• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的織物瑕疵檢測方法研究*

    2020-11-20 13:07:42劉艷鋒鄭云波黃惠玲張財(cái)貴劉文芳
    關(guān)鍵詞:瑕疵織物準(zhǔn)確率

    劉艷鋒 ,鄭云波 ,黃惠玲 ,張財(cái)貴 ,劉文芳 ,韓 軍

    (1.福州大學(xué) 電氣工程與自動(dòng)化學(xué)院,福建 福州 350108;2.中國科學(xué)院福建物質(zhì)結(jié)構(gòu)研究所,福建 福州 350002;3.海西紡織新材料工業(yè)技術(shù)晉江研究院,福建 泉州362200;4.福州大學(xué) 物理與信息工程學(xué)院,福建 福州 350108)

    0 引言

    織物瑕疵檢測是織物生產(chǎn)過程中質(zhì)量檢驗(yàn)和控制的重要一步。一個(gè)有缺陷的成品布,其價(jià)值將會降低 45%以上[1]。因此,布匹的瑕疵檢測非常重要。傳統(tǒng)的瑕疵檢測手段主要是通過人工目視,這種方法勞動(dòng)強(qiáng)度大而且瑕疵的漏檢率高。近些年來,機(jī)器視覺方法在瑕疵自動(dòng)化檢測方面快速發(fā)展,其具有效率高、漏檢率低、長時(shí)間穩(wěn)定運(yùn)行等優(yōu)點(diǎn)。

    針對織物瑕疵的檢測,國內(nèi)外學(xué)者提出了許多方法,主要包括統(tǒng)計(jì)學(xué)方法[2-3]、模型法[4-5]、頻譜法[6-7]、字典學(xué)習(xí)法[8-9]。這些方法雖然能在有限的數(shù)據(jù)上實(shí)現(xiàn)較高的準(zhǔn)確率,但是對于工業(yè)中各種各樣的布匹和瑕疵類型,其檢測性能仍然不足。統(tǒng)計(jì)學(xué)方法根據(jù)織物瑕疵所引起的圖像局部統(tǒng)計(jì)信息異常來檢測瑕疵,這種方法對于特定的布料有效,但對于其余樣式的布料,檢測效果仍然有限。模型法將織物紋理看作是一個(gè)隨機(jī)的過程,紋理圖片是圖像空間中所產(chǎn)生的樣本,這種方法不僅計(jì)算復(fù)雜度高,而且對小瑕疵織物樣品的檢測表現(xiàn)不足。頻譜法將時(shí)域信號轉(zhuǎn)化為頻域信號,根據(jù)能量標(biāo)準(zhǔn)來檢測織物圖片瑕疵,這種方法對簡單的紋理布檢測精度高,但對紋理明顯的布料檢測精度低,而且算法的計(jì)算量大。基于字典學(xué)習(xí)的方法可根據(jù)從訓(xùn)練集和測試集中學(xué)習(xí)的信息來構(gòu)建字典,測試過程中重構(gòu)待檢測布匹圖片,根據(jù)重構(gòu)圖片和原始圖片的差值檢測瑕疵,或者將圖片投影到字典中檢測瑕疵。這兩種檢測方式都需要重構(gòu)圖片,如果重構(gòu)圖片中也存在瑕疵,就會降低瑕疵檢測的準(zhǔn)確率。

    近些年來,隨著深度學(xué)習(xí)的快速發(fā)展,深度學(xué)習(xí)在分類任務(wù)[10-11]、目標(biāo)識別[12-13]和語義分割[14-15]等方面有卓越表現(xiàn),證明其有獨(dú)特的圖像特征提取能力。因此,不少學(xué)者將深度學(xué)習(xí)應(yīng)用于瑕疵檢測方面研究,包括金屬表面瑕疵檢測[16-17]、膠囊表面瑕疵檢測[18]、織物瑕疵檢測[19]等。基于深度學(xué)習(xí)的瑕疵檢測的方法包括 BP 神經(jīng)網(wǎng)絡(luò)[20]、自編碼器[21]和CNN[22]等技術(shù)。BP 神經(jīng)網(wǎng)絡(luò)通過手動(dòng)提取織物的一維特征信息,然后對特征信息進(jìn)行分類,這種方法具有優(yōu)良的分類能力和多維函數(shù)映射能力,但是存在收斂速度慢、容易陷入局部最小值。自編碼器方法通過對輸入數(shù)據(jù)壓縮和解壓來實(shí)現(xiàn)瑕疵檢測,這種方法對于紋理復(fù)雜、瑕疵較少的織物檢測不理想。卷積神經(jīng)網(wǎng)絡(luò)方法相對于 BP 網(wǎng)絡(luò),通過共享卷積核大大降低網(wǎng)絡(luò)的參數(shù),這種方法準(zhǔn)確率高,但是訓(xùn)練過程需要大量的樣本。

    織物瑕疵具有多樣性、尺度不一等特點(diǎn),這些因素增加了織物瑕疵檢測的難度。目前,卷積神經(jīng)網(wǎng)絡(luò)算法在織物瑕疵檢測方面存在如下困難:

    (1)織物瑕疵在生產(chǎn)過程中出現(xiàn)的概率較小,構(gòu)建大容量織物瑕疵數(shù)據(jù)庫困難;

