• <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 ?

    徑向基神經(jīng)網(wǎng)絡在豬胴體瘦肉率預測中的應用

    2017-12-16 07:01:50萌,鐘
    農(nóng)機化研究 2017年6期
    關鍵詞:瘦肉率胴體神經(jīng)元

    張 萌,鐘 南

    (華南農(nóng)業(yè)大學 工程學院,廣州 510642)

    ?

    徑向基神經(jīng)網(wǎng)絡在豬胴體瘦肉率預測中的應用

    張 萌,鐘 南

    (華南農(nóng)業(yè)大學 工程學院,廣州 510642)

    豬胴體瘦肉率(LMP)是評價豬肉品質(zhì)的重要指標之一,在生產(chǎn)線上快速而準確地預測出其數(shù)值并進行分級是并不可少的。目前,國內(nèi)大部分廠家依然采取屠宰后人工稱重測量的方法,耗時耗力,且存在相當大的誤差。為此,隨機抽取了116頭皖北地區(qū)商品豬,選定眼肌面積、背膘厚及腿臀比作為參考數(shù)據(jù),以MatLab工具箱作為研究工具,利用BP、Elman和RBF等3種不同的神經(jīng)網(wǎng)絡建立預測模型,統(tǒng)計后進行比較分析。實驗表明:3種模型的神經(jīng)網(wǎng)絡均可用于瘦肉率預測,但RBF網(wǎng)絡誤差最小,訓練速度最快,學習能力最強,最適合用于建立瘦肉率的預測模型。

    瘦肉率;RBF神經(jīng)網(wǎng)絡;BP神經(jīng)網(wǎng)絡;Elman神經(jīng)網(wǎng)絡

    0 引言

    隨著人們對物質(zhì)生活要求的不斷提高,豬肉品質(zhì)評定越來越受到人們的關注,豬胴體瘦肉率作為豬肉品質(zhì)的重要指標之一,在豬的育種、收購等方面都占據(jù)著重要的地位。目前,在國內(nèi)大部分食品加工廠采用的測量瘦肉率的手段,仍然是將左側(cè)胴體的皮、脂、肉、骨分離,稱重后計算其百分比。這種方法不僅耗費人力物力,測量誤差大,經(jīng)濟效益也偏低[1]。

    國內(nèi)外關于預測豬胴體瘦肉率的研究已經(jīng)有很長的歷史,預測技術也日趨完善。由于豬瘦肉率與其胴體、活體形狀部分特性存在著密切相關的關系[2],據(jù)此可以將部分胴體或活體性狀作為指標,經(jīng)過計算處理后建立預測模型,再通過預測模型得到檢測目標的瘦肉率。預測模型的建立一般是通過統(tǒng)計軟件或人工計算得出[3],不僅計算量大,得出的模型誤差也較大。

    人工神經(jīng)網(wǎng)絡是一種模仿人腦神經(jīng)網(wǎng)絡的復雜網(wǎng)絡系統(tǒng),具有泛化能力,通常表現(xiàn)在能夠進行預測,即掌握已有數(shù)據(jù)的內(nèi)在規(guī)律后對新的情況做出預測,目前被廣泛應用于各個領域中[4]。其中,BP(Back Propagation)神經(jīng)網(wǎng)絡、Elman神經(jīng)網(wǎng)絡和徑向基函數(shù)(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡在數(shù)據(jù)預測方面都有不錯的應用前景。目前,國內(nèi)外對神經(jīng)網(wǎng)絡已經(jīng)做了相當多的研究工作,技術也相當成熟,但使用神經(jīng)網(wǎng)絡用于瘦肉率預測的基本都是BP網(wǎng)絡及其改進模型。本文以MatLab為實驗工具,分別采用BP、Elman和RBF等3種不同的神經(jīng)網(wǎng)絡建立預測模型,同實際數(shù)據(jù)進行對比分析,說明RBF網(wǎng)絡較其他兩種網(wǎng)絡的優(yōu)勢。

    1 數(shù)據(jù)采集與處理

    1.1 實驗原理

    國內(nèi)外對豬胴體瘦肉率預測模型的研究已經(jīng)有比較長的歷史,研究表明瘦肉率與眼肌面積、背膘厚及腿臀比等特性存在一定的關系[5]。這些指標在生產(chǎn)流水線上都比較容易獲得,而超聲波、機器視覺、核磁共振、電子鼻等新興技術的發(fā)展也使得獲取上述指標更加便利和準確[6]。

    MatLab神經(jīng)網(wǎng)絡相關功能豐富,除了具備建立、仿真、測試網(wǎng)絡等一系列函數(shù)外,還有專門的神經(jīng)網(wǎng)絡工具箱,在工具箱界面中只需修改相關參數(shù),即可獲得相應的神經(jīng)網(wǎng)絡相關數(shù)據(jù)[7];在后期決定隱含層神經(jīng)元個數(shù)、分布密度等數(shù)值時,利用神經(jīng)網(wǎng)絡工具箱進行對比更加便捷和可靠。

    采集眼肌面積、背膘厚和腿臀比數(shù)據(jù)后,將其作為輸入數(shù)據(jù),將瘦肉率作為輸出數(shù)據(jù),建立3輸入1輸出的神經(jīng)網(wǎng)絡模型。網(wǎng)絡訓練成功后,只要采集待檢測目標的3個指定數(shù)據(jù)并將其輸入模型,就可以得到對應的瘦肉率數(shù)據(jù)。

