• <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 ?

    基于圖像特征融合的蘋果在線分級(jí)方法

    2017-01-17 15:15:14費(fèi)繼友
    關(guān)鍵詞:像素分級(jí)蘋果

    黃 辰,費(fèi)繼友

    (大連交通大學(xué)機(jī)械工程學(xué)院,大連 116028)

    基于圖像特征融合的蘋果在線分級(jí)方法

    黃 辰,費(fèi)繼友※

    (大連交通大學(xué)機(jī)械工程學(xué)院,大連 116028)

    蘋果在線分級(jí)是提升蘋果商品化價(jià)值的重要環(huán)節(jié),需要同時(shí)滿足分級(jí)準(zhǔn)確度和速度要求。為進(jìn)一步提高蘋果在線分級(jí)效率,該文借助機(jī)器視覺技術(shù)動(dòng)態(tài)采集蘋果傳輸過程中的實(shí)時(shí)圖像,提出改進(jìn)的三層Canny邊緣檢測(cè)算法來提取蘋果輪廓以克服采集圖像中的光線噪聲影響,通過分析蘋果分級(jí)指標(biāo),采用判別樹對(duì)蘋果的果徑、缺陷面積、色澤等特征進(jìn)行初步分級(jí)判斷,并采用粒子群參數(shù)優(yōu)化的支持向量機(jī)對(duì)果形、果面紋理、顏色分布等特征進(jìn)行模型構(gòu)建與分級(jí),最后,通過將兩種分級(jí)判斷結(jié)果進(jìn)行決策融合來實(shí)現(xiàn)樣本精確分級(jí)。同時(shí),采取圖像壓縮和特征降維方法提高實(shí)時(shí)性。試驗(yàn)結(jié)果表明,基于圖像特征決策融合的蘋果分級(jí)準(zhǔn)確率可達(dá)到95%,平均分級(jí)速率可達(dá)到4個(gè)/s。研究結(jié)果為水果的在線分級(jí)提供參考。

    圖像處理;支持向量機(jī);機(jī)器視覺;蘋果分級(jí);決策融合;三層Canny;特征分析

    0 引 言

    隨著機(jī)器視覺技術(shù)的發(fā)展,近年來國(guó)內(nèi)外研究人員對(duì)圖像處理在水果質(zhì)量檢測(cè)等方面取得深入進(jìn)展[1-4]。目前,主要是按尺寸、顏色、形狀以及表面缺陷等特征進(jìn)行水果質(zhì)量評(píng)估[5-10]。朱堅(jiān)民等[11]分析了顏色和形狀特征,結(jié)合灰色關(guān)聯(lián)分析和模糊隸屬的方法,利用總匹配度提高了水果識(shí)別的準(zhǔn)確率。近期,機(jī)器學(xué)習(xí)的引入,大大提升了水果分級(jí)檢測(cè)的自動(dòng)化水平。例如,支持向量機(jī)以其良好的分類性能應(yīng)用于蘋果的自動(dòng)分揀和分級(jí)系統(tǒng)中[12]。Bhatt等[13]建立了一個(gè)基于人工神經(jīng)網(wǎng)絡(luò)的蘋果質(zhì)量自動(dòng)分類系統(tǒng),針對(duì)顏色、尺寸和損傷等進(jìn)行分析,具有較好性能。

    借助機(jī)器視覺進(jìn)行在線分級(jí)檢測(cè)是水果實(shí)現(xiàn)自動(dòng)化生產(chǎn)和商品化處理的重要環(huán)節(jié)[14]。但是,水果分級(jí)檢測(cè)大多在室內(nèi)環(huán)境中進(jìn)行,光線噪聲嚴(yán)重影響著視覺檢測(cè)的準(zhǔn)確性。因此,在檢測(cè)過程中需要重點(diǎn)克服光線噪聲的影響。另外,由于同一水果品種的形狀等特征差別細(xì)微,精細(xì)化水果分級(jí)難度較大。目前多數(shù)對(duì)蘋果分級(jí)檢測(cè)的研究由于圖像檢測(cè)速度較慢,因此難以實(shí)現(xiàn)在線檢測(cè)[15-16]。為滿足蘋果檢測(cè)分級(jí)系統(tǒng)的實(shí)際應(yīng)用需求,對(duì)準(zhǔn)確率和檢測(cè)速度提出更高要求。

    目前,蘋果的形態(tài)和果面等外觀特征是劃分蘋果等級(jí)的關(guān)鍵參考因素[17-20],借助采集圖像提取蘋果多個(gè)重要特征,快速建立高效分級(jí)模型是提高蘋果分級(jí)精度和分級(jí)速度的有效途徑。本文探討了利用機(jī)器視覺技術(shù)采集蘋果圖像的特征參數(shù),通過分析蘋果分級(jí)指標(biāo),采用決策融合方法將判別樹(decision tree,DT)的初步分級(jí)結(jié)果和粒子群優(yōu)化的支持向量機(jī)(support vector machine,SVM)的分級(jí)模型相結(jié)合,實(shí)現(xiàn)蘋果在線檢測(cè)的精細(xì)化分級(jí)。同時(shí),對(duì)于光照不均問題,提出對(duì)光照不均蘋果圖像進(jìn)行分割的三層 Canny方法,以提高在光照影響下蘋果分級(jí)檢測(cè)的穩(wěn)定度。

    1 試驗(yàn)設(shè)計(jì)與標(biāo)定

    1.1 試驗(yàn)平臺(tái)構(gòu)建

    試驗(yàn)裝置如圖1所示。試驗(yàn)設(shè)備主要包括皮帶機(jī)、光源、工業(yè)攝像機(jī)、圖像采集器、工控機(jī)、控制器。試驗(yàn)過程為:首先,當(dāng)蘋果由皮帶機(jī)送達(dá)工業(yè)攝像機(jī)的拍照范圍,光電傳感器會(huì)觸發(fā)攝像機(jī)開始拍照,實(shí)現(xiàn)對(duì)成像區(qū)域內(nèi)目標(biāo)進(jìn)行圖像采集。其次,由圖像處理單元提取采集圖像,并對(duì)成像區(qū)域內(nèi)目標(biāo)進(jìn)行提取和檢測(cè),同時(shí),記錄檢測(cè)時(shí)間。試驗(yàn)前,調(diào)整工業(yè)攝像頭位置,使其成像范圍能夠覆蓋傳送帶物料區(qū)。采集圖像格式設(shè)置為JPEG,光照度約為800 lx。為較精確從采集到的圖像中提取目標(biāo)物蘋果特征,采用黑色傳送帶。為避免成像模糊,同時(shí)保持檢測(cè)效率,傳送帶速度設(shè)置為0.4 m/s左右。

    圖1 蘋果分級(jí)檢測(cè)試驗(yàn)系統(tǒng)原理圖Fig.1 Schematic diagram of apple grading detection experiment

    1.2 分級(jí)樣本

    GB/T10651-2008《鮮蘋果》的頒布,為蘋果分級(jí)提供了指導(dǎo)?!鄂r蘋果》中將蘋果樣本的檢測(cè)等級(jí)劃分為三級(jí):優(yōu)等品、一等品和二等品。結(jié)合機(jī)器視覺系統(tǒng)特點(diǎn)分析,確定本次試驗(yàn)分級(jí)指標(biāo)為果徑、果面缺陷、色澤、果形、果面紋理和顏色分布等6類外觀特征,見表1。試驗(yàn)用富士蘋果樣本全部采購自大連某批發(fā)市場(chǎng)。在蘋果分級(jí)過程中,應(yīng)對(duì)無明顯缺陷蘋果進(jìn)一步精細(xì)化分級(jí),提高分級(jí)準(zhǔn)確度,使檢測(cè)分級(jí)具有實(shí)際意義。預(yù)先選出滿足等級(jí)要求的蘋果樣本共150個(gè),每級(jí)樣本為50個(gè)。

