• <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 ?

    基于高光譜圖像的西蘭花表面多種農(nóng)藥殘留檢測

    2018-11-10 02:31:00桂江生顧敏吳子嫻包曉安
    關鍵詞:西蘭花正確率光譜

    桂江生,顧敏,吳子嫻,包曉安

    (浙江理工大學信息學院,杭州310018)

    西蘭花(Brassica oleracea L.var.italic Planch.)又名青花菜,不僅所含營養(yǎng)成分十分全面,還具有顯著的防癌抗癌功效,是人們?nèi)粘V饕秤玫氖卟酥籟1]。西蘭花是浙江省的特色蔬菜,不僅滿足國內(nèi)的消費需求,還出口日本、韓國及遠銷其他國際市場,所以西蘭花的質(zhì)量安全問題不但影響國內(nèi)消費者的身體健康與安全,還關系著我國的國際市場形象。由于西蘭花在生長過程中,容易發(fā)生猝倒病、立枯病等,而且會受菜青蟲、小菜蛾的危害,因此農(nóng)藥的使用不可避免。資料表明,我國農(nóng)藥殘留超標是西蘭花出口受阻的主要原因[2],因此對西蘭花的農(nóng)殘檢測具有十分重要的意義。

    目前,西蘭花農(nóng)藥殘留檢測方法均為傳統(tǒng)有損檢測,如氣相色譜法、高效液相色譜法、免疫分析法,等等[3-4]。這些傳統(tǒng)方法雖然檢測精度高,但是檢測耗時長,且依賴大量的化學試劑,浪費大,有污染,不利于推廣。高光譜技術是近年來應用到農(nóng)畜產(chǎn)品檢測的新技術,具有無污染、無損壞、自動化、快速高效等優(yōu)點[5],被廣泛應用于農(nóng)產(chǎn)品的農(nóng)藥殘留檢測。如:JAMSHIDI等[6]利用高光譜技術實現(xiàn)了黃瓜中農(nóng)藥殘留的快速檢測;SHAO等[7]利用高光譜成像技術和拉曼光譜技術實現(xiàn)了對小球藻中農(nóng)藥殘留種類的檢測;孫俊等[8]利用高光譜圖像技術結合自適應-支持向量機(Ada-SVM)算法檢測了桑葉中農(nóng)藥殘留的有無,檢測精度高達97.78%;胡榮明等[9]利用高光譜中特征參數(shù)反演了韭菜中毒死蜱的殘留量。上述研究都證明高光譜技術應用于農(nóng)藥殘留檢測是可行的,但這些研究對象均為表面光滑的植物葉片,而尚未涉及像西蘭花這類表面呈球狀且凹凸不平的蔬菜。

    農(nóng)藥殘留精準檢測的前提是有無農(nóng)藥殘留及農(nóng)藥殘留的種類。本文以不含農(nóng)藥的西蘭花和含有3種農(nóng)藥(阿維菌素、丙森鋅、吡蟲啉)的西蘭花作為研究對象,利用高光譜圖像技術結合模式識別方法建立西蘭花中不同農(nóng)藥殘留種類檢測模型來檢測西蘭花中不同農(nóng)藥種類,旨在探索高光譜圖像技術在西蘭花表面農(nóng)藥殘留檢測中的應用,為西蘭花農(nóng)藥殘留檢測提供一種新的快速、高效的無損檢測方法。

    1 材料與方法

    1.1 樣本的制備與采集

    在西蘭花生長過程中,常用的防治病蟲害的農(nóng)藥有阿維菌素、丙森鋅、蟲螨腈、吡蟲啉等[10]。本實驗使用阿維菌素(含有效成分2%,由濟南金地農(nóng)藥有限公司生產(chǎn))、吡蟲啉(含有效成分10%,由杭州泰豐化工有限公司生產(chǎn))、丙森鋅(含有效成分70%,由拜耳作物科學有限公司生產(chǎn))3種農(nóng)藥作為農(nóng)藥殘留檢測對象。實驗所用的西蘭花樣本來自浙江省杭州市余杭區(qū)喬司農(nóng)場西蘭花種植地,品種為日本炎秀;選取180顆長勢和形態(tài)近似的成熟、無病害西蘭花,平均分成4組進行農(nóng)藥噴灑。由于傍晚氣溫低,農(nóng)藥不會揮發(fā)且容易被植物吸收,實驗于17:00進行,對第一組西蘭花按推薦劑量(4 000倍稀釋液)均勻噴灑吡蟲啉農(nóng)藥;第二組西蘭花按推薦劑量(2 500倍稀釋液)均勻噴灑阿維菌素農(nóng)藥;第三組西蘭花按推薦劑量(500倍稀釋液)均勻噴灑丙森鋅農(nóng)藥;第四組西蘭花均勻噴灑清水。每顆西蘭花噴灑100 mL,每組噴灑4.5 L,24 h后(每組樣本的農(nóng)藥均被吸收但還未被分解,且肉眼觀測不出差別),每組采摘西蘭花各45顆,裝入保鮮袋密封保存并編號,隨后立即送往實驗室進行高光譜圖像采集。