    1.2 數(shù)據(jù)采集

    實驗對象為皖北地區(qū)商品豬,生豬品種為外三元(杜長大、杜大長)。生豬經(jīng)過沐浴后,進行屠宰放血,去毛、頭、蹄、尾、內(nèi)臟后劈半,然后在每頭豬左半胴體上測量數(shù)據(jù)[8],得出其眼肌面積、背膘厚、腿臀比3個指標數(shù)據(jù);將皮、脂、肉、骨分離后稱重計算得出瘦肉率,并將數(shù)據(jù)進行統(tǒng)計分析。實驗數(shù)據(jù)均由安徽省東升食品有限公司提供,考慮到人工測量存在一定的誤差,排除部分誤差較大的數(shù)據(jù)后,選取116組數(shù)據(jù)作為實驗材料。

    眼肌面積指家畜背最長肌的橫斷面面積。目前,在屠宰測定上一般采用公式法,即

    眼肌高(cm)×眼肌寬(cm)×系數(shù)0.7=眼肌面積(cm2)

    這種公式法計算準確率高,大大降低了測量難度。背膘厚表示豬脂肪的多少,背膘厚度越厚瘦肉率越低;相反,則瘦肉率越高。我國現(xiàn)在背膘厚的測量標準為取三點測量,即肩胛后沿、最后肋處及腰薦結合處距背正中線4cm處作為測量點,之后取三點平均值(cm)。腿臀比一般指左側(cè)后腿臀重占左側(cè)胴體體重的百分比(%)。

    在116組數(shù)據(jù)中隨機抽選100組作為訓練數(shù)據(jù),用于訓練建立神經(jīng)網(wǎng)絡,其余16組作為驗證數(shù)據(jù),用以分析網(wǎng)絡模型的預測效果。

    1.3 數(shù)據(jù)處理

    樣本數(shù)據(jù)的標準不一樣,需要對其進行歸一化,統(tǒng)一評價標準。雖然不進行歸一化也可以進行網(wǎng)絡訓練,但訓練歸一化后的數(shù)據(jù)有利于提高網(wǎng)絡收斂速度,尤其在輸入信號全部是正值時,與第1層隱含層神經(jīng)元連接的權值只能同時增大或減小,導致學習速度很慢。用mapminmax函數(shù)對樣本數(shù)據(jù)進行歸一化處理,使用歸一化后的數(shù)據(jù)進行網(wǎng)絡訓練將更加有效,加快網(wǎng)絡的收斂速度。將輸入輸出映射到[-1,1]范圍內(nèi)進行訓練,再將仿真輸出進行反歸一化映射到原數(shù)值范圍內(nèi),這樣輸入輸出信號都是原始信號標準,歸一化反歸一化只在神經(jīng)網(wǎng)絡內(nèi)部訓練網(wǎng)絡結構時使用。歸一化處理公式為

    其中,x為樣本數(shù)據(jù);xmin為樣本最小值;xmin為樣本最大值;ymax=1;ymin=-1;y為歸一化后的樣本值[9]。

    輸入數(shù)據(jù)為100×3的矩陣數(shù)據(jù),輸出數(shù)據(jù)為100×1的矩陣數(shù)據(jù),將100組歸一化后的數(shù)據(jù)傳輸?shù)組atLab神經(jīng)網(wǎng)絡工具箱中進行訓練;然后,將16×3的驗證輸入數(shù)據(jù)傳輸?shù)接柧毢玫木W(wǎng)絡中,將得到的16×1輸出數(shù)據(jù)并進行反歸一化后,與驗證數(shù)據(jù)中的輸出數(shù)據(jù)作對比,檢測網(wǎng)絡的可用性。

    2 神經(jīng)網(wǎng)絡設計

    2.1 BP神經(jīng)網(wǎng)絡

    BP神經(jīng)網(wǎng)絡是一種多層前饋網(wǎng)絡,可以看作是一個從輸入到輸出的高度非線性映射,調(diào)整網(wǎng)絡權值的訓練算法是誤差反向傳播學習算法。其結構簡單,可調(diào)參數(shù)多,是目前應用最廣泛的神經(jīng)網(wǎng)絡模型。網(wǎng)絡結構由輸入層、隱含層和輸出層3個部分構成,上下層之間實行權連接,而每層神經(jīng)元之間無任何連接[10]。BP學習算法的實質(zhì)就是求解誤差函數(shù)的最小值問題,通過不斷調(diào)整神經(jīng)元權值來逼近最小誤差。

    在BP網(wǎng)絡結果中,隱含層的神經(jīng)元個數(shù)是影響網(wǎng)絡效果的最重要因素,決定其數(shù)量的過程十分復雜,一般根據(jù)設計者經(jīng)驗和多次實驗比較來決定。神經(jīng)元個數(shù)過多,會導致學習時間過長,誤差也不一定會更小。本實驗中,分別建立神經(jīng)元個數(shù)N=11、12、15、17時的4個網(wǎng)絡,比較其預測結果。其他參數(shù)的選擇中,隱含層傳遞函數(shù)選取tansig(雙曲正切S型傳遞函數(shù)),輸出層傳遞函數(shù)選取purelin(線性傳遞函數(shù)),訓練函數(shù)選取trainlm(自適應BP的梯度遞減),性能函數(shù)選取mse均方誤差,將100組訓練數(shù)據(jù)歸一化后輸入網(wǎng)絡進行訓練,并用16組驗證數(shù)據(jù)檢測網(wǎng)絡結構的準確率,預測結果如圖1所示。

    圖1 不同神經(jīng)元個數(shù)的BP網(wǎng)絡預測結果Fig.1 Predicted results of BP neural network by different number of neurons

