• <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 ?

    基于區(qū)域篩選分割和隨機(jī)森林的人造板表面缺陷識(shí)別

    2018-10-11 09:14:36劉傳澤陳龍現(xiàn)周玉成
    制造業(yè)自動(dòng)化 2018年9期
    關(guān)鍵詞:人造板特征提取分類(lèi)器

    劉傳澤,羅 瑞,陳龍現(xiàn),王 霄,周玉成

    (1.山東建筑大學(xué) 信息與電氣工程學(xué)院,濟(jì)南 250101;2.中國(guó)林業(yè)科學(xué)院,北京 100000)

    0 引言

    人造板的生產(chǎn)已經(jīng)實(shí)現(xiàn)自動(dòng)化,但是末端缺陷檢測(cè)環(huán)節(jié)仍然依靠人工,由于工作勞動(dòng)強(qiáng)度大,容易出現(xiàn)誤檢、漏檢,嚴(yán)重制約著人造板行業(yè)的發(fā)展,因此迫切研發(fā)一套人造板缺陷檢測(cè)系統(tǒng)。由于機(jī)器視覺(jué)具有識(shí)別速度快、精度高等優(yōu)點(diǎn)被廣泛應(yīng)用于產(chǎn)品表面缺陷檢測(cè)[1~3]?;跈C(jī)器視覺(jué)人造板缺陷檢測(cè)系統(tǒng),首先采集圖像,獲得特征值;再次利用分類(lèi)器根據(jù)特征值進(jìn)行識(shí)別,最后通過(guò)人造板缺陷種類(lèi)、大小進(jìn)行定級(jí)。缺陷識(shí)別的結(jié)果直接影響對(duì)人造板外觀質(zhì)量的判斷[5]。連續(xù)壓機(jī)生產(chǎn)線不間斷生產(chǎn),速度為1.5m/s,間隔小于0.4m,出廠板子面積為2.4m×4.8m,實(shí)時(shí)性要求比較高,需在3s以?xún)?nèi)作出判斷,需求一種快速準(zhǔn)確的算法實(shí)現(xiàn)人造板缺陷的在線識(shí)別。

    現(xiàn)階段,主要的缺陷識(shí)別算法有神經(jīng)網(wǎng)絡(luò)(neural network,NN)、支持向量機(jī)(support vector machine,SVM)、貝葉斯(naive bayes,NB)、聚類(lèi)(cluster,C)、決策樹(shù)(decision tree,DT)和RF等[4],并在相應(yīng)的領(lǐng)域取得很好的效果。由于NN、SVM計(jì)算復(fù)雜且難以應(yīng)用到實(shí)際;NB算法需要一定的先驗(yàn)信息;C算法采用窮舉的算法計(jì)算量較大;DT決策樹(shù)容易過(guò)擬合等缺點(diǎn),以上算法均不適合人造板缺陷的在線識(shí)別。其中RF是一種基于DT的算法,通過(guò)對(duì)變量和樣本數(shù)據(jù)的隨機(jī)選擇,產(chǎn)生多棵DT,匯總DT的分類(lèi)結(jié)果,總數(shù)最多的為缺陷類(lèi)別[5]。在采樣(bootstrap)的過(guò)程中,有三分之一的數(shù)據(jù)未被選到,作為袋外數(shù)據(jù)(out of bag,OOB)用來(lái)評(píng)價(jià)分類(lèi)器的準(zhǔn)確率。Breiman等證明,OBB誤差是泛化誤差估計(jì)的組成,可代替測(cè)試集的誤差估計(jì)[6]。RF算法具有以下優(yōu)點(diǎn):1)不需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,預(yù)測(cè)精度高;2)能處理大數(shù)據(jù)集和變量,運(yùn)行速度快;3)使用OOB誤差進(jìn)行模型評(píng)價(jià),無(wú)需采用交叉驗(yàn)證和獨(dú)立測(cè)試集驗(yàn)證;4)不會(huì)產(chǎn)生過(guò)擬合現(xiàn)象。

    本文提出基于局部特征提取和隨機(jī)森林的算法,通過(guò)利用局部特征提取的方法提取人造板表面缺陷的形狀、紋理特征,進(jìn)而建立基于隨機(jī)森林的人造板缺陷分類(lèi)模型,實(shí)現(xiàn)人造板缺陷檢測(cè)的自動(dòng)化發(fā)展,為人造板缺陷識(shí)別提供了一種快速、準(zhǔn)確的方法,并可以應(yīng)用于其他板材缺陷的在線識(shí)別。

    1 特征提取

    1.1 缺陷區(qū)域篩選

    連續(xù)壓機(jī)生產(chǎn)線上的人造板面積為2.4m×4.8m,主要有油污、雜物、大刨花、膠斑等四種類(lèi)型,缺陷面積在0.01m×0.01m~0.1m×0.1m之間,目標(biāo)、背景所占面積相差懸殊,全局的分割算法無(wú)法取得較好的效果,而局部閾值分割需要計(jì)算各部分的閾值,速度較慢。針對(duì)于人造板大面積、小缺陷的特點(diǎn),剔除一種基于區(qū)域篩選分割的方法,將整副人造板圖像換分成若干個(gè)區(qū)塊,對(duì)每個(gè)區(qū)塊進(jìn)行分類(lèi),篩選出缺陷區(qū)域之后進(jìn)行分割。