    (2)不同瑕疵出現(xiàn)的概率不同而且同種瑕疵在不同布料的表現(xiàn)不同;

    (3)搜集的數(shù)據(jù)庫中瑕疵占圖片比例差別很大,造成算法魯棒性低。

    針對以上存在的問題,本文提出利用卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的分類能力來實(shí)現(xiàn)織物瑕疵的檢測。首先針對布料中的瑕疵大小不確定,提出使用包含瑕疵邊界的小圖片作為負(fù)樣本,將沒有包含瑕疵邊界的小圖片作為正樣本,這樣同一個(gè)瑕疵可以分割成多個(gè)瑕疵樣本,解決了圖片中瑕疵占比不一和瑕疵圖片搜集困難的問題;通過對小尺度織物圖片的分類訓(xùn)練,將被檢測的大尺度圖片分割成相同尺度的小圖片,判斷各小圖片是否有瑕疵,并在大尺度圖片中標(biāo)注有瑕疵小圖片的位置,最終實(shí)現(xiàn)大尺度織物圖片的瑕疵檢測。本文的網(wǎng)絡(luò)只用于檢測圖片中有無瑕疵,并不需要判斷瑕疵的具體種類,從而避免了相同瑕疵在不同布匹中表現(xiàn)不同的問題。本文提出的網(wǎng)絡(luò)結(jié)構(gòu)相比于 VGG16 和 LeNet 網(wǎng)絡(luò)結(jié)構(gòu),具有瑕疵檢測速度快和檢測精度高的優(yōu)點(diǎn),更加滿足實(shí)時(shí)需求。

    1 算法分析

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)是一種前饋神經(jīng)網(wǎng)絡(luò), 神經(jīng)元的響應(yīng)可以覆蓋一定范圍內(nèi)的相鄰單元,能夠進(jìn)行高效的特征提取,防止過擬合現(xiàn)象的產(chǎn)生。此外,相較于傳統(tǒng)的機(jī)器學(xué)習(xí)算法,卷積神經(jīng)網(wǎng)絡(luò)所采用的數(shù)據(jù)格式具有簡易性,無需對數(shù)據(jù)做過多的處理。卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括輸入層、卷積層、池化層、全連接層和輸出層[23]。

    卷積神經(jīng)網(wǎng)絡(luò)的卷積過程如圖1(a)所示,圖中所示的卷積核大小為 3×3,步長為 1。卷積輸出為圖像的特征圖。卷積神經(jīng)網(wǎng)絡(luò)中卷積的定義如式(1)所示:

    式中,(y*h)x為卷積神經(jīng)網(wǎng)絡(luò)的輸入層y(x)與和隱含層h(x)之間的卷積過程。卷積后輸出的特征圖大小如式(2)所示[24]。

    式中,k表示圖像層數(shù),為第k層特征圖的大小,為第k層卷積核的大小,為第k層卷積核的移動(dòng)步長。

    卷積層的激活函數(shù)如式(3)所示:

    池化過程是卷積神經(jīng)網(wǎng)絡(luò)另一個(gè)重要環(huán)節(jié),池化層常用的方法有 Max-pooling 和 Average-pooling。本文所采用的池化方式是Max-pooling,核大小為2×2,步長為 2。每經(jīng)過一次池化下采樣,特征圖的維度就變?yōu)樵瓉淼?.5,其實(shí)現(xiàn)過程如圖1(b)所示。池化主要目的是進(jìn)行壓縮數(shù)據(jù)減少計(jì)算,防止過擬合現(xiàn)象產(chǎn)生,同時(shí)提高模型的容錯(cuò)性。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)的卷積和池化過程

    1.2 圖像預(yù)處理

    數(shù)據(jù)歸一化能夠降低幾何變換的影響以及加快梯度下降和最優(yōu)解的尋找速度。因此,在模型訓(xùn)練之前,對所有輸入圖片進(jìn)行圖像歸一化。其計(jì)算公式(4)如下。

    式中,I是網(wǎng)絡(luò)的輸入圖片。圖 2 為圖像歸一化前后的對比圖。

    圖2 圖像歸一化前后對比

    除此之外,引入數(shù)據(jù)增強(qiáng)技術(shù)提高神經(jīng)網(wǎng)絡(luò)的泛化能力,包括翻轉(zhuǎn)、鏡像、旋轉(zhuǎn)、通道變換等。

    1.3 優(yōu)化函數(shù)

    優(yōu)化模型對于訓(xùn)練的速度和結(jié)果都具有很重要的作用。本文使用隨機(jī)梯度下降(SGD)算法、沖量(Momentum)算法、RMSProp 算法和 Adam 算法來優(yōu)化所提出的網(wǎng)絡(luò)模型,并比較訓(xùn)練過程中損失函數(shù)的變化情況,如圖 3 所示。實(shí)驗(yàn)結(jié)果表明,使用 Adam優(yōu)化算法,網(wǎng)絡(luò)的收斂速度最快。損失函數(shù)計(jì)算公式如式(5)、式(6)所示。

    圖3 各種優(yōu)化算法對損失函數(shù)變化的影響

    其中,是網(wǎng)絡(luò)輸出層的非歸一化分?jǐn)?shù),pn是第n個(gè)類別的概率,N指輸出層中神經(jīng)元個(gè)數(shù),即所要分類的類別數(shù),n,k∈[1,N],p,y∈RN。損失函數(shù)的第一項(xiàng)是交叉熵?fù)p失函數(shù),第二項(xiàng)為權(quán)重的正則化損失函數(shù)。