    1.2 高光譜圖像的采集

    高光譜圖像采集實驗使用的是四川雙利合譜科技有限公司的Image-λ-V10E-PS高光譜成像儀系統(tǒng)。成像光譜儀型號為Imperx IPX-2M30,光譜范圍為383.70~1 032.70 nm,光譜分辨率為2.73 nm,光源為標準汞燈。使用SpecView軟件采集高光譜圖像數(shù)據(jù)。為避免環(huán)境中雜散光帶來的影響,整個采集過程在暗箱中進行。高光譜圖像采集參數(shù)設定如下:曝光時間15 ms,平移臺移動速度1.15 cm/s,4個汞燈與平移臺的夾角為45°。按組依次對所有的西蘭花樣本進行高光譜采集,同時將白板放置在與西蘭花相同距離的位置上進行白板數(shù)據(jù)采集,然后關閉光源,蓋上鏡頭蓋進行暗背景數(shù)據(jù)采集。黑白校正公式為:

    式中:R是校正后的數(shù)據(jù),S是原始樣本數(shù)據(jù),W是白板數(shù)據(jù),D是暗背景數(shù)據(jù)。

    1.3 原理與方法

    1.3.1 分段多元散射校正

    由于西蘭花表面呈半球形且表面花苞呈顆粒狀,因此在采集高光譜圖像時會產(chǎn)生光的散射現(xiàn)象,而分段多元散射校正(piecewise multiplicative scatter correction,PMSC)的主要作用正是消除顆粒造成的非線性光散射影響[11]。該算法假設在寬度為j=(w1+w2+1)的移動窗口波長范圍內(nèi),光譜xi與平均光譜x存在線性關系,對每一移動窗口分別按式(2)進行一元線性回歸,用最小二乘法依次求出每段移動窗口的截距aik和斜率bik。

    由式(3)得到校正后的光譜xPMSC。

    1.3.2 降維算法

    高光譜的數(shù)據(jù)量大,是高光譜圖像處理最主要的問題。雖然取樣品感興趣區(qū)域的平均光譜可以顯著減少數(shù)據(jù)量,但是全波段光譜數(shù)據(jù)之間線性相關性大,信息冗余會影響分類模型的性能。主成分分析算法(principal component analysis algorithm,PCA)[12]是一種非監(jiān)督的特征提取算法,主要思想是將多個變量進行線性變換后轉換成另一組不相關的變量,將多波段圖像信息壓縮到少數(shù)更有效的幾個轉換波段。連續(xù)投影算法(successive projection algorithm,SPA)[13]是一種特征變量前向循環(huán)選擇算法,在所有光譜中循環(huán)投影尋找含有最低限度的冗余信息的變量組,提高模型的速度和效率,被廣泛應用于光譜特征波長的選擇上。

    1.3.3 分類算法

    馬氏距離(Mahalanobis distance,MD)是線性判別法中常用方法之一[14]。計算輸入樣本和測試樣本之間的馬氏距離,得到的距離越小則匹配效果越好。

    最小二乘支持向量機(least square support vector machine,LSSVM)是支持向量機的一種類型[15]。該算法使用最小二乘線性系統(tǒng)代替二次規(guī)劃方法,對所采集的樣本通過非線性映射函數(shù)在高維特征空間建立最優(yōu)分類面,從而實現(xiàn)樣本的線性可分。與SVM相比,LSSVM把原方法的不等式約束變?yōu)榈仁郊s束,從而大大方便了Lagrange乘子的求解,使得求解速度得到極大提高。

    人工神經(jīng)網(wǎng)絡(artificial neural networks,ANN)是用許多處理單元模擬人類的神經(jīng)網(wǎng)絡來進行預測,由輸入層、一個或多個隱含層及輸出層組成復雜的處理單元(人工“神經(jīng)元”)構成。該算法具有智能化、高容錯性、并行分布的處理和自學習能力等優(yōu)點,被廣泛應用于處理人腦和現(xiàn)代計算機較難處理的復雜數(shù)據(jù)中[16]。

    極限學習機(extreme learning machine,ELM)是由HUANG等[17]提出的一種特殊的單隱層前饋神經(jīng)網(wǎng)絡算法,相比于傳統(tǒng)人工神經(jīng)網(wǎng)絡和SVM算法,具有運算速度快、泛化能力強、不過擬合的優(yōu)點。

    2 結果與分析

    2.1 西蘭花光譜信息的提取與預處理

    實驗統(tǒng)一選取樣本中心60像素×60像素的正方形區(qū)域作為感興趣區(qū)域(region of interest,ROI)。計算該正方形感興趣區(qū)域內(nèi)所有像素點的光譜平均值得到的原始光譜數(shù)據(jù)如圖1所示。從中可以看出,在數(shù)據(jù)開頭和結尾部分噪聲較大,因此剔除數(shù)據(jù)前后各20個波段的光譜數(shù)據(jù),以提高整體數(shù)據(jù)信噪比。實驗得到180顆西蘭花樣本從431.84~981.71 nm之間共216個波段的光譜數(shù)據(jù),然后用PMSC算法消除西蘭花表面顆粒感造成的光散射和基線漂移數(shù)據(jù)。4種樣本(各45條光譜)的平均光譜曲線如圖2所示。從中可以看出,有、無農(nóng)藥殘留的西蘭花光譜曲線差異明顯,因此可利用西蘭花的高光譜信息識別其表面有無農(nóng)藥殘留。同時,含農(nóng)藥殘留種類不同的西蘭花的光譜曲線也不同,由此可以識別出西蘭花表面所含農(nóng)藥殘留的種類。

