• <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 ?

    基于改進YOLO v5的橙子果實識別方法

    2023-11-14 11:30:08劉忠意魏登峰周紹發(fā)董雨雪
    江蘇農(nóng)業(yè)科學(xué) 2023年19期
    關(guān)鍵詞:橙子注意力卷積

    劉忠意, 魏登峰, 李 萌, 周紹發(fā), 魯 力, 董雨雪

    (長江大學(xué)計算機科學(xué)學(xué)院,湖北荊州 434000)

    橙子是中國高產(chǎn)量的水果之一,具有巨大的經(jīng)濟效應(yīng)。然而,隨著人工采摘成本不斷增加,傳統(tǒng)水果采摘的方式已經(jīng)不太適用,開發(fā)自動化水果采摘機器人是當(dāng)前的必然趨勢[1]。如何精確識別目標果實是當(dāng)前研發(fā)水果采摘機器人的重要難題。傳統(tǒng)計算機視覺圖像識別方法主要依靠形狀、紋理和色差單個特征或多個特征的組合來識別?;趥鹘y(tǒng)方法,Hussin等使用圓形霍夫變換方法檢測芒果類物體[2];Payne等采用RGB以及基于相鄰像素可變性的紋理分割,從背景中分割芒果[3];孫建桐等提出一種基于Canny邊緣檢測番茄分割方法[4]。這些方法只能在簡單的場景中識別單一類型的水果,在復(fù)雜的自然環(huán)境下,它們很難適應(yīng)枝葉遮擋、相鄰果實重疊等情況,無法準確識別目標水果。當(dāng)前基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法已廣泛應(yīng)用于水果檢測中。與傳統(tǒng)的圖像檢測方法相比,深度學(xué)習(xí)是以數(shù)據(jù)為驅(qū)動,以大量數(shù)據(jù)為基礎(chǔ)進行自我學(xué)習(xí)的方法。在深度學(xué)習(xí)方法中,Parvathi等使用Faster R-CNN網(wǎng)絡(luò)用于檢測復(fù)雜背景下椰子的2個重要成熟階段[5];Tian等將改進YOLO v3網(wǎng)絡(luò)用于檢測不同階段的蘋果[6];Chen等將改進YOLO v4網(wǎng)絡(luò)用于檢測密集狀態(tài)橘子[7]。這些方法雖然能夠?qū)崿F(xiàn)準確的檢測,但使用網(wǎng)絡(luò)結(jié)構(gòu)太大,計算復(fù)雜度高,不適合部署在用于檢測的嵌入式設(shè)備中。為了能夠在復(fù)雜自然環(huán)境下實現(xiàn)對橙子的精準檢測,本研究以YOLO v5網(wǎng)絡(luò)為基礎(chǔ)進行改進,能夠在保證較高準確度的情況下,同時最大限度地降低復(fù)雜度。改進的網(wǎng)絡(luò)首先在主干結(jié)構(gòu)中使用RepVGG模塊以提高特征提取能力;隨后應(yīng)用鬼影混洗卷積降低模型參數(shù)量;然后加入ECA注意力的模塊準確定位目標信息;最后改進損失函數(shù),加快邊界框的回歸。

    1 材料與方法

    1.1 數(shù)據(jù)來源

    本研究使用數(shù)碼相機和智能手機采集橙子圖片,拍攝時間為2022年的9—12月,拍攝地點為中國橙子密集種植區(qū)域,分別為湖北省宜昌市和江西省贛州市,拍攝時按照不同距離和多種不同角度進行拍攝,共采集1 500多張未經(jīng)任何處理的橙子圖片,圖片格式為JPG。為了增加樣本數(shù)量,又通過網(wǎng)絡(luò)獲取300多張自然環(huán)境下的橙子圖片。在收集的圖片中,包括不同果實數(shù)量、不同生長階段、不同背景、不同遮擋程度的圖片。每張圖片都包含橙子目標水果(圖1)。

    1.2 數(shù)據(jù)預(yù)處理

    為了增強模型泛化能力,防止過擬合,對數(shù)據(jù)集進行數(shù)據(jù)增強。增強方式包括對圖片進行等比例縮放、隨機平移、使用不同亮度和垂直翻轉(zhuǎn)等。數(shù)據(jù)增強后得到3 661張橙子圖片,使用LabelImg標注工具對圖片中橙子目標進行標注,在人工標注圖片過程中,將所有完全暴露橙子的目標進行標注,對遮擋或有果實重疊的目標進行部分標注。圖像中枝葉遮擋程度超過80%沒有標注,2個果實重疊程度超過80%采用同一矩形框進行標注。再將標注好的圖片進行劃分,分成訓(xùn)練集2 439張、驗證集611張、測試集611張(圖2)。

    1.3 方法

    1.3.1 YOLO v5網(wǎng)絡(luò)結(jié)構(gòu) YOLO v5網(wǎng)絡(luò)結(jié)構(gòu)主要由主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)、預(yù)測頭3個部分組成。