    Adam 算法對網(wǎng)絡(luò)的優(yōu)化過程如下:

    步驟 1:步長 ε=0.001

    步驟 2:矩 估 計(jì) 的 指 數(shù) 衰 減 速 率 ,ρ1=0.9,ρ2=0.999

    步驟 3:用于數(shù)值穩(wěn)定的小常數(shù) δ=10-8

    步驟 4:初始參數(shù) θ

    初始化一階和二階矩變量s=0,r=0

    初始化時(shí)間步t=0

    While 沒有達(dá)到停止準(zhǔn)則 do

    從訓(xùn)練集中采樣包含m 個(gè)樣本

    {x(1),…,x(m)}的小批量,對應(yīng)目標(biāo)為y(t)

    計(jì)算梯度:

    1.4 訓(xùn)練和測試

    網(wǎng)絡(luò)的輸入圖片為 64×64 RGB 圖像,經(jīng)過連續(xù)三次卷積、池化操作,最后通過全連接層輸出每張圖片所屬類的預(yù)測概率。網(wǎng)絡(luò)中所有的卷積核大小均為 3×3,步長均為 1。最大值池化所采用的核大小為 2×2,步長為 2。其中“1”是有瑕疵圖片標(biāo)簽,“0”是無瑕疵圖片標(biāo)簽。網(wǎng)絡(luò)結(jié)構(gòu)如圖 4 所示,圖中的數(shù)字表示每一層卷積核的數(shù)量。

    圖4 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程

    測試過程分為兩種情況,第一種情況測試網(wǎng)絡(luò)的分類能力,第二種情況測試整個(gè)檢測系統(tǒng)對瑕疵的檢測能力。

    測試網(wǎng)絡(luò)的分類能力。輸入64×64 的小尺度圖片,輸出每張圖片對應(yīng)的標(biāo)簽,其中標(biāo)簽“0”是代表此圖片無瑕疵,標(biāo)簽“1”是代表此圖片中有瑕疵。

    測試系統(tǒng)對瑕疵的檢測能力。首先將一張400×400 圖片按一定的比例進(jìn)行有重疊的分割,分割成若干個(gè) 64×64 大小的小圖片,記錄每張小圖片在原始圖片中的位置信息,然后將分割出來的小圖片通過所提出的網(wǎng)絡(luò)進(jìn)行分類,輸出每張小圖片的標(biāo)簽。標(biāo)簽“1”代表有瑕疵圖片,根據(jù)其在原圖中的位置信息定位到原始圖片中相關(guān)區(qū)域,從而檢測出原圖片中的瑕疵區(qū)域。由于采用的是有重疊的分割方法,因此出現(xiàn)了檢測瑕疵框重疊的現(xiàn)象。具體的實(shí)現(xiàn)過程如圖5 所示。

    2 實(shí)驗(yàn)結(jié)果和討論

    為了對所提出的基于卷積神經(jīng)網(wǎng)絡(luò)的織物瑕疵檢測方法性能進(jìn)行評估,本文做了大量的實(shí)驗(yàn)論證。實(shí)驗(yàn)中訓(xùn)練集大小為 515 張,其中無瑕疵圖片 271 張,瑕疵圖片244 張。測試集分為兩種尺度:64×64 和 384×384。小 尺 度 測 試 集 包 含 圖 片 127張, 其中無瑕疵圖片為 67 張, 有瑕疵圖片 60 張。大尺度測試數(shù)據(jù)集包含圖片70 張,全部為有瑕疵圖片。數(shù)據(jù)集包含 10 種布匹。本文實(shí)驗(yàn)條件:Python3.7,Nvidia GTX1060 GPU。

    圖5 卷積神經(jīng)網(wǎng)絡(luò)的測試過程

    2.1 評價(jià)準(zhǔn)則

    混淆矩陣對預(yù)測標(biāo)簽數(shù)量與真實(shí)標(biāo)簽數(shù)量進(jìn)行統(tǒng)計(jì),如表 1 所示。TP 指的是模型預(yù)測為 1,并且真實(shí)樣本也為 1。TN 指的是模型預(yù)測為 0,并且真實(shí)樣本也為 0。FP 指的是模型預(yù)測為 1,但真實(shí)預(yù)測為0。FN 指的是模型預(yù)測為 0,但真實(shí)樣本為 1。

    表1 混淆矩陣

    混淆矩陣可以衍生出多個(gè)模型評價(jià)指標(biāo):準(zhǔn)確率(Accuracy)是模型正確分類標(biāo)簽比例,可以對模型整體的分類能力進(jìn)行評估,如式(7)所示。精確率(Precision)評估模型是預(yù)測數(shù)據(jù)中正樣本的準(zhǔn)確率,如式(8)所示。召回率(Recall)估模型是預(yù)測數(shù)據(jù)中正樣本的覆蓋率,如式(9)所示。F1 分?jǐn)?shù)用于在精確率和召回率同等重要的情況下,F(xiàn)1 分?jǐn)?shù)值就是精確率和召回率的倒數(shù)平均值,如式(10)所示。誤檢率(False)評估的是無瑕疵樣本中預(yù)測為瑕疵樣本比例,如式(11)所示。

