(lèi)的平均中心位置處,重復(fù)迭代上述步驟,直到準(zhǔn)則函數(shù)收斂。通常采用的準(zhǔn)則函數(shù)為平方誤差和準(zhǔn)則函數(shù),即SSE(sumofthesquarederror),其定義如下:

    (3)

    式中,SSE是數(shù)據(jù)庫(kù)中所有對(duì)象的平方誤差總和;p為數(shù)據(jù)對(duì)象,mi是簇Ci的平均值。

    3.3算法評(píng)價(jià)與指標(biāo)為了說(shuō)明分類(lèi)方法的準(zhǔn)確性,采用正確率(Accurate,ACC)、命中率(Precision,P),召回率(Recall,R)及F1度量(Recall和Precision的調(diào)和平均數(shù))4個(gè)計(jì)算指標(biāo)對(duì)結(jié)果進(jìn)行評(píng)價(jià)。指標(biāo)計(jì)算如式(4)~(7)所示:

    (4)

    Precision=TP/(TP+FP)

    (5)

    Recall=TP/(TP+FN)

    (6)

    (7)

    式中,TP表示正確預(yù)測(cè)到正例的數(shù)量;TN表示正確預(yù)測(cè)到負(fù)例的數(shù)量;FP表示負(fù)例預(yù)測(cè)到正例的數(shù)量;FN表示正例預(yù)測(cè)到負(fù)例的數(shù)量。

    ACC是表示評(píng)估分類(lèi)器好壞的指標(biāo),正確率越高,分類(lèi)器越好。命中率是精確度的度量,是指分類(lèi)模型判為正的所有樣本中有多少是真正的正樣本。召回率則是覆蓋面的度量,是所有正樣本有多少被分類(lèi)模型判為正樣本。F1是將命中率和召回率的方法組合成一個(gè)度量指標(biāo),它賦予命中率和召回率相等的權(quán)重。該研究將用上述指標(biāo)進(jìn)行對(duì)分類(lèi)模型的判斷,其值越大,表示分類(lèi)效果越好。

    4 試驗(yàn)結(jié)果與分析

    4.1數(shù)據(jù)處理與分析為了證實(shí)所提取的大米特征能反映大米的真實(shí)信息,采用主成分分析方法對(duì)所提取的特征值進(jìn)行分析。大米粒型特征值的標(biāo)準(zhǔn)誤差、各特征值的貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率見(jiàn)表2。

    從表2 可知,所提取的大米特征參數(shù)基本上能夠反映大米粒型的全部信息。

    表2 大米粒型參數(shù)的主成分分析

    注:主成分編號(hào)與表1的特征參數(shù)相匹配。

    Note:Theprincipalcomponentnumbermatchthecharacteristicparametersoftable1.

    4.2檢測(cè)結(jié)果分析該研究分別選取1 000粒大米作為SVM訓(xùn)練樣本,選取10張隨機(jī)混合大米圖像進(jìn)行預(yù)測(cè)。操作系統(tǒng)為WindowsXP,以Qt5.5.1為開(kāi)發(fā)工具,借助Opencv3.0進(jìn)行圖像處理和分析。編程實(shí)現(xiàn)K-means、Linear和RBF的大米品種識(shí)別方法。表3是利用K-means、Linear和RBF3種方法對(duì)2種大米識(shí)別結(jié)果比較。從表3可知,對(duì)于2種大米測(cè)試樣本,K-means、linear和RBF識(shí)別的準(zhǔn)確率分別為 98.75%、98.83%和96.01%。在這3類(lèi)模型中,K-means表現(xiàn)出更低分類(lèi)準(zhǔn)確率,原因在于它是根據(jù)每張大米圖像樣本信息進(jìn)行分聚類(lèi),沒(méi)有統(tǒng)一標(biāo)準(zhǔn),而SVM是事先對(duì)樣本進(jìn)行訓(xùn)練,系統(tǒng)已具有大米品種特征參數(shù),預(yù)測(cè)時(shí),只需根據(jù)每粒大米的特征參數(shù)進(jìn)行歸類(lèi)。

