• <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 ?

    基于多分辨率特征融合的葡萄尺寸檢測

    2022-05-16 17:34:20李頎楊軍
    江蘇農(nóng)業(yè)學報 2022年2期
    關(guān)鍵詞:機器視覺

    李頎 楊軍

    摘要:針對葡萄特征提取不夠充分且果粒排列密集相互遮擋難以準確檢測的問題,以陜西省鄠邑區(qū)戶太8號葡萄為研究對象,提出一種基于特征金字塔網(wǎng)絡(luò)(FPN)特征融合的Faster R-CNN卷積神經(jīng)網(wǎng)絡(luò)模型完成復雜背景情況下葡萄果粒的檢測與識別。以ResNet50為主干網(wǎng)絡(luò),引入金字塔結(jié)構(gòu),增強網(wǎng)絡(luò)模型對葡萄果粒不同分辨率特征的提取能力,同時加入GA-RPN網(wǎng)絡(luò)生成自適應錨框,引入遮擋補償機制,以解決密集葡萄果粒存在的遮擋問題。模型驗證結(jié)果表明,本研究提出的模型精度均值(AP)在候選框與原標記框的重疊率(IOU)閾值為50時可達95.9%,對葡萄果粒、果穗的檢測準確率分別為95.8%、96.1%,相比于原始Faster R-CNN模型識別性能更優(yōu)。利用雙目視覺算法對葡萄果粒進行尺寸測量,在最佳測量距離(0.6~1.4 m)其相對誤差可控制在2%以內(nèi)。

    關(guān)鍵詞:葡萄無損檢測;多分辨率特征融合;遮擋補償;機器視覺

    中圖分類號:TP391文獻標識碼:A文章編號:1000-4440(2022)02-0394-09

    Grape size detection based on multi-resolution feature fusion

    LI Qi YANG Jun

    Abstract:In view of the insufficient feature extraction of grapes and the difficulty in accurate detection of dense occlusion of grape grains, a Faster R-CNN convolutional neural network model based on feature pyramid network(FPN)feature fusion was proposed to detect and identify grape grains under complex background in Huyi District of Shaanxi Province. The ResNet50 was used as the main network, and the pyramid structure was introduced to enhance the extraction ability of the network model for different resolution characteristics of grape fruit. At the same time, the GA-RPN network was added to generate the adaptive anchor frame, and the occlusion compensation mechanism was introduced to solve the occlusion problem of dense grape fruit. The model verification results showed that the average precision (AP) of the proposed model could reach 95.9% when the threshold of overlap rate between candidate box and original marked box (IOU) was 50, and the detection accuracy of grapes and strings was 95.8% and 96.1%, respectively, which was better than that of the original Faster R-CNN model. Using binocular vision algorithm to measure the size of grape seeds, the relative error can be controlled within 2% at the optimal measurement distance (0.6-1.4 m).

    Key words:nondestructive testing of grapes;multi-resolution feature fusion;occlusion compensation;machine vision

    農(nóng)產(chǎn)品信息快速無損檢測是現(xiàn)代農(nóng)作物精細管理的關(guān)鍵技術(shù)之一[1-4]。傳統(tǒng)的小規(guī)模種植主要通過農(nóng)戶肉眼觀察田間作物信息以及經(jīng)驗來判斷作物的生長狀況,難以適應現(xiàn)代化大規(guī)模的作物種植。計算機與圖像處理技術(shù)在國內(nèi)快速發(fā)展[5-7],被廣泛應用于售賣階段的農(nóng)產(chǎn)品檢測和分級,但在生長狀況的實時監(jiān)測方面應用較少。2016年葉浩等[8]利用圖像數(shù)據(jù)擬合和像素轉(zhuǎn)換得到實際葡萄果粒尺寸,實現(xiàn)對成穗葡萄等級的自動分類檢測,但沒有對葡萄果穗進行識別測量。2017年羅陸鋒等[9]建立分界線幾何求解與計算模型,完成貼疊葡萄果穗目標的提取,但沒有進行葡萄果粒的重疊分割。2019年劉智杭[10]提出基于改進的圖像分割算法和隨機變換橢圓檢測算法的果粒尺寸檢測方法,使用了顏色特征權(quán)向量優(yōu)化k-means算法,實現(xiàn)了復雜背景下葡萄果穗圖像的分割,但在果粒嚴重遮擋時的檢測結(jié)果誤差較大。2020年劉平等[11]通過提取貼疊葡萄果穗圖像輪廓的有效屬性點信息進行位置判斷,區(qū)分出重疊輪廓,完成葡萄果穗的識別和分割,但沒有對重疊葡萄果粒進行研究。

    目前多數(shù)基于機器視覺的作物特征提取主要集中應用于瓜果缺陷等亞健康外觀狀態(tài)以及尺寸檢測[12-15],但在葡萄尺寸檢測方面的應用研究還比較少,檢測模型容易受到葡萄自然生長條件下諸如復雜背景變化、葡萄果粒尺寸不一、隨機遮擋、顏色相似等問題的影響。針對上述問題,本研究使用機器視覺技術(shù)對葡萄的本體特征進行提取,通過對Faster R-CNN卷積神經(jīng)網(wǎng)絡(luò)算法進行改進,實現(xiàn)葡萄果粒、果穗的準確定位與識別,結(jié)合雙目視覺算法實現(xiàn)葡萄果粒尺寸特征的非接觸無損微變檢測。

    1材料與方法

    1.1數(shù)據(jù)采集

    試驗樣本采集于西安市鄠邑區(qū)南部石井鎮(zhèn)的戶太8號葡萄種植基地,采集時間為2020年4月下旬至2021年4月中旬,采集對象為溫室大棚內(nèi)生長的葡萄果穗。拍攝包含不同角度、距離及光照下的圖片,各采集1 000張,使用圖像標注工具LabelImg對其進行標注,然后通過數(shù)據(jù)增強對圖片進行放大、縮小、旋轉(zhuǎn)、翻轉(zhuǎn)處理,共獲得21 600張圖片及對應的標注文件,分別隨機選擇訓練集10 500張,測試集300張。

