• <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 ?

    基于深度卷積網(wǎng)絡(luò)的港口集裝箱屬性識(shí)別方法?

    2019-11-07 01:46:24楊杰敏郭保琪羅漢江林建成
    關(guān)鍵詞:鉛封集裝箱濾波器

    楊杰敏, 郭保琪, 羅漢江, 林建成

    (1.中國海洋大學(xué),山東 青島 266100; 2. 青島新前灣集裝箱碼頭有限責(zé)任公司,山東 青島 266500; 3. 青島海大新星軟件咨詢有限公司,山東 青島 266500;4. 山東科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,山東 青島 266590)

    全自動(dòng)化集裝箱碼頭是對(duì)傳統(tǒng)集裝箱碼頭作業(yè)模式的顛覆, 但實(shí)現(xiàn)集裝箱碼頭裝卸全過程無人化作業(yè),首先需要實(shí)現(xiàn)對(duì)碼頭作業(yè)場景及對(duì)象全方位的感知。當(dāng)前人工智能、物聯(lián)網(wǎng)、云計(jì)算等相關(guān)技術(shù)快速發(fā)展, 為自動(dòng)化集裝箱碼頭應(yīng)用技術(shù)的發(fā)展帶來新的機(jī)遇[1]。作為自動(dòng)化碼頭系統(tǒng)應(yīng)用的關(guān)鍵技術(shù)之一的圖像識(shí)別技術(shù),不僅需要對(duì)集裝箱的箱號(hào)進(jìn)行識(shí)別,而且需要對(duì)集裝箱的箱門方向、鉛封、殘損等信息進(jìn)行識(shí)別和檢測[2]。最近發(fā)展迅速的基于深度卷積網(wǎng)絡(luò)的圖像智能識(shí)別技術(shù),可以用來快速、有效地解決全自動(dòng)化集裝箱碼頭集裝箱的識(shí)別問題。

    目前,卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像識(shí)別方面取得了優(yōu)異的表現(xiàn)[3-5]。近期的研究文獻(xiàn)表明,雖然CNN在分類問題上進(jìn)行訓(xùn)練,但同時(shí)具備了較強(qiáng)的定位檢測能力[6-10]。流行的基于CNN 的目標(biāo)檢測方法主要有R-CNN,F(xiàn)aster R-CNN,R-FCN,SSD和YOLO等,目標(biāo)識(shí)別性能已經(jīng)取得長足的進(jìn)步。

    R-CNN[11]首次提出在CNN中進(jìn)行目標(biāo)檢測,它首先計(jì)算有可能包含物體的剪裁方框(box),然后針對(duì)這些box運(yùn)行CNN網(wǎng)絡(luò)進(jìn)行分類識(shí)別。由于推薦的box有很多重疊發(fā)生,導(dǎo)致該方法存在重復(fù)計(jì)算,代價(jià)較大。Fast R-CNN[12]將圖片輸入到神經(jīng)網(wǎng)絡(luò),然后在網(wǎng)絡(luò)中間層利用卷積特征進(jìn)行剪裁和box推薦,這樣只要運(yùn)行一次CNN就可以得到所需要的box。R-CNN 和Fast R-CNN均依賴于外加的box生成器,而最近的研究表明這些box可以由神經(jīng)網(wǎng)絡(luò)本身生成[16-19],它需要一個(gè)覆蓋在不同空間位置、縮放比例、寬高比的box集合,被稱之為錨點(diǎn)。這些錨點(diǎn)用來預(yù)測兩個(gè)目標(biāo):一是離散的類標(biāo)號(hào),另一個(gè)是連續(xù)的偏移坐標(biāo)。然后把這兩個(gè)目標(biāo)綁定到一個(gè)代價(jià)函數(shù)上,同時(shí)進(jìn)行訓(xùn)練。而另外一種基于區(qū)域的全卷積網(wǎng)絡(luò)R-FCN[13](Region-Based Fully Convolutional)在特征提取結(jié)束之后添加全卷積層,也就是說,它不是在網(wǎng)絡(luò)中間層建議的box上選取特征,而是在這個(gè)全卷積層上產(chǎn)生box,并預(yù)測目標(biāo)和位置。該方法將特征推送到最后一層不僅大大減少了每個(gè)區(qū)域的計(jì)算量,同時(shí)使用全卷積層使深度網(wǎng)絡(luò)保留了其平移不變性。

    上述基于R-xxx的檢測方法均屬于兩階段算法,先進(jìn)行區(qū)域box推薦,然后進(jìn)行分類檢測。而SSD(Single Shot Multibox Detector )[14]和YOLO (You Only Look Once )[15]是一階段方法,使用一次網(wǎng)絡(luò)正向傳播就可以預(yù)測目標(biāo)和位置,而不需要進(jìn)行區(qū)域推薦,這無疑會(huì)極大提高預(yù)測速度,不過其預(yù)測準(zhǔn)確度不如區(qū)域推薦方法,因此在許多情況下需要在預(yù)測速度和準(zhǔn)確度之間做出合理的均衡。

