• <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
    国产精品电影一区二区三区| 精品久久久久久久久久免费视频| 色5月婷婷丁香| 12—13女人毛片做爰片一| avwww免费| 一级毛片久久久久久久久女| 性欧美人与动物交配| 波多野结衣巨乳人妻| av天堂中文字幕网| 99热网站在线观看| 18禁裸乳无遮挡免费网站照片| 欧美日韩亚洲国产一区二区在线观看| 日本熟妇午夜| 婷婷色综合大香蕉| 女人十人毛片免费观看3o分钟| 欧美xxxx性猛交bbbb| 精品久久久噜噜| 三级男女做爰猛烈吃奶摸视频| 午夜福利欧美成人| 毛片一级片免费看久久久久 | 在线国产一区二区在线| 97碰自拍视频| 舔av片在线| 国产成人aa在线观看| 久久国产精品人妻蜜桃| 国产一级毛片七仙女欲春2| 国产高清激情床上av| 岛国在线免费视频观看| 亚洲人成网站在线播| 久久精品国产亚洲av涩爱 | 黄色日韩在线| 日日撸夜夜添| 女人十人毛片免费观看3o分钟| 国产精品伦人一区二区| 日韩精品中文字幕看吧| 欧美日本亚洲视频在线播放| 免费观看人在逋| 在线看三级毛片| 赤兔流量卡办理| 日韩欧美 国产精品| 88av欧美| 人妻少妇偷人精品九色| 亚洲精华国产精华液的使用体验 | av福利片在线观看| 亚洲一级一片aⅴ在线观看| 男女视频在线观看网站免费| 中文在线观看免费www的网站| 欧美最新免费一区二区三区| 久久精品国产亚洲av香蕉五月| 女人十人毛片免费观看3o分钟| 欧美成人免费av一区二区三区| 成人永久免费在线观看视频| eeuss影院久久| 嫩草影院新地址| 女人被狂操c到高潮| 久久久久久久久久成人| 在线观看一区二区三区| 在线观看午夜福利视频| 亚洲在线观看片| 亚洲电影在线观看av| 免费电影在线观看免费观看| 最近在线观看免费完整版| 成人美女网站在线观看视频| 男女啪啪激烈高潮av片| 超碰av人人做人人爽久久| 夜夜夜夜夜久久久久| 中文资源天堂在线| 黄片wwwwww| av视频在线观看入口| 亚洲欧美精品综合久久99| 日韩国内少妇激情av| 国产真实伦视频高清在线观看 | 日韩中文字幕欧美一区二区| 亚洲精品色激情综合| 国产精华一区二区三区| 中文字幕高清在线视频| 美女免费视频网站| 欧美xxxx黑人xx丫x性爽| 亚洲图色成人| 99视频精品全部免费 在线| 国产私拍福利视频在线观看| 好男人在线观看高清免费视频| 天堂网av新在线| 国内精品美女久久久久久| 国产成年人精品一区二区| 国产亚洲av嫩草精品影院| 久久国产精品人妻蜜桃| 亚洲中文字幕一区二区三区有码在线看| 亚洲18禁久久av| 麻豆国产av国片精品| 人妻丰满熟妇av一区二区三区| 色哟哟哟哟哟哟| 欧美精品国产亚洲| 热99re8久久精品国产| 91在线观看av| 日韩精品有码人妻一区| 日本欧美国产在线视频| 亚洲三级黄色毛片| 亚洲成人精品中文字幕电影| 亚洲精品影视一区二区三区av| 国产精品永久免费网站| 99视频精品全部免费 在线| 精品午夜福利在线看| 99精品久久久久人妻精品| 老师上课跳d突然被开到最大视频| 国产亚洲精品久久久久久毛片| 91麻豆精品激情在线观看国产| 一本一本综合久久| 天堂av国产一区二区熟女人妻| 午夜福利高清视频| 在线观看美女被高潮喷水网站| 中出人妻视频一区二区| 国产熟女欧美一区二区| 亚洲最大成人av| 国产亚洲欧美98| 伊人久久精品亚洲午夜| 国产精品一及| 无人区码免费观看不卡| 国语自产精品视频在线第100页| 