    表1 富士蘋果外觀等級(jí)Table 1 Appearance class of red Fuji apple

    1.3 尺寸標(biāo)定

    為實(shí)現(xiàn)圖像像素尺寸與真實(shí)尺寸轉(zhuǎn)化,根據(jù)標(biāo)準(zhǔn)矩形工件尺寸來標(biāo)定像素當(dāng)量,進(jìn)而測(cè)量果徑、面積等特征。首先,將工件置于傳送帶上,保持?jǐn)z像機(jī)高度不變。其次,為提高標(biāo)定精確度,采用距離正則化水平集方法[21]提取工件圖像。根據(jù)距離正則化水平集檢測(cè)的邊緣來提取工件輪廓,并對(duì)分割后圖像進(jìn)行最小外接矩形擬合[22],圖2為圖像尺寸標(biāo)定過程。

    計(jì)算工件圖像上縱向和橫向像素長(zhǎng)度。用公式(1)計(jì)算橫向像素當(dāng)量 Pex和縱向像素當(dāng)量Pey(單位:cm/pixel)。像素當(dāng)量 Pe為 Pex和 Pey的平均值。

    式中 La為工件橫向?qū)嶋H長(zhǎng)度(cm),Lp為工件橫向長(zhǎng)像素個(gè)數(shù);Wa為縱向?qū)嶋H長(zhǎng)度(cm),Wp為縱向長(zhǎng)像素個(gè)數(shù)。

    圖2 尺寸標(biāo)定過程Fig.2 Size calibration process

    2 基于三層Canny的蘋果輪廓提取

    光照不均使采集圖像出現(xiàn)灰度分布不均現(xiàn)象,導(dǎo)致識(shí)別難度增加。因此,采用圖像預(yù)處理和多層Canny[23]圖像分割方法來提取蘋果輪廓。圖3為蘋果輪廓的提取步驟。

    圖3 蘋果輪廓提取步驟Fig.3 Extraction steps of apple contour

    2.1 預(yù)處理

    由采集到的原圖(圖4a)可以看出,原圖像存在噪聲,容易干擾分割和特征分析。采用小波分解和中值濾波相結(jié)合來對(duì)圖像進(jìn)行預(yù)處理,實(shí)現(xiàn)圖像壓縮和降噪,提高實(shí)時(shí)處理效率和質(zhì)量。

    1)采用小波變換[23]壓縮原圖像,將含有噪聲的二維圖像信號(hào)進(jìn)行多尺度分解,時(shí)域信號(hào)轉(zhuǎn)換到小波域中,充分提取信號(hào)的小波系數(shù),分解級(jí)數(shù)為2,低頻信號(hào)為壓縮圖像,圖像壓縮后平均節(jié)省時(shí)間0.03 s左右。

    2)采用自適應(yīng)中值濾波[24],對(duì)圖像每個(gè)區(qū)域進(jìn)行噪聲檢測(cè),按區(qū)域中受到噪聲污染程度不同來選擇濾波方形窗口尺寸。根據(jù)所檢測(cè)出的噪聲點(diǎn)進(jìn)行中值濾波。

    圖4b為預(yù)處理結(jié)果,處理前后峰值信噪比PSNR約為48.41 dB,處理結(jié)果顯示壓縮后失真率較低,但圖中光照影響仍存在,需要在后續(xù)過程中進(jìn)一步處理。

    2.2 邊緣檢測(cè)

    邊緣檢測(cè)的目的是提取目標(biāo)。但采集圖像受到光源影響,灰度分布不均,單一閾值無法分割。因此采用多閾值來進(jìn)行圖像分割。眾所周知,Canny算子[23,25]的魯棒性較好,但邊緣提取受到平滑函數(shù)尺度影響,同時(shí)考慮局部相對(duì)灰度的不同會(huì)引起碎片分割。在Canny算法中,某一層的目標(biāo)邊緣可能不會(huì)被其他層檢測(cè)到,因此,需要建立三層互相補(bǔ)充檢測(cè)點(diǎn)?;谠撍枷胩岢隽巳龑覥anny的分割算法,其基本步驟為:

    圖4 圖像分割過程與比較Fig.4 Process and comparison of image segmentation

    1)令圖像f(x,y)為輸入圖像,g(x,y)為平滑后圖像,用函數(shù)h(x,y,σ)平滑輸入圖像f(x,y):

    2)采用2×2一階有限差分近似式計(jì)算平滑后圖像g(x,y)梯度,即x與y偏導(dǎo)數(shù)的兩個(gè)陣列Gx(x,y)和Gy(x,y):

    其幅值和方位角可用直角坐標(biāo)系到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化公式來計(jì)算,

    式中M[x,y]反映圖像邊緣強(qiáng)度,θ [x,y]反映邊緣方向。Gx(x,y)、Gy(x,y)分別為x與y偏導(dǎo)數(shù)的兩個(gè)陣列。θ[x,y]為M[x,y]取得局部最大值的方向角,反映邊緣方向。

    3)確定邊緣,確定邊緣必須保留局部梯度最大點(diǎn),而抑制非極大值。利用梯度方向,將梯度角離散為圓周的4個(gè)扇區(qū)之一,用3×3的窗口作抑制運(yùn)算。4個(gè)扇區(qū)標(biāo)號(hào)為0~3,對(duì)應(yīng)3×3鄰域4種可能組合。在每個(gè)點(diǎn)上,鄰域中心像素M[x,y]與沿著梯度線的兩個(gè)像素相比較,如果M[ x,y]的梯度值不大于沿梯度線的兩個(gè)相鄰像素梯度值,則令M[ x,y]=0。用滯后閾值去除多層中多余邊緣點(diǎn)。

    4)將三層邊緣點(diǎn)合并為一個(gè)邊緣線。三層Canny的滯后閾值T1,T2和T3分別設(shè)為0.24,0.13和0.07;標(biāo)準(zhǔn)差為1,2和3。每層邊緣檢測(cè)結(jié)果依次為圖4c-e。

    5)用形態(tài)學(xué)對(duì)圖像進(jìn)行閉操作,填充和開操作,克服光照不均的分割圖,分割結(jié)果為圖 4 f。形態(tài)學(xué)操作時(shí)選擇圓形結(jié)構(gòu)元素,其參數(shù)設(shè)為3。

    為說明三層 Canny算法的優(yōu)越性,針對(duì)預(yù)處理后圖像,與兩個(gè)經(jīng)典分割算法[23]相比較。如圖4g和4h所示,Ostu算法[26]在反光情況下會(huì)出現(xiàn)欠分割問題;傳統(tǒng)Canny算法在背景灰度不均地方存在過分割現(xiàn)象。因此,針對(duì)采集圖像,三層 Canny算法的分割效果優(yōu)于另外兩種經(jīng)典方法。

    3 基于決策融合的蘋果分級(jí)模型

    在蘋果分級(jí)中,蘋果的各個(gè)特征之間具有無關(guān)性。但由表1 可得,獨(dú)立的特征不能判斷蘋果等級(jí)。因此,引入決策融合的概念,根據(jù)各項(xiàng)特征綜合來判斷樣本的等級(jí)。整個(gè)分級(jí)模型的結(jié)構(gòu)如圖5所示。

