• <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(jìn)DRLSE模型的焊接缺陷特征提取方法

    2022-12-21 00:38:28章誠宋燕利1c李漢培高昶霖左洪洲
    精密成形工程 2022年12期
    關(guān)鍵詞:特征提取X射線灰度

    章誠,宋燕利,1c,李漢培,高昶霖,左洪洲

    基于改進(jìn)DRLSE模型的焊接缺陷特征提取方法

    章誠1a,1b,宋燕利1a,1b,1c,李漢培2,高昶霖1a,1b,左洪洲2

    (1.武漢理工大學(xué) a.現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室 b.汽車零部件技術(shù)湖北省協(xié)同創(chuàng)新中心 c.湖北省新能源與智能網(wǎng)聯(lián)車工程技術(shù)研究中心,武漢 430070;2.湖北省齊星汽車車身股份有限公司,湖北 隨州 441300)

    針對(duì)目前大多數(shù)焊接缺陷自動(dòng)特征提取方法存在的準(zhǔn)確度較低的問題,研究滿足準(zhǔn)確度要求的X射線圖像中焊接缺陷特征提取方法。對(duì)圖像進(jìn)行增強(qiáng)去噪預(yù)處理后,在初步確定焊縫區(qū)域的基礎(chǔ)上,根據(jù)焊縫圖像列灰度值曲線梯度特性,設(shè)計(jì)基于灰度值梯度的焊縫邊界精確提取算法;以提取得到的焊縫精確邊界為初始輪廓,提出基于改進(jìn)DRLSE模型的焊接缺陷特征提取方法?;诟倪M(jìn)DRLSE模型的焊接缺陷特征提取方法能夠有效地提取氣孔、夾渣、未熔合和未焊透等缺陷特征,準(zhǔn)確率達(dá)到94.6%。所提方法克服了原始焊縫X射線圖像質(zhì)量較差、背景復(fù)雜的問題,能夠精確提取焊縫區(qū)域邊界,并準(zhǔn)確地對(duì)各種焊接缺陷進(jìn)行特征提取,具有較強(qiáng)的適應(yīng)性和實(shí)用性。

    X射線圖像;灰度值梯度;焊縫邊界;改進(jìn)DRLSE模型;特征提取

    X射線作為工業(yè)常用的無損檢測手段之一,廣泛應(yīng)用于航空航天裝備、壓力容器等先進(jìn)制造領(lǐng)域的焊接接頭質(zhì)量的檢測[1-2]。目前,對(duì)于X射線圖像中焊接缺陷的檢測工程多采用傳統(tǒng)的人工評(píng)定方式,受檢測人員專業(yè)知識(shí)和經(jīng)驗(yàn)的影響,存在效率低、漏檢和一致性較差等缺點(diǎn)[2]。因此,為了提高焊接質(zhì)量評(píng)價(jià)的客觀性與連貫性,提高檢測效率,焊縫X射線檢測圖像缺陷自動(dòng)檢測已成為無損檢測發(fā)展的重要方向。

    自20世紀(jì)70年代Shafeek等[3]最早提出關(guān)于X射線焊縫缺陷自動(dòng)檢測的圖像處理算法起,國內(nèi)外許多學(xué)者隨之對(duì)焊縫X射線圖像中的缺陷自動(dòng)提取進(jìn)行了探索和研究。Alaknanda等[4]應(yīng)用了具有適當(dāng)閾值的Canny算子來檢測缺陷邊緣輪廓,并使用形態(tài)學(xué)圖像處理方法使輪廓閉合,但是該方法存在漏檢和誤檢的情況。Mahmoudi等[5]在整幅圖像上采用全局閾值的方法對(duì)焊縫區(qū)域進(jìn)行了提取,當(dāng)焊縫區(qū)域大致確定后,再采用局部閾值的方法對(duì)焊接缺陷進(jìn)行提取。該方法雖然對(duì)一般缺陷提取有一定效果,但對(duì)形狀復(fù)雜、邊緣模糊的缺陷提取效果不明顯。Chen等[6]使用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Modal Decomposition)方法自動(dòng)提取了X射線圖像中的小缺陷。該方法使用香農(nóng)熵理論來描述信號(hào)源的平均不確定性,并結(jié)合峰值信號(hào)比來控制EMD的分解級(jí)數(shù),能有效地提取出工件內(nèi)部的小缺陷以及任意方向和類型的缺陷。Shao等[7]使用低閾值的缺陷分割算法對(duì)所有潛在焊接缺陷進(jìn)行分割后,采用修正霍夫變換跟蹤潛在缺陷的重心,將無法跟蹤的潛在缺陷剔除。實(shí)驗(yàn)結(jié)果表明,該方法可以高準(zhǔn)確性地檢測焊接缺陷,避免噪聲引起的誤檢。李雪琴等[8]提出了采用三階Fourier曲線對(duì)圖像列灰度曲線進(jìn)行擬合并擴(kuò)展到三維空間,構(gòu)造自適應(yīng)閾值面,利用原圖像域構(gòu)造曲面三維灰度圖的灰度值差異,準(zhǔn)確分割背景與缺陷區(qū)域。Boaretto等[9]使用Weiner濾波器、直方圖均衡化和Otsu技術(shù)定位和分割焊接缺陷,然后將提取到的缺陷特征輸入前饋多層感知器(MLP)中進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,分類器準(zhǔn)確率達(dá)到88.6%。Yan等[10]建立了多尺度多強(qiáng)度參數(shù)空間對(duì)圖像進(jìn)行預(yù)處理,并根據(jù)焊縫檢測標(biāo)準(zhǔn)和射線圖像特性,自動(dòng)限制參數(shù)的取值范圍,優(yōu)化預(yù)處理圖像,然后設(shè)計(jì)用于篩選和合并不同圖像中缺陷的算法,以減少錯(cuò)誤檢測并提取精確的缺陷邊界。實(shí)驗(yàn)結(jié)果表明,該算法具有較好的魯棒性和準(zhǔn)確性。Malarvel等[11]提出了一種在X射線圖像中使用改進(jìn)Otsu算法進(jìn)行焊接缺陷檢測的方法。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)于X射線圖像中的焊接缺陷提取有良好的效果。Abdelkader等[12]應(yīng)用了模糊C均值(FCM)算法選擇初始輪廓,然后使用了Chan-Vese模型和選定的初始輪廓對(duì)獲取的圖像進(jìn)行分割并獲得焊接缺陷的邊界。實(shí)驗(yàn)結(jié)果表明,該方法可以有效提取焊接缺陷。近些年來,由于大數(shù)據(jù)和計(jì)算能力的提高,深度學(xué)習(xí)得到了很大的發(fā)展[13-15]?;谄湓趫D像特征學(xué)習(xí)中的出色表現(xiàn),促使人們將其應(yīng)用于自動(dòng)缺陷檢測中[16-19]。雖然深度學(xué)習(xí)可以學(xué)習(xí)替代傳統(tǒng)圖像處理的分層功能,但是其性能很大程度上取決于數(shù)據(jù)集的規(guī)模和質(zhì)量,且模型十分復(fù)雜,前期訓(xùn)練準(zhǔn)備時(shí)間很長。