    主干網(wǎng)絡(luò)主要由C3、Conv、SPPF和其他特征模塊組成,主要作用是提取輸入圖像的特征信息。

    頸部網(wǎng)絡(luò)主要由FPN(feature pyramid network)和PAN(path augmentation network)2個部分組成,其中FPN部分是將Backbone輸出的多個特征層由上到下通過橫向連接的方式進行融合,增加低分辨特征的語義信息;PAN是對FPN結(jié)構(gòu)的補充,將低分辨特征與高分辨特征進一步融合,提高目標定位方面的能力,從而提高檢測的準確率。

    預(yù)測頭主要由3個用于檢測不同尺寸目標的檢測層組成,每個檢測層對輸入的圖像特征進行預(yù)測,生成目標邊界框并判斷類別。YOLO v5總體結(jié)構(gòu)見圖3。

    1.3.2 模型改進

    1.3.2.1 主干網(wǎng)絡(luò)的改進 原始的YOLO v5模型采用CSPDarkNet53作為主干特征提取網(wǎng)絡(luò)[8],在非密集和不存在遮擋目標的情況下對特征提取能力表現(xiàn)優(yōu)異,但對于密集且存在果實重疊和枝葉遮擋的復(fù)雜自然環(huán)境下,模型對橙子特征的提取能力有限。RepVGG是一個簡單且計算效率高的卷積神經(jīng)網(wǎng)絡(luò)模塊[9]。RepVGG模塊主要由3×3卷積分支、1×1卷積殘差分支和恒等連接殘差分支組成。該模塊在訓(xùn)練和推理階段使用不同的網(wǎng)絡(luò)結(jié)構(gòu)。模型在訓(xùn)練階段更加關(guān)注模型精度,其采用3×3卷積作為主分支結(jié)構(gòu),同時在3×3主分支的基礎(chǔ)上引入1×1卷積的殘差分支和恒等映射殘差分支。多分支結(jié)構(gòu)的使用給網(wǎng)絡(luò)增加多條梯度流動的路徑,可以提供更多有效的特征信息,增加模型的表征能力。另外,多分支的殘差結(jié)構(gòu)也能保證不會在網(wǎng)絡(luò)訓(xùn)練過程中出現(xiàn)因模型加深而出現(xiàn)梯度退化和消失的問題。在推理階段,模型更加關(guān)注速度,通過使用重參數(shù)融合的策略將所有網(wǎng)絡(luò)層等價轉(zhuǎn)化為以3×3卷積為主分支的網(wǎng)絡(luò)結(jié)構(gòu),保證模型擁有強大的特征提取能力,且能夠?qū)崿F(xiàn)高效的推理(圖4)。

    本研究使用RepVGG模塊來替代CSPDarkNet53主干網(wǎng)絡(luò)中的C3模塊,加強主干網(wǎng)絡(luò)對這些難以獲取的目標進行特征獲取。

    1.3.2.2 鬼影混洗卷積改進 在網(wǎng)絡(luò)推理過程中,模型的運行速度和檢測精度同等重要。相對于傳統(tǒng)卷積操作,采用深度可分離卷積可明顯降低模型運算參數(shù)量[10]。但對于多個屬性的提取和融合,深度可分離卷積并不是很強。為了平衡二者的作用,引入鬼影混洗卷積[11],它能夠在保證精度的前提下,降低模型的運算參數(shù)量。

    由圖5可知鬼影混洗卷積的原理:先將輸入通道數(shù)為C1的特征圖通過傳統(tǒng)標準卷積得到輸出通道數(shù)一半,即C2/2通道的特征圖,然后經(jīng)過深度可分離卷積得到另一個通道數(shù)相同的特征圖,把2個特征圖在通道數(shù)進行拼接,最后通過通道混洗操作將產(chǎn)生的信息滲透到特征圖的每一個部分,得到最終的特征圖[12]。

    輸入的圖像在主干網(wǎng)絡(luò)提取特征過程中空間信息逐步向通道傳輸,且每次特征圖的寬度和高度壓縮和通道擴展都會導(dǎo)致語義信息部分丟失,而在頸部網(wǎng)絡(luò)階段空間信息基本完全轉(zhuǎn)化為通道信息,此時通道維度達到最大,寬度維度達到最小,不需要進行空間信息轉(zhuǎn)換。所以,本研究在網(wǎng)絡(luò)的頸部網(wǎng)絡(luò)階段使用鬼影混洗卷積替代標準卷積,能夠避免丟失特征信息。

    1.3.2.3 ECA注意力改進 注意力機制是一種仿生物視覺機制。通過快速掃描全局圖像,篩選出感興趣的區(qū)域,投入更多的注意力資源,并抑制其他無用信息,從而提高視覺信息處理的效率與準確性[13]。

    橙子在檢測過程中很容易受到背景環(huán)境等因素的影響,導(dǎo)致原始的YOLO v5網(wǎng)絡(luò)在推理過程中容易丟失目標的表征信息,從而導(dǎo)致檢測精度差。本研究將ECA注意力嵌入到模型的輸出端,增強網(wǎng)絡(luò)對橙子的關(guān)注度,降低自然背景等其他因素的影響,提高網(wǎng)絡(luò)的識別精度[14]。