    2.2 特征光譜的選取

    通過主成分分析算法對預處理后的原始光譜數(shù)據(jù)進行特征提取,得到主成分圖像(圖3)和各個主成分的累積貢獻率(表1)。從前5個主成分圖像中可以看出,第一主成分圖像最清晰,而圖像清晰度隨著成分數(shù)的增加而降低。

    圖1 西蘭花樣本圖和感興趣區(qū)域(ROI)光譜提取示意圖Fig.1 Schematic diagram of broccoli sample’s region of interest(ROI)selection and spectral extraction

    圖2 不含農(nóng)藥殘留及含不同種類農(nóng)藥殘留的西蘭花平均光譜圖Fig.2 Average reflectance spectra of broccoli samples with different types of pesticide residues or without pesticide residues

    從表1中可以看出,當主成分數(shù)達到9時,累計貢獻率已經(jīng)達到99.05%。為了達到降低數(shù)據(jù)冗余性的同時最大程度保留數(shù)據(jù)信息的目的,選取主成分數(shù)為10,此時累計貢獻率達到99.10%。

    使用連續(xù)投影算法(SPA)對預處理后的光譜數(shù)據(jù)特征波長進行選擇,設定特征波長最大個數(shù)為20。根據(jù)均方根誤差盡可能小且波長個數(shù)盡可能少的原則,得到的特征波長個數(shù)為8(圖4),此時均方根誤差為0.85 275,光譜特征波長分別為458.51、500.02、522.13、551.77、614.04、720.32、769.08、818.26 nm。

    圖3 前5個主成分圖像Fig.3 The first five principal component images of broccoli samples

    表1 不同主成分的累計貢獻率Table 1 Cumulative contribution rates using different numbers of principal components %

    圖4 連續(xù)投影算法(SPA)提取的特征波長Fig.4 Characteristic wavelengths extracted by SPA

    2.3 基于全波段數(shù)據(jù)的分類建模

    從預處理后的每類樣品中隨機抽取30個(共計120個)數(shù)據(jù)作為訓練集,余下的每類15個(共計60個)數(shù)據(jù)作為測試集。對431.84~981.71 nm之間進行PMSC處理后的原始光譜作為輸入變量,分別驗證MD、ANN、LSSVM和ELM這4種分類方法的鑒別效果,結果如表2所示。其中最小二乘支持向量機算法(LSSVM)分別采用線性核函數(shù)和徑向基核函數(shù),該模型中的懲罰因子c和核函數(shù)參數(shù)gamma均為默認參數(shù)。在人工神經(jīng)網(wǎng)絡算法(ANN)中,活化函數(shù)為Logistic,訓練貢獻閾值設為0.94,隱含層數(shù)為1,權重調(diào)節(jié)速度為0.2,訓練迭代次數(shù)1 000,允許誤差為0.06。極限學習機(ELM)模型隱含層節(jié)點數(shù)為31。

    從表2中可以看出,4種基于全光譜的分類方法都能有效分類識別,其中識別效果最好的模型是人工神經(jīng)網(wǎng)絡算法建模,訓練集和測試集正確率分別為99.17%和98.33%。使用ELM算法建模效果僅次于人工神經(jīng)網(wǎng)絡算法建模,訓練集和測試集正確率分別為97.50%和95.83%。而使用徑向基核函數(shù)的LSSVM算法建模的正確率均高于使用線性核函數(shù)模型的正確率。

    表2 基于全波段數(shù)據(jù)不同分類器建模結果Table 2 Results of different classification models using fullspectra %

    2.4 基于特征提取算法的分類建模

    同樣地,將選取的前10個主成分特征光譜和8個特征波長分別作為輸入變量,構建分類模型。分類結果如表3所示。其中最小二乘支持向量機算法、人工神經(jīng)網(wǎng)絡和極限學習機算法的參數(shù)設置同2.3。從中可以看出,基于SPA特征波長的分類模型的正確率整體都高于基于主成分特征光譜的分類模型,說明試驗中采用連續(xù)投影算法進行數(shù)據(jù)降維的效果優(yōu)于主成分分析算法。與2.3中的分類結果相比,基于SPA特征波長的建模中,馬氏距離、最小二乘支持向量機和人工神經(jīng)網(wǎng)絡模型正確率略有下降但是精度仍然較好,訓練集的正確率均超過80%;而基于SPA特征波長下的極限學習機模型的判別正確率有所提高,且高于其他3類分類器的正確率,訓練集和測試集的正確率均高達96%以上。

    表3 基于主成分特征光譜和SPA特征波長的不同分類器建模結果Table 3 Results of different classification models using principal component characteristic spectra and characteristic wavelengths selected by SPA %

    3 結論

    利用高光譜圖像技術采集4組西蘭花樣本圖像,利用圖像信息選取感興趣區(qū)域的平均光譜后,針對西蘭花表面凹凸不平的特點采用分段多元散射校正算法進行預處理,有效地消除了顆粒造成的非線性光散射影響,然后基于全光譜信息分別采用馬氏距離算法、最小二乘支持向量機算法、人工神經(jīng)網(wǎng)絡和極限學習機算法進行分類建模。其中人工神經(jīng)網(wǎng)絡分類算法效果最優(yōu),訓練集和測試集正確率分別為99.17%和98.33%。為剔除大量高光譜冗余數(shù)據(jù),提高模型的識別速度,采用主成分分析算法選取前10個主成分和連續(xù)投影算法選擇8個特征值波長進行特征提取,分別建立了基于特征信息的判別模型。在實驗分類器中,SPA-ELM模型的識別效果均優(yōu)于其他3類分類器,訓練集和測試集的正確率分別為98.33%、96.67%。綜上表明,利用高光譜圖像技術結合人工神經(jīng)網(wǎng)絡算法實現(xiàn)西蘭花表面有、無農(nóng)藥殘留及殘留農(nóng)藥種類檢測是完全可行的,為西蘭花表面農(nóng)藥殘留快速無損檢測提供了一種新的方法。

    參考文獻(References):

    [1] XU L,CAO J,CHEN W.Structural characterization of a broccoli polysaccharide and evaluation of anti-cancer cell proliferation effects.Carbohydrate Polymers,2015,126:179-184.

