• <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 ?

    基于機器視覺的蛾類三維姿態(tài)中前翅間夾角計算方法*

    2017-12-15 01:01:52張睿珂陳梅香楊信廷溫俊寶北京林業(yè)大學林木有害生物防治北京市重點實驗室北京00083國家農(nóng)業(yè)信息化工程技術(shù)研究中心農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點開放實驗室北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心北京00097
    林業(yè)科學 2017年11期
    關(guān)鍵詞:蛾類棉鈴蟲蟲體

    張睿珂 陳梅香 李 明 楊信廷 溫俊寶(. 北京林業(yè)大學 林木有害生物防治北京市重點實驗室 北京 00083; . 國家農(nóng)業(yè)信息化工程技術(shù)研究中心農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點開放實驗室 北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心 北京 00097)

    基于機器視覺的蛾類三維姿態(tài)中前翅間夾角計算方法*

    張睿珂1,2陳梅香2李 明2楊信廷2溫俊寶1
    (1. 北京林業(yè)大學 林木有害生物防治北京市重點實驗室 北京 100083; 2. 國家農(nóng)業(yè)信息化工程技術(shù)研究中心農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點開放實驗室 北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心 北京 100097)

    【目的】 在農(nóng)林業(yè)害蟲自動識別分類過程中,目標蛾類三維姿態(tài)的準確獲取可以優(yōu)化識別過程,提高識別效率。通過對復雜的蛾類害蟲三維姿態(tài)進行量化,準確獲取蟲體三維姿態(tài)的信息數(shù)據(jù),可克服二維姿態(tài)識別的信息缺失問題,提高算法的魯棒性,為蛾類蟲體的自動識別奠定基礎?!痉椒ā?以棉鈴蟲為例,提出一種基于機器視覺原理的蛾類蟲體前翅間夾角計算方法,以確定蟲體的三維姿態(tài),即:通過角點檢測原理提取蛾類蟲體前翅的標記特征點,獲取標記特征點的空間坐標,進而計算蟲體前翅間夾角角度。【結(jié)果】 此方法能夠快速、便捷、準確地獲取棉鈴蟲成蟲蟲體前翅間夾角,且相對誤差0.10%~3.96%; 該計算方法與激光測量進行偏差分析,均方根誤差為1.421 6; 配對T檢驗無顯著性差異,表明本文提出的方法可行?!窘Y(jié)論】 以棉鈴蟲為例提出一種基于機器視覺的標記特征點蟲體前翅間夾角計算方法,平均用時僅14.6 s,少于激光測量法的1 min,在計算效率上也有所提高,為多姿態(tài)蛾類害蟲的自動監(jiān)測、快速識別提供重要的技術(shù)手段。

    機器視覺; 三維姿態(tài); 蛾類; 前翅間夾角; 特征點提取

    蛾類害蟲種類識別是農(nóng)林害蟲測報與防治工作的基礎。隨著計算機技術(shù)的發(fā)展,基于圖像的害蟲自動識別技術(shù)具有省時省力、智能化等優(yōu)點,有助于提高害蟲識別效率(姚青等, 2011)。目前廣泛應用二維圖像技術(shù)進行害蟲的自動監(jiān)測識別,但由于獲取到的二維圖像僅對圖像中蟲體的顏色、幾何形狀(于新文等, 2003)等進行描述與利用,忽略了蟲體姿態(tài)問題,造成識別算法的普適性受到影響,導致識別準確率降低。為了克服害蟲姿態(tài)對識別效果造成的影響,邱道尹等(2007)設計的基于機器視覺的農(nóng)田燈誘害蟲實時檢測系統(tǒng),使害蟲姿態(tài)減少為正面和背面2種。李文勇(2014a; 2014b)等通過獲取二維圖像信息,開展了基于機器視覺的多姿態(tài)害蟲特征提取與分類方法,在實驗室條件下取得了較好的識別效果。以往對多姿態(tài)害蟲的識別主要基于單一或正反面機器視覺進行圖像獲取,所獲取的害蟲圖像信息受到限制(Wenetal., 2012),僅獲得二維姿態(tài)信息,基于二維圖像技術(shù)難以準確估計蛾類蟲體實際空間位置對害蟲特征的量化影響,導致單一基于二維圖像的害蟲識別算法的普適性受到一定的影響(楊紅珍等, 2013; Ashaghathraetal., 2007)。三維姿態(tài)信息是反映目標物體空間位置的重要參數(shù)(陳娟等, 2008),所以,提取蛾類蟲體的三維姿態(tài)信息以確定蟲體的空間位置有助于提高蛾類害蟲分類識別的準確率。

    鱗翅目害蟲是數(shù)量僅次于鞘翅目的主要農(nóng)林害蟲,是害蟲監(jiān)測的重點對象。一般通過黑光燈誘集監(jiān)測,其死亡時蟲體體色及結(jié)構(gòu)基本保持一致但會出現(xiàn)多種死亡姿態(tài),具體表現(xiàn)在兩翅膀的空間相對位置不盡相同,存在較大差異。因蟲體翅膀間形成不同大小的夾角,致使獲取到的同種蟲體的二維特征相差較遠,增加了識別難度,降低了識別準確率(Nguyenetal., 2013)。張志剛等(2005)進行了人臉的三維姿態(tài)估計,對多姿態(tài)的人臉識別提供了一定基礎的、有效的獲取人臉偏轉(zhuǎn)角度的方法。呂丹等(2015)提出有效獲取目標三維姿態(tài)的方法,能夠簡化識別復雜性,提高識別速率。Nguyen等(2014)通過構(gòu)建昆蟲的真彩色3D模型用于昆蟲物種的鑒定,但其是針對鞘翅目蟲體并通過高精準的測量而構(gòu)建得到蟲體的三維模型,具有一定的復雜度,且對鱗翅目蛾類害蟲的適用性較低。所以,通過機器視覺計算鱗翅目蛾類蟲體前翅間夾角的角度以量化蟲體的三維姿態(tài),可避免構(gòu)建復雜的蟲體三維模型,從而提高鱗翅目蛾類害蟲的識別效果及效率。

    機器視覺(machine vision)是于20世紀60年代中期由美國學者L. R.羅伯茲在研究多面體組成的積木世界開始的,20世紀80年代至今對機器視覺的研究成為全球性熱潮(胥磊, 2016)。機器視覺主要用計算機模擬人的視覺功能從客觀事物的圖像提取信息并進行處理,最終用于測量和判斷(Milanetal., 2016)。機器視覺技術(shù)現(xiàn)已在工業(yè)檢測、機器人導航和視覺伺服系統(tǒng)、醫(yī)學以及農(nóng)林業(yè)等方向均有廣泛的應用。尤其在農(nóng)林業(yè)中,利用機器視覺根據(jù)農(nóng)產(chǎn)品的顏色、形狀、大小等特征參數(shù)進行農(nóng)產(chǎn)品的自動分級(唐向陽等, 2016); 使用機器視覺采集樹木的實時圖像為分離施藥目標與非施藥目標提供依據(jù)(向海濤等, 2004); 以機器視覺為基礎的農(nóng)林業(yè)害蟲的自動識別提高了害蟲識別的準確率同時也減少了人工識別的勞動強度(朱莉等, 2016)。機器視覺的應用提高了生產(chǎn)自動化水平,具有廣泛的應用范圍及良好的應用前景。

    目前,空間實體的角度測量方法應用較為廣泛的是光學角度測量,主要包括自準直法(Machtovoi, 1993)、光柵法(Torrobaetal., 1998)、激光干涉法(Masajada, 2004; Fanetal., 2013)、環(huán)形激光法(Bournachevetal., 1998; Filatovetal., 1997)等。正交自準直測角裝置可以進行三維角度的測量,但需同時提供2個正交的光學軌道,占用空間大; 光柵法中的正交組合光柵測角法是三維空間角為數(shù)不多的測量方法之一,但是其測量范圍較??; 激光干涉法的測量精度較高,但其結(jié)構(gòu)精密復雜、穩(wěn)定性弱且只能進行一維角度測量并不適用于三維角度; 環(huán)形激光法可以精確地測量動態(tài)角度以及角速度卻無法實現(xiàn)靜態(tài)角度的測量。以上的角度測量方法均不適用于棉鈴蟲(Helicoverpaarmigera)兩前翅間夾角的測量。此外,通過三坐標儀獲取實體坐標點計算得到空間位置信息的描述也是常見的角度測量方法之一。三坐標儀分為接觸型與非接觸型,其中接觸型三維測量儀的探針會對蟲體翅膀造成損害,但專門的非接觸型三維激光坐標儀價格昂貴,安裝調(diào)試不便,應用推廣較難(張國雄, 2000)。