    圖5 蘋果分級(jí)模型結(jié)構(gòu)圖Fig.5 Model structure of apple grading

    3.1 特征提取

    1)果徑R(cm):

    式中Na為蘋果區(qū)域內(nèi)的像素個(gè)數(shù),Pe為像素當(dāng)量,Cp為圖像壓縮率。

    2)缺陷面積S(cm2):

    式中Nbp為果面缺陷區(qū)域內(nèi)的像素個(gè)數(shù),根據(jù)試驗(yàn)樣本分析,果面缺陷主要為深色,在灰度圖像中,像素灰度級(jí)均小于20的次大區(qū)域即為缺陷。

    3)色澤Q:蘋果紅色區(qū)域內(nèi)的像素?cái)?shù)與總面積內(nèi)像素?cái)?shù)之間的比值。

    4)果形特征

    首先,用凸度Dcon描述果形規(guī)則程度,公式如下:

    式中 So為目標(biāo)的像素個(gè)數(shù),Sc為目標(biāo)最小凸包的像素個(gè)數(shù)。

    另外,傅立葉描述子[23],用于補(bǔ)充描述蘋果輪廓信息,傅立葉描述子參數(shù)量選為21。

    5)果面紋理

    紋理特征具有旋轉(zhuǎn)不變性和局部抗噪能力,可用來描述果面光滑程度?;诨叶裙采仃嚨募y理特征分析方法[23],通過計(jì)算灰度來得到共生矩陣,采用反差、能量、熵和逆差距 4 個(gè)參數(shù)表征紋理特征。設(shè)I(x,y)為蘋果圖像,x和y分別代表橫坐標(biāo)和縱坐標(biāo),p(i,j)為圖像的灰度共生矩陣,i和j代表灰度值,則有:

    6)顏色分布

    數(shù)字圖像顏色可用RGB分量值,蘋果顏色分布特征主要包括: R分量均值與方差、G分量均值與方差、平均灰度等5個(gè)參數(shù)值。

    最后,為避免特征間干擾,對(duì)其進(jìn)行歸一化。

    3.2 判別樹分級(jí)模型

    針對(duì)果徑、缺陷面積和色澤特征有明確分級(jí)指標(biāo),見表1。因此,依據(jù)分級(jí)指標(biāo)構(gòu)造判別樹模型進(jìn)行樣本判斷,得到候選等級(jí),分級(jí)結(jié)構(gòu)如圖6所示。

    圖6 判別樹分級(jí)結(jié)構(gòu)Fig.6 Grading structure of decision tree

    3.3 SVM分級(jí)模型

    針對(duì)復(fù)雜高維的特征,建立有監(jiān)督的分類模型,依據(jù)人工經(jīng)驗(yàn)訓(xùn)練樣本進(jìn)行分級(jí)。采用的特征包括果形、果面紋理和顏色分布。

    3.3.1 特征降維

    為提高分級(jí)實(shí)時(shí)性,高維特征需要降維。由于該特征集具有非線性特點(diǎn),采用核主元分析法(kernel principal component analysis,KPCA)[27]。設(shè)輸入樣本矩陣,對(duì)X進(jìn)行非線性變換 φ(·)映射到特征空間F中,設(shè),則協(xié)方差矩陣為:

    求解方程λv=Cv的特征值λ及相應(yīng)特征向量v,設(shè)i=1,2,…,N,存在系數(shù)α={α1,α2,…,αN}:

    核函數(shù)選擇徑向基核函數(shù),其計(jì)算公式如下:

    式中g(shù)是選定的參數(shù)。

    3.3.2 SVM分類方法

    SVM方法[28-29]能解決小樣本訓(xùn)練集的機(jī)器學(xué)習(xí)問題,提高泛化性能。假設(shè)訓(xùn)練樣本標(biāo)簽向量,核函數(shù)為K,ai為每個(gè)樣本對(duì)應(yīng)的Lagrange乘數(shù)。

    對(duì)于具體分類問題,關(guān)鍵是計(jì)算 ai,構(gòu)造與求解最優(yōu)化問題如下:

    則SVM的分類函數(shù)P(x)為:

    式中sgn(·)為符號(hào)函數(shù),將徑向基函數(shù)作為核函數(shù),見公式(16)。

    由于SVM只適用兩類,因此,采用“一對(duì)一”的判別策略[28],對(duì)于3類問題,需要構(gòu)造3個(gè)分類函數(shù),通過投票機(jī)制得票最多的類別即為未知樣本類別。

    在訓(xùn)練時(shí),由于SVM模型的參數(shù)ζ和核參數(shù)g兩個(gè)預(yù)設(shè)參數(shù)對(duì)分類影響較大。為避免參數(shù)盲目選擇,引入具有較好全局遍歷能力的粒子群優(yōu)化算法(particle swarm optimization,PSO)[30-31],對(duì)參數(shù)ζ和g進(jìn)行優(yōu)化選擇。優(yōu)化過程如下:1)由參數(shù)SVM參數(shù){ζ,g}映射成一個(gè)粒子,并隨機(jī)產(chǎn)生一組粒子的初始位置;2)適應(yīng)度確定。粒子的適應(yīng)度值越大,則粒子位置越好。用帶入SVM參數(shù)集計(jì)算每個(gè)粒子的k-折交叉驗(yàn)證值作為其適應(yīng)度;3)計(jì)算個(gè)體最優(yōu)位置,更新粒子速度和位置。迭代終止得到全局最優(yōu)粒子映射為{ζ,g},建立參數(shù)優(yōu)化的SVM模型。

    3.4 決策融合

    針對(duì)一個(gè)蘋果樣本進(jìn)行決策融合,判別策略為:比較判別樹模型和SVM模型的分級(jí)結(jié)果,樣本的最終等級(jí)對(duì)應(yīng)兩個(gè)結(jié)果中的較低等級(jí)。例如,針對(duì)某一樣本,判別樹模型的分類等級(jí)為一等品,SVM模型的分類等級(jí)為二等品,則該蘋果樣本為二等品。

    4 結(jié)果與分析

    利用尺寸已知的標(biāo)準(zhǔn)件對(duì)像素當(dāng)量進(jìn)行標(biāo)定,工件長(zhǎng)為12 cm,寬10 cm。通過尺寸標(biāo)定方法得到像素當(dāng)量Pe=0.0331 cm/pixel。為驗(yàn)證測(cè)量精度,隨機(jī)選取5個(gè)蘋果樣本,利用游標(biāo)卡尺測(cè)量作為其實(shí)際果徑,再結(jié)合像素當(dāng)量采用機(jī)器視覺方法計(jì)算,不考慮人工誤差,平均測(cè)量誤差約為2.83%,滿足實(shí)際要求,并且機(jī)器視覺測(cè)量果徑普遍小于人工測(cè)量果徑,究其原因在于機(jī)器視覺測(cè)量果徑是有效面積擬合的圓直徑,而人工針對(duì)單樣本是采用隨機(jī)角度 3 次測(cè)量方式。因此,在本次試驗(yàn)中,對(duì)機(jī)器視覺所測(cè)的果徑值均加補(bǔ)償值0.2 cm。

