• <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 ?

    基于深度可分離卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害識別方法

    2019-07-10 09:29:59蔡漢明隨玉騰張鎮(zhèn)曾祥永
    安徽農(nóng)業(yè)科學(xué) 2019年11期
    關(guān)鍵詞:圖像處理深度學(xué)習(xí)

    蔡漢明 隨玉騰 張鎮(zhèn) 曾祥永

    摘要 為了滿足現(xiàn)代化、機(jī)械化農(nóng)業(yè)生產(chǎn)的目標(biāo),降低模型的計(jì)算量,使農(nóng)作物病害分類模型更適用于資源受限制的設(shè)備,提出了一種以深度可分離卷積為主的神經(jīng)網(wǎng)絡(luò)模型。利用深度可分離卷積和卷積相結(jié)合的方法取代標(biāo)準(zhǔn)卷積,計(jì)算量可降低至標(biāo)準(zhǔn)卷積的12%左右,并且大大減少網(wǎng)絡(luò)模型的參數(shù)量。通過進(jìn)一步減少通道數(shù)、改變網(wǎng)絡(luò)輸入圖片大小的等方式,獲得12種參數(shù)量和計(jì)算量不同的模型。結(jié)果顯示,對含有復(fù)雜背景和光照不均勻的10類農(nóng)作物的27種病害樣本圖片進(jìn)行分類,該研究提出的模型準(zhǔn)確率為98.26%,且參數(shù)量僅904 K。

    關(guān)鍵詞 深度可分離卷積;病害識別;圖像處理;深度學(xué)習(xí)

    中圖分類號 S1265;TP126文獻(xiàn)標(biāo)識碼 A

    文章編號 0517-6611(2019)11-0244-03

    doi:10.3969/j.issn.0517-6611.2019.11.070

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    Abstract In order to meet the goal of modern and mechanized agricultural production and reduce the computational load of the model,the crop disease classification model is more suitable for equipment with limited resources.A neural network model based on depthwise separable convolution was proposed.By combining depthwise separable convolution with 1×1 convolution,instead of standard convolution,the calculation amount could be reduced by 8~9 times,and the parameters of the network model could be greatly reduced.By further reducing the number of channels and changing the size of network input pictures,12 models with different parameters and computational load were obtained.Results showed that the accuracy of the proposed model was 98.26% and the parameters were only 904 K for the classification of 27 kinds of crop disease samples with complex background and uneven illumination.

    Key words Depthwise separable convolution;Disease recognition;Image processing;Deep learning

    作者簡介 蔡漢明( 1960—) ,湖北武漢人,教授,從事計(jì)算機(jī)輔助設(shè)計(jì)與制造研究。*通信作者,碩士研究生,從事計(jì)算機(jī)集成制造研究。

    收稿日期 2018-12-26

    農(nóng)作物病害會直接影響其品質(zhì),導(dǎo)致蔬菜減產(chǎn),是種植者經(jīng)濟(jì)損失的主要原因之一。由于病害種類較多,不能及時確診病害類型,導(dǎo)致農(nóng)作物病害越來越嚴(yán)重。因此,準(zhǔn)確及時地確定農(nóng)作物病害類型是治療農(nóng)作病害的關(guān)鍵點(diǎn)。

    隨著計(jì)算機(jī)和模式識別等技術(shù)的發(fā)展,研究人員利用機(jī)器學(xué)習(xí)和圖像處理等方法對植物葉片疾病識別進(jìn)行研究。田凱等[1]通過圖像處理提取茄子葉片上褐紋病病斑特征,構(gòu)建Fisher判別器,對茄子褐紋病的識別精度達(dá)到了90%。劉娜等[2]通過圖像處理和BP神經(jīng)網(wǎng)絡(luò)技術(shù),構(gòu)建了一種黃瓜葉部病害識別系統(tǒng),對多種病害的平均識別精度達(dá)到了94.06%。田有文等[3]通過提取葡萄葉片病害彩色圖像的紋理特征,提出了一種基于支持向量機(jī)的病害識別方法,取得比BP神經(jīng)網(wǎng)絡(luò)更好的結(jié)果。杜海順等[4]通過提取葉片特征和病害特征,將其合并并歸一化,提出了一種雙權(quán)重協(xié)同表示分類方法對多種農(nóng)作物的多種疾病識別取得了91.67%的準(zhǔn)確率。但是這種通過提取葉片特定圖像特征并通過傳統(tǒng)的分類算法的方式圖片預(yù)處理過程較復(fù)雜,抗干擾能力、魯棒性較差,處理速度較慢,對于計(jì)算和存儲資源有限的移動設(shè)備沒有足夠的支持。

