• <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 ?

    基于計(jì)算機(jī)視覺的魚類攝食行為研究現(xiàn)狀及展望

    2020-02-22 07:42:25張重陽陳明
    江蘇農(nóng)業(yè)科學(xué) 2020年24期
    關(guān)鍵詞:目標(biāo)跟蹤計(jì)算機(jī)視覺水產(chǎn)養(yǎng)殖

    張重陽 陳明

    摘要:隨著工廠化循環(huán)水養(yǎng)殖業(yè)的不斷發(fā)展,借助計(jì)算機(jī)視覺技術(shù)研究魚類的攝食行為已逐漸成為魚類行為學(xué)研究的熱點(diǎn)課題。本文在對相關(guān)文獻(xiàn)調(diào)研的基礎(chǔ)上,根據(jù)視覺特性從動(dòng)態(tài)和靜態(tài)2個(gè)方面圍繞目標(biāo)檢測、目標(biāo)跟蹤、尺寸測量、形狀分析、質(zhì)量估計(jì)、紋理分析和顏色判定等多個(gè)方面詳細(xì)分析了計(jì)算機(jī)視覺在魚類攝食行為研究方面的國內(nèi)外研究現(xiàn)狀;同時(shí),分析了利用計(jì)算機(jī)視覺技術(shù)研究魚類行為對精細(xì)化養(yǎng)殖帶來的機(jī)遇和挑戰(zhàn),并給出了今后在高精度檢測和活躍性等方面的研究趨勢和發(fā)展方向。

    關(guān)鍵詞:計(jì)算機(jī)視覺;魚類攝食;特征提取;目標(biāo)跟蹤;水產(chǎn)養(yǎng)殖

    中圖分類號: TP391.4 ?文獻(xiàn)標(biāo)志碼: A ?文章編號:1002-1302(2020)24-0031-06

    水產(chǎn)養(yǎng)殖是我國農(nóng)業(yè)生產(chǎn)的重要組成部分,近年來,工廠化水產(chǎn)養(yǎng)殖取得了快速的發(fā)展。據(jù)2019年中國漁業(yè)統(tǒng)計(jì)年鑒資料,2018年水產(chǎn)品總產(chǎn)量比2017年上升1.9百分點(diǎn),達(dá)6457.66萬t,其中養(yǎng)殖產(chǎn)量約占77.29%,成為世界上唯一的養(yǎng)殖量超過捕撈量的國家[1]。水產(chǎn)動(dòng)物的視覺屬性不僅可以反映其生長狀況,也是養(yǎng)殖者進(jìn)行水環(huán)境監(jiān)測、精準(zhǔn)投喂和提高生產(chǎn)效率的主要信息來源[2]。傳統(tǒng)的人工投喂方式不僅易受經(jīng)驗(yàn)、習(xí)慣和偏好等因素的影響,且會(huì)因餌料的浪費(fèi)和水質(zhì)污染降低其經(jīng)濟(jì)效益[2]。隨著循環(huán)養(yǎng)殖業(yè)的快速發(fā)展,通過計(jì)算機(jī)視覺技術(shù)對魚類的攝食行為進(jìn)行檢測,不僅可以增加養(yǎng)殖效益,避免水體污染,而且可以降低生產(chǎn)成本,從而達(dá)到精細(xì)化養(yǎng)殖。

    計(jì)算機(jī)視覺技術(shù)起源于20世紀(jì)50年代,近年來,因其經(jīng)濟(jì)、快速、客觀和高精度檢測的優(yōu)點(diǎn),已在魚類尺寸、形狀、體色和疾病診斷等水產(chǎn)動(dòng)物屬性研究領(lǐng)域取得多項(xiàng)突破[3]。使用計(jì)算機(jī)視覺技術(shù)對魚類攝食圖像進(jìn)行研究,可以大幅度提高工作效率,實(shí)現(xiàn)準(zhǔn)確、連續(xù)、長時(shí)間的檢測和獲取魚類攝食行為參數(shù),為水產(chǎn)精細(xì)化養(yǎng)殖、優(yōu)化水體環(huán)境和提高養(yǎng)殖效益提供了保證[2,4]。本文擬通過對國內(nèi)外計(jì)算機(jī)視覺在魚類行為學(xué)方面的研究和分析,以期促進(jìn)該技術(shù)在我國的應(yīng)用和發(fā)展。

    基于計(jì)算機(jī)視覺技術(shù)的魚類攝食行為量化是水產(chǎn)養(yǎng)殖研究中最直接和最有效的方法[5],其核心思想是通過計(jì)算機(jī)手段對攝食圖像進(jìn)行特征提取和量化,根據(jù)量化結(jié)果對魚群的飽食程度進(jìn)行估算和操作[6]。利用計(jì)算機(jī)視覺進(jìn)行攝食行為的量化,對改善水質(zhì)環(huán)境和提升水產(chǎn)養(yǎng)殖的經(jīng)濟(jì)效益具有非常重要的意義[7-8]。面向魚類行為特征的研究可以分為基于動(dòng)態(tài)特征和靜態(tài)特征2個(gè)方面,動(dòng)態(tài)特征主要是根據(jù)魚群的游動(dòng)軌跡分析攝食時(shí)的面積輪廓、空間位置、游動(dòng)速度和方向等信息;而靜態(tài)特征是通過分析圖像的紋理、形狀、顏色和尺寸等特征,對魚群的狀態(tài)和強(qiáng)度進(jìn)行識(shí)別分類。