    在試驗(yàn)前,對(duì)150個(gè)蘋果樣本進(jìn)行人工分級(jí),每級(jí)包括50個(gè)蘋果。首先,在每級(jí)樣本中隨機(jī)抽出10個(gè)蘋果按分級(jí)順序放入傳送帶進(jìn)行采集圖像離線訓(xùn)練。使用KPCA降維特征用于訓(xùn)練,得到特征維數(shù)為4,建立粒子群優(yōu)化的SVM分類參數(shù)模型。根據(jù)經(jīng)驗(yàn),設(shè)定優(yōu)化參數(shù)為:粒子群優(yōu)化算法的種群數(shù)量為 2 0,最大迭代次數(shù)為80,得到最優(yōu)ζ和g分別為18.2和8.8。粒子群優(yōu)化的適應(yīng)度變化結(jié)果如圖7所示。

    為表明分級(jí)檢測(cè)方法的有效性,用剩余 1 20個(gè)蘋果樣本進(jìn)行在線批量測(cè)試。將樣本置于傳送帶上進(jìn)行連續(xù)驗(yàn)證。在線分級(jí)檢測(cè)結(jié)果如表2 所示。以人工分級(jí)結(jié)果為基準(zhǔn),采用決策融合方法對(duì)上述蘋果樣本進(jìn)行分級(jí)的準(zhǔn)確率分別為95%、92.5%、97.5%,總準(zhǔn)確率達(dá)95%,表明該方法的正確性和有效性。處理計(jì)算機(jī)配置為處理器3.40 GHz和內(nèi)存8 G。針對(duì)120個(gè)蘋果的批量測(cè)試樣本,在線分級(jí)檢測(cè)總用時(shí)約為29 s,平均速度為4個(gè)/s,能夠滿足實(shí)時(shí)要求。

    圖7 粒子群優(yōu)化的適應(yīng)度曲線Fig.7 Fitness curve of PSO

    表2 批量蘋果分級(jí)檢測(cè)結(jié)果Table 2 Grading results of batch apples

    采用本文方法對(duì)蘋果樣本等級(jí)進(jìn)行在線檢測(cè),雖然能夠?qū)Υ蠖鄶?shù)樣本準(zhǔn)確分級(jí),但對(duì)少量樣本存在誤分。除了存在果徑測(cè)量誤差和人工分級(jí)的失誤外,分析造成錯(cuò)誤分級(jí)的主要原因有:1)受到傳動(dòng)帶運(yùn)行速度及外界光照等因素干擾,因此采集到的蘋果圖像存在噪聲,容易影響蘋果色澤和紋理特征計(jì)算,致使高等級(jí)蘋果誤判為低等級(jí)蘋果。2)由于機(jī)器視覺成像范圍限制,未能檢測(cè)水果底部和下側(cè)面的缺陷,造成低等級(jí)蘋果誤判為高等級(jí)蘋果。

    5 結(jié) 論

    1)利用機(jī)器視覺技術(shù),在線采集傳送帶上的蘋果圖像,針對(duì)光線噪聲干擾情況,提出基于三層 Canny算子圖像分割方法。該方法可以有效克服光照影響,滿足自動(dòng)提取蘋果圖像要求。

    2)提出基于融合決策的蘋果分級(jí)檢測(cè)模型。果徑、缺陷面積和著色度等特征采用判別樹分級(jí)模型;同時(shí),針對(duì)果形、紋理和顏色分布等復(fù)雜特征,通過訓(xùn)練建立基于粒子群優(yōu)化的SVM模型來進(jìn)行分級(jí)。最后,根據(jù)決策融合策略來確定該樣本等級(jí)。試驗(yàn)準(zhǔn)確率高達(dá)95%,證明該方法的可行性。

    3)由于該方法屬于在線檢測(cè),所以,對(duì)實(shí)時(shí)性要求較高。本文從2個(gè)方面進(jìn)行改進(jìn),一方面,在圖像預(yù)處理階段,對(duì)圖像進(jìn)行壓縮,平均節(jié)省時(shí)間0.03 s左右;另一方面,在SVM模型中的特征屬于高維非線性特征,為了滿足實(shí)時(shí)性要求,引入核函數(shù)方法對(duì)其降維。

    [1] Blasco J,Aleixos N,Moltó E. Machine vision system for automatic quality grading of fruit[J]. Biosystems Engineering,2003,85(4):415-423.

    [2] 宋懷波,張傳棟,潘景朋,等. 基于凸殼的重疊蘋果目標(biāo)分割與重建算法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013,29(3):163-168. Song Huaibo,Zhang Chuandong,Pan Jingpeng,et al. Segmentation and reconstruction of overlappedapple images based on convex hull[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(3):163-168.(in Chinese with English abstract)

    [3] 周薇,馮娟,劉剛,等. 蘋果采摘機(jī)器人中的圖像配準(zhǔn)技術(shù)[J]. 農(nóng)業(yè)工程學(xué)報(bào),2013,29(11):20-26. Zhou Wei,Feng Juan,Liu Gang,et al. Application of image registration technology in apple harvest robot[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(11):20-26.(in Chinese with English abstract)

    [4] Yogitha S,Sakthivel P. A distributed computer machine vision system for automated inspection and grading of fruits[C]// International Conference on Green Computing Communication and Electrical Engineering. 2014:1-4.

    [5] 顧玉宛,史國(guó)棟,劉曉洋,等. 基于空間特征譜聚類算法的含噪蘋果圖像優(yōu)化分割[J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(16):159-167. Gu Yuwan,Shi Guodong,Liu Xiaoyang,et al. Optimization spectral clustering algorithm of apple image segmentation with noise based on space feature[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2016,32(16):159-167.(in Chinese with English abstract)

    [6] Li Q,Wang M,Gu W. Computer vision based system for apple surface defect detection[J]. Computers &Electronics in Agriculture,2002,36(23):215-223.

    [7] 朱德利,陳兵旗,楊雨濃,等. 蘋果采摘機(jī)器人視覺系統(tǒng)的暗通道先驗(yàn)去霧方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(16):151-158. Zhu Deli,Chen Bingqi,Yang Yunong,et al. Method of haze-removal based on dark channel prior in visual system of apple harvest robot[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2016,32(16):151-158.(in Chinese with English abstract)

    [8] 賈偉寬,趙德安,阮承治,等. 蘋果采摘機(jī)器人夜間圖像降噪算法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2015,31(10):219-226. Jia Weikuan,Zhao Dean,Ruan Chengzhi,et al. De-noising algorithm of night vision image for apple harvesting robot[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2015,31(10):219-226.(in Chinese with English abstract)

    [9] 趙娟,彭彥昆,SAGAR D,等. 基于機(jī)器視覺的蘋果外觀缺陷在線檢[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(增刊1):260-263. Zhao Juan,Peng Yankun,Sagar D,et al. On-line detection of apple surface defect based on image processing method[J]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(Supp. 1):260-263.(in Chinese with English abstract)

    [10] 陳艷軍,張俊雄,李偉,等. 基于機(jī)器視覺的蘋果最大橫切面直徑分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2012,28(2):284-288. Chen Yanjun,Zhang Junxiong,Li Wei,et al. Grading method of apple by maximum cross-sectional diameter based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2012,28(2):284-288.(in Chinese with English abstract)

    [11] 朱堅(jiān)民,雷靜桃,翟東婷,等. 基于灰關(guān)聯(lián)分析和模糊隸屬度匹配的球形水果自動(dòng)識(shí)別方法[J]. 儀器儀表學(xué)報(bào),2012,33(8):1826-1836. Zhu Jianmin,Lei Jingtao,Zhai Dongting,et al. Spherical fruit automatic recognition method based on grey relational analysis and fuzzy membership degree matching[J]. Chinese Journal of Scientific Instrument,2012,33(8):1826-1836.(in Chinese with English abstract)

    [12] Mizushima A,Lu R. An image segmentation method for apple sorting and grading using support vector machine and Otsu’s method[J]. Computers &Electronics in Agriculture,2013,94(94):29-37.