    表3linear、RBF和K-means對(duì)2種大米品種識(shí)別結(jié)果比較

    Table3Comparisonofidentificationresultswithlinear,RBFandK-meansfortworicevarieties

    模型Models正確率Correctrate(ACC)命中率Hitrate(P)召回率Recallrate(R)度量Measurement(F1)Linear0.98750.97080.98240.9765RBF0.98830.99460.85990.9224K-means0.96010.96850.91410.9405

    同時(shí),試驗(yàn)結(jié)果表明,Linear比RBF召回率高,即說(shuō)明分類(lèi)器正確預(yù)測(cè)正例的比例高,預(yù)測(cè)穩(wěn)定性比較好。Linear具有較高的F1值,則說(shuō)明大米在進(jìn)行品種識(shí)別中,Linear優(yōu)于其他2種算法。

    5 結(jié)論

    該研究使用平板掃描儀獲取大米粒型圖像,編程實(shí)現(xiàn)對(duì)大米外觀特征提取與檢測(cè)算法,并利用SVM與K-means的方法,對(duì)2種大米進(jìn)行了識(shí)別研究。結(jié)果表明,利用SVM進(jìn)行大米識(shí)別,Linear和RBF具有相似的分類(lèi)準(zhǔn)確率,準(zhǔn)確率約為99%。但是Linear的預(yù)測(cè)穩(wěn)定性要比RBF核函數(shù)的預(yù)測(cè)穩(wěn)定性要高。相比于SVM分類(lèi)效果,K-means具有相對(duì)較低的準(zhǔn)確率,但K-means無(wú)需對(duì)樣本訓(xùn)練進(jìn)行事先的訓(xùn)練,節(jié)省了大部分的時(shí)間,且相對(duì)于小樣本的數(shù)據(jù),運(yùn)算時(shí)間短,豐富了大米圖像識(shí)別研究,為大米外部品質(zhì)識(shí)別提供了客觀可行的方法,同時(shí)也為其他的農(nóng)作物產(chǎn)品品種識(shí)別與鑒定提供參考價(jià)值。該裝置具有良好的擴(kuò)展性,我國(guó)稻米種類(lèi)繁多,后續(xù)將對(duì)更多品種進(jìn)行廣泛的取樣與試驗(yàn),但是目前該研究只針對(duì)2種粒型的大米進(jìn)行研究,還需要對(duì)不同品種和分類(lèi)算法展開(kāi)試驗(yàn)研究等進(jìn)一步校正和完善,從而建立大米外觀品質(zhì)識(shí)別評(píng)價(jià)體系,為進(jìn)一步實(shí)現(xiàn)大米在線(xiàn)檢測(cè)和自動(dòng)分級(jí)提供基礎(chǔ)。

    [1] 周子立,張瑜,何勇,等.基于近紅外光譜技術(shù)的大米品種快速鑒別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(8):131-134.

    [2] 方華,孫翠霞,張虎.基于模糊神經(jīng)網(wǎng)絡(luò)的大米品種識(shí)別算法研究[J].安徽農(nóng)業(yè)科學(xué),2012,40(29):14617-14619.

    [3]ABIRAMIS,NEELAMEGAMP,KALAH.Analysisofricegranulesusingimageprocessingandneuralnet-workpatternrecognitiontool[J].Internationaljournalofcom-puterapplications,2014,96(7):20-24.

    [4] 林萍,陳永明. 利用可見(jiàn)近紅外光譜技術(shù)快速鑒別大米品種[J].江蘇農(nóng)業(yè)科學(xué),2015,43(12):320-323.

    [5] 楊蜀秦,寧紀(jì)鋒,何東健.基于稀疏表示的大米品種識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(3):191-195.

    [6]JINXM,SUNJ,MAOHP,etal.DiscriminationofricevarietiesusingLS-SVMclassificationalgorithmsandhyperspectralData[J].Advancejournaloffoodscienceandtechnology,2015,7(9):691-696.

    [7]NIBLACKW,BARBERR,EQUITZW,etal.TheQBICproject:Queryingimagesbycontent,usingcolor,textureandshape[J].SPIE,1993,19(8):173-187.