    [2] 孫彩霞,戚亞梅,楊桂玲,等.西蘭花出口的技術性貿(mào)易措施分析.農(nóng)產(chǎn)品質(zhì)量與安全,2013(1):55-57.SUN C X,QI Y M,YANG G L,et al.Analysis on technical trade measures of broccoli export.Quality and Safety of Agro-products,2013(1):55-57.(in Chinese)

    [3] FARINA Y,ABDULLAH M P,BIBI N,et al.Determination of pesticide residues in leafy vegetables at parts per billion levels by a chemometric study using GC-ECD in Cameron Highlands.Food Chemistry,2017,224:55-61.

    [4] ZHANG F,HUANG Z,ZHANG Y,et al.Determination of 20 carbamate pesticide residues in food by high performance liquid chromatography-tandem mass spectrometry.Chinese Journal of Chromatography,2010,28(4):348-355.

    [5] CHO B K,KIM M S,BAEK I S,et al.Detection of cuticle defects on cherry tomatoes using hyperspectral fluorescence imagery.Postharvest Biology&Technology,2013,76:40-49.

    [6]JAMSHIDI B,MOHAJERANI E,JAMSHIDI J.Developing a Vis/NIR spectroscopic system for fast and non-destructive pesticide residue monitoring in agricultural product.Measurement,2016,89:1-6.

    [7] SHAO Y N,LI Y,JIANG L J,et al.Identification of pesticide varieties by detecting characteristics of Chlorella pyrenoidosa using visible/near infrared hyperspectral imaging and Raman microspectroscopy technology.Water Research,2016,104:432-440.

    [8] 孫俊,張梅霞,毛罕平,等.基于高光譜圖像的桑葉農(nóng)藥殘留種類鑒別研究.農(nóng)業(yè)機械學報,2015,46(6):251-256.SUN J,ZHANG M X,MAO H P,et al.Identification of pesticide residues in mulberry leaves based on hyperspectral imaging.Transactions of the Chinese Society of Agricultural Machinery,2015,46(6):251-256.(in Chinese with English Abstract)

    [9] 胡榮明,郭江波,黃遠程,等.韭菜中毒死蜱殘留量與高光譜特征參數(shù)的相關性建模.農(nóng)藥學學報,2015,17(5):563-570.HU R M,GUO J B,HUANG Y C,et al.Sensitivity model for chlorpyrifos residues in Chinese chive and hyper-spectral absorption parameters.Chinese Journal of Pesticide Science,2015,17(5):563-570.(in Chinese with English Abstract)

    [10]EDELSON J V,MAGARO J J,BROWNING H.Control of insect pests on broccoli in southern Texas:A comparison between synthetic organic insecticidesand biorational treatments.Journal of Entomological Science,1993,28(2):191-196.

    [11]BURGER J,GELADI P.Spectral pre-treatments of hyperspectral near infrared images:Analysis of diffuse reflectance scattering.Journal of Near Infrared Spectroscopy,2007,15(1):29-37.

    [12]HUANG L,ZHAO J,CHEN Q,et al.Rapid detection of total viable count(TVC)in pork meat by hyperspectral imaging.Food Research International,2013,54(1):821-828.

    [13]GAO J F,LI X L,ZHU F L,et al.Application of hyperspectral imaging technology to discriminate different geographical origins of Jatropha curcas L.seeds.Computers&Electronics in Agriculture,2013,99(6):186-193.

    [14]MAESSCHALCK R D,JOUAN-RIMBAUD D,MASSART D L.The Mahalanobis distance.Chemometrics&Intelligent Laboratory Systems,2000,50(1):1-18.

    [15]SUYKENS J A K,GESTEL T V,BRABANTER J D,et al.Least square support vector machine.Euphytica,2002,2(2):1599-1604.

    [16]SUN M J,ZHANG D,LIU L,et al.How to predict the sugariness and hardness of melons:A near-infrared hyperspectral imaging method.Food Chemistry,2016,218:413.

    [17]HUANG G B,ZHU Q Y,SIEW C K.Extreme learning machine:Theory and applications.Neurocomputing,2006,70(1/2/3):489-501.