    綜上所述,人工評(píng)定焊縫質(zhì)量的方式高度依賴于工人的技術(shù)水平和經(jīng)驗(yàn),受主觀因素影響大,且效率較低。采用智能算法對(duì)焊縫X射線檢測圖像評(píng)定時(shí),受焊縫X射線檢測圖像清晰度及缺陷類型多樣化、形貌復(fù)雜化等因素影響,缺陷提取的精度較低。針對(duì)此問題,進(jìn)行X射線檢測圖像焊接缺陷特征提取方法的研究。

    1 焊縫邊界精確提取

    在原始焊縫X射線檢測圖像中,大部分區(qū)域是文字編號(hào)(圖1中線框①、②、③所包含區(qū)域)和母材背景等無關(guān)信息,焊縫區(qū)域(圖1中虛線1、2所包含區(qū)域)只占據(jù)較小的一部分,并且焊接缺陷(圖1中線框④所包含區(qū)域)只存在于焊縫區(qū)域之中。因此,為了提高焊接缺陷特征提取的準(zhǔn)確度與效率,需要先對(duì)焊縫區(qū)域進(jìn)行精確提取。針對(duì)此問題,首先對(duì)原始焊縫X射線檢測圖像進(jìn)行預(yù)處理以提高其圖像質(zhì)量,然后對(duì)其圖像特性進(jìn)行分析,探索設(shè)計(jì)關(guān)于焊縫區(qū)域邊界的精確提取方法。

    圖1 原始焊縫X射線檢測圖像

    1.1 圖像預(yù)處理

    由于射線圖像具有對(duì)比度低、灰度范圍窄和噪聲強(qiáng)度大的特點(diǎn),需要對(duì)其進(jìn)行預(yù)處理操作以提高圖像質(zhì)量。預(yù)處理主要包括對(duì)比度增強(qiáng)和噪聲過濾。首先對(duì)焊縫X射線檢測圖像進(jìn)行模糊增強(qiáng)處理,提高其對(duì)比度,然后進(jìn)行高斯濾波去噪,得到高質(zhì)量的焊縫圖像,處理后的圖像如圖2所示。

    圖2 經(jīng)圖像增強(qiáng)與去噪后的焊縫圖像

    1.2 焊縫區(qū)域初步確定

    從圖2可以看出,在焊縫X射線檢測圖像中焊縫區(qū)域是一條明顯的帶狀區(qū)域,且與背景區(qū)域相比,其整體亮度(即灰度值)明顯更高。基于這一特性,設(shè)計(jì)了如下的逐行計(jì)算平均灰度的焊縫區(qū)域初步確定方法:

    1)對(duì)于經(jīng)過預(yù)處理后的×焊縫X射線檢測圖像,逐行計(jì)算其平均灰度值,得到一組記錄每行平均灰度值的向量={1,2,3,…,G},記平均灰度值最大的一行行數(shù)為max(圖3實(shí)線③所示),以max作為搜索上邊界的起點(diǎn)。

    2)從max行開始,向上逐行遍歷向量,當(dāng)某一行的平均灰度值低于閾值a時(shí),則停止移動(dòng),將該行作為焊縫區(qū)域的初步上邊界1(圖3中虛線②所示)。經(jīng)過反復(fù)嘗試,a=90時(shí)可達(dá)到較好的效果。

    3)與搜索上邊界類似,從max行開始,向下逐行遍歷向量,當(dāng)某一行的平均灰度值低于閾值a時(shí)則停止移動(dòng),將該行作為焊縫區(qū)域的初步下邊界2(圖3中虛線④所示)。

    4)為確保邊界1、2之間能將焊縫區(qū)域完全包含,需要將1、2擴(kuò)大原始焊縫X射線檢測圖像高度的5%~10%,即初步確定的焊縫區(qū)域上邊界1=1+(5%~10%)′,下邊界2=2+(5%~10%)′(圖3點(diǎn)劃線①、⑤所示)。

    圖3 焊縫區(qū)域初步確定方法示意圖

    5)根據(jù)所得初步焊縫區(qū)域上、下邊界對(duì)原始焊縫X射線檢測圖像進(jìn)行裁剪,以方便后續(xù)進(jìn)行焊縫邊界精確提取操作。裁剪后初步確定的焊縫區(qū)域圖像如圖4所示。

    圖4 裁剪后初步確定的焊縫區(qū)域圖像

    1.3 焊縫邊界精確提取

    對(duì)裁剪后的的×焊縫X射線檢測圖像從左至右逐列進(jìn)行灰度值掃描,得到個(gè)記錄圖像各列灰度值數(shù)據(jù)的向量。然后對(duì)每個(gè)向量進(jìn)行光滑樣條擬合處理,得到個(gè)灰度值函數(shù)曲線。擬合得到的無缺陷列和有缺陷列的灰度值函數(shù)曲線如圖5a、b所示。

    圖5 無缺陷列與有缺陷列灰度值曲線及其梯度變化曲線

    從圖5a、b中可以看出,灰度值曲線的兩端向內(nèi)延伸,圖像灰度值最開始變化得比較緩慢,但在經(jīng)過某一處邊界之后,其灰度值的變化速度就急劇增大。為了更進(jìn)一步探究焊縫X射線檢測圖像中焊縫邊界處的灰度值變化規(guī)律,對(duì)擬合得到的灰度值函數(shù)進(jìn)行二次求導(dǎo)得到其梯度變化曲線,如圖5c、d所示。

    從圖5c、d中可以看出,灰度值函數(shù)的梯度變化曲線在兩端都存在一個(gè)極大值點(diǎn)。將其與圖5a、b中的灰度值函數(shù)曲線進(jìn)行比較可知,這兩個(gè)極大值點(diǎn)就是焊縫區(qū)域的上、下邊界點(diǎn)。在裁剪后的焊縫X射線檢測圖像高度區(qū)間內(nèi),灰度值函數(shù)梯度變化曲線存在多個(gè)極大值點(diǎn),且部分極大值點(diǎn)位于焊縫區(qū)域的內(nèi)部,這是由于焊縫區(qū)域內(nèi)部存在亮度起伏或者該列灰度值曲線穿過了缺陷,導(dǎo)致其梯度發(fā)生變化。因此,如何排除位于焊縫區(qū)域內(nèi)部的干擾點(diǎn),對(duì)曲線兩端的焊縫邊界點(diǎn)進(jìn)行精確的定位,就是此時(shí)需要解決的問題。

