• <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 ?

    基于深度學習的指針缺陷檢測研究

    2019-03-31 09:55:00黃漢成趙衛(wèi)東
    關鍵詞:檢測

    黃漢成,趙衛(wèi)東,夏 冰

    (1.安徽工業(yè)大學電氣與信息工程學院,安徽馬鞍山243032;2.馬鞍山鋼鐵股份有限公司設備管理部,安徽馬鞍山243000)

    在汽車儀表盤指針的實際生產過程中,由于生產線上機器作業(yè)及空氣中偶有污染物等,指針上難免會產生各種類型的缺陷,如沾上黑點狀、毛發(fā)狀異物等,及時發(fā)現(xiàn)指針表面的缺陷已成為指針產品質量控制過程中的重要環(huán)節(jié)。傳統(tǒng)的目標檢測方法分為三個步驟:區(qū)域選擇,特征提取,分類器。其中,區(qū)域選擇常用的方法為滑窗,滑窗的選擇往往沒有針對性、復雜度較高;特征提取的方法有尺度不變特征變換(SIFT)[1]、方向梯度直方圖(HOG)[2]等,但是這些方法的特征魯棒性較差;分類器則以支持向量機(SVM)[3]、AdaBoost等為主流方案,但是采用這些方案易出現(xiàn)欠擬合的情況,且分類精度低。近年來,Yann等[4]提出的卷積神經網(wǎng)絡(CNN)在計算機視覺領域取得了不錯的效果,為了提升分類的準確度,模型的復雜度逐漸提高,深度也越來越深[5-6],常見的網(wǎng)絡如深度殘差網(wǎng)絡(ResNet)的層數(shù)已達152層?,F(xiàn)實中,深度學習更多地將應用在移動端和嵌入式端,其龐大的模型若被直接應用會面臨內存不足、響應速度慢等問題。為了解決這一問題,Howard等[7]提出MobileNet,MobileNet的設計思想,直接設計一個小模型進行訓練,不僅可保持模型的性能,還可提升模型的速度。由于指針表面缺陷極其細微,考慮到檢測精度,用分辨率為5 472×3 648的Balser相機采集圖片,若不對圖片進行任何處理直接輸入RFCN 進行檢測,則計算量非常大,檢測精度也不高。為此,提出一種融合MobileNet 與ResNet 的網(wǎng)絡及SSD(single shot-multibox detector)與RFCN(region-based fully convelutional networks)模型的指針缺陷檢測算法,采用SSD算法分辨出燙印和未燙印的指針,將燙印的指針輸入RFCN模型再次進行微小缺陷的檢測。

    1 SSD-MobileNet算法

    1.1 MobileNet v2模型

    MobileNet v2采用深度可分離卷積[8](depthwise separable convolution)作為基本單元,針對每個輸入通道采用不同的卷積核,相比標準卷積,其計算量和參數(shù)量大大減少;同時引入shortcut結構,通過1×1的卷積操作來增加feature map(特征圖)的通道數(shù),在逐點卷積結束之后改用linear激活函數(shù)。

    1.2 SSD算法

    SSD算法可以直接回歸出物體的類別和位置,且使用了許多候選區(qū)域作為RoI(region of interest)。此外,SSD采用多尺度特征圖,用不同的特征圖對不同尺寸的候選框進行回歸,其基本架構如圖1。

    圖1 SSD基本架構Fig.1 Basic architecture of SSD

    1.3 置信度預測

    對于每個預測框,首先根據(jù)類別置信度的排序來確定每個預測框所屬類別;然后過濾掉置信度較低的預測框,對留下的預測框降序排列,使用非極大值抑制(NMS)[9]算法確定最后的檢測結果。置信度誤差采用softmax損失函數(shù),定義如下式

    1.4 位置預測

    為了預測目標的邊界框位置,采用回歸的方法預測邊界框的位置信息,位置誤差采用smooth L1 損失函數(shù),定義如下式:

    1.5 迭代損失函數(shù)

    迭代損失函數(shù)定義如下式

    該損失函數(shù)定義為置信度誤差(confidence loss)與位置誤差(locatization loss)的加權和。其中:N 是先驗框的正樣本數(shù)量;c 為類別置信度預測值;α 為加權參數(shù),取值范圍(0,1]。