    對于大圖片瑕疵的檢測過程,本文所說的準(zhǔn)確率指標(biāo)注的紅色框中必須有瑕疵,如果在沒有瑕疵的位置標(biāo)注了紅色框,認(rèn)定為瑕疵檢測失敗。

    2.2 定性分析

    本文比較了兩種不同的瑕疵檢測算法,第一種方法是小波變換法和低秩分解方法[25],第二種方法是改進(jìn)的加權(quán)中值濾波和K-mean 聚類方法[26]。圖 6為三種算法的瑕疵檢測結(jié)果,小波變換算法對于瑕疵較為明顯的圖片具有較好的檢測性能,但是容易受到褶皺和噪聲的干擾。改進(jìn)中值濾波方法對于大瑕疵的檢測有較好的結(jié)果,但對于瑕疵與背景沒有明顯邊界的瑕疵檢測結(jié)果表現(xiàn)較差。結(jié)果表明,本文所提出的算法受褶皺和光照的影響較小,能夠檢測出圖片中不明顯的瑕疵。

    圖6 瑕疵檢測方法的對比

    2.3 定量分析

    本文將所提出的網(wǎng)絡(luò)與 VGG16 和 LeNet 兩種深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行比較。為了減少訓(xùn)練的偶然性,網(wǎng)絡(luò)使用的數(shù)據(jù)是三次訓(xùn)練結(jié)果的平均。VGG16 網(wǎng)絡(luò)的初始化使用的是預(yù)訓(xùn)練模型,然后通過微調(diào)網(wǎng)絡(luò)參數(shù)實(shí)現(xiàn)訓(xùn)練。在小圖片瑕疵測試分類中,所提出的方法的準(zhǔn)確率和精確率分別達(dá)到0.961和 0.966,是三種方法中最高的,如表 2 所示。實(shí)驗(yàn)結(jié)果表明,本文提出的方法對瑕疵圖片的分類表現(xiàn)出很好的優(yōu)越性。對于 F1 分?jǐn)?shù)而言,所提出方法的F1 分?jǐn)?shù)達(dá)到 0.958。相比較于其余兩種方法,雖然本文所提出的方法召回率比VGG16 網(wǎng)絡(luò)略低0.000 1,但在分類的準(zhǔn)確率和精確率遠(yuǎn)遠(yuǎn)高于其余兩種。在誤檢率方面,本文方法的誤檢率能達(dá)到0.029 85,相對于其余兩種方法性能分別提升 53.94%和66.69%, 從而在小瑕疵圖片中表現(xiàn)更好的瑕疵分類效果。在大圖片瑕疵檢測測試中,所提出模型的瑕疵檢測準(zhǔn)確率達(dá)到了90%,相較于最好的 VGG16 網(wǎng)絡(luò)提高了將近 3% , 并且對一張384×384 大小的圖片檢測時(shí)間也達(dá)到0.069 s/張。

    表2 模型對比

    3 結(jié)論

    本文以平紋布為檢測對象,提出采用優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)方法來檢測織物中的瑕疵。本文提出的方法對瑕疵檢測的效果要明顯好于傳統(tǒng)的小波濾波方法和改進(jìn)的加權(quán)中值濾波方法。除此之外,所提出的網(wǎng)絡(luò)結(jié)構(gòu)在織物瑕疵訓(xùn)練數(shù)據(jù)集上的分類準(zhǔn)確達(dá)到98%以上,在測試數(shù)據(jù)集上的分類準(zhǔn)確率達(dá)到96.6%。相比于LeNet 網(wǎng)絡(luò),本文所提出的方法在準(zhǔn)確率、精確率、F1 等性能指標(biāo)上都有明顯的優(yōu)勢;與經(jīng)典的 VGG16 網(wǎng)絡(luò)相比,本文所提網(wǎng)絡(luò)模型具有檢測速度快,瑕疵分類準(zhǔn)確率、瑕疵檢測的準(zhǔn)確率更高等優(yōu)勢,更加具有實(shí)際意義。合適的網(wǎng)絡(luò)大小對于檢測任務(wù)至關(guān)重要。實(shí)驗(yàn)結(jié)果證明了所提方法的有效性,對10 種布匹的各種瑕疵檢測準(zhǔn)確率較高且適應(yīng)性更強(qiáng),可實(shí)現(xiàn)高效率檢測,基本達(dá)到了工業(yè)上對平紋布的在線檢測要求。