    基于以上分析,設(shè)計(jì)基于焊縫X射線檢測圖像灰度值特性的自適應(yīng)焊縫邊界精確提取方法步驟如下。

    1)對(duì)圖像逐列進(jìn)行灰度掃描,將掃描得到的離散灰度值向量導(dǎo)入MATLAB中的Curve Fitting工具箱中進(jìn)行光滑樣條擬合處理,得到其灰度值擬合函數(shù)曲線(圖6中曲線3所示),然后對(duì)擬合函數(shù)依次求導(dǎo)得到其梯度曲線(圖6中曲線1所示)和梯度變化曲線(圖6中曲線2所示)。

    圖6 焊縫缺陷列灰度值、梯度和梯度變化曲線

    2)針對(duì)圖像各列的灰度值曲線,通過分析其梯度曲線得到所有極大值點(diǎn),將其放入數(shù)組*中。遍歷*中的所有極大值點(diǎn),如果該極大值點(diǎn)的灰度值小于閾值(考慮到某些焊縫X射線檢測圖像背景區(qū)域存在亮度起伏),則在*中刪去此點(diǎn)(去除焊縫背景處的極值點(diǎn)),由此可得到圖像各列灰度值曲線在焊縫區(qū)域內(nèi)的極大值點(diǎn)數(shù)組。經(jīng)過反復(fù)嘗試,=50時(shí)較為合適。

    3)根據(jù)得到的焊縫區(qū)域極大值點(diǎn)數(shù)組,選取其第一個(gè)元素1和最后一個(gè)元素end,然后在[1,1]和[end,]區(qū)間內(nèi)尋找得到其梯度曲線的局部極大值點(diǎn)u和極小值點(diǎn)d,此時(shí)可確定焊縫上、下邊界點(diǎn)位于[1,u]和[d,]區(qū)間內(nèi)。

    4)尋找得到在[1,u]和[d,]區(qū)間內(nèi)梯度變化曲線的最大值點(diǎn)UD,即為第列所尋找焊縫精確的上、下邊界點(diǎn)。

    5)重復(fù)上述步驟,對(duì)焊縫X射線檢測圖像所有列的灰度值曲線進(jìn)行處理,獲得個(gè)焊縫上邊界點(diǎn)和個(gè)下邊界點(diǎn)后,分別對(duì)其進(jìn)行光滑樣條擬合,即可得到焊縫精確邊界。

    使用上述焊縫邊界精確提取方法進(jìn)行焊縫邊界提取實(shí)驗(yàn),其結(jié)果如圖7所示。

    圖7 焊縫邊界精確提取結(jié)果

    2 焊接缺陷特征提取

    在精確提取到焊縫區(qū)域邊界后,對(duì)焊接缺陷的特征提取操作則就可以在焊縫區(qū)域內(nèi)進(jìn)行,而不必再對(duì)整個(gè)焊縫X射線檢測圖像進(jìn)行分析處理。此時(shí),對(duì)于焊接缺陷來說,焊縫區(qū)域就成了背景區(qū)域。因此,如何在焊縫區(qū)域內(nèi)準(zhǔn)確地對(duì)焊接缺陷進(jìn)行特征提取是此時(shí)需要解決的問題。

    2.1 傳統(tǒng)DRLSE模型

    過去十幾年里,水平集方法在圖像分割領(lǐng)域內(nèi)得到了廣泛的應(yīng)用[20]。水平集方法的基本原理是將低維目標(biāo)的輪廓表示為更高維函數(shù)(Level Set Function,LSF)的零水平集(Zero level set),能夠以自然有效的方式處理曲線的形狀變化,例如一條封閉曲線演化為2條封閉曲線。傳統(tǒng)的基于水平集方法的圖像分割模型為了使曲線演化得更穩(wěn)定,在演化過程中需要定期地對(duì)水平集函數(shù)重新初始化。為了避免重新初始化水平集函數(shù)帶來的時(shí)間代價(jià)和數(shù)值偏差,Li等[21-23]提出了距離保持水平集演化(Distance Regularized Level Set Evolution,DRLSE)模型。水平集方法原理示意圖如圖8所示。

    圖8 水平集方法原理示意圖[21]

    Fig.8 Schematic diagram of the principle of level set method[21]

    DRLSE模型提出了如式(1)所示的能量泛函。

    式中:第1項(xiàng)為距離正則項(xiàng),用于保證水平集曲線在演化過程中的光滑性;第2項(xiàng)、第3項(xiàng)分別為引導(dǎo)水平集函數(shù)向目標(biāo)邊界演化的長度項(xiàng)和面積項(xiàng);代表圖像區(qū)域,為定義在上的水平集函數(shù);、、是大于0的常量。

    (3)

    式中:s為輪廓演化的速度。

    (4)

    (5)

    (6)

    2.2 改進(jìn)DRLSE模型

    以預(yù)處理得到的焊縫邊界為初始輪廓,分別使用傳統(tǒng)DRLSE模型和改進(jìn)DRLSE模型進(jìn)行焊接缺陷特征的提取實(shí)驗(yàn),提取效果如圖9所示。

    圖9 基于傳統(tǒng)與改進(jìn)DRLSE模型的焊接缺陷特征提取結(jié)果的比較

    觀察圖9a—c可以看出,對(duì)于1號(hào)圖像中的缺陷特征提取結(jié)果,傳統(tǒng)DRLSE模型出現(xiàn)了過度分割的情況,提取到的缺陷輪廓邊緣呈鋸齒狀,而改進(jìn)DRLSE模型提取的缺陷輪廓未出現(xiàn)過度分割,且缺陷輪廓邊緣更為圓滑。而從圖9d—f可以看出,對(duì)于缺陷邊緣較為模糊的2號(hào)圖像,傳統(tǒng)DRLSE模型無法準(zhǔn)確地識(shí)別焊接缺陷的邊緣輪廓,把本應(yīng)為同一個(gè)缺陷的輪廓分割成了不同的缺陷輪廓,而改進(jìn)DRLSE模型則沒有出現(xiàn)這個(gè)問題。