    夏季,天氣炎熱。中午,她從吳玉梅家里回到自己家后,生了滿肚子的氣,飯也不做,一頭倒在床上,只顧想她的心事。

    2 RFCN-ResNet 算法

    2.1 ResNet模型

    一味增加神經網(wǎng)絡的深度,可能會出現(xiàn)訓練集準確率下降的問題,即“退化問題”[10],對此,He等[11]提出了一種全新的網(wǎng)絡,即深度殘差網(wǎng)絡(ResNet),允許加深網(wǎng)絡。其核心思想分為identity mapping(恒等映射),residual mapping(殘差映射)兩部分。若輸出y=F(x)+α,那么第一部分即為x,第二部分即為y-x,所以稱F(x)為殘差。只要y=0,就構成了一個恒等映射F(x)=x,這樣擬合殘差會更容易,即使網(wǎng)絡深度增加,性能也不會降低,整個網(wǎng)絡會處于最優(yōu)狀態(tài)。

    2.2 RFCN算法

    SPP[12],F(xiàn)aster R-CNN 等方法在RoI 池化之后,后面的網(wǎng)絡結構就失去了平移不變性。RFCN 提出了position sensitive score map(位置敏感得分圖),把目標的位置信息融入RoI pooling(RoI池化層)[13-14],從而可對目標的平移準確響應。RFCN 的基礎網(wǎng)絡去掉了ResNet-101 的average pooling layer(平均池化層)和fully connection layer(全連接層),在網(wǎng)絡的最后接上一個1×1×1 024的全卷積層[15]。其網(wǎng)絡結構如圖2。

    圖2 RFCN網(wǎng)絡結構Fig.2 Network architecture of RFCN

    2.3 位置敏感的RoI池化

    RFCN通過規(guī)則網(wǎng)格將每個RoI矩形劃分為k×k個區(qū)間。RFCN的最后一個卷積層為每個類別生成k2通道的得分圖。在第(i,j)個區(qū)間(0≤i,j≤k-1)定義一個位置敏感的RoI池化響應操作:

    2.4 分類損失函數(shù)

    為得到預測目標的所屬類別,分類損失使用交叉熵損失,定義如下式:

    其中:sc(θ)是一個函數(shù),定義為(11)式;θ 為函數(shù)的參數(shù);rc(θ)為對每一類所有相對空間位置的分數(shù)的平均池化;c 為分類的個數(shù)。

    2.5 回歸損失函數(shù)

    為了得到預測目標的邊界框的位置,回歸損失使用smooth L1損失,定義為下式:

    其中:t 為預測邊框的參數(shù)化坐標;t*為坐標向量;x 為函數(shù)的參數(shù)。

    2.6 迭代損失函數(shù)

    其中:tx,y,w,h為預測邊框的參數(shù)化坐標;t*為坐標向量,若c*=0,說明RoI的真實標簽為背景;λ 為加權參數(shù),取值范圍(0,1];Lcls(sc*)為分類損失函數(shù);Lreg(t,t*)為邊界框回歸損失函數(shù)。

    3 實驗與結果分析

    實驗平臺:CPU 為Intel Core i7-6800K@3.400 GHz,GPU 為NVIDIA GTX1080Ti,內存為16 GB,操作系統(tǒng)為Ubuntu16.04、深度學習框架為Tensorflow-gpu,CUDA9.0。圖片采集用Basler ace Gige acA5472-5gm面陣工業(yè)相機,分辨率為5 472×3 648,幀率為5 f/s。

    3.1 SSD-MobileNet實驗

    使用LabelImg對現(xiàn)場采集的指針圖片進行標注,標注類別為燙印指針(normal)和未燙印指針(abnormal),現(xiàn)場采集584張照片,其中燙印的指針有558張,未燙印的指針有26張。訓練集中屬于(燙印)normal類別的有500張,屬于(未燙印)abnormal類別的有20張;測試集中屬于normal類別的有58張,屬于abnormal類別的有6張。未燙印指針和燙印指針的標注如圖3。