    1.2目標檢測網(wǎng)絡(luò)選擇

    現(xiàn)有目標檢測算法分2大類[16-18]:一類是基于候選區(qū)域建議的二階段檢測算法,如Faster R-CNN[19]、SPP-Net等,首先通過區(qū)域建議算法生成含有目標的候選區(qū)域,再通過后續(xù)網(wǎng)絡(luò)進行目標分類和位置回歸;另一類是基于回歸的檢測算法,如YOLOv3[20]、SSD等,這類算法不需要生成候選區(qū)域,而是直接將預設(shè)的滑動窗口映射到生成的特征圖上,通過深度特征回歸出窗口的類別和位置偏移量,最終完成目標的檢測定位。

    Faster R-CNN算法網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,候選區(qū)域生成環(huán)節(jié)以犧牲時間為代價,F(xiàn)aster R-CNN雖然沒有YOLOv3速度快,但是網(wǎng)絡(luò)的整合度較高,極大提高了檢測精度和效率。由于葡萄果粒較小,且生長過程中其本體特征的變化比較遲緩,且對檢測的實時性要求不高。因此選擇Faster R-CNN算法進行葡萄本體特征的檢測。

    1×1、3×3分別代表卷積核大小,fc指全連接層,softmax指歸一化指數(shù)函數(shù)。

    1.3主干網(wǎng)絡(luò)改進與多層特征融合

    Faster R-CNN主干網(wǎng)絡(luò)使用VGG16,其最大的特點是使用了3×3的卷積核以及2×2的池化核,每個池化層都將圖像縮小為原來的1/2。殘差網(wǎng)絡(luò)ResNet50結(jié)構(gòu)如圖2所示,可以解決因卷積層數(shù)增多帶來的梯度耗散或者爆炸的問題[21],其中conv block表示添加尺度的殘差塊,卷積conv2~conv5中的identity block 2×、3×、5×代表的是2個、3個、5個不改變尺寸的殘差塊。加入激活函數(shù)R(Relu)和批量正則化處理BN(Batch Norm)共同解決反向傳播的梯度問題,使得網(wǎng)絡(luò)在具有較好識別精度的同時還具有優(yōu)秀的實時性[22]。

    conv1~conv5表示卷積塊1~卷積塊5,conv1×1表示卷積核大小,其余同理。2×、3×、5×表示模塊數(shù),BN(Batch Norm)表示批量正則化處理,R(Relu)表示激活函數(shù),S表示sigmoid函數(shù)。

    對于大棚環(huán)境中葡萄的檢測,存在不同圖像之間、甚至同一張圖像里需要被檢測出的目標大小相對于整張圖像的比例差異較大的問題,圖片中葡萄果粒圖像的平均占比小于0.043,葡萄果穗的平均占比大于0.257。這種尺度差異帶來的挑戰(zhàn)性,嚴重限制檢測器的整體表現(xiàn)。網(wǎng)絡(luò)層數(shù)越深,表達抽象特征的能力也就越強,但淺層的空間信息也相應丟失。這就導致深層特征圖無法提供細粒度的空間信息對目標進行精確定位。同時,小尺寸目標的語義信息也在下采樣的過程中逐漸丟失。特征金字塔網(wǎng)絡(luò)FPN(Feature pyramid network)綜合利用高分辨率的位置信息和高級抽象語義信息,在所有特征上輸出預測結(jié)果。FPN網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示,隨著層級越來越高,語義信息越來越豐富,紅色邊界更寬。

    1×1conv表示卷積核大小,2×up表示2倍上采樣。

    1.4錨框自適應調(diào)整

    在RPN網(wǎng)絡(luò)中需要事先根據(jù)檢測目標的大小設(shè)置多種固定大小和形狀的anchor,然后利用滑動窗口對特征圖進行掃描,根據(jù)掃描結(jié)果對目標進行檢測和分類。但這種方法只適用于檢測一般形狀和大小的目標,對于長寬比懸殊的目標不一定能準確檢測,影響模型的檢測性能,降低算法的魯棒性。

    GA-RPN網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示,在特征圖后面增加2條支路用于生成anchor,與傳統(tǒng)滑窗方式不同,一條用于定位目標區(qū)域中心點,另外一條用于預測符合目標形狀的檢測框的最佳長寬比。同時在形狀預測分支后面還增加了特征自適應模塊,將anchor形狀信息通過1×1的卷積操作融入到特征圖中,以解決不同形狀大小與特征圖不匹配的問題。

    FPN提取Resnet50網(wǎng)絡(luò)每個階段最后的特征層作為一個特征層級進行多分辨率特征的融合,分辨率的增加可以獲得更多小尺寸葡萄果粒的信息,同時引入GA-RPN網(wǎng)絡(luò)完成自適應anchor的生成,改進的Faster R-CNN網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。

    Resnet50表示殘差網(wǎng)絡(luò),F(xiàn)PN表示金字塔結(jié)構(gòu),GA-RPNS表示自適應錨框生成網(wǎng)絡(luò),conv1~conv5表示卷積塊,1×1、3×3表示卷積核大小,2×表示2倍上采樣,M2-5、P2-5分別表示對應層的特征圖,softmax指歸一化指數(shù)函數(shù)。

    1.5密集葡萄果粒遮擋檢測

    自然生長條件下的葡萄果粒、果穗難免存在相互遮擋、重疊的關(guān)系。葡萄果粒的遮擋情況通??梢苑譃?種:類外遮擋,即其他物體對葡萄果穗的遮擋,如葉片、樹枝等遮擋;類內(nèi)遮擋,目標葡萄果穗上的果粒被其他葡萄果穗遮擋;類間遮擋,目標葡萄果穗上果粒之間的互相遮擋,也稱為密集遮擋。其中,葡萄果粒之間的密集遮擋在所有遮擋問題中最常見且占比最大,葡萄果粒密集遮擋示例如圖6所示。

    采用遮擋標記和遮擋補償來共同解決這一問題,在標注的過程中對于被遮擋的目標也進行完整標注,同時加入遮擋標記,提高模型的通用性。對存在遮擋情況的標注框計算遮擋補償系數(shù),融入損失函數(shù)里進行訓練,增強模型對被遮擋葡萄果粒的敏感性,提高模型檢測精度。

