• <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的缺陷識別與定量分析

    2023-03-11 07:46:24李全勇王文博
    無損檢測 2023年1期
    關鍵詞:池化先驗碳纖維

    劉 洋,李全勇,顧 健,楊 帆,王文博

    (1.長春理工大學 光電工程學院 光電測控與光信息傳輸技術教育部重點實驗室,長春 130022; 2.長春理工大學 光電工程學院 光電工程國家級教學示范中心,長春 130022)

    隨著生產(chǎn)力與工藝水平的提高,工業(yè)領域?qū)Σ牧闲阅艿囊笠膊粩嗵岣?,在這種趨勢下,碳纖維復合材料憑借其遠超其他材料的強度與比模量脫穎而出[1-2],在眾多行業(yè)發(fā)揮了舉足輕重的作用,但其加工工藝復雜,生產(chǎn)過程中會不可避免地出現(xiàn)內(nèi)部缺陷[3-4],不僅會縮短材料壽命和降低性能,還有可能在使用中造成嚴重事故,因此準確識別缺陷的位置與面積在材料性能檢測中十分重要。目前超聲檢測在碳纖維材料缺陷無損檢測領域已經(jīng)有比較成熟的應用[5-8],但尚未提出一種比較成熟的缺陷識別方法。針對實際應用中缺陷識別存在的效率較低、精度不高等問題,BOHLOULI 等[9]使用超聲相控陣系統(tǒng)對聚乙烯管道電熔接頭進行檢測,利用基于小波變換的人工神經(jīng)網(wǎng)絡檢測成像圖進行缺陷識別,提升了缺陷識別的精度,但網(wǎng)絡模型的計算復雜度高,實時更新難度較大;RHIM等[10]對碳纖維復合材料的超聲信號進行模態(tài)分析,使用所得傳遞函數(shù)的零極點為分類的特征值,再進行BP網(wǎng)絡訓練,但碳纖維復合材料具有各向異性的特性,該方法的識別精度有限;XU等[11]使用改進的 Faster R-CNN算法檢測混凝土柱的損傷,但其將識別過程分為兩階段,使得識別速度受到影響,而YOLO系列算法[12]將兩階段合并,實現(xiàn)了更快的檢測速度,更適用于碳纖維復合材料的自動化檢測。謝經(jīng)明等[13]基于X射線焊縫圖像采用輕量化的YOLO網(wǎng)絡進行識別,大大降低了網(wǎng)絡模型的計算量,加快了識別速度,但精度有所損失。

    為滿足碳纖維復合材料缺陷位置與面積快速準確的識別需求,基于YOLO V5網(wǎng)絡模型,通過超聲相控陣系統(tǒng)采集碳纖維復合材料的預置缺陷,對檢測結果圖像進行數(shù)據(jù)增強,以解決樣本不足和缺陷數(shù)據(jù)分布不均的問題;為解決特征融合時忽略了通道間和區(qū)域間聯(lián)系的問題,添加了改進的通道注意力機制和空間注意力機制;為提高計算速度,使用k-means++聚類算法對缺陷數(shù)據(jù)集重新聚類,得到適用于碳纖維復合材料缺陷的先驗框,并改進了損失函數(shù)的計算方法。在文章建立的數(shù)據(jù)集上進行訓練與測試,通過與其他網(wǎng)絡模型訓練的結果進行對比,結果表明該算法在精度與速度上均具有一定的優(yōu)勢。

    1 改進的YOLO算法

    1.1 網(wǎng)絡結構優(yōu)化

    為進一步彌補YOLO V5算法的缺陷,提高網(wǎng)絡性能,通過以下兩方面對算法進行改進。

    (1) 添加通道注意力機制。原算法對統(tǒng)一大小的特征圖使用串聯(lián)操作融合,該方法僅將特征在同一通道維度上進行連接,忽略了不同通道上特征存在的內(nèi)部聯(lián)系,導致融合后的特征不能很好地描述目標。故文章在特征融合時引入通道注意力機制。

    由于經(jīng)典的SENet算法計算了所有通道間的依賴關系并對特征圖進行了降維操作,過程效率低,對網(wǎng)絡性能影響較大。因此文章使用一種能實現(xiàn)跨通道交互的ECANet注意力模塊算法,其能夠在不降低維度的全局平均池化(GAP)下計算每個通道與其k臨近通道間的依賴關系,同時,為減少特征信息的損失,文章額外增加全局最大池化(GMP)的分支,在分別獲取兩個分支的依賴關系后進行加權,從而獲得更準確的通道間信息。改進的通道注意力模塊結構如圖1所示(C為向量長度)。

    圖1 改進的通道注意力模塊結構

    對輸入的特征通道u分別進行全局平均池化和全局最大池化,得到全局最大池化后的特征向量(Fm)和全局平均池化后的特征向量(Fa)分別為

    (1)