    圖3 未燙印指針和燙印指針的標注Fig.3 Marking of no stamping pointer and stamping pointer

    相機拍攝的分辨率為5 472×3 648,SSD的輸入尺寸不宜過大,否則會造成內存溢出而訓練終止。為保證訓練過程的穩(wěn)定性,訓練之前先將采集照片的尺寸重新設定,寬度為450、高度為300,然后輸入神經網(wǎng)絡進行訓練。訓練完成后隨機選取部分圖片作為測試,測試圖片中的指針均以不同的角度擺放,選取的燙印與未燙印指針的檢測結果分別如圖4,5。由圖4,5 可以看出,對于擺放不同位置的燙印和未燙印指針,采用SSD-MobileNet算法均可被檢測出,且置信度為99%,說明以MobileNet作為SSD算法的特征提取網(wǎng)絡具有較高的準確性。

    圖4 燙印指針的檢測結果Fig.4 Detection results of stamping pointer

    圖5 未燙印指針的檢測結果Fig.5 Detection results of no stamping pointer

    測試完成后,記錄檢測燙印和未燙印指針的平均邊框精度、置信度、準確率、召回率、漏檢率等評價指標,如表1。

    由表1可知,無論是燙印還是未燙印的指針都沒有被漏檢,召回率均為100%。類別為燙印的邊框精度為97%,類別為未燙印的邊框精度為90%,由此說明SSD-MobileNet 算法具有較高的檢測精度,對SSD-MobileNet算法檢測的邊框進行裁剪,將其作為RFCN的輸入,進行指針表面微小缺陷的檢測。

    表1 SSD-MobileNet算法的實驗數(shù)據(jù)Tab.1 Experimental data of SSD-MobileNet algorithm

    3.2 RFCN-ResNet實驗

    將SSD算法輸出類別為燙印(normal)的圖片進行裁剪,對這558張裁剪后的圖片進行二次標注,標注的缺陷類別如圖6。由圖6可看出:第一類缺陷為邊緣不平整或有缺口,記為gap;第二類缺陷為毛發(fā)狀異物,記為hair;第三類缺陷為黑點狀異物,記為stain;第四類缺陷為白光區(qū)域,記為light。

    圖6 4種缺陷的標注Fig.6 Marking of four kinds of defects

    采取隨機縮放、翻轉、裁剪的方法增強數(shù)據(jù),從中隨機選取4種缺陷的檢測結果,如圖7。由圖7可看出:gap類型缺陷置信度較低,為92%;而hair,stain,light等類型缺陷置信度較高,均為99%,說明以ResNet作為RFCN的特征提取網(wǎng)絡具有較高的準確性。隨機選取指針表面缺陷的檢測結果,如圖8。其中:圖8(a)為指針表面無缺陷,圖8(b)為指針表面一種類型缺陷;圖8(c),(d)為指針表面多種類型缺陷。由圖8 可看出,采用RFCN-ResNet算法可檢測出指針表面多種類型的缺陷。

    圖7 4種缺陷檢測結果Fig.7 Detection results of four kinds of defects

    圖8 指針表面缺陷的檢測結果Fig.8 Detection results of pointer surface defect

    檢測完成后,記錄指針表面缺陷的檢測平均邊框精度、置信度、準確率、召回率、漏檢率等評價指標,如表2。

    由表2可知:邊緣缺口(gap)類型缺陷檢出的準確率偏低,為91%,因人為標注時,部分gap 類型缺陷可能被誤判為stain 類型缺陷,導致部分gap 類型缺陷被檢測為stain類型缺陷;stain類型缺陷漏檢率偏高,為4%,因標注時不同標注者對黑點大小的判斷不一致,部分微小的黑點未被標出,導致部分黑點未被檢出。由此說明采用RFCN-ResNet算法可將指針表面微小缺陷準確檢測,且可準確定位。

    表2 RFCN-ResNet算法的實驗數(shù)據(jù)Tab.2 Experimental data of RFCN-ResNet algorithm

    綜上分析表明:采用RFCN-ResNet算法可檢測指針表面stain,hair,gap,light等四類缺陷,準確率分別為94%,95%,91%,93%,因RFCN-ResNet算法中采用敏感位置得分圖可提高檢測準確率;采用RFCN-ResNet算法僅極少數(shù)微小缺陷未被檢出,因為置信度低而被過濾掉。現(xiàn)場要求指針表面缺陷檢測的準確率在80%以上,故RFCN-ResNet算法的檢測準確率可滿足現(xiàn)場生產要求。