    1 基于計(jì)算機(jī)視覺的魚類攝食行為動(dòng)態(tài)特征的研究現(xiàn)狀 ?動(dòng)態(tài)特征屬于生物特征的一種,在一定時(shí)間內(nèi)具有獨(dú)特性和穩(wěn)定性。魚類攝食行為的動(dòng)態(tài)特征分析是指對3D視頻圖像運(yùn)動(dòng)區(qū)域中的目標(biāo)對象進(jìn)行檢測和跟蹤,通過檢測魚群的運(yùn)動(dòng)方向、速度和位置的變化對攝食狀況進(jìn)行分析。

    1.1 目標(biāo)檢測

    目標(biāo)檢測是指將目標(biāo)對象從復(fù)雜背景環(huán)境中分離和處理的過程,是目標(biāo)跟蹤和分類識(shí)別的基礎(chǔ)。就魚類行為學(xué)分析而言,通過對魚類目標(biāo)的檢測可以有效地獲取魚體的輪廓和狀態(tài),為魚類行為分析提供了數(shù)據(jù)支撐。常用的運(yùn)動(dòng)目標(biāo)檢測方法按照原理分為光流法、背景減除法和幀間差分法[8-9]。

    1.1.1 光流法 光流法是目前應(yīng)用最廣泛的檢測跟蹤方法,它利用光流方程對像素點(diǎn)的運(yùn)動(dòng)狀態(tài)矢量進(jìn)行計(jì)算,在魚群游動(dòng)的過程中,通過視頻圖像中像素點(diǎn)的強(qiáng)度變化檢測出目標(biāo)魚群的運(yùn)動(dòng)速度和方向,并對其進(jìn)行跟蹤。但該方法的計(jì)算復(fù)雜度高,且易受噪聲、光照和環(huán)境擾動(dòng)的影響,在沒有專用硬件支持的情況下很難將魚群目標(biāo)完整地檢測出來。

    于欣等利用光流法提取了魚群在不同時(shí)空中運(yùn)動(dòng)的速度和轉(zhuǎn)角2個(gè)行為特征,實(shí)現(xiàn)了對魚群異常行為的檢測[10]。趙建等基于光流法提出了一種改進(jìn)動(dòng)能模型的魚類攝食強(qiáng)度檢測方法,利用閾值法和二值化技術(shù)提取了圖像在S和V方向上的特征,并結(jié)合統(tǒng)計(jì)學(xué)和信息熵獲取EK、v和CE來表征羅非魚的攝食強(qiáng)度[11]。侯曉嬌結(jié)合計(jì)算機(jī)視覺技術(shù),利用Lucas-Kanade光流法獲取了目標(biāo)魚群的運(yùn)動(dòng)矢量,并對魚群運(yùn)動(dòng)的行為特征進(jìn)行統(tǒng)計(jì),得到了魚群運(yùn)動(dòng)的速度和轉(zhuǎn)角2個(gè)行為特征的聯(lián)合直方圖與聯(lián)合概率分布,最終實(shí)現(xiàn)了魚群異常行為的檢測[12]。Zhang等首先利用平均背景建模的方法進(jìn)行目標(biāo)分割,然后采用光流法提取目標(biāo)對象的速度和轉(zhuǎn)角2個(gè)行為特征,最后通過統(tǒng)計(jì)分析的方法利用組合熵實(shí)現(xiàn)了羅非魚的攝食強(qiáng)度的評估[13]。

    1.1.2 背景差分法 背景差分法是利用圖像序列的當(dāng)前幀和背景模型的對比實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測的方法[14]。該方法不受運(yùn)動(dòng)目標(biāo)速度的限制,能夠及時(shí)、準(zhǔn)確和完整地提取運(yùn)動(dòng)目標(biāo)的特征。其性能取決于背景圖像的好壞,對光照和外部環(huán)境的明顯變化較為敏感,不適用于背景變化較大的情況。

    宋君毅首先采用中值濾波和自適應(yīng)濾波技術(shù)從空間域和頻域2個(gè)角度對圖像做平滑去噪處理,然后使用改進(jìn)的Canny算子進(jìn)行魚群圖像邊緣檢測,最后利用背景差分法建立了背景模型,從而實(shí)現(xiàn)了運(yùn)動(dòng)魚群的檢測[9]。Kato等開發(fā)了一套基于背景差分法的魚群行為檢測和跟蹤系統(tǒng),實(shí)現(xiàn)了對魚群攝食行為的識(shí)別[15]。張勝茂等提出了一套基于視頻監(jiān)控的魚類運(yùn)動(dòng)檢測方法,首先利用高斯模板對圖像進(jìn)行平滑處理操作,然后使用高斯混合模型(GMM)的方法建立背景模型,進(jìn)而得到了運(yùn)動(dòng)的前景目標(biāo),該方法有效地抑制了噪聲,對水面波動(dòng)也起到了濾除的作用[16]。

    1.1.3 幀間差分法 幀間差分法是一種通過對視頻序列圖像中連續(xù)的2幀或幾幀做差分運(yùn)算來獲取目標(biāo)輪廓的方法。該方法算法簡單、運(yùn)算速度快,且能夠適應(yīng)動(dòng)態(tài)環(huán)境的變化,具有較強(qiáng)的魯棒性。但當(dāng)目標(biāo)運(yùn)動(dòng)速度過快時(shí),不能將具有聯(lián)系特征的像素點(diǎn)完整地提取,較容易出現(xiàn)“空洞”現(xiàn)象。