    添加遮擋標記,當葡萄果粒之間存在遮擋情況時,向被遮擋果粒添加標記信息occ_mutual(i),將遮擋共分為3個等級,當果粒被遮擋區(qū)域的占比不超過25%時,i=3;占比25%~75%時,i=2;占比超過75%時,i=1。計算遮擋補償系數(shù)occ_m(s)如式(1)~式(4)所示,s為第s個標注框。

    in(s)代表標記信息對應的i,GTs代表第s個真實標注框,union_area(s)表示第s個標注框與所有標注框的相交面積和,union_area表示當前圖片所有標注框的相并面積和,leave(s)為第s個標注框?qū)谋徽趽醯燃?,n為當前圖片中真實標注總數(shù)。將遮擋補償信息融入在損失函數(shù)里來補償因遮擋造成的目標特征缺失問題,損失函數(shù)定義如式(5)所示。

    損失如式(6)、式(7)所示,Ci—是預測的有無果粒的置信度,Ci—是真實檢測的置信度,有果粒為1,無果粒為0;λno是IOU誤差的權(quán)重,取值同上;η(i)為遮擋補償系數(shù)。

    REP損失包含3個目標:1個吸引項和2個排斥項,吸引項的要求是預測框靠近其目標,而排斥項是需要預測框遠離周圍其他的標注框和預測框,如式(8)~式(11)所示。attr為吸引項,SmoothL1作為其回歸損失函數(shù),讓預測框更接近葡萄果粒。repgt的目標是讓預測框最大程度遠離附近其他果粒的真實標注框,然后對IOG進行SmoothLn損失,防止預測框向其他臨近的真實果粒偏移。repbox的目標是讓預測框最大程度遠離附近其他果粒的預測框,降低檢測器對非極大值抑制(NMS)的敏感度,提高在密集場景下的魯棒性。

    其中,IOU=area(P∩G)/area(P∪G),IOU=area(P∩G)/area(G),area(P∩G),表示預測框P與真實標注G交集的面積,area(P∪G)表示P與G并集的面積,GPattr為與預測框匹配的真實標注,GPrep為除與預測框匹配后的剩余IOU最大的真實標注,P+=P1∩P2∩…∩P|K|,是所有正樣本的集合,σ取值范圍為0~1,Smooth回歸函數(shù)如式(12)、式(13)所示。

    1.6雙目視覺測量

    單目系統(tǒng)常用于固定位置、特定距離下的目標測量,優(yōu)勢在于成本較低,對計算資源的要求不高,系統(tǒng)結(jié)構(gòu)相對簡單,但是無法對非標準障礙物進行判斷,實際中的測量需要真正的空間三維坐標[23-25]。圖7所示為一般情況下的雙目視覺成像原理圖。

    以左相機坐標系o_xyz為原點建立世界坐標系,其中,ol_XlYl表示圖像坐標系,ol為投影點,有效焦距為fl,右相機同理,建立相機透視變換模型如式(14)、式(15)。

    兩個坐標系o_xyz與or_xryrzr之間的相對關(guān)系如式(16)所示,由推導可得,空間點的三維坐標可以表示為式(17)所示。

    已知雙目相機基線距離,左右相機焦距fl、fr和點P在左、右相機中的圖像坐標已知,再通過相機標定求出的R和T就可以得到點P相對于相機的三維坐標,實現(xiàn)視野范圍內(nèi)任意大小的葡萄特征的測量。

    如圖8所示,圖像拍攝設(shè)備為KS4A418-D雙目攝像頭,3.6 mm定焦鏡頭,分辨率為2 592×1 944,圖像格式為MJPG。左右相機空間位置標定結(jié)果如表1所示,旋轉(zhuǎn)矩陣的標定結(jié)果近似于單位矩陣,說明左、右相機之間的旋轉(zhuǎn)角度很小,光軸接近平行。平移向量表明兩個相機的光軸在x軸方向上相距59.842 25 mm,接近實際基線距離60 mm,而在y和z方向上僅存在微小的偏移。

    2結(jié)果與分析

    2.1模型訓練效果

    試驗平臺的運行環(huán)境配置:操作系統(tǒng)Ubuntu16.04,顯卡NVIDIA GeForce RTX 2080 Ti,算力7.5,運行內(nèi)存128 GB,使用Python語言編程,選擇TensorFlow作為深度學習框架。采用近似聯(lián)合訓練方法進行端到端訓練,在保證訓練精度的同時提高訓練速度。模型訓練參數(shù)設(shè)置如表2所示,訓練結(jié)果Loss變化如圖9所示。從圖9中可以看出,網(wǎng)絡(luò)在前4 000次迭代中迅速擬合,之后趨于穩(wěn)定,平均損失在0.15左右浮動。模型訓練效果良好,最后收斂到穩(wěn)定值,達到了預期的訓練效果。

    2.2遮擋補償試驗結(jié)果對比

    分別使用原始Faster R-CNN模型與引入遮擋補償機制后的Faster R-CNN模型對葡萄果粒進行檢測,結(jié)果(圖10)表明,改進后的模型檢測精度高于原始Faster R-CNN模型,其中對于葡萄果穗中間被遮擋的果粒檢測效果的提升最明顯,邊緣被遮擋果粒的檢測效果也有很大的提升,可以準確識別遮擋面積不超過75%的果粒。果粒檢測結(jié)果對比示例如圖10所示,可以看出,引入遮擋補償機制后葡萄果穗邊緣果粒的漏檢情況有明顯改善,且中間被漏檢的果粒也可以準確識別出來。拍攝多組葡萄果穗圖片進行檢測,與人眼能觀察到的實際果粒數(shù)量進行對比分析,結(jié)果如表3所示。

    2.3模型檢測結(jié)果分析

    溫室大棚場景內(nèi)葡萄果粒、果穗的檢測結(jié)果如圖11所示,相機距離葡萄0.6~1.4 m。本研究模型可以有效地檢測出葡萄果粒、果穗兩類目標,尺寸較小的葡萄果粒也能被精確地檢測出。在出現(xiàn)輕微遮擋的情況下,比如樹枝、葉片遮擋葡萄果穗,也可以檢測出目標,如圖11(b)左側(cè)第1個葡萄果穗檢測框。

    分別將5種模型YOLOv3、Faster R-CNN、Faster R-CNN+ResNet50、Faster R-CNN+FPN以及本研究改進模型在葡萄果粒、果穗數(shù)據(jù)集上進行試驗評估,并進行結(jié)果分析。在多分類任務(wù)中,常通過使用混淆矩陣來進行指標評價。本研究中識別種類較少,使用P-R(Precision-Recall)曲線來進行指標評價,直接顯示分類結(jié)果的優(yōu)劣。