    人造板表面缺陷背景單一,目標(biāo)與背景的灰度值差異較大且灰度值均勻,因此本研究將方差作為區(qū)塊的分類(lèi)特征。在劃分的過(guò)程中,可能出現(xiàn)缺陷被劃分到多個(gè)子區(qū)塊中的現(xiàn)象,基于此對(duì)相鄰的子區(qū)域進(jìn)行合并,獲得缺陷區(qū)域,其主要步驟如下:

    1)將人造板圖像劃分為k×l個(gè)像素的區(qū)塊cell×cell,其大小根據(jù)缺陷進(jìn)行合理選擇,計(jì)算每個(gè)子區(qū)塊的方差σ2,公式為:

    2)建立i行j列的矩陣A,初始值為0,將方差σ2大于一定閾值β的子區(qū)塊矩陣中的元素置為1;

    3)遍歷矩陣A,將矩陣A中的值為1的相鄰元素進(jìn)行合并,記錄合并結(jié)果集中左上角元素和右下角元素下標(biāo)。如果圖像中有多個(gè)缺陷,根據(jù)缺陷的分布位置,得到不同的結(jié)果集。將每個(gè)結(jié)果集中的左上角元素和右下角元素下標(biāo)形成的區(qū)域映射回原圖中,就可以提取若干個(gè)缺陷區(qū)域。

    1.2 缺陷區(qū)域特征提取

    人造板缺陷特征提取是缺陷識(shí)別的關(guān)鍵,由于人造板圖像的背景灰度值均勻,缺陷區(qū)域內(nèi)的灰度值相似,各類(lèi)缺陷的形狀差異較大,基于選取缺陷圖像的形狀、紋理特征對(duì)缺陷進(jìn)行表征,利用OTSU算法對(duì)上述的缺陷區(qū)域D進(jìn)行特征提取,其表達(dá)式如表1、表2所示。

    其中:N為缺陷區(qū)域內(nèi)像素點(diǎn)的個(gè)數(shù);Nb為缺陷區(qū)域邊緣像素點(diǎn)的個(gè)數(shù);MER為缺陷區(qū)域最小外接矩形;LMER為M E R的長(zhǎng);WMER為M E R的寬;SMER為MER的面積。

    表1 形狀特征計(jì)算公式

    表2 紋理特征計(jì)算公式

    其中,M(i)為缺陷各點(diǎn)的灰度值,N為缺陷區(qū)域像素點(diǎn)的個(gè)數(shù)。通過(guò)對(duì)缺陷區(qū)域內(nèi)形狀、紋理特征統(tǒng)計(jì),獲得10個(gè)特征屬性的特征值,得到缺陷特征向量Q(S、L、O、OR、P、u、σD、σP、σS、σR)構(gòu)成樣本數(shù)據(jù)L,作為 RF的輸入,訓(xùn)練RF分類(lèi)模型。

    2 人造板缺陷自動(dòng)識(shí)別

    人造板表面缺陷在線識(shí)別的實(shí)現(xiàn)流程如圖2所示。

    1)圖像預(yù)處理。對(duì)CMOS相機(jī)獲得的在線人造板圖像,用均值濾波去除噪聲干擾;

    2)缺陷檢測(cè)及定位。將經(jīng)過(guò)預(yù)處理的圖像進(jìn)行分區(qū)塊檢測(cè),計(jì)算每一各區(qū)塊的平均灰度值和方差,將方差大于一定閾值定義為缺陷板,通過(guò)和并子區(qū)塊的方式獲得缺陷區(qū)域;

    3)圖像分割。利用Otsu閾值分割法對(duì)缺陷區(qū)域進(jìn)行分割;

    4)特征提取。統(tǒng)計(jì)缺陷區(qū)域中的形狀、紋理特征構(gòu)成特征向量;

    5)RF分類(lèi)模型。通過(guò)RF分類(lèi)器進(jìn)行分類(lèi)。

    當(dāng)有新輸入的人造板圖像時(shí),首先進(jìn)行缺陷檢測(cè)判斷是否有缺陷,如果檢測(cè)有缺陷,進(jìn)行缺陷定位、通過(guò)圖像分割獲得缺陷的特征值,作為RF分類(lèi)器的輸入,通過(guò)匯總RF中每棵DT得到缺陷類(lèi)別。其中最重要RF分類(lèi)器的構(gòu)建。

    圖1 基于RF的人造板缺陷自動(dòng)識(shí)別流程

    2.1 CART樹(shù)構(gòu)建

    CART樹(shù)是RF算法中的基本單元,多個(gè)CART樹(shù)構(gòu)建出RF。CART樹(shù)由CART算法實(shí)現(xiàn),CART算法是一種高效的二分叉樹(shù),不斷對(duì)數(shù)據(jù)進(jìn)行二分達(dá)到分類(lèi)的目的。構(gòu)建CART樹(shù)的算法流程如下[7]:

    1)建立根節(jié)點(diǎn)N,CART樹(shù)開(kāi)始生長(zhǎng);