    范良忠等利用改進(jìn)的幀間差分法實(shí)現(xiàn)了運(yùn)動(dòng)魚群的檢測[17]。王勇平等使用偵差法檢測目標(biāo)魚群,實(shí)現(xiàn)了對魚群的攝食情況的研究[4]。Liu等利用幀間差分法分析了大西洋鮭魚的攝食強(qiáng)度,并得出CVFAI和MOFAI 2種攝食活動(dòng)指數(shù)的相關(guān)系數(shù)為0.919 5[18],雖然實(shí)現(xiàn)了對魚群的攝食活動(dòng)進(jìn)行檢測,但忽略了魚體重疊引起的水面反射誤差,且計(jì)算量較大,在實(shí)際應(yīng)用中難以實(shí)現(xiàn)。

    1.2 目標(biāo)跟蹤

    運(yùn)動(dòng)對象的目標(biāo)跟蹤是通過視頻圖像的連續(xù)幀序列估計(jì)目標(biāo)對象的位置、形狀或所在區(qū)域,并確定其運(yùn)動(dòng)的速度、方向及軌跡等運(yùn)動(dòng)信息。就魚類攝食行為而言,常用的目標(biāo)跟蹤方法有基于特征點(diǎn)跟蹤和基于模型跟蹤[19]。

    1.2.1 基于特征點(diǎn)跟蹤 基于特征點(diǎn)的跟蹤是指提取目標(biāo)對象的1個(gè)或多個(gè)不變性特征,然后利用相關(guān)匹配算法實(shí)現(xiàn)目標(biāo)對象的跟蹤[19]。在魚類行為學(xué)研究中,常用的特征點(diǎn)有魚體質(zhì)心、胸鰭、頭部和尾部等,但為了提高精確度,基于多特征融合的目標(biāo)跟蹤已成為研究趨勢。該方法的優(yōu)點(diǎn)是目標(biāo)對象在部分遮擋的情況下依然可以準(zhǔn)確地進(jìn)行跟蹤,但當(dāng)光照劇烈變化或目標(biāo)對象被遮擋嚴(yán)重時(shí)將難以提取相關(guān)特征。常用的特征點(diǎn)提取算法有粒子濾波算法、SURF(加速魯棒特征)算法、Kalman算法和SIFT算法等。

    Nair等使用K-Means和SURF算法對圖像進(jìn)行分割,并提取62個(gè)特征,最后利用SVM實(shí)現(xiàn)了水下魚類的分類識(shí)別[20]。Zhou等首先利用背景減法獲取目標(biāo)圖像,并去除過大和過小的目標(biāo),然后使用階矩的方法提取魚的質(zhì)心點(diǎn),并繪制成三角形,通過三角形的大小和周長反應(yīng)質(zhì)心點(diǎn)的距離和魚群的聚集水平,最后用計(jì)算出的群集指數(shù)FIFFB來表示魚群的攝食水平[21]。Zhao等提出了一種基于自發(fā)群體行為的魚群食欲評估方法,通過改進(jìn)的復(fù)雜網(wǎng)絡(luò)方法提取魚群的前景特征點(diǎn),并利用改進(jìn)的社會(huì)力模型和動(dòng)能模型從分散度、相互作用力和水流場的變化幅度3個(gè)方面評估了魚群的食欲度[22]。Qian等通過檢測魚頭的方向和位置,使用全局優(yōu)化算法和SURF算法得到了魚群的行為軌跡,為魚群的攝食行為研究提供了方案[23]。程淑紅結(jié)合SIFT算法和粒子濾波算法提取了魚運(yùn)動(dòng)時(shí)的方向、速度和加速度等矢量特征,并使用質(zhì)心算法獲取魚的運(yùn)動(dòng)軌跡,從而實(shí)現(xiàn)了魚的運(yùn)動(dòng)跟蹤[24]。宋君毅使用高斯建模法對目標(biāo)對象進(jìn)行識(shí)別,并用改進(jìn)的Kalman濾波算法對魚群的游動(dòng)軌跡進(jìn)行預(yù)測,通過速度、加速度和高度等參數(shù)特征實(shí)現(xiàn)了在線監(jiān)測魚群行為的效果[9]。郭超結(jié)合使用Kalman濾波算法和MeanShift算法,實(shí)現(xiàn)了魚體目標(biāo)的跟蹤,并準(zhǔn)確地找到了魚體游動(dòng)速度和魚尾擺動(dòng)頻率之間的關(guān)系[25]。

    1.2.2 基于模型跟蹤 基于模型的目標(biāo)跟蹤是指通過對目標(biāo)對象的特征進(jìn)行建模,然后使用相應(yīng)的匹配方法對目標(biāo)進(jìn)行跟蹤的過程。常用的模型有輪廓信息模型、2D/3D模型和貝葉斯概率模型等。雖然具有很強(qiáng)的魯棒性,但其計(jì)算復(fù)雜度較高,在復(fù)雜環(huán)境中很難獲得較為精確的模型。

    Kato等使用3D模型開發(fā)了一套魚群行為檢測和跟蹤系統(tǒng),通過提取金魚的長度、運(yùn)動(dòng)速度和方向等特征實(shí)現(xiàn)了對魚群攝食行為的檢測[15]。湯一平等使用3D建模技術(shù)獲取了魚群的三維空間位置,實(shí)現(xiàn)了魚群游動(dòng)軌跡的分析[26-27]。Hassan等基于傳感器和計(jì)算機(jī)視覺方法對魚類的攝食行為進(jìn)行研究,結(jié)合魚類的水質(zhì)環(huán)境、生長速率和攝食情況,提出了一種信息融合的魚類進(jìn)食研究模型[28]。賈成功等使用計(jì)算機(jī)視覺技術(shù)建立了一套基于改進(jìn)Kmeans算法的智能投餌系統(tǒng),并結(jié)合實(shí)時(shí)圖像處理結(jié)果得出了目標(biāo)魚群面積、密集度與時(shí)間的關(guān)系[29]。