    ECA注意力和SE注意力見圖6,其中G表示全局平均池化,σ表示激活函數(shù),o表示逐元素相乘,r表示通道壓縮率。ECA注意力在SE注意力的基礎(chǔ)上,去掉SE注意力中的全連接層,因為2個全連接層直接使用進行通道降維,會影響通道注意力的準確性[15]。ECA注意力在全局平均池化過程后使用一個可以權(quán)重共享的卷積核進行特征學(xué)習(xí),在降低模型計算復(fù)雜度的同時,可以避免通道維度縮減對預(yù)測網(wǎng)絡(luò)的準確性產(chǎn)生影響。

    圖6-b中的K表示跨通道信息交互作用的覆蓋范圍。K和通道C之間的關(guān)系見公式(1)。

    (1)

    1.3.2.4 EIOU損失函數(shù)改進 在自然環(huán)境中檢測尺度較小的橙子目標時,預(yù)測框的少量偏移和縮放會對檢測精度產(chǎn)生重大影響。原始的YOLO v5網(wǎng)絡(luò)采用CIOU作為位置回歸損失函數(shù),其計算公式為

    (2)

    式中:IOU(intersection over union)表示模型預(yù)測的目標框和實際真實目標框重疊區(qū)域與并集區(qū)域的比值;p2(b,bgt) 表示模型預(yù)測目標框和實際真實框的中心點距離;c表示能同時包含模型預(yù)測目標框和實際真實框最小閉包區(qū)域的對角線距離;a表示平衡比例的參數(shù);v表示模型預(yù)測的目標框和實際真實框的長寬比的一致性。其中,a和v的公式分別為

    (3)

    (4)

    CIOU的缺點是預(yù)測框和真實框的寬和高呈現(xiàn)線性比例時, 會導(dǎo)致預(yù)測框的寬和高不能同時增大或減少,這樣會阻礙網(wǎng)絡(luò)快速和準確收斂。EIOU改進了CIOU的缺點,將反映縱橫比之間差異的影響因子v拆分為預(yù)測的寬高與最小外接框?qū)捀叩牟钪?從而可以更快地使目標框與預(yù)測框收斂,并提高邊界框的回歸精度[16]。EIOU的公式為

    (5)

    式中:p2(w,wgt)、p2(h,hgt)分別表示預(yù)測框的寬和高與真實框的中心點的寬和高的距離;c、Cw、Ch分別表示真實框和預(yù)測框最小外接矩形的對角線、邊寬、邊長。

    CIOU和EIOU損失函數(shù)在預(yù)測框回歸過程的迭代示意見圖7??梢钥闯鯡IOU在回歸過程中解決了CIOU的寬和高不能同時增大或減少的問題。

    1.3.2.5 改進后的整體網(wǎng)絡(luò)結(jié)構(gòu) 改進后整體的網(wǎng)絡(luò)結(jié)構(gòu)見表1。參數(shù)設(shè)置是當(dāng)前層模塊所需要的參數(shù)信息,參數(shù)設(shè)置包括輸入通道數(shù)、輸出通道數(shù)、卷積核大小、步長信息以及填充大小。

    表1 改進的YOLO v5網(wǎng)絡(luò)結(jié)構(gòu)

    2 結(jié)果與分析

    2.1 試驗環(huán)境

    試驗的搭建、訓(xùn)練以及測試都是使用同一平臺。試驗環(huán)境:CPU為Intel? Xeon? Platinum 8358P CPU @ 2.60 GHz,運行內(nèi)存為80 G,GPU為GeForce RTX 3080, 操作系統(tǒng)為Linux, 深度學(xué)習(xí)框架為PyTorch,CUDA版本為11.1。試驗時間為2022年12月至2023年2月,試驗地點為長江大學(xué)計算機科學(xué)學(xué)院。

    2.2 超參數(shù)設(shè)置

    本研究在改進的YOLO v5試驗中使用表2的超參數(shù)。

    表2 改進的YOLO v5模型超參數(shù)

    2.3 評估指標

    本研究采用精準率(precision,P)、召回率(recall,R)、平均精度(mean average precision,mAP)、計算量(GFLOPs)和參數(shù)量(params)作為評價指標。其中,平均精度表示loU閾值為0.5時的平均檢測精度,GFLOPs表示10億次/s的浮點運算數(shù)。精準率、召回率、平均精度的具體公式分別為

    (6)

    (7)

    (8)

    (9)

    式中:TP(true postives)表示網(wǎng)絡(luò)預(yù)測為正類、實際也為正類的樣本數(shù)量;FP(false postives)表示網(wǎng)絡(luò)預(yù)測為正類、實際為負類的樣本數(shù)量;FN(false negatives)表示網(wǎng)絡(luò)預(yù)測為負類、實際為正類的樣本數(shù)量。

    2.4 消融試驗

    為了更好地驗證本研究所提出的改進方法具有有效性,對所提出的改進方法進行一系列的消融試驗,在試驗中使用相同的數(shù)據(jù)集進行測試,試驗結(jié)果見表3。

    表3 消融試驗

    由表3可知,在加入每一種改進方法后,網(wǎng)絡(luò)平均精度都會有一定提升,表明本研究改進方法有效。

    2.5 對比試驗

    2.5.1 注意力對比試驗 為了驗證ECA注意力機制的有效性,本研究將ECA注意力與其他熱門注意力模塊進行對比試驗,將ECA注意力模塊與BoTNet(bottleneck transformers)注意力模塊、CBAM(convolutional block attention module)注意力模塊、SimAM(simple attention module)注意力模塊進行對比,發(fā)現(xiàn)ECA注意力的檢測精度更高(表4)。

