• <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 ?

    基于生豬外形特征圖像的瘦肉率估測方法

    2017-07-18 11:48:18劉瑩瑩
    農業(yè)工程學報 2017年12期
    關鍵詞:瘦肉率豬體體長

    張 萌,鐘 南,劉瑩瑩

    ?

    基于生豬外形特征圖像的瘦肉率估測方法

    張 萌1,2,鐘 南1※,劉瑩瑩1

    (1. 華南農業(yè)大學工程學院/教育部南方農業(yè)機械與裝備關鍵技術重點實驗室/廣東省食品質量安全重點實驗室,廣州 510642;2. 安徽省農業(yè)科學院農業(yè)經濟與信息研究所,合肥 230031)

    為實現(xiàn)生豬瘦肉率的快速無損檢測,以機器視覺為主要技術,通過生豬的外形特征圖像進行瘦肉率估測,為飼養(yǎng)者與收購者提供生豬品級的決策依據(jù)。采用MATLAB為開發(fā)工具,通過圖形用戶界面(graphical user interface,GUI)實現(xiàn)軟件操作界面,以生豬的側面及背面圖像為研究對象,利用圖像處理技術從目標中提取體長、體高、胸深、腹長、臀寬、腰寬等數(shù)據(jù),以這些體尺的比例(胸深體高比、臀寬體長比、臀寬腰寬比、腹長體長比)為參數(shù),通過徑向基函數(shù)(radial basis function,RBF)神經網(wǎng)絡進行瘦肉率估測。該文分別對7組生豬外形圖像進行處理,4項比例指標的平均估測準確率分別為92.90%、92.44%、95.17%、96.51%,瘦肉率的平均估測準確率為94.35%。結果表明,該文所構造的基于生豬外形特征圖像的瘦肉率估測方法工作效率高,成本低,可用于估測生豬瘦肉率。

    機器視覺;圖像分割;模型;瘦肉率;活體豬;RBF神經網(wǎng)絡

    0 引 言

    隨著人民生活水平的提高,養(yǎng)豬生產發(fā)生了從數(shù)量型到質量型的轉變,檢測機構、生產企業(yè)和消費者對生豬品級的要求逐漸提高,而瘦肉率是生豬品級最重要的指標之一,各國也是根據(jù)胴體瘦肉率的不同將豬胴體劃分為不同等級[1]。對于生豬屠宰行業(yè)和部分食品加工行業(yè)來說,擁有一套可以快速無損檢測生豬瘦肉率的方法十分必要。

    目前,國內外對瘦肉率的評測大概分為兩種:一種是在屠宰線上進行,將豬胴體的皮、脂、肉、骨分離,稱質量后計算其百分比[2],這種方法耗時耗力,操作過程復雜;第二種是使用背膘測定儀、瘦肉率測定儀等儀器設備進行無損檢測[3]。這類設備價格昂貴,實際操作時需要逐一檢測,不適合中小型企業(yè)使用。

    國內還有以人工感官為依據(jù),憑借專家經驗,根據(jù)生豬的外形特征對生豬品級進行評定。這種方法雖然過程簡單,但受主觀意識影響大,可重復性差,相關專家的培訓也存在一定的難度。機器視覺技術以代替人工感官為目的[4],用計算機技術模擬人的視覺,從目標圖像中提取所需要的特征信息,并對信息進行分析決策,將人 的感官數(shù)據(jù)化、標準化、智能化[5],解決了人工感覺受主觀意識影響的問題,具有信息量大、檢測速度快等特點[6]。國外對于機器視覺在豬肉品質檢測方面的應用,主要集中在分割后豬肉的紋理檢測,無法獲得瘦肉率、屠宰率等全局指標[7]。

    本文以MATLAB為開發(fā)工具,通過工具中的GUI功能編寫操作界面,利用圖像處理技術從目標圖像中提取系統(tǒng)所需的特征參數(shù),用實測數(shù)據(jù)庫訓練RBF神經網(wǎng)絡,通過訓練好的網(wǎng)絡估測出對應目標的瘦肉率。以機器視覺代替人工感官,從而解決人工感官方法中出現(xiàn)的受主觀意識影響、可重復性差等問題,為高效率、低成本估測活體豬瘦肉率提供方法指導。

    1 材料與方法

    1.1 系統(tǒng)界面設計

    MATLAB(matrix laboratory,矩陣實驗室)是一款用于矩陣數(shù)值計算的軟件,軟件中很多運算都是通過矩陣的形式進行的。MATLAB擁有專業(yè)的圖像處理工具箱(image processing toolbox)和神經網(wǎng)絡工具箱(neural network toolbox)[8],工具箱內包含大量內建函數(shù),可以簡單實現(xiàn)大多數(shù)固定和成熟的算法。本研究以MATLAB為開發(fā)軟件,通過圖形用戶界面(graphical user interface,GUI)功能實現(xiàn)的操作界面如圖1。

    操作界面包括基本操作模塊、形態(tài)學操作模塊、圖像顯示模塊和數(shù)據(jù)顯示模塊。基本操作包括圖像輸入、圖像預處理、圖像分割、智能分割優(yōu)化、特征提取、數(shù)據(jù)預測和清空選項。形態(tài)學可選操作主要是形態(tài)學的各項操作,當用戶對智能分割優(yōu)化效果不滿意時,可以自由選擇結構元素大小和具體形態(tài)學運算操作,直到達到滿意的分割效果為止。數(shù)據(jù)顯示包括從圖像中提取的側面體長、背面體長、體高、胸深、腹長、臀寬和腰寬7項體尺指標,通過計算得到的胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比4項比例指標,以及系統(tǒng)預測的瘦肉率等數(shù)據(jù)指標。所有的指標數(shù)據(jù)都設置有一定的范圍,當檢測的指標超出這個范圍,即判定為系統(tǒng)故障或檢測目標異常,檢測狀態(tài)顯示為“異?!保敊z測指標均在范圍內時,則檢測狀態(tài)顯示為“正?!薄D像顯示模塊包括原始圖像和分割圖像,通過這個模塊可以判斷圖像處理模塊是否正常工作,同時檢測圖像的分割效果,為用戶提供判斷依據(jù)。

    圖1 圖形處理界面

    1.2 數(shù)據(jù)采集

    挑選123頭皖北地區(qū)商品豬(安徽省東升食品有限公司提供)作為試驗材料,品種均為外三元(杜長大,杜大長),年齡均為6個月左右。將樣品豬逐一趕到鐵質固定欄內,使之自然站立,為了避免對活體豬造成外界刺激,用皮尺緊貼固定欄外側進行體尺測量[5],得到側面體長、背面體長、體高、胸深、腹長、臀寬、腰寬7項體尺指標,并在屠宰后使用分割稱質量的方法計算得出瘦肉率。