    2 基于計(jì)算機(jī)視覺的魚類攝食行為靜態(tài)特征的研究現(xiàn)狀 ?20世紀(jì)80年代,有關(guān)靜態(tài)圖像和視頻的技術(shù)就被應(yīng)用于水產(chǎn)動(dòng)物的形態(tài)測量中[30]。早期的研究表明,計(jì)算機(jī)視覺技術(shù)憑其非接觸、無干擾和可遠(yuǎn)程檢測的特點(diǎn),可以通過尺寸、形狀、紋理、質(zhì)量和顏色等特征反映魚類的生長和行為信息的變化,成為精準(zhǔn)養(yǎng)殖的一項(xiàng)強(qiáng)有力的技術(shù)手段。

    2.1 尺寸與形狀特征

    體長和形狀是魚類的重要生物學(xué)特征,不僅是評價(jià)魚類生長和健康性能的重要指標(biāo),也是魚類分類分級的重要依據(jù)。目前,基于計(jì)算機(jī)視覺的體長測量和形狀分析是指通過提取目標(biāo)輪廓獲得對象的長寬比、周長和面積等測量值的過程。

    常用的目標(biāo)輪廓提取方法有點(diǎn)分布模型法、Haar分類器和領(lǐng)域邊界法等。其中,Torisawa等通過立體視頻系統(tǒng)對不同水深的金槍魚進(jìn)行魚體三維檢測,研究結(jié)果表明,使用DLT方法測量體長的誤差小于5%[31]。萬鵬等利用分段技術(shù)計(jì)算出魚體長軸方向上5段的平均長寬比值,并利用BP神經(jīng)網(wǎng)絡(luò)對鯽魚和鯉魚進(jìn)行了分類識(shí)別[32]。Lee等基于計(jì)算機(jī)視覺方法提取了鮑魚的體長、體寬和面積等信息,并推導(dǎo)出總長度(TL)和體長(BL)的公式:π/4×TL×BL,從而實(shí)現(xiàn)了對鮑魚二維圖像的自動(dòng)分級[33]。胡利永等利用機(jī)器視覺方法通過提取鱸魚攝食時(shí)水面聚集度和區(qū)域面積等特征,提出了一種智能投餌方法,有效提高了投喂自動(dòng)化程度,但易受養(yǎng)殖環(huán)境和水面反光等的影響[34]。張志強(qiáng)等采用八鄰域搜索算法確定了鯽魚的魚體輪廓,并通過分段技術(shù)獲取了魚的頭部、腹部和尾部面積,從而實(shí)現(xiàn)了對魚體特征的測量[35]。Alsmadi等利用局部幾何法獲取了魚體尺寸和形狀的特征集合[36]。Huang等利用中線點(diǎn)算法對魚體長度進(jìn)行測量,使用魚頭和尾作為左右端點(diǎn)的中線測量誤差僅為1.49%[37]。

    2.2 紋理特征

    紋理特征是圖像數(shù)據(jù)信息的重要來源之一,可以充分地反映具有緩慢變化或周期性變化的物體表面結(jié)構(gòu)組織的排列屬性,現(xiàn)已廣泛應(yīng)用于模式識(shí)別、圖像檢索和計(jì)算機(jī)視覺等研究領(lǐng)域[38]。常見的提取紋理特征的方法有小波分析方法、局部二值模式(LBP)方法和灰度共生矩陣(GLCM)方法等。

    郭強(qiáng)等通過提取魚圖像的紋理和形狀特征,提出了一種基于BP網(wǎng)絡(luò)的魚類攝食狀態(tài)的分類方法,識(shí)別率高達(dá)98%[39]。Ojala等提出了一種基于局部二值模式(LBP)的紋理分析方法,該方法降低了計(jì)算復(fù)雜度,且使得旋轉(zhuǎn)不變性得到認(rèn)可[40]。Mallat在1989年首次將小波理論應(yīng)用于紋理分析中[41]。陳彩文等通過灰度共生矩陣提取鯉魚圖像的4個(gè)紋理特征,完成對魚的攝食強(qiáng)度評估,并使用SVM對其攝食行為進(jìn)行分類識(shí)別,識(shí)別率可達(dá)965%[42-43]。Hu等提出了一種基于顏色和紋理特征的病魚分類判別方法,實(shí)現(xiàn)了不同魚類的在線識(shí)別功能[44]。Chomtip等采用歐式距離和神經(jīng)網(wǎng)絡(luò)的方法提出了基于形狀和紋理特征的魚類識(shí)別系統(tǒng)[45]。張重陽等提出了一種基于特征融合的魚類攝食行為檢測方法,利用計(jì)算機(jī)視覺技術(shù)將提取的魚群攝食圖像紋理、顏色和形狀特征進(jìn)行融合處理,并對比分析了3種分類算法對攝食行為的檢測[46]。

    2.3 體質(zhì)量特征

    體質(zhì)量是生物的一項(xiàng)重要生態(tài)學(xué)指標(biāo),且魚體在尺寸和質(zhì)量之間存在一定的相關(guān)性[47]。大量的研究表明,通過對2D/3D圖像中魚類的體長、體寬和面積等特征的計(jì)算可以估計(jì)魚體的質(zhì)量。