    [8]CHAPELLEO,HAFFNERP,VAPNIKVN,etal.Supportvectormachinesforhis-togram-basedimageclassification[J].IEEETransonneuralnetworks,1999,10(5):1055-1064.

    [9] 許秉宗.米粒影像特征擷取與分群演算法之探討[R].2014.

    [10] 袁佐云,牛興和,劉傳云.基于最小外接矩形的稻米粒型檢測(cè)方法[J].糧食與飼料工業(yè),2006(9):7-8.

    [11] 吳才章,步東偉.稻米粒型特性參數(shù)測(cè)試系統(tǒng)的開(kāi)發(fā)[J].農(nóng)業(yè)工程學(xué)報(bào),2010(12):131-135.

    [12] 張聰,張慧.基于Canny算法的大米粒型邊緣檢測(cè)應(yīng)用研究[J].糧食與飼料工業(yè),2008(6):3-4.

    [13] 梁龍,房桂干,吳珽,等.基于支持向量機(jī)的近紅外特征變量選擇算法用于樹(shù)種快速識(shí)別[J].分析測(cè)試學(xué)報(bào),2016(1):101-106.

    [14] 劉偉,劉長(zhǎng)虹,鄭磊.基于支持向量機(jī)的多光譜成像稻谷品種鑒別[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(10):145-151.

    Thispaperproposedamethodbasedonsupportvectormachine(C-SVM)todistinguishricevarieties.Atfirst,itdidtheimagethresholdsegmentation,thenproceededthesmoothprocessing.Andaccordingtothecharacteristicsofricegrainshape,extractedarea,perimeterandsoon,usingOrangeCanvasdataminingsoftwaretoselectkernelparametersoflinearandRBFkernelfunction,andaccomplishricevarietiesrecognitionbyprogramingusingKmeans,linearfunctioninSVMandRBFmethodsunderOpencv3.0.Tengroupsofmixedricewereconductedtherecognitiontest,theresultsshowedthatlinearfunctioninSVMcouldidentifyricevarietiesinasuperiorpredictionstabilitywithclassificationaccuracyatabout99%.

    Varieties;Featureextraction;K-means;Linear;RBF

    福建省自然科學(xué)基金項(xiàng)目(2010J01272);福建省福建農(nóng)林大學(xué)現(xiàn)代農(nóng)業(yè)裝備及自動(dòng)化創(chuàng)新平臺(tái)項(xiàng)目(612014017)。

    梁詩(shī)華(1992- ),女,福建連江人,碩士研究生,研究方向:圖像處理。*通訊作者,副教授,碩士生導(dǎo)師,從事生物圖像識(shí)別與處理研究。

    2016-06-22

    S24

    A

    0517-6611(2016)23-201-03

    TheIdentificationResearchofRiceVarietiesBasedonC-SVM

    LIANGShi-hua,HEJin-cheng*,LINYi-xin(InstituteofModernAgriculturalEquipment,CollegeofMechanicalandElectronicEngineering,FujianAgricultureandForestryUniversity,Fuzhou,Fujian350002)