    由圖1可以看出:當神經(jīng)元個數(shù)N=15時,預測值的準確性明顯比N=11、13時要高;當N=17時,雖然個別樣本比N=15時的網(wǎng)絡預測值要準確,但是整體的準確性卻沒有比N=15時高,而且神經(jīng)元個數(shù)越多網(wǎng)絡訓練時間越長,模型結構越復雜。綜上所述,神經(jīng)元個數(shù)取15時,BP網(wǎng)絡預測結果最佳。

    2.2 Elman神經(jīng)網(wǎng)絡

    Elman網(wǎng)絡是一種局部回歸網(wǎng)絡,等同于一個具有局部記憶和局部反饋功能的前向網(wǎng)絡模型。Elman模型在隱含層中添加了一個承接層,作為一步延時算子[11],因此Elman網(wǎng)絡具有記憶的功能,而系統(tǒng)有能力適應時變特性。除了承接層外,其余結構與BP網(wǎng)絡相差無幾,Elman網(wǎng)絡在進行權值修正時依舊采用BP算法。

    從理論上講,Elman網(wǎng)絡隱含層的神經(jīng)元個數(shù)是任意確定的,但是隨著其數(shù)目的提高,可以解決越來越復雜的問題,足夠多的神經(jīng)元數(shù)目使得網(wǎng)絡保證了足夠高的精度和速度。鑒于Elman網(wǎng)絡和BP網(wǎng)絡均采用BP算法,為了比較Elman網(wǎng)絡與BP網(wǎng)絡的優(yōu)劣,本次實驗中訓練Elman網(wǎng)絡的參數(shù)全部與BP網(wǎng)絡相同,用16組驗證數(shù)據(jù)檢測網(wǎng)絡結構的準確率,預測結果如圖2所示。

    圖2 Elman網(wǎng)絡預測結果Fig.2 Predicted result of Elman neural network

    2.3 RBF神經(jīng)網(wǎng)絡

    徑向基函數(shù)網(wǎng)絡屬于前饋網(wǎng)絡,由一組感知單元組成的輸入層、計算節(jié)點的隱含層和輸出層3部分組成。在RBF網(wǎng)絡中,輸入矢量將被直接映射到隱含層空間,很多在低維空間線性不可分的問題,映射到高維空間后就線性可分了。與BP網(wǎng)絡和Elman網(wǎng)絡不同的是,前兩種網(wǎng)絡隱含層的傳遞函數(shù)一般選取S型函數(shù),而RBF網(wǎng)絡隱含層常選用高斯函數(shù)。高斯函數(shù)是通過對輸入與函數(shù)中心點的距離來算權重的,這樣使得徑向基函數(shù)對輸入信號在局部產(chǎn)生響應,故這種網(wǎng)絡結構具有局部逼近的能力,而這種能力也使得RBF網(wǎng)絡可以以任意精度逼近任意連續(xù)函數(shù)。

    在MatLab中使用newrbe函數(shù)創(chuàng)建RBF神經(jīng)網(wǎng)絡,其神經(jīng)元個數(shù)等于輸入樣本數(shù),修正權值和閾值的方法不一,沒有專門的訓練和學習函數(shù)。RBF網(wǎng)絡的訓練參數(shù)沒有前兩種網(wǎng)絡那樣繁多,確定輸入和輸出矢量后,只需要確定分度密度Spread,分布密度越大,輸出結果越光滑;但太大會使傳遞函數(shù)的作用域擴大到全局,這樣就會喪失局部收斂的優(yōu)勢。多次測試后,當Spread=0.8時,網(wǎng)絡效果最佳。用16組驗證數(shù)據(jù)檢測網(wǎng)絡結構的準確率,預測結果如圖3所示。

    圖3 RBF網(wǎng)絡預測結果Fig.3 Predicted result of RBF neural network

    3 結果與討論

    BP和Elman網(wǎng)絡在按照上文所述參數(shù)設置后,開始訓練網(wǎng)絡模型,達到最佳訓練精度或訓練步數(shù)達到1 000后會停止訓練,其均方誤差曲線分別如圖4所所示。

    圖4 BP網(wǎng)絡與Elman網(wǎng)絡學習誤差曲線Fig.4 The error curve of BP and Elman neural network

    由圖4可知:BP網(wǎng)絡在訓練大約460步后近似達到最佳精度,Elman網(wǎng)絡在訓練大約240步后近似達到最佳精度,而最佳精度都近似為10-2。以上兩種網(wǎng)絡采取的都是全局最優(yōu)化,而RBF網(wǎng)絡只需進行局部最優(yōu),盡管RBF網(wǎng)絡的激活函數(shù)為徑向基函數(shù),神經(jīng)元輸入空間區(qū)域很小,神經(jīng)元個數(shù)更多、結構更復雜,但RBF網(wǎng)絡卻仍然有著更快的學習速率。

    將16組歸一化處理后的驗證數(shù)據(jù)的輸入量分別傳輸?shù)?種已經(jīng)訓練好的網(wǎng)絡中,記錄3種網(wǎng)絡模型反歸一化后的輸出信號(即瘦肉率),并與人工測量的瘦肉率指標做對比,計算預測數(shù)據(jù)和人工測量數(shù)據(jù)的絕對誤差[12],結果如表1所示。

    表1 幾種預測方法的結果對比

    通過圖1中左下角部分(N=15的BP網(wǎng)絡擬合圖)和表1可知:在BP網(wǎng)絡的預測結果中,大部分數(shù)據(jù)的誤差都比較小,滿足預測瘦肉率所需精度;但是,6、12號樣本的誤差較大,考慮到BP神經(jīng)網(wǎng)絡的不足之處[13],很可能是陷入了局部極小點。