    (2)

    式中:W和H分別為當前通道的寬度和高度;uij為當前通道第i行第j列像素點。

    由于對每個通道計算權重時僅考慮其k個相鄰通道,因此分支權重vi為

    (3)

    通過使用卷積核大小為r的一維卷積核即可實現(xiàn)通道間的交互,即兩分支權重v1和v2分別為

    v1=σ[C1Dr(Fm)]

    (4)

    v2=σ[C1Dr(Fa)]

    (5)

    式中:C1D為包含r個參數(shù)的一維卷積,綜合考慮計算效率與模型大小,取r=3。

    通過對兩分支進行加權計算得到最終通道權重ω為

    ω=p·v1+q·v2

    (6)

    式中:p和q為網(wǎng)絡自動優(yōu)化調(diào)整的動態(tài)系數(shù),p+q=1。

    最終輸出的特征u′為

    u′=ω·u

    (7)

    (2) 添加空間注意力機制。經(jīng)通道注意力機制重新分配通道權重后的特征圖能夠更重視有用的通道,但在進行目標識別與定位時,特征圖中的各個區(qū)域也不是同等重要的,因此添加改進的空間注意力算法進行區(qū)域權重分配,其網(wǎng)絡結構如圖2所示。

    圖2 改進的空間注意力模塊

    空間注意力模塊壓縮輸入特征的維度,將W×H×C的特征圖變?yōu)閃×H×1,文章為保證特征完整性,在原全局平均池化的基礎上增加全局最大池化操作,將得到的兩個一維通道特征圖拼接后,利用卷積核和Sigmoid函數(shù)得到空間域權重系數(shù)ω′,計算方法為

    ω′=σ{fn×n{[Avgpool(u′);Maxpool(u′)]}}

    (8)

    式中:fn×n為大小為n的卷積核,文章取n=3;Maxpool為全局最大池化函數(shù);Avgpool為全局平均池化函數(shù)。

    特征圖t先后經(jīng)過通道注意力和空間注意力的輸出t″可表示為

    t'″=ω′t′×t′=w′[w(t)×t]×[w(t)×t]

    (9)

    通過添加該模塊,能夠在不損失網(wǎng)絡性能和特征信息的情況下獲得不同通道和不同區(qū)域的相互關系,重要信息將在融合后的特征中被增強,無用信息則被抑制。

    1.2 先驗框參數(shù)優(yōu)化

    初始先驗框的選擇很大程度決定了算法的性能,YOLO V5采用k-means算法制定了9個先驗框,由于文章數(shù)據(jù)集的待檢測目標與原數(shù)據(jù)集的目標均不同,故需要重新計算先驗框。由于k-means算法需要預先定義先驗框數(shù)量,且初始中心位置對聚類結果的影響較大,因此采用k-means++算法進行聚類以彌補這些不足,其采用交互比代替原本使用的歐氏距離,評估標準為:

    d(bbox,cent)=1-Iou(bbox,cent)

    (10)

    式中:d(bbox,cent)為邊界框到中心點的距離;Iou(bbox,cent)為先驗框與實際目標區(qū)域的交并比。

    d(bbox,cent)的值越小,越能提升先驗框的聚類效果。k-means++與k-means算法獲取的先驗框數(shù)量與Iou的關系如圖3所示,可以看出k-means++的聚類效果更好,且隨著先驗框數(shù)量的增加,曲線的增長變得越來越緩慢,超過6個時已趨于穩(wěn)定。原算法為每個尺度設置3個先驗框,是為了提升識別重疊目標時的精度,由于缺陷目標基本不存在重疊現(xiàn)象,因此降低先驗框數(shù)量也不會造成漏檢,故選擇新的先驗框數(shù)量為6個,其尺寸分別為156×269,103× 151,72 × 97,56 × 78,38×40,21×24(單位均為像素)。

    圖3 兩種算法下先驗框數(shù)量與Iou的關系

    1.3 改進的損失函數(shù)

    YOLO V5的損失函數(shù)共包含3部分,分別是目標分類誤差Icls、置信度誤差Iobj以及邊界框位置預測誤差Ibbox。原網(wǎng)絡采用GIoU_Loss函數(shù)對邊界框位置誤差進行預測,但該計算方法存在不足,當多個目標框均完全包含先驗框,且各先驗框大小一致時,由于這些先驗框與目標框具有相同的差集,GIoU_Loss函數(shù)會將其視為同種情況,無法區(qū)分先驗框的具體位置,從而產(chǎn)生較大的邊界回歸誤差。

    為避免數(shù)據(jù)集在訓練時被該問題影響,采用EIoU_Loss函數(shù)來定義YOLO V5算法在目標檢測中的損失函數(shù)。EIoU_Loss將邊框回歸時的3個影響因素都考慮在內(nèi),包括重疊面積誤差,中心點誤差和寬高誤差。其表達式為