    猜你喜歡
    瑕疵織物準(zhǔn)確率
    無Sn-Pd活化法制備PANI/Cu導(dǎo)電織物
    《紡織品織物折痕回復(fù)角的測定》正式發(fā)布
    竹纖維織物抗菌研究進(jìn)展
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    登記行為瑕疵與善意取得排除的解釋論
    法律方法(2021年4期)2021-03-16 05:35:28
    哦,瑕疵
    哦,瑕疵
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    精品一区二区三区四区五区乱码 | 久久热在线av| 久久人人爽人人片av| 久久国产精品男人的天堂亚洲| 亚洲精品美女久久av网站| 欧美精品一区二区大全| 久久久久久伊人网av| av在线播放精品| a级毛片黄视频| 国产亚洲av片在线观看秒播厂| 岛国毛片在线播放| 搡女人真爽免费视频火全软件| 多毛熟女@视频| 国产精品嫩草影院av在线观看| 久久精品国产鲁丝片午夜精品| 国产精品二区激情视频| 男女啪啪激烈高潮av片| 制服人妻中文乱码| 99热全是精品| 国产又色又爽无遮挡免| 国产一区二区激情短视频 | 黑人欧美特级aaaaaa片| 欧美亚洲日本最大视频资源| 国产在线视频一区二区| 免费在线观看黄色视频的| 天堂8中文在线网| 99热全是精品| 日本黄色日本黄色录像| 日本色播在线视频| 日日摸夜夜添夜夜爱| 欧美亚洲日本最大视频资源| 国产免费又黄又爽又色| videos熟女内射| 亚洲第一青青草原| 亚洲国产成人一精品久久久| 美女视频免费永久观看网站| 午夜精品国产一区二区电影| 不卡视频在线观看欧美| 香蕉国产在线看| 国产精品一区二区在线不卡| 黄色 视频免费看| 99re6热这里在线精品视频| av在线观看视频网站免费| 亚洲欧洲精品一区二区精品久久久 | 电影成人av| 国产成人精品婷婷| 水蜜桃什么品种好| 久久这里有精品视频免费| 午夜福利网站1000一区二区三区| 国产人伦9x9x在线观看 | 久久精品久久久久久噜噜老黄| 日韩成人av中文字幕在线观看| 国产熟女欧美一区二区| 亚洲精品av麻豆狂野| 欧美日韩视频高清一区二区三区二| 欧美成人午夜精品| 日韩,欧美,国产一区二区三区| 日本av免费视频播放| 青青草视频在线视频观看| 国产精品国产三级国产专区5o| 另类亚洲欧美激情| 久久99精品国语久久久| 免费观看无遮挡的男女| 欧美av亚洲av综合av国产av | 新久久久久国产一级毛片| 久久久久久久久久久免费av| 国产一区亚洲一区在线观看| 亚洲欧美日韩另类电影网站| 精品人妻熟女毛片av久久网站| 香蕉国产在线看| 久久99热这里只频精品6学生| 老汉色∧v一级毛片| 国产精品二区激情视频| 美女主播在线视频| av电影中文网址| 免费黄频网站在线观看国产| 成人毛片a级毛片在线播放| 亚洲精品国产一区二区精华液| 亚洲国产色片| 国产伦理片在线播放av一区| 国产精品秋霞免费鲁丝片| 热re99久久国产66热| 极品少妇高潮喷水抽搐| 一级片免费观看大全| 97在线视频观看| 亚洲欧美日韩另类电影网站| 女性生殖器流出的白浆| 777米奇影视久久| 曰老女人黄片| 亚洲,欧美,日韩| 观看av在线不卡| 免费观看无遮挡的男女| 精品人妻一区二区三区麻豆| 国产成人精品无人区| 色哟哟·www| 精品少妇一区二区三区视频日本电影 | 韩国高清视频一区二区三区| 性高湖久久久久久久久免费观看| 大码成人一级视频| 欧美精品人与动牲交sv欧美| 一本色道久久久久久精品综合| 国产老妇伦熟女老妇高清| 亚洲精品久久成人aⅴ小说| 日韩一本色道免费dvd| 成人影院久久| 久久精品国产a三级三级三级| 人体艺术视频欧美日本| 精品久久蜜臀av无| 一区二区三区激情视频| 亚洲成人av在线免费| 亚洲av男天堂| 亚洲欧美日韩另类电影网站| 国产成人精品在线电影| 亚洲av.av天堂| 亚洲av免费高清在线观看| 日韩一区二区视频免费看| freevideosex欧美| 99久久综合免费| 精品亚洲成国产av| 亚洲精品久久久久久婷婷小说| 黄色怎么调成土黄色| 午夜精品国产一区二区电影| 天天操日日干夜夜撸| 国产亚洲午夜精品一区二区久久| 飞空精品影院首页| 永久网站在线| 国产日韩一区二区三区精品不卡| 99久久人妻综合| 中文字幕另类日韩欧美亚洲嫩草| 国产精品秋霞免费鲁丝片| 久久久久久久久免费视频了| 国产精品久久久久久精品电影小说| 另类亚洲欧美激情| 菩萨蛮人人尽说江南好唐韦庄| 夜夜骑夜夜射夜夜干| 