    前述流行的深度目標(biāo)檢測方法至少包含特征提取網(wǎng)絡(luò)和位置回歸網(wǎng)絡(luò),網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜,需要訓(xùn)練的參數(shù)量較大,所需的標(biāo)記樣本數(shù)量較大,而且必須使用同時(shí)帶有類別及位置標(biāo)記的樣本,樣本的制作成本高。但實(shí)際應(yīng)用中很難提供足夠的標(biāo)記樣本,導(dǎo)致訓(xùn)練出的模型準(zhǔn)確率不夠理想。針對(duì)此問題,本文提出一種輕量級(jí)的基于相關(guān)性特征圖的目標(biāo)檢測方法,該方法只需要部分特征提取網(wǎng)絡(luò),不需要進(jìn)行box推薦和坐標(biāo)位置回歸,而是充分利用卷積神經(jīng)網(wǎng)絡(luò)自身的頻率選擇特性,以及產(chǎn)生平移、旋轉(zhuǎn)、縮放不變性特征的能力,生成一個(gè)與目標(biāo)相關(guān)的顯著性分布特征圖,對(duì)該特征圖之前的所有濾波器組進(jìn)行訓(xùn)練,使該特征圖同時(shí)具備了分類和位置預(yù)測功能。該方法只需要較少的類別標(biāo)記樣本,不需要做位置標(biāo)記,就可以訓(xùn)練出兼顧準(zhǔn)確性和識(shí)別速度的深度模型。

    論文首先從信號(hào)時(shí)頻變換的角度研究單個(gè)卷積濾波器的工作原理,然后對(duì)卷積網(wǎng)絡(luò)中間層產(chǎn)生的深度表征進(jìn)行分析,提取與檢測目標(biāo)相關(guān)的特征圖子集。通過對(duì)特征子集進(jìn)行組合,得到能夠檢測目標(biāo)的相關(guān)性特征圖,并設(shè)計(jì)相應(yīng)的目標(biāo)函數(shù)。最后通過實(shí)驗(yàn),驗(yàn)證了該方法的有效性。

    1 相關(guān)性特征圖的目標(biāo)檢測

    1.1 卷積深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    Inception卷積深度神經(jīng)網(wǎng)絡(luò)模型由最優(yōu)的稀疏子結(jié)構(gòu)層疊構(gòu)建而成,其理論依據(jù)在于:如果數(shù)據(jù)集的概率分布能夠被一個(gè)巨大的稀疏神經(jīng)網(wǎng)絡(luò)表征,那么通過分析上一層神經(jīng)元激活值的統(tǒng)計(jì)相關(guān)性,并將具有較高相關(guān)性的神經(jīng)元分組并逐層構(gòu)建,就可以得到一個(gè)最優(yōu)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。如圖 1所示,最優(yōu)稀疏子結(jié)構(gòu)以上一層(Last layer)的卷積特征圖為輸入,具有4個(gè)并行分支,由1×1,3×3,5×5的卷積濾波器(Conv)、池化器(Pool)組成。在分支上前置1×1的卷積器,用于降低輸入3×3,5×5卷積器的通道個(gè)數(shù),減少權(quán)值參數(shù);與之類似,在3×3最大池化器(MaxPool)后面放置1×1卷積器,最后通過輸出特征圖的合并操作(Filter Concat)傳遞到下一層,這樣構(gòu)成了一個(gè)inception模塊。

    圖1 Inception模塊結(jié)構(gòu)

    Inception深度神經(jīng)網(wǎng)絡(luò)以多個(gè)卷積層(Conv0 Conv1)、池化層(pool2)的線性排列開始,用于提取線、邊緣等低層的視覺特征。之后堆疊多個(gè)Inception模塊(A,B…G…),其分支結(jié)構(gòu)允許不同尺度不同層級(jí)特征的融合,并逐漸提取到抽象的中間層及高級(jí)別語義特征。同時(shí),特征提取層均采用BatchNormal正則化及Relu激活函數(shù)。對(duì)最后一個(gè)特征提取層做全局平均池化(AvgPool)后,得到特征向量,通過全連接層(FC)輸出類別預(yù)測向量(logits)。該網(wǎng)絡(luò)獲得了ILSVRC 2014挑戰(zhàn)賽冠軍,是目前較為流行的深度網(wǎng)絡(luò)結(jié)構(gòu)。本文采用經(jīng)過128萬張ImageNet數(shù)據(jù)集預(yù)訓(xùn)練過的Inception V3網(wǎng)絡(luò)作為目標(biāo)檢測的特征提取器(見圖2)。

    圖2 Inception V3卷積神經(jīng)網(wǎng)絡(luò)

    1.2 卷積濾波器本質(zhì)

    深度卷積網(wǎng)絡(luò)(CNN)以卷積濾波器為核心部件,本節(jié)從信號(hào)時(shí)頻變換的角度研究單個(gè)卷積濾波器的工作原理,對(duì)探究深度神經(jīng)網(wǎng)絡(luò)平移、旋轉(zhuǎn)、縮放等不變量的生成具有重要意義。

    圖3 卷積濾波器及其響應(yīng)圖解

    圖4 高斯函數(shù)

    圖3中fi,gi分別是指訓(xùn)練圖像和所期望得到的響應(yīng)輸出圖像,hi是卷積濾波器。gi由位于檢測目標(biāo)中心的峰值亮點(diǎn)構(gòu)成,而其它的地方均是較小的值。具體來說,可以定義gi是一個(gè)在目標(biāo)中心(xi,yi),半徑為σ如圖4所示的2維高斯函數(shù):

    g(x,y)=(f?h)(x,y)=Γ-1(F(w,v)H(w,v))。

    (1)

    根據(jù)卷積定理(1),在空域做卷積等價(jià)于在傅里葉頻域做乘積,這是精確計(jì)算過濾器的基礎(chǔ)。其中:f是原圖像;h是濾波器;g是空域的響應(yīng)輸出圖像;Γ是傅里葉變換;首字母(F,H)代表各自的2維傅里葉變換。

    要精確求解濾波器,首先要將公式(1)的H替換為其復(fù)共軛,

    G(w,v)=F(w,v)H*(w,v)。

    (2)

    然后,根據(jù)公式(3)求解過濾器:

    (3)