    4 結 論

    設計一種融合SSD和RFCN的指針缺陷檢測算法。SSD-MobileNet算法采用多尺度特征圖和深度可分離卷積,可直接回歸出物體的類別和位置,進而檢測出指針是否燙印。將燙印的指針檢出后進行裁剪送入RFCN-ResNet 算法進行二次檢測,RFCN-ResNet 算法采用敏感位置得分圖可將指針表面細小的缺陷檢測出。實驗結果表明,采用SSD-MobileNet和RFCN-ResNet融合的指針缺陷檢測算法可精準識別指針表面微小缺陷,具有較高的精度、置信度、準確率及召回率。

    猜你喜歡
    檢測
    QC 檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    “有理數(shù)的乘除法”檢測題
    “有理數(shù)”檢測題
    “角”檢測題
    “幾何圖形”檢測題
    丰满人妻一区二区三区视频av| 精品无人区乱码1区二区| 国产精品伦人一区二区| 亚洲,欧美,日韩| 午夜福利高清视频| av免费在线看不卡| 国语对白做爰xxxⅹ性视频网站| 亚洲av电影不卡..在线观看| 不卡视频在线观看欧美| 亚洲自拍偷在线| 丰满乱子伦码专区| 三级毛片av免费| 男女那种视频在线观看| 日本免费在线观看一区| 亚洲av免费在线观看| 美女内射精品一级片tv| 中文字幕亚洲精品专区| 天天一区二区日本电影三级| 亚洲精品日韩av片在线观看| 一夜夜www| 桃色一区二区三区在线观看| 日日摸夜夜添夜夜添av毛片| 只有这里有精品99| 久久综合国产亚洲精品| 一级av片app| 国产伦在线观看视频一区| 久久久午夜欧美精品| 久久久久久国产a免费观看| 亚洲欧美日韩高清专用| 免费一级毛片在线播放高清视频| 在线观看av片永久免费下载| 久久久久久久午夜电影| 青春草国产在线视频| 少妇的逼水好多| 欧美精品一区二区大全| 国产精品爽爽va在线观看网站| 国产精品久久久久久精品电影小说 | 色5月婷婷丁香| 日韩av不卡免费在线播放| 一边亲一边摸免费视频| 午夜激情福利司机影院| 特级一级黄色大片| 亚洲精品日韩av片在线观看| 18禁在线无遮挡免费观看视频| 成年av动漫网址| 少妇高潮的动态图| 我的女老师完整版在线观看| 中文乱码字字幕精品一区二区三区 | 亚洲丝袜综合中文字幕| 日产精品乱码卡一卡2卡三| 91久久精品国产一区二区三区| 日韩 亚洲 欧美在线| 中文字幕久久专区| 国产精品国产三级专区第一集| 淫秽高清视频在线观看| 国产v大片淫在线免费观看| 精品少妇黑人巨大在线播放 | 亚洲精品一区蜜桃| 身体一侧抽搐| 激情 狠狠 欧美| 99热全是精品| 国产伦一二天堂av在线观看| 久久久久精品久久久久真实原创| 最近手机中文字幕大全| 啦啦啦韩国在线观看视频| 永久免费av网站大全| 亚洲av成人av| 国产黄色视频一区二区在线观看 | av在线播放精品| 亚洲欧美精品综合久久99| 天天一区二区日本电影三级| 99热网站在线观看| 亚洲欧洲国产日韩| 一级毛片我不卡| 又爽又黄a免费视频| av福利片在线观看| 久久人人爽人人爽人人片va| 一级黄片播放器| 97超碰精品成人国产| 男女啪啪激烈高潮av片| 午夜亚洲福利在线播放| 99久久成人亚洲精品观看| 波野结衣二区三区在线| 五月玫瑰六月丁香| 少妇熟女欧美另类| 日日摸夜夜添夜夜添av毛片| 黄片wwwwww| 久久6这里有精品| 久久久久久久国产电影| 精品国产露脸久久av麻豆 | 欧美一区二区亚洲| 亚洲人成网站在线播| 亚洲成色77777| 久久久久久伊人网av| 亚洲综合精品二区| 免费一级毛片在线播放高清视频| 哪个播放器可以免费观看大片| 