    2)如果訓(xùn)練集L中只剩下一類(lèi)樣本,則返回N為葉節(jié)點(diǎn);

    3)分別計(jì)算當(dāng)前各個(gè)特征屬性的Gini指數(shù),將得到最大的Gini指數(shù)特征屬性作為子節(jié)點(diǎn),使L劃分為L(zhǎng)1和L2兩個(gè)子集,之后遞歸構(gòu)建決策樹(shù),讓其充分生長(zhǎng),不剪枝。

    其中,根節(jié)點(diǎn)、子節(jié)點(diǎn)為特征屬性中的一種,葉節(jié)點(diǎn)為缺陷的類(lèi)別。Gini指數(shù)代表當(dāng)前各個(gè)特征屬性的分裂的程度,數(shù)值越大說(shuō)明數(shù)據(jù)復(fù)雜,不確定性越大,將Gini指數(shù)最小的特征屬性設(shè)置為節(jié)點(diǎn)。其中的Gini指數(shù)的計(jì)算如下:

    假設(shè)訓(xùn)練集L中的樣本有n個(gè)不同的類(lèi)別Ci(i=1,…,n)。則概率分布的Gini指數(shù)定義為:

    式中pi為類(lèi)別Ci在S中所占比例。訓(xùn)練集在某個(gè)特征屬性V下被分為兩部分L1和L2,則L的Gini指數(shù)即分裂指數(shù)為:

    2.2 最優(yōu)RF分類(lèi)構(gòu)建

    對(duì)于人造板缺陷識(shí)別問(wèn)題,實(shí)質(zhì)建立各類(lèi)缺陷的特征值與缺陷類(lèi)別的非線性映射關(guān)系。RF模型的輸入向量Q(S、L、O、OR、P、u、σD、σP、σS、σR),bj表示10個(gè)特征屬性中的第j個(gè),輸出層為缺陷類(lèi)別O為1,2,3,4,分別代表大刨花、膠斑、雜物、油污,建立映射關(guān)系為Q…I。本研究用Matlab工具進(jìn)行程序編寫(xiě),提取h張人造板缺陷圖像的特征值構(gòu)成樣本數(shù)據(jù)L與10種特征屬性m組成RF的輸入,利用bootstrap的方式隨機(jī)抽取樣本數(shù)據(jù)和特征屬性,通過(guò)CART算法訓(xùn)練出500棵數(shù),構(gòu)建10個(gè)RF分類(lèi)器Rm(m=1,…,10)。Rm構(gòu)建過(guò)程中,只有屬性的個(gè)數(shù)m一個(gè)變量,通過(guò)統(tǒng)計(jì)每棵CART樹(shù)產(chǎn)生的OOB泛化誤差E(E1,…,E500),求出E的平均值作為最佳參數(shù)try的評(píng)估指標(biāo)?;诖藢?shù)的棵數(shù)定位500,m=try,構(gòu)建出的Rtry為最優(yōu)分類(lèi)模型。

    3 實(shí)驗(yàn)及結(jié)果分析

    實(shí)驗(yàn)采用分辨率為2560×2040,像素深度為8位的,大恒圖像JAI SP-5000M-USB3.0工業(yè)COMS相機(jī)采集人造板表面灰度圖像。計(jì)算機(jī)硬件為在Intel Core I7-7500U 2.7GHZ,8GB內(nèi)存的硬件環(huán)境下和Windows7,Visual C++的軟件環(huán)境下進(jìn)行算法編寫(xiě)。人造板廠家提供帶有膠斑、大刨花、油污、雜物人造板150塊,將其分為訓(xùn)練樣本和測(cè)試樣本,分別為100、50。其中實(shí)驗(yàn)樣本數(shù)據(jù)如表3所示。

    表3 人造板缺陷樣本數(shù)量

    3.1 缺陷區(qū)域提取及分割

    首先對(duì)人造板圖像缺陷區(qū)域進(jìn)行提取。由于人造板面積較大,所以工業(yè)相機(jī)拍攝人造板一半的面積2.4m×2.4m,進(jìn)行缺陷識(shí)別的時(shí)候連拍兩張。經(jīng)過(guò)調(diào)試和多次試驗(yàn),確定將表面圖像會(huì)分為64×51個(gè)40×40的像素區(qū)域,并進(jìn)行缺陷區(qū)域提取,利用OTSU分割算法進(jìn)行缺陷分割。在提取之前,利用中值濾波進(jìn)行濾波,消除噪聲干擾,各缺陷的原圖像和分割后的圖像如圖2所示,根據(jù)圖2提取形狀特征,將坐標(biāo)映射回到原圖中,獲取紋理特征,并將獲得特征值構(gòu)成特征向量。從圖2特征提取的結(jié)果看,本文提出的基于區(qū)域篩選分割的方法能夠有效的提取出面積很小的缺陷區(qū)域,對(duì)于多個(gè)缺陷也能進(jìn)行準(zhǔn)確的提取。將提取的特征向量作為訓(xùn)練集100個(gè)特征向量構(gòu)建RF分類(lèi)器。