    近年來,深度學(xué)習(xí)的特征提取和識別方法取得了較大的進(jìn)步,卷積神經(jīng)網(wǎng)絡(luò)大范圍的應(yīng)用于各種圖像分類[5-6]、目標(biāo)檢測[7-9]、人臉識別[10]等任務(wù)中,并在各研究方向中取得優(yōu)異的成績。

    卷積神經(jīng)網(wǎng)絡(luò)也普遍運(yùn)用于農(nóng)作物病害識別,馬浚誠等[11]通過一種復(fù)合顏色特征與傳統(tǒng)區(qū)域生長算法結(jié)合,構(gòu)建了一個基于卷積神將網(wǎng)絡(luò)的黃瓜病害識別系統(tǒng),對多種黃瓜葉片疾病的平均識別精度達(dá)到95.7%。龍滿生等[12]通過遷移學(xué)習(xí)和數(shù)據(jù)擴(kuò)充的方式,使用AlexNet對油茶葉片的5種病害識別準(zhǔn)確率達(dá)到了96.53%。對PlantVillage 中14 種植物的26 種病害以及部分健康植物的圖像樣本,Mohanty 等[13]使用AlexNet 、GoogLeNet 模型,進(jìn)行分類識別訓(xùn)練,識別精度可達(dá)到97.82%和99.35%。孫俊等[14]提出一種改進(jìn)的AlexNet卷積神經(jīng)網(wǎng)絡(luò),在PlantVillage數(shù)據(jù)集上達(dá)到98.32% 的識別準(zhǔn)確率。

    但是一般來說卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)量大、計(jì)算量大、對使用設(shè)備要求較高,導(dǎo)致普及性較差。鑒于此,筆者提出一種基于深度可分離卷積[15-16]的神經(jīng)網(wǎng)絡(luò)模型,結(jié)合批次歸一化技術(shù)使其加速收斂、精度提高,得到一種參數(shù)量和計(jì)算量較小、適用于移動設(shè)備和資源受限的設(shè)備模型。對10類農(nóng)作物的27種病害樣本進(jìn)行分類,以期可以應(yīng)用于實(shí)際生產(chǎn)管理中。

    1 材料與預(yù)處理

    1.1 材料

    數(shù)據(jù)集有10個物種,27種病害,10個健康分類,共37個分類。每張圖包含1片或者多片農(nóng)作物的葉子。數(shù)據(jù)集隨機(jī)分為訓(xùn)練集(90%)、測試集(10%)。其中,訓(xùn)練集有32 739張圖片,測試集有4 982張圖片。部分訓(xùn)練樣本如圖1所示。圖1中,1~4為蘋果健康、黑星病、灰斑病、雪松銹病;5~6為櫻桃健康、白粉病;7~11為玉米健康、灰斑病、銹病、葉斑病、花葉病毒;12~15為葡萄健康、黑腐病、輪斑病、褐斑病;16~17為柑橘健康、黃龍病;18~19為桃健康、瘡痂病;20~21為辣椒健康、瘡痂病;22~24為馬鈴薯健康、早疫病、薯晚疫病;25-26為草莓健康、葉枯病;27-37為番茄健康、白粉病、瘡痂病、早疫病、晚疫病菌、葉霉病、斑點(diǎn)病、茄斑枯病、番茄紅蜘蛛損傷、黃化曲葉病毒病、花葉病毒病。

    1.2 預(yù)處理

    與傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)一致,深度可分離卷積神經(jīng)網(wǎng)絡(luò)的輸入圖片不需要對圖片做復(fù)雜的預(yù)處理操作(病斑分割等)和設(shè)計(jì)特征,只需要輸入原始圖像就可以通過反向傳播逐層學(xué)習(xí)獲取特征。但是由于圖片樣本數(shù)量有限性,為了提高模型在測試集上的適應(yīng)性,故需要對訓(xùn)練集樣本進(jìn)行擴(kuò)充。一般對圖片的操作有隨機(jī)明亮度、對比度、飽和度調(diào)整,添加噪聲和模糊。為減少訓(xùn)練輪數(shù),該研究選擇對訓(xùn)練集樣本進(jìn)行線下擴(kuò)充,對樣本進(jìn)行4個角度(0°、90°、180°、270°)的旋轉(zhuǎn),以及各個方向上的水平和垂直翻轉(zhuǎn),把原始訓(xùn)練數(shù)據(jù)集擴(kuò)充為原來的8倍,共261 912張訓(xùn)練樣本。