    IEIOU=1-Iou+ρ2(b,bgt)/c2+

    (11)

    式中:ρ(b,bgt)為先驗框與目標框的中心距離;ρ(ω,ωgt)為先驗框與目標框的寬度差;ρ(h,hgt)為先驗框與目標框的高度差;當外接框同時包含先驗框與目標框時,c為外接框的最小對角線距離;cω為外接框的最小寬度;ch為外接框的最小高度;IEIOU為回歸框預測損失。

    EIoU_Loss函數(shù)彌補了GIoU_Loss函數(shù)的不足,并且提升了精度和收斂速度,能夠達到更好的計算效果。

    2 試驗與結果分析

    2.1 樣件制備

    使用的碳纖維復合材料樣件尺寸為10 cm×10 cm×0.4 cm(長×寬×厚),制備方法如下:首先在模具上涂一層有機粘膠,均勻纏繞厚為2 mm的碳纖維布,之后按照設計圖的位置放置厚度為0.2 mm,形狀分別為圓形、正方形及扇形的聚四氟乙烯薄膜(見圖4);然后繼續(xù)纏繞碳纖維布直至厚度達到4 mm,最后將其熱壓72 h后進行脫模處理。記錄各缺陷的位置及面積以驗證算法性能。

    圖4 碳纖維復合材料樣件設計示意及實物

    2.2 建立數(shù)據(jù)集

    共設計制作樣件150塊,其中預置圓形缺陷、正方形缺陷、扇形缺陷的樣件各50塊,分別對每塊樣件使用超聲相控陣系統(tǒng)進行微調(diào)參數(shù)的多次掃查,采集到碳纖維復合材料缺陷圖像共250張。YOLO V5算法在進行訓練時需要大量的圖像數(shù)據(jù),樣本不足容易造成網(wǎng)絡性能和識別精度下降。由于條件限制無法制作足夠多的樣本,因此采用數(shù)據(jù)增強的方式進行數(shù)據(jù)集的擴充。分別對采集的圖像分別進行了旋轉(zhuǎn)、裁剪、添加噪聲等操作,最終得到各類缺陷的圖像共900張。數(shù)據(jù)增強后得到的圖像如圖5所示。將缺陷圖像大小統(tǒng)一為416×416(像素),按照4…1的比例分配,分別作為訓練集圖像和測試集圖像。

    圖5 數(shù)據(jù)增強后得到的樣件圖像

    研究設置的網(wǎng)絡參數(shù)如下:初始學習率為1×10-3;下降方式為隨機梯度下降;最大迭代次數(shù)為400,單批次訓練量為16,權重衰減率為1×10-3。共訓練3個模型,分別是YOLO V3,YOLO V5和改進的YOLO V5模型。

    2.3 試驗結果與分析

    采用準確率(P)和召回率(R)對訓練結果進行評價,其計算方法為

    (12)

    (13)

    式中:T為缺陷目標被正確識別為缺陷的個數(shù);F為非缺陷目標被錯誤識別為缺陷的個數(shù);N為缺陷目標未被識別到的個數(shù)。

    各模型的訓練結果如圖6所示,可以看出在迭代300次時,損失函數(shù)基本收斂,且改進后YOLO V5算法的損失值更低,平均損失為0.017;改進后YOLO V5算法的準確率與召回率分別為98.8%和98.1%,與改進前相比分別提高了10.4%和6.6%,與YOLO V3算法相比分別提高了15.1%和10.8%;與YOLO V3和YOLO V5相比,文章算法的準確率和召回率均有所提升,說明該方法在提高碳纖維材料缺陷的識別效果上有一定作用。

    圖6 各模型的訓練結果

    在相同的訓練參數(shù)下,為驗證算法改進的效果,額外增加兩組模型,僅改進YOLO V5的網(wǎng)絡結構與優(yōu)化先驗框和損失函數(shù),得到不同算法的識別效果如表1所示。從表1可以看出,添加通道注意力機制后,精度提升較大,但會略微降低檢測速度,而對先驗框和損失函數(shù)進行優(yōu)化后,不僅能夠改善其檢測速度下降的問題,對提升準確度也有一定幫助。

    表1 不同算法識別效果對比

    改進YOLO V5算法對部分缺陷的識別效果如圖7所示,其中,圓形缺陷圖像分別為3塊不同樣件的檢測結果,纏繞碳纖維布時樣件的預應力不一致,導致局部較松,因此圖像中存在較多條紋;扇形缺陷圖像為同一樣件經(jīng)微調(diào)相控陣參數(shù)多次掃查得到的結果,由于聚焦深度不一致,各缺陷色度有差別;方形缺陷圖像為同一檢測圖像經(jīng)旋轉(zhuǎn)與添加噪聲得到的擴充數(shù)據(jù);通過對預測框內(nèi)目標進行形態(tài)學分析得到了其面積與坐標。