一二三四中文在线观看免费高清| 又爽又黄a免费视频| 亚洲电影在线观看av| 长腿黑丝高跟| 美女高潮的动态| 看免费成人av毛片| 亚洲精品亚洲一区二区| 搡女人真爽免费视频火全软件| 变态另类丝袜制服| av卡一久久| 中文乱码字字幕精品一区二区三区 | 国产成人a∨麻豆精品| 一级黄片播放器| 观看免费一级毛片| 亚洲欧美日韩东京热| 身体一侧抽搐| 久久精品国产自在天天线| 精品久久久久久久久av| 亚洲欧美日韩东京热| 日韩欧美 国产精品| 亚洲av.av天堂| 最近手机中文字幕大全| 国产又色又爽无遮挡免| 黄片wwwwww| 一区二区三区乱码不卡18| 亚洲在线观看片| 国产乱人视频| 免费观看人在逋| 高清毛片免费看| av.在线天堂| 一边亲一边摸免费视频| 久久精品国产99精品国产亚洲性色| 黄色配什么色好看| 亚洲av免费在线观看| 最近2019中文字幕mv第一页| 99久久九九国产精品国产免费| 亚洲av男天堂| 成人av在线播放网站| 国产亚洲精品av在线| 五月伊人婷婷丁香| 国产老妇伦熟女老妇高清| 看片在线看免费视频| 波多野结衣高清无吗| 精品免费久久久久久久清纯| 亚洲在线自拍视频| 国产一区二区三区av在线| 国产免费视频播放在线视频 | 国产成人精品久久久久久| 久久精品综合一区二区三区| 精品久久久久久成人av| 寂寞人妻少妇视频99o| 日韩强制内射视频| 国产又黄又爽又无遮挡在线| av在线观看视频网站免费| 成人午夜高清在线视频| 国产伦精品一区二区三区四那| 欧美日本亚洲视频在线播放| 亚洲欧美清纯卡通| 搞女人的毛片| 久久人人爽人人爽人人片va| 一卡2卡三卡四卡精品乱码亚洲| 成人亚洲欧美一区二区av| 亚洲av福利一区| 国产69精品久久久久777片| 国产毛片a区久久久久| 日韩欧美三级三区| 啦啦啦啦在线视频资源| 永久网站在线| 亚洲av电影在线观看一区二区三区 | 久久6这里有精品| 男女那种视频在线观看| 人人妻人人澡欧美一区二区| 久久国内精品自在自线图片| 久久久久国产网址| 日本猛色少妇xxxxx猛交久久| 欧美3d第一页| 亚洲中文字幕一区二区三区有码在线看| or卡值多少钱| 国产成人a区在线观看| 只有这里有精品99| 亚洲欧美日韩高清专用| h日本视频在线播放| 天堂√8在线中文| 国产亚洲一区二区精品| 午夜福利在线观看免费完整高清在| 中国国产av一级| 蜜桃久久精品国产亚洲av| 我的老师免费观看完整版| 深爱激情五月婷婷| 国产精品电影一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 日本免费在线观看一区| av在线播放精品| 亚洲在线观看片| 国产一区二区三区av在线| 国产在视频线精品| 大香蕉久久网| 国产一区二区亚洲精品在线观看| 国产在视频线在精品| 中文字幕av成人在线电影| 两个人视频免费观看高清| 一级爰片在线观看| 国内揄拍国产精品人妻在线| 三级国产精品片| 一级黄色大片毛片| 观看美女的网站| 国产高清三级在线| 久久国产乱子免费精品| 好男人在线观看高清免费视频| 特级一级黄色大片| 久久久久久久午夜电影| 国产精品麻豆人妻色哟哟久久 | 搡老妇女老女人老熟妇| 国产探花在线观看一区二区| 国产真实伦视频高清在线观看| 国产在视频线精品| 色综合色国产| 国产一区二区在线av高清观看| 亚洲国产成人一精品久久久| 日韩精品青青久久久久久| 亚洲精品影视一区二区三区av| 国产欧美日韩精品一区二区| 免费播放大片免费观看视频在线观看 | 国产淫语在线视频| 精品久久久久久久久亚洲| 欧美色视频一区免费| 国产毛片a区久久久久| 国产一区二区在线av高清观看| 国产91av在线免费观看| 