    由于數(shù)據(jù)集中圖片大小、寬高比不一致,故將圖片進(jìn)行邊緣填充,用均值像素將其補(bǔ)充為方形,然后縮放至像素的大小存儲在硬盤中。

    2 模型構(gòu)建與訓(xùn)練

    一般卷積神經(jīng)網(wǎng)絡(luò)有多層卷積、池化層、激勵層、全連接層,后接softmax分類器用于分類。與標(biāo)準(zhǔn)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)類似,該研究構(gòu)建一種以深度可分離卷積和卷積相結(jié)合的神經(jīng)網(wǎng)絡(luò)。

    2.1 深度可分離卷積

    假設(shè)標(biāo)準(zhǔn)卷積的卷積核大小為Dk×Dk×M×N,對于標(biāo)準(zhǔn)卷積操作可以認(rèn)為輸入Fin×Fin×M的特征圖,輸出是Fout×Fout×N。其中Fin代表輸入特征圖的大小,F(xiàn)out代表輸出特征圖的大小,M、N分別是輸入和輸出的通道數(shù),Dk是卷積核的大小。所以標(biāo)準(zhǔn)卷積核的計(jì)算量如式1:

    使用一個逐深度卷積和一個11的卷積組成的深度可分離卷積可以代替?zhèn)鹘y(tǒng)卷積,如圖2所示。對于Dk×Dk×M的逐深度卷積核,其計(jì)算量如公式2:

    可以看出逐深度卷積核非常高效,計(jì)算量較少。但是只對輸入通道做卷積,并沒有產(chǎn)生新的特征,所以需要跟隨一個11卷積,對輸出通道做線性結(jié)合,產(chǎn)生新的特征。深度可分離卷積的計(jì)算量如式3:

    所以,對于輸入輸出通道數(shù)和卷積核相等的卷積操作計(jì)算量比較公式如下:

    由于該模型采用的是深度可分離卷積,所以能降低至標(biāo)準(zhǔn)卷積計(jì)算量的12%左右。

    對于深度可分離卷積的參數(shù)量,計(jì)算方式如下:

    對于標(biāo)準(zhǔn)卷積的參數(shù)量,計(jì)算方式如下:

    所以,對于輸入輸出通道數(shù)和卷積核相等的卷積操作參數(shù)量比較如下:

    2.2 網(wǎng)絡(luò)模型

    為了簡化模型描述,定義標(biāo)準(zhǔn)卷積模塊和深度可分離卷積模塊如圖5、6。無論是卷標(biāo)準(zhǔn)卷積、深度可分離卷積、標(biāo)準(zhǔn)卷積,后面都接批次歸一化層和激勵層。

    采用逐深度可分離的網(wǎng)絡(luò)模型如下:

    由于該研究目的是將網(wǎng)絡(luò)模型使用在資源受限制的移動設(shè)備上,在保證模型準(zhǔn)確率的前提下降低模型參數(shù)量和模型計(jì)算量是該研究目標(biāo)。由于模型計(jì)算量和模型通道數(shù)量相關(guān),參數(shù)量與輸入圖片尺寸大小相關(guān)。設(shè)計(jì)輸入不同模型如下表:

    2.3 模型訓(xùn)練

    該試驗(yàn)采用pytorch深度學(xué)習(xí)框架,Windows 7旗艦版64位操作系統(tǒng),CPU為Intel i5-3210m,內(nèi)存8 G。

    2.4 模型比較與分析

    該研究設(shè)計(jì)的6種模型、經(jīng)典分類網(wǎng)絡(luò)Resnet 18和Alexnet比較結(jié)果見表2??梢钥闯觯瑴?zhǔn)確率相差不到0.1%的情況下,該研究提出的模型參數(shù)量遠(yuǎn)遠(yuǎn)小于Alexnet和Resnet,推理速度分別是1.77、4.92倍,更適用于資源受限制的設(shè)備。

    3 小結(jié)

    針對傳統(tǒng)方法準(zhǔn)確率不高、標(biāo)準(zhǔn)卷積神經(jīng)網(wǎng)絡(luò)參數(shù)量過多、計(jì)算量偏大等問題,筆者采用深度可分離卷積對多種植物的多種疾病類型進(jìn)行分類試驗(yàn),并與多種經(jīng)典分類模型進(jìn)行比較,該研究提出的模型參數(shù)量僅為904 K的情況下,測試集準(zhǔn)確率達(dá)到98.06%。

    由此可見,深度可分離卷積不僅能對多種植物的多種疾病有較好的特征提取、分類能力,且模型參數(shù)量和計(jì)算量均大大降低,為降低硬件成本打下了堅(jiān)實(shí)的基礎(chǔ),從而方便后續(xù)植物葉片病害識別系統(tǒng)的研究與開發(fā)。

    參考文獻(xiàn)

    [1] 田凱,張連寬,熊美東,等.基于葉片病斑特征的茄子褐紋病識別方法[J].農(nóng)業(yè)工程學(xué)報,2016,32(S1):184-189.