    表4 不同注意力對比試驗結(jié)果

    2.5.2 不同模型對比試驗 為了體現(xiàn)所提出網(wǎng)絡(luò)的優(yōu)越性,本研究選取目前熱門的深度學(xué)習(xí)目標檢測算法作為對比,選用的對比網(wǎng)絡(luò)分別是CenterNet、YOLO v3、YOLO v4。試驗中采取相同數(shù)據(jù)集劃分策略(表5)。

    表5 不同網(wǎng)絡(luò)模型對比試驗結(jié)果

    由表5可知,與CenterNet、YOLO v3、YOLO v4和原始YOLO v5網(wǎng)絡(luò)相比,改進的YOLO v5具有最高平均精度。改進的YOLO v5網(wǎng)絡(luò)在模型權(quán)重大小、計算量和參數(shù)量上略大于改進前,但遠遠小于其他網(wǎng)絡(luò)。改進后網(wǎng)絡(luò)權(quán)重大小為18.6 MB, 計算量為23.1 GFLOPs,參數(shù)量為9.6 M。與上述4種網(wǎng)絡(luò)相比,改進的YOLO v5在平均精度上分別提升4.4%、6.4%、6.3%、0.9%。綜上,改進后的YOLO v5不僅擁有良好的檢測精度,且相比其他網(wǎng)絡(luò)在模型權(quán)重大小、計算量和參數(shù)量方面均有減小。

    2.6 結(jié)果分析

    選取不同環(huán)境下的橙子圖片,使用改進后的YOLO v5網(wǎng)絡(luò)進行測試,檢測結(jié)果見圖8。

    由圖8可知,改進的YOLO v5在無遮擋、果實重疊、枝葉遮擋和密集小目標4種情況下,對于絕大部分橙子目標都能夠較準確地檢測出來。表明改進的網(wǎng)絡(luò)對不同環(huán)境下的橙子檢測具有較好的泛化性。

    為了直觀驗證改進后的YOLO v5網(wǎng)絡(luò)的檢測效果,選用不同網(wǎng)絡(luò)模型進行對比測試,檢測結(jié)果見圖9。

    由圖9可知,5種網(wǎng)絡(luò)對沒有枝葉遮擋、果實重疊且正常大小目標基本都能夠正確地檢測出來,但對存在枝葉遮擋和果實遮擋的條件下,網(wǎng)絡(luò)表現(xiàn)差異明顯。其中,CenterNet、YOLO v3和YOLO v4在檢測存在枝葉遮擋和果實遮擋目標時,出現(xiàn)大部分漏檢情況。原始的 YOLO v5和改進的YOLO v5在檢測遮擋目標時,雖然也存在少量漏檢,但相比其他網(wǎng)絡(luò)表現(xiàn),漏檢數(shù)目較少,且改進的YOLO v5網(wǎng)絡(luò)在檢測目標時平均置信度較高。綜合分析可知,改進的YOLO v5網(wǎng)絡(luò)對遮擋和重疊的橙子目標檢測效果更好,更適合在復(fù)雜的自然環(huán)境下進行檢測。

    3 結(jié)論

    針對自然條件下的橙子檢測任務(wù),本研究提出一種改進的YOLO v5檢測方法,首先,在主干網(wǎng)絡(luò)結(jié)構(gòu)中使用RepVGG模塊,提高對橙子目標特征的提取能力;其次,應(yīng)用鬼影混洗卷積降低模型參數(shù)量;再次,加入ECA注意力模塊,其能夠更加準確定位目標信息;最后,改進損失函數(shù),提升位置邊界框的回歸精度。改進的網(wǎng)絡(luò)在自然環(huán)境的橙子檢測中平均精度達到90.1%,相比于目前熱門的檢測網(wǎng)絡(luò)CenterNet、YOLO v3和YOLO v4,改進的YOLO v5網(wǎng)絡(luò)在枝葉遮擋、相鄰果實重疊等復(fù)雜情況下,橙子識別效果可以得到一定的提升。后續(xù),將會繼續(xù)優(yōu)化網(wǎng)絡(luò),并將使用現(xiàn)有模型應(yīng)用于果園計數(shù)和產(chǎn)量預(yù)測等任務(wù)中。