国产免费av片在线观看野外av| 久久久久九九精品影院| 18+在线观看网站| 午夜福利18| 两个人视频免费观看高清| 九九爱精品视频在线观看| 在线a可以看的网站| 久久久久久伊人网av| 亚洲四区av| 成人综合一区亚洲| 亚洲国产精品sss在线观看| 免费搜索国产男女视频| 欧美最黄视频在线播放免费| 亚洲精品日韩av片在线观看| 免费搜索国产男女视频| 看片在线看免费视频| 久久欧美精品欧美久久欧美| 亚洲av一区综合| 中文字幕免费在线视频6| 又紧又爽又黄一区二区| 亚洲国产欧美人成| 成人鲁丝片一二三区免费| 国产乱人伦免费视频| 美女黄网站色视频| 99在线视频只有这里精品首页| a级一级毛片免费在线观看| 国产男靠女视频免费网站| 欧美成人性av电影在线观看| 国产成人a区在线观看| 欧美一区二区精品小视频在线| or卡值多少钱| 国产 一区 欧美 日韩| 成人毛片a级毛片在线播放| 国产一区二区激情短视频| 亚洲成a人片在线一区二区| 成人高潮视频无遮挡免费网站| 香蕉av资源在线| 国产美女午夜福利| 婷婷精品国产亚洲av| 五月玫瑰六月丁香| 国产精品伦人一区二区| 国产高潮美女av| 免费大片18禁| 最近最新中文字幕大全电影3| 99久久久亚洲精品蜜臀av| av在线天堂中文字幕| 亚洲人成网站在线播| 永久网站在线| 狠狠狠狠99中文字幕| 一本精品99久久精品77| 嫩草影视91久久| 岛国在线免费视频观看| 淫妇啪啪啪对白视频| 亚洲精品在线观看二区| 一个人观看的视频www高清免费观看| 九色国产91popny在线| 日韩精品青青久久久久久| 日本a在线网址| 老师上课跳d突然被开到最大视频| 精品人妻偷拍中文字幕| 一区二区三区免费毛片| 久久久久久久久久成人| 丰满人妻一区二区三区视频av| 无人区码免费观看不卡| 欧美不卡视频在线免费观看| 亚洲无线在线观看| 亚洲avbb在线观看| 久久热精品热| 日韩高清综合在线| 中文字幕高清在线视频| 美女高潮喷水抽搐中文字幕| 亚洲av电影不卡..在线观看| 91午夜精品亚洲一区二区三区 | 999久久久精品免费观看国产| 日韩强制内射视频| av黄色大香蕉| 成人三级黄色视频| 给我免费播放毛片高清在线观看| 国产精品99久久久久久久久| 麻豆国产97在线/欧美| 美女高潮的动态| 国产精品98久久久久久宅男小说| 女生性感内裤真人,穿戴方法视频| 99久国产av精品| 动漫黄色视频在线观看| 一区二区三区四区激情视频 | 99热这里只有精品一区| av在线蜜桃| 亚洲内射少妇av| 日本a在线网址| 亚洲精品亚洲一区二区| 亚洲av成人av| 18+在线观看网站| netflix在线观看网站| 日日夜夜操网爽| 精品人妻1区二区| 久久久久久久久久黄片| 久久精品国产亚洲av香蕉五月| 免费不卡的大黄色大毛片视频在线观看 | 久久久色成人| 成人一区二区视频在线观看| 国产午夜福利久久久久久| 亚州av有码| 国产美女午夜福利| 赤兔流量卡办理| 两个人的视频大全免费| 床上黄色一级片| 欧美xxxx黑人xx丫x性爽| 天堂影院成人在线观看| 国产高清视频在线播放一区| 久久人人爽人人爽人人片va| 日韩强制内射视频| 亚洲最大成人中文| 我的老师免费观看完整版| 国产精品精品国产色婷婷| 国产精品久久电影中文字幕| 日韩精品中文字幕看吧| 国产av在哪里看| 亚洲一级一片aⅴ在线观看| 一个人观看的视频www高清免费观看| 国产69精品久久久久777片| 亚洲,欧美,日韩| 成人三级黄色视频| av视频在线观看入口| 特大巨黑吊av在线直播| 