    圖12所示為P-R曲線,為了評估算法有效性,計算各個類別在檢測閾值(IOU)為50時的平均精度值(AP)、不同閾值下的mAP和檢測速度(FPS)。AP是衡量單一類別檢測效果的重要指標,可以通過計算準確率(Precision)與召回率(Recall)曲線所包圍的面積得到,如式(18)~式(20)所示。mAP是所有類別的精度均值,如式(21)所示。其中,Tp表示真的正樣本;Fp表示假的正樣本,負樣本被錯誤地預測為正樣本;Fn表示假的負樣本,正樣本被錯誤地預測為負樣本。表4為5種模型的精度均值比較結(jié)果。

    2.4葡萄果粒測量結(jié)果分析

    對模型檢測出的葡萄果粒圖像進行遍歷,找出可以定義果粒橫徑和縱徑的特征點。首先從左往右、從上到下找到的第1個點記為a點,然后從右往左、從上到下找到的第1個點記為b點,即找到葡萄果粒的最左側(cè)點和最右側(cè)點??紤]到左右兩點可能不在同一水平線上,所以橫徑大小通過計算a、b兩點投影在x軸方向上的距離得到。同理,再分別從上往下和從下往上找到最上方點c和最下方點d,縱徑大小通過計算c、d兩點投影在y軸方向上的距離得到。橫、縱徑特征點示意圖如圖13所示。根據(jù)公式(8)計算得出a、b、c、d 4點的空間三維坐標。設(shè)特征點坐標為a(Xa,Ya,Za),b(Xb,Yb,Zb),c(Xc,Yc,Zc),d(Xd,Yd,Zd),則果粒橫徑、縱徑的計算如式(22)、式(23)所示,其中L為橫徑,T為縱徑。

    為驗證遮擋補償效果,根據(jù)果粒圖像被遮擋的面積大小占比不同,進行遮擋補償試驗。分別選取遮擋程度為小于25%、25%~50%、50%~75%、大于75%的果粒進行試驗,使用游標卡尺測量出葡萄果粒橫徑的實際值,結(jié)果如表5所示。為驗證本研究模型的實際效果,選取3個葡萄果穗分別在不同拍攝距離下進行試驗,以葡萄果穗為單位計算橫徑平均值,果粒測量結(jié)果如表6所示。

    由表5可知,引入遮擋補償機制后,檢測誤差明顯降低,更接近果粒實際大小。當遮擋程度超過75%時,2個果粒被漏檢,只有尺寸較大的果粒被檢測出且誤差高于遮擋程度小于75%的果粒。由表6可知,在相機有效拍攝范圍內(nèi)實際檢測結(jié)果最大誤差不超過4%,當測量距離在0.6~1.4 m時誤差更小且不超過2%。因此,本研究提出的模型在最佳測量距離0.6~1.4 m對于葡萄果粒尺寸特征的自動測量具有較好的實用性。

    3結(jié)論與討論

    本研究提出了一種結(jié)合深度學習和視覺測量的葡萄果粒、果穗特征的自動檢測模型。通過雙目相機拍攝獲取數(shù)據(jù)集,然后利用改進的Faster R-CNN算法進行檢測,得到目標位置和類別信息。以ResNet50為主干網(wǎng)絡(luò)并引入金字塔結(jié)構(gòu),增強網(wǎng)絡(luò)模型在不同分辨率下葡萄果實特征的提取能力,對候選區(qū)域生成網(wǎng)絡(luò)RPN進行改進,加入了自適應錨框,同時引入遮擋補償機制,以解決密集葡萄果粒由于遮擋而被漏檢的情況。利用標定結(jié)果求出特征點的三維坐標,實現(xiàn)果粒尺寸自動測量。試驗結(jié)果表明,本研究提出的模型在相機最佳測量距離內(nèi)對葡萄果粒尺寸的自動測量具有較高的準確率,能滿足葡萄表型參量特征精準測量的需要,也可為其他種類作物的表型參量三維測量提供參考與借鑒,有較好的實用性。在后續(xù)的研究中,會對檢測模型進壓縮優(yōu)化,進一步提高檢測的實時性和準確率,同時加入更多葡萄表型參量的測量,以更好地分析作物的生長狀態(tài)。

    參考文獻:

    [1]張帥亮. 作物生長過程檢測技術(shù)研究與實現(xiàn)[D].新鄉(xiāng):河南科技學院,2018.

    [2]楊濤,李曉曉. 機器視覺技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的研究進展[J].中國農(nóng)機化學報,2021,42(3):171-181.

    [3]ZHAO Y S,GONG L,HUANG Y X,et al. A review of key techniques of vision-based control for harvesting robot[J]. Computers and Electronics in Agriculture, 2016,127(6):312-321.

    [4]XIONG J T,LIN R,LIU Z,et al. The recognition of litchi clusters and the calculation of picking point in a nocturnal natural environment[J]. Biosystems Engineering, 2018,166(8):44-57.

    [5]李詩禹. 溫棚環(huán)境及植物生長信息管理分析系統(tǒng)研究與實現(xiàn)[D].銀川:寧夏大學,2018.

    [6]趙獻立,王志明. 機器學習算法在農(nóng)業(yè)機器視覺系統(tǒng)中的應用[J].江蘇農(nóng)業(yè)科學,2020,48(12):226-231.

    [7]翁楊,曾睿,吳陳銘,等. 基于深度學習的農(nóng)業(yè)植物表型研究綜述[J].中國科學:生命科學,2019,49(6):698-716.

    [8]葉浩,詹國敏,吳亮,等. 基于圖像分割的葡萄果粒粒徑快速測量技術(shù)[J].新技術(shù)新工藝,2016(5):84-87.

    [9]羅陸鋒,鄒湘軍,王成琳,等. 基于輪廓分析的雙串疊貼葡萄目標識別方法[J].農(nóng)業(yè)機械學報,2017,48(6):15-22.

    [10]劉智杭. 基于圖像的巨峰葡萄果粒尺寸檢測方[D].哈爾濱:東北林業(yè)大學,2019.

    [11]劉平,朱衍俊,張同勛,等. 自然環(huán)境下貼疊葡萄串的識別與圖像分割算法[J].農(nóng)業(yè)工程學報,2020,36(6):161-169.

    [12]李睿. 基于機器視覺的蘋果尺寸測量與分類研究[D].唐山:華北理工大學,2020.