    綜上,目前利用機器視覺進行蛾類害蟲蟲體前翅間夾角的獲取,還鮮有報道。本文提出一種簡單易操作的基于機器視覺的方法而非構(gòu)建具體的三維模型,對復雜的蛾類害蟲三維姿態(tài)進行量化的方法: 通過對圖像在顏色空間的轉(zhuǎn)換,利用Harris角點提取法進行特征點的提取并獲得特征點坐標進而計算得到蟲體前翅間夾角,來準確獲取蛾類害蟲三維姿態(tài)信息數(shù)據(jù),以克服二維形態(tài)識別的信息缺失、不具有較強魯棒性的問題,提高蛾類害蟲種類識別的準確率,為蛾類害蟲的自動識別與計數(shù)提供基礎。

    1 材料與方法

    1.1 蟲體三維姿態(tài)夾角的定義

    鱗翅目蛾類害蟲姿態(tài)變化主要是由于翅膀繞肩角發(fā)生旋轉(zhuǎn)產(chǎn)生的形變。根據(jù)蟲體姿態(tài)變化的特點、害蟲姿態(tài)信息的求解,重在選取能代表姿態(tài)信息的部位,而蛾類害蟲在立體空間中兩翅膀在蟲體背側(cè)形成的夾角是蟲體三維姿態(tài)的一種表現(xiàn)形式,故所求解的蛾類害蟲三維姿態(tài)信息可以通過計算蛾類蟲體兩前翅翅面間夾角獲得。蛾類蟲體的翅膀一般近三角形,翅膀三個頂點分別為肩角、頂角和臀角,選取這些具有代表性的部位進行顏色標記,圖1所示,判斷這些標記點(marked points)所處的空間位置并確定標記點所組成的面,通過計算獲取得到蟲體的三維姿態(tài)信息。

    圖1 蛾類蟲體翅膀標記點(仿Snodgrass, 1935)Fig.1 Marked point of moth pest forewing (Snodgrass,1935)

    1.2 供試蟲體

    選取對農(nóng)林業(yè)均有危害的鱗翅目夜蛾科害蟲棉鈴蟲成蟲作為供試蟲體(包括棉鈴蟲成蟲雌、雄個體)。棉鈴蟲寄主廣泛,包括蘋果(Maluspumila)、泡桐(Paulowniasp.)等林木及棉花(Gossypiumspp.)、玉米(Zeamays)等農(nóng)作物,試驗蟲體于北京市昌平小湯山精準農(nóng)業(yè)示范基地通過黑光燈裝置誘捕獲取。

    1.3 蟲體前翅間夾角提取流程

    棉鈴蟲前翅間夾角的提取方法的總體流程如圖2所示。首先,進行圖像的采集,獲取棉鈴蟲蟲體試驗樣本圖像; 其次,對獲取到的樣本圖像進行預處理操作: 圖像的裁剪、灰度化、圖像的平滑去噪等處理,使獲取到的圖像后期更易于處理與操作; 然后將預處理得到的圖像進行角點提取處理,從而獲取到棉鈴蟲前翅上的關(guān)鍵標記點,進而提取標記點空間坐標,進行蟲體前翅間夾角計算; 最后將得到的棉鈴蟲蟲體前翅間夾角進行數(shù)據(jù)驗證和誤差分析。

    圖2 蟲體前翅間夾角計算處理流程Fig.2 Calculation and processing of forewings angle

    1.4 圖像獲取

    圖像獲取是在實驗室內(nèi)自主構(gòu)建的拍照環(huán)境中利用圖像獲取系統(tǒng)對選取的試驗蟲體棉鈴蟲進行圖像采集。圖像獲取環(huán)境系統(tǒng)包括雙色溫環(huán)狀光源、密閉箱體,以及標準1 cm×1 cm 方格的白色背景坐標紙板。將白色坐標紙板構(gòu)建成三角立體坐標板并放置于密閉箱體內(nèi),箱體內(nèi)部上方固定環(huán)狀光源,構(gòu)成亮度較為穩(wěn)定的環(huán)境,如圖3所示。相機型號是SONY DSC-W710,光圈f/ 5.1,焦距12 mm,設置微距模式,采集圖像大小為4 608像素×3 546像素,3臺相機的縮放一致。

    圖3 圖像采集裝置示意Fig.3 Diagram of image acquisition device1. 三維坐標板3D coordinate plate; 2. 密閉箱體Closed box; 3. 環(huán)狀光源Light source; 4. SONY相機SONY camera; 5. 棉鈴蟲樣本 H. armigera sample; 6. 固定支架Fixed bracket.

    將1.0 cm×1.0 cm×1.0 cm的軟塑料正方體置于分別距離三角立體直角坐標板X-Z平面40 mm且距離Y-Z平面40 mm位置處,利用1#昆蟲針將棉鈴蟲蟲體固定于坐標板正方體中心處(棉鈴蟲蟲體置于昆蟲針頂端),其中一臺相機伸入環(huán)狀光源中間進行垂直角度圖像獲取,距離X-Y平面20 cm; 另外2臺相機置于蟲體正前方且分別垂直距X-Z平面、Y-Z平面20 cm。在自構(gòu)建的圖像獲取環(huán)境中,每次放置1只棉鈴蟲,根據(jù)害蟲的原有姿態(tài),調(diào)節(jié)光源且保持光源亮度不變,分別獲取棉鈴蟲蟲體的上方、正面及側(cè)面的圖像,保存。圖4a是由機器視覺獲取到的蟲體上方原始圖像。

    蟲體夾角的激光測量參考值即通過激光測距儀分別測得蟲體標記點與固定點的距離并換算成蟲體在空間內(nèi)的實際坐標點后加以計算獲得并作為蟲體兩前翅間夾角的參考值。

    本文方法基于MATLAB R2012b編程環(huán)境實現(xiàn),PC處理器是Inter Core i5-3470,CPU 3.20 GHz。

    1.5 圖像預處理

    圖像的預處理主要是將圖片中的干擾物去除以及最大限度地提取出目標蟲體,是對于蟲體進行特征點提取的有效前提。預處理部分主要包括:

    1.5.1 圖像裁剪 同一個種的昆蟲,也存在一定的個體差異,目標蟲體會大小不同,但是個體差異會在一定范圍之內(nèi)。所以,為突出目標個體首先要對原始圖像進行有效裁剪,去除不必要的背景,以便后期處理。

    1.5.2 圖像分割 由相機獲取到的圖像都為真彩色圖像,彩色圖像相比于灰度圖像提供了更多的信息,對彩色圖像進行分割需要選取適合的顏色空間(阮秋琦, 2001)。彩色圖像最常見的是用RGB顏色空間進行表示,但是RGB顏色空間符合顯示系統(tǒng)卻與人眼感知具有較大的差異(林開顏等, 2005),并且RGB是同時對彩色圖像進行描述,三分量(即R、G、B,取值范圍分別是0~255)具有高度相關(guān)性,而HSV模型是一種復合主觀感覺的顏色模型。其中,H、S、V分別代表的是色調(diào)(hue)、飽合度(saturation)和亮度(value),H分量表示顏色的種類,S分量表示所選色彩的純度與該色彩的最大純度比例,V分量表示顏色的明暗程度,3個分量的取值范圍歸一化后為0~1。H、S、V3個分量具有不相關(guān)性,且由RGB顏色空間轉(zhuǎn)化到HSV顏色空間是一個快速的非線性變換。由RGB到HSV轉(zhuǎn)換的表達式(包全磊, 2010):

    V=max(R,G,B),

    (1)

    S=[max(R,G,B)-min(R,G,B)]/

    max(R,G,B)。

    (2)

    對于式(1)、(2),若V=0,則S=0。

    若V=R,則H=60(G-B)/[V-min(R,G,B)],

    若V=G,則H=120+60(B-R)/[V-min(R,G,B)],

    若V=B,則H=240+60(R-G)/[V-min(R,G,B)],

    若Hlt;0,則H=H+360。

    (3)