    猜你喜歡
    西蘭花正確率光譜
    西蘭花
    基于三維Saab變換的高光譜圖像壓縮方法
    門診分診服務態(tài)度與正確率對護患關系的影響
    星級大廚
    新青年(2018年8期)2018-08-18 02:39:58
    生意
    品管圈活動在提高介入手術安全核查正確率中的應用
    天津護理(2016年3期)2016-12-01 05:40:01
    生意
    故事會(2016年15期)2016-08-23 13:48:41
    星載近紅外高光譜CO2遙感進展
    中國光學(2015年5期)2015-12-09 09:00:28
    苦味酸與牛血清蛋白相互作用的光譜研究
    萵苣—西瓜—西蘭花高效種植模式
    長江蔬菜(2014年1期)2014-03-11 15:09:52
    404 Not Found

    404 Not Found


    nginx
    一本久久精品| 久久久久久久久久人人人人人人| 香蕉国产在线看| 国产成人91sexporn| 国产成人av激情在线播放| 美女国产高潮福利片在线看| 亚洲三级黄色毛片| 亚洲av日韩在线播放| 亚洲伊人久久精品综合| 成人无遮挡网站| 精品99又大又爽又粗少妇毛片| 亚洲,欧美,日韩| 男的添女的下面高潮视频| 一本色道久久久久久精品综合| 国产免费视频播放在线视频| 韩国精品一区二区三区 | 男女边吃奶边做爰视频| 亚洲精品日本国产第一区| 免费黄频网站在线观看国产| 欧美xxⅹ黑人| 七月丁香在线播放| 久久国内精品自在自线图片| 精品视频人人做人人爽| 一级片免费观看大全| 亚洲综合色网址| 国产在视频线精品| 午夜影院在线不卡| 人成视频在线观看免费观看| www.熟女人妻精品国产 | 日本色播在线视频| 午夜福利视频精品| 久久精品国产鲁丝片午夜精品| 免费大片黄手机在线观看| 如日韩欧美国产精品一区二区三区| 亚洲国产精品一区三区| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看日韩| 精品一区二区三区四区五区乱码 | 中国美白少妇内射xxxbb| 亚洲激情五月婷婷啪啪| 搡老乐熟女国产| 男人爽女人下面视频在线观看| 麻豆乱淫一区二区| 狠狠精品人妻久久久久久综合| 自线自在国产av| tube8黄色片| 日韩精品免费视频一区二区三区 | 成人毛片a级毛片在线播放| 91午夜精品亚洲一区二区三区| 亚洲欧美一区二区三区黑人 | 纵有疾风起免费观看全集完整版| 久久久久久久久久久久大奶| 国产免费福利视频在线观看| 成人亚洲欧美一区二区av| 精品国产露脸久久av麻豆| 男女免费视频国产| 精品福利永久在线观看| 大香蕉久久成人网| 亚洲综合色惰| 青春草亚洲视频在线观看| 中文字幕av电影在线播放| 一级毛片我不卡| 美女视频免费永久观看网站| av黄色大香蕉| 国产不卡av网站在线观看| 色5月婷婷丁香| 99国产精品免费福利视频| 久久精品人人爽人人爽视色| 熟女电影av网| 搡女人真爽免费视频火全软件| 美女内射精品一级片tv| 久久久国产欧美日韩av| 91午夜精品亚洲一区二区三区| 精品一区在线观看国产| 国产69精品久久久久777片| 深夜精品福利| 亚洲熟女精品中文字幕| 日韩欧美精品免费久久| 亚洲丝袜综合中文字幕| 汤姆久久久久久久影院中文字幕| 91精品国产国语对白视频| 久久人人97超碰香蕉20202| 久久女婷五月综合色啪小说| 国产一区亚洲一区在线观看| 少妇熟女欧美另类| 国产在线免费精品| 亚洲成国产人片在线观看| 春色校园在线视频观看| 蜜桃在线观看..| 免费人妻精品一区二区三区视频| 国产精品久久久久久av不卡| 久久狼人影院| 亚洲美女黄色视频免费看| 色视频在线一区二区三区| 国产欧美日韩一区二区三区在线| 女人久久www免费人成看片| 日韩不卡一区二区三区视频在线| 中文乱码字字幕精品一区二区三区| 日韩欧美一区视频在线观看| 日本色播在线视频| 久久精品国产综合久久久 | 国产片内射在线| 三级国产精品片| 精品人妻熟女毛片av久久网站| 日韩精品有码人妻一区| 国产老妇伦熟女老妇高清| 少妇的逼水好多| 街头女战士在线观看网站| 免费观看性生交大片5| 亚洲美女搞黄在线观看| 男女下面插进去视频免费观看 | 90打野战视频偷拍视频| 国产欧美另类精品又又久久亚洲欧美| 久久精品久久久久久久性| 国产不卡av网站在线观看| 成人毛片60女人毛片免费| 亚洲天堂av无毛| 久久久久视频综合| 久久人人爽av亚洲精品天堂| 国产在线免费精品| 亚洲国产精品一区二区三区在线| 亚洲天堂av无毛| 黑人猛操日本美女一级片| 搡老乐熟女国产| 国产精品久久久久久av不卡| 亚洲五月色婷婷综合| 