    圖7 改進YOLO V5對部分缺陷的識別結果

    各缺陷面積與位置的平均誤差如表2~4所示(以圖像左上角為原點),分析表中數(shù)據(jù),缺陷中心位置橫坐標最大誤差為2.3 mm,縱坐標最大誤差為2.8 mm,缺陷面積最大誤差為5.54%。綜合所有數(shù)據(jù),缺陷中心位置橫縱坐標平均誤差均小于2 mm,面積識別平均誤差小于5%,在實際檢測允許的誤差范圍內(nèi)。

    表2 圓形缺陷面積與位置的平均誤差

    表3 扇形缺陷面積與位置的平均誤差

    表4 方形缺陷面積與位置的平均誤差

    3 結論

    為解決碳纖維復合材料無損檢測中缺陷識別準確率低、效率差的問題,使用YOLO V5算法對碳纖維復合材料預置缺陷的超聲無損檢測結果進行識別。通過添加注意力機制、優(yōu)化先驗框和損失函數(shù)等措施對YOLO V5算法進行改進,并通過數(shù)據(jù)增強提高模型的泛化能力,實現(xiàn)了對不同大小、不同形態(tài)缺陷的識別。試驗結果顯示優(yōu)化后的算法精度和速度都有所提升,平均識別精度超過98%,位置計算誤差小于2 mm,面積計算誤差低于5%,該模型體積小,魯棒性高,為碳纖維材料缺陷的實時檢測提供了方法。