    經(jīng)由RGB到HSV顏色空間的轉(zhuǎn)換,分別獲得H分量、S分量、V分量的灰度圖像,根據(jù)獲取的分量灰度圖像得到最后的分割圖像。

    1.5.3 圖像去噪 數(shù)字圖像的噪聲主要來源于圖像采集以及傳輸過程,在進行蟲體圖像采樣時,光照強度不僅會對圖像產(chǎn)生雜質(zhì)干擾,同時在顏色通道轉(zhuǎn)換過程中亦產(chǎn)生一定的噪聲。噪聲具有不可預測性,故對圖像進行噪聲去除以提高原圖像的質(zhì)量。本試驗選取中值濾波進行圖像去噪,中值濾波不僅可以去除孤點噪聲,且能保持圖像的邊緣特性,不會使圖像產(chǎn)生明顯的模糊。中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性圖像增強處理技術(shù),它是將數(shù)字序列中一點的值用該點的一個鄰域中幾個點值的中值代替,使周圍值更接近真實值,從而對消除孤立點和線性脈沖等噪聲效果佳。中值濾波去噪如式(4)所示:

    g(x,y)=med[f(x-k,y-l),(k,l∈W)]。

    (4)

    式中:f(x,y),g(x,y)分別為原始圖像和處理后的圖像。W為二維模板,通常為2×2,3×3區(qū)域。

    1.6 基于Harris的特征點提取

    本試驗中棉鈴蟲蟲體的特征點即為蟲體前翅的標記點,標記點選取紅色顏料在蟲體前翅特定位置進行標記,同時標記點也是極值點,指二維圖片中圖像的邊界曲率有極大變化的點或者是灰度變化很大的點。Harris角點檢測算法(stephens, 1988)是在Moravec算法上發(fā)展得到的目前一種經(jīng)典且熱門的圖像特征點提取算法。Harris角點檢測具有定位準確、計算穩(wěn)定和強魯棒性的特點,其原理是通過圖像局部的小窗口觀察圖像特征,窗口向任意方向移動都能夠檢測到圖像灰度明顯變化,即角點。具體提取過程如下:

    設圖像窗口平移量為(u,v),產(chǎn)生的灰度變化為E(u,v),

    有E(u,v)=

    sum[w(x,y)[I(x+u,y+v)-I(x,y)]2]

    (5)

    式中:w(x,y)為窗口函數(shù),I(x+u,y+v)為平移后的灰度值,I(x,y)為平移前的灰度值。根據(jù)泰勒公式展開得:

    I(x+u,y+v)=

    I(x,y)+Ixu+Iyv+O(u2,v2)。

    (6)

    式中:Ix,Iy分別為偏微分,在圖像中為圖像的方向?qū)?shù)。因此,

    E(u,v)=

    sum[w(x,y)[Ixu+Iyv+O(u2,v2)]2]。

    (7)

    可以近似得到:

    E(u,v)=sum[w(x,y)[Ixu+Iyv]2],

    (8)

    E(u,v)=[u,v][Ix2,IxIy;IxIy,Iy2][u,v]T,

    (9)

    M=[Ix2,IxIy;IxIyIy2]。

    (10)

    因此最后對角點的檢測成了對矩陣M的特征值的分析,令M的特征值為x1,x2:

    當x1gt;gt;x2或者x2gt;gt;x1,則檢測到的是邊緣部分;

    當x1,x2都很小時,圖像窗口在所有移動的方向上移動灰度級都無明顯變化;

    當x1,x2都很大且相當時,檢測到的是特征點。

    由于計算2個特征點比較耗時,Harris給出角點判別不需要計算出x1和x2,而是通過計算角點響應函數(shù)R:

    R=det(M)-ktrace2(M)。

    (11)

    式中:det(M)為矩陣M的行列式,trace(M)為矩陣M的跡,式中R即為特征點。

    1.7 空間坐標獲取

    在Harris角點提取的過程的同時也獲取到了每一個標記點的像素坐標,并將其存儲在MATLAB的workspace中。其中,由上方獲取到的蟲體背面圖像中可得圖像每一標記點的像素坐標即表示為該標記點在自構(gòu)建的實際坐標系中X-Y平面坐標,像素坐標原點在圖像左上角,水平方向為X軸,豎直方向為Y軸,與實際坐標相同; 由正前方獲取的圖像中也可獲得相同標記點的像素坐標,但是其像素坐標中X-Y平面則表示為該角點在自構(gòu)建的實際坐標系中X-Z平面的坐標,水平向右為X軸,豎直向下為Z軸,像素坐標原點在左上角,但實際坐標原點在左下角,Z軸相反。

    由MATLAB獲取到的標記點坐標為像素坐標,需要與實際坐標進行換算,以獲取蟲體特征點的空間實際坐標。

    1.8 夾角角度的計算

    根據(jù)空間幾何原理(蘇步青, 1991),將獲取到的蟲體的特征點的空間坐標點進行整合,由已知的左右翅膀平面上的6個非共線空間坐標點A1、B1、C1;A2、B2、C2分別構(gòu)建2個平面方程:

    Plane 1:A1x+B1y+C1z+D1=0

    (A12+B12+C12≠0),

    (12)

    Plane 2:A2x+B2y+C2z+D2=0

    (A22+B22+C22≠0)。

    (13)

    (14)

    (15)

    求解方程得到n1、n2坐標,進一步求解得到兩向量之間的夾角θ的余弦值為:

    (16)

    根據(jù)空間幾何原理并在MATLAB中自主構(gòu)建函數(shù),可求解獲得棉鈴蟲蟲體前翅間夾角。

    由此求得空間蟲體前翅間的夾角,由異面直線所構(gòu)成的角,一定是銳角或直角,不可能是鈍角,但二面角可能存在銳二面角、直二面角和鈍二面角3種情況,故棉鈴蟲蟲體前翅間夾角實際度數(shù)需要利用原始圖像通過試驗者肉眼觀察其角度是否大于直角90°進行綜合判定分析。利用棉鈴蟲蟲體前翅間夾角提取方法,獲取本次樣本蟲體前翅間夾角測量值。

    2 結(jié)果與分析

    2.1 圖像預處理

    圖像裁剪是圖像分割的前提條件,獲取到的原始圖像如圖4a所示,但圖中目標區(qū)域較小,為保證圖像后期處理的速度與質(zhì)量,將其裁剪后(圖4b)保存。對比圖4a與4b,裁剪后的圖像目標更為明顯且圖像質(zhì)量保持良好。

    圖4 目標蟲體的圖像預處理Fig.4 Image preprocessing of target insectA、B、C: 左前翅標記點The left forewing marked points;A1、B1、C1: 右前翅標記點The right forewing marked points.a.原始圖像Original image; b.裁剪圖像 Split image; c.S分量灰度圖像S component gray level image; d.中值濾波圖像Median filter image.

    2.2 圖像的有效分割

    利用本文方法中闡述的顏色空間轉(zhuǎn)換的方法,將RGB空間的圖像轉(zhuǎn)換為HSV空間的圖像,分別得到H、S、V3個分量的灰度圖。相比較之,S分量灰度圖具有較好的分割性,能保持圖像興趣目標部位的完整性及明顯性,如圖4c所示,可以很明顯將蟲體與背景板有所區(qū)分,同時,在蟲體的前翅上的標記點也可以很明顯地顯現(xiàn)于蟲體翅膀之上。

    中值濾波有效地去除了孤立噪聲點同時也保持了興趣目標輪廓的完整性,如圖4d。

    2.3 特征點提取及坐標獲取

    根據(jù)Harris角點提取原理,對獲取到的圖像進行特征點提取,選擇[9,9]高斯窗口以減少偽角點的出現(xiàn),從而獲得曲率變化及灰度變化的極值點,同時獲取極值點的像素坐標。蟲體角點提取結(jié)果如圖5a、b所示。

    圖5 棉鈴蟲蟲體標記點坐標(像素)Fig.5 The coordinate graphs of gauge points on cotton bollworm(pixel)A、B、C:左前翅標記點The left forewing marked points;A1、B1、C1:右前翅標記點The right forewing marked points.