    通過圖2和表1可知:Elman網(wǎng)絡的預測誤差比較平均,精度也達到所需水準,均在1%以下。從Elman網(wǎng)絡的擬合圖中可以看出:雖然個別樣本預測結果不如BP網(wǎng)絡,但是Elman網(wǎng)絡比BP網(wǎng)絡更穩(wěn)定,不存在誤差特別大的點,具有更好的實用性。

    通過圖3和表1可知:RBF網(wǎng)絡所有樣本的預測誤差都接近0,擬合圖中實際值和預測值幾乎全部重合,從而足以證明RBF網(wǎng)絡具有最佳的學習能力和預測能力。

    4 結論

    實驗表明:BP、Elman和RBF等3種神經(jīng)網(wǎng)絡均可用于豬胴體瘦肉率預測,RBF網(wǎng)絡適應性最強。國內(nèi)大多數(shù)廠家依然采取人工測量的手段,采用BP網(wǎng)絡等技術的方法也已經(jīng)研究了很長一段時間,然而RBF和Elman網(wǎng)絡在此領域卻沒有被應用。雖然BP網(wǎng)絡現(xiàn)在仍然是應用最多的神經(jīng)網(wǎng)絡,但是RBF網(wǎng)絡明顯具有更好的適應性。與其采用不同方法改進后的BP網(wǎng)絡模型[14],選擇RBF神經(jīng)網(wǎng)絡將更有效率和實用性。

    [1] 石忠志,王敏,龔海巖,等.我國生豬屠宰行業(yè)豬肉分級標準現(xiàn)狀與對策[J].中國食物與營養(yǎng),2014,20(10):22-24.

    [2] Maria Font i Furnols,Marina Gispert.Comparison of different devices for predicting the lean meat percentage of pig carcasses [J]. Meat Science, 2009, 83(3):443-446.

    [3] 尹佳,周光宏,徐幸蓮.基于豬胴體影像分級儀的我國商品豬瘦肉率預測方程的建立[J].食品科學,2010,31(23):84-87.

    [4] A A Argyri, E Z Panagou, P A Tarantilis, et al. Rapid qualitative and quantitative detection of beef fillets spoilage based on Fourier transform infrared spectroscopy data and artificial neural networks [J]. Sensors and Actuators B: Chemical, 2010, 145(1): 146-154.

    [5] 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(nóng)業(yè)大學學報,2002,20(2):153-155.

    [6] 成芳,廖宜濤,馬君偉.豬肉品質(zhì)無損檢測研究進展[J].浙江大學學報:農(nóng)業(yè)與生命科學版,2010,36(2):199-206.

    [7] 鄭麗敏,田立軍,朱虹,等.基于MATLAB的BP神經(jīng)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.

    [8] 王麗紅,葉金鵬,王子戡,等.畜禽胴體分級技術[J].肉類工業(yè),2014(10):37-41.

    [9] 張靠社,羅釗.基于RBF-BP組合神經(jīng)網(wǎng)絡的短期風電功率預測研究[J].可再生能源,2014,32(9):1346-1351.

    [10] K. Manikya Kanti, P. Srinivasa Rao. Prediction of bead geometry in pulsed GMA welding using back propagation neural network[J].Journal of Materials Processing Technology, 2008, 200(1-3):300-305.

    [11] Cheng-Yuan Liou, Jau-Chi Huang, Wen-Chie Yang. Modeling word perception using the Elman network[J].Neurocomputing,2008,71(16-18):3150-3157.

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

    [13] A. Fortin, A K M Tong, W M Robertson, et al.A novel approach to grading pork carcasses: computer vision and ultrasound [J].Meat Science,2003,63(4):451-462.

    [14] David I Ellis, David Broadhurst, Royston Goodacre. Rapid and quantitative detection of the microbial spoilage of beef by Fourier transform infrared spectroscopy and machine learning [J]. Analytica Chimica Acta,2004,514(2):193-201.Abstract ID:1003-188X(2017)06-0188-EA

    Lean Meat Percentage Prediction of Pig Carcass Based on Radial Basis Function Neural Network

    Zhang Meng, Zhong Nan

    (College of Engineering, South China Agricultural University, Guangzhou 510642, China)

    Lean meat percentage(LMP) of pig carcass is one of the important indexes of pork quality evaluation. It is necessary to predict the data accurately and quickly, and complete grading on the production line. Most of the producers still use the traditional manual dissection method, which is not only time and labor consuming, but also inaccurate, to measure the LMP after slaughtering. Research of neural network in this field of LMP measurement has been conducted, but was always operated on BP neural network structure. In this study, 116 commercial pigs from the northern Anhui Province were randomly selected as the research materials, and the parameters acquired were loin eye area, back-fat thickness and ham percentage. MatLab was used to build up and train BP network, Elman network and RBF network, and to generate LMP values for further analysis. As the data shows, all three types of neural networks can be used for LMP prediction, while RBF, with the minimum error, the fastest training speed and the strongest learning ability, proves to be the most suitable model for LMP prediction.

    lean meat percentage; RBF neural network; BP neural network; Elman neural network

    2016-05-09

    廣東省科技計劃項目(2012A020602039);教育部國家留學回國人員啟動基金項目(2011-1568);廣州市產(chǎn)學研協(xié)同創(chuàng)新重大專項(201508010013)