    3 實(shí)驗(yàn)驗(yàn)證

    為了驗(yàn)證改進(jìn)DRLSE模型對(duì)焊接缺陷特征提取的有效性,選取GDX?RAY數(shù)據(jù)庫中56張常規(guī)的直線型焊縫X射線檢測圖像作為實(shí)驗(yàn)驗(yàn)證的數(shù)據(jù)集。在MATLAB平臺(tái)進(jìn)行缺陷特征提取實(shí)驗(yàn),從其中53幅圖像中提取出缺陷,準(zhǔn)確率達(dá)到94.6%,剩余3張圖像未能提取出缺陷的主要原因是原始圖像中缺陷邊緣過于模糊,從而導(dǎo)致缺陷邊緣未能被算法成功識(shí)別。其中有代表性的圖像缺陷特征提取結(jié)果如圖10所示,可以看出,各類型焊接缺陷,如氣孔、夾渣、未熔合和未焊透等都可以被成功提取出來。

    圖10 基于改進(jìn)DRLSE模型的焊接缺陷特征提取結(jié)果

    4 結(jié)論

    針對(duì)目前大多數(shù)焊接缺陷自動(dòng)特征提取方法存在的準(zhǔn)確度較低的問題,進(jìn)行了基于改進(jìn)DRLSE模型的焊接缺陷特征提取方法的研究,得到以下主要結(jié)論。

    1)基于焊縫區(qū)域的亮度特性,首先對(duì)焊縫區(qū)域進(jìn)行了初步確定。在此基礎(chǔ)上,分析了焊縫圖像列灰度值曲線的梯度變化特性,提出了一種基于灰度值梯度的自適應(yīng)焊縫邊界精確提取方法。實(shí)驗(yàn)結(jié)果表明,該組合方法能夠有效地去除焊縫X射線檢測圖像中的無關(guān)背景信息,實(shí)現(xiàn)對(duì)焊縫區(qū)域邊界的精確提取。

    2)以提取到的精確焊縫邊界為初始輪廓,建立了距離保持水平集演化(DRLSE)的改進(jìn)模型。通過對(duì)改進(jìn)DRLSE模型與傳統(tǒng)DRLSE模型在焊接缺陷特征提取結(jié)果的分析,結(jié)果表明,改進(jìn)DRLSE模型能夠?qū)θ毕葺喞M(jìn)行準(zhǔn)確的分割,有效地改善了傳統(tǒng)DRLSE模型所出現(xiàn)的過度分割、特征提取失準(zhǔn)的情況。

    3)為驗(yàn)證改進(jìn)DRLSE模型對(duì)不同類型焊接缺陷特征提取的有效性,在MATLAB平臺(tái)上進(jìn)行了焊縫X射線檢測圖像缺陷特征提取實(shí)驗(yàn)。結(jié)果表明,所提出基于改進(jìn)DRLSE模型的焊接缺陷特征提取方法能有效提取各種類型缺陷特征,準(zhǔn)確率達(dá)到94.6%。

    [1] 劉福順, 湯明. 無損檢測基礎(chǔ)[M]. 北京: 北京航空航天大學(xué)出版社, 2002.

    LIU Fu-shun, TANG Ming. The Basis of Non-Destr-uc-tive Testing[M]. Beijing: Beijing University of Aeronautics & Astronautics Press, 2002.

    [2] MITRA S K, LI H, LIN I S, et al. A New Class of Nonlinear Filters for Image Enhancement[C]// Acoustics, Speech, and Signal Processing, IEEE International Con-fe-r--ence on. IEEE Computer Society, 1991: 2525-2528.

    [3] SHAFEEK H I, GADELMAWLA E S, ABDEL- SHAFYB A A, et al. Assessment of Welding Defects for Gas Pipeline Radiographs Using Computer Vision[J]. NDT & E International, 2004, 37(4): 291-299.

    [4] ALAKNANDA, ANAND R S, KUMARB P, et al. Flaw Detection in Radiographic Weld Images Using Morphological Approach[J]. NDT & E International, 2006, 39(1): 29-33

    [5] MAHMOUDI A, REGRAGUI F. Fast Segmentation Method for Defects Detection in Radiographic Images of Welds[C]// 2009 IEEE/ACS International Conference on Computer Systems and Applications. Rabat, Morocco: IEEE, 2009: 857-860.

    [6] CHEN F L, WANG L M, HAN Y. X-ray Detection of Tiny Defects in Strongly Scattered structures Using the EMD Method[C]//2010 3rd International Congress on Image and Signal Processing. Yantai, China: IEEE, 2010: 1033-1037.

    [7] SHAO Jia-xin, DU Dong, CHANG Bao-hua, et al. Automatic Weld Defect Detection Based on Potential Defect Tracking in Real-Time Radiographic Image Sequence[J]. NDT & E International, 2012, 46: 14-21.

    [8] 李雪琴, 劉培勇, 殷國富, 等. 基于Fourier擬合曲面的X射線焊縫缺陷檢測[J]. 焊接學(xué)報(bào), 2014, 35(10): 61-64.

    LI Xue-qin, LIU Pei-yong, YING Guo-fu, et al. Weld Defect Detection by X-ray Images Method Based on Fourier Fitting Surface[J]. Transactions of the China Welding Institution, 2014, 35(10): 61-64.

    [9] BOARETTO N, CENTENO T M. Automated Detection of Welding Defects in Pipelines from Radiographic Images DWDI[J]. NDT & E International, 2017, 86: 7-13.

    [10] BOARETTO N, CENTENO T M, et al. Automated Detection of Welding Defects in Pipelines from Radiographic Images DWDI[J]. NDT & E International, 2017, 86: 7-13.

    [11] YAN Z H, et al. Multi-Scale Multi-Intensity Defect Detection in Ray Image of Weld Bead[J]. NDT & E International, 2020, 116: 102342.

    [12] MALARVEL M, SINGH H. An Autonomous Technique for Weld Defects Detection and Classification Using Multi-Class Support Vector Machine in X-Radiography Image[J]. Optik, 2021, 231: 166342.

    [13] ABDELKADER R, RAMOU N, KHORCHEF M, et al. Segmentation of X-ray Image for Welding Defects Detection Using an Improved Chan-Vese Model[J]. Materials Today: Proceedings, 2021, 42: 2963-2967.

    [14] TO?I? I, FROSSARD P. Dictionary Learning[J]. IEEE Signal Processing Magazine, 2011, 28(2): 27-38.

    [15] LECUN Y, BENGIO Y, HINTON G. Deep Learning[J]. Nature, 2015, 521(7553): 436-444.

    [16] CHEN Zhen-hua, HUANG Guo-liang, LU Chao, et al. Automatic Recognition of Weld Defects in TOFD D-Scan Images Based on Faster R-CNN[J]. Journal of Testing and Evaluation, 2020, 48(2): 20170563.