免费观看精品视频网站| 久久久久国产精品人妻aⅴ院| 日本免费一区二区三区高清不卡| 色哟哟·www| 成人性生交大片免费视频hd| 国产精品一区二区免费欧美| 一级黄色大片毛片| 国产男靠女视频免费网站| 99九九线精品视频在线观看视频| 久久久国产成人免费| 免费观看精品视频网站| 精品一区二区三区人妻视频| 亚洲精品色激情综合| 亚洲欧美清纯卡通| 人妻久久中文字幕网| 国产精品一区二区三区四区免费观看 | 欧美最黄视频在线播放免费| 欧美三级亚洲精品| 有码 亚洲区| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩精品成人综合77777| 成人性生交大片免费视频hd| 永久网站在线| 春色校园在线视频观看| 亚洲经典国产精华液单| 我要看日韩黄色一级片| 中文字幕高清在线视频| 国产精品三级大全| 亚洲在线观看片| 久久这里只有精品中国| 亚洲精品456在线播放app | 国产精品久久久久久久久免| 国产精品久久久久久亚洲av鲁大| 乱系列少妇在线播放| 国产老妇女一区| 69人妻影院| 99久久精品一区二区三区| 国产精品久久久久久精品电影| 亚洲一区高清亚洲精品| 国产男靠女视频免费网站| 最近在线观看免费完整版| 免费av不卡在线播放| 一个人免费在线观看电影| 欧美潮喷喷水| 变态另类丝袜制服| 久久久精品大字幕| 美女高潮喷水抽搐中文字幕| 久久国产精品人妻蜜桃| 久久精品国产清高在天天线| 日本三级黄在线观看| 午夜影院日韩av| 午夜精品久久久久久毛片777| 国产精品亚洲一级av第二区| 亚洲黑人精品在线| 少妇熟女aⅴ在线视频| 噜噜噜噜噜久久久久久91| 黄色欧美视频在线观看| 97超视频在线观看视频| 中文在线观看免费www的网站| 国产不卡一卡二| 夜夜夜夜夜久久久久| 精品人妻偷拍中文字幕| 乱系列少妇在线播放| 亚洲第一区二区三区不卡| 国产精品久久久久久av不卡| 欧美绝顶高潮抽搐喷水| 校园人妻丝袜中文字幕| 成人永久免费在线观看视频| 一级毛片久久久久久久久女| 在线观看舔阴道视频| 国产精品三级大全| 免费一级毛片在线播放高清视频| 哪里可以看免费的av片| 免费观看精品视频网站| 亚洲熟妇熟女久久| 亚洲三级黄色毛片| 变态另类丝袜制服| av专区在线播放| 美女高潮喷水抽搐中文字幕| 久久久久久久亚洲中文字幕| 在线免费观看的www视频| 日本三级黄在线观看| 黄片wwwwww| 成人二区视频| 精华霜和精华液先用哪个| 久久精品国产亚洲网站| 亚洲精品一区av在线观看| 51国产日韩欧美| 国内精品美女久久久久久| 男人的好看免费观看在线视频| 国产黄片美女视频| 日本 欧美在线| 亚洲最大成人中文| 91久久精品国产一区二区成人| 久久精品国产亚洲av涩爱 | 亚洲熟妇熟女久久| 欧美潮喷喷水| 国产精品三级大全| 看黄色毛片网站| 国产一区二区在线av高清观看| 久久久久久久亚洲中文字幕| 国产男人的电影天堂91| 国产精品电影一区二区三区| 国产一区二区亚洲精品在线观看| 免费一级毛片在线播放高清视频| 久久久久久大精品| 色综合婷婷激情| 成年女人永久免费观看视频| 国产伦精品一区二区三区四那| 国产国拍精品亚洲av在线观看| 欧美一级a爱片免费观看看| 免费电影在线观看免费观看| 一本精品99久久精品77| 亚洲自偷自拍三级| 日日夜夜操网爽| 99在线人妻在线中文字幕| 精品久久久久久久久久免费视频| 欧美黑人欧美精品刺激| 黄色欧美视频在线观看| 国产一区二区在线av高清观看| 国产探花在线观看一区二区| 