• <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 ?

    基于多特征融合與支持向量機的葡萄病害識別

    2018-02-14 08:31:00鄭建華朱立學
    現(xiàn)代農(nóng)業(yè)裝備 2018年6期
    關(guān)鍵詞:直方圖病斑紋理

    鄭建華,朱立學,朱 蓉

    (1.仲愷農(nóng)業(yè)工程學院 信息科學與技術(shù)學院,廣州 510225;2.仲愷農(nóng)業(yè)工程學院 機電工程學院,廣州 510225)

    0 前言

    葡萄味美可口且營養(yǎng)價值高。近年來,葡萄的種植面積不斷擴大,數(shù)據(jù)顯示,2017年全球葡萄園面積達到760萬 hm2。但葡萄在種植環(huán)節(jié)中容易發(fā)生病害,比如常見的白粉病、黑腐病、霜霉病和褐斑病等,從而影響葡萄品質(zhì)[1,2]。傳統(tǒng)葡萄病害的診斷基本上是憑借人工經(jīng)驗進行分析與判斷,速度慢、成本高、實時性差,診斷結(jié)果依賴人的經(jīng)驗值,容易出現(xiàn)偏差。

    葡萄病害的致病機理不同,從而導致其在葉片病斑紋理、形狀、顏色上也存在很大差異,因此近年來不斷有相關(guān)研究利用計算機圖像處理和機器學習技術(shù)對葡萄病害進行識別,并取得了一些成果。田有文[3]基于CIE XYZ顏色空間,提取了病害彩色紋理圖像特征,針對黑痘病、白粉病和霜霉病特征,應用SVM算法實現(xiàn)分類識別;在另一篇文獻中,田有文[4]以病害紋理特征、病斑形狀特征以及CIELab顏色特征,并采用SVM算法進行分類識別;Tian Youwen[5]聚焦病斑的紋理特征、顏色等特征,采用SVM方法進行識別。類似的,朱林[6]在病斑區(qū)域?qū)τ陬伾腍SV分量分別提取了基于GLCM灰度共生矩陣的4種紋理特征以及顏色特征,然后以人工神經(jīng)網(wǎng)絡為分類器進行病害診斷;劉媛[7]通過提取葉片上病斑處的顏色和灰度共生矩陣的紋理特征共28種特征,使用22種分類器進行了訓練和測試,結(jié)果表明Bagged Trees分類器識別效果最好;王利偉[8]以白粉病、黑腐病、霜霉病為研究對象,提取病害葉片的病斑區(qū)域形狀、顏色和紋理的共15個特征,采用支持向量機算法予以識別,類似的Narvekar1[9]也完成相關(guān)工作。但是,在受病害的葡萄中,其葉片常常有多個病斑,用一個或幾個代表性的病斑代表自然環(huán)境下的葉片病害圖像顯然是片面的,因此這種方式比較適合于在實驗室檢測使用,并不適用于自然環(huán)境下的檢測。圖像特征可以分為全局特征和局部特征[10],常見的顏色特征、紋理和形態(tài)特征為全局特征;典型的局部特征主要有:HOG[11,12]、Gabor[13]、LBP[14]、SIFT[15]和SURF[16]等。經(jīng)典模式識別方法的病蟲害識別研究表明,與全局特征相比,基于HOG、Gabor等局部特征,能更好克服自然環(huán)境中光照不均、姿態(tài)變化等全局干擾問題,對病蟲害昆蟲具有較好的識別效果[17],而以上關(guān)于葡萄病害識別的研究均采用全局特征,因此在適用范圍上存在一定局限性。

    近年來深度學習在計算機視覺上取得一定成功,劉闐宇[18]采用Faster-RCNN葡萄葉片,實現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡的病害檢測方法,可有效去除背景因素對病害區(qū)域干擾,降低錯誤率。類似的還有劉媛[19]對于包含復雜背景完整染病葉片樣本,使用Faster - RCNN模型先檢測圖像中的葉片,在檢出的葉片區(qū)域再進行病斑檢測,根據(jù)用外接矩形框出葉片上病斑區(qū)域,最后將該矩形圖像送入CNN進行病害類型識別。雖然深度學習在圖像識別中已經(jīng)取得較好的表現(xiàn),但是它嚴重依賴于訓練大數(shù)據(jù),在一定程度上限制了其使用范圍。

    上述研究表明,不管是傳統(tǒng)的研究方法還是基于卷積神經(jīng)網(wǎng)絡的方法,均能取得較好的識別效果,但各有使用局限。針對小樣本數(shù)據(jù),如何利用傳統(tǒng)的識別方法,同時避免特定病斑特征而進行葡萄病害識別是本研究主要目標。本研究將以葡萄三種病害為研究對象,融合病害葉片的全局和局部多特征,采用支持向量機分類器,實現(xiàn)小樣本下非病斑特征的葡萄病害識別,為后續(xù)實現(xiàn)基于云機器人的遠程自然環(huán)境葡萄病害識別奠定基礎。