欧美日韩在线观看h| 天天躁日日操中文字幕| 欧美+日韩+精品| 五月玫瑰六月丁香| 级片在线观看| 亚洲欧洲国产日韩| 免费看日本二区| 我的老师免费观看完整版| 日本av手机在线免费观看| 啦啦啦观看免费观看视频高清| 少妇丰满av| 最近2019中文字幕mv第一页| 身体一侧抽搐| 国产在视频线精品| 久久鲁丝午夜福利片| 国产av不卡久久| 欧美极品一区二区三区四区| 亚洲欧美日韩无卡精品| 秋霞在线观看毛片| 1000部很黄的大片| 亚洲婷婷狠狠爱综合网| 国产精品国产高清国产av| 久久久久久久午夜电影| 联通29元200g的流量卡| 国产精品国产三级国产av玫瑰| 国产v大片淫在线免费观看| 久久久久久九九精品二区国产| 国产成人a∨麻豆精品| kizo精华| 久久久久久国产a免费观看| 亚洲天堂国产精品一区在线| 久久亚洲精品不卡| 韩国高清视频一区二区三区| 久久精品人妻少妇| 亚洲国产色片| 亚洲欧美精品自产自拍| 国语对白做爰xxxⅹ性视频网站| 熟妇人妻久久中文字幕3abv| 嫩草影院精品99| 99热这里只有是精品50| 国产成人免费观看mmmm| 欧美成人午夜免费资源| 亚洲欧美精品专区久久| 精品一区二区三区视频在线| 干丝袜人妻中文字幕| 免费黄网站久久成人精品| 国产免费男女视频| 少妇人妻一区二区三区视频| 久久久久九九精品影院| 久久精品熟女亚洲av麻豆精品 | 久久久精品94久久精品| 蜜桃亚洲精品一区二区三区| 午夜久久久久精精品| 精品少妇黑人巨大在线播放 | 丝袜美腿在线中文| 能在线免费观看的黄片| 99久久人妻综合| 国产高清三级在线| 亚洲性久久影院| 中文字幕av成人在线电影| 日本wwww免费看| av视频在线观看入口| 久久精品久久久久久久性| 天堂av国产一区二区熟女人妻| 在线a可以看的网站| 哪个播放器可以免费观看大片| 深爱激情五月婷婷| 国产真实乱freesex| 国产成人a区在线观看| 三级男女做爰猛烈吃奶摸视频| 久久精品久久久久久噜噜老黄 | 久久精品国产自在天天线| 国产真实乱freesex| 黄色日韩在线| 国产免费视频播放在线视频 | 村上凉子中文字幕在线| 三级毛片av免费| 天堂中文最新版在线下载 | 99热网站在线观看| 蜜桃久久精品国产亚洲av| 久久99精品国语久久久| 99热6这里只有精品| 天堂中文最新版在线下载 | 日韩欧美三级三区| 天堂影院成人在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 国产乱人视频| 大香蕉97超碰在线| 小说图片视频综合网站| 丰满乱子伦码专区| 国产激情偷乱视频一区二区| 长腿黑丝高跟| 亚洲在线自拍视频| 亚洲av免费在线观看| 成年av动漫网址| 国产精品无大码| 国产美女午夜福利| 久久热精品热| 午夜爱爱视频在线播放| 国内精品美女久久久久久| 午夜福利在线观看吧| 看免费成人av毛片| 久久精品久久精品一区二区三区| 亚洲无线观看免费| 偷拍熟女少妇极品色| 秋霞伦理黄片| 成年女人永久免费观看视频| 国产精品野战在线观看| 成年女人永久免费观看视频| 成人午夜精彩视频在线观看| 国产成人福利小说| 国产欧美日韩精品一区二区| 日本猛色少妇xxxxx猛交久久| 十八禁国产超污无遮挡网站| 免费电影在线观看免费观看| 老女人水多毛片| 久久亚洲精品不卡| 国产精品永久免费网站| 色综合亚洲欧美另类图片| 亚洲欧美精品综合久久99| 免费看a级黄色片| 在线免费观看不下载黄p国产| 中文天堂在线官网| 亚洲欧美中文字幕日韩二区| 国产精品综合久久久久久久免费| 国产真实乱freesex| 人妻夜夜爽99麻豆av| 午夜福利视频1000在线观看| 