    為了與圖像處理中特征提取的方法相一致,所有數(shù)據(jù)均取關鍵點的直線距離,而非沿輪廓的曲線距離,具體測量方法如下:側面體長是指鼻后端到后臀部的水平距離;背面體長是指豬頸部中點到后臀部中點的距離;體高是指背部最高點到前足最低點的垂直距離;胸深是指前足與腹部交界處到背部最高點的垂直距離;腹長是指前足與腹部交界處到后足與腹部交界處的水平距離;根據(jù)生豬外形的固有特性,臀寬是指背部最大體寬;腰寬是指除去頭頸部和尾部外的最小體寬[9]。體尺測量參數(shù)示意如圖2。

    圖像采集工具選用Sony WX350相機,影像尺寸設置為S:2.5 M,采用程序自動曝光模式進行拍攝,圖像格式為JPG,并在后期將所有圖像的分辨率統(tǒng)一處理為1 024×768像素?;铙w豬在不同形態(tài)下,外形特征會有所差異,但是系統(tǒng)所選用的特征參數(shù)不用考慮細節(jié)差異,只有活體豬在蜷縮狀態(tài)下才會產生較大誤差[10],而活體豬在自然站立或行走時不會出現(xiàn)蜷縮的狀態(tài)[11]。為了避免豬體蜷縮所造成的數(shù)據(jù)誤差和固定欄對采集照片的遮擋,在豬棚內,任生豬靠墻壁自由行走,使用相機采集側面圖像;在活體豬行走時,在其正上方采集背面圖像[12]。本研究從123頭樣本豬中隨機挑選7頭作為拍攝對象,一共采集了7組圖像。

    圖2 體尺測量參數(shù)示意圖

    活體豬經沐浴、擊暈、放血、去頭蹄、取內臟、分割成二分體后,將肉、脂、骨、皮等分割并分別稱質量,計算瘦肉占總質量的百分比[13-14],即

    式中LMP是瘦肉率(%),LM是瘦肉的總質量(kg),Total是豬體總質量(kg)。用沒有采集圖像的116頭豬對應的數(shù)據(jù)建立數(shù)據(jù)庫,進行試驗分析[15],從而建立關系模型,116組實測數(shù)據(jù)的統(tǒng)計結果如表1。

    表1 實測值的基本統(tǒng)計

    1.3 數(shù)據(jù)分析

    不同的焦距、物距會使圖像存在不同的比例尺度,為了避免這些因素,本研究不使用具體的長度、面積等參數(shù),而是選用它們的比例值。系統(tǒng)選取胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比4項比例值作為外形特征參數(shù)[16-17],并通過SPSS軟件分析這些外形特征與瘦肉率之間的關系,可得瘦肉率與外形特征之間存在關系模型:

    式中cbr是胸深體高比,hbr是臀寬體長比,hwr是臀寬腰寬比,bbr是腹長體長比。分析結果表明,瘦肉率與胸深體高比、臀寬體長比、臀寬腰寬比成正比關系,與腹長體長比成反比關系。

    1.4 圖像處理與特征提取

    圖像處理流程如圖3。

    圖3 不同圖像處理階段比較

    1.4.1 圖像預處理

    系統(tǒng)中的圖像處理均是對圖像的灰度值進行運算,灰度值的大小只代表像素點的亮度強弱,與彩色因素無關,故先將采集的彩色圖像轉換為灰度圖像。采集到的圖像中難免存在一些影響分割的噪聲,需要進行相關操作減弱噪聲[18],故采用雙邊濾波和直方圖均衡化2種方法進行圖像平滑。

    圖像濾波是指將目標點與其鄰域內的其他點進行各類運算,將運算的結果替代原點的灰度值,以此來改善圖像質量的方法。雙邊濾波是一種保邊去噪的濾波器,運算過程由2個函數(shù)組成,一個函數(shù)的濾波器系數(shù)是由幾何空間的距離決定,另一個函數(shù)的濾波器系數(shù)由像素的差值決定[19]。輸出像素為

    式中(,)為輸入像素的位置,(,)為鄰域像素的位置,為鄰域像素的值,權重系數(shù)由定義域核和值域核的乘積決定

    (4)

    對比度反映了圖像中亮區(qū)域和暗區(qū)域的層次感,調節(jié)對比度實際上就是在保持亮度不變的前提下,擴大或縮小亮點與暗點的差距,直方圖均衡化是比較常見的一種間接增強方法。直方圖均衡化是一種點運算,通過對原始圖像中每一個像素點進行運算,進而得到處理后的圖像[20]。主要思想是將灰度值重新進行分配,以實現(xiàn)最大程度上的均勻分布。首先統(tǒng)計原始圖像的灰度值分布情況,得直方圖,然后通過直方圖計算累計分布曲線[21],將累計分布函數(shù)作為變換函數(shù)對圖像進行修正處理。

    1.4.2 圖像分割和輪廓提取

    圖像預處理的目的就是讓圖像更易于分割,本研究采用最大類間方差法對圖像進行閾值分割[22]。由于預處理無法消除所有噪聲,閾值分割可能出現(xiàn)誤分割區(qū)域,本研究采用形態(tài)學圖像處理對分割后的圖像進行修正[23]。形態(tài)學操作包括膨脹和腐蝕兩個基本算子,先膨脹后腐蝕的操作叫開運算,它可以消除細小物體、分離相近物體;先腐蝕后膨脹的操作叫閉運算,它可以填充細小空間、連接相近物體[24]。本研究對分割后的圖像先使用閉運算處理連通狹窄區(qū)域,再使用開運算填充噪聲造成的孔洞。系統(tǒng)中圖像的分辨率為1 024×768像素,根據(jù)實際情況,形態(tài)學處理過程選擇10×10像素的圓盤型結構元素處理圖像,先進行閉運算處理,再進行開運算處理。

    為了更好地找出關鍵點,還需要提取生豬的外形輪廓,通過對二值圖像進行Canny邊緣檢測可以實現(xiàn)。Canny邊緣檢測器在圖像中每一點計算局部梯度和邊緣方向,根據(jù)這些信息找出邊緣點,即梯度方向上強度局部最大的點[25]。

    1.4.3 關鍵點檢測

    根據(jù)關系模型,需要從圖像中提取側面體長、背面體長、體高、胸深、腹長、臀寬、腰寬7個體尺特征,為了提取這些特征值,對應需要找到圖中17個關鍵點。圖3中,點1、5、6、7、8、10、11在圖像中均為凹點,可以通過角點檢測獲得;點2、3、4可以通過二值圖像的最小外接矩陣獲得,分別為側面圖像中的最右、最高和最低點;點9為點7到點8線段的中間點,點12為點10到點11線段的中間點;通過點9、12的坐標和豬體輪廓線確定質點17的坐標,經過點9、17、12的線段為豬體的中軸線;點13、14為中軸線后半段到豬體輪廓線的最小距離點,點15、16為中軸線后半段到豬體輪廓線的最大距離點[26]。