    1 基于多特征融合與支持向量機的葡萄病害識別方法

    1.1 方法與流程

    本研究以葡萄葉片輪斑病、黑腐病、褐斑病為研究對象,采用機器視覺技術(shù)完成圖像預處理,并提取圖像特征。傳統(tǒng)識別方法主要利用全局特征,比如顏色、紋理、形態(tài),其中特別看重病斑的形態(tài)特征,諸如矩形長度、長寬比、病斑面積[4]等,但是一個葉片上實際可能存在多個病斑,如何綜合度量多個病斑特征是個難題。目前較多采用聚焦病斑形狀特征的識別方法,該方法比較適合實驗室環(huán)境測試,為此本研究選擇RGB顏色矩特征、基于HSV顏色直方圖特征、基于GLCM灰度共生矩陣的紋理特征。與全局特征相比,局部圖像特征具有在圖像中蘊含數(shù)量豐富、特征間相關(guān)度小、遮擋情況下不會因為部分特征的消失而影響其他特征的檢測和匹配等特點,近年來局部圖像特征在行人檢測、目標跟蹤等領域得到了廣泛應用[12,14]。在以上諸多的局部特征中,文獻[20]表明HOG特征對水稻昆蟲識別表現(xiàn)得更好,另一方面,Gabor特征產(chǎn)生的特征矩陣維度一般達幾千甚至上萬,雖然可以通過將樣本圖像縮小以減少特征維度,但是相對于其他特征而言特征維度還是非常大,出現(xiàn)不同特征之間特征維度不平衡問題,因此本文采用了HOG特征。本文將以上多個葡萄病害圖像特征進行級聯(lián)拼接融合,并采用支持向量機進行訓練與測試,從而實現(xiàn)葡萄病害識別。識別方法流程示意框圖如圖1所示。

    圖1 基于多特征融合與支持向量機的葡萄病害識別流程示意框圖

    圖1將基于多特征融合與支持向量機的葡萄病害識別分成兩個階段,第一個階段是模型訓練階段,第二個階段是模型測試階段。第一個階段先將葡萄葉片病害樣本圖像經(jīng)過預處理,預處理主要是考慮到圖像采集過程中灰塵、水霧等因素可能會對采集到的圖像產(chǎn)生噪聲,影響對葉片病害特征提取效果,本文采用3×3中值濾波對圖像進行去噪處理。然后進入到特征工程模塊,在該模塊主要實現(xiàn)特征提取和特征融合,然后送入到基于支持向量機算法模塊進行模型訓練,最終得到一個葡萄病害識別模型。在第二階段,葡萄葉片病害測試圖像同樣經(jīng)過預處理和特征工程后,基于第一階段的識別模型,完成相關(guān)測試,最終得到識別結(jié)果。

    1.2 特征工程模塊設計

    1.2.1 葡萄病害特征提取設計

    1)RGB顏色矩特征。RGB顏色模型可以表征待識別對象的豐富的顏色信息。本文利用Stricker[21]和Orengo提出的顏色矩來表征驗證特征,該方法利用顏色一階矩、顏色二階矩和顏色三階矩來描述RGB顏色模型的顏色分布。在RGB顏色模型中每個像素有3個顏色通道,因此需要采用9個數(shù)據(jù)來表示顏色矩。

    3個顏色矩的數(shù)學定義如下:

    式中pi,j表示彩色圖像第j個像素的第i個顏色分量;N表示圖像中的像素個數(shù)。

    圖像的3個分量R,G,B圖像的三階顏色矩組成一個9維特征向量,即圖像的顏色特征表示如下:

    2)HSV顏色直方圖特征。RGB顏色模型3個分量具有高度相關(guān)性,易受光照強度等因素影響,穩(wěn)定性較差。HSV色彩模型3個分量色調(diào)、飽和度、明度基本不相關(guān),對光照變化表現(xiàn)穩(wěn)健,能更好反映顏色的本質(zhì)信息[22]。因此,本文將圖像從RGB顏色空間轉(zhuǎn)換到HSV色彩空間,并提取該空間下直方圖特征,作為圖像的另一種全局顏色特征。根據(jù)公式(4)[23]將HSV分量均勻量化,H、S、V分量分別均勻劃分為16、4、4個區(qū)間,通過級聯(lián)鏈接,共獲得顏色直方圖256維的全局顏色特征。即HSV顏色直方圖特征表示為

    3)基于灰度共生矩陣(GLCM)的紋理特征。紋理指人們所觀察到圖像像素的灰度變化規(guī)律,本文使用灰度共生矩陣[24](Gray Level Cooccurrence Matrix GLCM)來提取葡萄病害圖像的紋理特征。矩陣中的元素值代表兩個灰度級之間的聯(lián)合條件概率密度ρ(i,j|d,θ),即在給定空間距離d和方向θ時,以灰度級i為起點,灰度級j出現(xiàn)的概率。本文設定統(tǒng)計距離為d=1,共生矩陣生成方向為θ=0°,45°,90°,135°,得到8個紋理特征:能量、熵、對比度、相關(guān)性及其標準差等,本文選擇這8個值作為紋理特征。具體計算公式如下[25]:

    其中μ1μ2σ1σ2分別為:

    這樣葡萄病害的紋理特征表示為

    4)局部HOG特征。Dalal[26]等提出的HOG特征是一種表述圖像局部信息的方式。HOG特征描述將整個檢測窗口劃分為塊(block),每一塊由若干單元格(cell)組成,對單元格內(nèi)像素的一維梯度方向直方圖進行統(tǒng)計,將所有單元格內(nèi)梯度方向直方圖組合起來,用于描述整個圖像的特征。在本文中,把葡萄葉片病害樣本圖像大小調(diào)整為64×64,每8×8的像素組成一個cell,把每個cell內(nèi)分成9個區(qū)間后統(tǒng)計每個cell內(nèi)所有像素的梯度值,分別在各個區(qū)間進行直方圖統(tǒng)計,從而形成一個9維特征向量,而一個block由4個cell構(gòu)造,故這樣一個block就有36維特征向量。整幅圖就包含7×7=49個block,總共有36×7×7=1 764維特征。故葡萄病害的HOG特征表示為:

    1.2.2 特征融合模塊設計

    單一特征一般難以全面反映圖像的各方面信息,只根據(jù)單一特征對病害圖像進行分類識別的準確率一般不高,相反,多特征能全面地反映圖像各個方面的信息,給圖像分類提供更多的參考依據(jù),但需要對多特征進行融合。本文對葡萄病害經(jīng)過預處理操作后,分別提取各類病害樣本圖像的RGB顏色矩,HSV顏色直方圖特征、GLCM紋理特征、和HOG特征。在特征融合方面,本文采用級聯(lián)拼接的方式,它通過將各特征向量直接拼接在一起,形成一個更高維度的特征向量,其維度是各特征的維度之和。同時為了檢驗不同的特征對分類效果的影響,將RGB顏色矩分別與HSV顏色直方圖特征、GLCM紋理特征和HOG特征級聯(lián)逐次拼接,形成以下6種特征集:

    1.3 基于支持向量機算法的訓練模塊設計

    為了構(gòu)造葡萄病害識別訓練模型,需要進一步構(gòu)建分類器,并對參數(shù)尋優(yōu)。目前廣泛使用的分類器有諸如KNN、決策樹、支持向量機、樸素貝葉斯、集成分類器等。其中支持向量機(Support Vector Machine)[27]是機器學習中的一種監(jiān)督學習模型,經(jīng)常用于分類問題和回歸分析,獲得廣泛的認可。

    支持向量機以結(jié)構(gòu)化、風險最小化為原則來提高學習機泛化能力,通過解二次規(guī)劃問題, 尋找將數(shù)據(jù)分類的最佳超平面,從而實現(xiàn)經(jīng)驗風險和置信范圍的最小化,達到在統(tǒng)計樣本量較少的情況下也能獲得良好的分類結(jié)果的目的[28]。對于非線性問題,我們可以通過核函數(shù)把非線性問題轉(zhuǎn)化為高維空間中的線性問題,而后轉(zhuǎn)換為簡單的SVM問題來求解。常用的核函數(shù)包括多項式核函數(shù)、徑向基核函數(shù)、線性核函數(shù)和Sigmoid核函數(shù)。

    在具體使用中,SVM中的懲罰因子C,核函數(shù)及其參數(shù)的變化對SVM分類的結(jié)果以及模型的泛化能力有較大的影響。常見的傳統(tǒng)SVM參數(shù)尋優(yōu)方法有經(jīng)驗、網(wǎng)格搜索法以及基于GA、PSO之類的群智能算法[29]。

    在本文中將使用支持向量機來構(gòu)造葡萄病害識別訓練模型,并采用網(wǎng)格搜索法進行參數(shù)尋優(yōu)。

    2 結(jié)果與分析

    本次實驗設備計算機型號為HP,配置為I 73 632 QM (2.2GHz) ,16 G DDR3內(nèi)存。在Matlab 2014 b環(huán)境中編寫圖像預處理、特征提取算法,在Python環(huán)境實現(xiàn)病害分類與測試。

    本實驗采用全球AI挑戰(zhàn)賽的“農(nóng)作物病害檢測”比賽項目[30]的數(shù)據(jù)集作為本文實驗數(shù)據(jù)集,共有健康葡萄葉片294副,葡萄黑腐病葉片共462副,葡萄輪斑病葉片共427副,葡萄褐斑病葉片共630副,合計1 813副圖像,根據(jù)前面的流程,首先圖像進行預處理,然后提取相關(guān)特征,最后輸入到支持向量機進行訓練與測試。

    為了評估不同特征對分類效果的影響,本文采用準確率作為評價標準,采用5折交叉驗證方法來計算識別準確率,經(jīng)過網(wǎng)格搜索法參數(shù)尋優(yōu),確定當核函數(shù)為RBF,懲罰參數(shù)C為88時,分類效果最好,如表1所示。