久久精品91蜜桃| 最后的刺客免费高清国语| 国语自产精品视频在线第100页| 91在线精品国自产拍蜜月| kizo精华| 超碰av人人做人人爽久久| 18+在线观看网站| 欧美一区二区国产精品久久精品| 亚洲人成网站在线观看播放| 亚洲精品国产成人久久av| 美女被艹到高潮喷水动态| 中文精品一卡2卡3卡4更新| 亚洲av成人精品一区久久| 亚洲av免费在线观看| 男女那种视频在线观看| 亚洲自偷自拍三级| 可以在线观看毛片的网站| 国产一区亚洲一区在线观看| 99热这里只有是精品50| 国产成人精品婷婷| 国产精品电影一区二区三区| 在线观看66精品国产| 欧美成人a在线观看| 色综合色国产| 久久午夜福利片| 国产精品一区二区在线观看99 | 卡戴珊不雅视频在线播放| 欧美不卡视频在线免费观看| 国产精品久久久久久精品电影| 能在线免费观看的黄片| 日韩av不卡免费在线播放| 最近的中文字幕免费完整| 成人毛片a级毛片在线播放| 日韩亚洲欧美综合| 国内少妇人妻偷人精品xxx网站| 久久久久网色| 九九在线视频观看精品| 亚洲最大成人手机在线| 在线观看av片永久免费下载| 99热6这里只有精品| 国产亚洲5aaaaa淫片| 三级国产精品片| 国产三级在线视频| 18禁动态无遮挡网站| 精品久久久久久久久亚洲| 国产91av在线免费观看| 亚洲伊人久久精品综合 | av在线观看视频网站免费| 麻豆精品久久久久久蜜桃| 亚洲精品,欧美精品| 亚洲一区高清亚洲精品| 色噜噜av男人的天堂激情| 欧美极品一区二区三区四区| 久久99热这里只有精品18| 久久久久久久久久久丰满| 国产成人免费观看mmmm| 国产色婷婷99| 国产亚洲最大av| 中文资源天堂在线| 日日干狠狠操夜夜爽| 国语自产精品视频在线第100页| videossex国产| 亚洲电影在线观看av| 1024手机看黄色片| 久久欧美精品欧美久久欧美| 亚洲精品456在线播放app| 26uuu在线亚洲综合色| 日本三级黄在线观看| 99久久中文字幕三级久久日本| 国产日韩欧美在线精品| 一级毛片电影观看 | 九色成人免费人妻av| 国产伦精品一区二区三区四那| or卡值多少钱| 国产精品一区二区三区四区免费观看| 亚洲国产最新在线播放| 午夜福利网站1000一区二区三区| 少妇熟女欧美另类| 美女大奶头视频| 成年av动漫网址| 99久久中文字幕三级久久日本| 欧美97在线视频| 色综合站精品国产| 日韩国内少妇激情av| 性插视频无遮挡在线免费观看| 亚洲国产高清在线一区二区三| 精品一区二区三区视频在线| 国产亚洲5aaaaa淫片| 特大巨黑吊av在线直播| 国产精品久久久久久精品电影| 国产成人精品一,二区| 在线免费观看的www视频| 国产精品伦人一区二区| 身体一侧抽搐| 深爱激情五月婷婷| 尤物成人国产欧美一区二区三区| 两个人的视频大全免费| 美女xxoo啪啪120秒动态图| 级片在线观看| 亚洲欧美精品专区久久| 久久精品夜色国产| 全区人妻精品视频| 亚洲国产精品成人久久小说| 亚洲自拍偷在线| 中文字幕免费在线视频6| 日日撸夜夜添| 免费一级毛片在线播放高清视频| 免费看美女性在线毛片视频| 亚洲成色77777| 国产老妇伦熟女老妇高清| 蜜臀久久99精品久久宅男| 18禁动态无遮挡网站| 国产精品,欧美在线| 成人欧美大片| 久久99热这里只频精品6学生 | 青青草视频在线视频观看| 免费无遮挡裸体视频| 国产亚洲av嫩草精品影院| 久久热精品热| 老司机福利观看| 久久久久久久久久黄片| kizo精华| 国产精品久久视频播放| 天天躁夜夜躁狠狠久久av| 久久精品国产99精品国产亚洲性色| 久久久成人免费电影| 黄色欧美视频在线观看| 欧美性猛交黑人性爽| 