    公式(3)是關(guān)于輸出響應(yīng)圖的傅氏變換和原圖的傅氏變換間的除法。從圖3過濾器h1,h2,h3的圖像中可以看出,它們并不是對(duì)眼睛進(jìn)行響應(yīng),而是對(duì)每張具體的訓(xùn)練圖片進(jìn)行響應(yīng)。要產(chǎn)生一個(gè)擬合全部訓(xùn)練圖片的并具有泛化能力的過濾器,需要根據(jù)公式(4)計(jì)算多個(gè)精確過濾器的平均。

    (4)

    (5)

    從圖3的最后一行看出,均值化操作增強(qiáng)了這些訓(xùn)練圖片的共同特征,抑制了樣本的個(gè)體特征。每個(gè)精確的過濾器可以視做一個(gè)弱分類器,它在單個(gè)訓(xùn)練圖片上表現(xiàn)良好。如果這些弱分類器是無偏的,將它們相加,會(huì)得到一個(gè)方差為0的強(qiáng)分類器,其表現(xiàn)超過其它普通分類器。

    由于傅里葉變換是線性操作,均值計(jì)算在時(shí)域和空域均能進(jìn)行。如果在空域內(nèi)進(jìn)行,濾波器可以在求平均前被剪裁,這樣濾波器可以針對(duì)訓(xùn)練圖片的不同大小進(jìn)行構(gòu)建。一般來講,對(duì)訓(xùn)練圖片進(jìn)行平移、縮放、旋轉(zhuǎn)等變換可以使過濾器適應(yīng)性及魯棒性更強(qiáng)。而選擇合適的濾波器,可以衰減圖像中的無用信號(hào)頻率,保留目標(biāo)對(duì)象的頻率。

    本節(jié)所使用的卷積濾波器比深度神經(jīng)網(wǎng)絡(luò)中的卷積濾波器核要大,但是原理與深度網(wǎng)絡(luò)進(jìn)行多層的卷積濾波器類似。深度網(wǎng)絡(luò)通過在空域進(jìn)行連續(xù)多層的卷積,本質(zhì)上是對(duì)圖像信號(hào)在頻域進(jìn)行多步篩選和過濾,最終留下的就是目標(biāo)體的頻率,對(duì)應(yīng)在空域(見特征圖)上的亮點(diǎn)。因此,深度網(wǎng)絡(luò)本身已經(jīng)具備目標(biāo)檢測的能力,不需要額外附加一些結(jié)構(gòu)(如位置回歸子網(wǎng))來實(shí)現(xiàn)。

    1.3 深度表征分析

    深度卷積網(wǎng)絡(luò)由眾多卷積濾波器組合而成,根據(jù)上節(jié)的闡述,中間層會(huì)產(chǎn)生許多深度表征g(x,y),分析深度表征對(duì)理解深度學(xué)習(xí)的機(jī)制很重要。在經(jīng)過ImageNet數(shù)據(jù)集預(yù)訓(xùn)練過后,卷積特征能夠描述很多物體,可以認(rèn)為是用大量的神經(jīng)元檢測到豐富的可視化模式。神經(jīng)網(wǎng)絡(luò)層對(duì)不同類型的特征進(jìn)行編碼,高層捕捉物體類別的語義概念,而低層對(duì)物體局部的各種區(qū)分性特征進(jìn)行編碼。但對(duì)于一個(gè)特定的目標(biāo)檢測任務(wù)來說,要得到那些能夠把目標(biāo)體從背景中區(qū)分出來的特征圖子集,需要丟掉那些同時(shí)對(duì)目標(biāo)區(qū)域和背景區(qū)域有較高響應(yīng)的特征圖,防止檢測器被背景區(qū)域干擾。CNN可以從圖像分類任務(wù)中學(xué)到這些特征,利用這些特征可以進(jìn)行目標(biāo)的檢測和定位。

    圖5 相關(guān)特征圖

    CNN所激活的特征圖是稀疏和局部化的,激活的區(qū)域和語義對(duì)象的區(qū)域高度相關(guān)。圖5顯示了一些對(duì)目標(biāo)區(qū)域使用最大值激活的特征圖。圖5(a)是輸入深度神經(jīng)網(wǎng)絡(luò)的集裝箱圖片,其中黃色框內(nèi)的鉛封是檢測目標(biāo)。圖5(b)深度神經(jīng)網(wǎng)絡(luò)中間某層的特征圖可視化,共有768個(gè)通道(特征圖),每個(gè)特征圖在藍(lán)色方框內(nèi)顯示,其中,編號(hào)為520(黃色框內(nèi))的特征圖檢測到目標(biāo)表征。圖5(c)是該特征圖的放大顯示,從中可以清楚地看到以紅色亮點(diǎn)表示的特征圖的最大值恰好對(duì)應(yīng)鉛封。另外,特征圖只有較少的區(qū)域具有非0值。這些非0值是局部化的,主要與圖像前景的目標(biāo)物體相關(guān)。如果對(duì)目標(biāo)物體進(jìn)行平移、轉(zhuǎn)動(dòng)等變換,會(huì)引起特征圖發(fā)生變化,但是變化僅限于目標(biāo)體的范圍。由此可以說明特征圖捕獲了與該目標(biāo)體相關(guān)的可視化特征。

    需要說明的是,滿足這種表征的相關(guān)性特征圖可能不止一個(gè),而且只是以一定的概率出現(xiàn)。因此,需要組合這些特征,并做增強(qiáng)性訓(xùn)練,以提高檢測的準(zhǔn)確性。

    1.4 特征圖組合

    對(duì)于一張給定的圖片,令gi代表所選擇的相關(guān)性特征圖,對(duì)每個(gè)特征圖,進(jìn)行全局平均池化操作,得

    (6)

    對(duì)于它們所檢測的目標(biāo)類c,輸入到分類層的值

    (7)

    得到

    (8)