    安徽農(nóng)業(yè)科學(xué),J.Anhui Agric.Sci. 2019,47(11):247-248,282

    猜你喜歡
    圖像處理深度學(xué)習(xí)
    基于圖像處理的機(jī)器人精確抓取的設(shè)計(jì)與實(shí)現(xiàn)
    機(jī)器學(xué)習(xí)在圖像處理中的應(yīng)用
    電子制作(2018年18期)2018-11-14 01:48:20
    模糊圖像處理,刑事偵查利器
    圖像處理技術(shù)的實(shí)戰(zhàn)應(yīng)用
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    啦啦啦视频在线资源免费观看| 热99国产精品久久久久久7| 久久鲁丝午夜福利片| 亚洲精品国产av蜜桃| 亚洲精品色激情综合| 久久久精品免费免费高清| 国产成人av激情在线播放 | 久久精品久久精品一区二区三区| 黄色一级大片看看| 最近的中文字幕免费完整| 欧美日韩一区二区视频在线观看视频在线| 欧美丝袜亚洲另类| 日本猛色少妇xxxxx猛交久久| 欧美激情极品国产一区二区三区 | 午夜福利在线观看免费完整高清在| 精品亚洲乱码少妇综合久久| 国产成人aa在线观看| 一边亲一边摸免费视频| 国产在线免费精品| 九九爱精品视频在线观看| 欧美另类一区| 国产午夜精品久久久久久一区二区三区| 精品视频人人做人人爽| 在线免费观看不下载黄p国产| 99热网站在线观看| 丰满少妇做爰视频| 婷婷色综合大香蕉| 国产精品国产av在线观看| 丰满饥渴人妻一区二区三| 久久青草综合色| 我的女老师完整版在线观看| 国产精品一区二区在线观看99| 黄色视频在线播放观看不卡| √禁漫天堂资源中文www| 欧美精品一区二区免费开放| 熟女av电影| 欧美日韩av久久| 在线 av 中文字幕| 我的女老师完整版在线观看| 丰满少妇做爰视频| 80岁老熟妇乱子伦牲交| 精品一区二区三卡| 午夜激情福利司机影院| 色吧在线观看| 人人妻人人澡人人爽人人夜夜| 美女国产高潮福利片在线看| 精品人妻偷拍中文字幕| 最近2019中文字幕mv第一页| 中文欧美无线码| 免费人成在线观看视频色| xxx大片免费视频| 天天操日日干夜夜撸| 少妇的逼水好多| 亚洲欧美清纯卡通| 欧美老熟妇乱子伦牲交| a级毛色黄片| 9色porny在线观看| 欧美精品一区二区免费开放| 久久这里有精品视频免费| 人妻系列 视频| 黄片播放在线免费| 最黄视频免费看| 精品少妇黑人巨大在线播放| 午夜精品国产一区二区电影| 性色avwww在线观看| 日韩不卡一区二区三区视频在线| www.av在线官网国产| 老女人水多毛片| 午夜老司机福利剧场| 国产欧美日韩综合在线一区二区| 日韩在线高清观看一区二区三区| 人妻少妇偷人精品九色| 男人操女人黄网站| 成年人免费黄色播放视频| 久久精品国产鲁丝片午夜精品| 国产国拍精品亚洲av在线观看| 三级国产精品欧美在线观看| 久久久a久久爽久久v久久| 日本欧美国产在线视频| 国产伦精品一区二区三区视频9| 亚洲精品一二三| 简卡轻食公司| 黑人猛操日本美女一级片| 中文天堂在线官网| 久久这里有精品视频免费| 精品亚洲成国产av| 免费播放大片免费观看视频在线观看| 亚洲精品aⅴ在线观看| 99热这里只有精品一区| 国产精品欧美亚洲77777| 高清午夜精品一区二区三区| 男人添女人高潮全过程视频| 国产精品久久久久久精品电影小说| 日本vs欧美在线观看视频| 亚洲成人av在线免费| 在线亚洲精品国产二区图片欧美 | 成人毛片60女人毛片免费| 精品一品国产午夜福利视频| 狂野欧美激情性bbbbbb| 久久ye,这里只有精品| 草草在线视频免费看| 国产免费一级a男人的天堂| 又黄又爽又刺激的免费视频.