    猜你喜歡
    米粒特征參數(shù)分類(lèi)
    故障診斷中信號(hào)特征參數(shù)擇取方法
    基于特征參數(shù)化的木工CAD/CAM系統(tǒng)
    分類(lèi)算一算
    感恩“小米?!?/a>
    分類(lèi)討論求坐標(biāo)
    數(shù)據(jù)分析中的分類(lèi)討論
    基于PSO-VMD的齒輪特征參數(shù)提取方法研究
    教你一招:數(shù)的分類(lèi)
    米粒很怕黑
    第十章 米粒的錯(cuò)誤
    六月丁香七月| 久久久久久国产a免费观看| 97在线视频观看| 欧美成人a在线观看| 五月天丁香电影| 一本久久精品| 中文乱码字字幕精品一区二区三区| 成年免费大片在线观看| 日韩在线高清观看一区二区三区| 亚洲国产精品999| av天堂中文字幕网| 夜夜看夜夜爽夜夜摸| 午夜福利在线在线| 男女国产视频网站| 亚洲精品成人av观看孕妇| 国产色爽女视频免费观看| 黄色配什么色好看| av国产免费在线观看| 噜噜噜噜噜久久久久久91| 大香蕉97超碰在线| 99热这里只有精品一区| 欧美变态另类bdsm刘玥| 男人添女人高潮全过程视频| 九色成人免费人妻av| 久久久久精品久久久久真实原创| av在线观看视频网站免费| 看免费成人av毛片| 内地一区二区视频在线| 色视频www国产| 如何舔出高潮| 免费大片黄手机在线观看| 亚洲真实伦在线观看| 精品午夜福利在线看| 精品久久久久久久末码| 高清在线视频一区二区三区| 成人免费观看视频高清| 久久国产乱子免费精品| 一区二区三区四区激情视频| 亚洲精品国产av蜜桃| 伦精品一区二区三区| 午夜日本视频在线| 一级毛片久久久久久久久女| 免费看日本二区| 免费av观看视频| 久久久亚洲精品成人影院| av又黄又爽大尺度在线免费看| av国产久精品久网站免费入址| 99热这里只有精品一区| 国产av码专区亚洲av| 成人国产麻豆网| 日韩成人av中文字幕在线观看| 国产成人aa在线观看| 高清在线视频一区二区三区| 国产精品久久久久久精品电影| 久久热精品热| 99久久精品热视频| 青青草视频在线视频观看| 亚洲婷婷狠狠爱综合网| 久久久久性生活片| 高清在线视频一区二区三区| 在线播放无遮挡| 夜夜看夜夜爽夜夜摸| 亚洲精品日韩av片在线观看| 爱豆传媒免费全集在线观看| 国产精品精品国产色婷婷| 国产精品女同一区二区软件| 18禁裸乳无遮挡免费网站照片| 亚洲精品成人av观看孕妇| 亚洲天堂国产精品一区在线| 亚洲精品一二三| 人妻制服诱惑在线中文字幕| 纵有疾风起免费观看全集完整版| 亚洲美女视频黄频| 99九九线精品视频在线观看视频| 国产亚洲av嫩草精品影院| 极品教师在线视频| 成人一区二区视频在线观看| 中文资源天堂在线| 免费av不卡在线播放| 亚洲成人精品中文字幕电影| 又粗又硬又长又爽又黄的视频| 18禁在线播放成人免费| 综合色丁香网| 日韩强制内射视频| 亚洲国产欧美在线一区| 一级a做视频免费观看| 国产免费视频播放在线视频| 久久午夜福利片| 91在线精品国自产拍蜜月| 欧美性猛交╳xxx乱大交人| 搡老乐熟女国产| 大片免费播放器 马上看| 热re99久久精品国产66热6| 亚洲性久久影院| 少妇人妻一区二区三区视频| 亚洲精品影视一区二区三区av| 狠狠精品人妻久久久久久综合| 看十八女毛片水多多多| 爱豆传媒免费全集在线观看| 秋霞在线观看毛片| 国产精品.