    Zion等采用圖像處理算法對孔雀魚等幾種觀賞魚的質(zhì)量進(jìn)行了研究,并提出了一種基于面積與質(zhì)量的關(guān)系模型,確定系數(shù)R2高于0.956[47]。Hufschmied等利用計(jì)算機(jī)視覺技術(shù)對魚群的俯視圖進(jìn)行分析研究,建立了一個(gè)基于魚群輪廓面積與質(zhì)量相關(guān)性的線性回歸模型,且平均相對誤差為55%[48]。Viazzi等通過提取鱸魚的長度L、面積A和質(zhì)量W,建立了質(zhì)量-面積回歸模型:W=a·Lb,平均誤差在(0.6±0.6)%之間,模型精度較高[49]。Lines等通過建立一系列魚體長度因子和質(zhì)量的回歸方程進(jìn)行魚類質(zhì)量的評估[50]。大量研究表明,不存在適用于所有品種的魚的質(zhì)量分析模型。為了提高測量精度,對每一品種的魚,都需要設(shè)計(jì)不同的質(zhì)量分析模型進(jìn)行魚體質(zhì)量測量。

    2.4 顏色測量分析

    在水產(chǎn)養(yǎng)殖中,魚類體色特征屬于行為特征的一部分,易受食用餌料、健康狀況、養(yǎng)殖環(huán)境和光照強(qiáng)度等的影響,是魚類的重要形態(tài)特征之一[51]。魚類體色的變化不僅可以反映水質(zhì)環(huán)境的狀況,也為魚類行為學(xué)研究提供了重要的信息[7]。目前,顏色作為魚類形態(tài)特征之一已被廣泛應(yīng)用于魚類的自動(dòng)化分類識(shí)別研究中,成為基于計(jì)算機(jī)視覺的一項(xiàng)重要的研究手段[52]。

    李賢等使用計(jì)算機(jī)視覺技術(shù)對大菱鲆的背景色選擇習(xí)性進(jìn)行了研究,通過幼魚在不同背景色養(yǎng)殖槽中出現(xiàn)的累計(jì)頻率量化了其體色的變化速率,從而分析了不同背景色對魚的應(yīng)激程度[7]。Alsmadi等利用灰度共生矩陣提取了顏色和紋理特征,進(jìn)而對魚群圖像進(jìn)行了綜合分析[36]。徐建瑜等利用計(jì)算機(jī)視覺技術(shù),通過提取魚類圖像的HSV空間明度值對魚類體色的明暗程度進(jìn)行量化分析[51]。Wallat等使用機(jī)器視覺系統(tǒng)(CMSV)量化和提取金魚的體色變化信息,通過利用Florida大學(xué)研制的顏色分析程序生成了相關(guān)的顏色直方圖,進(jìn)而對魚的體色進(jìn)行分析測量,該系統(tǒng)對觀賞魚的體色變化方面具有潛在的研究價(jià)值[53]。

    3 基于計(jì)算機(jī)視覺的魚類攝食行為存在問題及研究展望 ?在循環(huán)水養(yǎng)殖系統(tǒng)研究中,養(yǎng)殖投喂過程的自動(dòng)控制和精細(xì)化調(diào)控管理對保障水產(chǎn)養(yǎng)殖健康、高效、安全和實(shí)現(xiàn)可持續(xù)發(fā)展具有重要意義。水產(chǎn)動(dòng)物的顏色、形狀、紋理及行為軌跡等特征是實(shí)現(xiàn)精準(zhǔn)投喂的信息基礎(chǔ),也是檢測和反映攝食程度的主要依據(jù)。與傳統(tǒng)的人工投喂和攝食檢測相比,基于計(jì)算機(jī)視覺技術(shù)的魚類攝食行為檢測方法的優(yōu)點(diǎn)主要體現(xiàn)在以下幾個(gè)方面:

    3.1 優(yōu)勢

    在檢測對象方面,不受魚的種類和大小限制,可根據(jù)檢測效果及時(shí)地調(diào)整處理范圍,具有高效、便捷的特點(diǎn)。在檢測方式方面,可以實(shí)現(xiàn)實(shí)時(shí)、非接觸、連續(xù)和無干擾的在線檢測,同時(shí)可以避免因投喂而造成的水面抖動(dòng)、水花或魚群受驚等不良狀況的產(chǎn)生。在參數(shù)指標(biāo)方面,可以實(shí)時(shí)獲取魚類的攝食面積、周長、顏色、紋理及行為軌跡等多個(gè)形態(tài)參數(shù),從多角度實(shí)時(shí)顯示魚類的攝食狀態(tài)和攝食強(qiáng)度的變化,有助于實(shí)現(xiàn)精準(zhǔn)投喂,同時(shí)屏蔽了人工檢測中難以量化的缺點(diǎn)。在測量效率方面,計(jì)算機(jī)軟硬件和機(jī)器視覺的快速發(fā)展為魚類攝食行為的自動(dòng)化識(shí)別奠定了堅(jiān)實(shí)的基礎(chǔ),有效地降低了養(yǎng)殖過程中人工和飼料成本,提高了投喂效率。在應(yīng)用領(lǐng)域方面,通過總結(jié)近幾十年來國內(nèi)外關(guān)于水產(chǎn)動(dòng)物視覺的研究發(fā)現(xiàn),計(jì)算機(jī)技術(shù)不僅可以用于目標(biāo)對象的形狀、顏色、紋理和行為軌跡等方面的研究,還可以用于醫(yī)療衛(wèi)生、疾病診斷、品種識(shí)別等多個(gè)領(lǐng)域。