    Pc(x,y)直接顯示了特征圖在(x,y)位置檢測為類c的顯著性值,這樣Pc就成為檢測類c的顯著性分布特征圖。

    1.5 目標(biāo)函數(shù)

    Inception網(wǎng)絡(luò)通常在經(jīng)過多個(gè)Inception模塊后,由全局池化(AvgPool)得到特征向量,并經(jīng)過全連接層(FC)輸出神經(jīng)激活值logits, 通過SoftMax函數(shù)預(yù)測不同類別的概率(見圖6),這種網(wǎng)絡(luò)結(jié)構(gòu)只能實(shí)現(xiàn)圖像分類。本文從中間的Inception模塊G選取合適的特征圖,經(jīng)過全局平均池化層(AvgPool)生成logits, 然后通過Sigmoid函數(shù)預(yù)測類別概率,如圖6右半部分。該方法能在所選特征圖上同時(shí)預(yù)測目標(biāo)類別和位置,實(shí)現(xiàn)目標(biāo)檢測。同時(shí)由于不使用全連接層FC,降低了過擬合的風(fēng)險(xiǎn)。

    激活值logits轉(zhuǎn)化為概率分布后通過最小化損失函數(shù)逼近類別標(biāo)簽labels,如果一個(gè)圖像樣本被預(yù)測為一個(gè)類,通常使用softmax交叉熵(Cross Entropy)函數(shù);但對(duì)于目標(biāo)檢測任務(wù),往往需要在一個(gè)圖像樣本中檢測出多個(gè)類別的物體,因此需要使用sigmoid交叉熵(Cross Entropy)函數(shù),計(jì)算與類標(biāo)簽labels的概率分布差異。

    令x=logits為分類輸出的激活值向量,z為標(biāo)簽labels向量,則sigmoid交叉熵函數(shù)為:

    (1-zi)(-log(1-sigmoid(xi)))=

    (9)

    從推導(dǎo)可見,sigmoid函數(shù)直接用于深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)容易造成梯度彌散問題,但是與交叉熵函數(shù)結(jié)合后,形式不僅會(huì)簡化,同時(shí)還抑制了梯度的消失。

    圖6 目標(biāo)函數(shù)及網(wǎng)絡(luò)連接

    1.6 實(shí)驗(yàn)結(jié)果

    對(duì)集裝箱的箱門和鉛封檢測任務(wù),提供包含箱門和鉛封的正樣本各50例,負(fù)樣本50例。訓(xùn)練時(shí)在保留檢測目標(biāo)的基礎(chǔ)上,對(duì)樣本進(jìn)行增廣處理。包括剪裁、平移、縮放、旋轉(zhuǎn)等變換,促使神經(jīng)網(wǎng)絡(luò)產(chǎn)生平移、旋轉(zhuǎn)、縮放不變性特征。訓(xùn)練過程中的目標(biāo)函數(shù)曲線見圖7,sigmoid交叉熵值平穩(wěn)下降至0.3,表明預(yù)測的概率分布同標(biāo)簽的分布逐步接近。

    圖8中左圖是攝像頭拍攝的集裝箱圖片,右側(cè)是檢測箱門的顯著性分布特征圖。從分布圖來看,箱門的4根柱子均以最大值(紅點(diǎn))呈現(xiàn),同時(shí)該類別的概率分值接近1,表明檢測到箱門。

    圖9中左圖是攝像頭拍攝的集裝箱圖片,右側(cè)是檢測鉛封的顯著性分布特征圖。從分布圖來看,最大值(紅點(diǎn))處恰好對(duì)應(yīng)鉛封的位置,同時(shí)該類別的概率分值接近1,表明檢測到鉛封。

    圖7 sigmoid交叉熵的訓(xùn)練曲線

    圖8 箱門檢測

    在每個(gè)類別的顯著性分布特征圖上,使用Opencv的連通區(qū)域算法得到大于某個(gè)閾值的目標(biāo)區(qū)域,并計(jì)算包圍矩形及角點(diǎn)坐標(biāo),從而計(jì)算出目標(biāo)體的精確位置。

    本文使用tensorflow的Object Detect API ,基于Inception網(wǎng)絡(luò)架構(gòu),與流行的深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法(R-FCN, Faster R-CNN, SSD )進(jìn)行比較。在Intel COREi7,8核心,32 G內(nèi)存的DELL工作站上運(yùn)行,結(jié)果如表1所示。與上述三種方法相比,本文提出的使用顯著性分布特征圖進(jìn)行目標(biāo)檢測的方法,由于不使用box邊界框,不采用附加的網(wǎng)絡(luò)結(jié)構(gòu)及定位回歸訓(xùn)練,大幅減少了需要學(xué)習(xí)的變量參數(shù)。在訓(xùn)練樣本數(shù)較少的情況下,取得了較高的識(shí)別準(zhǔn)確率和速度。由于受到光照、拍攝角度等因素影響,仍然存在一定的錯(cuò)誤率。隨著樣本數(shù)量不斷增加,可以增加對(duì)該問題的魯棒性,提高識(shí)別率。

    圖9 鉛封檢測

    從顯著性特征圖來看,神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到了對(duì)目標(biāo)的檢測表征能力,這是基于深度神經(jīng)網(wǎng)絡(luò)固有的頻率選擇特性,并通過合理的結(jié)構(gòu)設(shè)置及訓(xùn)練方法進(jìn)行了激發(fā)和增強(qiáng),因此本方法對(duì)其它場景及更多類別的檢測也適用。