久久久| 亚洲美女视频黄频| 麻豆成人午夜福利视频| 91狼人影院| 亚洲自拍偷在线| 啦啦啦中文免费视频观看日本| 晚上一个人看的免费电影| 日本熟妇午夜| 亚洲一级一片aⅴ在线观看| 免费观看的影片在线观看| 在线观看一区二区三区激情| 亚洲精品日韩在线中文字幕| 欧美zozozo另类| 精品99又大又爽又粗少妇毛片| 五月开心婷婷网| 精品久久久久久电影网| 下体分泌物呈黄色| 亚洲欧美日韩东京热| 看非洲黑人一级黄片| 国产精品久久久久久av不卡| 久久久a久久爽久久v久久| 国产午夜福利久久久久久| 少妇的逼好多水| 精品人妻熟女av久视频| 成人高潮视频无遮挡免费网站| 草草在线视频免费看| 久久韩国三级中文字幕| 中文字幕久久专区| 1000部很黄的大片| 最近最新中文字幕免费大全7| 久久韩国三级中文字幕| 超碰97精品在线观看| 男人添女人高潮全过程视频| 少妇高潮的动态图| 九草在线视频观看| a级一级毛片免费在线观看| 亚洲精品一二三| 成人免费观看视频高清| 午夜日本视频在线| 91在线精品国自产拍蜜月| 99热全是精品| 国产91av在线免费观看| 一级二级三级毛片免费看| 久久97久久精品| 麻豆成人午夜福利视频| 水蜜桃什么品种好| 免费黄色在线免费观看| 一级av片app| 97在线人人人人妻| 亚洲欧美成人精品一区二区| 亚洲欧美日韩东京热| 久久久午夜欧美精品| 午夜免费鲁丝| 黄色欧美视频在线观看| 精华霜和精华液先用哪个| 欧美xxxx黑人xx丫x性爽| 日韩电影二区| 亚洲欧洲国产日韩| 亚洲欧美一区二区三区国产| 波野结衣二区三区在线| 国产亚洲午夜精品一区二区久久 | 亚洲性久久影院| 日韩精品有码人妻一区| 国产美女午夜福利| 久久久久久久久久人人人人人人| av一本久久久久| 香蕉精品网在线| 国产老妇女一区| 97在线视频观看| 如何舔出高潮| 天天躁夜夜躁狠狠久久av| 精品少妇久久久久久888优播| av黄色大香蕉| 国产黄频视频在线观看| 午夜福利视频精品| 国产又色又爽无遮挡免| 亚洲电影在线观看av| 国产成人精品一,二区| 成人高潮视频无遮挡免费网站| 神马国产精品三级电影在线观看| 大片电影免费在线观看免费| 简卡轻食公司| 亚洲精品一区蜜桃| 国产一区二区三区综合在线观看 | 婷婷色综合www| 亚洲av在线观看美女高潮| 少妇人妻一区二区三区视频| av女优亚洲男人天堂| 亚洲四区av| 久久久a久久爽久久v久久| 人体艺术视频欧美日本| 18禁裸乳无遮挡动漫免费视频 | 国产乱人偷精品视频| 国产精品99久久久久久久久| 久久99精品国语久久久| 中国三级夫妇交换| 听说在线观看完整版免费高清| 99久国产av精品国产电影| 久久精品久久久久久久性| 成人综合一区亚洲| 日韩欧美 国产精品| 中文精品一卡2卡3卡4更新| 高清欧美精品videossex| 国产综合懂色| 三级男女做爰猛烈吃奶摸视频| 欧美日韩精品成人综合77777| 日韩欧美 国产精品| 久久精品国产自在天天线| 少妇裸体淫交视频免费看高清| 久热久热在线精品观看| av天堂中文字幕网| av又黄又爽大尺度在线免费看| 少妇 在线观看| 尾随美女入室| 国产 一区精品| 亚洲av一区综合| 男人爽女人下面视频在线观看| 久久久久久久亚洲中文字幕| 18+在线观看网站| 免费看a级黄色片| 综合色av麻豆| 国产精品一二三区在线看| 国产色婷婷99| 色网站视频免费| 七月丁香在线播放| 91在线精品国自产拍蜜月| 成年人午夜在线观看视频| 中文字幕人妻熟人妻熟丝袜美| 国产成人freesex在线| 免费看a级黄色片| 日本av手机在线免费观看| 婷婷色av中文字幕| 人妻一区二区av| 国产有黄有色有爽视频| 爱豆传媒免费全集在线观看| 