    3.2 最優(yōu)RF構(gòu)建

    采用bootstrap的方法將訓(xùn)練集L分為訓(xùn)練子集Lg(g=1,…,500),將Lg和隨機(jī)抽取的m個(gè)特征屬性作為輸入,利用CART算法生成500棵CART樹(shù)構(gòu)建出RF。特征屬性的個(gè)數(shù)m是唯一變量,根據(jù)OOB誤差率E的平均值評(píng)價(jià)Rm。由圖3所示,當(dāng)m值變化時(shí)的OOB平均誤差率也隨之變化,隨著m個(gè)數(shù)增加誤差率明顯下降,當(dāng)m=6時(shí)誤差率為最低0.01,m值大于6時(shí)誤差率增加,主要由于樣本數(shù)據(jù)中特征屬性過(guò)多,每棵CART樹(shù)的樣本數(shù)據(jù)被充分表達(dá),導(dǎo)致RF分類(lèi)器識(shí)別率降低,基于此最優(yōu)m值為6,構(gòu)建出的最優(yōu)RF分類(lèi)器為R6。

    圖2 四類(lèi)缺陷分割圖

    圖3 RF中特征屬性個(gè)數(shù)對(duì)性能的影響

    3.3 結(jié)果分析

    3.3.1 正確率分析

    為了驗(yàn)證構(gòu)建的R6的分類(lèi)效果,將訓(xùn)練好的分類(lèi)模型對(duì)測(cè)試集進(jìn)行分類(lèi),其結(jié)果表4所示,只有1個(gè)樣本出現(xiàn)錯(cuò)分的情況,整體識(shí)別正確率高達(dá)98%。從表4可知膠斑、大刨花缺陷識(shí)別正確率為100%,其余兩種缺陷出現(xiàn)錯(cuò)分的情況,其原因主要是:1)大刨花的灰度值明顯高于其他三種缺陷;2)膠斑的形狀近似圓形,易與油污、雜物區(qū)分;3)油污、雜物兩種缺陷灰度值較為接近且形狀不規(guī)則,造成誤分的情況。

    表4 R7測(cè)試結(jié)果

    3.3.2 實(shí)時(shí)性分析

    通過(guò)計(jì)算機(jī)測(cè)得一張人造板圖像輸入到缺陷識(shí)別總耗時(shí)657ms,其中耗時(shí)最多的為圖像分割達(dá)到320ms,其次是特征提取為167ms,由于此次采集的是正常人造板一半面積的圖像,在實(shí)際中總耗時(shí)為1.314s小于3s,完全可以滿足人造板實(shí)時(shí)性的要求。綜上通過(guò)對(duì)算法正確率和實(shí)時(shí)性要求分析,本研究建立的RF分類(lèi)器可以應(yīng)用到人造板缺陷檢測(cè)系統(tǒng)中。

    4 結(jié)論

    本研究采用區(qū)域篩選分割的算法對(duì)大背景下小面積的缺陷進(jìn)行很好的分割,考慮人造板表面缺陷的各種特點(diǎn),選取10個(gè)表征缺陷的形狀、紋理特征(S、L、O、OR、P、u、σD、σP、σS、σR)可以用來(lái)表征缺陷,利用采集到的缺陷的特征數(shù)據(jù)建立人造板缺陷識(shí)別的RF分類(lèi)器。利用本研究構(gòu)建的RF分類(lèi)器對(duì)人造板缺陷進(jìn)行識(shí)別,識(shí)別正確率高達(dá)98%,運(yùn)算速度快、結(jié)果準(zhǔn)確可靠,能夠滿足缺陷檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性,實(shí)現(xiàn)人造板缺陷在線檢測(cè)。