    [17] PARK J K, AN W H, KANG D J. Convolutional Neural Network Based Surface Inspection System for Non-patterned Welding Defects[J]. International Journal of Precision Engineering and Manufacturing, 2019, 20(3): 363-374.

    [18] PAN Hai-hong, PANG Zai-jun, WANG Yao-wei, et al. A New Image Recognition and Classification Method Combining Transfer Learning Algorithm and MobileNet Model for Welding Defects[J]. IEEE Access, 8: 119951-119960.

    [19] GUO Wen-ming, LIU Kai, QU Hui-fan. Welding Defect Detection of X-ray Images Based on Faster R-CNN Model[J]. 北京郵電大學(xué)學(xué)報(bào), 2019, 42(6): 20-28.

    [20] GUO Wen-ming, LIU Kai, QU Hui-fan. Welding Defect Detection of X-ray Images Based on Faster R-CNN Model[J]. Journal of Beijing University of Posts and Telecommunications, 2019, 42(6): 20-28.

    [21] YANG Lei, WANG Huai-xin, HUO Ben-yan, et al. An Automatic Welding Defect Location Algorithm Based on Deep Learning[J]. NDT & E International, 2021, 120: 102435.

    [22] 王大凱, 侯榆青, 彭進(jìn)業(yè). 圖像處理的偏微分方程方法[M]. 北京: 科學(xué)出版社, 2008.

    WANG Da-kai, HOU Yu-qing, PENG Jin-ye. Partial Differential Equation Method for Image Processing[M]. Beijing: Science Press, 2008.

    [23] LI C M, XU C Y, GUI C F, et al. Level Set Evolution without Re-Initialization: A New Variational Formulation[C]//2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, CA, USA: IEEE, 2005: 430-436.

    [24] LI C M, KAO C Y, GORE J C, et al. Implicit Active Contours Driven by Local Binary Fitting Energy [C]// 2007 IEEE Conference on Computer Vision and Pattern Recognition. Minneapolis. MN, USA: IEEE, 2007: 1-7.

    [25] LI C M, XU C Y, GUI C F, et al. Distance Regularized Level Set Evolution and Its Application to Image Segmentation[J]. IEEE Transactions on Image Processing, 2010, 19(12): 3243-3254.

    [26] OSHER S, FEDKIW R, PIECHOR K. Level Set Methods and Dynamic Implicit Surfaces[J]. Applied Mechanics Reviews, 2004, 57(3): B15.

    Welding Defect Feature Extraction Method Based on Improved DRLSE Model

    ZHANG Cheng1a,1b, SONG Yan-li1a,1b,1c, LI Han-pei2, GAO Chang-lin1a,1b, ZUO Hong-zhou2

    (1. a. Hubei Key Laboratory of Advanced Technology for Automotive Components, b. Hubei Collaborative Innovation Center for Automotive Components Technology, c. Hubei Research Center for New Energy & Intelligent Connected Vehicle, Wuhan University of Technology, Wuhan 430070, China; 2. Hubei Qixing Automobile Boy Co., Ltd., Hubei Suizhou 44300, China)

    The work aims to study a feature extraction method for welding defects in X-ray images that meets the accuracy requirements, aiming at the low accuracy of most current automatic feature extraction methods for welding defects. After image enhancement and denoising preprocessing, based on the initial determination of the weld area, and according to the gradient characteristics of the gray value curve of the weld image column, an accurate extraction algorithm of the weld boundary based on the gray value gradient is designed; the precise boundary of the weld is the initial contour, and a feature extraction method of welding defects based on the improved DRLSE model is proposed. The results show that the welding defect feature extraction method based on the improved DRLSE model can effectively extract defect features such as pores, slag inclusions, incomplete fusion and incomplete penetration, and the precision rate reaches 94.6%. The method overcomes the problems of poor image quality and complex background of the original welding seam X-ray image, can accurately extract the boundary of the welding seam region, accurately perform feature extraction on various welding defects, and has strong adaptability and practicality.

    X-ray image; gray value gradient; weld boundary; improved DRLSE model; feature extraction

    10.3969/j.issn.1674-6457.2022.12.017

    TG456.9

    A

    1674-6457(2022)12-0153-07

    2020?01?01

    湖北省技術(shù)創(chuàng)新專項(xiàng)(2019AAA014);教育部創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃(IRT17R83);新能源汽車科學(xué)與關(guān)鍵技術(shù)學(xué)科創(chuàng)新引智基地(B17034)