    [13] Bhatt A K,Pant D. Automatic apple grading model development based on back propagation neural network and machine vision,and its performance evaluation[J]. Ai &Society,2015,30(1):45-56.

    [14] Du C J,Sun D W. Learning techniques used in computer vision for food quality evaluation:A review[J]. Journal of Food Engineering,2006,72(1):39-55.

    [15] Leemans V,Destain M F. A real-time grading method of apples based on features extracted from defects[J]. Journal of Food Engineering,2004,61(1):83-89.

    [16] Toylan H,Kuscu H. A real-time apple grading system using multicolor space[J]. The Scientific World Journal,2013,2014(1):292681-292681.

    [17] 李先鋒,朱偉興,花小朋,等. 基于D-S證據(jù)理論的決策級(jí)多特征融合蘋果分級(jí)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(6):188-192.

    [18] Li X,Zhu W. Apple grading method based on features fusion of size,shape and color[J]. Procedia Engineering,2011,15(1):2885-2891.

    [19] Radojevi? R L,Petrovi? D V,Pavlovi? V B,et al. Digital parameterization of apple fruit size,shape and surface spottiness[J]. African Journal of Agricultural Research,2011,6(13):3131—3142.

    [20] Garrido-Novell C,Pérez-Marin D,Amigo J M,et al. Grading and color evolution of apples using RGB and hyperspectral imaging vision cameras[J]. Journal of Food Engineering,2012,113(2):281-288.

    [21] Li C,Xu C,Gui C,et al. Distance regularized level set evolution and its application to image segmentation[J],IEEE Transactions on Image Processing,2010,19(12):3243-3254.

    [22] Wang W. Image analysis of particles by modified ferret method:best-fit rectangle[J]. Powder Technology,2006. 165(1):1-10.

    [23] Gonzalez R C,Woods R E,Eddins S L. Digital image processing using MATLAB[M]. Upper Saddle River:Prentice Hall,2004.

    [24] 張旭明,徐濱士,董世運(yùn). 用于圖像處理的自適應(yīng)中值濾波[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2005,17(2):295-299. Zhang Xuming,Xu Binshi,Dong Shiyun. Adaptive median filtering for image processing[J]. Journal of computer-aideddesign &compter graphics,2005,17(2):295-299.(in Chinese with English abstract)

    [25] 費(fèi)繼友,謝金路,李花,等. 基于字符特征約束的自適應(yīng)車牌校正提取[J]. 儀器儀表學(xué)報(bào),2016(3):632-639. Fei Jiyou,Xie Jinlu,Li Hua,et al. Adaptive license plate correction and extraction based on character feature constraint[J]. Chinese Journal of Scientific Instrument,2016(3):632-639.(in Chinese with English abstract)

    [26] Otsu N. A Threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems Man &Cybernetics,1979,9(1):62-66.

    [27] Lee J M,Yoo C K,Sang W C,et al. Nonlinear process monitoring using kernel principal component analysis[J]. Chemical Engineering Science,2004,59(1):223-234.

    [28] Chang C,Lin C. LIBSVM:a library for support vector machines[J]. ACM Transactions on Intelligent Systems and Technology,2011,2(27):1-27.

    [29] 王璨,李志偉. 利用融合高度與單目圖像特征的支持向量機(jī)模型識(shí)別雜草[J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(15):165-174. Wang Can,Li Zhiwei. Weed recognition using SVM model with fusion height and monocular image features[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2016,32(15):165-174.(in Chinese with English abstract)

    [30] Poli R,Kennedy J,Blackwell T. Particle swarm optimization:an overview[J]. Swarm Intelligence,2007,1(1):33-57.

    [31] 肖艷,姜琦剛,王斌,等. 基于ReliefF和PSO混合特征選擇的面向?qū)ο笸恋乩梅诸怺J]. 農(nóng)業(yè)工程學(xué)報(bào),2016,32(4):211-216. Xiao

    Yan,Jiang Qigang,Wang Bin,et al. Object basedlanduse classification based on hybrid feature selection method of combining Relief F and PSO[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2016,32(4):211-216.(in Chinese with English abstract)

    Online apple grading based on decision fusion of image features

    Huang Chen,Fei Jiyou※
    (School of Mechanical Engineering,Dalian Jiaotong University,Dalian 116028,China)

    Machine vision has been applied in automatic grading for fruit recently. It is well known that as an important detection task,online fruit grading automation faces some challenges in online sorting system. Machine vision is a developing technique facilitating the fruit detection. In this paper,in order to improve the accuracy and efficiency for apple grading,an online detection method of apple grading based on machine vision features is presented. Apple images can be captured from the online industrial camera in the sorting system,which can ensure that the imaging view is suitable for the object area of the conveyor. At first,to obtain the relationship between the real size and the image size,the improved calibration algorithm with the standard workpiece is used to calculate the pixel equivalent of the captured image. The distance regularized level set method is introduced to segment the workpiece edge,and the best-fit rectangle method is used to compute the length and width of the pixels. Then the values of pixel equivalent in length and width are respectively obtained. Secondly,because apple grading detections are mostly performed in indoors,illumination can seriously affect the detection accuracy. For this problem mentioned above,the image preprocessing including wavelet compression and median filtering is introduced to reduce the size and overcome the noise which is from the image acquiring and transmission previously. Accordingly,the improved three-layer Canny edge detection algorithm is proposed to extract the apple contour for the online image which suffers from the uneven lighting. In this step,the 3 different thresholds and scales are considered. The morphological operation is used to close the edge. Thirdly,according to the characteristics of the appearance class of the Fuji apple,multi-feature parameters can be considered,which include fruit diameter,defeat area,color degree,fruit shape,texture features,color distribution parameters and so on. Decision tree is used to determine the candidate class with fruit diameter,defeat area and color degree features. In the meanwhile,to save the online computation time,the features set should be reduced. So kernel principal component analysis(KPCA) is used to reduce both nonlinearity and dimension for fruit shape,texture and color distribution features. Support vector machine(SVM) is introduced to classify apple grades with dimensionality reduction features. The parameters of SVM are selected with particle swarm optimization(PSO) method for the training set. Finally,decision fusion is used for the apple grading based on decision tree result and SVM model result. In the experimental case,the actual fruit diameters were measured with vernier caliper for 5 apples,and the machine vision method with pixel equivalent was also used for measuring the fruit diameters of the same apples. Measurement error was about 2.83%. Then 30 apples were selected for training SVM modeling,and 120 apples were used to test the proposed method. The results showed that the recognition accuracy based on the decision fusion of image features could reach 95%. The proposed model has good performance of accuracy and stability. So the proposed method is believed to be feasible for online grading of apples. It also provides a frame of reference for other types of fruits.

    image processing;support vector machine;computer vision;apple grading;decision fusion;three-layer Canny;feature analysis

    10.11975/j.issn.1002-6819.2017.01.039

    TP391.4

    A

    1002-6819(2017)-01-0285-07

    黃 辰,費(fèi)繼友. 基于圖像特征融合的蘋果在線分級(jí)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2017,33(1):285-291.