    將獲取到的像素坐標轉(zhuǎn)化為實際空間坐標用以后期計算,試驗中采用圖像中每1 cm方格所具有的像素點進行參考,利用1 cm方格的實際長度與1 cm長度中所包含的像素點之比,計算得到每一像素點在該幅圖像中的實際長度,圖像中標準1 cm方格的像素大小為366 pixels,即標定系數(shù)為1/366 cm·pixel-1,從而由標定系數(shù)計算得到實際坐標點。最終,完整獲取到1只蟲體上6個標記特征點的空間實際坐標(X,Y,Z)。

    2.4 角度測量精度分析

    為了驗證本文提出的蟲體前翅間夾角計算方法的可行性及可靠程度,本文用激光測量方法分別測量每標記點的空間相對距離并計算試驗蟲體前翅間夾角作為參考值,并將本文方法得到的測量值與參考值進行比較分析,同時,本文方法計算每個樣本蟲體夾角角度所需時間也由表1給出。根據(jù)每個樣本的計算時間可得本文中方法運行完成平均所需時間為14.596 7 s(Win7操作系統(tǒng)下基于MATLAB測試得到),但激光測量時間分為測量與計算時間,所需基本時間都大于1 min,故本文方法在計算效率上有所提高。

    針對已獲取的數(shù)據(jù),根據(jù)統(tǒng)計學原理由測量值與參考值進行比較,計算絕對誤差(absolute error)以及相對誤差(relative tolerance),計算公式如下:

    E=X-XT,

    (17)

    σ=|E|/XT×100%。

    (18)

    式中:E為絕對誤差,X和XT分別代表測量值與參考值; σ是相對誤差,|E|/XT是絕對誤差的絕對值與參考值之比。

    計算結(jié)果如表1所示,最小相對誤差為0.10%,最大相對誤差3.96%。平均相對誤差1.02%。根據(jù)統(tǒng)計學原理,相對誤差在100%±5%之內(nèi),數(shù)據(jù)均為可靠數(shù)據(jù),故此方法所得結(jié)果在允許的誤差范圍之內(nèi)。

    為了檢驗2種方法是否存在差異,針對2組數(shù)據(jù)進行了檢驗。由于配對樣本是指同一樣本不同時間做了2次試驗,或者具有2個類似的試驗記錄,從而比較其差異。本文將所有蟲體看成1個樣本,2種方法相當于對樣本做了2次試驗,故2種方法的2組數(shù)據(jù)是配對的,滿足配對樣本T檢驗的條件,可以采用配對樣本T檢驗對數(shù)據(jù)進行分析。其計算原理如下:

    (19)

    (20)

    表2為12頭棉鈴蟲蟲體前翅間夾角參考值與測量值進行配對T檢驗的結(jié)果,P=0.277gt;0.05,表明夾角參考值與測量值之間沒有顯著差異,說明本文方法可用。

    為了檢驗本文計算方法的精確度,衡量計算偏差,計算均方根誤差(RMSE)(又稱標準誤差)(郭秀明等, 2012)。設di1表示利用本文方法測得的夾角,di2表示激光測得的夾角,所以,均方根誤差計算公式如下:

    i=1,2,3,…,12。

    (21)

    式中:n表示此次試驗中角度的測量次數(shù),本文中n=12。

    根據(jù)式(21),RMSE=1.421 6°,RMSE的結(jié)果越小,越靠近于0,精確度越高。說明本文方法具有一定的精確度。

    表1 棉鈴蟲蟲體前翅間夾角測量Tab.1 Measurements of forewings angle of H. armigera

    表2 參考值與測量值配對T檢驗結(jié)果Tab.2 T-test result between reference values and measured values

    3 討論

    試驗的核心計算方法是基于立體幾何學中關(guān)于二面角的相關(guān)算法,本文首次嘗試將其應用在蛾類蟲體兩前翅間夾角上。但是,計算過程中也存在不足,為了避免蟲體其他突出部位如觸角、足等在角點檢測過程中形成的偽角點,影響計算的精確性,則對蟲體進行了前翅特征點標記,為同時確定蟲體正面圖像和側(cè)面圖像能的唯一特征點提供保證。同時為提高特征點坐標獲取的精確性,避免圖像中出現(xiàn)的其他干擾成分,構(gòu)建了單純的圖像獲取環(huán)境,以保證蟲體前翅特征點坐標的準確獲取。

    鱗翅目蛾類昆蟲種類繁多,但大部分蛾類成蟲前翅結(jié)構(gòu)相似,本文中選取棉鈴蟲為代表進行試驗,但所得前翅膀間夾角計算方法適用于一般蛾類成蟲; 對雌雄成蟲前翅結(jié)構(gòu)差異不大的種類也有普適性; 但對具有明顯性二型現(xiàn)象的蛾類成蟲,其不同性別成蟲前翅間夾角計算方法值得深入探討。對于蛾類昆蟲中具有豐富鱗片及鱗毛的蟲體,在其不影響蟲體前翅標記特征點的前提下,本文方法也是適用的,但若鱗片及鱗毛覆蓋了特征點,本文算法有待改進。獲得的棉鈴蟲成蟲試驗蟲體,其前翅覆于后翅上,所以在本文中僅計算其前翅間夾角,對于前后翅分離的蛾類蟲體,其后翅空間位置與前翅有一定的差距,前后翅夾角計算則會有所不同,但其夾角計算原理相同,本文方法也適用于蛾類成蟲后翅間夾角計算,但其準確率、精確度及前翅是否對后翅角度計算有影響都需要繼續(xù)探討。為進一步提高本文計算方法的普適性,今后的研究重點是對鱗翅目蛾類害蟲蟲體自然環(huán)境下的三維姿態(tài)提取,無需構(gòu)建單純的圖像獲取環(huán)境,通過害蟲自動監(jiān)測誘捕裝置在野外直接獲取蟲體圖像; 同時,將其他能引起偽角點的部位與蟲體進行有效分割提取,減少對前翅特征點的準確定位的影響,無需人工標記特征點的輔助作用,直接提取蟲體的三維姿態(tài)參數(shù),加快其實用化的步伐。

    基于三維姿態(tài)的蛾類蟲體自動識別過程中,可以直接利用蟲體三維姿態(tài)信息即蟲體兩前翅間夾角,作為識別參數(shù)直接輸入識別系統(tǒng),結(jié)合圖像形態(tài)學技術(shù)和專家系統(tǒng)技術(shù),通過對蛾類圖像的采集、圖像數(shù)字轉(zhuǎn)化以及姿態(tài)信息的提取,并結(jié)合蟲體其他特征參數(shù),從而完成對蟲體的形態(tài)特征參數(shù)提取,進而智能識別蟲體種類,同時自動計數(shù)蟲體數(shù)量,最終構(gòu)成一個完備的蛾類蟲體自動識別系統(tǒng)。這樣可以有效避免在對蛾類蟲體整姿、取翅等行為過程中引起的識別準確率下降的問題,為今后農(nóng)林害蟲自動識別與計數(shù)技術(shù)的發(fā)展奠定基礎。

    4 結(jié)論

    以鱗翅目夜蛾科棉鈴蟲成蟲為代表,提出了基于機器視覺的標記特征點蟲體前翅間夾角角度的獲取方法,可以精確、簡便地對蛾類蟲體前翅間角度進行提取。將激光測量結(jié)果與本方法得到的結(jié)果進行比較,相對誤差0.10%~3.96%,平均相對誤差1.02%,在所允許的誤差范圍之內(nèi)(100%±5%)。本文的角度計算方法與激光測量計算方法進行配對T檢驗,P=0.277gt;0.05,2種方法無顯著差異,利用本方法計算得到的結(jié)果均方根誤差為1.421 6,體現(xiàn)了該方法的可行性。本文方法在計算效率上也有較大提升,完成一只蛾類蟲體的前翅間角度計算平均僅用時14.6 s,小于激光測量所需的1 min。

    包全磊. 2010. 基于HSV空間的彩色圖像分割. 軟件導刊, 9(7):171-172.

    (Bao Q L. 2010.Color image segmentation based on HSV. Software Guide, 9(7):171-172.[in Chinese])

    陳 娟, 陳乾輝. 2008.空間目標三維姿態(tài)估計方法綜述. 長春工業(yè)大學學報:自然科學版, 29(3): 323-327.

    (Chen J, Chen Q H. 2008.Summary of the 3D pose estimations for the space targets. Journal of Changchun University of Techology:Natural Science Edition, 29(3): 323-327. [in Chinese])

    郭秀明, 趙春江, 楊信廷,等. 2012.蘋果園中2.4GHz無線信道在不同高度的傳播特性. 農(nóng)業(yè)工程學報, 28(12):195-200.

    (Guo X M, Zhao C J, Yang X T,etal. 2012. Propagation characteristics of 2.4 GHz wireless channel at different heights in apple orchard. Transactions of the Chinese Society of Agricultural Engineering, 28(12): 195-200.[in Chinese])

    李文勇, 陳梅香, 李 明,等. 2014. 基于姿態(tài)描述的果園靶標害蟲自動識別方法. 農(nóng)業(yè)機械學報, 45(11): 54-57.