| 51国产日韩欧美| 色吧在线观看| 五月开心婷婷网| 亚洲国产精品国产精品| 亚洲色图综合在线观看| 精品国产一区二区久久| 九草在线视频观看| 亚洲精品国产av蜜桃| 日本欧美国产在线视频| av免费在线看不卡| 国产有黄有色有爽视频| h视频一区二区三区| 香蕉精品网在线| 狠狠精品人妻久久久久久综合| 国产女主播在线喷水免费视频网站| 九九爱精品视频在线观看| 丰满少妇做爰视频| 黑人猛操日本美女一级片| av免费观看日本| 免费av不卡在线播放| 久久久久久久大尺度免费视频| 美女cb高潮喷水在线观看| 色哟哟·www| 91午夜精品亚洲一区二区三区| 亚洲精品一二三| 久久女婷五月综合色啪小说| 国产有黄有色有爽视频| 女人久久www免费人成看片| 大又大粗又爽又黄少妇毛片口| 51国产日韩欧美| 18禁在线无遮挡免费观看视频| 亚洲国产欧美在线一区| 亚洲av中文av极速乱| 国产av精品麻豆| 国产乱人偷精品视频| 精品人妻熟女av久视频| 天堂8中文在线网| 男女边吃奶边做爰视频| 3wmmmm亚洲av在线观看| 精品一品国产午夜福利视频| 国产精品国产三级国产av玫瑰| 2022亚洲国产成人精品| 国产成人精品久久久久久| 色94色欧美一区二区| 欧美老熟妇乱子伦牲交| 精品一品国产午夜福利视频| 乱码一卡2卡4卡精品| 色婷婷久久久亚洲欧美| 国模一区二区三区四区视频| 伦理电影免费视频| 在线观看三级黄色| 桃花免费在线播放| 3wmmmm亚洲av在线观看| 黑丝袜美女国产一区| 久久精品国产亚洲av涩爱| 久久这里有精品视频免费| av在线老鸭窝| 中文字幕免费在线视频6| 人妻系列 视频| 日韩 亚洲 欧美在线| 卡戴珊不雅视频在线播放| 黄色怎么调成土黄色| av天堂久久9| 一级毛片电影观看| 精品久久久久久久久av| 少妇的逼好多水| 多毛熟女@视频| 大片电影免费在线观看免费| 成人国产麻豆网| 亚洲精品日韩在线中文字幕| 人成视频在线观看免费观看| 国产高清不卡午夜福利| 国产精品一区二区在线观看99| 麻豆成人av视频| 亚洲三级黄色毛片| 久久久久久人妻| 午夜精品国产一区二区电影| 国产一级毛片在线| 妹子高潮喷水视频| 国产精品久久久久久精品古装| 国产精品久久久久成人av| 老司机影院成人| 大香蕉97超碰在线| 春色校园在线视频观看| 久久韩国三级中文字幕| 午夜免费鲁丝| 久久久久久久精品精品| 有码 亚洲区| 久久人人爽人人爽人人片va| 桃花免费在线播放| 免费不卡的大黄色大毛片视频在线观看| 免费播放大片免费观看视频在线观看| 亚洲美女黄色视频免费看| 婷婷色综合大香蕉| 如日韩欧美国产精品一区二区三区 | 爱豆传媒免费全集在线观看| 极品人妻少妇av视频| 少妇人妻久久综合中文| 各种免费的搞黄视频| 中文精品一卡2卡3卡4更新| 亚洲怡红院男人天堂| 久久精品人人爽人人爽视色| 国产精品一区二区三区四区免费观看| 久久久精品免费免费高清| 80岁老熟妇乱子伦牲交| 91精品一卡2卡3卡4卡| 日韩一区二区视频免费看| 亚洲国产毛片av蜜桃av| 黑人巨大精品欧美一区二区蜜桃 | 亚洲美女黄色视频免费看| 天天操日日干夜夜撸| 欧美精品一区二区大全| 永久免费av网站大全| 欧美亚洲 丝袜 人妻 在线| 欧美日韩视频精品一区| 26uuu在线亚洲综合色| 国产精品无大码| 日本与韩国留学比较| 日产精品乱码卡一卡2卡三| 人成视频在线观看免费观看| 亚洲欧美一区二区三区黑人 | 黄色一级大片看看| 精品视频人人做人人爽| 久久久欧美国产精品| 美女中出高潮动态图| 国产有黄有色有爽视频| 男女免费视频国产| 国产亚洲午夜精品一区二区久久| 99久国产av精品国产电影| 嫩草影院入口| 亚洲成人手机| 欧美性感艳星| 9色porny在线观看| 日本爱情动作片www.