    章誠(1996—),男,碩士生,主要研究方向?yàn)闊o損檢測。

    宋燕利(1979—),男,博士,教授,主要研究方向?yàn)楦叨搜b備高性能輕量化制造。

    猜你喜歡
    特征提取X射線灰度
    “X射線”的那些事兒
    實(shí)驗(yàn)室X射線管安全改造
    采用改進(jìn)導(dǎo)重法的拓?fù)浣Y(jié)構(gòu)灰度單元過濾技術(shù)
    基于灰度拉伸的圖像水位識(shí)別方法研究
    虛擬古生物學(xué):當(dāng)化石遇到X射線成像
    科學(xué)(2020年1期)2020-01-06 12:21:34
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于最大加權(quán)投影求解的彩色圖像灰度化對(duì)比度保留算法
    Bagging RCSP腦電特征提取算法
    基于灰度線性建模的亞像素圖像抖動(dòng)量計(jì)算
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    国产激情久久老熟女| 国产精品影院久久| 精品国产美女av久久久久小说| 国产黄色小视频在线观看| 久久香蕉激情| 日日夜夜操网爽| 国产精品免费视频内射| 男人舔女人下体高潮全视频| 亚洲aⅴ乱码一区二区在线播放 | 午夜两性在线视频| 亚洲美女黄片视频| 国产亚洲精品久久久久5区| 久久午夜亚洲精品久久| 亚洲在线自拍视频| 午夜视频精品福利| videosex国产| xxxwww97欧美| 欧美绝顶高潮抽搐喷水| 亚洲美女黄片视频| 欧美zozozo另类| 首页视频小说图片口味搜索| 亚洲一区二区三区不卡视频| 亚洲精品中文字幕在线视频| 深夜精品福利| 麻豆成人午夜福利视频| 成人一区二区视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产精品日韩av在线免费观看| 制服诱惑二区| 淫妇啪啪啪对白视频| 精品不卡国产一区二区三区| 日韩高清综合在线| 成人亚洲精品av一区二区| 色综合婷婷激情| 亚洲av五月六月丁香网| 在线观看66精品国产| 搞女人的毛片| 亚洲va日本ⅴa欧美va伊人久久| 欧美 亚洲 国产 日韩一| 国产精品国产高清国产av| 国产亚洲精品第一综合不卡| 欧美日韩中文字幕国产精品一区二区三区| 欧美人与性动交α欧美精品济南到| 黑人欧美特级aaaaaa片| 在线观看www视频免费| 丰满人妻一区二区三区视频av | 国产真人三级小视频在线观看| 日韩欧美免费精品| 国产精品亚洲av一区麻豆| 9191精品国产免费久久| 搡老岳熟女国产| 日本免费a在线| 成年免费大片在线观看| 国产精品一区二区三区四区免费观看 | 中文在线观看免费www的网站 | 一进一出抽搐动态| 成人精品一区二区免费| 在线视频色国产色| 夜夜爽天天搞| 国产精品久久电影中文字幕| 淫妇啪啪啪对白视频| 九色国产91popny在线| 丁香六月欧美| 国产精品野战在线观看| 欧美日本视频| 人人妻人人澡欧美一区二区| 午夜亚洲福利在线播放| 欧美中文综合在线视频| 国产视频一区二区在线看| 色综合亚洲欧美另类图片| 色精品久久人妻99蜜桃| 一本精品99久久精品77| 久久婷婷成人综合色麻豆| 男女床上黄色一级片免费看| 国产成人av教育| 久久久久久久久中文| 亚洲专区中文字幕在线| 一夜夜www| 久久久久国产一级毛片高清牌| 日韩国内少妇激情av| 搡老岳熟女国产| 久久久久久久精品吃奶| 男女那种视频在线观看| 一区二区三区高清视频在线| 国产精品av久久久久免费| aaaaa片日本免费| 真人做人爱边吃奶动态| 最好的美女福利视频网| 欧美日韩乱码在线| 99热这里只有精品一区 | 三级国产精品欧美在线观看 | 桃红色精品国产亚洲av| 天堂av国产一区二区熟女人妻 | 成年人黄色毛片网站| 毛片女人毛片| 窝窝影院91人妻| 18禁观看日本| 51午夜福利影视在线观看| 精品午夜福利视频在线观看一区| 亚洲成人免费电影在线观看| 亚洲精品粉嫩美女一区| 久久草成人影院| 又黄又爽又免费观看的视频| 亚洲av美国av| 狂野欧美白嫩少妇大欣赏| 日韩欧美在线乱码| 日韩欧美 国产精品| 精品电影一区二区在线| xxx96com| 一级作爱视频免费观看| 最新在线观看一区二区三区| 91老司机精品| 麻豆一二三区av精品| 免费在线观看视频国产中文字幕亚洲| 中文字幕av在线有码专区| 欧美日韩瑟瑟在线播放| 国产亚洲精品久久久久久毛片| 国内少妇人妻偷人精品xxx网站 | 久久国产精品影院| 老司机靠b影院| 国内揄拍国产精品人妻在线| 99riav亚洲国产免费| 亚洲av成人精品一区久久| 99久久久亚洲精品蜜臀av| 久久久久久久午夜电影| 欧美一级毛片孕妇| 国产视频一区二区在线看| 老汉色av国产亚洲站长工具| 可以免费在线观看a视频的电影网站| 欧美日本亚洲视频在线播放| 亚洲精品久久国产高清桃花| 看免费av毛片| 五月伊人婷婷丁香| a在线观看视频网站| 一本精品99久久精品77| 精品人妻1区二区| 我要搜黄色片| www.熟女人妻精品国产| 伊人久久大香线蕉亚洲五| 久久人妻福利社区极品人妻图片| 制服人妻中文乱码| 免费看a级黄色片| 亚洲一码二码三码区别大吗| 欧美大码av| 亚洲人成网站在线播放欧美日韩| 一二三四社区在线视频社区8| 久久亚洲真实| 久久午夜综合久久蜜桃| 老熟妇仑乱视频hdxx| 亚洲无线在线观看| www.