久久久久久久午夜电影| 韩国av一区二区三区四区| 亚洲狠狠婷婷综合久久图片| 熟妇人妻久久中文字幕3abv| 国产高清有码在线观看视频| 少妇高潮的动态图| 最近最新免费中文字幕在线| 国产精品久久久久久久电影| 国产欧美日韩一区二区精品| 91午夜精品亚洲一区二区三区 | 国产不卡一卡二| 成人亚洲精品av一区二区| 美女大奶头视频| 国产69精品久久久久777片| 国产精品福利在线免费观看| 一级av片app| 精品人妻视频免费看| 亚洲精品456在线播放app | 亚洲av成人精品一区久久| 亚洲一级一片aⅴ在线观看| 国产高清三级在线| 亚洲熟妇熟女久久| 日韩在线高清观看一区二区三区 | 欧美最黄视频在线播放免费| 淫秽高清视频在线观看| 特级一级黄色大片| 日韩av在线大香蕉| 欧美区成人在线视频| 亚洲欧美清纯卡通| 成人av一区二区三区在线看| 热99re8久久精品国产| 婷婷精品国产亚洲av在线| aaaaa片日本免费| 亚洲真实伦在线观看| 麻豆精品久久久久久蜜桃| 亚洲真实伦在线观看| 干丝袜人妻中文字幕| 在线观看66精品国产| 午夜老司机福利剧场| 熟女电影av网| av女优亚洲男人天堂| 又粗又爽又猛毛片免费看| 狂野欧美白嫩少妇大欣赏| 嫩草影视91久久| 两人在一起打扑克的视频| 国产精品无大码| 女的被弄到高潮叫床怎么办 | 99精品在免费线老司机午夜| 国产一区二区三区在线臀色熟女| 老司机深夜福利视频在线观看| 一夜夜www| 成年版毛片免费区| 国产亚洲精品久久久com| 国产女主播在线喷水免费视频网站 | 国产美女午夜福利| 亚洲成人精品中文字幕电影| 欧美高清性xxxxhd video| 国产蜜桃级精品一区二区三区| 精品人妻一区二区三区麻豆 | 舔av片在线| 搞女人的毛片| 亚洲精华国产精华精| 国产老妇女一区| 在现免费观看毛片| 久久欧美精品欧美久久欧美| 91麻豆av在线| 搡女人真爽免费视频火全软件 | 午夜日韩欧美国产| 一区二区三区四区激情视频 | 伦精品一区二区三区| 成人午夜高清在线视频| 在线a可以看的网站| 一本一本综合久久| 国产av在哪里看| 特大巨黑吊av在线直播| 我的女老师完整版在线观看| 成人一区二区视频在线观看| 亚洲av一区综合| 免费无遮挡裸体视频| 一边摸一边抽搐一进一小说| 1000部很黄的大片| 啦啦啦啦在线视频资源| 成人国产麻豆网| 真实男女啪啪啪动态图| 国产一区二区亚洲精品在线观看| 中文字幕久久专区| www.色视频.com| 久久天躁狠狠躁夜夜2o2o| 精品人妻熟女av久视频| 噜噜噜噜噜久久久久久91| av女优亚洲男人天堂| 熟妇人妻久久中文字幕3abv| 免费高清视频大片| 免费看日本二区| 亚洲精品亚洲一区二区| 日韩亚洲欧美综合| 日本成人三级电影网站| 在线观看美女被高潮喷水网站| a级一级毛片免费在线观看| 日韩欧美三级三区| 精品午夜福利视频在线观看一区| 婷婷精品国产亚洲av在线| 国内精品宾馆在线| 女同久久另类99精品国产91| 午夜亚洲福利在线播放| 日韩欧美在线乱码| 国产国拍精品亚洲av在线观看| 日韩欧美国产在线观看| 日韩精品有码人妻一区| 91精品国产九色| 波多野结衣高清无吗| 麻豆国产av国片精品| 在线观看免费视频日本深夜| 日韩av在线大香蕉| 少妇熟女aⅴ在线视频| 国产伦人伦偷精品视频| 国产亚洲精品综合一区在线观看| 国内毛片毛片毛片毛片毛片| 国产视频一区二区在线看| av女优亚洲男人天堂| 国产精品无大码| 精品久久久久久久久久久久久| 亚洲精品色激情综合| 