    猜你喜歡
    橙子注意力卷積
    偏旁之差
    滿意還是不滿意
    讓注意力“飛”回來
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    橙子變變變
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    橙子的圣誕劫
    日韩一卡2卡3卡4卡2021年| 国产亚洲精品久久久久5区| 叶爱在线成人免费视频播放| 精品一区二区三区四区五区乱码| 国产精品永久免费网站| 美国免费a级毛片| 国产成人欧美| 国产精品一区二区三区四区久久 | av中文乱码字幕在线| 国产精品免费一区二区三区在线| 亚洲一码二码三码区别大吗| 熟女少妇亚洲综合色aaa.| 一本综合久久免费| 亚洲av成人不卡在线观看播放网| 久久中文看片网| 亚洲久久久国产精品| 精品一区二区三卡| 男女午夜视频在线观看| 在线视频色国产色| 国产成人系列免费观看| 久久婷婷成人综合色麻豆| 一本综合久久免费| 亚洲精品久久午夜乱码| 午夜成年电影在线免费观看| 亚洲成a人片在线一区二区| 久久亚洲真实| 亚洲欧美一区二区三区黑人| 国产免费现黄频在线看| 国产成人系列免费观看| 日本免费一区二区三区高清不卡 | 黑人猛操日本美女一级片| 久久精品亚洲av国产电影网| 午夜亚洲福利在线播放| 视频区欧美日本亚洲| 国产精品偷伦视频观看了| 伦理电影免费视频| 亚洲欧美激情在线| 精品人妻在线不人妻| 欧美黑人精品巨大| 丁香欧美五月| 一进一出抽搐gif免费好疼 | 国产伦人伦偷精品视频| 午夜福利免费观看在线| 国产黄a三级三级三级人| 女性生殖器流出的白浆| 51午夜福利影视在线观看| 最近最新免费中文字幕在线| 久久性视频一级片| 一区在线观看完整版| 一区在线观看完整版| 一区在线观看完整版| 欧美乱妇无乱码| 99在线视频只有这里精品首页| 99热国产这里只有精品6| 一个人观看的视频www高清免费观看 | 亚洲精品成人av观看孕妇| 99国产精品一区二区三区| 757午夜福利合集在线观看| 精品少妇一区二区三区视频日本电影| 热99国产精品久久久久久7| 9191精品国产免费久久| 91麻豆av在线| 在线av久久热| 夜夜夜夜夜久久久久| 91麻豆av在线| 欧美久久黑人一区二区| 成人18禁高潮啪啪吃奶动态图| www.999成人在线观看| 91精品三级在线观看| 久久久精品欧美日韩精品| 亚洲熟妇熟女久久| 咕卡用的链子| 黄片播放在线免费| 国产aⅴ精品一区二区三区波| 黑人欧美特级aaaaaa片| 91大片在线观看| 看免费av毛片| 看片在线看免费视频| 国产亚洲精品综合一区在线观看 | 国产单亲对白刺激| 精品一区二区三区四区五区乱码| 色婷婷av一区二区三区视频| 狂野欧美激情性xxxx| 99久久精品国产亚洲精品| av网站在线播放免费| 正在播放国产对白刺激| 亚洲精品国产色婷婷电影| 国产片内射在线| 中文字幕最新亚洲高清| av国产精品久久久久影院| 黑人操中国人逼视频| 水蜜桃什么品种好| 欧美日韩亚洲高清精品| 91成人精品电影| 男男h啪啪无遮挡| 国产无遮挡羞羞视频在线观看| 精品一品国产午夜福利视频| 午夜免费观看网址| 亚洲精品久久成人aⅴ小说| 少妇被粗大的猛进出69影院| 欧美黄色片欧美黄色片| 国产一区二区三区在线臀色熟女 | 在线国产一区二区在线| 纯流量卡能插随身wifi吗| 亚洲狠狠婷婷综合久久图片| 免费久久久久久久精品成人欧美视频| 亚洲一区二区三区色噜噜 | 最新美女视频免费是黄的| 国产视频一区二区在线看| 人人妻人人爽人人添夜夜欢视频| 很黄的视频免费| 美国免费a级毛片| 99re在线观看精品视频| 成人手机av| 99精品在免费线老司机午夜| 9热在线视频观看99| 国产99白浆流出| 亚洲三区欧美一区| 免费看a级黄色片| 他把我摸到了高潮在线观看| 色综合站精品国产| 啪啪无遮挡十八禁网站| 免费在线观看黄色视频的| 久久伊人香网站| 亚洲欧美一区二区三区久久| 国产免费男女视频| 在线十欧美十亚洲十日本专区| 国产亚洲精品久久久久久毛片| 麻豆久久精品国产亚洲av | 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲第一欧美日韩一区二区三区| 丰满迷人的少妇在线观看| 精品久久蜜臀av无| 久久精品国产99精品国产亚洲性色 | 欧美一区二区精品小视频在线| 琪琪午夜伦伦电影理论片6080| 操出白浆在线播放| xxx96com| 好看av亚洲va欧美ⅴa在| 亚洲一区中文字幕在线| 欧美激情久久久久久爽电影 | 亚洲va日本ⅴa欧美va伊人久久| 午夜福利欧美成人| 波多野结衣一区麻豆| 在线观看免费高清a一片| 成人三级黄色视频| 成年人黄色毛片网站| 精品高清国产在线一区| avwww免费| 成人手机av| 色播在线永久视频| 宅男免费午夜| 操美女的视频在线观看| 久久香蕉精品热| 成人免费观看视频高清| www.