97热精品久久久久久| 日日啪夜夜爽| 日日摸夜夜添夜夜添av毛片| 日韩av不卡免费在线播放| 日韩强制内射视频| 国产一级毛片在线| 色网站视频免费| 亚洲国产精品专区欧美| 18禁裸乳无遮挡免费网站照片| 亚洲人成网站高清观看| 联通29元200g的流量卡| 国产精品熟女久久久久浪| 精品人妻一区二区三区麻豆| 全区人妻精品视频| 自拍欧美九色日韩亚洲蝌蚪91 | 另类亚洲欧美激情| 插逼视频在线观看| 国产精品无大码| 久久久久久伊人网av| 亚洲国产日韩一区二区| 天堂中文最新版在线下载 | 国国产精品蜜臀av免费| 一个人观看的视频www高清免费观看| 亚洲精品456在线播放app| 九草在线视频观看| 草草在线视频免费看| 国模一区二区三区四区视频| 黄色配什么色好看| 少妇裸体淫交视频免费看高清| 中文字幕久久专区| 免费不卡的大黄色大毛片视频在线观看| 又爽又黄无遮挡网站| 纵有疾风起免费观看全集完整版| 日本一二三区视频观看| 成人亚洲欧美一区二区av| 噜噜噜噜噜久久久久久91| 亚洲av成人精品一区久久| 又大又黄又爽视频免费| 欧美 日韩 精品 国产| 久久久久久九九精品二区国产| videossex国产| 精品少妇黑人巨大在线播放| 国产黄a三级三级三级人| 日日啪夜夜爽| 国产精品秋霞免费鲁丝片| 少妇熟女欧美另类| 欧美精品人与动牲交sv欧美| 亚洲四区av| 亚洲经典国产精华液单| 国产成人免费无遮挡视频| 国产精品国产av在线观看| 各种免费的搞黄视频| 狠狠精品人妻久久久久久综合| 汤姆久久久久久久影院中文字幕| 狂野欧美激情性bbbbbb| 久久综合国产亚洲精品| 国产伦精品一区二区三区四那| 日韩大片免费观看网站| 亚洲天堂国产精品一区在线| 菩萨蛮人人尽说江南好唐韦庄| 国产精品伦人一区二区| 久久99蜜桃精品久久| 精品一区二区三区视频在线| 国产精品久久久久久久电影| 亚洲精品影视一区二区三区av| 特级一级黄色大片| 麻豆国产97在线/欧美| 国产综合懂色| av免费在线看不卡| 亚洲av在线观看美女高潮| 亚洲精品日韩av片在线观看| 成人二区视频| 男人舔奶头视频| 麻豆成人午夜福利视频| 1000部很黄的大片| 国产老妇伦熟女老妇高清| 欧美区成人在线视频| 日日摸夜夜添夜夜爱| 亚洲欧美成人精品一区二区| 噜噜噜噜噜久久久久久91| 久久精品熟女亚洲av麻豆精品| 七月丁香在线播放| 老女人水多毛片| 男女下面进入的视频免费午夜| 欧美丝袜亚洲另类| 日本-黄色视频高清免费观看| 美女内射精品一级片tv| 看十八女毛片水多多多| 毛片一级片免费看久久久久| 亚洲国产日韩一区二区| 久久97久久精品| 高清视频免费观看一区二区| 国产精品精品国产色婷婷| 久久久精品免费免费高清| 日韩三级伦理在线观看| 天堂网av新在线| 免费电影在线观看免费观看| 国产亚洲av片在线观看秒播厂| 精品国产乱码久久久久久小说| 热re99久久精品国产66热6| 午夜日本视频在线| 国产精品国产三级国产专区5o| 午夜福利高清视频| 大香蕉97超碰在线| 欧美区成人在线视频| 亚洲精品影视一区二区三区av| 久久久久国产网址| 国产高清有码在线观看视频| 久久久久国产网址| 午夜福利视频精品| 老司机影院毛片| 国产精品久久久久久av不卡| 成人免费观看视频高清| 久久午夜福利片| 网址你懂的国产日韩在线| 久久99热这里只频精品6学生| 国产伦在线观看视频一区| 狂野欧美激情性xxxx在线观看| 亚洲av中文字字幕乱码综合| 国国产精品蜜臀av免费| 免费看不卡的av| 激情五月婷婷亚洲| 中文资源天堂在线| 天美传媒精品一区二区| 