    分別對側面、背面輪廓圖進行角點檢測,本研究選用一種Harris的改進算法[27]。像素點在軸方向和軸方向上的一階導數(shù)分別為、,定義角點函數(shù)為

    計算出所有點的角點函數(shù)值后,尋找一定鄰域內最大角點值大于零的點,并列為候補點,并將候補點按坐標值的大小從小往大排列。根據(jù)生豬外形的特殊性,將候補點聚集在外形圖像中的凹邊緣上[28]。同時,根據(jù)圖像具體情況設定一個距離閾值,當兩個候補點的距離小于時,判斷這兩個點屬于同一組的特征點,否則判斷為下一組的特征點[29]。對每個特征點組內的坐標值進行比較,坐標值最大的點即為所求點。通過角點檢測,可以得到點1、5、6、7、8、10、11共7個所需關鍵點的位置。

    通過點7和點8的坐標,可以確定其中間點9;通過點10和點11的坐標,可以確定其中間點12;通過點9、點12和質點17可以得到豬體的中軸線。從而確定豬體輪廓線到中軸線后半段上的最小距離點13、14,以及最大距離點15、16,具體算法[26]如下:

    1)通過點17和點12的直線一般式為

    式中-表示直線斜率,當=0時,直線平行于軸,此時-為在軸上的截距,()為直線上的任一點坐標值,通過點17和點12的坐標值可以獲得、、的值,進而獲得后半段中軸線的一般式。

    2)豬體輪廓線到后半段中軸線的距離為

    式中()為點17到點12在軸上坐標區(qū)間內豬體輪廓線上的任一點,為輪廓線上的點到后半段中軸線上的距離。通過公式(7)求得的最小值,從而得到點13和點14的坐標值。

    3)同理,通過公式(7)求得的最大值,從而得到點15和點16的坐標值。

    通過計算關鍵點之間的距離,可得到7個體尺特征,具體如下:點1到點2在軸上的水平距離為側面體長;點9到點17的距離,加上點17到點12的距離為背面體長;點3到點4在軸上的垂直距離為體高;點3到點5在軸上的垂直距離為胸深;點5到點6在軸上的水平距離為腹長;點15到中軸線上的距離,加上點16到中軸線上的距離為臀寬;點13到中軸線上的距離,加上點14到中軸線上的距離為腰寬。

    1.5 RBF網(wǎng)絡預測

    從用于分析關系模型的116組數(shù)據(jù)中隨機選取100組數(shù)據(jù)作為訓練樣本,剩余的16組數(shù)據(jù)作為驗證樣本[30],將胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比4個參數(shù)作為輸入信號,將瘦肉率作為輸出信號,隱含層傳遞函數(shù)選取高斯函數(shù),輸出層傳遞函數(shù)選取線性函數(shù),在該試驗中分布密度為0.2時網(wǎng)絡誤差最小,確定參數(shù)后訓練RBF神經網(wǎng)絡[31],驗證樣本的實際值與預測值的曲線擬合如圖4。

    從圖4中可以看出,16個驗證樣本的預測值與實際值的誤差較小,平均誤差僅為0.31%,最大、最小誤差分別為0.47%和0.07%,說明通過RBF神經網(wǎng)絡建立的關系模型可以應用于預測瘦肉率。

    圖4 RBF神經網(wǎng)絡預測結果

    2 結果與分析

    2.1 圖像提取特征

    分別對7組圖像數(shù)據(jù)進行處理,提取胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比4項比例值,與實測數(shù)據(jù)作比較,預測準確率為

    式中Acc是準確率(%),Pre是預測值,Mea是實測值,結果如表2。

    表2 實測預測數(shù)值比較

    鑒于活體豬的活動性,其身體狀態(tài)無法預測,采集到的圖像也存在一定程度的身體扭曲,故通過圖像處理提取到的特征值與實測值難免存在少量誤差。由上表可知,通過圖像處理技術從生豬外形圖像中提取的特征參數(shù)具有較高的準確率,胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比的平均預測準確率分別達到了92.90%、92.44%、95.17%和96.51%,基本滿足系統(tǒng)需求。

    2.2 瘦肉率估測

    以圖像提取的7組參數(shù)為輸入信號,通過基于實測數(shù)據(jù)訓練的RBF神經網(wǎng)絡模型估測瘦肉率,準確率的計算仍然使用公式(8),則輸出值與實測瘦肉率的比較如表3。

    表3 基于圖像提取特征的RBF網(wǎng)絡預測瘦肉率

    由上表可知,以圖像中提取的特征值為參數(shù),通過RBF網(wǎng)絡模型可以成功預測出相應的瘦肉率,平均估測準確率達到了94.35%,最大、最小誤差分別為6.56%和3.57%。鑒于豬體特征的復雜性,其關系模型不是嚴格的線性關系,在特征提取及網(wǎng)絡預測環(huán)節(jié)均存在一定的誤差,但系統(tǒng)仍然得到了較高的預測準確率。

    3 結 論

    本文以MATLAB為開發(fā)工具,以圖像處理和RBF神經網(wǎng)絡為主要技術,設計了一套基于生豬外形特征的瘦肉率估測方法。以胸深體高比、臀寬體長比、臀寬腰寬比和腹長體長比4項比例特征為參數(shù),通過分析實測數(shù)據(jù)找出參數(shù)與瘦肉率之間的關系(2=0.989),立相應的RBF神經網(wǎng)絡模型。針對生豬外形復雜、采集圖像噪聲偏多的特點,對側面和背面圖像進行預處理、分割、關鍵點定位等操作,通過關鍵點之間的關系提取所需的特征值。通過試驗驗證,該方法對生豬瘦肉率的估測準確率為94.35%,最大、最小誤差分別為6.56%和3.57%。該方法檢測效果較好,設計成本較低,可以為實際應用提供技術支持和參考。

    本文所用方法雖然可以通過外形特征圖像較準確小地估測出生豬瘦肉率,但鑒于不同地區(qū)、不同品種的豬體均存在不同,同時活體豬存在不可預測的活動性,系統(tǒng)的魯棒性仍然不夠理想。今后需進一步分析外形特征與瘦肉率之間的關系,并考慮生豬因活動性而產生的參數(shù)誤差,不斷優(yōu)化關系模型及圖像處理算法,同時提高試驗樣本的數(shù)量,進一步提高系統(tǒng)的準確率及魯棒性。

    [1] Doeschlwilson A B, Green D M, Fisher A V, et al. The relationship between body dimensions of living pigs and their carcass composition[J]. Meat Science, 2005, 70(2): 229-240.