成年动漫av网址| 国产极品天堂在线| 亚洲国产欧美网| 青春草视频在线免费观看| 亚洲人成电影观看| 欧美日韩国产mv在线观看视频| 天天影视国产精品| 波多野结衣一区麻豆| 亚洲国产欧美网| 精品国产一区二区三区四区第35| 只有这里有精品99| 亚洲四区av| 巨乳人妻的诱惑在线观看| 免费女性裸体啪啪无遮挡网站| 黄片无遮挡物在线观看| 美女国产视频在线观看| 国产成人av激情在线播放| 欧美成人午夜精品| 久久狼人影院| 久久久国产精品麻豆| 日本色播在线视频| 国语对白做爰xxxⅹ性视频网站| 欧美精品高潮呻吟av久久| a级毛片在线看网站| 久久久久久久精品精品| 免费黄频网站在线观看国产| 一区在线观看完整版| 亚洲综合精品二区| 国产成人一区二区在线| 国产一区二区在线观看av| 老司机影院成人| 欧美老熟妇乱子伦牲交| 成人国语在线视频| 秋霞在线观看毛片| 丝袜美腿诱惑在线| 天堂8中文在线网| 亚洲少妇的诱惑av| 国产精品无大码| av国产久精品久网站免费入址| 欧美97在线视频| 黄片无遮挡物在线观看| 国产老妇伦熟女老妇高清| av在线app专区| 久久99热这里只频精品6学生| 亚洲一区中文字幕在线| 精品人妻一区二区三区麻豆| 国产在线视频一区二区| 国产一区二区在线观看av| 国语对白做爰xxxⅹ性视频网站| 伊人久久国产一区二区| 尾随美女入室| 亚洲熟女精品中文字幕| 亚洲,一卡二卡三卡| 晚上一个人看的免费电影| 亚洲中文av在线| 观看av在线不卡| 少妇猛男粗大的猛烈进出视频| 晚上一个人看的免费电影| 看十八女毛片水多多多| 成人黄色视频免费在线看| 在线观看美女被高潮喷水网站| 国产精品免费视频内射| 日韩视频在线欧美| 欧美激情高清一区二区三区 | 咕卡用的链子| 女的被弄到高潮叫床怎么办| 亚洲第一青青草原| 精品福利永久在线观看| 中文字幕色久视频| 日日摸夜夜添夜夜爱| 国产乱来视频区| 男女午夜视频在线观看| 免费大片黄手机在线观看| 99热国产这里只有精品6| 亚洲精品日本国产第一区| 精品少妇黑人巨大在线播放| 亚洲一级一片aⅴ在线观看| 青春草国产在线视频| 亚洲人成77777在线视频| 丰满乱子伦码专区| 国产在线一区二区三区精| 亚洲激情五月婷婷啪啪| 不卡av一区二区三区| 伦精品一区二区三区| 国产一区亚洲一区在线观看| 亚洲伊人色综图| 亚洲精品日韩在线中文字幕| 日本欧美国产在线视频| 黑丝袜美女国产一区| 亚洲精品国产色婷婷电影| 亚洲av综合色区一区| 久久狼人影院| 不卡av一区二区三区| 亚洲成人一二三区av| 亚洲精华国产精华液的使用体验| 满18在线观看网站| 有码 亚洲区| 国产亚洲一区二区精品| 午夜免费男女啪啪视频观看| 波野结衣二区三区在线| 少妇被粗大猛烈的视频| 在线观看美女被高潮喷水网站| 在线免费观看不下载黄p国产| videos熟女内射| 你懂的网址亚洲精品在线观看| 色婷婷av一区二区三区视频| 91在线精品国自产拍蜜月| 在线观看www视频免费| 国产精品香港三级国产av潘金莲 | 免费日韩欧美在线观看| 国产淫语在线视频| a级毛片在线看网站| 少妇猛男粗大的猛烈进出视频| 另类亚洲欧美激情| 日本猛色少妇xxxxx猛交久久| 亚洲精品国产av蜜桃| 久久免费观看电影| 亚洲国产色片| 国产成人精品久久久久久| 国产成人免费无遮挡视频| 日韩在线高清观看一区二区三区| 成年女人毛片免费观看观看9 | 亚洲精品av麻豆狂野| 另类亚洲欧美激情| 国产精品三级大全| 国产xxxxx性猛交| 一区二区av电影网| 一二三四在线观看免费中文在| 久久久久久久久久人人人人人人| 91精品国产国语对白视频| 热99久久久久精品小说推荐| 国产亚洲午夜精品一区二区久久| 欧美精品高潮呻吟av久久| 国产国语露脸激情在线看| 韩国av在线不卡| 黄频高清免费视频| 啦啦啦视频在线资源免费观看| 久久国产精品男人的天堂亚洲| 免费女性裸体啪啪无遮挡网站| 日日啪夜夜爽| 成年人免费黄色播放视频| 91午夜精品亚洲一区二区三区| 欧美精品av麻豆av| 韩国高清视频一区二区三区| 80岁老熟妇乱子伦牲交| 亚洲av日韩在线播放| 日本vs欧美在线观看视频| 久久精品国产综合久久久| 亚洲av在线观看美女高潮| 国产精品一区二区在线观看99| 亚洲综合色惰| 免费在线观看视频国产中文字幕亚洲 | 一二三四中文在线观看免费高清| 久久精品国产a三级三级三级| 久久人妻熟女aⅴ| 欧美中文综合在线视频| 在线 av 中文字幕| 国产淫语在线视频| 91aial.com中文字幕在线观看| 欧美日韩国产mv在线观看视频| 国产在线视频一区二区| xxxhd国产人妻xxx| 