    表1 不同特征下分類準確率一覽表

    由表1可知,采用GLCM紋理特征是所有的特征里面識別準確率最低的,在顏色特征方面,HSV顏色直方圖特征取得不錯的效果,當采用RGB顏色矩與HSV顏色直方圖特征結(jié)合后可以達到86.12%的識別準確率。當把顏色和紋理結(jié)合紋理特征后可以達到88.77%的識別準確率,遠高于文獻[8]提出的顏色與紋理相結(jié)合特征的識別正確率。而當把顏色、紋理和局部的HOG特征結(jié)合之后,病害識別準確率大幅提高,達到了93.41%,這說明HOG特征的確為葉片病害的精細描述提供了幫助。相較于之前的研究會考慮病斑的形狀特征,而本文的結(jié)果在不考慮病斑形狀特征的情況下,病害識別準確率高于最新的文獻[7]提到的平均86.4%,這說明本文提出的融入局部HOG特征后,即使不考慮病斑形狀特征也能夠較好地滿足葡萄病害識別,為以后的基于云機器人的在線葡萄病害識別奠定了良好的基礎。

    另一方面,為了檢驗不同病害識別的難易程度,本文將1 813副圖像按照75%作為訓練集,25%作為測試集的方式,采用前面提到的支持向量機優(yōu)化參數(shù),得到F6特征集下的不同病害的準確率、召回率、F1指標如表2所示。從表中可以清晰看出本文提出的特征及算法對健康葡萄和褐斑病葡萄葉具有較高的識別率,準確率分別可到99%和98%,而黑腐病葡萄葉的識別準確率較低,只有86%,這說明當前的特征組合對黑腐病的特征抽取支持度最差。

    表2 F6特征下不同病害的識別指標值

    3 結(jié)語

    本文以葡萄的三種常病害(黑腐病、輪斑病、褐斑?。檠芯繉ο?,提出了融合RGB顏色矩、HSV顏色直方圖特征、GLCM紋理特征、HOG特征等4類特征,并以支持向量機為分類器的葡萄病害識別方法,該方法平均識別率達93.41%,對于褐斑病的識別率達98%,該方法有效地避免了傳統(tǒng)中需要識別和分割病斑,并抽取病斑形狀特征的計算過程,且達到了較高的識別準確度,說明本方法具有較高的實用性。葡萄病害不僅僅是本文測試的這三種,還有比如白粉病和霜霉病等,這需要在后續(xù)的研究中繼續(xù)完成。另外,如何提取更多的病害特征,以提高比如黑腐病的識別準確率還有待進一步深入研究。再者,如何在現(xiàn)有的基礎上,實現(xiàn)全過程葡萄病害自動化識別仍是一個重要的研究課題。