    猜你喜歡
    人造板特征提取分類(lèi)器
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類(lèi)器在車(chē)道線識(shí)別中的應(yīng)用
    Bagging RCSP腦電特征提取算法
    人造板、裝飾板
    人造板、裝飾板
    人造板、裝飾板
    人造板、裝飾板
    加權(quán)空-譜與最近鄰分類(lèi)器相結(jié)合的高光譜圖像分類(lèi)
    結(jié)合模糊(C+P)均值聚類(lèi)和SP-V-支持向量機(jī)的TSK分類(lèi)器
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    超碰av人人做人人爽久久| 精品熟女少妇av免费看| 欧美最新免费一区二区三区| 精品不卡国产一区二区三区| 午夜爱爱视频在线播放| 2021天堂中文幕一二区在线观| 成人欧美大片| 国产精品电影一区二区三区| 狂野欧美白嫩少妇大欣赏| 日韩成人av中文字幕在线观看| 亚洲欧洲日产国产| 久久精品国产亚洲av香蕉五月| 亚洲无线观看免费| 免费一级毛片在线播放高清视频| 成人高潮视频无遮挡免费网站| 欧美三级亚洲精品| 亚洲欧美成人综合另类久久久 | 亚洲成人久久性| 日韩av不卡免费在线播放| 少妇熟女aⅴ在线视频| 小说图片视频综合网站| av在线老鸭窝| 国产精品国产高清国产av| 国产午夜福利久久久久久| 国产真实伦视频高清在线观看| 美女国产视频在线观看| 丰满的人妻完整版| 久久精品夜夜夜夜夜久久蜜豆| 久久中文看片网| 日日撸夜夜添| videossex国产| 精品99又大又爽又粗少妇毛片| 国产亚洲精品av在线| 日本黄大片高清| 久久精品夜夜夜夜夜久久蜜豆| 一个人免费在线观看电影| 秋霞在线观看毛片| 日韩在线高清观看一区二区三区| 最好的美女福利视频网| a级毛片免费高清观看在线播放| 美女cb高潮喷水在线观看| 精品久久久久久成人av| 在线a可以看的网站| 日韩一本色道免费dvd| 亚洲熟妇中文字幕五十中出| 日本免费a在线| 国产人妻一区二区三区在| 99热这里只有是精品50| 国产高潮美女av| 久久中文看片网| 日日摸夜夜添夜夜爱| 婷婷色av中文字幕| 欧美激情久久久久久爽电影| 26uuu在线亚洲综合色| 国产精品女同一区二区软件| 嘟嘟电影网在线观看| 亚洲性久久影院| 99国产极品粉嫩在线观看| 亚洲欧洲日产国产| 久久精品夜色国产| 国产免费男女视频| 日韩中字成人| 在线观看午夜福利视频| 午夜精品一区二区三区免费看| 夜夜看夜夜爽夜夜摸| 免费av毛片视频| 亚洲婷婷狠狠爱综合网| 一本精品99久久精品77| 三级国产精品欧美在线观看| 国产一区二区亚洲精品在线观看| 欧美xxxx性猛交bbbb| 可以在线观看毛片的网站| 亚洲一区二区三区色噜噜| 99热网站在线观看| 亚洲综合色惰| 欧美日韩精品成人综合77777| 亚洲成人精品中文字幕电影| 亚洲成人精品中文字幕电影| 欧美+亚洲+日韩+国产| 日韩精品青青久久久久久| 美女大奶头视频| 中文字幕熟女人妻在线| 蜜桃亚洲精品一区二区三区| 变态另类成人亚洲欧美熟女| 国产亚洲91精品色在线| 国产美女午夜福利| 久久久久久久久久成人| 亚洲欧洲国产日韩| 一本一本综合久久| 中文字幕av在线有码专区| 在线观看av片永久免费下载| 激情 狠狠 欧美| 日本撒尿小便嘘嘘汇集6| 日韩在线高清观看一区二区三区| eeuss影院久久| 欧美激情在线99| 精品久久久久久成人av| 亚洲欧美精品自产自拍| 久久久久久久午夜电影| 欧美成人精品欧美一级黄| 伦精品一区二区三区| 亚洲欧美精品专区久久| 日本爱情动作片www.在线观看| 性色avwww在线观看| 久久精品国产鲁丝片午夜精品| 女同久久另类99精品国产91| 国产一区二区在线av高清观看| 亚洲成人久久爱视频| 小蜜桃在线观看免费完整版高清| 熟女电影av网| 少妇人妻一区二区三区视频| 久久久久久久久久黄片| 日本av手机在线免费观看| 久久99热这里只有精品18| 波多野结衣高清无吗| 一区福利在线观看| 欧美性猛交╳xxx乱大交人| 天天躁日日操中文字幕| 夜夜夜夜夜久久久久| 亚洲丝袜综合中文字幕| 国产成人精品久久久久久| 在线观看av片永久免费下载| 亚洲欧美成人综合另类久久久 | www日本黄色视频网| 国产高清视频在线观看网站| a级毛色黄片| 久久久久国产网址| 国产蜜桃级精品一区二区三区| 亚洲精品国产av成人精品| 精品久久久噜噜| 男的添女的下面高潮视频| 亚洲精品国产成人久久av| 桃色一区二区三区在线观看| 