    2 結(jié)語

    本文提出一種基于深度卷積網(wǎng)絡(luò)的識(shí)別方法,能夠在少量樣本圖像的條件下,快速地檢測識(shí)別目標(biāo)對(duì)象。并通過實(shí)驗(yàn),對(duì)集裝箱箱門、鉛封等相關(guān)目標(biāo)進(jìn)行檢測,取得良好效果。實(shí)際工程應(yīng)用中,在該算法的基礎(chǔ)上,結(jié)合實(shí)際業(yè)務(wù)狀況等其他集裝箱信息進(jìn)行復(fù)合校驗(yàn),會(huì)大幅提高識(shí)別率。目前,實(shí)際應(yīng)用最終的識(shí)別率在97%左右。未來計(jì)劃在集裝箱自動(dòng)化碼頭系統(tǒng)及智慧港口的應(yīng)用開發(fā)中,不斷完善和優(yōu)化其工程應(yīng)用,提高開發(fā)效率和部署靈活性。

    表1 Inception網(wǎng)絡(luò)架構(gòu)與深度神經(jīng)網(wǎng)絡(luò)的

    Note:①M(fèi)ethods;②Accuracy;③Average detection time;④Test of correlation featuremap

    猜你喜歡
    鉛封集裝箱濾波器
    美軍一架C-130J正在投放集裝箱
    軍事文摘(2023年5期)2023-03-27 09:13:10
    數(shù)字化進(jìn)程下集裝箱鉛封管理實(shí)踐與思考
    集裝箱化(2022年9期)2022-05-30 10:48:04
    高壓電纜終端鉛封缺陷超聲檢測方法研究
    中國測試(2022年3期)2022-03-30 10:10:22
    高壓電纜附件鉛封工藝的改進(jìn)
    虛實(shí)之間——集裝箱衍生出的空間折疊
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    開關(guān)電源EMI濾波器的應(yīng)用方法探討
    電子制作(2018年16期)2018-09-26 03:26:50
    SMA型連接器鉛封產(chǎn)品應(yīng)用研究
    我家住在集裝箱
    中國公路(2017年8期)2017-07-21 14:26:20
    基于Canny振蕩抑制準(zhǔn)則的改進(jìn)匹配濾波器
    日日干狠狠操夜夜爽| 在线观看午夜福利视频| 99在线人妻在线中文字幕| 亚洲欧美日韩无卡精品| 1000部很黄的大片| 看十八女毛片水多多多| 国产精品人妻久久久久久| 美女被艹到高潮喷水动态| 国产精品永久免费网站| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 美女cb高潮喷水在线观看| 中国美女看黄片| 一个人观看的视频www高清免费观看| 偷拍熟女少妇极品色| 狠狠狠狠99中文字幕| 亚洲性夜色夜夜综合| 亚洲av电影在线进入| 久久久久久大精品| 舔av片在线| 观看美女的网站| 乱人视频在线观看| 制服丝袜大香蕉在线| 毛片一级片免费看久久久久 | 香蕉av资源在线| 香蕉av资源在线| 免费高清视频大片| 亚洲av美国av| 丰满的人妻完整版| 国产欧美日韩一区二区三| 自拍偷自拍亚洲精品老妇| eeuss影院久久| 色吧在线观看| 哪里可以看免费的av片| 有码 亚洲区| 长腿黑丝高跟| 俄罗斯特黄特色一大片| 国产精品女同一区二区软件 | 日韩高清综合在线| 1024手机看黄色片| 一进一出抽搐动态| 久久久国产成人精品二区| 色综合欧美亚洲国产小说| 国产aⅴ精品一区二区三区波| 免费在线观看日本一区| 九色国产91popny在线| 亚洲成av人片在线播放无| 国产精品1区2区在线观看.| av天堂中文字幕网| 麻豆成人av在线观看| 亚洲 国产 在线| 国产野战对白在线观看| 午夜a级毛片| 国产91精品成人一区二区三区| 国产私拍福利视频在线观看| 久久中文看片网| 国产亚洲欧美在线一区二区| 欧美一区二区亚洲| 色播亚洲综合网| 一区二区三区免费毛片| www.www免费av| 可以在线观看的亚洲视频| 亚洲第一欧美日韩一区二区三区| 亚洲国产精品久久男人天堂| 成熟少妇高潮喷水视频| 免费黄网站久久成人精品 | 久久精品夜夜夜夜夜久久蜜豆| 久久99热这里只有精品18| 婷婷六月久久综合丁香| 国产精品久久久久久精品电影| 成年女人永久免费观看视频| 香蕉av资源在线| 一个人免费在线观看的高清视频| 一区二区三区免费毛片| 日本黄色片子视频| 久久国产精品人妻蜜桃| 亚洲av中文字字幕乱码综合| 国产精品一区二区三区四区免费观看 | 熟妇人妻久久中文字幕3abv| 全区人妻精品视频| 免费看a级黄色片| 最新中文字幕久久久久| 美女黄网站色视频| 乱人视频在线观看| 毛片女人毛片| 99热这里只有是精品在线观看 | 在线观看一区二区三区| 免费高清视频大片| 最近中文字幕高清免费大全6 | 