    10.11975/j.issn.1002-6819.2017.01.039 http://www.tcsae.org

    Huang Chen,Fei Jiyou. Online apple grading based on decision fusion of image features[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2017,33(1):285-291.(in Chinese with English abstract)doi:10.11975/j.issn.1002-6819.2017.01.039 http://www.tcsae.org

    2016-06-27

    2016-10-24

    國(guó)家自然科學(xué)基金資助項(xiàng)目(51376028);國(guó)家科技支撐計(jì)劃(2015BAF20B02)。

    黃 辰,女,遼寧營(yíng)口人,工程師,博士生,主要從事運(yùn)動(dòng)控制研究。大連大連交通大學(xué)機(jī)械工程學(xué)院,116028。Email:huangchen054@163.com

    ※通信作者:費(fèi)繼友,男,吉林松原人,教授,博士生導(dǎo)師,主要從事現(xiàn)代測(cè)試技術(shù)研究。大連大連交通大學(xué)機(jī)械工程學(xué)院,116028。Email:fjy@djtu.edu.cn

    猜你喜歡
    像素分級(jí)蘋果
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    像素前線之“幻影”2000
    “像素”仙人掌
    分級(jí)診療路難行?
    收獲蘋果
    有毒的蘋果
    分級(jí)診療的“分”與“整”
    拿蘋果
    高像素不是全部
    CHIP新電腦(2016年3期)2016-03-10 14:22:03
    會(huì)說話的蘋果
    亚洲专区中文字幕在线| 亚洲欧洲日产国产| 91国产中文字幕| 色精品久久人妻99蜜桃| 美女中出高潮动态图| 精品国产国语对白av| 精品欧美一区二区三区在线| 国产国语露脸激情在线看| 国产亚洲精品久久久久5区| 成人亚洲精品一区在线观看| 国产免费又黄又爽又色| 国产日韩欧美亚洲二区| 亚洲精品成人av观看孕妇| 欧美 亚洲 国产 日韩一| 日本av手机在线免费观看| 一级片'在线观看视频| 国产极品粉嫩免费观看在线| 伊人亚洲综合成人网| 日本黄色日本黄色录像| 涩涩av久久男人的天堂| 国产黄色视频一区二区在线观看| 高清不卡的av网站| 欧美黄色淫秽网站| 男人操女人黄网站| 大话2 男鬼变身卡| 波野结衣二区三区在线| 久久狼人影院| 18禁观看日本| 黄色毛片三级朝国网站| 青青草视频在线视频观看| 爱豆传媒免费全集在线观看| 一区二区三区精品91| 精品免费久久久久久久清纯 | 国产av国产精品国产| 爱豆传媒免费全集在线观看| 男人操女人黄网站| 国产成人精品久久二区二区91| 久久毛片免费看一区二区三区| 妹子高潮喷水视频| 99久久99久久久精品蜜桃| 国产男人的电影天堂91| 各种免费的搞黄视频| 国产一区二区三区av在线| 日韩熟女老妇一区二区性免费视频| 国产一卡二卡三卡精品| 精品亚洲乱码少妇综合久久| 黄色 视频免费看| 国产片特级美女逼逼视频| 亚洲中文日韩欧美视频| 欧美大码av| 极品人妻少妇av视频| 又大又爽又粗| 久久亚洲国产成人精品v| 欧美黑人欧美精品刺激| 99国产综合亚洲精品| 国产伦人伦偷精品视频| 亚洲欧美成人综合另类久久久| 国产淫语在线视频| 午夜精品国产一区二区电影| 男人爽女人下面视频在线观看| 色播在线永久视频| 亚洲精品久久午夜乱码| 久久久精品94久久精品| 久久久久久亚洲精品国产蜜桃av| 亚洲精品久久午夜乱码| svipshipincom国产片| 亚洲国产av新网站| 香蕉国产在线看| 久久人妻福利社区极品人妻图片 | 最新在线观看一区二区三区 | av又黄又爽大尺度在线免费看| 国产一区二区三区av在线| 亚洲一区二区三区欧美精品| 亚洲欧美精品自产自拍| 色网站视频免费| 久久鲁丝午夜福利片| 宅男免费午夜| 国产av一区二区精品久久| 天天躁狠狠躁夜夜躁狠狠躁| 午夜视频精品福利| 国产精品一区二区精品视频观看| 一本大道久久a久久精品| 50天的宝宝边吃奶边哭怎么回事| 欧美黄色淫秽网站| 波多野结衣一区麻豆| 欧美精品人与动牲交sv欧美| 亚洲七黄色美女视频| 久久天躁狠狠躁夜夜2o2o | 高清av免费在线| 日韩伦理黄色片| 国产精品 国内视频| 叶爱在线成人免费视频播放| 亚洲精品美女久久久久99蜜臀 | 99香蕉大伊视频| 免费看十八禁软件| 亚洲欧美精品自产自拍| 久久国产精品大桥未久av| 免费看不卡的av| 午夜影院在线不卡| 欧美+亚洲+日韩+国产| 亚洲熟女毛片儿| 国产老妇伦熟女老妇高清| 日日爽夜夜爽网站| 欧美大码av| 精品一区在线观看国产| 久久久国产一区二区| 午夜老司机福利片| 中文字幕人妻熟女乱码| 亚洲人成电影免费在线| 又大又爽又粗| 亚洲av日韩在线播放| 夫妻性生交免费视频一级片| 九草在线视频观看| 宅男免费午夜| 久热这里只有精品99| 日本欧美视频一区| 国产日韩欧美在线精品| 欧美+亚洲+日韩+国产| 蜜桃国产av成人99| 亚洲中文字幕日韩| 无限看片的www在线观看| 欧美日韩视频高清一区二区三区二| 免费av中文字幕在线| xxx大片免费视频| 女人精品久久久久毛片| 视频区图区小说| 久久精品久久久久久噜噜老黄| 观看av在线不卡| 大香蕉久久成人网| 在线观看免费日韩欧美大片| 日韩av不卡免费在线播放| 51午夜福利影视在线观看| 免费女性裸体啪啪无遮挡网站| 你懂的网址亚洲精品在线观看| 成人免费观看视频高清| 亚洲精品美女久久av网站| 国产精品一区二区在线观看99| av有码第一页| 国产三级黄色录像| 深夜精品福利| 人人妻人人爽人人添夜夜欢视频| 国产又色又爽无遮挡免| 欧美变态另类bdsm刘玥| 日韩 欧美 亚洲 中文字幕| 丁香六月天网| 涩涩av久久男人的天堂| 搡老岳熟女国产| 女人高潮潮喷娇喘18禁视频| av天堂在线播放| 91成人精品电影| 欧美日韩亚洲高清精品| 亚洲精品国产区一区二| 国产精品一二三区在线看| 亚洲成人免费电影在线观看 | 亚洲人成77777在线视频| 美女高潮到喷水免费观看| 青春草亚洲视频在线观看| 一边亲一边摸免费视频| 欧美黄色淫秽网站| 