    (Li W Y, Chen M X, Li M,etal. 2014. Orchard pest automated identification method bases on posture description. Transaction of the Chinese Society for Agricultural Machinery, 45(11): 54-59. [in Chinese])

    李文勇, 李 明, 陳梅香, 等. 2014. 基于機器視覺的作物多姿態(tài)害蟲特征提取與分類方法. 農(nóng)業(yè)工程學報, 30(14): 154-162.

    (Li W Y, Li M, Chen M X,etal. 2014. Feature extraction and classification method of multi-pose pests using machine vision. Transactions of the Chinese Society of Agricultural Engineering, 30(14): 154-162.[in Chinese])

    林開顏, 吳軍輝, 徐立鴻. 2005. 彩色圖像分割方法綜述. 中國圖象圖形學報, 10(1):1-10.

    (Lin K Y, Wu J H, Xu L H. 2005. A survey on color image segmentation techniques. Journal of Image and Graphics, 10(1): 1-10. [in Chinese])

    呂 軍, 姚 青, 劉慶杰,等. 2012. 基于模板匹配的多目標水稻燈誘害蟲識別方法的研究. 中國水稻科學, 26(5):619-623.

    (Lü J, Yao Q, Liu Q J,etal. 2012. Identification of multi-objective rice light-trap pests based on template matching.Chinese Journal of Rice Science, 16(5):619-623.[in Chinese])

    呂 丹, 孫劍鋒, 李 琦, 等. 2015. 基于激光雷達距離像的目標3D姿態(tài)估計. 紅外與激光工程, 44(4): 1115-1120.

    (Lü D, Sun J F, Li Q,etal. 2015. 3D pose estimation of target based on ladar range image. Infrared and Laser Engineering, 44(4): 1115-1120. [in Chinese])

    邱道尹, 張紅濤, 劉新宇, 等. 2007. 基于機器視覺的大田害蟲檢測系統(tǒng). 農(nóng)業(yè)機械學報, 38(1):120-122.

    (Qiu D Y,Zhang H T,Liu X Y,etal. 2007. Design of detection system for agriculture field pests based on machine vision. Transaction of the Chinese Society for Agricultural Machinery, 38(1): 120-122. [in Chinese])

    阮秋琦. 2001. 數(shù)字圖像處理學. 北京: 電子工業(yè)出版社.

    (Ruan Q Q. 2001. Digital Image Processing. Beijing: Electronic Industry Press. [in Chinese])

    Sonka M, Hlavac V, Boyle R. 2016. 圖像處理、分析與機器視覺.4版. 興軍亮, 艾海舟. 北京: 清華大學出版社.

    (Sonka M, Hlavac V, Boyle R. 2016. Image Processing, Analysis, and Machine Vision.4th ed.Xing J L, Ai H Z. Beijing: Tsinghua University Press.[in Chinese])

    蘇步青. 1991.高等幾何學五講. 上海: 上海教育出版社, 15-32.

    (Su B Q. 1991. Five Lessons of Higher Geometry. Shanghai: Shanghai Educational Publishing House,15-32. [in Chinese])

    唐向陽, 張 勇, 李江有,等. 2004. 機器視覺關(guān)鍵技術(shù)的現(xiàn)狀及應用展望. 昆明理工大學學報:自然科學版, 29(2):36-39.

    (Tang X Y, Zhang Y, Li J Y,etal. 2004.Present situation and application of machine vision’s key techniques. Journal of Kunming University of Science and Technology:Science and Technology, 29(2):36-39.[in Chinese])

    向海濤, 鄭加強, 周宏平. 2004. 基于機器視覺的樹木圖像實時采集與識別系統(tǒng). 林業(yè)科學, 40(3):144-148.

    (Xiang H T, Zheng J Q, Zhou H P,etal. 2004. Real-time tree image acquisition and recognition system based on machine vision. Scientia Silvae Sinicae, 40(3):144-148.[in Chinese])

    胥 磊. 2016. 機器視覺技術(shù)的發(fā)展現(xiàn)狀與展望. 設備管理與維修, (9):7-9.

    (Xu L.2016. The present situation and prospect of machine vision technology. Equipment Management and Maintenance,(9):7-9.[in Chinese])

    楊紅珍,蔡小娜,李湘濤,等. 2013. 幾何形態(tài)計量學在昆蟲自動鑒定中的應用與展望.四川動物, 32(3):464-469.

    (Yang H Z, Cai X N, Li X T,etal. 2013. Application of geometric morphometrics in insect identification. Sichuan Journal of Zoology, 32(3):464-469. [in Chinese])

    姚 青, 呂 軍, 楊保軍,等. 2011. 基于圖像的昆蟲自動識別與計數(shù)研究進展. 中國農(nóng)業(yè)科學, 44(14): 2886-2899.

    (Yao Q, Lü J, Yang B J,etal. 2011. Progress in research on digital image processing technology for automatic insect identification and counting. Scientia Agricultura Sinica, 44(14): 2886-2899. [in Chinese])

    于新文, 沈佐銳, 高靈旺,等. 2003. 昆蟲圖像幾何形狀特征的提取技術(shù)研究. 中國農(nóng)業(yè)大學學報, 8(3):47-50.

    (Yu X W, Shen Z R, Gao L W,etal. 2003. Feature measuring and extraction for digital image of insects. Journal of China Agricultural University, 8(3):47-50. [in Chinese])

    張國雄. 2000.三坐標測量機的發(fā)展趨勢. 中國機械工程, 11(2):222-226.

    (Zhang G X. 2000. The development trend of three coordinate measuring machine. China Mechanical Engineering, 11(2):222-226. [in Chinese])

    張志剛, 周明全, 耿國華. 2007.基于單幅圖像的人臉三維姿態(tài)估計. 計算機應用, 27(5): 1138-1140.

    (Zhang Z G, Zhou M Q, Geng G H. 2007. 3D pose estim ation based on single face in age. Computer Applications, 27(5): 1138-1140. [in Chinese])

    朱 莉, 羅 靖, 徐勝勇,等. 2016. 基于顏色特征的油菜害蟲機器視覺診斷研究. 農(nóng)機化研究, 38(6):55-58.

    (Zhu L, Luo J, Xu S Y,etal. 2016. Machine vision recognition of rapeseed pests based on color feature. Journal of Agricultural Mechanization Research, 38(6):55-58. [in Chinese])

    Ashaghathra S M A, Weckler P, Solie J,etal. 2007. Identifying Pecan Weevils through image processing techniques based on template matching. American Society of Agricultural and Biological Engineering,Annual meeting,Mineapolis,Minnesota,June,17-20,2007.

    Bournachev M N, Filatov Y V, Kirianov K E,etal. 1998. Precision angle measurement in a diffractional spectrometer by means of a ring laser. Measurement Science amp; Technology, 9(7):1067-1071.

    Fan K C, Liao B H, Cheng F. 2013. Ultra-precision angle measurement based on Michelson interferometry. Journal of the Chinese Society of Mechanical Engineers, Transactions of the Chinese Institute of Engineers-Series C, 34(1):39-44.

    Filatov Y V, Loukianov D P, Probst R. 1997. Dynamic angle measurement by means of a ring laser. Metrologia,34(4):343-351.

    Machtovoi I A. 1993. High-precision real-time measurement of large angular displacements of structures. Soviet Journal of Optical Technology, 60(1): 73-74.

    Masajada J.2004. Small-angle rotations measurement using optical vortex interferometer. Optics Communications, 239(4-6):373-381.

    Nguyen C, Lovell D, Oberprieler R,etal. 2013. Virtual 3D Models of Insects for Accelerated Quarantine Control. The IEEE International Conference on Computer Vision (ICCV) Workshops,161-167.

    Nguyen C V, Lovell D R,Adcock M,etal. 2014. Capturing natural-colour 3D models of insects for species discovery and diagnostics. Plos One, 9(4): e94346-e94346.

    Stephens M.1988.A combined comer and edge detector.Proceedings of 4th Alvey Vision Conference,Manchester,UK,189-192.

    Torroba R, Tagliaferri A A. 1998. Precision small angle measurements with a digital moiré technique. Optics Communications, 149(4-6):213-216.

    Wen C, Guyer D. 2012. Image-based orchard insect automated identification and classification method. Computers and Electronics in Agriculture, 89(1): 110-115.