    猜你喜歡
    直方圖病斑紋理
    統(tǒng)計頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
    基于BM3D的復雜紋理區(qū)域圖像去噪
    軟件(2020年3期)2020-04-20 01:45:18
    用直方圖控制畫面影調(diào)
    使用紋理疊加添加藝術(shù)畫特效
    改進自適應分水嶺方法分割棉花葉部粘連病斑
    一種桑輪紋病病葉發(fā)病程度的評價指數(shù)
    9種藥劑防治山核桃干腐病試驗研究
    TEXTURE ON TEXTURE質(zhì)地上的紋理
    Coco薇(2017年8期)2017-08-03 15:23:38
    消除凹凸紋理有妙招!
    Coco薇(2015年5期)2016-03-29 23:22:15
    国产精品99久久99久久久不卡 | 一个人看视频在线观看www免费| 在线免费观看不下载黄p国产| videossex国产| 日本午夜av视频| 夜夜爽夜夜爽视频| 精品亚洲成国产av| 国产精品久久久久久精品电影小说 | 亚洲av电影在线观看一区二区三区| 成人国产麻豆网| 亚洲欧美精品专区久久| 最黄视频免费看| 免费观看a级毛片全部| 菩萨蛮人人尽说江南好唐韦庄| 中文天堂在线官网| 夜夜爽夜夜爽视频| 日韩 亚洲 欧美在线| 亚洲高清免费不卡视频| 中国国产av一级| 国产男女内射视频| 少妇裸体淫交视频免费看高清| 91aial.com中文字幕在线观看| 涩涩av久久男人的天堂| 日韩视频在线欧美| 男人添女人高潮全过程视频| av免费在线看不卡| 女人久久www免费人成看片| 美女cb高潮喷水在线观看| 嫩草影院入口| 超碰av人人做人人爽久久| 在线观看免费高清a一片| 91久久精品国产一区二区三区| 欧美精品人与动牲交sv欧美| av福利片在线观看| 秋霞伦理黄片| 久久韩国三级中文字幕| 观看美女的网站| 噜噜噜噜噜久久久久久91| 欧美精品国产亚洲| 深爱激情五月婷婷| 久久久久久伊人网av| 亚洲成人av在线免费| 99热这里只有是精品在线观看| 嫩草影院入口| 亚洲精品日韩在线中文字幕| 亚洲人成网站在线观看播放| 美女福利国产在线 | 成人一区二区视频在线观看| 久久久久久久亚洲中文字幕| 久久久久久久久久久免费av| 中文欧美无线码| 亚洲av男天堂| av卡一久久| 熟女人妻精品中文字幕| 99热这里只有精品一区| 色5月婷婷丁香| 你懂的网址亚洲精品在线观看| 插逼视频在线观看| 国产真实伦视频高清在线观看| 免费不卡的大黄色大毛片视频在线观看| 久久影院123| 一区二区三区免费毛片| av女优亚洲男人天堂| 国产精品伦人一区二区| 欧美激情国产日韩精品一区| 边亲边吃奶的免费视频| 精品一区二区免费观看| 丰满迷人的少妇在线观看| 日韩欧美精品免费久久| 亚洲av不卡在线观看| 国产 一区 欧美 日韩| 午夜免费男女啪啪视频观看| 熟女电影av网| 国产高潮美女av| 久久精品久久久久久噜噜老黄| 欧美国产精品一级二级三级 | 国产欧美另类精品又又久久亚洲欧美| 国产高清国产精品国产三级 | 少妇高潮的动态图| 国产精品.久久久| 欧美精品一区二区大全| 少妇被粗大猛烈的视频| 精品一区在线观看国产| 国模一区二区三区四区视频| 王馨瑶露胸无遮挡在线观看| 免费观看性生交大片5| 精品久久久久久久久av| 国产成人a区在线观看| 青春草国产在线视频| 成人无遮挡网站| 欧美少妇被猛烈插入视频| 亚洲国产欧美在线一区| 亚洲精品久久久久久婷婷小说| 99久久精品热视频| 国产伦精品一区二区三区视频9| 国产黄频视频在线观看| 精品亚洲成国产av| 久久精品久久久久久久性| 亚洲人与动物交配视频| 亚洲精品一区蜜桃| 老熟女久久久| 日韩,欧美,国产一区二区三区| 亚洲一区二区三区欧美精品| 国产精品爽爽va在线观看网站| 一级a做视频免费观看| 久久久亚洲精品成人影院| 国产乱人视频| 国内揄拍国产精品人妻在线| 国产一区二区三区av在线| 欧美日韩综合久久久久久| 熟女av电影| 国产高清三级在线| 国产欧美日韩一区二区三区在线 | 日本av免费视频播放| 国产一区二区三区综合在线观看 | 国产69精品久久久久777片| 国产精品嫩草影院av在线观看| 日韩欧美精品免费久久| 午夜福利影视在线免费观看| 国产精品嫩草影院av在线观看| 国产精品国产三级国产专区5o| 免费少妇av软件| av天堂中文字幕网| 亚洲伊人久久精品综合| 国产免费视频播放在线视频| 国产乱来视频区| 联通29元200g的流量卡| 国产高潮美女av| 一本—道久久a久久精品蜜桃钙片| 女人十人毛片免费观看3o分钟| 亚洲欧美中文字幕日韩二区| av黄色大香蕉| 美女脱内裤让男人舔精品视频| 日韩精品有码人妻一区| 日本爱情动作片www.