    猜你喜歡
    池化先驗碳纖維
    基于緊湊型雙線性網(wǎng)絡的野生茵識別方法研究
    無線電工程(2024年8期)2024-09-16 00:00:00
    基于Sobel算子的池化算法設計
    卷積神經(jīng)網(wǎng)絡中的自適應加權池化
    軟件導刊(2022年3期)2022-03-25 04:45:04
    基于無噪圖像塊先驗的MRI低秩分解去噪算法研究
    一種碳纖維加固用浸漬膠的研究
    上海建材(2019年4期)2019-05-21 03:13:02
    基于卷積神經(jīng)網(wǎng)絡和池化算法的表情識別研究
    HP-RTM碳纖維復合材料中通道加強板研究
    中間相瀝青基碳纖維及其在飛機上的應用
    基于自適應塊組割先驗的噪聲圖像超分辨率重建
    自動化學報(2017年5期)2017-05-14 06:20:44
    碳纖維增強PBT/ABS—g—MAH復合材料的力學性能和流變行為
    中國塑料(2016年6期)2016-06-27 06:34:16
    国产精品98久久久久久宅男小说| 国产精品免费一区二区三区在线| 成人高潮视频无遮挡免费网站| 国产精品久久久久久久电影 | 观看免费一级毛片| 两性午夜刺激爽爽歪歪视频在线观看 | 成人国产一区最新在线观看| 99精品欧美一区二区三区四区| 亚洲一码二码三码区别大吗| 欧美另类亚洲清纯唯美| av免费在线观看网站| av国产免费在线观看| 最近视频中文字幕2019在线8| 一本久久中文字幕| 丰满人妻熟妇乱又伦精品不卡| 女人爽到高潮嗷嗷叫在线视频| 久久精品人妻少妇| 一区福利在线观看| 又紧又爽又黄一区二区| 久久久久国内视频| 日本 欧美在线| 在线看三级毛片| 正在播放国产对白刺激| 国产亚洲精品一区二区www| av免费在线观看网站| 2021天堂中文幕一二区在线观| 婷婷六月久久综合丁香| 不卡一级毛片| 亚洲 欧美 日韩 在线 免费| 久久久久久九九精品二区国产 | 亚洲一区高清亚洲精品| 不卡av一区二区三区| 国产野战对白在线观看| 国产黄色小视频在线观看| 两人在一起打扑克的视频| 国产精品野战在线观看| 男人舔奶头视频| 老汉色av国产亚洲站长工具| 99在线人妻在线中文字幕| 亚洲熟妇熟女久久| 岛国在线观看网站| 麻豆一二三区av精品| 脱女人内裤的视频| 成人国产综合亚洲| 少妇被粗大的猛进出69影院| 国产亚洲av嫩草精品影院| 午夜激情福利司机影院| 日韩大尺度精品在线看网址| 亚洲成人久久性| 日本精品一区二区三区蜜桃| 99精品欧美一区二区三区四区| 这个男人来自地球电影免费观看| 男女那种视频在线观看| 999久久久精品免费观看国产| 美女黄网站色视频| 亚洲精品久久国产高清桃花| 亚洲欧美日韩高清在线视频| 91字幕亚洲| 黄色视频不卡| 免费在线观看成人毛片| 国产免费男女视频| 久久精品夜夜夜夜夜久久蜜豆 | 国产激情久久老熟女| 欧美日韩精品网址| 99精品欧美一区二区三区四区| 毛片女人毛片| 久久热在线av| 身体一侧抽搐| 欧美性猛交╳xxx乱大交人| 免费在线观看亚洲国产| 亚洲va日本ⅴa欧美va伊人久久| 少妇人妻一区二区三区视频| 欧美成人一区二区免费高清观看 | 国产精品免费视频内射| 88av欧美| 麻豆成人午夜福利视频| 久久久久免费精品人妻一区二区| 国产一区二区在线观看日韩 | 亚洲片人在线观看| 18美女黄网站色大片免费观看| 国产高清videossex| 国产亚洲精品久久久久久毛片| 一进一出好大好爽视频| 久久香蕉激情| 成人永久免费在线观看视频| 亚洲成人中文字幕在线播放| 成人午夜高清在线视频| 中文在线观看免费www的网站 | 免费在线观看亚洲国产| 国产成+人综合+亚洲专区| 色哟哟哟哟哟哟| 日本熟妇午夜| 欧美一区二区国产精品久久精品 | 男人舔奶头视频| 日韩欧美在线乱码| 国产欧美日韩一区二区三| 亚洲熟妇中文字幕五十中出| 亚洲无线在线观看| 日本a在线网址| 国产欧美日韩一区二区精品| 精品日产1卡2卡| netflix在线观看网站| 老司机靠b影院| 久久中文看片网| 免费看十八禁软件| 又爽又黄无遮挡网站| 制服人妻中文乱码| 又黄又粗又硬又大视频| 国产三级中文精品| 波多野结衣高清作品| 1024视频免费在线观看| www国产在线视频色| av视频在线观看入口| 国产真人三级小视频在线观看| 亚洲自偷自拍图片 自拍| 国产一区二区三区视频了| 一级a爱片免费观看的视频| 亚洲熟妇中文字幕五十中出| 久久天躁狠狠躁夜夜2o2o| 国内精品久久久久久久电影| 国产成人av激情在线播放| 国产精品国产高清国产av| 精品人妻1区二区| 久久久国产精品麻豆| 亚洲精品久久国产高清桃花| 桃红色精品国产亚洲av| 