一级黄色大片毛片| 精品国产三级普通话版| 一区二区三区四区激情视频 | 成年版毛片免费区| 波多野结衣高清无吗| 午夜a级毛片| 免费不卡的大黄色大毛片视频在线观看 | 国产三级中文精品| 我的女老师完整版在线观看| 欧美激情久久久久久爽电影| 日韩欧美 国产精品| 最新中文字幕久久久久| 中国国产av一级| 日韩强制内射视频| 狠狠狠狠99中文字幕| 日本黄大片高清| 日韩国内少妇激情av| 免费人成视频x8x8入口观看| 综合色丁香网| 亚洲欧美日韩高清专用| 国产精品蜜桃在线观看 | 桃色一区二区三区在线观看| 最近视频中文字幕2019在线8| 亚洲精品久久国产高清桃花| 久久精品国产99精品国产亚洲性色| 久久这里有精品视频免费| 女同久久另类99精品国产91| 在线观看一区二区三区| 久久综合国产亚洲精品| 熟女人妻精品中文字幕| 真实男女啪啪啪动态图| 三级经典国产精品| 亚洲自拍偷在线| a级毛片a级免费在线| 1024手机看黄色片| 丝袜喷水一区| 国产老妇女一区| 久久精品国产亚洲av香蕉五月| 欧美在线一区亚洲| 亚洲欧美日韩高清专用| 欧美性猛交╳xxx乱大交人| 日本欧美国产在线视频| 国产老妇伦熟女老妇高清| 国产精品美女特级片免费视频播放器| 高清毛片免费看| 十八禁国产超污无遮挡网站| 中国美白少妇内射xxxbb| 成人性生交大片免费视频hd| 99久久精品国产国产毛片| 99热这里只有精品一区| 久久鲁丝午夜福利片| 人人妻人人澡欧美一区二区| 麻豆国产97在线/欧美| 久久国内精品自在自线图片| 国产一级毛片在线| 天堂av国产一区二区熟女人妻| 18+在线观看网站| 一进一出抽搐动态| 麻豆成人午夜福利视频| 免费看av在线观看网站| 成人一区二区视频在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 免费av不卡在线播放| 国产国拍精品亚洲av在线观看| 秋霞在线观看毛片| 亚洲中文字幕一区二区三区有码在线看| 欧美性猛交黑人性爽| 老司机福利观看| 免费观看在线日韩| 我要搜黄色片| 国产又黄又爽又无遮挡在线| 三级男女做爰猛烈吃奶摸视频| 三级经典国产精品| 一本久久中文字幕| 亚洲欧美清纯卡通| 精品99又大又爽又粗少妇毛片| 人人妻人人澡人人爽人人夜夜 | 小蜜桃在线观看免费完整版高清| 男的添女的下面高潮视频| 又粗又硬又长又爽又黄的视频 | 最近的中文字幕免费完整| 午夜福利成人在线免费观看| 中文在线观看免费www的网站| 大又大粗又爽又黄少妇毛片口| 免费av不卡在线播放| 国产一区亚洲一区在线观看| 国产高清有码在线观看视频| 国产精品av视频在线免费观看| 黑人高潮一二区| 日本一二三区视频观看| 亚洲图色成人| 中文资源天堂在线| 高清午夜精品一区二区三区 | 最近视频中文字幕2019在线8| 国产伦精品一区二区三区视频9| 欧美日韩综合久久久久久| 国产精品无大码| 嫩草影院新地址| 欧美成人免费av一区二区三区| 99久久精品一区二区三区| 黄色日韩在线| 色综合站精品国产| 亚洲不卡免费看| 91午夜精品亚洲一区二区三区| 天天躁日日操中文字幕| 小蜜桃在线观看免费完整版高清| 精品午夜福利在线看| 三级毛片av免费| 黄色配什么色好看| 日韩强制内射视频| 成人一区二区视频在线观看| 草草在线视频免费看| 狂野欧美白嫩少妇大欣赏| 欧美日韩综合久久久久久| 偷拍熟女少妇极品色| 十八禁国产超污无遮挡网站| 18禁黄网站禁片免费观看直播| 精品一区二区三区视频在线| 在线观看免费视频日本深夜| 亚洲aⅴ乱码一区二区在线播放| 麻豆一二三区av精品| 久久精品国产亚洲av香蕉五月| 久久久久性生活片| 边亲边吃奶的免费视频| 国产亚洲av嫩草精品影院| 夜夜看夜夜爽夜夜摸| 久久久久久大精品| 免费人成在线观看视频色| 亚洲欧美成人综合另类久久久 | 午夜福利成人在线免费观看| 久久99蜜桃精品久久| 精品欧美国产一区二区三| 成年版毛片免费区| 91在线精品国自产拍蜜月| 看片在线看免费视频| 欧美日韩在线观看h| 亚洲五月天丁香| 日韩一区二区三区影片| avwww免费| 丰满的人妻完整版| 在线观看美女被高潮喷水网站| 久久久国产成人精品二区| 三级男女做爰猛烈吃奶摸视频| 九九热线精品视视频播放| 嘟嘟电影网在线观看| 高清午夜精品一区二区三区 | 国产一级毛片在线| 国产精品.