    (責任編輯 朱乾坤)

    MethodofExtractingForewingsAngleof3DPosefortheMothBasedonMachineVision

    Zhang Ruike1,2Chen Meixiang2Li Ming2Yang Xinting2Wen Junbao1
    (1.BeijingKeyLaboratoryforForestPestControlBeijingForestryUniversityBeijing100083;2.NationalEngineeringResearchCenterforInformationTechnologyinAgricultureKeyLaboratoryforInformationTechnologiesinAgriculture,MinistryofAgricultureBeijingEngineeringResearchCenterforAgriculturalIOTBeijing100097)

    【Objective】 In this study, the 3D gesture of complex moth pests was quantified, and the information of 3D gesture of insects was acquired accurately, which was ableto overcome the problems of missing information in 2D images recognition,and improve the robustness of the algorithm.【Method】This study usedHelicoverpaarmigera(Lepidoptera: Noctuidae) as the experimental object. Firstly, the images were obtained in the closed box, in which three cameras were set. Triangle three-dimensional coordinate system was made up of 1 cm × 1 cm white grid plate and ring light source. Before being preprocessed, the images were cropped into 935 pixels ×568 pixels to get the scope of the target moth pest. In order to enhance the visibility of the target area, the RGB and HSV color space was transformed. TheH,S,Vcomponent grayscale images were obtained, respectively. Comparing three component grayscale, it was obviously thatScomponent grayscale image can maintain the integrity of the image target site effectively. After the above image preprocessing, it was appeared a lot of noise in the image, using median filter to remove isolated noise points and it also can be keep the image edge features. Secondly, the mark point on the moth pest forewings was extracted by the Harris corner extraction method, then the pixel coordinates of feature points were obtained. Later, the reference object, white coordinates plate was 366 pixels and its actual size was 1 cm. Thus the calibration coefficient was 1/366 mm·pixel-1. Finally, according to the principle of space geometry, the forewings angle ofH.armigerawas calculated by MATLAB.【Result】The result of preprocessing showed that the image segmentation based on color space conversion could not only weaken the brightness of the background, but also maintain the all of target moth pest. Based on these, we could get accurately the forewings angle of the moth pest. At last, the calculated results and the laser measurement ones were compared. The experiment results showed that the relative error was between 0.10% and 3.96%, and the minimum root mean square error (RMSE) value was 1.421 6, and showed that there was no significant difference between the calculated results and the manual measurement by the pairedTtest. In addition, it was found that the calculation result of the forewings angle of the moth pest had larger error, and the reason was that each mark point was obtained by manual.【Conclusion】In conclusion, the paper proposes a new approach to acquire the forewings angle of theH.armigera, and the calculated results are consistent with the results of manual measurement, which could provide data of 3D gesture. At the same time, the algorithm is only 14.6 s, less than that obtained by the laser measuring method. It has also improved computing efficiency. This paper approach could improve the accuracy of moth pest identification, robustness and it has important significance in the future practical application.

    machine vision; 3D pose; moth; forewings angle; corner detection

    10.11707/j.1001-7488.20171114

    2017-01-05;