    3.2 存在問題

    因此,計(jì)算機(jī)視覺技術(shù)在水產(chǎn)養(yǎng)殖和管理中具有十分明顯的技術(shù)優(yōu)勢,是實(shí)現(xiàn)水產(chǎn)精細(xì)化養(yǎng)殖和目標(biāo)自動(dòng)檢測的關(guān)鍵技術(shù)。但由于受檢測技術(shù)、算法老化和硬件條件等限制,加上水產(chǎn)動(dòng)物本身的復(fù)雜多樣性和水質(zhì)環(huán)境的多變性,使得計(jì)算機(jī)視覺技術(shù)在水產(chǎn)動(dòng)物檢測應(yīng)用中還面臨著一些問題。

    從檢測環(huán)境來看,現(xiàn)有的檢測主要是在理想的實(shí)驗(yàn)室條件下進(jìn)行的。自然條件的復(fù)雜性和水質(zhì)環(huán)境的多變性將會(huì)影響檢測結(jié)果的魯棒性和可靠性。從特征的提取來看,計(jì)算機(jī)視覺技術(shù)現(xiàn)主要用于表層信息的提取,而動(dòng)物的多樣性和環(huán)境的復(fù)雜性,使得在處理復(fù)雜的邊界問題時(shí)難度較大。從檢測對象來看,不同魚類的尺寸大小、形狀和顏色等存在較大的差異,而現(xiàn)有的檢測設(shè)備僅可用于某一特定的魚類,對于不同品種的魚類需要設(shè)計(jì)專門的檢測模型和算法,研究成本較大。從設(shè)備本身來看,硬件的質(zhì)量和算法的選擇是取得高精度結(jié)果的關(guān)鍵。機(jī)器視覺技術(shù)的快速發(fā)展使得更新緩慢的硬件性能在很長時(shí)間內(nèi)滿足不了需求,隨著數(shù)據(jù)量的不斷增大,硬件的處理速度將成為計(jì)算機(jī)視覺技術(shù)發(fā)展的主要瓶頸。

    3.3 展望

    在接下來的基于計(jì)算機(jī)視覺技術(shù)的研究中,一方面應(yīng)繼續(xù)加強(qiáng)圖像采集、數(shù)據(jù)處理、自動(dòng)化識(shí)別和分類等操作技術(shù)的研究,實(shí)現(xiàn)從單一特征分類到多特征融合的轉(zhuǎn)變。另一方面,除了從水面觀測研究魚類行為外,需要研究適用于水下環(huán)境的魚類攝食檢測系統(tǒng),利用人工智能、計(jì)算機(jī)視覺和傳感器等信息融合技術(shù)從水下多方位、多角度進(jìn)行圖像的采集和處理,以便更精準(zhǔn)地分析不同魚類的攝食狀況。對魚類的攝食強(qiáng)度和在干擾條件下的攝食情況研究也將是魚類攝食行為學(xué)研究的方向之一。

    4 結(jié)論

    基于計(jì)算機(jī)視覺技術(shù)的魚類攝食行為研究主要是對采集的目標(biāo)圖像進(jìn)行預(yù)處理、圖像分割、特征選擇和視覺屬性分析等一系列分析處理過程,及時(shí)準(zhǔn)確地獲取魚類在攝食狀態(tài)下的尺寸、顏色、紋理、形狀及運(yùn)動(dòng)行為軌跡等屬性特征,以便于養(yǎng)殖者實(shí)時(shí)掌握魚類的攝食變化情況,從而實(shí)現(xiàn)精準(zhǔn)投喂。與傳統(tǒng)的人工投喂相比,該技術(shù)不僅可以避免養(yǎng)殖人員的投喂主觀性影響,也可以進(jìn)行連續(xù)無干擾的實(shí)時(shí)監(jiān)測,有效降低養(yǎng)殖成本和提高養(yǎng)殖效率。計(jì)算機(jī)視覺已逐漸成為水產(chǎn)自動(dòng)化養(yǎng)殖的關(guān)鍵技術(shù),有著較為廣闊的應(yīng)用前景。但由于水產(chǎn)養(yǎng)殖自身特殊性的局限,以及受圖像檢測技術(shù)、算法老化和硬件條件等的限制,計(jì)算機(jī)視覺技術(shù)在處理的速度、精度和可靠度等方面還有待于進(jìn)一步的提高。所以,未來如何改進(jìn)和提高檢測的精度,以及如何全方位、多角度地開展自動(dòng)化檢測和攝食活躍性研究將是我們的研究重點(diǎn)。

    參考文獻(xiàn):

    [1]農(nóng)業(yè)部漁業(yè)漁政管理局. 2019中國漁業(yè)統(tǒng)計(jì)年鑒[M]. 北京:中國農(nóng)業(yè)出版社,2019.

    [2]Cui Z H,Wu J F,Yu H. A review of the application of computer vision technology in aquaculture[J]. Marine Science Bulletin,2018,20(1): 53-66.

    [3]段延娥,李道亮,李振波,等. 基于計(jì)算機(jī)視覺的水產(chǎn)動(dòng)物視覺特征測量研究綜述[J]. 農(nóng)業(yè)工程學(xué)報(bào),2015,31(15):1-11.