    [2] 羅明,朱礪. 屠宰加工線上瘦肉型豬胴體瘦肉率估測方法的研究[J]. 四川農業(yè)大學學報,2002,20(2):153-155. Luo Ming, Zhu Li. Study on estimating lean percent of carcass in slaughterhouse[J]. Journal of Sichuan Agricultural University, 2002, 20(2): 153-155. (in Chinese with English abstract)

    [3] 成芳,廖宜濤,馬君偉. 豬肉品質無損檢測研究進展[J]. 浙江大學學報(農業(yè)與生命科學版),2010,36(2):199-206. Cheng Fang, Liao Yitao, Ma Junwei. Research development on nondestructive determination of pork quality[J]. Journal of Zhejiang University Agriculture & Life Sciences, 2010, 36(2): 199-206. (in Chinese with English abstract)

    [4] Einarsson E, Eythorsdottir E, Smith C R, et al. The ability of video image analysis to predict lean meat yield and EUROP score of lamb carcasses[J]. Animal, 2014, 8(7): 1-8.

    [5] Chen Y R, Chao K, Kim M S. Machine vision technology for agricultural applications[J]. Computers and Electronics in Agriculture, 2002, 36(2/3): 173-191.

    [6] 劉艷國. 圖像處理技術在活體豬等級評定中的應用[D]. 北京:中國農業(yè)大學,2005. Liu Yanguo. Application of Image Processing Techniques on Synthesis Evaluation of Living Pig[D]. Beijing: China Agricultural University, 2005. (in Chinese with English abstract)

    [7] Faucitano L, Huff P, Teusher F, et al. Application of computer image analysis to measure pork marbling characteristics[J]. Meat Science, 2005, 69(3): 537-543.

    [8] 鄭麗敏,田立軍,朱虹,等. 基于MATLAB的BP神經網(wǎng)絡在豬等級評定中的應用研究[J]. 計算機應用研究,2008,25(6):1642-1644. Zheng Limin, Tian Lijun, Zhu Hong, et al. Study on pork grade evaluation of BP neural network based on MATLAB[J]. Application Research of Computers, 2008, 25(6): 1642-1644. (in Chinese with English abstract)

    [9] 郭浩,馬欽,張勝利,等. 基于三維重建的動物體尺獲取原型系統(tǒng)[J]. 農業(yè)機械學報,2014,45(5):227-232, 246. Guo Hao, Ma Qin, Zhang Shengli, et al. Prototype system of shape measurements of animal based on 3D reconstruction[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(5): 227-232, 246. (in Chinese with English abstract)

    [10] Wu J H, Tillett R, McFarlane N, et al. Extracting the three-dimensional shape of live pigs using stereo photogrammetry[J]. Computers and Electronics in Agriculture, 2004, 44(3): 203-222.

    [11] 李卓,杜曉冬,毛濤濤,等. 基于深度圖像的豬體尺檢測系統(tǒng)[J]. 農業(yè)機械學報,2016,47(3):311-318. Li Zhuo, Du Xiaodong, Mao Taotao, et al. Pig dimension detection system based on depth image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3): 311-318. (in Chinese with English abstract)

    [12] 王海文,尹艷輝,劉艷國. 應用BP神經網(wǎng)絡進行活體豬 綜合評定[J]. 微電子學與計算機,2006,23(12):118-119, 1. Wang Haiwen, Yin Yanhui, Liu Yanguo. Apply BP neural network on synthesis evaluation of living pig[J]. Microelectronics & Computer, 2006, 23(12): 118-119, 1. (in Chinese with English abstract)

    [13] 李卓,毛濤濤,劉同海,等. 基于機器視覺的豬體質量估測模型比較與優(yōu)化[J]. 農業(yè)工程學報,2015,31(2):155-161. Li Zhuo, Mao Taotao, Liu Tonghai, et al. Comparison and optimization of pig mass estimation models based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 155-161. (in Chinese with English abstract)

    [14] Kashiha M, Bahr C, Ott S, et al. Automatic weight estimation of individual pigs using image analysis[J]. Computers and Electronics in Agriculture, 2014, 107(9): 38-44.

    [15] Doeschlwilson A B, Whittemore C T, Knap P W, et al. Using visual image analysis to describe pig growth in terms of size and shape[J]. Animal Science, 2004, 79(4): 415-427.

    [16] 李業(yè)國,湯曉艷,高峰,等. 中國商品豬胴體瘦肉率預測模型的建立[J]. 西北農林科技大學學報: 自然科學版,2006,34(10):27-31. Li Yeguo, Shang Xiaoyan, Gao Feng, et al. Establishment of prediction model of the lean percentage of swine carcasses in China[J]. Journal of Northwest a&F University: Natural Science Edition, 2006, 34(10): 27-31. (in Chinese with English abstract)

    [17] 于鉑. 基于圖像處理技術的豬肉無損定級系統(tǒng)[D]. 北京:中國農業(yè)大學,2005. Yu Bo. The System for Evaluating Pork Carcass Grading Impersonally by Digital Image Processing Techniques[D]. Beijing: China Agricultural University, 2005. (in Chinese with English abstract)

    [18] Lu J, Tan J, Shatadal P, et al. Evaluation of pork color by using computer vision[J]. Meat Science, 2000, 56(1): 57-60.

    [19] Akar S A. Determination of optimal parameters for bilateral filter in brain MR image denoising[J]. Applied soft computing, 2016, 43: 87-96.

    [20] Subbiah J, Kranzler G A, Ray N, et al. Computer vision segmentation of the longissimusdorsi for beef quality grading[J]. Transactions of the ASAE, 2004, 47(4): 1261-1268.

    [21] Tan J. Meat quality evaluation by computer vision[J]. Journal of Food Engineering, 2004, 61(1): 27-35.

    [22] 李愷,楊艷麗,劉凱,等. 基于機器視覺的紅掌檢測分級方法[J]. 農業(yè)工程學報,2013,29(24):196-203. Li Kai, Yang Yanli, Liu Kai, et al. Determination and grading of Anthurium based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(24): 196-203. (in Chinese with English abstract)

    [23] 郭浩,王鵬,馬欽,等. 基于深度圖像的奶牛體型評定指標獲取技術[J]. 農業(yè)機械學報,2013,44(增刊1):273-276. Guo Hao, Wang Peng, Ma Qin, et al. Acquisition of appraisal traits for dairy cow based on depth image[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp. 1): 273-276. (in Chinese with English abstract)

    [24] 周竹,黃懿,李小昱,等. 基于機器視覺的馬鈴薯自動分級方法[J]. 農業(yè)工程學報,2012,28(7):178-183. Zhou Zhu, Huang Yi, Li Xiaoyu, et al. Automatic detecting and grading method of potatoes based on machine vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(7): 178-183. (in Chinese with English abstract)

    [25] 吳鳳和. 基于計算機視覺測量技術的圖像輪廓提取方法研究[J]. 計量學報,2007,28(1):18-22. Wu Fenghe. A study on contour extraction method in computer vision measurement technology[J]. ACTA MetrologocaSinica, 2007, 28(1): 18-22. (in Chinese with English abstract)