国产视频内射| 91麻豆av在线| 久久 成人 亚洲| 亚洲一区二区三区色噜噜| 99精品欧美一区二区三区四区| 久久精品成人免费网站| 婷婷丁香在线五月| 香蕉久久夜色| 村上凉子中文字幕在线| 国产亚洲欧美在线一区二区| 在线观看免费午夜福利视频| 久久久精品大字幕| 亚洲专区国产一区二区| av在线播放免费不卡| 一个人免费在线观看电影 | 成人午夜高清在线视频| 一卡2卡三卡四卡精品乱码亚洲| 人妻丰满熟妇av一区二区三区| 麻豆成人av在线观看| 无遮挡黄片免费观看| 久久中文字幕一级| 99精品久久久久人妻精品| 一卡2卡三卡四卡精品乱码亚洲| 午夜日韩欧美国产| 妹子高潮喷水视频| 国产欧美日韩一区二区三| 色播亚洲综合网| 亚洲欧美激情综合另类| 精品国内亚洲2022精品成人| 国产又色又爽无遮挡免费看| 麻豆成人午夜福利视频| 曰老女人黄片| 琪琪午夜伦伦电影理论片6080| 国产成人欧美在线观看| 亚洲成人久久性| 俄罗斯特黄特色一大片| 亚洲av成人精品一区久久| 亚洲精品在线观看二区| 亚洲五月婷婷丁香| 久久精品亚洲精品国产色婷小说| 波多野结衣高清作品| 美女大奶头视频| 久久精品国产亚洲av高清一级| www.熟女人妻精品国产| 亚洲真实伦在线观看| 狠狠狠狠99中文字幕| 午夜久久久久精精品| 男人舔女人的私密视频| 日韩三级视频一区二区三区| 真人一进一出gif抽搐免费| 69av精品久久久久久| 精品电影一区二区在线| 精品久久久久久久人妻蜜臀av| 亚洲自偷自拍图片 自拍| 精品国产超薄肉色丝袜足j| 国产主播在线观看一区二区| av欧美777| 男女之事视频高清在线观看| 狂野欧美白嫩少妇大欣赏| 国产精品野战在线观看| 最好的美女福利视频网| www.999成人在线观看| 88av欧美| 日韩高清综合在线| 桃色一区二区三区在线观看| 国产1区2区3区精品| 岛国在线观看网站| 午夜福利18| 精品免费久久久久久久清纯| 国产视频内射| 午夜日韩欧美国产| 日韩精品青青久久久久久| 巨乳人妻的诱惑在线观看| 亚洲av片天天在线观看| 久久久久久人人人人人| 亚洲,欧美精品.| 午夜福利视频1000在线观看| 日韩欧美在线二视频| 在线a可以看的网站| 黄色 视频免费看| 国产黄a三级三级三级人| 男人的好看免费观看在线视频 | 欧美激情久久久久久爽电影| 久久久久国产精品人妻aⅴ院| 97人妻精品一区二区三区麻豆| 少妇人妻一区二区三区视频| 18禁国产床啪视频网站| 亚洲av电影在线进入| 丰满人妻一区二区三区视频av | 亚洲av美国av| 免费人成视频x8x8入口观看| 国产av麻豆久久久久久久| 亚洲成人中文字幕在线播放| 99久久国产精品久久久| 夜夜看夜夜爽夜夜摸| 天天添夜夜摸| 国产激情欧美一区二区| 精品乱码久久久久久99久播| 人妻久久中文字幕网| 欧美日韩黄片免| 18禁美女被吸乳视频| 免费观看精品视频网站| 午夜免费观看网址| 色综合欧美亚洲国产小说| 一进一出抽搐gif免费好疼| 黄频高清免费视频| 日韩欧美在线乱码| 国产黄a三级三级三级人| www.精华液| 久久久久亚洲av毛片大全| 久久精品成人免费网站| 国产精品一区二区三区四区免费观看 | 欧美日本视频| 变态另类丝袜制服| 九色国产91popny在线| 亚洲自拍偷在线| 青草久久国产| 白带黄色成豆腐渣| 听说在线观看完整版免费高清| 国产片内射在线| 男女午夜视频在线观看| av福利片在线| 日本黄大片高清| cao死你这个sao货| 成人永久免费在线观看视频| 91成年电影在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲真实伦在线观看| 久久九九热精品免费| 亚洲自偷自拍图片 自拍| 床上黄色一级片| 亚洲国产中文字幕在线视频| 色在线成人网| 免费在线观看亚洲国产| 亚洲一区二区三区色噜噜| 人成视频在线观看免费观看| 亚洲自偷自拍图片 自拍| 亚洲熟妇熟女久久| 亚洲人成网站高清观看| 久久精品国产清高在天天线| 日本三级黄在线观看| 午夜免费成人在线视频| 日本一区二区免费在线视频| 我的老师免费观看完整版| a级毛片在线看网站| 亚洲成av人片在线播放无| 亚洲18禁久久av| 成人三级做爰电影| 人人妻人人澡欧美一区二区| 女警被强在线播放| 每晚都被弄得嗷嗷叫到高潮| 日本 欧美在线| 国产伦一二天堂av在线观看| 亚洲av电影在线进入| 国产成人av激情在线播放| 草草在线视频免费看| 首页视频小说图片口味搜索| 亚洲av成人不卡在线观看播放网| 亚洲人成电影免费在线| 亚洲精品中文字幕在线视频| a级毛片在线看网站| 欧美绝顶高潮抽搐喷水| 精品国产乱码久久久久久男人| 法律面前人人平等表现在哪些方面| 老司机深夜福利视频在线观看| 91大片在线观看| 色老头精品视频在线观看| 