在线观看| 亚洲欧洲精品一区二区精品久久久 | 伦精品一区二区三区| 亚洲丝袜综合中文字幕| 日韩一区二区视频免费看| 成人综合一区亚洲| 久久久国产欧美日韩av| 乱码一卡2卡4卡精品| 亚洲成人一二三区av| 亚洲美女搞黄在线观看| 伊人久久国产一区二区| 91成人精品电影| 日日啪夜夜爽| 免费少妇av软件| 另类亚洲欧美激情| 亚洲精华国产精华液的使用体验| 免费看不卡的av| 国产一区二区三区综合在线观看 | 99久国产av精品国产电影| 黄片播放在线免费| av在线播放精品| 亚洲情色 制服丝袜| 亚洲av电影在线观看一区二区三区| 亚洲综合色网址| 午夜久久久在线观看| 精品久久久久久久久av| 97超视频在线观看视频| 国产成人免费观看mmmm| 亚洲一区二区三区欧美精品| av免费观看日本| 又大又黄又爽视频免费| 国产一区二区在线观看日韩| 欧美精品一区二区免费开放| 一区在线观看完整版| 国产一区二区在线观看日韩| 哪个播放器可以免费观看大片| av播播在线观看一区| av播播在线观看一区| 汤姆久久久久久久影院中文字幕| 精品国产一区二区三区久久久樱花| av视频免费观看在线观看| 高清在线视频一区二区三区| 丝瓜视频免费看黄片| 国产不卡av网站在线观看| 日韩成人伦理影院| 熟女av电影| 国产成人freesex在线| 欧美最新免费一区二区三区| 国产免费现黄频在线看| 99精国产麻豆久久婷婷| 午夜福利在线观看免费完整高清在| 美女脱内裤让男人舔精品视频| 少妇被粗大的猛进出69影院 | 在线播放无遮挡| 在线观看人妻少妇| 久久久国产欧美日韩av| 国产精品麻豆人妻色哟哟久久| 免费少妇av软件| 另类亚洲欧美激情| 欧美老熟妇乱子伦牲交| 成人午夜精彩视频在线观看| 国产熟女欧美一区二区| 热re99久久精品国产66热6| 国产日韩欧美亚洲二区| 欧美精品高潮呻吟av久久| 大又大粗又爽又黄少妇毛片口| 黄色欧美视频在线观看| 午夜影院在线不卡| 黄色欧美视频在线观看| av视频免费观看在线观看| 国产在线视频一区二区| 欧美日韩一区二区视频在线观看视频在线| 永久免费av网站大全| 欧美亚洲 丝袜 人妻 在线| 国产精品秋霞免费鲁丝片| 亚洲av.av天堂| 国产精品免费大片| 日日爽夜夜爽网站| 欧美日韩av久久| 亚洲精品国产av蜜桃| 免费黄频网站在线观看国产| av视频免费观看在线观看| 国产成人精品一,二区| 成人综合一区亚洲| a级片在线免费高清观看视频| 亚洲久久久国产精品| 天堂中文最新版在线下载| 一区二区三区精品91| 亚洲国产av影院在线观看| 国国产精品蜜臀av免费| 日本vs欧美在线观看视频| 久久久国产一区二区| 国产高清有码在线观看视频| 国产黄片视频在线免费观看| 国产免费视频播放在线视频| 国产老妇伦熟女老妇高清| 成人二区视频| 欧美成人午夜免费资源| 精品久久久噜噜| 一级毛片aaaaaa免费看小| 黄色一级大片看看| 免费高清在线观看日韩| 国产女主播在线喷水免费视频网站| 这个男人来自地球电影免费观看 | 国产精品欧美亚洲77777| 91在线精品国自产拍蜜月| 91久久精品国产一区二区成人| 亚洲婷婷狠狠爱综合网| 51国产日韩欧美| 乱码一卡2卡4卡精品| 国产色婷婷99| 久久国产精品男人的天堂亚洲 | 中文精品一卡2卡3卡4更新| 制服人妻中文乱码| 午夜福利视频精品| 国产精品一区www在线观看| 亚洲少妇的诱惑av| 欧美激情国产日韩精品一区| 免费av不卡在线播放| 人成视频在线观看免费观看| 国产 一区精品| 