精华液| 国产精品亚洲一级av第二区| 亚洲欧美日韩无卡精品| 久久人人精品亚洲av| 女人高潮潮喷娇喘18禁视频| 精品一区二区三卡| 欧美老熟妇乱子伦牲交| 99精国产麻豆久久婷婷| 久久99一区二区三区| 久久香蕉激情| 久久久久久亚洲精品国产蜜桃av| 91九色精品人成在线观看| 国产精品香港三级国产av潘金莲| 桃红色精品国产亚洲av| 精品国产国语对白av| 丝袜在线中文字幕| 一进一出好大好爽视频| 叶爱在线成人免费视频播放| 1024视频免费在线观看| 性欧美人与动物交配| 淫妇啪啪啪对白视频| 国产亚洲精品综合一区在线观看 | 香蕉久久夜色| 色婷婷久久久亚洲欧美| 久久香蕉精品热| 一级黄色大片毛片| 亚洲精品成人av观看孕妇| 精品一区二区三卡| 男人操女人黄网站| 9热在线视频观看99| 国产一区二区三区综合在线观看| 国产激情久久老熟女| 欧美日韩黄片免| 黑丝袜美女国产一区| 久久伊人香网站| 男人舔女人的私密视频| 最近最新中文字幕大全免费视频| 亚洲 欧美一区二区三区| 国产在线观看jvid| 女警被强在线播放| 亚洲成人免费电影在线观看| 亚洲性夜色夜夜综合| 午夜成年电影在线免费观看| 国产三级在线视频| 午夜精品久久久久久毛片777| 久久精品亚洲精品国产色婷小说| 19禁男女啪啪无遮挡网站| 国产精品亚洲av一区麻豆| 亚洲熟女毛片儿| 亚洲性夜色夜夜综合| 正在播放国产对白刺激| 91成人精品电影| 黄片大片在线免费观看| 久久精品亚洲精品国产色婷小说| 亚洲精品国产精品久久久不卡| 一级片'在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 亚洲五月天丁香| 男男h啪啪无遮挡| 国产av一区二区精品久久| 亚洲欧美一区二区三区黑人| 大陆偷拍与自拍| 麻豆国产av国片精品| 亚洲在线自拍视频| 久久精品91蜜桃| 男女床上黄色一级片免费看| 欧美乱妇无乱码| 亚洲精品久久午夜乱码| 亚洲熟女毛片儿| 欧美av亚洲av综合av国产av| 亚洲av成人av| 99精国产麻豆久久婷婷| 两人在一起打扑克的视频| 人妻久久中文字幕网| 国产精品 欧美亚洲| 国产激情欧美一区二区| 国产成人欧美| 欧美午夜高清在线| 国产精品爽爽va在线观看网站 | 中文字幕最新亚洲高清| 免费久久久久久久精品成人欧美视频| 色尼玛亚洲综合影院| 国产精品免费视频内射| 国产蜜桃级精品一区二区三区| 亚洲一区二区三区欧美精品| 男女高潮啪啪啪动态图| 天天躁狠狠躁夜夜躁狠狠躁| 真人一进一出gif抽搐免费| 色老头精品视频在线观看| 国产精品日韩av在线免费观看 | 老熟妇乱子伦视频在线观看| 国产av精品麻豆| 国产成人av激情在线播放| 一a级毛片在线观看| 无人区码免费观看不卡| 麻豆久久精品国产亚洲av | 99久久久亚洲精品蜜臀av| 大陆偷拍与自拍| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久久久中文| av天堂在线播放| 成在线人永久免费视频| 热99re8久久精品国产| 无限看片的www在线观看| 美女高潮喷水抽搐中文字幕| 午夜成年电影在线免费观看| 精品国产一区二区三区四区第35| 免费不卡黄色视频| 嫩草影视91久久| a在线观看视频网站| 欧美乱色亚洲激情| 亚洲欧美日韩无卡精品| 一进一出好大好爽视频| 香蕉丝袜av| 国产成人欧美在线观看| 一级毛片精品| 熟女少妇亚洲综合色aaa.| 好看av亚洲va欧美ⅴa在| 日韩 欧美 亚洲 中文字幕| 99国产精品一区二区蜜桃av| 亚洲人成伊人成综合网2020| 999久久久精品免费观看国产| 亚洲aⅴ乱码一区二区在线播放 | 一级片免费观看大全| 成人精品一区二区免费| 久久人人精品亚洲av| 久久久久久久精品吃奶| 午夜成年电影在线免费观看| 国产亚洲av高清不卡| 精品人妻1区二区| 女生性感内裤真人,穿戴方法视频| 一级片免费观看大全| 久久人妻av系列| 伊人久久大香线蕉亚洲五| 日韩高清综合在线| 777久久人妻少妇嫩草av网站| 国产精品爽爽va在线观看网站 | 国产亚洲精品久久久久久毛片| 日韩精品免费视频一区二区三区| 超色免费av| 9色porny在线观看| 