久久久| 亚洲自偷自拍三级| 中文字幕精品亚洲无线码一区| 少妇高潮的动态图| 97超视频在线观看视频| 午夜爱爱视频在线播放| 免费看光身美女| 91麻豆精品激情在线观看国产| 亚洲人与动物交配视频| 国产探花极品一区二区| 高清日韩中文字幕在线| 一进一出抽搐动态| 99久久九九国产精品国产免费| 欧美精品国产亚洲| 日韩 亚洲 欧美在线| 99久久九九国产精品国产免费| 亚洲精品色激情综合| 亚洲成a人片在线一区二区| 伦理电影大哥的女人| 亚洲国产欧洲综合997久久,| 亚洲成人久久爱视频| av在线亚洲专区| 国产精品无大码| 精品久久久久久久末码| 舔av片在线| 色哟哟·www| 我的女老师完整版在线观看| 99久国产av精品国产电影| 又爽又黄a免费视频| 此物有八面人人有两片| 亚洲高清免费不卡视频| 久久久久久久亚洲中文字幕| 观看免费一级毛片| 中文在线观看免费www的网站| 免费av不卡在线播放| 精品午夜福利在线看| 美女 人体艺术 gogo| 天天一区二区日本电影三级| 日韩制服骚丝袜av| 天堂中文最新版在线下载 | 国产精品1区2区在线观看.| 日韩精品青青久久久久久| 亚洲国产精品合色在线| 少妇丰满av| 18禁在线无遮挡免费观看视频| 精品99又大又爽又粗少妇毛片| 国产午夜福利久久久久久| 少妇裸体淫交视频免费看高清| 国产色爽女视频免费观看| 少妇高潮的动态图| 亚洲成av人片在线播放无| 高清午夜精品一区二区三区 | 极品教师在线视频| 国产高清有码在线观看视频| 男人和女人高潮做爰伦理| 男插女下体视频免费在线播放| 有码 亚洲区| 亚洲精品成人久久久久久| 欧美又色又爽又黄视频| 全区人妻精品视频| 精华霜和精华液先用哪个| 国产视频首页在线观看| 午夜福利在线观看吧| 最近2019中文字幕mv第一页| 午夜福利成人在线免费观看| 丝袜喷水一区| 内射极品少妇av片p| 亚洲激情五月婷婷啪啪| 黑人高潮一二区| 亚洲五月天丁香| 欧美成人精品欧美一级黄| 小蜜桃在线观看免费完整版高清| 高清午夜精品一区二区三区 | 久99久视频精品免费| 如何舔出高潮| 成人午夜精彩视频在线观看| 国产白丝娇喘喷水9色精品| 国产一级毛片七仙女欲春2| 精品一区二区免费观看| 国产高清有码在线观看视频| a级毛色黄片| 在线播放无遮挡| 又粗又爽又猛毛片免费看| 高清日韩中文字幕在线| 18禁在线无遮挡免费观看视频| 国产一级毛片在线| 国产免费男女视频| 欧美日韩在线观看h| 亚洲欧洲日产国产| 日本一二三区视频观看| 色尼玛亚洲综合影院| 不卡视频在线观看欧美| 久久精品人妻少妇| 亚洲av成人av| 欧美成人一区二区免费高清观看| 午夜福利成人在线免费观看| 亚洲欧美日韩东京热| 亚洲真实伦在线观看| 综合色av麻豆| 最近2019中文字幕mv第一页| 午夜久久久久精精品| 婷婷精品国产亚洲av| 久久亚洲精品不卡| 一个人观看的视频www高清免费观看| 国产精品久久久久久久久免| 国产伦一二天堂av在线观看| 日韩一本色道免费dvd| 又粗又硬又长又爽又黄的视频 | 亚洲欧美中文字幕日韩二区| 国产日韩欧美在线精品| av福利片在线观看| 99久久精品热视频| 天天躁日日操中文字幕| 亚洲欧美精品综合久久99| 欧美+日韩+精品| 国产爱豆传媒在线观看| 五月玫瑰六月丁香| 日本欧美国产在线视频| 又黄又爽又刺激的免费视频.| 波多野结衣高清无吗| 精品久久久久久久末码| 最近最新中文字幕大全电影3| 国产成人精品久久久久久| 国内久久婷婷六月综合欲色啪| 综合色av麻豆| 超碰av人人做人人爽久久| 最近手机中文字幕大全| 国产精品久久久久久av不卡| 美女高潮的动态| 亚洲在线观看片| 欧美激情国产日韩精品一区| 国产亚洲精品久久久久久毛片| 中文字幕av成人在线电影| 亚洲综合色惰| 爱豆传媒免费全集在线观看| 岛国在线免费视频观看| 91精品国产九色| 亚洲经典国产精华液单| 免费av毛片视频| 亚洲av免费高清在线观看| 国产色婷婷99| 午夜福利高清视频| 成人特级av手机在线观看| 麻豆精品久久久久久蜜桃| 欧美激情久久久久久爽电影| 亚洲自偷自拍三级| 男人狂女人下面高潮的视频| 国产女主播在线喷水免费视频网站 | 一本久久中文字幕| 亚洲国产精品久久男人天堂| av福利片在线观看| 黑人高潮一二区| 国产淫片久久久久久久久| 18+在线观看网站| av国产免费在线观看| 少妇猛男粗大的猛烈进出视频 | 精品人妻熟女av久视频| 久久精品久久久久久久性| 国产伦一二天堂av在线观看| 亚洲精品久久国产高清桃花| eeuss影院久久| 国产黄片视频在线免费观看| 国产精品麻豆人妻色哟哟久久 | 欧美性感艳星| 蜜桃亚洲精品一区二区三区| 99久久九九国产精品国产免费| 国产私拍福利视频在线观看| 国产片特级美女逼逼视频| 日日摸夜夜添夜夜添av毛片| 日韩欧美精品v在线| 亚洲国产精品成人综合色| 内地一区二区视频在线| 成人亚洲欧美一区二区av| 亚洲一级一片aⅴ在线观看| 国产亚洲av嫩草精品影院| 