亚洲精品第二区| 亚洲国产欧美日韩在线播放| 天天影视国产精品| 欧美+日韩+精品| 视频在线观看一区二区三区| 久久久久久久精品精品| 乱人伦中国视频| 日本-黄色视频高清免费观看| 色哟哟·www| 丰满饥渴人妻一区二区三| 久久久久国产网址| 一边亲一边摸免费视频| 国产日韩欧美视频二区| 国产av码专区亚洲av| 午夜久久久在线观看| 热re99久久精品国产66热6| 日本黄色日本黄色录像| 极品人妻少妇av视频| 在现免费观看毛片| 亚洲精品美女久久av网站| 亚洲av男天堂| 人妻系列 视频| 十八禁网站网址无遮挡| 日韩大片免费观看网站| 韩国av在线不卡| 九草在线视频观看| 免费久久久久久久精品成人欧美视频 | 久久久久久久亚洲中文字幕| 午夜av观看不卡| 18禁在线无遮挡免费观看视频| 国产免费又黄又爽又色| 少妇被粗大猛烈的视频| 热99国产精品久久久久久7| 国产午夜精品一二区理论片| 69精品国产乱码久久久| 亚洲国产精品成人久久小说| 国产白丝娇喘喷水9色精品| 少妇的丰满在线观看| 久久人人爽人人片av| 九草在线视频观看| 夫妻午夜视频| 亚洲国产成人一精品久久久| 国产精品 国内视频| 久久综合国产亚洲精品| 国产精品久久久av美女十八| 中文字幕人妻熟女乱码| 亚洲欧美中文字幕日韩二区| 女性生殖器流出的白浆| 伦理电影免费视频| 精品亚洲成a人片在线观看| 久久免费观看电影| 在线观看免费高清a一片| 日本欧美视频一区| 亚洲一区二区三区欧美精品| xxx大片免费视频| 亚洲国产最新在线播放| 国产精品久久久久久精品古装| 亚洲欧美色中文字幕在线| 少妇高潮的动态图| 一级,二级,三级黄色视频| 亚洲国产欧美在线一区| 丝袜美足系列| 青春草视频在线免费观看| 制服诱惑二区| 国产精品99久久99久久久不卡 | 80岁老熟妇乱子伦牲交| 边亲边吃奶的免费视频| 国产精品人妻久久久影院| 最后的刺客免费高清国语| 免费黄网站久久成人精品| 免费看不卡的av| 亚洲av欧美aⅴ国产| 亚洲国产欧美在线一区| 秋霞在线观看毛片| 中国美白少妇内射xxxbb| 亚洲天堂av无毛| 亚洲成人手机| 国产亚洲精品第一综合不卡 | 欧美日韩亚洲高清精品| 日韩av不卡免费在线播放| 卡戴珊不雅视频在线播放| 免费人成在线观看视频色| 少妇被粗大猛烈的视频| 人妻系列 视频| 国产av精品麻豆| 91久久精品国产一区二区三区| 天天躁夜夜躁狠狠躁躁| 国产精品偷伦视频观看了| 夜夜骑夜夜射夜夜干| 97超碰精品成人国产| 国产一区二区在线观看av| 秋霞在线观看毛片| 纵有疾风起免费观看全集完整版| 国语对白做爰xxxⅹ性视频网站| 午夜免费男女啪啪视频观看| 五月玫瑰六月丁香| 久久人人97超碰香蕉20202| 久久久亚洲精品成人影院| 人人澡人人妻人| 久久久久久久亚洲中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 97精品久久久久久久久久精品| 成人亚洲欧美一区二区av| 搡老乐熟女国产| 一个人免费看片子| 黄片无遮挡物在线观看| 97人妻天天添夜夜摸| 免费av不卡在线播放| 中文字幕最新亚洲高清| 国产又爽黄色视频| 99久久中文字幕三级久久日本| 丰满饥渴人妻一区二区三| 永久网站在线| 午夜福利视频精品| 免费在线观看完整版高清| 精品久久蜜臀av无| 精品亚洲乱码少妇综合久久| 日本午夜av视频| 精品一区二区三区视频在线| 国产免费现黄频在线看| 国产精品三级大全| 精品国产一区二区三区四区第35| 色婷婷av一区二区三区视频| 18禁观看日本| 一区二区三区精品91| 2021少妇久久久久久久久久久| 亚洲国产日韩一区二区| 天堂8中文在线网| 久久狼人影院| 久久久久视频综合| videos熟女内射| 男人操女人黄网站| 久久精品久久久久久久性| 男女下面插进去视频免费观看 | 国产精品 国内视频| 午夜91福利影院| 久久久久久久久久成人| 久久午夜综合久久蜜桃| 考比视频在线观看| 有码 亚洲区| 国产精品蜜桃在线观看| h视频一区二区三区| 精品国产露脸久久av麻豆| 精品午夜福利在线看| 国产成人aa在线观看| 色5月婷婷丁香| 国产精品成人在线| 中国国产av一级| 国产精品一二三区在线看| 亚洲精品久久成人aⅴ小说| 超色免费av| 国产日韩一区二区三区精品不卡| 一边摸一边做爽爽视频免费| 尾随美女入室| 波多野结衣一区麻豆| 在线观看免费高清a一片| 国产淫语在线视频| 亚洲精品乱久久久久久| 十八禁高潮呻吟视频| 亚洲色图 男人天堂 中文字幕 | 精品国产露脸久久av麻豆| 久久精品久久精品一区二区三区| 亚洲精品美女久久久久99蜜臀 | 国产欧美亚洲国产| 9色porny在线观看| 两个人免费观看高清视频| 