    [26] 劉同海,滕光輝,付為森,等. 基于機器視覺的豬體體尺測點提取算法與應用[J]. 農業(yè)工程學報,2013,29(2):161-168. Liu Tonghai, TengGuanghui, Fu Weisen, et al. Extraction algorithms and applications of pig body size measurement points based on computer vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(2): 161-168. (in Chinese with English abstract)

    [27] 劉富,侯濤,欒慧,等. 掌紋輪廓特征點提取新方法[J]. 吉林大學學報: 工學版,2007,37(4):897-900. Liu Fu, Hou Tao, Luan Hui, et al. New method to detect contour characteristic points of palmprint[J]. Journal of Jilin University: Engineering and Technolngy Edition, 2007, 37(4): 897-900. (in Chinese with English abstract)

    [28] 錢文光,林小竹. 基于輪廓尖銳度的圖像角點檢測算法[J]. 計算機工程,2008,34(6):202-204. Qian Wenguang, Lin Xiaozhu. Detection algorithm of image corner based on contour sharp degree[J]. Computer Engineering, 2008, 34(6): 202-204. (in Chinese with English abstract)

    [29]鄭軍,劉正文,馬兆瑞,等. 基于最小誤差逼近的輪廓特征點提取[J]. 清華大學學報: 自然科學版,2008,48(2):165-168. Zheng Jun, Liu Zhengwen, Ma Zhaorui, et al. Extraction of outline feature points based on the minimum approach error[J]. Journal of Tsinghua University: Science and Technology, 2008, 48(2): 165-168. (in Chinese with English abstract)

    [30] Ling P P, Ruzhitsky V N. Machinevision techniques for measuring the canopy of tomato seedling[J]. Journal of Agricultural Engineering Research, 1996, 65(2): 85-95.

    [31] 季剛,姚艷,江雙五. 基于徑向基神經網(wǎng)絡的月降水量預測模型研究[J]. 計算機技術與發(fā)展,2013,23(12):186-189. Ji Gang, Yao Yan, Jiang Shuangwu. Research on monthly rainfall forecast model based on RBF neural network[J]. Computer Technology and Development, 2013, 23(12): 186-189. (in Chinese with English abstract)

    Estimation method of pig lean meat percentage based on image of pig shape characteristics

    Zhang Meng1,2, Zhong Nan1※, Liu Yingying1

    (1.(),510642,; 2.230031,)

    Lean meat percentage (LMP) is an important indicator of pig quality, playing an important role in pig breeding and sale. At present, methods for detection of LMP are mostly destructive,, by way of segmentation, weighing and calculation. However, advanced ultrasound equipment is expensive, and most individual farmers are unable to afford the cost. For slaughtering and food processing industries, it is very necessary to develop a rapid nondestructive LMP detection method. In this study, machine vision technology was applied to estimate LMP through external physical characteristics of pigs, so as to provide decision-making basis of pigs’ quality for breeders and buyers. Therefore, technology should have a capacity of processing a large amount of vision information and high detection speed, and use a nondestructive detection method capable of acquiring global indexes. With MATLAB as a development tool, in this study, we realized the software interface through the Graphical User Interface (GUI), and selected the side image and back image of pigs as research objects. Different focal lengths and object distances would result in different ratio scales of images. To avoid these factors, ratios of parameters were selected rather than specific length, area and so on. Firstly, 116 sets of measured data were collected and analyzed. The results showed that the ratio of chest depth to body height, the ratio of hip width to body length, the ratio of hip width to waist width and the ratio of abdomen length to body length had certain relations with the LMP. Secondly, with 100 sets of measured data as training samples and remaining 16 sets of measured data as test samples, a prediction model based on radial basis function(RBF) neural network was built. The results showed that the average error of the test samples was 0.31%, and the maximum and minimum errors were respectively 0.47% and 0.07%. The precision and rate of the network all fulfilled the requirement. Then, seven groups of pig images were photographed, and after image gray processing and preprocessing by a series of weighted formulas, binaryzation by Otsu method, and secondary image denoising by morphological operations, and outline shapes were extracted. Based on Harris algorithm and inherent external physical characteristics of living pigs, we extract body length, body height, chest depth, abdomen length, hip width, waist width and other characteristic parameters. Finally, the calculated parameters were used as the input in the model to obtain corresponding LMP values which were compared with the measured data to verify feasibility of the method. In this study, seven groups of pig shape images were processed, respectively. The average estimated accuracy rates of the four ratios were 92.90%, 92.44 %, 95.17% and 96.51%, respectively. The average estimated accuracy rate of LMP reached 94.35%, and the maximum and minimum errors were 6.56% and 3.57%, respectively. The results showed that the new assessment method based on shape characteristics could be used for estimation of LMP of pigs with low cost and high efficiency. Furthermore, the future development trends of machine vision on nondestructive test of livestock were proposed since it prevents from the animal stress and anthropozoonosis.

    computer vision; image segmentation; models; lean meat percentage; living pig; RBF neural network

    10.11975/j.issn.1002-6819.2017.12.040

    TP391

    A

    1002-6819(2017)-12-0308-07

    2016-11-11

    2017-02-15

    廣東省科技計劃項目(2012A020602039);廣州市產學研協(xié)同創(chuàng)新重大專項(201508010013)

    張萌,男,安徽亳州人,研究方向為模式識別、圖像處理。 Email:zhangmengchn@163.com

    鐘南,女,湖北公安人,教授,博士生導師,研究方向為智能檢測技術。Email:zhongnan@scau.edu.cn

    張 萌,鐘 南,劉瑩瑩.基于生豬外形特征圖像的瘦肉率估測方法[J]. 農業(yè)工程學報,2017,33(12):308-314. doi:10.11975/j.issn.1002-6819.2017.12.040 http://www.tcsae.org

    Zhang Meng, Zhong Nan, Liu Yingying. Estimation method of pig lean meat percentage based on image of pig shape characteristics[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(12): 308-314. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2017.12.040 http://www.tcsae.org