    2017-06-11。

    北京市自然科學基金項目(4132027); 北京市自然科學基金青年項目(6164034); 國家自然科學基金青年科學基金項目(31301238)。

    *溫俊寶為通訊作者。

    S718.7

    A

    1001-7488(2017)11-0120-11

    猜你喜歡
    蛾類棉鈴蟲蟲體
    重組pET30a-EgM9蛋白高免兔血清對體外培養(yǎng)細粒棘球絳蟲發(fā)育的影響
    小興安嶺天然次生林蛾類群落結(jié)構(gòu)及多樣性季節(jié)動態(tài)
    羊捻轉(zhuǎn)血矛線蟲病的診斷及危重病例治療
    犬絲蟲性眼炎的防治
    中國哈爾濱地區(qū)園林地空中蛾類群落結(jié)構(gòu)特征
    鱗翅目可食用昆蟲研究進展
    不同誘芯、誘捕器誘集棉鈴蟲效果試驗
    高效低毒新型藥劑防治棉鈴蟲試驗
    棉鈴蟲幾種常見藥劑大田試驗篩選
    吡喹酮衍生物DW-3-15對日本血吸蟲PZQ抗性蟲體的生物學效應觀察
    国产高清videossex| 18禁黄网站禁片免费观看直播| 999精品在线视频| av欧美777| 亚洲无线在线观看| 在线观看免费午夜福利视频| 久久伊人香网站| 男人的好看免费观看在线视频 | 精品欧美一区二区三区在线| 精品高清国产在线一区| 欧美日韩瑟瑟在线播放| 久久久久久免费高清国产稀缺| 波多野结衣高清无吗| 国产精品av视频在线免费观看| 三级国产精品欧美在线观看 | 欧美日本视频| 一区二区三区激情视频| 久久久久亚洲av毛片大全| 欧美乱色亚洲激情| 国产精品一区二区精品视频观看| 亚洲专区中文字幕在线| 欧美午夜高清在线| 极品教师在线免费播放| 18禁美女被吸乳视频| 亚洲欧美一区二区三区黑人| 青草久久国产| 特大巨黑吊av在线直播| 一级毛片高清免费大全| 欧美日韩精品网址| 国产亚洲精品第一综合不卡| 一二三四社区在线视频社区8| 亚洲九九香蕉| 午夜精品在线福利| 精品国内亚洲2022精品成人| 此物有八面人人有两片| 久久天堂一区二区三区四区| 欧美日韩一级在线毛片| 中亚洲国语对白在线视频| 一边摸一边抽搐一进一小说| 国产黄色小视频在线观看| 久久人妻福利社区极品人妻图片| 淫秽高清视频在线观看| АⅤ资源中文在线天堂| 久久久久久国产a免费观看| a级毛片a级免费在线| 性色av乱码一区二区三区2| 在线观看美女被高潮喷水网站 | 十八禁网站免费在线| 久久久国产精品麻豆| 在线观看美女被高潮喷水网站 | 国产精品美女特级片免费视频播放器 | 正在播放国产对白刺激| 999精品在线视频| 亚洲精品美女久久久久99蜜臀| 香蕉国产在线看| 精品久久久久久久久久久久久| 白带黄色成豆腐渣| 国产精品一及| 欧美人与性动交α欧美精品济南到| 看免费av毛片| 欧美日本亚洲视频在线播放| 国产精品自产拍在线观看55亚洲| x7x7x7水蜜桃| 不卡av一区二区三区| 国产在线观看jvid| 99国产精品一区二区蜜桃av| 欧美中文综合在线视频| 久久久久久免费高清国产稀缺| 亚洲18禁久久av| 国产av又大| 免费在线观看日本一区| 婷婷亚洲欧美| 男男h啪啪无遮挡| 99riav亚洲国产免费| 亚洲av第一区精品v没综合| 老鸭窝网址在线观看| 夜夜夜夜夜久久久久| 国产99久久九九免费精品| 搞女人的毛片| 在线观看免费视频日本深夜| 午夜影院日韩av| 午夜福利欧美成人| 国产爱豆传媒在线观看 | 床上黄色一级片| 国产精品免费一区二区三区在线| 亚洲成人精品中文字幕电影| 国产欧美日韩一区二区三| 九色成人免费人妻av| 男女视频在线观看网站免费 | 夜夜躁狠狠躁天天躁| 9191精品国产免费久久| 777久久人妻少妇嫩草av网站| 一级a爱片免费观看的视频| 90打野战视频偷拍视频| 久久精品国产亚洲av高清一级| 国内精品久久久久久久电影| 国产日本99.免费观看| 欧美国产日韩亚洲一区| 最新美女视频免费是黄的| 老熟妇乱子伦视频在线观看| 久久久久久九九精品二区国产 | 观看免费一级毛片| 国内精品一区二区在线观看| 久久久久亚洲av毛片大全| 精品久久久久久久毛片微露脸| 给我免费播放毛片高清在线观看| 高清在线国产一区| 在线观看66精品国产| 五月伊人婷婷丁香| 久久人妻福利社区极品人妻图片| 两性夫妻黄色片| 日本三级黄在线观看| 超碰成人久久| 免费看a级黄色片| 90打野战视频偷拍视频| 高清毛片免费观看视频网站| 成人亚洲精品av一区二区| 欧美日韩国产亚洲二区| 老司机深夜福利视频在线观看| 亚洲中文字幕日韩| 天天躁狠狠躁夜夜躁狠狠躁| 日韩三级视频一区二区三区| 黄片大片在线免费观看| 麻豆成人午夜福利视频| 国产欧美日韩一区二区精品| 欧美中文综合在线视频| 国产探花在线观看一区二区| 亚洲成人免费电影在线观看| 日韩 欧美 亚洲 中文字幕| 欧美日韩中文字幕国产精品一区二区三区| 欧美zozozo另类| 制服诱惑二区| 91大片在线观看| 一本大道久久a久久精品| 在线国产一区二区在线| 亚洲成av人片在线播放无| 老熟妇乱子伦视频在线观看| 亚洲成人中文字幕在线播放| 亚洲人成77777在线视频| 亚洲无线在线观看| 国产精品久久视频播放| 久久人人精品亚洲av| 欧美不卡视频在线免费观看 | 日本撒尿小便嘘嘘汇集6| 高潮久久久久久久久久久不卡| 国产激情偷乱视频一区二区| 国产乱人伦免费视频| 精品国产超薄肉色丝袜足j| 久久婷婷人人爽人人干人人爱| 亚洲熟女毛片儿| 亚洲 欧美一区二区三区| 看黄色毛片网站| 日日爽夜夜爽网站| 在线a可以看的网站| 在线观看一区二区三区| a级毛片a级免费在线| 女警被强在线播放| 免费在线观看亚洲国产| 久久午夜亚洲精品久久| 正在播放国产对白刺激| 好看av亚洲va欧美ⅴa在| 中文亚洲av片在线观看爽| 久久精品人妻少妇| 午夜影院日韩av| avwww免费| 69av精品久久久久久| 桃红色精品国产亚洲av| 精品欧美一区二区三区在线| 亚洲avbb在线观看| 国产激情偷乱视频一区二区| 亚洲精品中文字幕在线视频| 亚洲av成人不卡在线观看播放网| 国产高清激情床上av| 亚洲九九香蕉| aaaaa片日本免费| 黑人欧美特级aaaaaa片| 老熟妇乱子伦视频在线观看| 国产高清视频在线播放一区| 国产精品,欧美在线| 久久九九热精品免费| 亚洲男人的天堂狠狠| 亚洲精品国产一区二区精华液| 中文字幕高清在线视频| 亚洲色图av天堂| 精品人妻1区二区| 久久精品国产清高在天天线| 床上黄色一级片| 桃红色精品国产亚洲av| 老司机午夜福利在线观看视频| 欧美大码av| 超碰成人久久| 日本免费一区二区三区高清不卡| 一进一出好大好爽视频| 亚洲一码二码三码区别大吗| 香蕉国产在线看| 最新美女视频免费是黄的| 老司机在亚洲福利影院| 日韩欧美国产一区二区入口| 亚洲国产精品sss在线观看| 色综合亚洲欧美另类图片| 亚洲av日韩精品久久久久久密| 成人手机av| 成人亚洲精品av一区二区| 国产激情偷乱视频一区二区| 男女午夜视频在线观看| 亚洲熟妇中文字幕五十中出| 亚洲人成77777在线视频| 国产真实乱freesex| 一本久久中文字幕| 99久久精品国产亚洲精品| 啦啦啦观看免费观看视频高清| av免费在线观看网站| 亚洲 国产 在线| 亚洲av电影在线进入| 国产麻豆成人av免费视频| 国产av一区在线观看免费| 国产精品亚洲美女久久久| 91字幕亚洲| 18禁观看日本| 亚洲精品色激情综合| 丝袜人妻中文字幕| 成人三级做爰电影| 黄色成人免费大全| 国产欧美日韩精品亚洲av| 欧美zozozo另类| 国产精品永久免费网站| 少妇熟女aⅴ在线视频| 一区二区三区高清视频在线| 国产av不卡久久| 这个男人来自地球电影免费观看| 国产v大片淫在线免费观看| 又黄又粗又硬又大视频| 天天躁夜夜躁狠狠躁躁| 精品乱码久久久久久99久播| 一边摸一边抽搐一进一小说| 天堂影院成人在线观看| 全区人妻精品视频| 他把我摸到了高潮在线观看| 两性夫妻黄色片| 淫妇啪啪啪对白视频| 国产一区二区三区视频了| 老汉色av国产亚洲站长工具| 亚洲七黄色美女视频| 丰满人妻一区二区三区视频av | 成人手机av| 中文字幕最新亚洲高清| 欧美精品亚洲一区二区| 欧美av亚洲av综合av国产av| 日韩高清综合在线| 一卡2卡三卡四卡精品乱码亚洲| 91九色精品人成在线观看| 91字幕亚洲| 99国产精品一区二区蜜桃av| 欧美3d第一页| 香蕉久久夜色| 妹子高潮喷水视频| 国产精品,欧美在线| 欧美zozozo另类| xxx96com| 欧美日韩黄片免| 久久99热这里只有精品18| 色播亚洲综合网| 亚洲国产中文字幕在线视频| 亚洲一区中文字幕在线| 亚洲国产精品sss在线观看| 搡老妇女老女人老熟妇| 国产区一区二久久| 在线十欧美十亚洲十日本专区| 午夜免费成人在线视频| 黄色视频不卡| 亚洲欧美日韩高清专用| 蜜桃久久精品国产亚洲av| 亚洲熟女毛片儿| 国产黄a三级三级三级人| 日本撒尿小便嘘嘘汇集6| 国产精品一区二区三区四区免费观看 | 精品不卡国产一区二区三区| 欧美又色又爽又黄视频| 长腿黑丝高跟| 久久九九热精品免费| 怎么达到女性高潮| 国产精品国产高清国产av| 午夜a级毛片| 90打野战视频偷拍视频| 国产精品美女特级片免费视频播放器 | 麻豆国产97在线/欧美 | 国产aⅴ精品一区二区三区波| 女同久久另类99精品国产91| 久久中文看片网| x7x7x7水蜜桃| 久久 成人 亚洲| 国产精品影院久久| 国产成人精品无人区| 久久久国产成人精品二区| 