国产欧美另类精品又又久久亚洲欧美| 久久久a久久爽久久v久久| 中文字幕人妻熟女乱码| 黄网站色视频无遮挡免费观看| 中文天堂在线官网| 9热在线视频观看99| 色网站视频免费| 一二三四中文在线观看免费高清| 欧美激情极品国产一区二区三区 | 最近中文字幕2019免费版| 精品少妇久久久久久888优播| 日韩精品免费视频一区二区三区 | 老熟女久久久| 久久精品久久久久久噜噜老黄| 欧美丝袜亚洲另类| 91aial.com中文字幕在线观看| 一二三四在线观看免费中文在 | 午夜91福利影院| 精品酒店卫生间| 人人澡人人妻人| 国产不卡av网站在线观看| 免费久久久久久久精品成人欧美视频 | 欧美日韩综合久久久久久| 啦啦啦视频在线资源免费观看| 人人妻人人爽人人添夜夜欢视频| 国产精品女同一区二区软件| 伦精品一区二区三区| 搡老乐熟女国产| 精品人妻在线不人妻| av又黄又爽大尺度在线免费看| 97在线人人人人妻| 十分钟在线观看高清视频www| 老熟女久久久| 少妇人妻久久综合中文| 国产亚洲精品第一综合不卡 | 久久精品国产鲁丝片午夜精品| 亚洲精品久久久久久婷婷小说| 大香蕉97超碰在线| 久久鲁丝午夜福利片| 国产一区亚洲一区在线观看| 久久婷婷成人综合色麻豆| 欧美精品人与动牲交sv欧美| √禁漫天堂资源中文www| 日韩免费高清中文字幕av| 他把我摸到了高潮在线观看| 久99久视频精品免费| 欧美国产精品va在线观看不卡| 国产一卡二卡三卡精品| 18禁裸乳无遮挡免费网站照片 | 久久影院123| tube8黄色片| 久久国产精品大桥未久av| 成熟少妇高潮喷水视频| 成人特级黄色片久久久久久久| 黄色视频,在线免费观看| 久久热在线av| 嫩草影视91久久| 日本a在线网址| 久久 成人 亚洲| 久久狼人影院| 老司机午夜十八禁免费视频| 女同久久另类99精品国产91| 亚洲熟妇熟女久久| 欧美国产精品一级二级三级| 国产无遮挡羞羞视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 最近最新中文字幕大全电影3 | 美女午夜性视频免费| 久久九九热精品免费| 99久久99久久久精品蜜桃| 18禁国产床啪视频网站| 日韩有码中文字幕| 亚洲色图av天堂| 欧美激情高清一区二区三区| 窝窝影院91人妻| 欧美午夜高清在线| 十分钟在线观看高清视频www| 女人被躁到高潮嗷嗷叫费观| 电影成人av| 午夜免费鲁丝| 精品国产一区二区三区四区第35| 欧美日韩福利视频一区二区| 一本综合久久免费| 热99久久久久精品小说推荐| 精品欧美一区二区三区在线| 激情视频va一区二区三区| 国产成人精品无人区| 91精品国产国语对白视频| 80岁老熟妇乱子伦牲交| 夜夜夜夜夜久久久久| 久久国产精品影院| 日韩三级视频一区二区三区| 成人18禁在线播放| 国产精品香港三级国产av潘金莲| 中文字幕色久视频| 无遮挡黄片免费观看| 18在线观看网站| 黑人操中国人逼视频| 亚洲国产看品久久| 欧美日韩亚洲高清精品| 夜夜爽天天搞| 美国免费a级毛片| 在线免费观看的www视频| e午夜精品久久久久久久| 悠悠久久av| 91国产中文字幕| 9热在线视频观看99| 午夜福利免费观看在线| 欧美另类亚洲清纯唯美| 好男人电影高清在线观看| 大香蕉久久成人网| 色婷婷久久久亚洲欧美| 国产男女超爽视频在线观看| 啦啦啦在线免费观看视频4| 久久精品国产亚洲av香蕉五月 | 日韩免费av在线播放| 国产精品偷伦视频观看了| 国产精品亚洲一级av第二区| 极品教师在线免费播放| 国产精品一区二区免费欧美| 精品一品国产午夜福利视频| 99热国产这里只有精品6| 一区二区三区激情视频| 中国美女看黄片| 丝袜美足系列| 国产av一区二区精品久久| 热99re8久久精品国产| 国产乱人伦免费视频| 日韩欧美免费精品| 精品久久久精品久久久| 午夜福利在线免费观看网站| 99精品在免费线老司机午夜| 欧美在线黄色| 久久这里只有精品19| 一区二区三区激情视频| 亚洲国产精品一区二区三区在线| 又黄又粗又硬又大视频| 99国产综合亚洲精品| 天天躁日日躁夜夜躁夜夜| 国产精品九九99| 国产精品一区二区在线不卡| 男人舔女人的私密视频| 大型av网站在线播放| 久久精品国产综合久久久| 亚洲av成人av| 丰满人妻熟妇乱又伦精品不卡| 老司机亚洲免费影院| 午夜福利欧美成人| 免费在线观看亚洲国产| 老熟妇仑乱视频hdxx| tocl精华| 国产精品1区2区在线观看. | 法律面前人人平等表现在哪些方面| 久久国产乱子伦精品免费另类| 欧美人与性动交α欧美精品济南到| a级毛片黄视频| 美女高潮到喷水免费观看| 国产成人av激情在线播放| 国产一卡二卡三卡精品| 国产男女内射视频| 99re在线观看精品视频| 