国产精品亚洲av一区麻豆| 精品一区二区三区四区五区乱码 | 精品一区在线观看国产| 青青草视频在线视频观看| 色视频在线一区二区三区| 人人澡人人妻人| 色视频在线一区二区三区| 91老司机精品| 精品少妇内射三级| 又黄又粗又硬又大视频| 老司机在亚洲福利影院| 国产精品一区二区精品视频观看| 女性被躁到高潮视频| 高清欧美精品videossex| 人妻人人澡人人爽人人| 色播在线永久视频| 一本综合久久免费| 亚洲国产精品成人久久小说| 水蜜桃什么品种好| 妹子高潮喷水视频| 91字幕亚洲| 午夜影院在线不卡| 亚洲人成77777在线视频| 性色av乱码一区二区三区2| 国产成人精品在线电影| 久久女婷五月综合色啪小说| 国产成人精品在线电影| 国产亚洲精品久久久久5区| 天堂中文最新版在线下载| 日本a在线网址| 视频在线观看一区二区三区| 日韩人妻精品一区2区三区| 久久99精品国语久久久| 免费在线观看黄色视频的| 久久久久视频综合| 久久久久国产一级毛片高清牌| 婷婷丁香在线五月| 色综合欧美亚洲国产小说| 国产精品 欧美亚洲| 精品久久蜜臀av无| 欧美日韩亚洲国产一区二区在线观看 | 国产日韩一区二区三区精品不卡| 亚洲欧洲精品一区二区精品久久久| 人人澡人人妻人| 国产1区2区3区精品| 亚洲欧美清纯卡通| 高清欧美精品videossex| 美女国产高潮福利片在线看| 午夜两性在线视频| 狠狠精品人妻久久久久久综合| 黑人巨大精品欧美一区二区蜜桃| 无遮挡黄片免费观看| 男女无遮挡免费网站观看| 巨乳人妻的诱惑在线观看| 成年动漫av网址| 精品一区二区三卡| 蜜桃在线观看..| 日韩熟女老妇一区二区性免费视频| 国产欧美亚洲国产| 精品福利永久在线观看| 亚洲一区二区三区欧美精品| 99久久精品国产亚洲精品| www.熟女人妻精品国产| 在线观看免费高清a一片| 丝袜脚勾引网站| 男人舔女人的私密视频| 久久精品熟女亚洲av麻豆精品| 国产一区二区三区综合在线观看| 国产男女超爽视频在线观看| 欧美在线一区亚洲| 69精品国产乱码久久久| 99久久人妻综合| 美女视频免费永久观看网站| av在线老鸭窝| 99re6热这里在线精品视频| 精品国产一区二区三区久久久樱花| 男的添女的下面高潮视频| 欧美人与性动交α欧美精品济南到| 免费不卡黄色视频| 两个人看的免费小视频| 我要看黄色一级片免费的| 婷婷成人精品国产| 国产免费又黄又爽又色| 国产一区二区激情短视频 | 成人国产一区最新在线观看 | 午夜老司机福利片| 国产精品 国内视频| 日本午夜av视频| 人成视频在线观看免费观看| 又大又黄又爽视频免费| 欧美日韩亚洲国产一区二区在线观看 | 国产精品九九99| 国产熟女欧美一区二区| 欧美亚洲 丝袜 人妻 在线| 日本vs欧美在线观看视频| 欧美大码av| 欧美乱码精品一区二区三区| 亚洲精品第二区| 女人高潮潮喷娇喘18禁视频| 一区二区日韩欧美中文字幕| 在线天堂中文资源库| 最近最新中文字幕大全免费视频 | 国产精品熟女久久久久浪| 亚洲精品中文字幕在线视频| 日本五十路高清| 黄片小视频在线播放| 国产亚洲精品久久久久5区| 一区二区三区精品91| 亚洲av男天堂| 亚洲情色 制服丝袜| netflix在线观看网站| 国产精品免费视频内射| 久久人人97超碰香蕉20202| 国产主播在线观看一区二区 | 欧美大码av| 咕卡用的链子| 国产成人一区二区三区免费视频网站 | 少妇裸体淫交视频免费看高清 | 777米奇影视久久| 国产精品免费大片| 91九色精品人成在线观看| 热re99久久精品国产66热6| 在线观看免费视频网站a站| 香蕉丝袜av| 亚洲欧美成人综合另类久久久| 久久午夜综合久久蜜桃| 婷婷色综合www| 国产欧美日韩一区二区三区在线| 波多野结衣av一区二区av| 国产三级黄色录像| 成年人黄色毛片网站| 欧美另类一区| 在现免费观看毛片| 中文字幕制服av| 久久精品国产亚洲av涩爱| 免费看十八禁软件| 午夜激情久久久久久久| 大片免费播放器 马上看| 国产无遮挡羞羞视频在线观看| 日韩 欧美 亚洲 中文字幕| 成在线人永久免费视频| 99香蕉大伊视频| 亚洲av电影在线观看一区二区三区| 高清欧美精品videossex| 嫩草影视91久久| 亚洲精品美女久久av网站| 18在线观看网站| 亚洲国产欧美在线一区| 女人爽到高潮嗷嗷叫在线视频| 男人舔女人的私密视频| 亚洲久久久国产精品| 丝袜人妻中文字幕| 亚洲精品国产色婷婷电影| 老司机在亚洲福利影院| 天天影视国产精品| 黄频高清免费视频| 精品国产一区二区久久| 美女福利国产在线| 亚洲精品国产av蜜桃| 国产精品二区激情视频| 国产黄色免费在线视频| 美女扒开内裤让男人捅视频| 久久精品亚洲熟妇少妇任你| av在线app专区| 视频区欧美日本亚洲| 99精品久久久久人妻精品| 精品第一国产精品| 丰满饥渴人妻一区二区三| 国产午夜精品一二区理论片| 亚洲欧美精品自产自拍| av又黄又爽大尺度在线免费看| 国产精品久久久久成人av| 免费黄频网站在线观看国产| 波野结衣二区三区在线| 18禁黄网站禁片午夜丰满| 50天的宝宝边吃奶边哭怎么回事| 丰满饥渴人妻一区二区三| 18禁国产床啪视频网站| cao死你这个sao货| 久久久久国产一级毛片高清牌| 夜夜骑夜夜射夜夜干| 97在线人人人人妻| 国产免费现黄频在线看| 国产精品.久久久| 十八禁人妻一区二区| 麻豆国产av国片精品| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品一卡2卡三卡4卡5卡 | 精品一区二区三区av网在线观看 | 另类亚洲欧美激情| 久久99一区二区三区| av网站在线播放免费| 亚洲精品国产av成人精品| 男女午夜视频在线观看| 老司机影院毛片| 日本一区二区免费在线视频| 久久综合国产亚洲精品| 亚洲五月色婷婷综合| 久久精品熟女亚洲av麻豆精品| 午夜91福利影院| 老汉色∧v一级毛片| 人人妻人人爽人人添夜夜欢视频| 一区二区三区精品91| 国产高清国产精品国产三级| 侵犯人妻中文字幕一二三四区| 国产又色又爽无遮挡免| 视频在线观看一区二区三区| 欧美国产精品一级二级三级| 精品福利观看| 热99久久久久精品小说推荐| 老鸭窝网址在线观看| 中文精品一卡2卡3卡4更新| 色婷婷久久久亚洲欧美| tube8黄色片| 日本a在线网址| 啦啦啦在线观看免费高清www| 老司机影院成人| 日韩精品免费视频一区二区三区| 纵有疾风起免费观看全集完整版| 国产高清videossex| 国产亚洲一区二区精品| 99国产精品免费福利视频| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品久久精品一区二区三区| 女人被躁到高潮嗷嗷叫费观| 成在线人永久免费视频| 18禁裸乳无遮挡动漫免费视频| 亚洲一区中文字幕在线| 久久精品aⅴ一区二区三区四区| 最新的欧美精品一区二区| 久久热在线av| 亚洲三区欧美一区| 亚洲精品美女久久av网站| 极品人妻少妇av视频| 美国免费a级毛片| 成年动漫av网址| 一区二区av电影网| 国产成人精品久久二区二区免费| 丝袜喷水一区| 国产成人精品久久二区二区91| www.