色婷婷av一区二区三区视频| 伦理电影免费视频| 精品卡一卡二卡四卡免费| 天堂俺去俺来也www色官网| 欧美精品高潮呻吟av久久| 亚洲精品美女久久av网站| 寂寞人妻少妇视频99o| 一级,二级,三级黄色视频| av免费在线看不卡| 丰满迷人的少妇在线观看| 午夜老司机福利剧场| 九色亚洲精品在线播放| 九九爱精品视频在线观看| 亚洲av不卡在线观看| 久久精品国产a三级三级三级| 亚洲第一av免费看| 色94色欧美一区二区| 汤姆久久久久久久影院中文字幕| 国产欧美日韩综合在线一区二区| 黑人高潮一二区| 高清不卡的av网站| 亚洲欧美中文字幕日韩二区| 欧美亚洲日本最大视频资源| 久久婷婷青草| 亚洲经典国产精华液单| 亚洲第一区二区三区不卡| 人妻夜夜爽99麻豆av| 亚洲国产欧美在线一区| 亚洲精品av麻豆狂野| 日韩欧美精品免费久久| 国产日韩一区二区三区精品不卡 | 久久人妻熟女aⅴ| 亚洲av中文av极速乱| 一本色道久久久久久精品综合| 视频在线观看一区二区三区| 欧美日本中文国产一区发布| 成人毛片a级毛片在线播放| 99热网站在线观看| 精品国产国语对白av| 久久国产精品男人的天堂亚洲 | 中文字幕人妻熟人妻熟丝袜美| 高清视频免费观看一区二区| 中文欧美无线码| 国产精品久久久久久av不卡| 中文字幕制服av| 精品少妇黑人巨大在线播放| 制服诱惑二区| 卡戴珊不雅视频在线播放| 中文字幕人妻熟人妻熟丝袜美| 久久国产精品大桥未久av| 女人精品久久久久毛片| 婷婷色综合www| 美女中出高潮动态图| 日韩av不卡免费在线播放| 在线观看国产h片| 内地一区二区视频在线| 国产高清不卡午夜福利| 国产精品国产三级国产av玫瑰| 在现免费观看毛片| 亚洲三级黄色毛片| 国产精品 国内视频| 亚洲欧美日韩卡通动漫| 日本91视频免费播放| 日本色播在线视频| 一本久久精品| 另类亚洲欧美激情| 免费高清在线观看视频在线观看| 色哟哟·www| 一级黄片播放器| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 黄片无遮挡物在线观看| 国产av国产精品国产| 乱码一卡2卡4卡精品| 国产女主播在线喷水免费视频网站| 日本猛色少妇xxxxx猛交久久| 午夜激情av网站| 两个人免费观看高清视频| 国产精品无大码| 日本av手机在线免费观看| 汤姆久久久久久久影院中文字幕| 精品国产露脸久久av麻豆| 18在线观看网站| 看非洲黑人一级黄片| 免费播放大片免费观看视频在线观看| 日本-黄色视频高清免费观看| 亚洲精品自拍成人| 啦啦啦在线观看免费高清www| 日日摸夜夜添夜夜爱| 亚洲国产精品999| 欧美国产精品一级二级三级| 老女人水多毛片| 伊人亚洲综合成人网| 观看美女的网站| 欧美丝袜亚洲另类| 国产成人精品在线电影| 国产国拍精品亚洲av在线观看| 韩国av在线不卡| 国产精品.久久久| 色哟哟·www| 丝袜在线中文字幕| 永久网站在线| 成人漫画全彩无遮挡| videos熟女内射| 蜜臀久久99精品久久宅男| 18禁在线无遮挡免费观看视频| 纯流量卡能插随身wifi吗| 精品人妻偷拍中文字幕| 男女国产视频网站| 国产爽快片一区二区三区| 寂寞人妻少妇视频99o| 中国国产av一级| 乱人伦中国视频| 2022亚洲国产成人精品| 国产在视频线精品| 99国产精品免费福利视频| 精品久久蜜臀av无| 蜜桃国产av成人99| 制服丝袜香蕉在线| 亚洲,一卡二卡三卡| 久久这里有精品视频免费| 少妇丰满av| 成人无遮挡网站| 日韩在线高清观看一区二区三区| 最黄视频免费看| 国产黄色视频一区二区在线观看| 人妻制服诱惑在线中文字幕| 亚洲伊人久久精品综合| 天堂俺去俺来也www色官网| 