在线观看| 中文字幕久久专区| 日韩成人伦理影院| 中文字幕av成人在线电影| 亚洲精品乱久久久久久| 国国产精品蜜臀av免费| 老司机影院成人| 久久精品国产a三级三级三级| 亚洲欧美日韩东京热| 国产有黄有色有爽视频| 日本wwww免费看| 日本av手机在线免费观看| 国产淫片久久久久久久久| 精品亚洲乱码少妇综合久久| 性高湖久久久久久久久免费观看| 精华霜和精华液先用哪个| 亚洲国产精品一区三区| 国产淫片久久久久久久久| 丝袜脚勾引网站| 亚洲国产成人一精品久久久| 久久人人爽av亚洲精品天堂 | 80岁老熟妇乱子伦牲交| 久久久久人妻精品一区果冻| 综合色丁香网| 韩国av在线不卡| 99re6热这里在线精品视频| 自拍偷自拍亚洲精品老妇| 色吧在线观看| 天美传媒精品一区二区| 水蜜桃什么品种好| 欧美一级a爱片免费观看看| 欧美日韩综合久久久久久| 欧美日韩视频精品一区| 欧美日韩视频高清一区二区三区二| a级毛色黄片| 国产伦理片在线播放av一区| freevideosex欧美| 少妇人妻久久综合中文| 国产亚洲精品久久久com| 日韩视频在线欧美| 亚洲av国产av综合av卡| 亚洲精品国产成人久久av| 亚洲精品日本国产第一区| 久久久久久久久久久丰满| 久久鲁丝午夜福利片| 亚洲av国产av综合av卡| 一边亲一边摸免费视频| 久久国产亚洲av麻豆专区| 性色av一级| a级一级毛片免费在线观看| 中文字幕av成人在线电影| 国产高清国产精品国产三级 | 日韩欧美 国产精品| 久久久成人免费电影| 啦啦啦在线观看免费高清www| 日韩亚洲欧美综合| 联通29元200g的流量卡| 国产乱人视频| 久久人人爽av亚洲精品天堂 | 男人舔奶头视频| 一区二区av电影网| 九色成人免费人妻av| 久久 成人 亚洲| 亚洲欧美中文字幕日韩二区| 欧美3d第一页| 久久久a久久爽久久v久久| 免费看不卡的av| 亚洲欧美一区二区三区黑人 | 欧美老熟妇乱子伦牲交| 高清视频免费观看一区二区| 我的老师免费观看完整版| 各种免费的搞黄视频| 狂野欧美白嫩少妇大欣赏| 十八禁网站网址无遮挡 | 18禁裸乳无遮挡免费网站照片| 人妻 亚洲 视频| 亚洲天堂av无毛| 美女cb高潮喷水在线观看| 在线播放无遮挡| 亚洲av男天堂| 国产精品久久久久久精品古装| 人体艺术视频欧美日本| 在线观看美女被高潮喷水网站| 久久精品国产a三级三级三级| 亚洲一区二区三区欧美精品| 一级毛片我不卡| 亚洲精华国产精华液的使用体验| 亚洲欧美成人综合另类久久久| 久久久久精品性色| 国产av码专区亚洲av| 中国国产av一级| 国产日韩欧美亚洲二区| 深夜a级毛片| 午夜福利影视在线免费观看| 黄色一级大片看看| 国产高清国产精品国产三级 | 欧美少妇被猛烈插入视频| 久久久久久人妻| 成人毛片a级毛片在线播放| 91精品国产国语对白视频| 人妻 亚洲 视频| 亚洲伊人久久精品综合| 亚洲精品国产av蜜桃| 两个人的视频大全免费| 一区二区三区乱码不卡18| 日日摸夜夜添夜夜添av毛片| 中文精品一卡2卡3卡4更新| 超碰97精品在线观看| 男女免费视频国产| 亚洲高清免费不卡视频| 亚洲最大成人中文| 免费久久久久久久精品成人欧美视频 | 中文字幕久久专区| 七月丁香在线播放| 国产69精品久久久久777片| 亚洲欧美精品自产自拍| 91久久精品国产一区二区三区| 国产大屁股一区二区在线视频| 免费高清在线观看视频在线观看| 五月天丁香电影| 看免费成人av毛片| 国产精品一区二区在线不卡| 精品一区二区三卡| 久久久久精品久久久久真实原创| 国产视频内射| 国产精品久久久久久久电影| 欧美成人a在线观看| 亚洲av中文字字幕乱码综合| 国产 一区精品| 国产 精品1| 人体艺术视频欧美日本| av卡一久久| 亚洲国产精品999| 97超视频在线观看视频| 99久久人妻综合| 午夜日本视频在线| 国产精品久久久久久精品电影小说 | 色哟哟·www| 免费黄网站久久成人精品| 在线观看av片永久免费下载| videossex国产| 中文资源天堂在线| 夫妻午夜视频| 国产一级毛片在线| 人人妻人人爽人人添夜夜欢视频 | 亚洲精品,欧美精品| 五月天丁香电影| .