亚洲精品在线观看二区| 男女床上黄色一级片免费看| 日本三级黄在线观看| 国产野战对白在线观看| 日本一区二区免费在线视频| 女性被躁到高潮视频| 国产精品免费一区二区三区在线| 亚洲av熟女| 18美女黄网站色大片免费观看| 性欧美人与动物交配| 欧美精品亚洲一区二区| 18禁国产床啪视频网站| 久久久国产成人免费| 99久久99久久久精品蜜桃| 久久国产精品男人的天堂亚洲| 在线观看免费午夜福利视频| 成人特级黄色片久久久久久久| 亚洲国产欧美一区二区综合| 欧美精品啪啪一区二区三区| 国产精品二区激情视频| 精品无人区乱码1区二区| 一区二区三区国产精品乱码| 一进一出抽搐gif免费好疼 | 午夜免费激情av| 黑人欧美特级aaaaaa片| 亚洲专区中文字幕在线| 久久性视频一级片| 国产视频一区二区在线看| av超薄肉色丝袜交足视频| 国产精品久久久久成人av| 国产精品自产拍在线观看55亚洲| 91精品国产国语对白视频| 天堂√8在线中文| 黑人欧美特级aaaaaa片| 久久狼人影院| 午夜精品久久久久久毛片777| 又大又爽又粗| 国产激情久久老熟女| 国产无遮挡羞羞视频在线观看| 叶爱在线成人免费视频播放| 日韩免费高清中文字幕av| 久久久精品欧美日韩精品| 法律面前人人平等表现在哪些方面| 精品少妇一区二区三区视频日本电影| 天堂动漫精品| 亚洲五月婷婷丁香| 国产激情欧美一区二区| 欧美黑人欧美精品刺激| 黄色a级毛片大全视频| 99热只有精品国产| 最新美女视频免费是黄的| av欧美777| 国产国语露脸激情在线看| 午夜91福利影院| 在线观看一区二区三区| 亚洲五月天丁香| 黑人欧美特级aaaaaa片| 国产成人欧美| av有码第一页| 亚洲在线自拍视频| 日韩三级视频一区二区三区| 亚洲欧美日韩高清在线视频| 国产一区二区在线av高清观看| av国产精品久久久久影院| 亚洲av成人av| 成人精品一区二区免费| 大陆偷拍与自拍| 亚洲欧美一区二区三区久久| 国产伦人伦偷精品视频| 手机成人av网站| а√天堂www在线а√下载| 欧美性长视频在线观看| 久久久久久久久久久久大奶| 在线观看免费视频日本深夜| 成年人黄色毛片网站| 妹子高潮喷水视频| 久9热在线精品视频| 每晚都被弄得嗷嗷叫到高潮| bbb黄色大片| 自线自在国产av| 久久久精品国产亚洲av高清涩受| 国产三级在线视频| 精品日产1卡2卡| av在线播放免费不卡| 色综合欧美亚洲国产小说| 一级a爱片免费观看的视频| 91麻豆av在线| 国产免费av片在线观看野外av| 精品久久久久久成人av| 神马国产精品三级电影在线观看 | 免费女性裸体啪啪无遮挡网站| 色综合欧美亚洲国产小说| 久久人人97超碰香蕉20202| av超薄肉色丝袜交足视频| 我的亚洲天堂| 激情视频va一区二区三区| 久久精品人人爽人人爽视色| 欧美一级毛片孕妇| 亚洲三区欧美一区| 少妇被粗大的猛进出69影院| 久久午夜亚洲精品久久| 精品久久久精品久久久| 一夜夜www| 热re99久久国产66热| 日本 av在线| 嫁个100分男人电影在线观看| 99精品在免费线老司机午夜| 午夜免费成人在线视频| 桃红色精品国产亚洲av| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看免费视频网站a站| 91成年电影在线观看| 很黄的视频免费| 成人特级黄色片久久久久久久| 91av网站免费观看| 精品第一国产精品| 一二三四社区在线视频社区8| 我的亚洲天堂| 露出奶头的视频| 国产亚洲精品一区二区www| 国产亚洲精品久久久久5区| a级毛片黄视频| 免费看十八禁软件| 悠悠久久av| 午夜老司机福利片| 免费在线观看影片大全网站| 免费看十八禁软件| 黑人操中国人逼视频| 国产精品一区二区三区四区久久 | 国产99白浆流出| 亚洲五月婷婷丁香| 好男人电影高清在线观看| 两人在一起打扑克的视频| 国产又爽黄色视频| 午夜久久久在线观看| a级片在线免费高清观看视频| 久久热在线av| 亚洲中文av在线| 国产成人av激情在线播放| 日韩欧美一区视频在线观看| 一个人观看的视频www高清免费观看 | 老鸭窝网址在线观看| 中文亚洲av片在线观看爽| 久9热在线精品视频| 波多野结衣高清无吗| 老司机午夜福利在线观看视频| 久久亚洲精品不卡| 我的亚洲天堂| 99国产综合亚洲精品| 女性被躁到高潮视频| 又大又爽又粗| 伊人久久大香线蕉亚洲五| 性欧美人与动物交配| 一区二区日韩欧美中文字幕| 精品一区二区三区av网在线观看| 精品久久久久久久毛片微露脸| 一本大道久久a久久精品| 男女之事视频高清在线观看| 