    猜你喜歡
    瘦肉率豬體體長
    商品豬場雜交母本的選擇
    脖子占體長一半的巨龍——新疆巨龍
    天天愛科學(2022年9期)2022-09-15 01:12:28
    夏季養(yǎng)豬要做好防暑降溫
    史上最長恐龍
    外泌體長鏈非編碼RNA在膀胱癌中的研究進展
    商品豬瘦肉率的影響因素及提高措施
    影響豬胴體瘦肉率的因素及提高措施
    提高生豬瘦肉率的方法
    基于單視角點云鏡像的豬只體尺測量方法
    學會8招夏季養(yǎng)豬增膘等4則
    国产人妻一区二区三区在| 波多野结衣高清无吗| 色尼玛亚洲综合影院| 国产精华一区二区三区| 久久99热这里只有精品18| 在线a可以看的网站| 直男gayav资源| 久久久色成人| av又黄又爽大尺度在线免费看 | 精品久久久噜噜| 成人无遮挡网站| 亚洲国产精品专区欧美| av福利片在线观看| 国产在视频线在精品| 男插女下体视频免费在线播放| 亚洲精华国产精华液的使用体验| 午夜免费激情av| 淫秽高清视频在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 日韩精品青青久久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 啦啦啦啦在线视频资源| 色播亚洲综合网| 色吧在线观看| 成人毛片60女人毛片免费| 熟妇人妻久久中文字幕3abv| 亚洲精品一区蜜桃| 97热精品久久久久久| 亚洲欧美成人综合另类久久久 | 热99在线观看视频| av.在线天堂| av在线老鸭窝| 国产精品美女特级片免费视频播放器| 亚洲精品色激情综合| 欧美不卡视频在线免费观看| 久久精品熟女亚洲av麻豆精品 | 欧美日本亚洲视频在线播放| 在线天堂最新版资源| 久久久久久久久中文| 国产精品国产三级国产专区5o | 日韩一区二区视频免费看| 亚洲综合精品二区| 午夜a级毛片| 中文亚洲av片在线观看爽| 久久精品熟女亚洲av麻豆精品 | 亚洲国产精品专区欧美| 国产爱豆传媒在线观看| 看免费成人av毛片| 天堂网av新在线| 国产精品久久久久久精品电影| 中文在线观看免费www的网站| 国产精品.久久久| 黑人高潮一二区| 久久久久久久久久成人| 一边摸一边抽搐一进一小说| 岛国毛片在线播放| 久99久视频精品免费| 亚洲av一区综合| 爱豆传媒免费全集在线观看| 精品人妻视频免费看| 高清午夜精品一区二区三区| 亚洲,欧美,日韩| 天堂网av新在线| 九九爱精品视频在线观看| 国产亚洲av片在线观看秒播厂 | 久久亚洲精品不卡| 久久精品人妻少妇| 最近中文字幕2019免费版| 91精品一卡2卡3卡4卡| 色尼玛亚洲综合影院| 少妇熟女欧美另类| 午夜福利在线观看吧| 精品免费久久久久久久清纯| 亚洲国产欧美在线一区| 国产精品av视频在线免费观看| 我的老师免费观看完整版| 一个人看的www免费观看视频| 一个人看视频在线观看www免费| 天堂影院成人在线观看| 欧美成人午夜免费资源| 婷婷色av中文字幕| 国产美女午夜福利| 99在线视频只有这里精品首页| 六月丁香七月| 国产高清有码在线观看视频| 校园人妻丝袜中文字幕| 丰满乱子伦码专区| 丰满人妻一区二区三区视频av| www日本黄色视频网| 汤姆久久久久久久影院中文字幕 | 直男gayav资源| 美女高潮的动态| 非洲黑人性xxxx精品又粗又长| 好男人在线观看高清免费视频| 精品国产一区二区三区久久久樱花 | 毛片一级片免费看久久久久| 亚洲内射少妇av| 日韩中字成人| 22中文网久久字幕| 中国美白少妇内射xxxbb| 欧美成人精品欧美一级黄| 51国产日韩欧美| 国产精品国产三级国产专区5o | 国产亚洲精品av在线| a级一级毛片免费在线观看| 欧美97在线视频| 最近最新中文字幕大全电影3| 国产69精品久久久久777片| 最近的中文字幕免费完整| 久久久久九九精品影院| 天美传媒精品一区二区| 国产精品日韩av在线免费观看| 成年女人永久免费观看视频| 国产成人福利小说| 天堂√8在线中文| 精品久久久久久久久av| 国产成人精品婷婷| 我的女老师完整版在线观看| 色综合亚洲欧美另类图片| 亚洲美女视频黄频| 少妇的逼好多水| 欧美成人a在线观看| a级毛色黄片| 国产午夜精品一二区理论片| 欧美高清成人免费视频www| 美女被艹到高潮喷水动态| 国产成人午夜福利电影在线观看| 国产淫语在线视频| 啦啦啦观看免费观看视频高清| 国产又黄又爽又无遮挡在线| 国产v大片淫在线免费观看| 久热久热在线精品观看| 国产精品一二三区在线看| 成年免费大片在线观看| 亚洲一区高清亚洲精品| 水蜜桃什么品种好| 少妇人妻精品综合一区二区| 免费在线观看成人毛片| 99热全是精品| 久久久久久久国产电影| 国产探花在线观看一区二区| 国产成人a区在线观看| 夜夜爽夜夜爽视频| 免费观看精品视频网站| 十八禁国产超污无遮挡网站| 午夜精品国产一区二区电影 | 亚洲国产最新在线播放| 午夜亚洲福利在线播放| 舔av片在线| 淫秽高清视频在线观看| 床上黄色一级片| 七月丁香在线播放| 日韩精品有码人妻一区| 2022亚洲国产成人精品| 边亲边吃奶的免费视频| 国产av码专区亚洲av| 久久久久国产网址| 亚洲欧美成人精品一区二区| 天堂网av新在线| av黄色大香蕉| 国产亚洲av片在线观看秒播厂 | 我的女老师完整版在线观看| 色噜噜av男人的天堂激情| 国产一区二区在线观看日韩| 亚洲激情五月婷婷啪啪| av在线蜜桃| 日韩在线高清观看一区二区三区| av免费在线看不卡| 亚洲婷婷狠狠爱综合网| 99久久精品一区二区三区| 日本午夜av视频| 精品国产露脸久久av麻豆 | 毛片一级片免费看久久久久| 色播亚洲综合网| 69av精品久久久久久| 国模一区二区三区四区视频| 亚洲五月天丁香| 国语对白做爰xxxⅹ性视频网站| 最近视频中文字幕2019在线8| 成年女人永久免费观看视频| 久久久久久久久久黄片| 国产精品人妻久久久影院| 色综合亚洲欧美另类图片| 国产精品久久久久久精品电影| 免费av毛片视频| 亚洲一级一片aⅴ在线观看| 亚洲av福利一区| 