国产精品久久| 欧美一区二区亚洲| 在线播放无遮挡| 久久久国产一区二区| 亚洲国产精品国产精品| 亚洲真实伦在线观看| 99久国产av精品国产电影| 看免费成人av毛片| 亚洲精品久久午夜乱码| 高清视频免费观看一区二区| 亚洲av电影在线观看一区二区三区| 18禁在线无遮挡免费观看视频| 人人妻人人爽人人添夜夜欢视频 | 亚洲,一卡二卡三卡| 久热这里只有精品99| 日韩不卡一区二区三区视频在线| 欧美日韩亚洲高清精品| 久久国产乱子免费精品| 美女高潮的动态| 免费av不卡在线播放| 久久人人爽av亚洲精品天堂 | 国产精品一区二区在线不卡| 欧美变态另类bdsm刘玥| 日韩av免费高清视频| 精品亚洲成国产av| 亚洲av男天堂| av在线app专区| 哪个播放器可以免费观看大片| 男人和女人高潮做爰伦理| av天堂中文字幕网| 18禁在线无遮挡免费观看视频| 日韩国内少妇激情av| 国产国拍精品亚洲av在线观看| 午夜精品国产一区二区电影| 精品人妻视频免费看| 狂野欧美激情性bbbbbb| 亚洲精品aⅴ在线观看| 丰满少妇做爰视频| 欧美日韩综合久久久久久| 亚洲,一卡二卡三卡| 亚洲无线观看免费| 免费大片18禁| 尾随美女入室| 亚洲国产精品一区三区| 尾随美女入室| 久久综合国产亚洲精品| 欧美+日韩+精品| 欧美另类一区| 欧美高清成人免费视频www| 大码成人一级视频| 黄色欧美视频在线观看| 国产成人精品婷婷| 日韩电影二区| 久久久国产一区二区| 一个人免费看片子| 97超视频在线观看视频| 少妇精品久久久久久久| 最近最新中文字幕免费大全7| 久久精品国产亚洲av天美| 日韩中字成人| 欧美成人精品欧美一级黄| 亚洲欧美精品专区久久| 亚洲成人一二三区av| 亚洲av国产av综合av卡| 建设人人有责人人尽责人人享有的 | 免费久久久久久久精品成人欧美视频 | .国产精品久久| 亚洲色图综合在线观看| 亚洲在久久综合| 国产精品爽爽va在线观看网站| 亚洲丝袜综合中文字幕| 777米奇影视久久| 国产日韩欧美亚洲二区| 日韩大片免费观看网站| videos熟女内射| 国产成人91sexporn| 国产精品久久久久久久久免| 久久99蜜桃精品久久| 国产成人aa在线观看| 纵有疾风起免费观看全集完整版| 五月天丁香电影| 九九在线视频观看精品| 午夜福利影视在线免费观看| 免费av不卡在线播放| 国产成人a∨麻豆精品| www.av在线官网国产| 视频中文字幕在线观看| 在线精品无人区一区二区三 | 高清视频免费观看一区二区| 18禁在线播放成人免费| 久久亚洲国产成人精品v| 国产男人的电影天堂91| 少妇精品久久久久久久| 午夜激情久久久久久久| 男女无遮挡免费网站观看| 日韩中文字幕视频在线看片 | 99九九线精品视频在线观看视频| 99国产精品免费福利视频| 久久人人爽av亚洲精品天堂 | 午夜福利影视在线免费观看| 成年美女黄网站色视频大全免费 | 免费观看无遮挡的男女| 色综合色国产| 亚洲高清免费不卡视频| 肉色欧美久久久久久久蜜桃| 99久久精品国产国产毛片| 亚洲第一区二区三区不卡| 亚洲va在线va天堂va国产| 色网站视频免费| 亚洲综合精品二区| 天堂中文最新版在线下载| 日本欧美国产在线视频| 日韩av不卡免费在线播放| 国产人妻一区二区三区在| 久久热精品热| 午夜激情福利司机影院| 欧美亚洲 丝袜 人妻 在线| 色视频www国产| 国产极品天堂在线| 国产亚洲一区二区精品| 欧美日韩视频精品一区| 狠狠精品人妻久久久久久综合| 最新中文字幕久久久久| 亚洲精品乱码久久久v下载方式| 最黄视频免费看| 晚上一个人看的免费电影| 国产一区二区在线观看日韩| 亚洲精品一区蜜桃| 五月玫瑰六月丁香| a级一级毛片免费在线观看| 欧美另类一区| 人人妻人人爽人人添夜夜欢视频 | 一本久久精品| 成年美女黄网站色视频大全免费 | 欧美xxxx黑人xx丫x性爽| 亚洲av二区三区四区| 97热精品久久久久久| 高清午夜精品一区二区三区| 国产精品嫩草影院av在线观看| 1000部很黄的大片| 日韩一区二区三区影片| 亚洲精品日韩av片在线观看| 亚洲精品国产av蜜桃| 日本wwww免费看| 最近最新中文字幕大全电影3| 日韩中文字幕视频在线看片 | 人人妻人人添人人爽欧美一区卜 | 亚洲国产精品一区三区| 成人高潮视频无遮挡免费网站| 毛片一级片免费看久久久久| 色网站视频免费| 99久久精品国产国产毛片| 在线看a的网站| 国产 精品1| 这个男人来自地球电影免费观看 | 国产综合精华液| 亚洲国产日韩一区二区| 欧美成人一区二区免费高清观看| 肉色欧美久久久久久久蜜桃| 国产人妻一区二区三区在| 亚洲av中文av极速乱| 美女高潮的动态| 亚洲天堂av无毛| 亚洲美女搞黄在线观看| 国产精品一及| 又黄又爽又刺激的免费视频.