    [13]徐慶. 圖像處理技術(shù)在現(xiàn)代農(nóng)業(yè)中的應用[J].農(nóng)村經(jīng)濟與科技,2020,31(1):66-67.

    [14]QURESHI W S,PAYNE A,WALSH K B,et al. Machine vision for counting fruit on mango tree canopies[J]. Precision Agriculture, 2017,18(2):224-244.

    [15]TANG Y C,CHEN M Y,WANG C L, et al. Recognition and localization methods for vision-based fruit picking robots: A review[J]. Frontiers in Plant Science,2020,5:1-17.

    [16]李偉山,衛(wèi)晨,王琳. 改進的Faster R-CNN煤礦井下行人檢測算法[J].計算機工程與應用,2019,55(4):200-207.

    [17]張守東,楊明,胡太. 基于多特征融合的顯著性目標檢測算法[J].計算機科學與探索,2019,13(5):834-845.

    [18]呂曉琪,吳涼,谷宇等. 基于三維卷積神經(jīng)網(wǎng)絡(luò)的低劑量肺結(jié)節(jié)檢測[J].光學精密工程,2018,26(5):1211-1218.

    [19]REN S Q, HE K M, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017,39(6):1137-1149.

    [20]SOHAIB A, MAHEDI H, SHEIKH M S I. YOLO-based three-stage network for Bangla license plate recognition in Dhaka Metropolitan City[J]. International Conference on Bangla Speech and Language Processing (ICBSLP), 2018,33(15):21-22.

    [21]毋立芳,汪敏貴,付亨等. 深度目標檢測與圖像分類相結(jié)合的棉花發(fā)育期自動識別方法[J].中國科技論文,2018,13(20):2309-2316.

    [22]張怡,趙珠蒙,王校常,等. 基于ResNet卷積神經(jīng)網(wǎng)絡(luò)的綠茶種類識別模型構(gòu)建[J].茶葉科學,2021,41(2):261-271.

    [23]王珂,王亮亮,李瑞峰,等. 基于折光魚眼全景相機的雙目立體視覺標定[J].中國科技論文,2016,11(8):913-919.

    [24]盧艷軍,王詩宇,張?zhí)珜?,? 針對目標跟蹤過程的雙目視覺測距方法研究[J].電光與控制,2020,27(1):60-63,101.

    [25]MANSOOR A, MUHAMMAD S A, MUHAMMAD R, et al. Real-time machine-learning based Cropand weed detection and classification for variable-rate spraying in precision agriculture[J]. International Conference on Electrical and Electronics Engineering(ICEEE),2020,10(19):273-280.

    (責任編輯:張震林)

    收稿日期:2021-07-06

    基金項目:陜西省農(nóng)業(yè)科技創(chuàng)新工程資助項目[201806117YF05NC13(1)];陜西省科技廳農(nóng)業(yè)科技攻關(guān)項目(2015NY028);陜西科技大學博士科研啟動基金資助項目(BJ13-15)

    作者簡介:李頎(1973-),女,陜西西安人,博士,教授,主要研究方向為農(nóng)業(yè)智能化信息化、深度學習。(E-mail)liqidq@sust.edu.cn