亚洲免费av在线视频| 久久人人97超碰香蕉20202| 一级作爱视频免费观看| 午夜激情av网站| 亚洲人成77777在线视频| 国产在线精品亚洲第一网站| 国产又爽黄色视频| 亚洲第一欧美日韩一区二区三区| 国产在线观看jvid| 人妻久久中文字幕网| 国产真人三级小视频在线观看| 十分钟在线观看高清视频www| 国产成人欧美| 母亲3免费完整高清在线观看| 精品国产国语对白av| 国产一区二区三区综合在线观看| 免费在线观看日本一区| 亚洲成av片中文字幕在线观看| 国产精品一区二区在线不卡| 国产蜜桃级精品一区二区三区 | 在线观看免费视频网站a站| 两人在一起打扑克的视频| 天天躁夜夜躁狠狠躁躁| 国产精品久久电影中文字幕 | 99国产精品一区二区蜜桃av | 亚洲精华国产精华精| 咕卡用的链子| 国内毛片毛片毛片毛片毛片| 国产在视频线精品| 国产一区二区三区在线臀色熟女 | 手机成人av网站| 国产伦人伦偷精品视频| 欧美性长视频在线观看| 一个人免费在线观看的高清视频| 久久人人爽av亚洲精品天堂| 欧美黑人精品巨大| 国产精品亚洲av一区麻豆| 午夜精品国产一区二区电影| 亚洲色图 男人天堂 中文字幕| 国产视频一区二区在线看| a在线观看视频网站| 老司机靠b影院| 中文字幕人妻熟女乱码| 少妇粗大呻吟视频| 99热国产这里只有精品6| 女人高潮潮喷娇喘18禁视频| 婷婷丁香在线五月| 一区福利在线观看| 亚洲avbb在线观看| 村上凉子中文字幕在线| 99久久精品国产亚洲精品| 十八禁高潮呻吟视频| 精品欧美一区二区三区在线| 搡老岳熟女国产| 夜夜夜夜夜久久久久| 极品少妇高潮喷水抽搐| 很黄的视频免费| 国产精品影院久久| 亚洲欧美激情综合另类| 一级a爱片免费观看的视频| 老司机午夜福利在线观看视频| av天堂在线播放| 最新在线观看一区二区三区| 国产xxxxx性猛交| 久久久久国产一级毛片高清牌| 精品亚洲成国产av| 女警被强在线播放| 亚洲全国av大片| 久久久国产成人精品二区 | 日韩精品免费视频一区二区三区| 91麻豆av在线| 亚洲片人在线观看| 黑人猛操日本美女一级片| 80岁老熟妇乱子伦牲交| 中文字幕色久视频| 久久国产精品男人的天堂亚洲| 午夜久久久在线观看| 99精品欧美一区二区三区四区| 啦啦啦在线免费观看视频4| 老司机影院毛片| 99久久99久久久精品蜜桃| 男女免费视频国产| 欧美日韩瑟瑟在线播放| 亚洲av熟女| 9热在线视频观看99| 成人手机av| 伊人久久大香线蕉亚洲五| 色婷婷av一区二区三区视频| 国产一区有黄有色的免费视频| 久久草成人影院| 国产精品久久久人人做人人爽| 91大片在线观看| 99re6热这里在线精品视频| 国产成人av激情在线播放| 女人久久www免费人成看片| 久久精品国产综合久久久| 91av网站免费观看| 欧美不卡视频在线免费观看 | 久久午夜亚洲精品久久| 丝袜在线中文字幕| 在线观看免费午夜福利视频| 亚洲全国av大片| aaaaa片日本免费| 丁香欧美五月| 国产亚洲欧美精品永久| 久热这里只有精品99| 国产精品一区二区在线不卡| 19禁男女啪啪无遮挡网站| 好看av亚洲va欧美ⅴa在| 精品国产一区二区三区久久久樱花| 欧美乱码精品一区二区三区| 黑丝袜美女国产一区| 757午夜福利合集在线观看| 久久天躁狠狠躁夜夜2o2o| ponron亚洲| 成年女人毛片免费观看观看9 | a在线观看视频网站| 国产一区二区三区视频了| 欧美人与性动交α欧美精品济南到| 嫩草影视91久久| 亚洲欧美激情综合另类| 国产一卡二卡三卡精品| 超碰成人久久| 国产精品美女特级片免费视频播放器 | 国产精品99久久99久久久不卡| x7x7x7水蜜桃| 男女床上黄色一级片免费看| 曰老女人黄片| 精品久久久久久电影网| 男女床上黄色一级片免费看| 色老头精品视频在线观看| 国产极品粉嫩免费观看在线| 在线永久观看黄色视频| 国产免费男女视频| 精品熟女少妇八av免费久了| 精品国产美女av久久久久小说| 欧美乱色亚洲激情| 日韩有码中文字幕| 18禁国产床啪视频网站| 国产免费男女视频| 18禁黄网站禁片午夜丰满| 亚洲成人国产一区在线观看| www日本在线高清视频| 99久久国产精品久久久| 欧美老熟妇乱子伦牲交| 岛国在线观看网站| 性少妇av在线| 亚洲精品美女久久av网站| 在线观看66精品国产| 狂野欧美激情性xxxx| 欧美日韩中文字幕国产精品一区二区三区 | 日韩有码中文字幕| 91麻豆精品激情在线观看国产 | 日韩欧美一区视频在线观看| 一本综合久久免费| 在线观看免费午夜福利视频| 亚洲成人国产一区在线观看| 又黄又爽又免费观看的视频| 日本wwww免费看| 亚洲精品美女久久久久99蜜臀| 久热爱精品视频在线9| 亚洲第一欧美日韩一区二区三区|