    張 萌(1991-),男,安徽亳州人,碩士研究生。

    鐘 南(1965-),女,湖北荊州人,教授,博士生導師,(E-mail)zhongnan@scau.edu.cn。

    S815.4;TP368

    A

    1003-188X(2017)06-0188-05

    猜你喜歡
    瘦肉率胴體神經(jīng)元
    商品豬場雜交母本的選擇
    《從光子到神經(jīng)元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    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
    躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    內(nèi)洛爾公牛的飼料轉(zhuǎn)化率及其與胴體品質(zhì)、非胴體品質(zhì)和肉品質(zhì)的關系
    飼料博覽(2016年5期)2016-07-12 11:58:39
    藍塘豬與長白豬正反交F1代胴體性狀和肉品質(zhì)的比較
    基于二次型單神經(jīng)元PID的MPPT控制
    電源技術(2015年5期)2015-08-22 11:18:38
    毫米波導引頭預定回路改進單神經(jīng)元控制
    精品福利观看| 汤姆久久久久久久影院中文字幕| 一级毛片电影观看| 国产精品免费视频内射| 久久毛片免费看一区二区三区| 久久人妻熟女aⅴ| 又大又黄又爽视频免费| 黄色毛片三级朝国网站| 久久久久久免费高清国产稀缺| 久久狼人影院| 母亲3免费完整高清在线观看| 爱豆传媒免费全集在线观看| 久久精品国产综合久久久| 成年av动漫网址| 久久亚洲国产成人精品v| 天天躁夜夜躁狠狠久久av| 18禁裸乳无遮挡动漫免费视频| 男男h啪啪无遮挡| 久久久久久久大尺度免费视频| 尾随美女入室| 一区在线观看完整版| 国产激情久久老熟女| 美国免费a级毛片| 韩国精品一区二区三区| 亚洲av日韩精品久久久久久密 | av天堂久久9| 欧美日韩av久久| 国产免费又黄又爽又色| 亚洲,欧美精品.| 国产免费现黄频在线看| 美女高潮到喷水免费观看| 一区二区日韩欧美中文字幕| 91麻豆精品激情在线观看国产 | 久久久久久免费高清国产稀缺| 午夜视频精品福利| 中文字幕制服av| 老汉色∧v一级毛片| 久久人人97超碰香蕉20202| 丝瓜视频免费看黄片| 极品少妇高潮喷水抽搐| 久久国产精品大桥未久av| 精品国产一区二区久久| 一本大道久久a久久精品| 极品少妇高潮喷水抽搐| 欧美在线一区亚洲| 搡老乐熟女国产| 香蕉国产在线看| 亚洲欧洲日产国产| 男人爽女人下面视频在线观看| 国产精品麻豆人妻色哟哟久久| 大陆偷拍与自拍| 日韩一卡2卡3卡4卡2021年| 国产成人精品久久二区二区免费| 午夜影院在线不卡| 日韩一本色道免费dvd| 熟女少妇亚洲综合色aaa.| 女性被躁到高潮视频| 天天影视国产精品| a级毛片在线看网站| 美女扒开内裤让男人捅视频| 日本欧美国产在线视频| 巨乳人妻的诱惑在线观看| 精品免费久久久久久久清纯 | 欧美黄色片欧美黄色片| 久久99精品国语久久久| 黄色毛片三级朝国网站| 少妇精品久久久久久久| 一级片免费观看大全| 亚洲欧洲日产国产| 超碰97精品在线观看| 亚洲,欧美,日韩| 制服诱惑二区| xxxhd国产人妻xxx| 女人高潮潮喷娇喘18禁视频| 香蕉丝袜av| 日韩大片免费观看网站| 97精品久久久久久久久久精品| 热99久久久久精品小说推荐| 91国产中文字幕| 国产成人av激情在线播放| 国产无遮挡羞羞视频在线观看| 高清视频免费观看一区二区| 亚洲欧洲国产日韩| 精品国产国语对白av| 极品少妇高潮喷水抽搐| 日韩av不卡免费在线播放| av一本久久久久| 一级黄色大片毛片| 啦啦啦 在线观看视频| 美女主播在线视频| 亚洲国产最新在线播放| 80岁老熟妇乱子伦牲交| 国产熟女午夜一区二区三区| 高清欧美精品videossex| 国产免费又黄又爽又色| 香蕉国产在线看| 日日爽夜夜爽网站| 在线观看一区二区三区激情| 1024视频免费在线观看| 99国产精品99久久久久| 欧美在线黄色| 欧美精品一区二区免费开放| netflix在线观看网站| 日本91视频免费播放| 最近最新中文字幕大全免费视频 | 99re6热这里在线精品视频| 99香蕉大伊视频| 精品少妇内射三级| 久久久精品免费免费高清| 亚洲精品久久久久久婷婷小说| 欧美久久黑人一区二区| 国产高清视频在线播放一区 | 七月丁香在线播放| 亚洲精品一卡2卡三卡4卡5卡 | 天天添夜夜摸| 欧美另类一区| 啦啦啦啦在线视频资源| 中文字幕另类日韩欧美亚洲嫩草| 国产视频首页在线观看| 99久久人妻综合| 少妇裸体淫交视频免费看高清 | 精品少妇内射三级| 80岁老熟妇乱子伦牲交| 99香蕉大伊视频| 精品久久久精品久久久| 国产精品国产av在线观看| 久久九九热精品免费| 国产1区2区3区精品| 女人高潮潮喷娇喘18禁视频| 国产成人影院久久av| 50天的宝宝边吃奶边哭怎么回事| 91成人精品电影| 纵有疾风起免费观看全集完整版| 成人18禁高潮啪啪吃奶动态图| 晚上一个人看的免费电影| av有码第一页| av网站在线播放免费| 一边摸一边做爽爽视频免费| 夫妻性生交免费视频一级片| 欧美精品av麻豆av| 97在线人人人人妻| 婷婷色麻豆天堂久久| 精品少妇久久久久久888优播| www.