    通訊作者:楊軍,(E-mail)1414831375@qq.com

    猜你喜歡
    機器視覺
    基于芯片點膠系統(tǒng)的視覺檢測技術(shù)研究
    軟件導刊(2016年11期)2016-12-22 21:52:17
    全自動模擬目標搜救系統(tǒng)的設(shè)計與實現(xiàn)
    基于機器視覺的自動澆注機控制系統(tǒng)的研究
    科技視界(2016年26期)2016-12-17 17:31:58
    機器視覺技術(shù)的發(fā)展及其應用
    科技視界(2016年25期)2016-11-25 19:53:52
    視覺拉線檢測器的設(shè)計與實現(xiàn)
    科技視界(2016年25期)2016-11-25 09:27:34
    大場景三維激光掃描儀在研究生實踐教學培養(yǎng)中的應用
    科教導刊(2016年25期)2016-11-15 17:53:37
    基于機器視覺的工件鋸片缺陷檢測系統(tǒng)設(shè)計
    軟件工程(2016年8期)2016-10-25 15:55:22
    基于機器視覺技術(shù)的動態(tài)“白帶”常規(guī)檢測系統(tǒng)的開發(fā)
    科技視界(2016年20期)2016-09-29 11:11:40
    對激光切割機的改進
    科技視界(2016年6期)2016-07-12 09:12:40
    人工智能在高校圖書館的預期
    科技視界(2016年15期)2016-06-30 19:03:30
    在线亚洲精品国产二区图片欧美 | 天天操日日干夜夜撸| 久久99热这里只频精品6学生| 日韩欧美 国产精品| 日本黄色片子视频| 我的女老师完整版在线观看| 亚洲性久久影院| 人妻人人澡人人爽人人| 欧美精品人与动牲交sv欧美| 久久久久久伊人网av| 嘟嘟电影网在线观看| 免费观看a级毛片全部| 国产精品人妻久久久久久| 麻豆成人午夜福利视频| 免费久久久久久久精品成人欧美视频 | a级毛片在线看网站| 少妇人妻精品综合一区二区| 97超视频在线观看视频| 99视频精品全部免费 在线| 国产亚洲av片在线观看秒播厂| av在线播放精品| 国产真实伦视频高清在线观看| 成人午夜精彩视频在线观看| 春色校园在线视频观看| 国产黄频视频在线观看| 国产伦在线观看视频一区| 成年av动漫网址| 天美传媒精品一区二区| 大陆偷拍与自拍| 国产亚洲av片在线观看秒播厂| 热99国产精品久久久久久7| 99热国产这里只有精品6| 人人妻人人看人人澡| 男人爽女人下面视频在线观看| 国产伦精品一区二区三区视频9| 波野结衣二区三区在线| 亚洲av日韩在线播放| 亚洲精品乱码久久久v下载方式| 大片电影免费在线观看免费| 国内揄拍国产精品人妻在线| 18禁动态无遮挡网站| 人人澡人人妻人| 极品人妻少妇av视频| 亚洲精品日韩在线中文字幕| 性色av一级| 中国国产av一级| 亚洲欧美精品自产自拍| 国产亚洲av片在线观看秒播厂| 国产淫片久久久久久久久| 日韩av免费高清视频| 99视频精品全部免费 在线| 成人综合一区亚洲| 简卡轻食公司| 在线观看美女被高潮喷水网站| 一区在线观看完整版| 欧美变态另类bdsm刘玥| 久久精品夜色国产| 日韩不卡一区二区三区视频在线| 九草在线视频观看| 成人漫画全彩无遮挡| 伊人久久精品亚洲午夜| 亚洲综合精品二区| 一级片'在线观看视频| 亚洲精品久久久久久婷婷小说| 亚洲国产精品999| 人妻系列 视频| 国产亚洲最大av| 高清黄色对白视频在线免费看 | 色婷婷久久久亚洲欧美| 九色成人免费人妻av| 亚洲精品,欧美精品| 人妻 亚洲 视频| 亚洲国产精品一区三区| 纵有疾风起免费观看全集完整版| 人人妻人人看人人澡| 青春草国产在线视频| 少妇熟女欧美另类| 韩国av在线不卡| 亚洲精品成人av观看孕妇| 好男人视频免费观看在线| 久久久久人妻精品一区果冻| 久久久久久久久大av| av天堂中文字幕网| 日本欧美视频一区| av女优亚洲男人天堂| 黄片无遮挡物在线观看| 亚洲丝袜综合中文字幕| 天堂俺去俺来也www色官网| 最后的刺客免费高清国语| 久久国产亚洲av麻豆专区| 亚洲精品日韩av片在线观看| 精品人妻偷拍中文字幕| 精品视频人人做人人爽| 国产 精品1| av在线播放精品| 自拍欧美九色日韩亚洲蝌蚪91 | 中文在线观看免费www的网站| 欧美日韩av久久| 美女国产视频在线观看| 欧美高清成人免费视频www| 亚洲国产精品成人久久小说| 多毛熟女@视频| 欧美+日韩+精品| 日韩一区二区三区影片| a级毛片免费高清观看在线播放| 18+在线观看网站| 99热全是精品| 大片免费播放器 马上看| 大码成人一级视频| 99精国产麻豆久久婷婷| 人妻一区二区av| 老熟女久久久| 久久精品国产亚洲网站| 国产美女午夜福利| 9色porny在线观看| 国产av码专区亚洲av| 老女人水多毛片| 狂野欧美激情性bbbbbb| 成人18禁高潮啪啪吃奶动态图 | 婷婷色麻豆天堂久久| 久久av网站| 午夜精品国产一区二区电影| 成人无遮挡网站| av网站免费在线观看视频| 免费黄网站久久成人精品| 中文字幕精品免费在线观看视频 | 久久久久人妻精品一区果冻| 色婷婷av一区二区三区视频| 男的添女的下面高潮视频| 又黄又爽又刺激的免费视频.| 久久 成人 亚洲| 亚洲精品国产色婷婷电影| 亚洲无线观看免费| 一本一本综合久久| 26uuu在线亚洲综合色| 亚洲欧美精品自产自拍| 久热久热在线精品观看| 久热久热在线精品观看| 亚洲精品中文字幕在线视频 | h视频一区二区三区| av专区在线播放| 久久亚洲国产成人精品v| 两个人免费观看高清视频 | 精品久久久久久久久av| 久久人人爽av亚洲精品天堂| xxx大片免费视频| 爱豆传媒免费全集在线观看| 免费观看a级毛片全部| 亚洲精品自拍成人| 自拍偷自拍亚洲精品老妇| 亚洲av欧美aⅴ国产| 天堂中文最新版在线下载| 国产精品久久久久久久电影| 国产精品久久久久久久电影| 久久99一区二区三区| 亚洲电影在线观看av| av福利片在线观看| 女性生殖器流出的白浆| 中文资源天堂在线| 免费看不卡的av| 久久av网站| 麻豆成人av视频| 日日摸夜夜添夜夜添av毛片| 亚洲国产日韩一区二区| 伊人久久精品亚洲午夜| 