久久久久久久久中文| 好男人电影高清在线观看| 99国产综合亚洲精品| 女人被狂操c到高潮| 变态另类成人亚洲欧美熟女| 亚洲熟妇中文字幕五十中出| 免费在线观看黄色视频的| 男男h啪啪无遮挡| 一级a爱片免费观看的视频| 嫁个100分男人电影在线观看| 中文字幕久久专区| 国产爱豆传媒在线观看 | 老司机午夜十八禁免费视频| 欧美性长视频在线观看| 国产av一区二区精品久久| 午夜精品在线福利| 成人一区二区视频在线观看| 日韩中文字幕欧美一区二区| 88av欧美| 美女 人体艺术 gogo| 欧美日韩国产亚洲二区| 国产成年人精品一区二区| 真人一进一出gif抽搐免费| 久久精品亚洲精品国产色婷小说| 五月伊人婷婷丁香| 亚洲国产精品成人综合色| 国产aⅴ精品一区二区三区波| 村上凉子中文字幕在线| 男女视频在线观看网站免费 | 久久精品夜夜夜夜夜久久蜜豆 | 久久人妻av系列| 亚洲熟女毛片儿| www.999成人在线观看| 国产区一区二久久| 国产精品国产高清国产av| 国产av不卡久久| 老司机午夜福利在线观看视频| 又紧又爽又黄一区二区| 亚洲狠狠婷婷综合久久图片| 亚洲第一电影网av| 欧美日韩国产亚洲二区| 中文字幕人妻丝袜一区二区| 亚洲人成伊人成综合网2020| 激情在线观看视频在线高清| 国产成年人精品一区二区| 国产视频内射| 变态另类成人亚洲欧美熟女| a级毛片a级免费在线| 欧美国产日韩亚洲一区| 男人舔奶头视频| 欧美在线一区亚洲| 三级毛片av免费| netflix在线观看网站| 久久国产乱子伦精品免费另类| 这个男人来自地球电影免费观看| 亚洲成av人片在线播放无| 亚洲成人国产一区在线观看| 久久久久国内视频| 久久精品国产综合久久久| www日本黄色视频网| 在线观看日韩欧美| 国产精品1区2区在线观看.| 国产一区二区在线av高清观看| 成人国语在线视频| 亚洲欧美精品综合一区二区三区| 男女床上黄色一级片免费看| 老司机午夜十八禁免费视频| 国产免费男女视频| 免费电影在线观看免费观看| 1024手机看黄色片| 熟妇人妻久久中文字幕3abv| 国内精品一区二区在线观看| 色综合亚洲欧美另类图片| 国产精品美女特级片免费视频播放器 | 制服诱惑二区| 激情在线观看视频在线高清| 91成年电影在线观看| 99热这里只有精品一区 | 激情在线观看视频在线高清| 色综合站精品国产| 亚洲在线自拍视频| 亚洲片人在线观看| 女警被强在线播放| 欧美成人午夜精品| а√天堂www在线а√下载| 亚洲精品av麻豆狂野| 巨乳人妻的诱惑在线观看| 最近在线观看免费完整版| 老司机深夜福利视频在线观看| 美女高潮喷水抽搐中文字幕| 欧美3d第一页| 12—13女人毛片做爰片一| av视频在线观看入口| 欧美最黄视频在线播放免费| 97碰自拍视频| 午夜福利在线观看吧| 9191精品国产免费久久| 久久精品夜夜夜夜夜久久蜜豆 | 久久精品亚洲精品国产色婷小说| 久久亚洲精品不卡| 久久久国产成人免费| 免费在线观看视频国产中文字幕亚洲| 欧美黑人欧美精品刺激| 欧洲精品卡2卡3卡4卡5卡区| 午夜免费成人在线视频| 午夜福利视频1000在线观看| 亚洲va日本ⅴa欧美va伊人久久| or卡值多少钱| 观看免费一级毛片| 亚洲精品一区av在线观看| 成人av在线播放网站| 亚洲最大成人中文| 国产91精品成人一区二区三区| 在线观看免费午夜福利视频| 岛国在线观看网站| 色综合亚洲欧美另类图片| 在线观看日韩欧美| 亚洲中文字幕日韩| 国产伦人伦偷精品视频| 人人妻人人看人人澡| 黄色视频,在线免费观看| 特级一级黄色大片| 99国产精品一区二区蜜桃av| 亚洲人成网站在线播放欧美日韩| 欧美人与性动交α欧美精品济南到| 日韩欧美 国产精品| 中文字幕精品亚洲无线码一区| 亚洲精品在线观看二区| 成熟少妇高潮喷水视频| 久久中文看片网| 免费在线观看日本一区| 嫩草影院精品99| 成人永久免费在线观看视频| 母亲3免费完整高清在线观看| 欧美成人午夜精品| 国产精品美女特级片免费视频播放器 | av天堂在线播放| 亚洲一区高清亚洲精品| 男女做爰动态图高潮gif福利片| 成人18禁高潮啪啪吃奶动态图| 亚洲精品色激情综合| 丁香六月欧美| 欧美日韩亚洲综合一区二区三区_| 99国产精品一区二区三区| 国产精品 国内视频| 成人特级黄色片久久久久久久| 手机成人av网站| 欧美zozozo另类| 黑人巨大精品欧美一区二区mp4| 男人的好看免费观看在线视频 | 国产v大片淫在线免费观看| 久久精品夜夜夜夜夜久久蜜豆 | 欧美黑人精品巨大| 怎么达到女性高潮| 叶爱在线成人免费视频播放| 国产精品98久久久久久宅男小说| 99在线视频只有这里精品首页| 男人舔奶头视频| 国产v大片淫在线免费观看| 国产av一区二区精品久久| 夜夜躁狠狠躁天天躁| a级毛片a级免费在线| 天天一区二区日本电影三级| 嫁个100分男人电影在线观看| 一进一出抽搐gif免费好疼| 国内精品久久久久久久电影| 久久国产乱子伦精品免费另类| 国产成人啪精品午夜网站| 美女高潮喷水抽搐中文字幕| netflix在线观看网站| 99国产精品一区二区蜜桃av| 国产精品久久久久久久电影 | 国产精品av久久久久免费| 亚洲va日本ⅴa欧美va伊人久久| 欧美成人一区二区免费高清观看 | 久久精品影院6| 久久久久免费精品人妻一区二区| 色精品久久人妻99蜜桃| 日本免费一区二区三区高清不卡| 亚洲欧美精品综合久久99| 黄色女人牲交| 亚洲av中文字字幕乱码综合| 性色av乱码一区二区三区2| 婷婷亚洲欧美| 成人手机av| av天堂在线播放| 欧洲精品卡2卡3卡4卡5卡区| 久久久水蜜桃国产精品网| 久久精品国产综合久久久| 亚洲黑人精品在线| 免费无遮挡裸体视频| 欧美zozozo另类| 国产精品电影一区二区三区| 搡老熟女国产l中国老女人| 久久精品影院6| 国产精品一区二区免费欧美| 91麻豆精品激情在线观看国产| 欧美丝袜亚洲另类 | 国产一区在线观看成人免费| 精品久久蜜臀av无| 日韩成人在线观看一区二区三区| 热99re8久久精品国产| 每晚都被弄得嗷嗷叫到高潮| 亚洲五月婷婷丁香| 国产精品1区2区在线观看.| 母亲3免费完整高清在线观看| 激情在线观看视频在线高清| 岛国在线免费视频观看| 国产伦在线观看视频一区| 国产一区二区三区在线臀色熟女| 人妻丰满熟妇av一区二区三区| 美女高潮喷水抽搐中文字幕| 久久久久精品国产欧美久久久| 亚洲国产看品久久| 欧美日韩亚洲国产一区二区在线观看| 日韩 欧美 亚洲 中文字幕| 色综合欧美亚洲国产小说| 国产精品久久久av美女十八| www国产在线视频色| 亚洲国产精品sss在线观看| 国产成人欧美在线观看| 亚洲自拍偷在线| 国内精品久久久久久久电影| www.自偷自拍.com| 久久久精品国产亚洲av高清涩受| 日韩欧美国产一区二区入口| 两人在一起打扑克的视频| 在线看三级毛片| 亚洲专区中文字幕在线| 国产一区二区三区视频了| 禁无遮挡网站| 18禁观看日本| 久久这里只有精品19| 亚洲成人久久性| 男人的好看免费观看在线视频 | 国产一区二区激情短视频| 精品一区二区三区av网在线观看| 精品乱码久久久久久99久播| www.熟女人妻精品国产| 午夜福利在线在线| 女警被强在线播放| 国产三级中文精品| 免费在线观看成人毛片| 神马国产精品三级电影在线观看 | 中文亚洲av片在线观看爽| a在线观看视频网站| 变态另类成人亚洲欧美熟女| 国产精品久久视频播放| 亚洲色图av天堂| 18美女黄网站色大片免费观看| 精品少妇一区二区三区视频日本电影| 免费看十八禁软件| 日本黄色视频三级网站网址| 黄片大片在线免费观看| 黄色 视频免费看| 18禁黄网站禁片午夜丰满| av天堂在线播放| 夜夜夜夜夜久久久久| 97人妻精品一区二区三区麻豆| 欧美日韩亚洲国产一区二区在线观看| 久久精品aⅴ一区二区三区四区| 国产精品 欧美亚洲| 色综合亚洲欧美另类图片| 久久国产精品人妻蜜桃| 深夜精品福利| 人妻丰满熟妇av一区二区三区| 国产精品日韩av在线免费观看| 9191精品国产免费久久| 一个人免费在线观看电影 | av在线播放免费不卡| 99国产精品99久久久久| 亚洲五月天丁香| 免费看a级黄色片| 黄色a级毛片大全视频| 男女之事视频高清在线观看| 欧美一区二区精品小视频在线| 亚洲国产精品久久男人天堂| 九九热线精品视视频播放| www日本在线高清视频| 国产亚洲av嫩草精品影院| 精华霜和精华液先用哪个| 国产激情偷乱视频一区二区| 久久精品成人免费网站| 少妇人妻一区二区三区视频| 精品国产乱子伦一区二区三区| 亚洲国产精品成人综合色| 国产精品久久久久久亚洲av鲁大| 天堂影院成人在线观看| 男女之事视频高清在线观看| 亚洲熟女毛片儿| 特大巨黑吊av在线直播| 日韩三级视频一区二区三区| 亚洲专区国产一区二区| 成人国语在线视频| 亚洲精品粉嫩美女一区| 无限看片的www在线观看| 在线观看日韩欧美| 久久精品aⅴ一区二区三区四区| 在线观看舔阴道视频| 亚洲欧美日韩高清专用| 久久精品国产亚洲av香蕉五月| 波多野结衣巨乳人妻| 一边摸一边抽搐一进一小说| 国产成人系列免费观看| 99国产精品99久久久久| 国产精华一区二区三区| avwww免费| 黑人操中国人逼视频| 亚洲欧美日韩高清专用| 99久久精品热视频| 免费在线观看视频国产中文字幕亚洲| 操出白浆在线播放| 黄片小视频在线播放| 欧美不卡视频在线免费观看 | 男女做爰动态图高潮gif福利片| 欧美日韩国产亚洲二区| av福利片在线| 亚洲成人国产一区在线观看| 欧美激情久久久久久爽电影| 在线看三级毛片| 变态另类丝袜制服|