一二三四在线观看免费中文在| 欧美精品一区二区免费开放| 精品人妻1区二区| 老司机福利观看| 91麻豆精品激情在线观看国产 | 亚洲欧美一区二区三区黑人| 久久香蕉精品热| 国产欧美日韩综合在线一区二区| 搡老岳熟女国产| 国产高清国产精品国产三级| 女生性感内裤真人,穿戴方法视频| av电影中文网址| av超薄肉色丝袜交足视频| 国产无遮挡羞羞视频在线观看| 国产精品秋霞免费鲁丝片| 村上凉子中文字幕在线| 夫妻午夜视频| 国产一区二区激情短视频| 91九色精品人成在线观看| 久久亚洲真实| 一进一出抽搐gif免费好疼 | 亚洲久久久国产精品| 亚洲av成人一区二区三| 日韩人妻精品一区2区三区| 久久婷婷成人综合色麻豆| 国产区一区二久久| 午夜免费观看网址| 午夜日韩欧美国产| 母亲3免费完整高清在线观看| 亚洲精品国产区一区二| av片东京热男人的天堂| 丰满的人妻完整版| 人人妻人人添人人爽欧美一区卜| 88av欧美| 精品一区二区三区av网在线观看| 亚洲精品一二三| 校园春色视频在线观看| 国产精品久久久av美女十八| 99热国产这里只有精品6| 国产成人欧美| 国产成人av教育| 婷婷精品国产亚洲av在线| 热99re8久久精品国产| 亚洲欧美日韩另类电影网站| 欧美日韩乱码在线| 国产亚洲精品综合一区在线观看 | 精品乱码久久久久久99久播| 操美女的视频在线观看| 精品国产亚洲在线| 免费人成视频x8x8入口观看| 99久久99久久久精品蜜桃| 午夜福利,免费看| √禁漫天堂资源中文www| 天天躁狠狠躁夜夜躁狠狠躁| 操美女的视频在线观看| 久久婷婷成人综合色麻豆| 18美女黄网站色大片免费观看| a级毛片黄视频| 中文字幕另类日韩欧美亚洲嫩草| 男男h啪啪无遮挡| 午夜福利在线免费观看网站| 国产成人免费无遮挡视频| 人人妻人人爽人人添夜夜欢视频| 国产片内射在线| av欧美777| 在线av久久热| 男女午夜视频在线观看| 欧美黄色淫秽网站| 999久久久国产精品视频| 国产精品美女特级片免费视频播放器 | 十八禁网站免费在线| 两个人看的免费小视频| 久久亚洲精品不卡| 亚洲男人的天堂狠狠| 美女大奶头视频| 精品久久蜜臀av无| 国产xxxxx性猛交| 国产区一区二久久| 巨乳人妻的诱惑在线观看| 亚洲欧美日韩高清在线视频| 91精品三级在线观看| 高潮久久久久久久久久久不卡| 国产蜜桃级精品一区二区三区| 夫妻午夜视频| 黄色女人牲交| 校园春色视频在线观看| 日韩 欧美 亚洲 中文字幕| 欧美黄色淫秽网站| 久久国产乱子伦精品免费另类| 亚洲欧美精品综合久久99| 欧美一区二区精品小视频在线| 高清毛片免费观看视频网站 | 国产av一区二区精品久久| 国产人伦9x9x在线观看| 欧美激情 高清一区二区三区| 正在播放国产对白刺激| 精品人妻在线不人妻| 日日爽夜夜爽网站| 日韩人妻精品一区2区三区| 97碰自拍视频| 最新美女视频免费是黄的| 中文字幕人妻丝袜制服| 丝袜在线中文字幕| 亚洲男人的天堂狠狠| 19禁男女啪啪无遮挡网站| av电影中文网址| 一个人观看的视频www高清免费观看 | 麻豆久久精品国产亚洲av | 侵犯人妻中文字幕一二三四区| 午夜免费激情av| 老汉色∧v一级毛片| 69精品国产乱码久久久| 午夜影院日韩av| 夜夜躁狠狠躁天天躁| 久久久久久久精品吃奶| 国产深夜福利视频在线观看| 91大片在线观看| 一夜夜www| 日韩免费av在线播放| 亚洲欧美精品综合久久99| 午夜福利一区二区在线看| 色尼玛亚洲综合影院| 久久亚洲精品不卡| 最近最新中文字幕大全电影3 | 一进一出抽搐动态| 欧美日本亚洲视频在线播放| 午夜免费鲁丝| 一级片免费观看大全| 免费看a级黄色片| 高潮久久久久久久久久久不卡| 69av精品久久久久久| 日韩欧美国产一区二区入口| 两个人看的免费小视频| 国产成人精品无人区| 亚洲全国av大片| 国产精品一区二区在线不卡| 51午夜福利影视在线观看| 男人舔女人的私密视频| 最新美女视频免费是黄的| 狠狠狠狠99中文字幕| www.自偷自拍.com| 国产高清国产精品国产三级| 亚洲精品中文字幕一二三四区| 亚洲全国av大片| 久久影院123| 亚洲av熟女| 人人妻,人人澡人人爽秒播| 夜夜躁狠狠躁天天躁| 亚洲国产欧美一区二区综合| 亚洲成人免费av在线播放| 夜夜躁狠狠躁天天躁| 亚洲精华国产精华精| 日韩成人在线观看一区二区三区| 啦啦啦在线免费观看视频4| 国产黄色免费在线视频| 日本欧美视频一区| 亚洲国产欧美网| 真人一进一出gif抽搐免费| 国产蜜桃级精品一区二区三区| 又黄又粗又硬又大视频| 99riav亚洲国产免费|