国产精品99久久久久久久久| 人妻制服诱惑在线中文字幕| 精品人妻熟女毛片av久久网站| 不卡视频在线观看欧美| 国产精品久久久久久久电影| 人体艺术视频欧美日本| 亚洲成人av在线免费| 国产成人精品久久久久久| 久久久亚洲精品成人影院| 日本av免费视频播放| 91aial.com中文字幕在线观看| 汤姆久久久久久久影院中文字幕| 日产精品乱码卡一卡2卡三| 深夜a级毛片| 精品国产一区二区久久| 欧美精品国产亚洲| 偷拍熟女少妇极品色| 啦啦啦视频在线资源免费观看| 久久久久久久精品精品| 免费av中文字幕在线| 欧美性感艳星| 青春草亚洲视频在线观看| 亚洲色图综合在线观看| 国产精品熟女久久久久浪| 能在线免费看毛片的网站| 王馨瑶露胸无遮挡在线观看| 免费观看的影片在线观看| 久久 成人 亚洲| 在线观看免费高清a一片| 日本色播在线视频| 制服丝袜香蕉在线| 这个男人来自地球电影免费观看 | 人妻少妇偷人精品九色| 99久久综合免费| 卡戴珊不雅视频在线播放| 成人特级av手机在线观看| 午夜免费鲁丝| 春色校园在线视频观看| 久久精品久久久久久久性| 久久久久久人妻| kizo精华| 欧美三级亚洲精品| 亚洲精品自拍成人| av免费观看日本| 一本色道久久久久久精品综合| 亚洲色图综合在线观看| 国产精品久久久久久精品电影小说| 99热全是精品| 妹子高潮喷水视频| 日日啪夜夜爽| 国产又色又爽无遮挡免| 亚洲性久久影院| 全区人妻精品视频| 蜜臀久久99精品久久宅男| 美女国产视频在线观看| 亚洲精品国产色婷婷电影| 午夜福利视频精品| 少妇熟女欧美另类| 久久久久久久大尺度免费视频| 在线观看人妻少妇| 日韩一区二区视频免费看| 久久av网站| 精品国产露脸久久av麻豆| 男人舔奶头视频| 国产一区二区在线观看av| 久久久国产一区二区| 啦啦啦中文免费视频观看日本| 最近2019中文字幕mv第一页| 欧美 日韩 精品 国产| 国产成人精品一,二区| 亚洲中文av在线| 自拍偷自拍亚洲精品老妇| 午夜激情久久久久久久| 亚洲,一卡二卡三卡| 欧美精品亚洲一区二区| av黄色大香蕉| 亚洲无线观看免费| 高清黄色对白视频在线免费看 | 成人无遮挡网站| 免费看av在线观看网站| 狠狠精品人妻久久久久久综合| 国产成人精品一,二区| 国产在线视频一区二区| av网站免费在线观看视频| 亚州av有码| 观看美女的网站| 99九九线精品视频在线观看视频| 91久久精品国产一区二区成人| 国产 精品1| 涩涩av久久男人的天堂| 久久久久久久国产电影| 日韩欧美一区视频在线观看 | 只有这里有精品99| 大码成人一级视频| 丰满迷人的少妇在线观看| 最近手机中文字幕大全| 日本黄色片子视频| 国产淫语在线视频| 三级经典国产精品| av播播在线观看一区| 国产精品欧美亚洲77777| 91精品伊人久久大香线蕉| 国产中年淑女户外野战色| av线在线观看网站| 久久av网站| 亚洲精品日韩在线中文字幕| 亚洲精品色激情综合| 国产综合精华液| 丝袜脚勾引网站| 纯流量卡能插随身wifi吗| 久久亚洲国产成人精品v| 亚洲精品亚洲一区二区| 七月丁香在线播放| 青青草视频在线视频观看| 国产精品久久久久久久电影| 久久亚洲国产成人精品v| av在线app专区| 国产又色又爽无遮挡免| 国产女主播在线喷水免费视频网站| 日本av免费视频播放| a级毛片免费高清观看在线播放| 我要看黄色一级片免费的| 青春草国产在线视频| 成人综合一区亚洲| 岛国毛片在线播放| 在线天堂最新版资源| av免费观看日本| 亚洲欧洲精品一区二区精品久久久 | 亚洲国产精品国产精品| kizo精华| av网站免费在线观看视频| 美女国产视频在线观看| 国产亚洲最大av| 亚洲va在线va天堂va国产| 老熟女久久久| 国产伦在线观看视频一区| 日韩av在线免费看完整版不卡| 99久久中文字幕三级久久日本| 国产成人免费无遮挡视频| 国产淫片久久久久久久久| 18禁动态无遮挡网站| 亚洲性久久影院| 午夜日本视频在线| 久久久久人妻精品一区果冻| 国产 精品1| 成年女人在线观看亚洲视频| 制服丝袜香蕉在线| 777米奇影视久久| 亚洲婷婷狠狠爱综合网| 亚洲精品国产av蜜桃| 久久av网站| 日韩一本色道免费dvd| 亚洲欧洲日产国产| 国产在视频线精品| 国产深夜福利视频在线观看| 女性生殖器流出的白浆| 午夜av观看不卡| 久久午夜综合久久蜜桃| 六月丁香七月| 亚洲人成网站在线播| 久久av网站| 2022亚洲国产成人精品| 国产精品一区二区在线不卡| 麻豆乱淫一区二区| 亚洲欧美成人精品一区二区| 国产黄色免费在线视频| 成人18禁高潮啪啪吃奶动态图 | 亚洲国产av新网站| 最后的刺客免费高清国语| 成年av动漫网址| 色94色欧美一区二区| 欧美日韩精品成人综合77777| 天堂8中文在线网| 人妻系列 视频| 另类亚洲欧美激情| 22中文网久久字幕| 亚洲伊人久久精品综合| 久久精品久久精品一区二区三区| 免费在线观看成人毛片| 久久毛片免费看一区二区三区| 久久久亚洲精品成人影院| 黑人猛操日本美女一级片| 在现免费观看毛片| 美女中出高潮动态图| 日韩av不卡免费在线播放| 欧美另类一区| 日韩一区二区三区影片| 涩涩av久久男人的天堂| 亚洲电影在线观看av| 九色成人免费人妻av| a 毛片基地| 日韩电影二区| 久久久亚洲精品成人影院| 青春草亚洲视频在线观看| 超碰97精品在线观看| 精品酒店卫生间| 亚洲自偷自拍三级| 国产美女午夜福利| a级片在线免费高清观看视频| 在线观看av片永久免费下载| 国产深夜福利视频在线观看| 女人久久www免费人成看片| 如日韩欧美国产精品一区二区三区 | 亚洲综合精品二区| 午夜精品国产一区二区电影| 午夜免费男女啪啪视频观看| 91久久精品电影网| 国产亚洲欧美精品永久| 最后的刺客免费高清国语| 国产色爽女视频免费观看| 天天操日日干夜夜撸| 搡老乐熟女国产| 晚上一个人看的免费电影| 最近中文字幕2019免费版| 国产伦精品一区二区三区视频9| av卡一久久| 免费少妇av软件| 国产女主播在线喷水免费视频网站| 国产亚洲最大av| 91精品国产九色| 插逼视频在线观看| 国产一区二区在线观看av| 一级毛片我不卡| 久久久久久久亚洲中文字幕| 亚洲精品乱码久久久久久按摩| 9色porny在线观看| 国产深夜福利视频在线观看| 人体艺术视频欧美日本| 欧美少妇被猛烈插入视频| 