熟女人妻精品国产| 国产精品综合久久久久久久免费| 国产精品av久久久久免费| 欧洲精品卡2卡3卡4卡5卡区| 午夜视频精品福利| 亚洲国产精品成人综合色| 久久久久久久久免费视频了| 成人三级黄色视频| 好男人在线观看高清免费视频| 天堂av国产一区二区熟女人妻 | 午夜激情福利司机影院| 黑人巨大精品欧美一区二区mp4| 欧美黑人欧美精品刺激| 久久久久国产一级毛片高清牌| 国产精品亚洲一级av第二区| 极品教师在线免费播放| 国产成人啪精品午夜网站| 国产99白浆流出| 99国产综合亚洲精品| 99热这里只有精品一区 | 丁香欧美五月| 成年人黄色毛片网站| 久久久久免费精品人妻一区二区| 91麻豆精品激情在线观看国产| 亚洲一卡2卡3卡4卡5卡精品中文| 国产熟女xx| 国产精品av视频在线免费观看| 麻豆国产av国片精品| 99久久99久久久精品蜜桃| 亚洲片人在线观看| 日本撒尿小便嘘嘘汇集6| 欧美日韩精品网址| 中文字幕熟女人妻在线| 观看免费一级毛片| 男人舔奶头视频| 国产成人精品无人区| 亚洲人成网站高清观看| 亚洲欧美日韩无卡精品| 国产av又大| 欧美 亚洲 国产 日韩一| 欧美黄色片欧美黄色片| 99久久综合精品五月天人人| 999精品在线视频| 精品免费久久久久久久清纯| 国产99久久九九免费精品| 午夜影院日韩av| 日韩大码丰满熟妇| 特级一级黄色大片| 久久久久久久久久黄片| 精品久久蜜臀av无| 大型黄色视频在线免费观看| 高清毛片免费观看视频网站| 欧美乱色亚洲激情| 色综合站精品国产| 级片在线观看| 欧美又色又爽又黄视频| 午夜福利在线观看吧| 真人做人爱边吃奶动态| 日韩欧美三级三区| 精品久久久久久成人av| 午夜免费成人在线视频| 亚洲黑人精品在线| 亚洲av片天天在线观看| 长腿黑丝高跟| 黄色丝袜av网址大全| 欧美又色又爽又黄视频| 1024手机看黄色片| 一二三四在线观看免费中文在| 国产三级黄色录像| 亚洲欧洲精品一区二区精品久久久| 亚洲成人久久性| 欧美成人性av电影在线观看| 精品高清国产在线一区| 色综合亚洲欧美另类图片| xxxwww97欧美| 日本黄大片高清| 18禁美女被吸乳视频| 国产又黄又爽又无遮挡在线| 国产又色又爽无遮挡免费看| 日本撒尿小便嘘嘘汇集6| 亚洲电影在线观看av| 欧美日韩乱码在线| 国产亚洲精品综合一区在线观看 | 日日夜夜操网爽| 国内揄拍国产精品人妻在线| 久久这里只有精品19| 亚洲专区国产一区二区| 欧美zozozo另类| 看片在线看免费视频| 久久精品夜夜夜夜夜久久蜜豆 | 动漫黄色视频在线观看| 日日干狠狠操夜夜爽| 免费观看精品视频网站| 久久天堂一区二区三区四区| 亚洲男人的天堂狠狠| 97碰自拍视频| 欧美色视频一区免费| 婷婷亚洲欧美| 一夜夜www| 日日爽夜夜爽网站| 亚洲国产欧洲综合997久久,| 国产97色在线日韩免费| 窝窝影院91人妻| 精品国产亚洲在线| 一级a爱片免费观看的视频| 久久精品综合一区二区三区| 中国美女看黄片| 欧洲精品卡2卡3卡4卡5卡区| 超碰成人久久| 精品人妻1区二区| 亚洲人成77777在线视频| 99精品久久久久人妻精品| 50天的宝宝边吃奶边哭怎么回事| 一区二区三区激情视频| 91麻豆精品激情在线观看国产| 亚洲九九香蕉| 亚洲第一欧美日韩一区二区三区| 欧美日本视频| 久久国产乱子伦精品免费另类| 人成视频在线观看免费观看| 日韩国内少妇激情av| 国产精品日韩av在线免费观看| 午夜久久久久精精品| 亚洲成人中文字幕在线播放| av片东京热男人的天堂| 欧美+亚洲+日韩+国产| 成人手机av| 欧美日韩精品网址| 人成视频在线观看免费观看| www日本在线高清视频| 久久久久久久午夜电影| 亚洲精品av麻豆狂野| 熟妇人妻久久中文字幕3abv| 亚洲av成人av| 91麻豆av在线| 人人妻人人澡欧美一区二区| 国产真实乱freesex| 国产精品亚洲一级av第二区| 午夜福利在线观看吧| 欧美性长视频在线观看| 一个人免费在线观看电影 | 国产一级毛片七仙女欲春2| 欧美在线一区亚洲| 无限看片的www在线观看| 黄色视频不卡| 国产激情欧美一区二区| 国产成年人精品一区二区| 午夜成年电影在线免费观看| 美女大奶头视频| 亚洲人与动物交配视频| 99久久久亚洲精品蜜臀av| 日韩大码丰满熟妇| 国产视频一区二区在线看| 欧美在线一区亚洲| 亚洲成av人片在线播放无| 中文字幕人妻丝袜一区二区| 淫妇啪啪啪对白视频| 亚洲欧美日韩东京热| 搡老岳熟女国产| 精品无人区乱码1区二区| 人妻夜夜爽99麻豆av| 亚洲精华国产精华精| 在线十欧美十亚洲十日本专区| 国产精品日韩av在线免费观看| 夜夜躁狠狠躁天天躁| 国产91精品成人一区二区三区| 成人亚洲精品av一区二区| 午夜福利18| 狂野欧美白嫩少妇大欣赏| 亚洲成人久久性| 在线观看免费日韩欧美大片| 日本黄色视频三级网站网址| 俺也久久电影网| 亚洲自偷自拍图片 自拍| 久久精品aⅴ一区二区三区四区| 欧美乱妇无乱码| 免费在线观看亚洲国产| 18禁裸乳无遮挡免费网站照片| 级片在线观看| 亚洲精品一区av在线观看| 日本a在线网址| 丁香六月欧美| 亚洲av美国av| 亚洲av电影不卡..在线观看| 麻豆成人av在线观看| 免费电影在线观看免费观看| 中文字幕精品亚洲无线码一区| 成人高潮视频无遮挡免费网站| www.999成人在线观看| 精品午夜福利视频在线观看一区| 日韩精品青青久久久久久| 亚洲五月婷婷丁香| 欧美日韩精品网址| 亚洲性夜色夜夜综合| 精品久久久久久久久久免费视频| 99国产极品粉嫩在线观看| av视频在线观看入口| 日韩欧美在线二视频| 黄色 视频免费看| 嫩草影院精品99| 成年女人毛片免费观看观看9| 欧美精品亚洲一区二区| av欧美777| 日韩高清综合在线| 精品国内亚洲2022精品成人| av中文乱码字幕在线| 欧美性猛交黑人性爽| www.精华液| 久久久久国产精品人妻aⅴ院| 精华霜和精华液先用哪个| 亚洲精华国产精华精| 日本三级黄在线观看| 国产精品综合久久久久久久免费| 俺也久久电影网| 亚洲熟女毛片儿| www.www免费av| 久久国产精品影院| 日本免费a在线| 99精品在免费线老司机午夜| 久久久久久九九精品二区国产 | 国产91精品成人一区二区三区| 久久性视频一级片| 日韩欧美在线乱码| 啦啦啦免费观看视频1| 亚洲aⅴ乱码一区二区在线播放 | 国产精品免费一区二区三区在线| 99久久无色码亚洲精品果冻| 久久午夜综合久久蜜桃| 悠悠久久av| а√天堂www在线а√下载| 法律面前人人平等表现在哪些方面| 亚洲最大成人中文| 中文字幕人妻丝袜一区二区| 非洲黑人性xxxx精品又粗又长| 熟妇人妻久久中文字幕3abv| 在线免费观看的www视频| 老司机福利观看| 男人舔女人下体高潮全视频| 级片在线观看| АⅤ资源中文在线天堂| 免费在线观看日本一区| 欧美一区二区国产精品久久精品 | 美女黄网站色视频| 欧美久久黑人一区二区| 日本精品一区二区三区蜜桃| 99精品在免费线老司机午夜| 久久久国产精品麻豆| 