久久鲁丝午夜福利片| 久久人人爽av亚洲精品天堂 | 亚洲真实伦在线观看| 免费黄色在线免费观看| 男女啪啪激烈高潮av片| 国产中年淑女户外野战色| 男的添女的下面高潮视频| 亚洲国产色片| 亚洲激情五月婷婷啪啪| 久久99热6这里只有精品| 久久久午夜欧美精品| 97精品久久久久久久久久精品| 国产高潮美女av| 在现免费观看毛片| 国内少妇人妻偷人精品xxx网站| av女优亚洲男人天堂| 国产高潮美女av| 久久久久精品性色| 亚洲精品视频女| 久久久久国产精品人妻一区二区| 亚洲真实伦在线观看| 99热这里只有是精品在线观看| 午夜日本视频在线| 久久精品久久久久久久性| 街头女战士在线观看网站| 青春草国产在线视频| 日日啪夜夜撸| 啦啦啦啦在线视频资源| 少妇被粗大猛烈的视频| 日本三级黄在线观看| www.色视频.com| 涩涩av久久男人的天堂| 各种免费的搞黄视频| 国产日韩欧美在线精品| 有码 亚洲区| 99久久精品一区二区三区| 有码 亚洲区| 国产在线男女| 深爱激情五月婷婷| 亚洲最大成人中文| 一个人观看的视频www高清免费观看| 精品少妇黑人巨大在线播放| 欧美国产精品一级二级三级 | 国产免费视频播放在线视频| 亚洲精品一二三| 日本猛色少妇xxxxx猛交久久| 久久精品国产a三级三级三级| 亚洲成人中文字幕在线播放| a级毛色黄片| 久久久亚洲精品成人影院| 男插女下体视频免费在线播放| 精品少妇黑人巨大在线播放| 国产av不卡久久| 狠狠精品人妻久久久久久综合| av网站免费在线观看视频| 好男人视频免费观看在线| 91狼人影院| 久久久国产一区二区| 国产久久久一区二区三区| 国产午夜精品久久久久久一区二区三区| 男人和女人高潮做爰伦理| 色综合色国产| 我要看日韩黄色一级片| 18+在线观看网站| 超碰av人人做人人爽久久| 久久鲁丝午夜福利片| 毛片一级片免费看久久久久| 成年女人看的毛片在线观看| 水蜜桃什么品种好| 国产精品无大码| 中文字幕亚洲精品专区| 色吧在线观看| 美女被艹到高潮喷水动态| 噜噜噜噜噜久久久久久91| 国产精品99久久久久久久久| 美女内射精品一级片tv| 三级国产精品欧美在线观看| 一级黄片播放器| 亚洲成人精品中文字幕电影| 丝瓜视频免费看黄片| 99久久中文字幕三级久久日本| 黄色欧美视频在线观看| 我要看日韩黄色一级片| 精品酒店卫生间| 插阴视频在线观看视频| 国产爱豆传媒在线观看| 免费看日本二区| 国产伦精品一区二区三区视频9| 真实男女啪啪啪动态图| 国国产精品蜜臀av免费| 免费看光身美女| 男男h啪啪无遮挡| 九九在线视频观看精品| 国产精品久久久久久精品电影小说 | 日韩电影二区| 欧美一区二区亚洲| 波野结衣二区三区在线| av女优亚洲男人天堂| 亚洲真实伦在线观看| 亚洲av不卡在线观看| 久久99热这里只有精品18| 精品久久久噜噜| 日韩强制内射视频| 女人久久www免费人成看片| 最近手机中文字幕大全| 国内少妇人妻偷人精品xxx网站| 99热这里只有是精品在线观看| 精品一区二区三卡| 久久久久久久午夜电影| 久久鲁丝午夜福利片| 午夜老司机福利剧场| 国产高潮美女av| 成年免费大片在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产伦精品一区二区三区视频9| 一级爰片在线观看| 国产亚洲最大av| 看免费成人av毛片| 大香蕉97超碰在线| 久久99精品国语久久久| 亚洲精品一区蜜桃| 国产精品三级大全| 十八禁网站网址无遮挡 | 深爱激情五月婷婷| 夫妻性生交免费视频一级片| 插阴视频在线观看视频| 