精品少妇黑人巨大在线播放| 国产视频首页在线观看| 久久久欧美国产精品| 大片电影免费在线观看免费| 久久久久久久亚洲中文字幕| 日本vs欧美在线观看视频| 在线亚洲精品国产二区图片欧美| 欧美人与性动交α欧美精品济南到 | 久久精品熟女亚洲av麻豆精品| 国产成人91sexporn| 中文字幕制服av| 久久99精品国语久久久| 天堂俺去俺来也www色官网| 美女大奶头黄色视频| 亚洲欧美清纯卡通| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品国产av成人精品| 国产免费现黄频在线看| 亚洲婷婷狠狠爱综合网| 人人妻人人澡人人爽人人夜夜| 午夜免费鲁丝| 欧美日本中文国产一区发布| 国产av国产精品国产| 人人妻人人爽人人添夜夜欢视频| 青春草亚洲视频在线观看| 久久久精品免费免费高清| 欧美精品国产亚洲| 日韩精品免费视频一区二区三区| 中文精品一卡2卡3卡4更新| 十八禁高潮呻吟视频| 视频区图区小说| 香蕉精品网在线| 欧美精品一区二区免费开放| 丰满饥渴人妻一区二区三| 视频在线观看一区二区三区| 一二三四在线观看免费中文在| 国产女主播在线喷水免费视频网站| 午夜福利影视在线免费观看| 日本-黄色视频高清免费观看| 精品国产国语对白av| www.av在线官网国产| 亚洲精品久久午夜乱码| 成年人免费黄色播放视频| 久久久久久久精品精品| www.av在线官网国产| 男女啪啪激烈高潮av片| av女优亚洲男人天堂| 肉色欧美久久久久久久蜜桃| av国产久精品久网站免费入址| 国产免费现黄频在线看| 欧美日韩国产mv在线观看视频| 亚洲经典国产精华液单| 性色avwww在线观看| 国产高清不卡午夜福利| 亚洲欧美清纯卡通| 亚洲av日韩在线播放| 不卡av一区二区三区| 中文字幕人妻丝袜制服| 国产老妇伦熟女老妇高清| 国产成人精品久久久久久| 中文字幕精品免费在线观看视频| 天堂中文最新版在线下载| 99久久精品国产国产毛片| 肉色欧美久久久久久久蜜桃| 国产老妇伦熟女老妇高清| 大话2 男鬼变身卡| 97人妻天天添夜夜摸| 交换朋友夫妻互换小说| 欧美国产精品va在线观看不卡| 国产熟女欧美一区二区| 国产精品嫩草影院av在线观看| 亚洲第一区二区三区不卡| 精品久久久精品久久久| 你懂的网址亚洲精品在线观看| 日韩免费高清中文字幕av| 最近中文字幕2019免费版| 精品卡一卡二卡四卡免费| 女人久久www免费人成看片| 日日摸夜夜添夜夜爱| 黄色一级大片看看| 久久精品国产综合久久久| 人体艺术视频欧美日本| 老司机亚洲免费影院| 免费在线观看完整版高清| 欧美精品av麻豆av| 亚洲在久久综合| 啦啦啦中文免费视频观看日本| 国产欧美亚洲国产| 国产成人a∨麻豆精品| 波野结衣二区三区在线| 欧美人与性动交α欧美软件| 亚洲精品aⅴ在线观看| 亚洲欧美中文字幕日韩二区| 2022亚洲国产成人精品| 黄色 视频免费看| 精品国产乱码久久久久久小说| 久久久久久久国产电影| 国产精品秋霞免费鲁丝片| 女人高潮潮喷娇喘18禁视频| 777米奇影视久久| 国产淫语在线视频| 中国国产av一级| 亚洲成av片中文字幕在线观看 | 精品人妻在线不人妻| 亚洲欧洲日产国产| 亚洲精华国产精华液的使用体验| 校园人妻丝袜中文字幕| 国产成人精品在线电影| 国产精品久久久久成人av| 免费女性裸体啪啪无遮挡网站| 免费日韩欧美在线观看| 亚洲一区二区三区欧美精品| 丰满饥渴人妻一区二区三| 日本色播在线视频| 亚洲精品一区蜜桃| 欧美精品国产亚洲| 亚洲精品一二三| 美女xxoo啪啪120秒动态图| 亚洲精品美女久久久久99蜜臀 | 久久影院123| 精品少妇黑人巨大在线播放| 午夜日韩欧美国产| 免费观看在线日韩| 黄色视频在线播放观看不卡| 青草久久国产| 久久精品国产亚洲av天美| 日本vs欧美在线观看视频| 国产精品麻豆人妻色哟哟久久| 各种免费的搞黄视频| 久久婷婷青草| 天堂8中文在线网| 五月开心婷婷网| 亚洲国产欧美网| 亚洲第一区二区三区不卡| 欧美日韩av久久| freevideosex欧美| 久久久久久久国产电影| 日韩三级伦理在线观看| 国产成人午夜福利电影在线观看| 亚洲色图综合在线观看| 黑丝袜美女国产一区| 热99国产精品久久久久久7| 日韩一本色道免费dvd| 啦啦啦啦在线视频资源| 亚洲欧美成人综合另类久久久| 女人高潮潮喷娇喘18禁视频| 日本猛色少妇xxxxx猛交久久| 久久久久久久久久久久大奶| 侵犯人妻中文字幕一二三四区| 午夜av观看不卡| 欧美成人午夜免费资源| 777米奇影视久久| 久久久欧美国产精品| 