自偷自拍.com| 亚洲激情五月婷婷啪啪| 欧美日韩国产mv在线观看视频| 巨乳人妻的诱惑在线观看| 又大又爽又粗| 女人爽到高潮嗷嗷叫在线视频| 国产日韩欧美在线精品| 一区在线观看完整版| 咕卡用的链子| 久久av网站| 又大又黄又爽视频免费| 亚洲欧美日韩另类电影网站| 久久国产精品大桥未久av| 一本色道久久久久久精品综合| 精品少妇内射三级| 在现免费观看毛片| 国产精品99久久99久久久不卡| 悠悠久久av| 国产淫语在线视频| 视频区欧美日本亚洲| 婷婷色麻豆天堂久久| 婷婷色综合大香蕉| 免费av中文字幕在线| av国产精品久久久久影院| 女性被躁到高潮视频| 男人舔女人的私密视频| 国产精品国产av在线观看| 精品国产乱码久久久久久男人| 国产色视频综合| 在线观看国产h片| 亚洲专区中文字幕在线| 亚洲激情五月婷婷啪啪| 国语对白做爰xxxⅹ性视频网站| 亚洲国产看品久久| 久久精品国产亚洲av高清一级| 欧美日韩亚洲国产一区二区在线观看 | 亚洲视频免费观看视频| 老司机影院成人| 亚洲成人免费av在线播放| 亚洲国产精品一区二区三区在线| 最新在线观看一区二区三区 | 下体分泌物呈黄色| 午夜精品国产一区二区电影| 国产成人系列免费观看| 国产欧美日韩精品亚洲av| 丝袜美腿诱惑在线| 成年人黄色毛片网站| 爱豆传媒免费全集在线观看| 国精品久久久久久国模美| www日本在线高清视频| 久久久久久久国产电影| 亚洲av美国av| 国产精品 国内视频| 免费不卡黄色视频| 看免费av毛片| 欧美 日韩 精品 国产| 欧美激情高清一区二区三区| 人人妻人人添人人爽欧美一区卜| 亚洲成人免费av在线播放| 免费高清在线观看视频在线观看| 2021少妇久久久久久久久久久| 国产精品国产av在线观看| 一区二区av电影网| 亚洲精品国产区一区二| 欧美激情极品国产一区二区三区| 99香蕉大伊视频| 色婷婷久久久亚洲欧美| 欧美老熟妇乱子伦牲交| 欧美成狂野欧美在线观看| 中文字幕精品免费在线观看视频| 九草在线视频观看| 国产日韩一区二区三区精品不卡| 国产淫语在线视频| 成人国语在线视频| 男人舔女人的私密视频| 香蕉国产在线看| 久久精品亚洲熟妇少妇任你| videosex国产| 精品第一国产精品| 午夜免费观看性视频| 视频区图区小说| 九色亚洲精品在线播放| 欧美日韩亚洲综合一区二区三区_| 中国国产av一级| 精品亚洲成a人片在线观看| 国产精品偷伦视频观看了| 一本大道久久a久久精品| 在线精品无人区一区二区三| 欧美精品av麻豆av| 成年动漫av网址| 久久精品久久久久久噜噜老黄| 国产黄色视频一区二区在线观看| 国产免费福利视频在线观看| 精品卡一卡二卡四卡免费| 久久毛片免费看一区二区三区| 少妇人妻久久综合中文| 中文字幕亚洲精品专区| 美女大奶头黄色视频| 男男h啪啪无遮挡| 91麻豆精品激情在线观看国产 | 亚洲欧美中文字幕日韩二区| 久久人妻福利社区极品人妻图片 | 狠狠婷婷综合久久久久久88av| 亚洲情色 制服丝袜| 在线观看一区二区三区激情| bbb黄色大片| 麻豆乱淫一区二区| 日韩av不卡免费在线播放| 天天躁日日躁夜夜躁夜夜| 尾随美女入室| 欧美精品av麻豆av| 精品人妻在线不人妻| 性少妇av在线| 亚洲精品中文字幕在线视频| 亚洲五月婷婷丁香| 一级a爱视频在线免费观看| 国产av精品麻豆| 国产精品一区二区免费欧美 | 一级片免费观看大全| 亚洲国产最新在线播放| 久久精品人人爽人人爽视色| xxxhd国产人妻xxx| 欧美人与善性xxx| 2018国产大陆天天弄谢| 亚洲第一av免费看| 国产精品亚洲av一区麻豆| 美女视频免费永久观看网站| 亚洲五月婷婷丁香| 亚洲精品成人av观看孕妇| 成年美女黄网站色视频大全免费| 亚洲欧美一区二区三区久久| 亚洲av日韩精品久久久久久密 | 秋霞在线观看毛片| 国产三级黄色录像| 国产精品秋霞免费鲁丝片| 9191精品国产免费久久| 欧美97在线视频| 国产成人一区二区三区免费视频网站 | 日韩 欧美 亚洲 中文字幕| 又大又爽又粗| 热re99久久国产66热| 国产日韩欧美在线精品| 亚洲欧美精品自产自拍| 少妇人妻久久综合中文| 一本大道久久a久久精品| 巨乳人妻的诱惑在线观看| 亚洲七黄色美女视频| 午夜激情久久久久久久| 