中文字幕熟女人妻在线| 两个人视频免费观看高清| 99国产精品一区二区蜜桃av| 最后的刺客免费高清国语| 久9热在线精品视频| 在线观看午夜福利视频| 国产精品美女特级片免费视频播放器| 国产单亲对白刺激| 亚洲在线自拍视频| 内射极品少妇av片p| 一级黄色大片毛片| 亚洲乱码一区二区免费版| 婷婷六月久久综合丁香| 色哟哟·www| 日本a在线网址| 嫁个100分男人电影在线观看| aaaaa片日本免费| 如何舔出高潮| 精品久久久久久久久久免费视频| 久久久久久久久久成人| 女同久久另类99精品国产91| 日本五十路高清| av欧美777| 国产精品自产拍在线观看55亚洲| 十八禁人妻一区二区| 欧美丝袜亚洲另类 | 级片在线观看| 久久久久国产精品人妻aⅴ院| 成人毛片a级毛片在线播放| 午夜影院日韩av| 国产av不卡久久| 亚洲欧美日韩卡通动漫| 欧美日韩福利视频一区二区| 精品99又大又爽又粗少妇毛片 | 韩国av一区二区三区四区| 国产精品亚洲一级av第二区| 午夜福利18| 女生性感内裤真人,穿戴方法视频| 性色av乱码一区二区三区2| 99在线视频只有这里精品首页| 国产精品亚洲av一区麻豆| 淫妇啪啪啪对白视频| 婷婷亚洲欧美| 日本五十路高清| 天堂√8在线中文| 毛片一级片免费看久久久久 | av视频在线观看入口| 免费在线观看亚洲国产| 高潮久久久久久久久久久不卡| 亚洲无线观看免费| 精品一区二区三区视频在线观看免费| 日韩中字成人| 舔av片在线| 亚洲人与动物交配视频| 午夜久久久久精精品| 搡老熟女国产l中国老女人| 久久精品人妻少妇| 国产老妇女一区| 69人妻影院| 亚洲天堂国产精品一区在线| 色哟哟哟哟哟哟| 亚洲av免费高清在线观看| 免费在线观看日本一区| 窝窝影院91人妻| 久久99热6这里只有精品| 欧美国产日韩亚洲一区| 国产精品野战在线观看| 国产白丝娇喘喷水9色精品| 波多野结衣高清无吗| 欧美黄色片欧美黄色片| 国产精品女同一区二区软件 | 男人和女人高潮做爰伦理| 成人亚洲精品av一区二区| 国产成+人综合+亚洲专区| 婷婷色综合大香蕉| 亚洲内射少妇av| 久久久久久久精品吃奶| 无人区码免费观看不卡| 亚洲人成网站在线播| 欧美日韩国产亚洲二区| 激情在线观看视频在线高清| 日韩欧美精品v在线| 午夜福利免费观看在线| 可以在线观看的亚洲视频| 中文字幕久久专区| 久久国产精品影院| 中文字幕人成人乱码亚洲影| 亚洲av成人av| 女人十人毛片免费观看3o分钟| 亚洲人成伊人成综合网2020| 淫妇啪啪啪对白视频| 国产精品98久久久久久宅男小说| 国产午夜福利久久久久久| 在线观看一区二区三区| 免费大片18禁| 日韩 亚洲 欧美在线| 国产在视频线在精品| 国产免费av片在线观看野外av| 国产私拍福利视频在线观看| 嫩草影院新地址| 久久久国产成人免费| 亚洲av不卡在线观看| 在线观看舔阴道视频| 国内少妇人妻偷人精品xxx网站| 亚洲激情在线av| 欧美xxxx黑人xx丫x性爽| 一本一本综合久久| 色av中文字幕| 欧美+日韩+精品| 亚洲精品在线观看二区| 欧美性猛交黑人性爽| 午夜精品久久久久久毛片777| 真实男女啪啪啪动态图| 成年版毛片免费区| 91字幕亚洲| 久久99热这里只有精品18| 日日干狠狠操夜夜爽| 夜夜夜夜夜久久久久| 欧美最黄视频在线播放免费| 成人特级黄色片久久久久久久| 精品久久久久久久久亚洲 | 90打野战视频偷拍视频| 禁无遮挡网站| 直男gayav资源| 天堂av国产一区二区熟女人妻| 亚洲成人久久性| 国产高清视频在线观看网站| 18禁裸乳无遮挡免费网站照片| 91麻豆av在线| 久久久久久久久久成人| av天堂在线播放| 欧美一区二区国产精品久久精品| a在线观看视频网站| www.熟女人妻精品国产| 一个人看视频在线观看www免费| 午夜免费成人在线视频| 有码 亚洲区| 久9热在线精品视频| 国产 一区 欧美 日韩| 精品不卡国产一区二区三区| 久久欧美精品欧美久久欧美| 国产一区二区在线av高清观看| 成年人黄色毛片网站| 九色国产91popny在线| .国产精品久久| 男人舔女人下体高潮全视频| 深爱激情五月婷婷| 久久久国产成人免费| 国产高清三级在线| 午夜两性在线视频| 亚洲国产精品999在线| 成人特级av手机在线观看| 久久久久久国产a免费观看| 亚洲精品影视一区二区三区av| 男人狂女人下面高潮的视频| 国产伦一二天堂av在线观看| 又粗又爽又猛毛片免费看| 亚洲,欧美精品.