熟女人妻精品国产| 韩国高清视频一区二区三区| 亚洲av日韩精品久久久久久密 | 午夜免费鲁丝| 自线自在国产av| 美女脱内裤让男人舔精品视频| 啦啦啦在线观看免费高清www| 麻豆乱淫一区二区| 欧美激情极品国产一区二区三区| 日韩制服骚丝袜av| 老司机亚洲免费影院| 亚洲第一青青草原| 中文字幕人妻熟女乱码| 亚洲自偷自拍图片 自拍| 人妻 亚洲 视频| 观看av在线不卡| 99久久综合免费| 国产日韩欧美在线精品| 免费看十八禁软件| 日日爽夜夜爽网站| 在线观看一区二区三区激情| 日韩av在线免费看完整版不卡| 国产成人av激情在线播放| 午夜精品国产一区二区电影| 免费女性裸体啪啪无遮挡网站| 激情五月婷婷亚洲| 亚洲国产成人一精品久久久| 国产有黄有色有爽视频| 欧美大码av| 日韩制服丝袜自拍偷拍| 亚洲七黄色美女视频| 久久ye,这里只有精品| 午夜精品国产一区二区电影| 欧美xxⅹ黑人| 久久久久久久久免费视频了| 亚洲伊人色综图| 久久免费观看电影| 亚洲精品av麻豆狂野| tube8黄色片| 国产精品国产三级专区第一集| 啦啦啦视频在线资源免费观看| 搡老岳熟女国产| 中文欧美无线码| 咕卡用的链子| 宅男免费午夜| 国产麻豆69| 777久久人妻少妇嫩草av网站| 亚洲精品美女久久av网站| 一区在线观看完整版| 免费在线观看黄色视频的| 久久久久久久久免费视频了| 久久精品国产a三级三级三级| 男女下面插进去视频免费观看| 国产精品一区二区免费欧美 | 少妇 在线观看| 精品国产超薄肉色丝袜足j| 成人黄色视频免费在线看| 丝袜美足系列| 亚洲人成网站在线观看播放| 美女午夜性视频免费| 一区二区三区精品91| 91九色精品人成在线观看| 人妻 亚洲 视频| 久久精品久久久久久噜噜老黄| www日本在线高清视频| 人人妻人人爽人人添夜夜欢视频| 免费不卡黄色视频| 亚洲精品成人av观看孕妇| 国产精品一区二区在线观看99| 午夜激情久久久久久久| 国产成人欧美| 国产免费福利视频在线观看| 久久久久久久精品精品| 亚洲欧美色中文字幕在线| 两性夫妻黄色片| 久久精品国产综合久久久| 国产一卡二卡三卡精品| 亚洲人成电影免费在线| 亚洲成人手机| 免费少妇av软件| 中文字幕人妻熟女乱码| 欧美精品亚洲一区二区| 欧美日韩亚洲综合一区二区三区_| 亚洲情色 制服丝袜| 国产一区有黄有色的免费视频| 制服诱惑二区| 在现免费观看毛片| 久久精品人人爽人人爽视色| 国产精品一区二区在线不卡| 国产在线观看jvid| 一区在线观看完整版| 精品福利观看| 国产有黄有色有爽视频| 黄色a级毛片大全视频| 精品国产一区二区三区四区第35| 久久精品久久久久久噜噜老黄| 国产亚洲av高清不卡| 大话2 男鬼变身卡| 亚洲av片天天在线观看| 亚洲国产精品999| xxx大片免费视频| 韩国精品一区二区三区| 两性夫妻黄色片| 在现免费观看毛片| 亚洲av电影在线进入| 色视频在线一区二区三区| 欧美黑人精品巨大| 亚洲免费av在线视频| 国产欧美日韩一区二区三区在线| 亚洲精品日韩在线中文字幕| 日本欧美国产在线视频| 亚洲人成77777在线视频| 国产精品一区二区免费欧美 | 丝瓜视频免费看黄片| 91国产中文字幕| 亚洲精品一卡2卡三卡4卡5卡 | 精品人妻一区二区三区麻豆| 波多野结衣一区麻豆| 亚洲熟女毛片儿| 18在线观看网站| 九色亚洲精品在线播放| 男女免费视频国产| 欧美乱码精品一区二区三区| 精品少妇黑人巨大在线播放| 国产精品欧美亚洲77777| 免费黄频网站在线观看国产| 精品一区二区三区四区五区乱码 | 国产淫语在线视频| 亚洲欧美成人综合另类久久久| 在线观看www视频免费| 免费看十八禁软件| 黄色视频在线播放观看不卡| 少妇裸体淫交视频免费看高清 | 1024视频免费在线观看| 大片免费播放器 马上看| 亚洲国产日韩一区二区| 青春草亚洲视频在线观看| h视频一区二区三区| 首页视频小说图片口味搜索 | 久久99精品国语久久久| 老司机影院成人| 久久人妻福利社区极品人妻图片 | kizo精华| √禁漫天堂资源中文www| 美女午夜性视频免费| 国产97色在线日韩免费| 欧美+亚洲+日韩+国产| 99香蕉大伊视频| 悠悠久久av| 青草久久国产| 午夜两性在线视频| 美女大奶头黄色视频| 五月天丁香电影| 你懂的网址亚洲精品在线观看| 日日爽夜夜爽网站| 久久鲁丝午夜福利片| 搡老乐熟女国产| h视频一区二区三区| av网站在线播放免费| 午夜影院在线不卡| 亚洲精品乱久久久久久| 极品少妇高潮喷水抽搐| 国产一区二区在线观看av| 纯流量卡能插随身wifi吗| 国产精品一国产av| 99热全是精品| 免费高清在线观看视频在线观看| 日韩 亚洲 欧美在线| 人成视频在线观看免费观看| av不卡在线播放| 欧美日韩亚洲综合一区二区三区_| netflix在线观看网站| 国产精品九九99| 国产99久久九九免费精品| 欧美黄色片欧美黄色片| 欧美精品av麻豆av| 久久久精品免费免费高清| 一级毛片 在线播放| 久久久久久久大尺度免费视频| 美女大奶头黄色视频| 午夜免费鲁丝| 免费看av在线观看网站| 欧美黑人欧美精品刺激| 成年美女黄网站色视频大全免费| 成人三级做爰电影| 亚洲国产最新在线播放| 国产日韩欧美亚洲二区| 两人在一起打扑克的视频| 成人国产一区最新在线观看 | 国产日韩欧美视频二区| 男女边摸边吃奶| 秋霞在线观看毛片| 国产色视频综合| 亚洲专区中文字幕在线| 日韩一卡2卡3卡4卡2021年| 在线观看人妻少妇| xxx大片免费视频| 在线观看免费视频网站a站| 多毛熟女@视频| 免费在线观看完整版高清| 黄色怎么调成土黄色| 黄色一级大片看看| 国产免费一区二区三区四区乱码| 久久人妻福利社区极品人妻图片 | 成在线人永久免费视频| 高清欧美精品videossex| 国产女主播在线喷水免费视频网站| 欧美性长视频在线观看| 老鸭窝网址在线观看| 日韩中文字幕欧美一区二区 | 久久久精品区二区三区| 美女主播在线视频| 亚洲精品一区蜜桃| 大码成人一级视频| 国产午夜精品一二区理论片| 久久人人爽av亚洲精品天堂|