看片在线看免费视频| 99在线人妻在线中文字幕| 最新美女视频免费是黄的| 深夜精品福利| 成人精品一区二区免费| 国产亚洲精品久久久久5区| 天天一区二区日本电影三级| а√天堂www在线а√下载| 国产精品国产高清国产av| av超薄肉色丝袜交足视频| 黑人巨大精品欧美一区二区mp4| 亚洲五月婷婷丁香| 亚洲全国av大片| 很黄的视频免费| 最好的美女福利视频网| 校园春色视频在线观看| 久久精品国产清高在天天线| 精品国产乱子伦一区二区三区| 国产精品九九99| 人妻丰满熟妇av一区二区三区| 长腿黑丝高跟| 亚洲国产日韩欧美精品在线观看 | 久久香蕉国产精品| 欧美日本视频| 亚洲国产精品成人综合色| 在线观看66精品国产| 成人手机av| 日韩免费av在线播放| 亚洲人与动物交配视频| 国产精品久久久av美女十八| 精品久久久久久成人av| 88av欧美| 国产亚洲精品综合一区在线观看 | 成人特级黄色片久久久久久久| 99在线视频只有这里精品首页| 伊人久久大香线蕉亚洲五| 国产69精品久久久久777片 | www.www免费av| 日本黄大片高清| 狂野欧美白嫩少妇大欣赏| 午夜福利18| 99热这里只有精品一区 | 精品久久久久久久末码| 精品免费久久久久久久清纯| 夜夜躁狠狠躁天天躁| 亚洲av美国av| 99热这里只有精品一区 | 国产1区2区3区精品| 岛国视频午夜一区免费看| 亚洲av电影不卡..在线观看| 一级a爱片免费观看的视频| 在线观看免费午夜福利视频| 欧美激情久久久久久爽电影| 国产精品日韩av在线免费观看| 欧美中文综合在线视频| 国产又色又爽无遮挡免费看| 国产高清videossex| 五月玫瑰六月丁香| 国产亚洲精品综合一区在线观看 | 日本黄色视频三级网站网址| 亚洲欧美一区二区三区黑人| 亚洲国产欧美网| 最近最新中文字幕大全免费视频| 麻豆成人av在线观看| 久久香蕉激情| 午夜福利18| 色尼玛亚洲综合影院| 精品乱码久久久久久99久播| 亚洲av片天天在线观看| 欧美黑人巨大hd| 国产99白浆流出| 亚洲欧美激情综合另类| 国产av一区二区精品久久| 一级毛片女人18水好多| 一二三四在线观看免费中文在| 性色av乱码一区二区三区2| 欧美精品亚洲一区二区| 别揉我奶头~嗯~啊~动态视频| 人人妻,人人澡人人爽秒播| 亚洲精品国产一区二区精华液| 亚洲精品色激情综合| 国产激情欧美一区二区| 日日干狠狠操夜夜爽| 欧美成人午夜精品| 热99re8久久精品国产| 国产精品久久久av美女十八| 久久热在线av| 亚洲狠狠婷婷综合久久图片| 国产精品99久久99久久久不卡| 给我免费播放毛片高清在线观看| 女人高潮潮喷娇喘18禁视频| 亚洲国产精品久久男人天堂| 国产一区二区在线av高清观看| 欧美绝顶高潮抽搐喷水| 禁无遮挡网站| 村上凉子中文字幕在线| 午夜久久久久精精品| 欧美一区二区国产精品久久精品 | 视频区欧美日本亚洲| 不卡av一区二区三区| 男插女下体视频免费在线播放| 男人舔奶头视频| 蜜桃久久精品国产亚洲av| 亚洲国产欧洲综合997久久,| 特级一级黄色大片| 青草久久国产| 免费看a级黄色片| 法律面前人人平等表现在哪些方面| 亚洲国产欧洲综合997久久,| 无限看片的www在线观看| 丝袜人妻中文字幕| 99国产极品粉嫩在线观看| 午夜成年电影在线免费观看| 国产三级黄色录像| 欧美日韩精品网址| 精品乱码久久久久久99久播| 天堂av国产一区二区熟女人妻 | 精品久久久久久久久久免费视频| 国内毛片毛片毛片毛片毛片| 亚洲国产欧洲综合997久久,| 久久久精品大字幕| 欧美日韩乱码在线| 欧美日韩黄片免| 久久久久久亚洲精品国产蜜桃av| 亚洲,欧美精品.| 亚洲成av人片在线播放无| 中国美女看黄片| 欧美又色又爽又黄视频| 正在播放国产对白刺激| a级毛片a级免费在线| av福利片在线观看| 无人区码免费观看不卡| 国产高清激情床上av| 真人做人爱边吃奶动态| 最近最新免费中文字幕在线| 亚洲 国产 在线| 久久伊人香网站| 他把我摸到了高潮在线观看| 最近最新中文字幕大全电影3| 免费看a级黄色片| 国产黄色小视频在线观看| 天堂影院成人在线观看| 丰满的人妻完整版| 级片在线观看| 国产精品精品国产色婷婷| 久热爱精品视频在线9| 午夜激情福利司机影院| 国产精品久久久久久精品电影| 欧美高清成人免费视频www| 久久精品成人免费网站| 人人妻人人澡欧美一区二区| 久久热在线av| 性色av乱码一区二区三区2| 999精品在线视频| 人妻久久中文字幕网| 麻豆国产97在线/欧美 | 美女黄网站色视频| 又黄又粗又硬又大视频| 国产欧美日韩一区二区精品| 午夜a级毛片| 中文字幕av在线有码专区| 久久精品成人免费网站| 色在线成人网| 亚洲av成人精品一区久久| 久久精品国产亚洲av高清一级| 每晚都被弄得嗷嗷叫到高潮| 亚洲av电影不卡..在线观看| 欧美性猛交黑人性爽| 在线观看免费视频日本深夜| 日本撒尿小便嘘嘘汇集6| 99热只有精品国产| 欧美日韩瑟瑟在线播放| 一进一出抽搐动态| 香蕉av资源在线| 又黄又粗又硬又大视频| 欧美人与性动交α欧美精品济南到| av欧美777| 9191精品国产免费久久| 成人手机av| 色噜噜av男人的天堂激情| 一级毛片精品| 这个男人来自地球电影免费观看| 男女午夜视频在线观看| 99热这里只有是精品50| 亚洲aⅴ乱码一区二区在线播放 | 欧美高清成人免费视频www| 中国美女看黄片| 久久人人精品亚洲av| 黄色a级毛片大全视频| 久久久久精品国产欧美久久久| 淫秽高清视频在线观看| 黑人巨大精品欧美一区二区mp4| 性欧美人与动物交配| 国产黄a三级三级三级人| 亚洲专区国产一区二区| 国产精品亚洲av一区麻豆| 床上黄色一级片| 久久国产精品影院| 久久久国产成人精品二区| 国产一区二区在线av高清观看| 又紧又爽又黄一区二区| 欧美丝袜亚洲另类 | 嫁个100分男人电影在线观看| 精品久久久久久,| 国产99久久九九免费精品| 午夜福利在线观看吧| 在线视频色国产色| 真人做人爱边吃奶动态| 国产精华一区二区三区| 午夜a级毛片| 好看av亚洲va欧美ⅴa在| 午夜精品久久久久久毛片777| 日本 av在线| 黑人操中国人逼视频| 在线观看午夜福利视频| 久久国产乱子伦精品免费另类| 久久久精品大字幕| 免费搜索国产男女视频|