国产成人a区在线观看| 麻豆久久精品国产亚洲av| 国产亚洲91精品色在线| 国产精品嫩草影院av在线观看| 日日摸夜夜添夜夜添av毛片| 国产精品av视频在线免费观看| 插阴视频在线观看视频| 国产成人a区在线观看| 亚洲精品自拍成人| 日本免费a在线| 国产精品永久免费网站| 你懂的网址亚洲精品在线观看 | 国产成人91sexporn| 国产亚洲欧美98| 不卡一级毛片| 美女xxoo啪啪120秒动态图| 最近最新中文字幕大全电影3| 亚洲国产精品sss在线观看| 国产淫片久久久久久久久| 国产黄片美女视频| a级毛片免费高清观看在线播放| 久久久国产成人精品二区| 一区二区三区高清视频在线| 嫩草影院入口| 色5月婷婷丁香| 久久中文看片网| 夜夜夜夜夜久久久久| 亚洲中文字幕一区二区三区有码在线看| 一区二区三区四区激情视频 | 国产高清激情床上av| 51国产日韩欧美| 白带黄色成豆腐渣| 国产视频首页在线观看| 级片在线观看| 欧美又色又爽又黄视频| 性色avwww在线观看| 日韩成人伦理影院| 亚州av有码| 精品99又大又爽又粗少妇毛片| 久久久久久九九精品二区国产| 亚洲av熟女| 人人妻人人看人人澡| 国产精品,欧美在线| 午夜精品国产一区二区电影 | 精品99又大又爽又粗少妇毛片| 一区二区三区高清视频在线| 一个人观看的视频www高清免费观看| a级一级毛片免费在线观看| 看非洲黑人一级黄片| 99在线视频只有这里精品首页| 看免费成人av毛片| a级毛片免费高清观看在线播放| 51国产日韩欧美| 国产精品一区二区在线观看99 | 51国产日韩欧美| 国内精品一区二区在线观看| 久久久久久国产a免费观看| 国产精品久久电影中文字幕| 久久久久久九九精品二区国产| av在线播放精品| 国产成人a区在线观看| 3wmmmm亚洲av在线观看| 国产亚洲欧美98| 亚洲精品久久久久久婷婷小说 | 午夜a级毛片| 午夜激情福利司机影院| 夜夜看夜夜爽夜夜摸| 亚洲av第一区精品v没综合| 国产伦精品一区二区三区四那| 热99在线观看视频| 久久久久性生活片| 1000部很黄的大片| 18禁在线无遮挡免费观看视频| 色5月婷婷丁香| 男女边吃奶边做爰视频| 国产高清三级在线| 国内揄拍国产精品人妻在线| 亚洲精品乱码久久久v下载方式| 久久精品久久久久久噜噜老黄 | 午夜福利视频1000在线观看| 国产伦理片在线播放av一区 | 国产精品久久视频播放| 成人午夜精彩视频在线观看| 爱豆传媒免费全集在线观看| 成年av动漫网址| 久久99精品国语久久久| 麻豆国产av国片精品| 国产老妇女一区| 岛国在线免费视频观看| 久久久久免费精品人妻一区二区| 99在线人妻在线中文字幕| 欧美高清性xxxxhd video| av在线观看视频网站免费| 最近手机中文字幕大全| 看十八女毛片水多多多| 欧美性猛交╳xxx乱大交人| 欧美潮喷喷水| 精品午夜福利在线看| 免费看日本二区| 亚洲激情五月婷婷啪啪| 免费观看的影片在线观看| 久久久久网色| 国产伦理片在线播放av一区 | av卡一久久| 免费看光身美女| 舔av片在线| 女的被弄到高潮叫床怎么办| 男人舔奶头视频| 国产真实乱freesex| 国内精品一区二区在线观看| 免费看美女性在线毛片视频| 国内精品久久久久精免费| 欧美+亚洲+日韩+国产| 午夜爱爱视频在线播放| 亚洲第一区二区三区不卡| 一边摸一边抽搐一进一小说| 国产在线男女| 亚洲av.av天堂| 人妻系列 视频| 日韩欧美 国产精品| 亚洲高清免费不卡视频| 亚洲国产日韩欧美精品在线观看| 变态另类丝袜制服| 九九爱精品视频在线观看| 91av网一区二区| 韩国av在线不卡| 欧美一区二区精品小视频在线| 久久午夜亚洲精品久久| 三级男女做爰猛烈吃奶摸视频| 久久6这里有精品| 久久久久免费精品人妻一区二区| 欧美一区二区国产精品久久精品| 亚洲三级黄色毛片| 深夜精品福利| 成人综合一区亚洲| 日韩制服骚丝袜av| 欧洲精品卡2卡3卡4卡5卡区| 九九久久精品国产亚洲av麻豆| 91精品国产九色| 黄片wwwwww| 一进一出抽搐动态| 日韩人妻高清精品专区| 狂野欧美白嫩少妇大欣赏| 日韩欧美 国产精品| 精品欧美国产一区二区三| 成人特级黄色片久久久久久久| videossex国产| 你懂的网址亚洲精品在线观看 | 少妇裸体淫交视频免费看高清| 久久亚洲国产成人精品v| 久久久久久久午夜电影| 中国美白少妇内射xxxbb| 少妇猛男粗大的猛烈进出视频 | 日本黄色视频三级网站网址| 国模一区二区三区四区视频| 欧美区成人在线视频| 国内精品宾馆在线| 人体艺术视频欧美日本| 99久久精品国产国产毛片| 国产女主播在线喷水免费视频网站 |