国产精品乱码一区二三区的特点| 午夜老司机福利剧场| 国产爱豆传媒在线观看| 国产一级毛片在线| 97超视频在线观看视频| 亚洲成av人片在线播放无| 欧美zozozo另类| 国产一级毛片七仙女欲春2| 秋霞在线观看毛片| 免费播放大片免费观看视频在线观看 | 精品99又大又爽又粗少妇毛片| 黑人高潮一二区| 国产成人午夜福利电影在线观看| 欧美成人a在线观看| 日韩欧美 国产精品| 日本黄色片子视频| 久久久久久久久大av| 欧美变态另类bdsm刘玥| 99国产精品一区二区蜜桃av| 国产免费福利视频在线观看| 干丝袜人妻中文字幕| 99久久中文字幕三级久久日本| 久久久久久久久中文| 毛片一级片免费看久久久久| 久久热精品热| 免费黄网站久久成人精品| 九色成人免费人妻av| 亚洲欧美日韩东京热| 最近手机中文字幕大全| 国产三级在线视频| 老女人水多毛片| 欧美性猛交╳xxx乱大交人| 三级经典国产精品| 国产精品美女特级片免费视频播放器| 国产一区二区在线观看日韩| 国产色婷婷99| 国产高清有码在线观看视频| 人妻夜夜爽99麻豆av| 91精品国产九色| 亚州av有码| av在线亚洲专区| 18禁裸乳无遮挡免费网站照片| 亚洲精品自拍成人| 国产乱人偷精品视频| 一级毛片电影观看 | 综合色丁香网| 日本-黄色视频高清免费观看| 国产精品一二三区在线看| av免费在线看不卡| 麻豆成人av视频| 亚洲综合精品二区| 国产三级在线视频| 一级爰片在线观看| 一个人免费在线观看电影| 欧美三级亚洲精品| 极品教师在线视频| АⅤ资源中文在线天堂| 少妇熟女aⅴ在线视频| 国内精品宾馆在线| 日韩欧美精品v在线| 观看免费一级毛片| 校园人妻丝袜中文字幕| 1000部很黄的大片| 亚洲久久久久久中文字幕| 精品久久国产蜜桃| 亚洲经典国产精华液单| 久久精品国产亚洲网站| 最近最新中文字幕免费大全7| av在线亚洲专区| 亚洲四区av| 少妇人妻一区二区三区视频| 啦啦啦观看免费观看视频高清| 两个人视频免费观看高清| 两个人的视频大全免费| 九九爱精品视频在线观看| 淫秽高清视频在线观看| 熟女电影av网| 美女高潮的动态| 国产欧美另类精品又又久久亚洲欧美| 日本熟妇午夜| av女优亚洲男人天堂| 日韩精品有码人妻一区| 小蜜桃在线观看免费完整版高清| 亚洲国产最新在线播放| 日韩欧美精品v在线| 欧美97在线视频| 一个人观看的视频www高清免费观看| 亚洲精品自拍成人| 老女人水多毛片| 嫩草影院新地址| 一区二区三区高清视频在线| av线在线观看网站| 欧美性猛交╳xxx乱大交人| 国产午夜福利久久久久久| 18禁动态无遮挡网站| 欧美一区二区国产精品久久精品| 美女脱内裤让男人舔精品视频| 麻豆精品久久久久久蜜桃| 亚洲精品色激情综合| 国产毛片a区久久久久| 51国产日韩欧美| 高清日韩中文字幕在线| 内射极品少妇av片p| 简卡轻食公司| 国产av在哪里看| 久久久久久久亚洲中文字幕| 两个人视频免费观看高清| 日韩av在线免费看完整版不卡| 国产 一区 欧美 日韩| 日本免费a在线| 身体一侧抽搐| 日本三级黄在线观看| 久久综合国产亚洲精品| 亚洲av日韩在线播放| 亚洲图色成人| 免费看美女性在线毛片视频| 欧美精品一区二区大全| 级片在线观看| 免费观看性生交大片5| 国产三级中文精品| 十八禁国产超污无遮挡网站| 亚洲aⅴ乱码一区二区在线播放| 神马国产精品三级电影在线观看| 丝袜喷水一区| 一区二区三区四区激情视频| 亚洲激情五月婷婷啪啪| 男女那种视频在线观看| 国产免费视频播放在线视频 | 免费观看人在逋| 国内少妇人妻偷人精品xxx网站| 乱码一卡2卡4卡精品| 久久精品久久精品一区二区三区| 亚洲精品亚洲一区二区|