亚洲一级一片aⅴ在线观看| 亚洲av男天堂| 在线观看一区二区三区| 亚洲av成人精品一二三区| 国产成人91sexporn| 丰满人妻一区二区三区视频av| 亚洲av中文字字幕乱码综合| 中文在线观看免费www的网站| 国产精品麻豆人妻色哟哟久久 | 男女边吃奶边做爰视频| 激情 狠狠 欧美| av卡一久久| 国产中年淑女户外野战色| 欧美极品一区二区三区四区| 亚洲av成人精品一区久久| 麻豆一二三区av精品| 国产成人freesex在线| 免费av不卡在线播放| 91久久精品电影网| 97人妻精品一区二区三区麻豆| 久久这里只有精品中国| 亚洲18禁久久av| 久久综合国产亚洲精品| av卡一久久| 国产美女午夜福利| av线在线观看网站| 国产精品麻豆人妻色哟哟久久 | 联通29元200g的流量卡| 国产精品99久久久久久久久| 久久精品91蜜桃| av播播在线观看一区| 日韩精品有码人妻一区| 国产高清视频在线观看网站| 淫秽高清视频在线观看| 欧美成人a在线观看| 国产成人aa在线观看| 欧美极品一区二区三区四区| 成人综合一区亚洲| 特级一级黄色大片| 成年女人看的毛片在线观看| 久久久午夜欧美精品| 少妇被粗大猛烈的视频| 亚洲综合色惰| 91精品伊人久久大香线蕉| 美女高潮的动态| 国产精品99久久久久久久久| 国产高潮美女av| 国产真实伦视频高清在线观看| 我的女老师完整版在线观看| 青春草亚洲视频在线观看| 97热精品久久久久久| 久99久视频精品免费| 99久国产av精品| 国产大屁股一区二区在线视频| 国产乱人偷精品视频| 国产淫语在线视频| 不卡视频在线观看欧美| 免费观看在线日韩| 欧美又色又爽又黄视频| 国产成人免费观看mmmm| 男女国产视频网站| 国产成人a∨麻豆精品| 久久精品夜色国产| 成人亚洲精品av一区二区| 国产精品麻豆人妻色哟哟久久 | 国产综合懂色| 亚洲av中文字字幕乱码综合| 欧美日韩国产亚洲二区| 午夜福利在线观看免费完整高清在| 亚洲欧美精品专区久久| 色吧在线观看| 日本免费a在线| 丝袜美腿在线中文| 国产美女午夜福利| 精品人妻一区二区三区麻豆| 成人午夜精彩视频在线观看| av天堂中文字幕网| 汤姆久久久久久久影院中文字幕 | 国产伦精品一区二区三区四那| 熟妇人妻久久中文字幕3abv| 边亲边吃奶的免费视频| 3wmmmm亚洲av在线观看| av又黄又爽大尺度在线免费看 | 熟女人妻精品中文字幕| 成人二区视频| 久久久精品大字幕| 国产精品一区二区三区四区免费观看| 国产爱豆传媒在线观看| 99久久精品热视频| 成人漫画全彩无遮挡| 午夜老司机福利剧场| 一级黄片播放器| 成年av动漫网址| 欧美变态另类bdsm刘玥| 国产老妇女一区| 欧美日韩在线观看h| 日本猛色少妇xxxxx猛交久久| 一夜夜www| 99在线视频只有这里精品首页| 18禁动态无遮挡网站| 久久这里有精品视频免费| 九九在线视频观看精品| 亚洲精品成人久久久久久| 变态另类丝袜制服| 日本av手机在线免费观看| 最近2019中文字幕mv第一页| 午夜久久久久精精品| av在线亚洲专区| 日韩一本色道免费dvd| 久久久久久久久久黄片| 午夜亚洲福利在线播放| 免费黄色在线免费观看| 乱码一卡2卡4卡精品| 国产黄色视频一区二区在线观看 | 男女边吃奶边做爰视频| 99热6这里只有精品| 亚洲欧美日韩东京热| 日韩av在线免费看完整版不卡| 国产精品精品国产色婷婷| 久久精品国产99精品国产亚洲性色| 色综合色国产| 国产欧美另类精品又又久久亚洲欧美| 国产真实乱freesex| 尾随美女入室| 日本午夜av视频| 最后的刺客免费高清国语| 秋霞伦理黄片| 欧美日韩在线观看h| av卡一久久| 日韩视频在线欧美| 蜜臀久久99精品久久宅男| 亚洲av熟女| 又爽又黄a免费视频| 久久热精品热| 日韩成人av中文字幕在线观看| 高清在线视频一区二区三区 | 欧美性猛交黑人性爽| 观看免费一级毛片| 色吧在线观看| 国产综合懂色| 99久久中文字幕三级久久日本| 久久精品国产亚洲av天美| 少妇人妻一区二区三区视频| 99热这里只有是精品在线观看| 精品人妻偷拍中文字幕| 国产淫片久久久久久久久| 色网站视频免费| av视频在线观看入口| 91精品一卡2卡3卡4卡| 国产高清视频在线观看网站| 久久人妻av系列| 男女下面进入的视频免费午夜| a级毛色黄片| 国产精品综合久久久久久久免费| 国产精品嫩草影院av在线观看| 欧美区成人在线视频| 日本av手机在线免费观看| 国产精品不卡视频一区二区| 亚洲av电影在线观看一区二区三区 | 一本久久精品| 在线a可以看的网站| 少妇猛男粗大的猛烈进出视频 | 日韩在线高清观看一区二区三区| 色综合站精品国产| 亚洲av中文字字幕乱码综合| 国产亚洲午夜精品一区二区久久 | 色尼玛亚洲综合影院| 汤姆久久久久久久影院中文字幕 | 午夜激情福利司机影院| 国产乱人视频| 亚洲人与动物交配视频| 亚洲欧美精品自产自拍| 日韩欧美精品免费久久| 精品国产一区二区三区久久久樱花 | 最近最新中文字幕免费大全7| 啦啦啦啦在线视频资源| 人妻夜夜爽99麻豆av| 欧美一区二区亚洲| 尤物成人国产欧美一区二区三区| 边亲边吃奶的免费视频| 国产高清有码在线观看视频| 99热这里只有是精品50| av播播在线观看一区| 国语对白做爰xxxⅹ性视频网站| 国产在线男女| 国产精品久久久久久精品电影| 在线免费观看不下载黄p国产| 网址你懂的国产日韩在线| 色综合站精品国产| 国产久久久一区二区三区| 成人毛片60女人毛片免费| 久久精品久久精品一区二区三区| 日本一本二区三区精品| 欧美日韩在线观看h| 1024手机看黄色片| 九草在线视频观看| 国产一区二区在线av高清观看| 久久久久久久国产电影| 亚洲精品,欧美精品| 国产精品国产三级国产专区5o | 久久精品国产亚洲av天美| 亚洲av成人精品一二三区| 女人被狂操c到高潮| 91aial.com中文字幕在线观看| 啦啦啦啦在线视频资源| 精品久久久久久久久亚洲| 蜜桃亚洲精品一区二区三区| 国产一区二区在线观看日韩| 尤物成人国产欧美一区二区三区| 亚洲18禁久久av| 久久久a久久爽久久v久久| 国产一区亚洲一区在线观看| 国产探花在线观看一区二区| 中文字幕熟女人妻在线| 欧美日韩国产亚洲二区| 成人午夜高清在线视频| av天堂中文字幕网| 一本一本综合久久| 久久精品人妻少妇| 色视频www国产| 五月伊人婷婷丁香| 亚洲精品一区蜜桃| 黑人高潮一二区| 一级毛片aaaaaa免费看小| 日本猛色少妇xxxxx猛交久久| 小蜜桃在线观看免费完整版高清| 久久精品综合一区二区三区| 欧美日韩国产亚洲二区| 久久6这里有精品| av福利片在线观看| 亚洲av免费高清在线观看| 中文天堂在线官网| 日韩一区二区三区影片| 日本午夜av视频| 99久久人妻综合| 亚洲av男天堂| 欧美97在线视频| 国产亚洲91精品色在线| 免费av观看视频| 舔av片在线| 久久鲁丝午夜福利片| 国产精品久久久久久av不卡| av.