嫩草影视91久久| 岛国视频午夜一区免费看| 亚洲人成电影免费在线| 亚洲人成网站高清观看| 成人特级黄色片久久久久久久| 国产免费av片在线观看野外av| 嫁个100分男人电影在线观看| 怎么达到女性高潮| 久久久久亚洲av毛片大全| 欧美成人性av电影在线观看| 久久久久精品国产欧美久久久| 亚洲色图av天堂| 亚洲男人天堂网一区| 亚洲成人久久爱视频| 脱女人内裤的视频| av福利片在线观看| 久久精品aⅴ一区二区三区四区| a在线观看视频网站| 日韩大尺度精品在线看网址| 2021天堂中文幕一二区在线观| 久久久久久久精品吃奶| 高潮久久久久久久久久久不卡| 最好的美女福利视频网| 国产精品 国内视频| 人妻丰满熟妇av一区二区三区| 男女午夜视频在线观看| 最近最新免费中文字幕在线| 人妻丰满熟妇av一区二区三区| 此物有八面人人有两片| 欧美黑人巨大hd| 亚洲 欧美一区二区三区| 午夜福利在线在线| 高清毛片免费观看视频网站| 久久国产精品影院| 又大又爽又粗| 国产精品亚洲一级av第二区| 18禁裸乳无遮挡免费网站照片| 白带黄色成豆腐渣| 色播亚洲综合网| 日本熟妇午夜| 69av精品久久久久久| 搞女人的毛片| 国产黄色小视频在线观看| 欧美乱码精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 免费一级毛片在线播放高清视频| 久久精品影院6| 最近最新中文字幕大全电影3| 亚洲国产精品999在线| 亚洲欧美日韩高清专用| 国产精品亚洲美女久久久| 国产精品,欧美在线| 精品熟女少妇八av免费久了| 亚洲欧美日韩东京热| 国产91精品成人一区二区三区| 18禁黄网站禁片午夜丰满| 午夜激情av网站| 99精品欧美一区二区三区四区| 亚洲成a人片在线一区二区| 夜夜看夜夜爽夜夜摸| 欧美性猛交黑人性爽| 亚洲国产中文字幕在线视频| 欧美乱码精品一区二区三区| 欧美黄色片欧美黄色片| 精品久久蜜臀av无| 两个人的视频大全免费| 在线观看美女被高潮喷水网站 | 亚洲成人精品中文字幕电影| 午夜免费激情av| 亚洲自偷自拍图片 自拍| 国产精品一区二区三区四区久久| 精品日产1卡2卡| 欧美+亚洲+日韩+国产| 久久亚洲真实| www.熟女人妻精品国产| 蜜桃久久精品国产亚洲av| 首页视频小说图片口味搜索| 久久精品人妻少妇| 两性夫妻黄色片| 中文字幕人妻丝袜一区二区| 在线看三级毛片| 三级国产精品欧美在线观看 | 亚洲av美国av| 国产激情久久老熟女| 村上凉子中文字幕在线| 黄色片一级片一级黄色片| 国产亚洲精品久久久久久毛片| 欧美在线黄色| 女人高潮潮喷娇喘18禁视频| a级毛片a级免费在线| 99热这里只有精品一区 | 欧美中文综合在线视频| 99久久久亚洲精品蜜臀av| av视频在线观看入口| 怎么达到女性高潮| 两个人免费观看高清视频| 女警被强在线播放| av天堂在线播放| xxxwww97欧美| 午夜福利欧美成人| 级片在线观看| 亚洲18禁久久av| 欧美最黄视频在线播放免费| 色综合站精品国产| 一本大道久久a久久精品| 叶爱在线成人免费视频播放| 成人高潮视频无遮挡免费网站| 亚洲精品中文字幕一二三四区| www日本在线高清视频| 久久精品国产亚洲av高清一级| 少妇熟女aⅴ在线视频| 岛国在线免费视频观看| 欧美日韩精品网址| 国产精华一区二区三区| 老司机靠b影院| 可以在线观看的亚洲视频| 好男人电影高清在线观看| 很黄的视频免费| 免费看a级黄色片| 亚洲第一欧美日韩一区二区三区| 草草在线视频免费看| 欧美大码av| 亚洲精品美女久久久久99蜜臀| 国产激情欧美一区二区| 国产精品av久久久久免费| 又黄又粗又硬又大视频| av超薄肉色丝袜交足视频| 变态另类成人亚洲欧美熟女| 在线观看免费日韩欧美大片| 18禁观看日本| 狂野欧美激情性xxxx| 午夜福利欧美成人| 最新美女视频免费是黄的| 十八禁网站免费在线| 最近最新中文字幕大全电影3| 波多野结衣高清作品| 久久 成人 亚洲| 欧美性猛交╳xxx乱大交人| 两性午夜刺激爽爽歪歪视频在线观看 | 九色国产91popny在线| 长腿黑丝高跟| 99久久99久久久精品蜜桃| 香蕉丝袜av| 亚洲av五月六月丁香网| 亚洲成av人片免费观看| 好男人电影高清在线观看| 欧美黄色淫秽网站| 国产免费av片在线观看野外av| 男女那种视频在线观看| 女生性感内裤真人,穿戴方法视频| 亚洲成av人片在线播放无| 亚洲精品中文字幕一二三四区| 婷婷精品国产亚洲av| 国产亚洲av嫩草精品影院| 国内少妇人妻偷人精品xxx网站 | 免费在线观看视频国产中文字幕亚洲| 久久天躁狠狠躁夜夜2o2o| 国产一级毛片七仙女欲春2| 国产麻豆成人av免费视频| 精品久久久久久,| √禁漫天堂资源中文www| 我的老师免费观看完整版| 