    [4]王勇平,聶余滿,謝成軍,等. 基于機(jī)器視覺的養(yǎng)殖魚群智能投餌系統(tǒng)設(shè)計(jì)與研究[J]. 儀表技術(shù),2015(1):1-4.

    [5]Chao Z,Xu D M,Kai L,et al. Intelligent feeding control methods in aquaculture with an emphasis on fish: a review[J]. Reviews in Aquaculture,2018,10(4): 975-993.

    [6]Yousef A,Srivastava S,Liu X M. Automatic feeding control for dense aquaculture fish tanks[J]. IEEE Signal Processing Letters,2015,22(8): 1089-1093.

    [7]李 賢,范良忠,劉子毅,等. 基于計(jì)算機(jī)視覺的大菱鲆對背景色選擇習(xí)性研究[J]. 農(nóng)業(yè)工程學(xué)報(bào),2012,28(10):189-193.

    [8]張志強(qiáng),牛智有,趙思明. 基于機(jī)器視覺技術(shù)的淡水魚品種識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(11):388-392.

    [9]宋君毅.基于圖像處理的魚群監(jiān)測技術(shù)研究[D]. 天津:天津理工大學(xué),2015.

    [10]于 欣,侯曉嬌,盧煥達(dá),等. 基于光流法與特征統(tǒng)計(jì)的魚群異常行為檢測[J]. 農(nóng)業(yè)工程學(xué)報(bào),2014,30(2):162-168.

    [11]趙 建,朱松明,葉章穎,等. 循環(huán)水養(yǎng)殖游泳型魚類攝食活動(dòng)強(qiáng)度評估方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2016,47(8):288-293.

    [12]侯曉嬌. 基于計(jì)算機(jī)視覺的魚群行為檢測與結(jié)構(gòu)特征研究[D]. 太原:太原科技大學(xué),2014.

    [13]Zhang Y Y,Jian Z,Zhi Y H,et al. Behavioral characteristics and statistics-based imaging techniques in the assessment and optimization of tilapia feeding in a recirculating aquaculture system[J]. Transactions of the ASABE,2016,59(1): 345-355.

    [14]宋 偉,張 力,鄧亞航. 基于背景差分法的模型改進(jìn)方法研究[J]. 傳感器與微系統(tǒng),2017,36(10):67-69.

    [15]Kato S,Tamada K,Shimada Y,et al. A quantification of goldfish behavior by an image processing system[J]. Behavioural Brain Research,1996,80(1/2): 51-55.

    [16]張勝茂,趙 申,張 衡,等. 基于視頻分析的魚雷運(yùn)動(dòng)目標(biāo)提取[J]. 漁業(yè)信息與戰(zhàn)略,2017,32(1):44-50.

    [17]范良忠,劉 鷹,余心杰,等. 基于計(jì)算機(jī)視覺技術(shù)的運(yùn)動(dòng)魚檢測算法[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(7):226-230.

    [18]Liu Z Y,Li X,F(xiàn)an L Z,et al. Measuring feeding activity of fish in RAS using computer vision[J]. Aquacultural Engineering,2014,60: 20-27.

    [19]曾巧玲,文貢堅(jiān).運(yùn)動(dòng)目標(biāo)跟蹤綜述[J]. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,30(7):103-111.

    [20]Nair S S,Mon F A,Suthendran K. Under water fish species recognition[J]. International of Pure and Applied Mathematics,2018,118(7): 357-361.

    [21]Zhou C,Lin K,Xu D M,et al. Near infrared computer vision and neuro-fuzzy model-based feeding decision system for fish in aquaculture[J]. Computers and Electronics in Agriculture,2018,146(6): 114-124.

    [22]Zhao J,Bao W J,Zhang F D,et al.Assessing appetite of the swimming fish based on spontaneous collective behaviors in a Recirculating aquaculture system[J]. Aquacultural Engineering. 2017,78:196-204.

    [23]Qian Z M,Wang S H,Cheng X E,et al. An effective and robust method for tracking multiple fish in video image based on fish head detection[J]. BMC Bioinformatics,2016,17(1): 251.

    [24]程淑紅. 動(dòng)態(tài)圖像目標(biāo)跟蹤算法研究[D]. 秦皇島:燕山大學(xué),2011.

    [25]郭 超. 柔性魚體目標(biāo)檢測與跟蹤技術(shù)研究[D]. 哈爾濱:哈爾濱工業(yè)大學(xué),2017.

    [26]湯一平,劉森森,石興民,等. 基于3D計(jì)算機(jī)視覺的魚類行為分析研究[J]. 高技術(shù)通訊,2015,25(3):249-256.

    [27]Pautsina A,Cisar P,Stys D,et al. Infrared reflection system for indoor 3D tracking of fish[J]. Aquacultural Engineering,2015,69: 7-17.

    [28]Hassan S G,Hasan M,Li D L. Information fusion in aquaculture: a state-of the art review[J]. Frontiers of Agricultural Science and Engineering,2016,3(3): 206.

    [29]賈成功,張學(xué)良,陳俊華,等. 基于魚群攝食規(guī)律的投餌系統(tǒng)研究[J]. 機(jī)械工程師,2017(8):22-25,28.

    [30]Klimley A P,Brown S T. Stereophotography for the field biologist: measurement of lengths and three-dimensional positions of free-swimming sharks[J]. Marine Biology,1983,74(2): 175-185.

    [31]Torisawa S,Kadota M,Komeyama K,et al. A digital stereo-video camera system for three-dimensional monitoring of free-swimming Pacific bluefin tuna,Thunnus orientalis,cultured in a net cage[J]. Aquatic Living Resources,2011,24(2): 107-112.