在线天堂| 中文乱码字字幕精品一区二区三区 | 久久欧美精品欧美久久欧美| 免费看日本二区| 久久精品夜夜夜夜夜久久蜜豆| 国产乱人偷精品视频| 亚洲精品乱久久久久久| 免费一级毛片在线播放高清视频| 日韩成人av中文字幕在线观看| 国产精品一区二区三区四区免费观看| 一级毛片我不卡| 高清午夜精品一区二区三区| 最近2019中文字幕mv第一页| 国产一区二区三区av在线| 内地一区二区视频在线| 少妇被粗大猛烈的视频| 国产精品麻豆人妻色哟哟久久 | 午夜爱爱视频在线播放| 人人妻人人澡欧美一区二区| 成人亚洲精品av一区二区| 久久久久久久久大av| 一级爰片在线观看| 亚洲av成人精品一二三区| 亚洲国产精品久久男人天堂| 五月玫瑰六月丁香| 久久这里有精品视频免费| 成人漫画全彩无遮挡| 久久鲁丝午夜福利片| 国产精品久久视频播放| 1000部很黄的大片| 建设人人有责人人尽责人人享有的 | 色综合站精品国产| 一个人看视频在线观看www免费| 卡戴珊不雅视频在线播放| 日本免费在线观看一区| 免费黄色在线免费观看| 黄片wwwwww| 亚洲精品一区蜜桃| 国产黄a三级三级三级人| kizo精华| 亚洲婷婷狠狠爱综合网| 午夜福利网站1000一区二区三区| 国产精品一二三区在线看| 看非洲黑人一级黄片| 尤物成人国产欧美一区二区三区| 国产一区二区亚洲精品在线观看| 欧美激情国产日韩精品一区| 日韩高清综合在线| 久久热精品热| 欧美另类亚洲清纯唯美| 亚洲国产欧美在线一区| 中文资源天堂在线| 国模一区二区三区四区视频| 日本免费一区二区三区高清不卡| 老司机福利观看| 国产精品,欧美在线| 精品久久久久久久人妻蜜臀av| 少妇裸体淫交视频免费看高清| 色综合色国产| 在线免费十八禁| 亚洲欧美精品专区久久| 尤物成人国产欧美一区二区三区| 久久久久久大精品| 国产精品一区二区三区四区免费观看| 大香蕉97超碰在线| 亚洲成人精品中文字幕电影| 亚洲天堂国产精品一区在线| 国产精品日韩av在线免费观看| 看免费成人av毛片| 亚洲四区av| 亚洲欧美精品专区久久| 精品人妻一区二区三区麻豆| 久久久久久久午夜电影| 精品酒店卫生间| 毛片女人毛片| 日本与韩国留学比较| 99久久成人亚洲精品观看| 国产成人福利小说| 久久鲁丝午夜福利片| 99久国产av精品国产电影| 日本五十路高清| 亚洲国产精品久久男人天堂| 国国产精品蜜臀av免费| 亚洲国产精品合色在线| 男人和女人高潮做爰伦理| 自拍偷自拍亚洲精品老妇| 精品久久久久久久久久久久久| 国产精品三级大全| 国产伦一二天堂av在线观看| 午夜福利在线观看吧| 国产免费一级a男人的天堂| 欧美丝袜亚洲另类| 色噜噜av男人的天堂激情| 天堂网av新在线| 国产黄色小视频在线观看| 在线a可以看的网站| 国产人妻一区二区三区在| 91aial.com中文字幕在线观看| 日本三级黄在线观看| 男女边吃奶边做爰视频| 亚洲成色77777| 亚洲成人久久爱视频| 97人妻精品一区二区三区麻豆| 级片在线观看| 男女边吃奶边做爰视频| 女人久久www免费人成看片 | 亚洲乱码一区二区免费版| 久久精品国产亚洲av天美| 高清av免费在线| 国产精品99久久久久久久久| 国语对白做爰xxxⅹ性视频网站| 亚洲精品亚洲一区二区| av线在线观看网站| 舔av片在线| 亚洲经典国产精华液单| 人妻少妇偷人精品九色| 看非洲黑人一级黄片| 成人欧美大片| 亚洲av熟女| 寂寞人妻少妇视频99o| 狂野欧美白嫩少妇大欣赏| 日韩精品有码人妻一区| 久久久久久久久中文| 18禁在线无遮挡免费观看视频| ponron亚洲| 中文字幕制服av| 99在线人妻在线中文字幕| 欧美不卡视频在线免费观看| 国产片特级美女逼逼视频| 美女大奶头视频| 国产精品电影一区二区三区| 69av精品久久久久久| 欧美精品一区二区大全| 日本三级黄在线观看| 九九热线精品视视频播放| 色网站视频免费| 麻豆精品久久久久久蜜桃| 久久久久久久久久黄片| 伦精品一区二区三区| 亚洲四区av| 男人舔女人下体高潮全视频| 看片在线看免费视频| 97热精品久久久久久| 免费看a级黄色片| 国产 一区 欧美 日韩| 嫩草影院新地址| 国产女主播在线喷水免费视频网站 | 在线播放国产精品三级| 最近视频中文字幕2019在线8| 国产av码专区亚洲av| 国产一级毛片在线| 少妇的逼好多水| 国产黄片美女视频| 免费黄色在线免费观看| 丰满人妻一区二区三区视频av| 伦精品一区二区三区| 一本一本综合久久| 国产不卡一卡二| 国产精品人妻久久久久久| 午夜免费激情av| 亚洲自拍偷在线| 亚洲三级黄色毛片| 卡戴珊不雅视频在线播放| 亚洲精品自拍成人| 99久久成人亚洲精品观看| 舔av片在线| 永久网站在线| 高清毛片免费看| 乱人视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 欧美bdsm另类| 成人午夜精彩视频在线观看| 亚洲高清免费不卡视频| 国产三级在线视频| 亚洲三级黄色毛片| 六月丁香七月| 亚洲乱码一区二区免费版| 免费人成在线观看视频色| 亚洲精品影视一区二区三区av| 国产三级中文精品| 精品久久久久久久久久久久久| 一级毛片久久久久久久久女| 中文天堂在线官网| 欧美成人午夜免费资源| 国产精品爽爽va在线观看网站| 精品国产一区二区三区久久久樱花 |