婷婷色av中文字幕| 久久久久久久久久人人人人人人| 中文精品一卡2卡3卡4更新| 麻豆精品久久久久久蜜桃| 国产欧美亚洲国产| 一本色道久久久久久精品综合| 熟女人妻精品中文字幕| 国产精品99久久久久久久久| 少妇人妻 视频| 美女cb高潮喷水在线观看| 欧美老熟妇乱子伦牲交| 99热国产这里只有精品6| 国产精品熟女久久久久浪| 国产又色又爽无遮挡免| 亚洲欧洲国产日韩| 99久国产av精品国产电影| 国产精品国产av在线观看| 国产 一区精品| 国语对白做爰xxxⅹ性视频网站| 成人毛片a级毛片在线播放| 日日摸夜夜添夜夜爱| 日日摸夜夜添夜夜添av毛片| 国产国拍精品亚洲av在线观看| 日日啪夜夜爽| 国产一区二区三区av在线| 少妇猛男粗大的猛烈进出视频| 亚洲国产精品国产精品| 亚洲精品乱码久久久久久按摩| 综合色丁香网| av黄色大香蕉| av网站免费在线观看视频| 91在线精品国自产拍蜜月| av黄色大香蕉| 亚洲一区二区三区欧美精品| 人人澡人人妻人| 中文字幕制服av| 国产黄片美女视频| 亚洲精品日韩av片在线观看| 欧美 亚洲 国产 日韩一| 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| 中文字幕人妻熟人妻熟丝袜美| 午夜日本视频在线| 久久6这里有精品| 久久婷婷青草| 国内揄拍国产精品人妻在线| 简卡轻食公司| 欧美日本中文国产一区发布| 日韩av免费高清视频| 自线自在国产av| 日产精品乱码卡一卡2卡三| 国产成人免费无遮挡视频| 日韩精品免费视频一区二区三区 | 日日摸夜夜添夜夜爱| 亚洲av成人精品一区久久| 国产一区二区在线观看日韩| 欧美日韩国产mv在线观看视频| a级片在线免费高清观看视频| 亚洲国产av新网站| √禁漫天堂资源中文www| 国产 精品1| 国产黄片美女视频| av天堂久久9| 一个人免费看片子| 国产精品无大码| 亚洲国产色片| 久久久国产精品麻豆| 久久午夜综合久久蜜桃| 丁香六月天网| 亚洲精品日韩av片在线观看| 男人爽女人下面视频在线观看| 一个人看视频在线观看www免费| 日韩av免费高清视频| 国产爽快片一区二区三区| 大话2 男鬼变身卡| 国精品久久久久久国模美| h视频一区二区三区| 草草在线视频免费看| 热re99久久精品国产66热6| 大话2 男鬼变身卡| 日本av手机在线免费观看| 精品视频人人做人人爽| 寂寞人妻少妇视频99o| 男女免费视频国产| 一级毛片久久久久久久久女| 另类精品久久| 人人妻人人爽人人添夜夜欢视频 | 人人妻人人澡人人爽人人夜夜| 99久久精品热视频| 精品久久久精品久久久| av在线app专区| 熟女电影av网| 各种免费的搞黄视频| 国产精品熟女久久久久浪| 又黄又爽又刺激的免费视频.| 日本-黄色视频高清免费观看| 97超视频在线观看视频| 一本久久精品| 欧美精品高潮呻吟av久久| 高清黄色对白视频在线免费看 | 五月天丁香电影| 精品视频人人做人人爽| 国产永久视频网站| 一级毛片久久久久久久久女| 黑人巨大精品欧美一区二区蜜桃 | 精品午夜福利在线看| 日韩免费高清中文字幕av| 国产精品麻豆人妻色哟哟久久| 欧美xxⅹ黑人| 国产成人精品婷婷| 一区二区三区乱码不卡18| 乱码一卡2卡4卡精品| 欧美日韩一区二区视频在线观看视频在线| 日韩大片免费观看网站| 国产成人aa在线观看| 97超碰精品成人国产| 日本vs欧美在线观看视频 | 午夜日本视频在线| 下体分泌物呈黄色| 美女脱内裤让男人舔精品视频| 人人妻人人添人人爽欧美一区卜| 国产淫语在线视频| 日本wwww免费看| 国产日韩欧美视频二区| 午夜福利在线观看免费完整高清在| 在线观看免费高清a一片| 国产伦理片在线播放av一区| √禁漫天堂资源中文www| 日本欧美视频一区| 色婷婷av一区二区三区视频| 亚洲av不卡在线观看| 国产亚洲5aaaaa淫片| 麻豆成人午夜福利视频| 在线天堂最新版资源| 日日摸夜夜添夜夜爱| 熟女av电影| 国产男人的电影天堂91| 熟妇人妻不卡中文字幕| 一区二区三区精品91| 国产精品嫩草影院av在线观看| 精品人妻熟女毛片av久久网站| 久久久精品94久久精品| 亚洲国产毛片av蜜桃av| 精品一区二区免费观看| 91精品国产九色| 日产精品乱码卡一卡2卡三| 久久久久精品久久久久真实原创| 韩国高清视频一区二区三区| 大话2 男鬼变身卡| 成人无遮挡网站| 伦理电影大哥的女人| 亚洲国产精品一区三区| 国产成人午夜福利电影在线观看| 九色成人免费人妻av| 中文在线观看免费www的网站| 少妇丰满av| 亚洲av不卡在线观看| 自拍偷自拍亚洲精品老妇| 免费在线观看成人毛片| 午夜日本视频在线| 曰老女人黄片| 寂寞人妻少妇视频99o| 99久久精品国产国产毛片| 熟女电影av网| av卡一久久| 岛国毛片在线播放| 国产高清有码在线观看视频| 免费看光身美女| 校园人妻丝袜中文字幕| 亚洲,欧美,日韩| 在线观看美女被高潮喷水网站| 国产又色又爽无遮挡免| 免费久久久久久久精品成人欧美视频 | 国产老妇伦熟女老妇高清| 人人妻人人澡人人爽人人夜夜| 国产成人a∨麻豆精品| 国产成人精品福利久久| 久久97久久精品| 日韩熟女老妇一区二区性免费视频| av一本久久久久| 久久婷婷青草| 一级a做视频免费观看| 青春草视频在线免费观看| 久久久久视频综合| 少妇精品久久久久久久| 免费不卡的大黄色大毛片视频在线观看| videos熟女内射| 亚洲av男天堂| 亚洲国产精品国产精品| 日韩大片免费观看网站| 亚洲三级黄色毛片| 欧美精品国产亚洲| 精品一区二区三卡| 一本—道久久a久久精品蜜桃钙片| 乱人伦中国视频| 桃花免费在线播放| 又黄又爽又刺激的免费视频.| 亚洲综合色惰| 91成人精品电影| 亚洲精品色激情综合| 男人添女人高潮全过程视频| 欧美精品国产亚洲| 精品视频人人做人人爽| √禁漫天堂资源中文www| 亚洲人成网站在线观看播放| 男女国产视频网站| 两个人免费观看高清视频 | 天堂俺去俺来也www色官网| 男人舔奶头视频| 热re99久久精品国产66热6| 午夜av观看不卡| 女的被弄到高潮叫床怎么办| 少妇人妻久久综合中文| 亚洲av成人精品一区久久| 自拍欧美九色日韩亚洲蝌蚪91 | 久久精品国产自在天天线| 国产乱来视频区| 亚洲激情五月婷婷啪啪| 99热6这里只有精品| 亚洲精品,欧美精品| 美女视频免费永久观看网站|