一边摸一边抽搐一进一出视频| 亚洲精品久久成人aⅴ小说| 麻豆av在线久日| 午夜久久久在线观看| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲专区中文字幕在线| 成在线人永久免费视频| 国产97色在线日韩免费| 男人爽女人下面视频在线观看| 久久精品aⅴ一区二区三区四区| 久久99精品国语久久久| xxxhd国产人妻xxx| 国产在线一区二区三区精| 少妇裸体淫交视频免费看高清 | 久久久久久久大尺度免费视频| 国产精品一区二区在线观看99| 国产成人欧美在线观看 | 视频在线观看一区二区三区| 精品卡一卡二卡四卡免费| 久久久久国产精品人妻一区二区| 精品亚洲成国产av| 人体艺术视频欧美日本| 欧美日韩亚洲国产一区二区在线观看 | 久久午夜综合久久蜜桃| 国产爽快片一区二区三区| 亚洲av日韩在线播放| 亚洲国产欧美网| 看免费成人av毛片| 丁香六月欧美| 美女高潮到喷水免费观看| 天堂8中文在线网| 亚洲国产看品久久| 波多野结衣一区麻豆| 精品少妇内射三级| 欧美精品高潮呻吟av久久| 视频在线观看一区二区三区| 午夜日韩欧美国产| 欧美97在线视频| 亚洲精品自拍成人| 久久国产亚洲av麻豆专区| 国产黄色视频一区二区在线观看| 丁香六月天网| 99国产综合亚洲精品| 国产成人av教育| 手机成人av网站| 91精品三级在线观看| 亚洲国产欧美在线一区| 亚洲精品国产区一区二| 性高湖久久久久久久久免费观看| av片东京热男人的天堂| 亚洲精品第二区| 精品国产一区二区三区久久久樱花| www.精华液| 亚洲精品国产区一区二| 国产亚洲精品久久久久5区| 国产日韩一区二区三区精品不卡| 免费黄频网站在线观看国产| 国产成人影院久久av| 午夜日韩欧美国产| 国产主播在线观看一区二区 | 亚洲精品国产区一区二| 叶爱在线成人免费视频播放| 午夜久久久在线观看| 在线亚洲精品国产二区图片欧美| 男女免费视频国产| 国产一区二区 视频在线| 欧美精品高潮呻吟av久久| 十分钟在线观看高清视频www| 十八禁高潮呻吟视频| 亚洲欧洲国产日韩| 亚洲少妇的诱惑av| 亚洲精品乱久久久久久| 精品国产一区二区三区四区第35| 午夜激情久久久久久久| av在线app专区| 香蕉国产在线看| 美国免费a级毛片| 午夜免费男女啪啪视频观看| 久久精品成人免费网站| 男男h啪啪无遮挡| 欧美变态另类bdsm刘玥| 男人操女人黄网站| a级毛片黄视频| 亚洲国产日韩一区二区| 久久久精品国产亚洲av高清涩受| 欧美精品亚洲一区二区| 性高湖久久久久久久久免费观看| av一本久久久久| 在线观看人妻少妇| 日韩av在线免费看完整版不卡| 99久久99久久久精品蜜桃| 热99久久久久精品小说推荐| 欧美黄色淫秽网站| 久久久久久久国产电影| 只有这里有精品99| 欧美精品啪啪一区二区三区 | 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品日本国产第一区| 精品久久久久久久毛片微露脸 | 精品久久蜜臀av无| 午夜视频精品福利| 高清黄色对白视频在线免费看| 亚洲 欧美一区二区三区| 午夜福利乱码中文字幕| 一本—道久久a久久精品蜜桃钙片| 久久久久久免费高清国产稀缺| 满18在线观看网站| 午夜日韩欧美国产| 久久天堂一区二区三区四区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美日韩另类电影网站| 中文字幕人妻丝袜制服| 精品一区二区三区av网在线观看 | 王馨瑶露胸无遮挡在线观看| 亚洲欧美精品自产自拍| 亚洲欧美一区二区三区久久| 岛国毛片在线播放| 欧美另类一区| 亚洲成人免费av在线播放| 中文欧美无线码| 免费在线观看视频国产中文字幕亚洲 | 天堂俺去俺来也www色官网| 亚洲一码二码三码区别大吗| 免费一级毛片在线播放高清视频 | 日韩制服骚丝袜av| 九色亚洲精品在线播放| 国产精品一区二区在线观看99| 久久久精品94久久精品| 亚洲 国产 在线| 久久性视频一级片| 欧美国产精品va在线观看不卡| 女人久久www免费人成看片| 制服人妻中文乱码| 美女午夜性视频免费| 美女扒开内裤让男人捅视频| a级片在线免费高清观看视频| 青青草视频在线视频观看| 久久精品国产亚洲av涩爱| 99国产精品99久久久久| 日本a在线网址| 曰老女人黄片| 两性夫妻黄色片| 中文字幕制服av| 免费不卡黄色视频| 亚洲精品久久成人aⅴ小说| av天堂久久9| 成年人免费黄色播放视频| 好男人视频免费观看在线| 国产熟女欧美一区二区| 丝袜脚勾引网站| 国产精品国产三级专区第一集| 欧美亚洲日本最大视频资源| 亚洲精品日本国产第一区| 十八禁网站网址无遮挡| 中国国产av一级| 老汉色av国产亚洲站长工具| 咕卡用的链子| 国产精品 国内视频| 久久久久久免费高清国产稀缺| 国产欧美日韩综合在线一区二区| 