| 最近最新免费中文字幕在线| 99热这里只有精品一区| 色5月婷婷丁香| 国产三级中文精品| 国产精品爽爽va在线观看网站| 日韩亚洲欧美综合| 精品久久久久久久久久免费视频| 久久香蕉精品热| 丰满的人妻完整版| 亚洲精品影视一区二区三区av| 国产成人啪精品午夜网站| 内射极品少妇av片p| 日韩中字成人| 日本a在线网址| 成年女人毛片免费观看观看9| 天天一区二区日本电影三级| 美女免费视频网站| 免费大片18禁| 极品教师在线视频| 日本熟妇午夜| 一区福利在线观看| 97热精品久久久久久| 国产大屁股一区二区在线视频| 九九在线视频观看精品| 97超视频在线观看视频| 最近在线观看免费完整版| 国产高清三级在线| 国产精品综合久久久久久久免费| 亚洲精品色激情综合| 久久天躁狠狠躁夜夜2o2o| 久久精品国产亚洲av天美| 伦理电影大哥的女人| 久久这里只有精品中国| 老鸭窝网址在线观看| 日韩欧美国产在线观看| 亚洲专区国产一区二区| 亚洲国产欧洲综合997久久,| 日韩亚洲欧美综合| 丁香六月欧美| 精品人妻1区二区| 精品午夜福利在线看| 亚洲人成伊人成综合网2020| 午夜免费男女啪啪视频观看 | 99久国产av精品| 免费av不卡在线播放| 99热只有精品国产| 亚洲精品久久国产高清桃花| 啦啦啦韩国在线观看视频| 国产男靠女视频免费网站| 床上黄色一级片| 最新在线观看一区二区三区| 欧美+日韩+精品| 久久亚洲精品不卡| 国产成人影院久久av| 免费观看精品视频网站| .国产精品久久| 久久精品影院6| 狂野欧美白嫩少妇大欣赏| netflix在线观看网站| 亚洲av成人不卡在线观看播放网| 有码 亚洲区| 18禁黄网站禁片午夜丰满| 亚洲,欧美,日韩| 美女大奶头视频| 亚洲av第一区精品v没综合| 国产精华一区二区三区| 一级黄片播放器| 国产熟女xx| 色综合亚洲欧美另类图片| 亚洲成av人片免费观看| 欧美潮喷喷水| 色在线成人网| 欧美黑人巨大hd| 一本精品99久久精品77| 成人毛片a级毛片在线播放| 天美传媒精品一区二区| 久久国产精品人妻蜜桃| 亚洲第一区二区三区不卡| 欧美精品国产亚洲| 免费在线观看亚洲国产| 国内精品一区二区在线观看| 婷婷六月久久综合丁香| 毛片女人毛片| 韩国av一区二区三区四区| 久久亚洲精品不卡| 久久午夜亚洲精品久久| 国产激情偷乱视频一区二区| 国产精品久久久久久亚洲av鲁大| 亚洲aⅴ乱码一区二区在线播放| 老女人水多毛片| 久久精品人妻少妇| 深爱激情五月婷婷| 久久伊人香网站| 在线观看免费视频日本深夜| 十八禁网站免费在线| 亚洲人成伊人成综合网2020| 久久久久国产精品人妻aⅴ院| 国产私拍福利视频在线观看| 国产成人aa在线观看| 又黄又爽又免费观看的视频| 久久久久久久久久黄片| 免费在线观看亚洲国产| 亚洲av五月六月丁香网| 国产高清视频在线观看网站| 免费在线观看成人毛片| netflix在线观看网站| 黄色女人牲交| 精品人妻熟女av久视频| 一个人看视频在线观看www免费| 亚洲综合色惰| 国产精品嫩草影院av在线观看 | 热99re8久久精品国产| 欧美日韩瑟瑟在线播放| 黄片小视频在线播放| 精品熟女少妇八av免费久了| 国产精品亚洲美女久久久| 日本 av在线| 精品欧美国产一区二区三| 91在线观看av| 亚洲片人在线观看| 成人性生交大片免费视频hd| 人妻制服诱惑在线中文字幕| 波多野结衣高清作品| 两人在一起打扑克的视频| 精品福利观看| 国产欧美日韩精品亚洲av| 欧美色欧美亚洲另类二区| 伦理电影大哥的女人| 女生性感内裤真人,穿戴方法视频| 老司机午夜福利在线观看视频| 亚洲国产高清在线一区二区三| 欧美性猛交╳xxx乱大交人| 97超级碰碰碰精品色视频在线观看| h日本视频在线播放| 欧美日韩中文字幕国产精品一区二区三区| 特大巨黑吊av在线直播| 在线a可以看的网站| 国产亚洲欧美在线一区二区| 成熟少妇高潮喷水视频| 午夜福利在线观看免费完整高清在 | 欧美不卡视频在线免费观看| 免费高清视频大片| 蜜桃亚洲精品一区二区三区| 亚洲中文字幕一区二区三区有码在线看| 性色av乱码一区二区三区2| 高潮久久久久久久久久久不卡| 日本与韩国留学比较| 国产精华一区二区三区| 亚洲成av人片在线播放无| 国产精品一及| 欧美xxxx性猛交bbbb| 99久久九九国产精品国产免费| 少妇的逼好多水| 国产v大片淫在线免费观看| 麻豆久久精品国产亚洲av| 免费看美女性在线毛片视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产精品,欧美在线| 99久久精品国产亚洲精品| 欧美区成人在线视频| 午夜亚洲福利在线播放| 国产高清三级在线| 国产真实伦视频高清在线观看 | 美女cb高潮喷水在线观看| 搡老熟女国产l中国老女人| 五月玫瑰六月丁香| 欧美极品一区二区三区四区| 免费av不卡在线播放| 琪琪午夜伦伦电影理论片6080| 亚洲第一电影网av| 亚洲美女黄片视频| 免费观看的影片在线观看| 国产成+人综合+亚洲专区| 免费av毛片视频| 久久精品国产99精品国产亚洲性色| 小说图片视频综合网站| 欧美日韩乱码在线| 免费在线观看日本一区| 在线观看一区二区三区| 国产中年淑女户外野战色| 欧美区成人在线视频| 观看美女的网站| 成人美女网站在线观看视频| 午夜福利欧美成人| 99热6这里只有精品| 在线天堂最新版资源| 少妇裸体淫交视频免费看高清| 淫妇啪啪啪对白视频| 久久精品久久久久久噜噜老黄 | 88av欧美| 极品教师在线视频| 91午夜精品亚洲一区二区三区 | 高清毛片免费观看视频网站| 免费av观看视频| АⅤ资源中文在线天堂| 成熟少妇高潮喷水视频| 97碰自拍视频| 久久久久九九精品影院| 国产午夜精品论理片| АⅤ资源中文在线天堂| 国产精品久久电影中文字幕| 精品人妻1区二区| 日韩有码中文字幕| 麻豆成人av在线观看| 亚洲aⅴ乱码一区二区在线播放| netflix在线观看网站| 变态另类丝袜制服| 国产综合懂色| 97碰自拍视频| 亚洲成av人片免费观看| 日韩精品中文字幕看吧| 成人特级av手机在线观看| 国产av一区在线观看免费| 亚洲国产精品999在线| 非洲黑人性xxxx精品又粗又长| 麻豆成人av在线观看| 国产三级黄色录像| 国产麻豆成人av免费视频| 婷婷亚洲欧美| 亚洲经典国产精华液单 | 日韩欧美在线乱码| 国产成年人精品一区二区| 校园春色视频在线观看| 日本免费一区二区三区高清不卡| 桃红色精品国产亚洲av| 国产精品98久久久久久宅男小说| 综合色av麻豆| 亚洲三级黄色毛片| 国产91精品成人一区二区三区| 国产精品久久久久久久久免 | 日日干狠狠操夜夜爽| 日本熟妇午夜| 极品教师在线免费播放| 窝窝影院91人妻| 免费高清视频大片| 国产又黄又爽又无遮挡在线| 亚洲精品日韩av片在线观看| 国产麻豆成人av免费视频| 欧美日韩黄片免| 最后的刺客免费高清国语| 国产乱人伦免费视频| 午夜亚洲福利在线播放| 国产午夜精品论理片| 亚洲国产欧美人成| 天堂网av新在线| 久久中文看片网| 色尼玛亚洲综合影院| 一a级毛片在线观看| 成人鲁丝片一二三区免费| 99国产极品粉嫩在线观看| 男女视频在线观看网站免费| 亚洲国产日韩欧美精品在线观看| 欧美精品国产亚洲| 真实男女啪啪啪动态图| 久久久久久久久大av| 免费黄网站久久成人精品 | 最新在线观看一区二区三区| 此物有八面人人有两片| 午夜精品久久久久久毛片777| 亚洲 欧美 日韩 在线 免费| 久久6这里有精品| 亚洲最大成人中文| 制服丝袜大香蕉在线| 日日摸夜夜添夜夜添av毛片 | 国产精品三级大全| 日日夜夜操网爽| 亚洲国产欧洲综合997久久,| 国内精品久久久久精免费| 亚洲内射少妇av| 看黄色毛片网站| 综合色av麻豆| 日韩欧美在线乱码| 久久久久久久午夜电影| 午夜免费男女啪啪视频观看 | 日日摸夜夜添夜夜添av毛片 | 亚洲aⅴ乱码一区二区在线播放| 欧美日韩瑟瑟在线播放| 变态另类丝袜制服| 99热这里只有精品一区| 欧美日本亚洲视频在线播放| 国内精品久久久久久久电影| 午夜免费成人在线视频| 国产亚洲欧美98| 精品人妻1区二区| 久久久久国内视频| 欧美乱色亚洲激情| 观看美女的网站| 亚洲av中文字字幕乱码综合| eeuss影院久久| 国产精品美女特级片免费视频播放器| av在线蜜桃| 一进一出抽搐动态| 精品人妻偷拍中文字幕| 国产人妻一区二区三区在| 日韩欧美 国产精品| 国产人妻一区二区三区在| 成人毛片a级毛片在线播放| 欧美xxxx性猛交bbbb| 婷婷精品国产亚洲av在线| 女人被狂操c到高潮| 午夜免费成人在线视频| 老司机午夜十八禁免费视频| 亚洲美女黄片视频| 婷婷丁香在线五月| av欧美777| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲av熟女| 91狼人影院| 我要搜黄色片| 国内精品一区二区在线观看| 啪啪无遮挡十八禁网站| 国产精品乱码一区二三区的特点| 51午夜福利影视在线观看| 日韩精品中文字幕看吧| 亚洲黑人精品在线| 在线a可以看的网站| a在线观看视频网站| 亚洲国产高清在线一区二区三| 亚洲av免费高清在线观看| 欧美一区二区精品小视频在线| 少妇人妻精品综合一区二区 | 国内精品美女久久久久久| 简卡轻食公司| 久久欧美精品欧美久久欧美| 国产中年淑女户外野战色| 久久人人精品亚洲av| 一进一出抽搐动态| 亚洲真实伦在线观看| 男人狂女人下面高潮的视频| 婷婷色综合大香蕉| 内地一区二区视频在线| 少妇丰满av| 亚洲人成网站高清观看| 国产主播在线观看一区二区| 两个人视频免费观看高清| 99riav亚洲国产免费| 国产白丝娇喘喷水9色精品| 最近在线观看免费完整版| 亚洲成人精品中文字幕电影| 日本在线视频免费播放| 一二三四社区在线视频社区8| 国产aⅴ精品一区二区三区波| 一区福利在线观看| 欧美一级a爱片免费观看看| 亚洲性夜色夜夜综合| 亚洲专区国产一区二区| 日韩有码中文字幕| 亚洲精品成人久久久久久| 亚洲在线观看片| 欧美日韩乱码在线| 久久香蕉精品热| 精品一区二区三区视频在线| 波多野结衣高清无吗| 国产成人av教育| 丁香欧美五月| 亚洲天堂国产精品一区在线| 床上黄色一级片| 亚洲片人在线观看| 日韩欧美精品免费久久 | 亚洲,欧美精品.| 少妇的逼水好多| 国产黄色小视频在线观看| 激情在线观看视频在线高清| www.www免费av| 1000部很黄的大片| 99久久精品国产亚洲精品| 国产伦人伦偷精品视频| 又黄又爽又免费观看的视频| 最后的刺客免费高清国语|