岛国视频午夜一区免费看| 欧美日韩亚洲国产一区二区在线观看| 国产亚洲精品第一综合不卡| 美女 人体艺术 gogo| 亚洲精品一卡2卡三卡4卡5卡| 大型av网站在线播放| 色老头精品视频在线观看| 亚洲aⅴ乱码一区二区在线播放 | 丰满的人妻完整版| 成人三级做爰电影| 一区二区三区高清视频在线| 久久久久久久精品吃奶| 国产精品国产高清国产av| 国产精品一区二区三区四区久久| 久久久久国产一级毛片高清牌| 男女午夜视频在线观看| 国产成人av教育| 国产伦一二天堂av在线观看| 精品福利观看| 国产一区二区在线av高清观看| 最新美女视频免费是黄的| 国产精品av视频在线免费观看| 欧美中文综合在线视频| 国产真人三级小视频在线观看| 久99久视频精品免费| 亚洲一区二区三区色噜噜| 免费看十八禁软件| 国产精品国产高清国产av| 18禁美女被吸乳视频| 国产伦一二天堂av在线观看| 嫩草影院精品99| 精品高清国产在线一区| 亚洲熟妇熟女久久| 怎么达到女性高潮| 十八禁网站免费在线| 亚洲人成网站高清观看| 国产91精品成人一区二区三区| 久久午夜综合久久蜜桃| 国产精品久久久久久精品电影| 亚洲第一电影网av| 两个人免费观看高清视频| 国产97色在线日韩免费| 免费观看精品视频网站| 美女高潮喷水抽搐中文字幕| 12—13女人毛片做爰片一| x7x7x7水蜜桃| 91字幕亚洲| 成人av在线播放网站| 少妇粗大呻吟视频| 中文字幕精品亚洲无线码一区| 久久人人精品亚洲av| 一卡2卡三卡四卡精品乱码亚洲| av在线播放免费不卡| 蜜桃久久精品国产亚洲av| 国产av一区二区精品久久| 成熟少妇高潮喷水视频| 男人舔女人下体高潮全视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲片人在线观看| 99在线视频只有这里精品首页| x7x7x7水蜜桃| 亚洲中文字幕一区二区三区有码在线看 | 在线十欧美十亚洲十日本专区| 性色av乱码一区二区三区2| 国产成+人综合+亚洲专区| 悠悠久久av| 一二三四社区在线视频社区8| 国产又黄又爽又无遮挡在线| 国产精品一及| 九色国产91popny在线| 精品午夜福利视频在线观看一区| 婷婷精品国产亚洲av| 丝袜美腿诱惑在线| 亚洲一区二区三区不卡视频| 黄色视频,在线免费观看| 在线观看舔阴道视频| 精品国产美女av久久久久小说| 日本三级黄在线观看| 午夜福利欧美成人| 午夜激情福利司机影院| 精品电影一区二区在线| 嫩草影院精品99| a在线观看视频网站| 亚洲熟女毛片儿| 亚洲黑人精品在线| 又紧又爽又黄一区二区| 最近最新中文字幕大全免费视频| 日韩精品中文字幕看吧| 久久精品91无色码中文字幕| 久久香蕉精品热| 欧美人与性动交α欧美精品济南到| 久久久久久人人人人人| 99热6这里只有精品| 波多野结衣高清无吗| 少妇的丰满在线观看| 亚洲国产看品久久| 精品久久久久久久久久久久久| 深夜精品福利| 亚洲欧美日韩高清在线视频| 中文字幕人妻丝袜一区二区| 国产亚洲精品综合一区在线观看 | 国产熟女xx| 高清毛片免费观看视频网站| 无遮挡黄片免费观看| 午夜精品一区二区三区免费看| 久久精品国产亚洲av高清一级| 99久久久亚洲精品蜜臀av| 亚洲男人的天堂狠狠| 久久久久久大精品| 一边摸一边做爽爽视频免费| 性欧美人与动物交配| 老汉色av国产亚洲站长工具| 老司机在亚洲福利影院| x7x7x7水蜜桃| 国产精品免费一区二区三区在线| 超碰成人久久| 在线观看免费午夜福利视频| 在线永久观看黄色视频| 91九色精品人成在线观看| 给我免费播放毛片高清在线观看| 国产一区在线观看成人免费| 99国产精品99久久久久| 1024视频免费在线观看| 久久国产乱子伦精品免费另类| 日韩大尺度精品在线看网址| 久久亚洲真实| 男女午夜视频在线观看| 啦啦啦观看免费观看视频高清| 亚洲国产精品成人综合色| 国产精品影院久久| 黑人欧美特级aaaaaa片| 国产成人精品久久二区二区91| 欧美+亚洲+日韩+国产| 天堂影院成人在线观看| 一夜夜www| 一进一出抽搐gif免费好疼| 国产av一区在线观看免费| 我要搜黄色片| 人妻夜夜爽99麻豆av| 欧美另类亚洲清纯唯美| 亚洲狠狠婷婷综合久久图片| 国产精品亚洲一级av第二区| 中出人妻视频一区二区| 亚洲av日韩精品久久久久久密| 黄色成人免费大全| av福利片在线| www日本黄色视频网| 亚洲人成网站高清观看| 国产精品爽爽va在线观看网站| 日韩精品中文字幕看吧| tocl精华| 久久人人精品亚洲av| 制服人妻中文乱码| 亚洲av美国av| 无限看片的www在线观看| 桃红色精品国产亚洲av| 2021天堂中文幕一二区在线观| 中文字幕最新亚洲高清| АⅤ资源中文在线天堂| 免费在线观看视频国产中文字幕亚洲|