国产精品麻豆人妻色哟哟久久| 男女边吃奶边做爰视频| 老汉色av国产亚洲站长工具| 一本综合久久免费| 伊人亚洲综合成人网| 色播在线永久视频| 交换朋友夫妻互换小说| 欧美亚洲日本最大视频资源| 桃花免费在线播放| 久久亚洲精品不卡| 免费在线观看日本一区| 欧美日韩综合久久久久久| 中文乱码字字幕精品一区二区三区| 国产成人影院久久av| 午夜精品国产一区二区电影| 国产精品人妻久久久影院| 80岁老熟妇乱子伦牲交| 中文字幕av电影在线播放| 一级毛片黄色毛片免费观看视频| 777久久人妻少妇嫩草av网站| 国产色视频综合| 久久精品国产a三级三级三级| 精品欧美一区二区三区在线| 免费在线观看完整版高清| 黑人欧美特级aaaaaa片| 蜜桃在线观看..| 中国国产av一级| 亚洲视频免费观看视频| 久久久久精品国产欧美久久久 | 天天躁夜夜躁狠狠躁躁| 欧美亚洲 丝袜 人妻 在线| 五月天丁香电影| 久久人妻福利社区极品人妻图片 | 99re6热这里在线精品视频| 亚洲国产中文字幕在线视频| 国产成人系列免费观看| 精品一区在线观看国产| 国产一区二区激情短视频 | 日韩视频在线欧美| 精品一区在线观看国产| 另类亚洲欧美激情| 国产人伦9x9x在线观看| 久久狼人影院| 熟女少妇亚洲综合色aaa.| 午夜福利乱码中文字幕| 国产精品免费大片| 欧美97在线视频| 99热国产这里只有精品6| 国产精品久久久久久精品古装| 天天操日日干夜夜撸| 免费在线观看视频国产中文字幕亚洲 | 在线观看人妻少妇| 桃花免费在线播放| 99久久人妻综合| 日本猛色少妇xxxxx猛交久久| 捣出白浆h1v1| 免费在线观看视频国产中文字幕亚洲 | 后天国语完整版免费观看| 新久久久久国产一级毛片| 欧美国产精品一级二级三级| 日韩熟女老妇一区二区性免费视频| 久久久久网色| 天天躁夜夜躁狠狠久久av| 亚洲精品成人av观看孕妇| 国产成人影院久久av| 国产精品一区二区精品视频观看| 国产女主播在线喷水免费视频网站| 99国产精品一区二区三区| cao死你这个sao货| 国产精品99久久99久久久不卡| 国产成人精品无人区| 午夜激情av网站| 欧美日韩成人在线一区二区| 欧美日韩黄片免| 中文欧美无线码| 在线亚洲精品国产二区图片欧美| 黄色片一级片一级黄色片| 97在线人人人人妻| 狂野欧美激情性xxxx| 美女中出高潮动态图| 国产一区二区 视频在线| 欧美日韩亚洲综合一区二区三区_| 国产亚洲av高清不卡| 99热网站在线观看| 1024香蕉在线观看| 国产在视频线精品| 51午夜福利影视在线观看| 国产精品久久久久久精品电影小说| 美女大奶头黄色视频| 欧美精品亚洲一区二区| 亚洲五月婷婷丁香| 中文字幕亚洲精品专区| 精品一区二区三区四区五区乱码 | 亚洲人成电影观看| 婷婷成人精品国产| 久久这里只有精品19| 一个人免费看片子| 午夜激情久久久久久久| 两个人免费观看高清视频| 9色porny在线观看| 亚洲av日韩精品久久久久久密 | 午夜福利视频在线观看免费| 久久人人爽av亚洲精品天堂| 欧美xxⅹ黑人| 纯流量卡能插随身wifi吗| 亚洲欧洲日产国产| 亚洲人成77777在线视频| 秋霞在线观看毛片| 18禁裸乳无遮挡动漫免费视频| 亚洲男人天堂网一区| 脱女人内裤的视频| 成人亚洲欧美一区二区av| 国产精品久久久久久精品电影小说| 18在线观看网站| 亚洲国产欧美日韩在线播放| 久久久久久亚洲精品国产蜜桃av| 国产精品香港三级国产av潘金莲 | 国产精品久久久人人做人人爽| 成人影院久久| 国产欧美日韩精品亚洲av| 成年人午夜在线观看视频| 亚洲精品自拍成人| 蜜桃国产av成人99| 精品一区二区三区四区五区乱码 | 欧美xxⅹ黑人| 欧美日韩av久久| 免费人妻精品一区二区三区视频| 国产成人欧美| 菩萨蛮人人尽说江南好唐韦庄| 国产在线观看jvid| 大片电影免费在线观看免费| 欧美激情 高清一区二区三区| 亚洲自偷自拍图片 自拍| 中文字幕人妻熟女乱码| 丁香六月天网| 国产精品 欧美亚洲| 一本一本久久a久久精品综合妖精| 久久99热这里只频精品6学生| 人人妻人人澡人人爽人人夜夜| 2021少妇久久久久久久久久久| 母亲3免费完整高清在线观看| 啦啦啦啦在线视频资源| 亚洲欧美成人综合另类久久久| 欧美av亚洲av综合av国产av| 一级毛片电影观看| 亚洲男人天堂网一区| 精品卡一卡二卡四卡免费| 亚洲av日韩在线播放| 国产精品一二三区在线看| 又大又黄又爽视频免费| 亚洲欧美色中文字幕在线| 久久久久精品国产欧美久久久 | 久久精品熟女亚洲av麻豆精品| 国产高清国产精品国产三级| 久久人妻福利社区极品人妻图片 | xxx大片免费视频| 女性生殖器流出的白浆| 一区二区三区激情视频| 日韩av免费高清视频| 欧美日韩综合久久久久久| 免费在线观看影片大全网站 | 99热全是精品| 久久这里只有精品19| 精品一区二区三卡|