亚洲成av人片在线播放无| 啪啪无遮挡十八禁网站| 日韩中文字幕欧美一区二区| 非洲黑人性xxxx精品又粗又长| 国产不卡一卡二| 亚洲av成人精品一区久久| 国产精品自产拍在线观看55亚洲| 少妇高潮的动态图| 国产真实乱freesex| 亚洲成人精品中文字幕电影| 最近最新中文字幕大全电影3| 综合色av麻豆| 成年版毛片免费区| 能在线免费观看的黄片| av国产免费在线观看| 亚洲在线自拍视频| 观看美女的网站| 国产白丝娇喘喷水9色精品| 日韩亚洲欧美综合| 美女大奶头视频| 最近最新中文字幕大全电影3| or卡值多少钱| 小说图片视频综合网站| av女优亚洲男人天堂| 亚洲成人中文字幕在线播放| 亚洲第一电影网av| 露出奶头的视频| 欧美不卡视频在线免费观看| 简卡轻食公司| 午夜a级毛片| 日日夜夜操网爽| 欧美成人性av电影在线观看| 我的老师免费观看完整版| 免费看日本二区| 88av欧美| 两性午夜刺激爽爽歪歪视频在线观看| 久久国内精品自在自线图片| 国产精品无大码| 国产高清三级在线| 制服丝袜大香蕉在线| 九九在线视频观看精品| 久久99热6这里只有精品| 久久久成人免费电影| 看片在线看免费视频| 男女视频在线观看网站免费| 成人国产一区最新在线观看| 亚洲第一电影网av| 听说在线观看完整版免费高清| 日本成人三级电影网站| 久久久久性生活片| 美女黄网站色视频| 久久久久久久久久成人| 日本欧美国产在线视频| 国产真实伦视频高清在线观看 | 精品人妻视频免费看| 精品久久久久久久久久免费视频| 国产精品女同一区二区软件 | 麻豆精品久久久久久蜜桃| 99热网站在线观看| 国产亚洲精品综合一区在线观看| 午夜老司机福利剧场| 日本与韩国留学比较| 国产又黄又爽又无遮挡在线| 国产精品自产拍在线观看55亚洲| 日韩中文字幕欧美一区二区| 男人狂女人下面高潮的视频| 天堂动漫精品| 婷婷亚洲欧美| 国产成人av教育| 久久婷婷人人爽人人干人人爱| 午夜日韩欧美国产| 亚洲欧美清纯卡通| 一级a爱片免费观看的视频| 大又大粗又爽又黄少妇毛片口| 一区二区三区四区激情视频 | 九九在线视频观看精品| 亚洲一区高清亚洲精品| 国产欧美日韩精品亚洲av| 国产毛片a区久久久久| 亚洲人与动物交配视频| 久久精品国产亚洲av香蕉五月| 免费av观看视频| 亚洲精品久久国产高清桃花| 午夜福利18| 啦啦啦观看免费观看视频高清| 99国产精品一区二区蜜桃av| 精品人妻偷拍中文字幕| 99久久成人亚洲精品观看| 十八禁网站免费在线| 人人妻人人看人人澡| 少妇裸体淫交视频免费看高清| 午夜免费男女啪啪视频观看 | 88av欧美| 日韩一区二区视频免费看| 免费电影在线观看免费观看| 黄色欧美视频在线观看| 国产成人福利小说| 日韩大尺度精品在线看网址| 成人特级av手机在线观看| 成人综合一区亚洲| 亚洲精品国产成人久久av| 精品人妻1区二区| 夜夜夜夜夜久久久久| 久久国产乱子免费精品| 亚洲久久久久久中文字幕| eeuss影院久久| 级片在线观看| 国产av不卡久久| 中文字幕av在线有码专区| 国产精品自产拍在线观看55亚洲| 人妻制服诱惑在线中文字幕| 午夜老司机福利剧场| 午夜福利高清视频| 老司机午夜福利在线观看视频| avwww免费| 精品久久久噜噜| 欧美性感艳星| h日本视频在线播放| 久久精品国产亚洲网站| 草草在线视频免费看| 欧美最黄视频在线播放免费| 国产乱人视频| 国产精品日韩av在线免费观看| 人人妻人人看人人澡| 欧美成人性av电影在线观看| 国产视频一区二区在线看| 99热6这里只有精品|