22中文网久久字幕| 亚洲国产成人一精品久久久| 日韩三级伦理在线观看| 久久亚洲国产成人精品v| av卡一久久| 成人毛片60女人毛片免费| 免费在线观看成人毛片| 男女下面进入的视频免费午夜| 亚洲人成网站高清观看| 成人漫画全彩无遮挡| 黄色日韩在线| 国产黄色视频一区二区在线观看| 欧美bdsm另类| 九九爱精品视频在线观看| 最新中文字幕久久久久| 久久精品国产亚洲av天美| 久久精品国产自在天天线| 晚上一个人看的免费电影| 亚洲天堂av无毛| 国产精品蜜桃在线观看| 成人黄色视频免费在线看| 青春草国产在线视频| 2022亚洲国产成人精品| 免费在线观看成人毛片| 国产精品偷伦视频观看了| 国产亚洲一区二区精品| 日产精品乱码卡一卡2卡三| 久久久久性生活片| 一区二区三区精品91| 国产69精品久久久久777片| 黄片无遮挡物在线观看| 国产欧美日韩一区二区三区在线 | 久久99热这里只频精品6学生| 国产一区二区三区综合在线观看 | 欧美一区二区亚洲| 麻豆成人av视频| 亚洲,一卡二卡三卡| 成年版毛片免费区| 久久久久九九精品影院| 国产女主播在线喷水免费视频网站| 少妇人妻精品综合一区二区| 日本与韩国留学比较| 国产精品蜜桃在线观看| 少妇人妻 视频| 高清在线视频一区二区三区| 亚洲综合色惰| 亚洲天堂国产精品一区在线| 国产亚洲91精品色在线| 黄色欧美视频在线观看| 午夜激情久久久久久久| 黄色欧美视频在线观看| 精品午夜福利在线看| 黄色欧美视频在线观看| 日韩av免费高清视频| 国产淫语在线视频| 国产成人福利小说| 欧美变态另类bdsm刘玥| 亚洲最大成人av| 欧美老熟妇乱子伦牲交| 久久综合国产亚洲精品| 日本熟妇午夜| 天天躁日日操中文字幕| 欧美日韩综合久久久久久| 18禁裸乳无遮挡免费网站照片| 免费观看在线日韩| 一本一本综合久久| 日产精品乱码卡一卡2卡三| 亚洲天堂国产精品一区在线| av在线天堂中文字幕| 在线天堂最新版资源| 成人鲁丝片一二三区免费| 亚洲自偷自拍三级| 久久精品国产亚洲av涩爱| 大香蕉97超碰在线| 婷婷色综合大香蕉| 亚洲丝袜综合中文字幕| 丝袜美腿在线中文| 亚洲精品自拍成人| videos熟女内射| 在线观看美女被高潮喷水网站| 天堂中文最新版在线下载 | 永久免费av网站大全| 亚洲精品国产av蜜桃| 久久精品综合一区二区三区| 男女下面进入的视频免费午夜| 一级毛片aaaaaa免费看小| 卡戴珊不雅视频在线播放| 亚洲精品乱码久久久久久按摩| 直男gayav资源| 搡老乐熟女国产| 亚洲国产高清在线一区二区三| 免费看日本二区| 精品久久久久久久久av| 黄色日韩在线| 久久99热6这里只有精品| 国产精品人妻久久久影院| 九草在线视频观看| 狂野欧美激情性bbbbbb| 国产精品一及| 在线精品无人区一区二区三 | 直男gayav资源| 久久影院123| 你懂的网址亚洲精品在线观看| 国产精品伦人一区二区| 精品久久国产蜜桃| .国产精品久久| 美女高潮的动态| 久久久国产一区二区| 亚洲av二区三区四区| 韩国高清视频一区二区三区| 亚洲av福利一区| 免费av观看视频| 午夜福利视频1000在线观看| 黄片wwwwww| 另类亚洲欧美激情| 日韩免费高清中文字幕av| 亚洲精品亚洲一区二区| 亚洲精品国产av蜜桃| 大码成人一级视频| 岛国毛片在线播放| 久久久久性生活片| 亚洲av福利一区| 免费av不卡在线播放| 国产精品久久久久久精品古装| 亚洲欧洲日产国产| 美女脱内裤让男人舔精品视频| 香蕉精品网在线| 狂野欧美激情性xxxx在线观看| 永久网站在线| 九九爱精品视频在线观看|