看免费av毛片| 不卡av一区二区三区| 午夜福利在线观看免费完整高清在| 曰老女人黄片| 国产精品无大码| 自线自在国产av| 日韩三级伦理在线观看| 国产成人午夜福利电影在线观看| 啦啦啦在线免费观看视频4| 国产男女超爽视频在线观看| 亚洲精品日本国产第一区| 汤姆久久久久久久影院中文字幕| 午夜精品国产一区二区电影| 可以免费在线观看a视频的电影网站 | 日韩在线高清观看一区二区三区| 啦啦啦视频在线资源免费观看| 欧美激情高清一区二区三区 | 国产又色又爽无遮挡免| 啦啦啦在线免费观看视频4| 在线天堂最新版资源| 亚洲一区中文字幕在线| 丝袜在线中文字幕| 一本—道久久a久久精品蜜桃钙片| 久久精品熟女亚洲av麻豆精品| 9色porny在线观看| 久久精品人人爽人人爽视色| 亚洲国产精品成人久久小说| 国产黄频视频在线观看| 九九爱精品视频在线观看| xxx大片免费视频| kizo精华| 亚洲成人手机| 亚洲精品aⅴ在线观看| 精品国产超薄肉色丝袜足j| 一区二区av电影网| 久久精品aⅴ一区二区三区四区 | 蜜桃在线观看..| 在线观看免费高清a一片| 久久精品国产亚洲av高清一级| 国产精品国产三级国产专区5o| 人人妻人人澡人人看| 精品一区二区三卡| 日本av手机在线免费观看| 精品国产露脸久久av麻豆| 最近的中文字幕免费完整| 欧美日韩精品成人综合77777| 男女午夜视频在线观看| 搡老乐熟女国产| 精品酒店卫生间| 老司机影院成人| 日本av免费视频播放| 久久久国产欧美日韩av| 久久热在线av| 在线天堂最新版资源| 99热全是精品| 亚洲av男天堂| 宅男免费午夜| 精品久久久精品久久久| 免费高清在线观看视频在线观看| 日日啪夜夜爽| av天堂久久9| 夫妻性生交免费视频一级片| 日韩 亚洲 欧美在线| 两性夫妻黄色片| 国产亚洲精品第一综合不卡| 成人18禁高潮啪啪吃奶动态图| 伦理电影大哥的女人| 女性被躁到高潮视频| 欧美日韩视频精品一区| 免费少妇av软件| 免费在线观看黄色视频的| 亚洲第一av免费看| 最近中文字幕高清免费大全6| 肉色欧美久久久久久久蜜桃| 久久久久久免费高清国产稀缺| 十分钟在线观看高清视频www| a级片在线免费高清观看视频| av卡一久久| 男的添女的下面高潮视频| 蜜桃国产av成人99| 中文精品一卡2卡3卡4更新| 国产探花极品一区二区| www日本在线高清视频| av视频免费观看在线观看| 亚洲,一卡二卡三卡| 成人毛片60女人毛片免费| 国产成人欧美| 熟女少妇亚洲综合色aaa.| 老汉色av国产亚洲站长工具| 不卡av一区二区三区| 国产 一区精品| 久久国产精品男人的天堂亚洲| 久久99热这里只频精品6学生| 最近最新中文字幕大全免费视频 | 亚洲五月色婷婷综合| 少妇人妻 视频| 80岁老熟妇乱子伦牲交| 精品国产国语对白av| 免费高清在线观看视频在线观看| 日本91视频免费播放| 久久人人爽av亚洲精品天堂| 制服丝袜香蕉在线| 久久久久久久大尺度免费视频| 中文精品一卡2卡3卡4更新| 久久久久国产网址| 亚洲国产色片| 亚洲美女视频黄频| 热99久久久久精品小说推荐| 人妻人人澡人人爽人人| 香蕉国产在线看| 美女午夜性视频免费| 国产av国产精品国产| 国产精品 国内视频| 久久精品国产鲁丝片午夜精品| 中国国产av一级| 肉色欧美久久久久久久蜜桃| 黄色 视频免费看| 午夜久久久在线观看| 色94色欧美一区二区| 久久久久国产精品人妻一区二区| 亚洲av男天堂| 亚洲在久久综合| 亚洲欧美中文字幕日韩二区| 国产精品秋霞免费鲁丝片| 宅男免费午夜| 免费日韩欧美在线观看| 国产国语露脸激情在线看| kizo精华| av不卡在线播放| 日韩伦理黄色片| 国产精品国产av在线观看| 午夜福利影视在线免费观看| 日本色播在线视频| 人妻 亚洲 视频| 性色avwww在线观看| 波多野结衣一区麻豆| 久热这里只有精品99| 亚洲国产欧美网| 黄片无遮挡物在线观看| 日韩精品免费视频一区二区三区| 午夜日韩欧美国产| 街头女战士在线观看网站| 美女中出高潮动态图| 精品卡一卡二卡四卡免费| 青草久久国产| 久久婷婷青草| 一级毛片我不卡| 波多野结衣一区麻豆| 久热这里只有精品99| 国产在视频线精品| 国产 一区精品| 国产av一区二区精品久久| 亚洲欧美清纯卡通| 看非洲黑人一级黄片| 国产精品国产av在线观看| 高清欧美精品videossex| 国产熟女午夜一区二区三区| 少妇的逼水好多| av不卡在线播放| 亚洲欧美成人综合另类久久久| 免费在线观看完整版高清| 国产精品久久久久久精品电影小说| 亚洲综合色惰| 亚洲国产日韩一区二区| 欧美成人午夜精品|