永久网站在线| 亚洲av电影在线观看一区二区三区| 久久精品国产a三级三级三级| 国产成人精品在线电影| xxxhd国产人妻xxx| 久久久精品免费免费高清| 视频区图区小说| 日本黄色片子视频| 精品国产露脸久久av麻豆| 一区二区三区四区激情视频| 午夜视频国产福利| 日韩精品有码人妻一区| 亚洲欧美一区二区三区国产| 国产精品久久久久久久电影| 日韩强制内射视频| 国产乱人偷精品视频| 成人黄色视频免费在线看| 国产黄色视频一区二区在线观看| 成人亚洲精品一区在线观看| 青春草亚洲视频在线观看| 精品视频人人做人人爽| 精品久久久久久久久亚洲| 少妇人妻精品综合一区二区| 全区人妻精品视频| 亚洲精品av麻豆狂野| 18+在线观看网站| av免费在线看不卡| 亚洲国产欧美日韩在线播放| freevideosex欧美| 亚洲国产精品成人久久小说| 国产熟女欧美一区二区| 国产国拍精品亚洲av在线观看| 自线自在国产av| 91aial.com中文字幕在线观看| 精品一区二区三区视频在线| 性高湖久久久久久久久免费观看| 黑人猛操日本美女一级片| 国产高清三级在线| 日韩中字成人| 欧美 亚洲 国产 日韩一| 人妻 亚洲 视频| 爱豆传媒免费全集在线观看| 老熟女久久久| 少妇丰满av| 99热全是精品| a级毛片在线看网站| 国产亚洲精品久久久com| 国产成人一区二区在线| 久久人人爽人人爽人人片va| 国产欧美日韩一区二区三区在线 | 在线观看免费高清a一片| 精品少妇黑人巨大在线播放| 久久久久人妻精品一区果冻| 久久久精品免费免费高清| 亚洲综合色网址| 久久久a久久爽久久v久久| 亚洲国产av影院在线观看| 三上悠亚av全集在线观看| 午夜av观看不卡| 国产亚洲一区二区精品| 蜜臀久久99精品久久宅男| 黄色视频在线播放观看不卡| 精品熟女少妇av免费看| 亚洲,一卡二卡三卡| 亚洲性久久影院| 亚洲国产欧美在线一区| 精品亚洲成a人片在线观看| 99热国产这里只有精品6| 日本黄色片子视频| 国产女主播在线喷水免费视频网站| 91在线精品国自产拍蜜月| 国产日韩欧美在线精品| 99热网站在线观看| 亚洲av不卡在线观看| 国产永久视频网站| av卡一久久| 成年人免费黄色播放视频| 久久综合国产亚洲精品| 99久久精品一区二区三区| 亚洲综合色惰| 蜜桃国产av成人99| 亚洲一区二区三区欧美精品| 久久久久精品性色| 成人毛片60女人毛片免费| 午夜91福利影院| 亚洲精品美女久久av网站| 黄色怎么调成土黄色| 十八禁网站网址无遮挡| 观看美女的网站| 日韩一区二区视频免费看| 视频区图区小说| 丝瓜视频免费看黄片| 国产伦精品一区二区三区视频9| a级毛色黄片| 免费高清在线观看视频在线观看| a级毛片黄视频| 亚洲国产精品一区二区三区在线| 热re99久久国产66热| 欧美最新免费一区二区三区| av在线播放精品| 欧美激情极品国产一区二区三区 | 精品久久蜜臀av无| 又黄又爽又刺激的免费视频.| 日本wwww免费看| 熟妇人妻不卡中文字幕| 日本wwww免费看| 久久精品国产亚洲av天美| 精品久久久久久久久亚洲| 亚洲精品国产av蜜桃| 亚洲伊人久久精品综合| 伊人久久国产一区二区| 亚洲av.av天堂| 久久精品国产鲁丝片午夜精品| 亚洲精品,欧美精品| 日韩一区二区三区影片| 亚洲美女黄色视频免费看| 蜜桃国产av成人99| 最黄视频免费看| 高清毛片免费看| 菩萨蛮人人尽说江南好唐韦庄| 91精品国产九色| 制服诱惑二区| 另类精品久久| 欧美bdsm另类| 18禁动态无遮挡网站| 日韩不卡一区二区三区视频在线| 国产欧美日韩一区二区三区在线 | 熟女人妻精品中文字幕| 纵有疾风起免费观看全集完整版| 在现免费观看毛片|