| 国产亚洲91精品色在线| 日韩成人伦理影院| 一级毛片久久久久久久久女| 亚洲经典国产精华液单| 亚洲精品日本国产第一区| 午夜福利在线在线| 晚上一个人看的免费电影| 精品国产乱码久久久久久小说| 亚洲精品一区蜜桃| 我的女老师完整版在线观看| 老熟女久久久| 亚洲欧洲国产日韩| 我的女老师完整版在线观看| 国产在线一区二区三区精| 丰满人妻一区二区三区视频av| 青春草视频在线免费观看| 成人18禁高潮啪啪吃奶动态图 | 亚洲美女搞黄在线观看| 亚洲精品乱久久久久久| av视频免费观看在线观看| 天美传媒精品一区二区| 国产熟女欧美一区二区| 国产中年淑女户外野战色| 国产 一区精品| 新久久久久国产一级毛片| 国产成人精品婷婷| 99re6热这里在线精品视频| 欧美xxxx黑人xx丫x性爽| 日韩欧美 国产精品| 干丝袜人妻中文字幕| 国内揄拍国产精品人妻在线| 美女中出高潮动态图| 99九九线精品视频在线观看视频| 免费av不卡在线播放| 国产精品久久久久久精品电影小说 | 国产精品熟女久久久久浪| 国产精品国产三级专区第一集| 女的被弄到高潮叫床怎么办| 中国三级夫妇交换| 日韩成人伦理影院| 能在线免费看毛片的网站| 国产乱人视频| 免费黄网站久久成人精品| 欧美精品国产亚洲| 伊人久久精品亚洲午夜| 午夜福利影视在线免费观看| 久久久午夜欧美精品| 高清毛片免费看| 亚洲内射少妇av| 国产成人freesex在线| 春色校园在线视频观看| freevideosex欧美| 高清在线视频一区二区三区| 亚洲精品国产成人久久av| 伦理电影大哥的女人| 男人爽女人下面视频在线观看| 一区二区三区精品91| 亚洲精品乱码久久久v下载方式| 国产亚洲欧美精品永久| 99re6热这里在线精品视频| 亚洲va在线va天堂va国产| 亚洲精品乱码久久久久久按摩| 欧美3d第一页| 七月丁香在线播放| 中文资源天堂在线| 亚洲综合精品二区| 国产黄频视频在线观看| 久久久a久久爽久久v久久| 青春草亚洲视频在线观看| 久久久久久久久久人人人人人人| 亚洲欧美一区二区三区国产| 看非洲黑人一级黄片| 在线观看一区二区三区激情| 成人影院久久| 免费av不卡在线播放| 久久精品夜色国产| 菩萨蛮人人尽说江南好唐韦庄| 久久久精品免费免费高清| 国产综合精华液| 黑丝袜美女国产一区| 一级黄片播放器| 亚洲欧美成人综合另类久久久| 久久精品熟女亚洲av麻豆精品| 欧美国产精品一级二级三级 | 下体分泌物呈黄色| 日韩欧美 国产精品| 久久国产亚洲av麻豆专区| av网站免费在线观看视频| 国产v大片淫在线免费观看| 亚洲欧美精品自产自拍| 香蕉精品网在线| 菩萨蛮人人尽说江南好唐韦庄| 日本黄色片子视频| 女性生殖器流出的白浆| 能在线免费看毛片的网站| 不卡视频在线观看欧美| 日韩伦理黄色片| 少妇人妻精品综合一区二区| 最黄视频免费看| 日韩一区二区视频免费看| 国产高清国产精品国产三级 | 多毛熟女@视频| 久久久久久久久久久免费av| 王馨瑶露胸无遮挡在线观看| 亚洲真实伦在线观看| 免费黄频网站在线观看国产| 精品午夜福利在线看| 国产欧美亚洲国产| 欧美xxxx黑人xx丫x性爽| 亚洲真实伦在线观看| 啦啦啦啦在线视频资源| 精品久久久久久久久亚洲| 国产91av在线免费观看| 亚洲av.av天堂| 亚洲av在线观看美女高潮| 日韩中文字幕视频在线看片 | 免费人妻精品一区二区三区视频| 亚洲av综合色区一区| 国内揄拍国产精品人妻在线| 人人妻人人看人人澡| 午夜免费观看性视频| 视频区图区小说| 免费看不卡的av| 狂野欧美激情性xxxx在线观看| 亚洲成人av在线免费| 卡戴珊不雅视频在线播放| 午夜日本视频在线| 一个人免费看片子| 免费av中文字幕在线| 欧美日韩综合久久久久久| 国产亚洲精品久久久com| 美女主播在线视频| av视频免费观看在线观看| 超碰av人人做人人爽久久| 国产免费一级a男人的天堂| 亚洲欧美中文字幕日韩二区| 久久久成人免费电影| 老女人水多毛片| 啦啦啦中文免费视频观看日本| 国产欧美亚洲国产| 日本一二三区视频观看| 蜜臀久久99精品久久宅男| 狠狠精品人妻久久久久久综合| 国产视频首页在线观看| 欧美激情国产日韩精品一区| 简卡轻食公司| 中文欧美无线码| 亚洲丝袜综合中文字幕| 各种免费的搞黄视频| 国产欧美亚洲国产| 99热6这里只有精品| 一区在线观看完整版| 少妇的逼水好多| 久久影院123| 永久免费av网站大全| 亚洲欧美一区二区三区国产| 亚洲国产av新网站| 久久久久久久久久久丰满| 国产男女内射视频| 老师上课跳d突然被开到最大视频| 偷拍熟女少妇极品色| 日韩欧美 国产精品| 欧美丝袜亚洲另类| www.色视频.com| 精品一区二区三卡| 王馨瑶露胸无遮挡在线观看| 国产精品一区二区性色av| 特大巨黑吊av在线直播|