    [32]萬 鵬,潘海兵,龍長江,等. 基于機(jī)器視覺技術(shù)淡水魚品種在線識(shí)別裝置設(shè)計(jì)[J]. 食品與機(jī)械,2012,28(6):164-167.

    [33]Lee D,Lee K,Kim S,et al. Design of an optimum computer vision-based automatic abalone (Haliotis discus hannai) grading algorithm[J]. Journal of Food Science,2015,80(4): 729-733.

    [34]胡利永,魏玉艷,鄭 堤,等. 基于機(jī)器視覺技術(shù)的智能投餌方法研究[J]. 熱帶海洋學(xué)報(bào),2015,34(4):90-95.

    [35]張志強(qiáng),牛智有,趙思明,等. 基于機(jī)器視覺技術(shù)的淡水魚質(zhì)量分級[J]. 農(nóng)業(yè)工程學(xué)報(bào),2011,27(2):350-354.

    [36]Alsmadi M K,Omar K B,Noah S A,et al. Fish recognition based on robust features extraction from size and shape measurements using neural network[J]. Journal of Computer Science,2010,6(10): 1059-1065.

    [37]Huang T W,Hwang J N,Rose C S. Chute based automated fish length measurement and water drop detection[C]//IEEE International Conference on Acoustics,Speech and Signal Processing (ICASSP). IEEE,2016.

    [38]劉 麗,趙凌君,郭承玉,等. 圖像紋理分類方法研究進(jìn)展和展望[J]. 自動(dòng)化學(xué)報(bào),2018,44(4):584-607.

    [39]郭 強(qiáng),楊信廷,周 超,等. 基于形狀與紋理特征的魚類攝食狀態(tài)檢測方法[J]. 上海海洋大學(xué)學(xué)報(bào),2018,27(2):181-189.

    [40]Ojala T,Pietikainen M,Maenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(7): 971-987.

    [41]Mallat S G. A theory for multiresolution signal decomposition: the wavelet representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11(7): 674-693.

    [42]陳彩文,杜永貴,周 超,等. 基于支持向量機(jī)的魚群攝食行為識(shí)別技術(shù)[J]. 江蘇農(nóng)業(yè)科學(xué),2018,46(7):226-229.

    [43]陳彩文,杜永貴,周 超,等. 基于圖像紋理特征的養(yǎng)殖魚群攝食活動(dòng)強(qiáng)度評估[J]. 農(nóng)業(yè)工程學(xué)報(bào),2017,33(5):232-237.

    [44]Hu J,Li D L,Duan Q L,et al. A fuzzy C-Means clustering based algorithm to automatically segment fish disease visual symptoms[J]. Sensor Letters,2012,10(1/2): 190-197.

    [45]Chomtip P,Pimprapai L,Waranat K,et al. Thai fish image recognition system[C]//Proceedings of International Joint Conference on Computer Science and Software Engineering.Bangkok,2012.

    [46]張重陽,陳 明,馮國富,等. 基于多特征融合與機(jī)器學(xué)習(xí)的魚類攝食行為的檢測[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,45(1):97-102.

    [47]Zion B,Alchanatis V,Ostrovsky V,et al. Ornamental fish mass estimation by image processing[M]. Bet Dagan:Agricultural Research Organization,2012.

    [48]Hufschmied P,F(xiàn)ankhauser T,Pugovkin D. Automatic stress-free sorting of sturgeons inside culture tanks using image processing[J]. Journal of Applied Ichthyology,2011,27(2): 622-626.

    [49]Viazzi S,Hoestenberghe S V,Goddeeris B M,et al. Automatic mass estimation of Jade perch Scortum barcoo by computer vision[J]. Aquacultural Engineering,2015,64: 42-48.

    [50]Lines J A,Tillett R D,Ross L G,et al. An automatic image-based system for estimating the mass of free-swimming fish[J]. Computers and Electronics in Agriculture,2001,31(2): 151-168.

    [51]徐建瑜,姜雄暉,劉 鷹. 基于計(jì)算機(jī)視覺的魚體色明暗程度量化方法[J]. 農(nóng)機(jī)化研究,2006(6):140-142,152.

    [52]Misimi E,Erikson U,Skavhaug A. Quality grading of Atlantic salmon (Salmo salar) by computer vision[J]. Journal of Food Science,2008,73(5): 211-217.

    [53]Wallat G K,Luzuriaga D A,Balaban M O,et al. Analysis of skin color development in live goldfish using a color machine vision system[J]. North American Journal of Aquaculture,2002,64(1): 79-84.鐘全福,樊海平,葉小軍. 馬口魚的研究現(xiàn)狀及開發(fā)利用進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué),2020,48(24):37-41.

    猜你喜歡
    目標(biāo)跟蹤計(jì)算機(jī)視覺水產(chǎn)養(yǎng)殖
    多視角目標(biāo)檢測與跟蹤技術(shù)的研究與實(shí)現(xiàn)
    機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用
    危險(xiǎn)氣體罐車液位計(jì)算機(jī)視覺監(jiān)控識(shí)別報(bào)警系統(tǒng)設(shè)計(jì)
    計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用
    基于改進(jìn)連續(xù)自適應(yīng)均值漂移的視頻目標(biāo)跟蹤算法
    工廠化水產(chǎn)養(yǎng)殖中的水處理技術(shù)分析
    水產(chǎn)養(yǎng)殖對漁業(yè)水域環(huán)境帶來的影響與應(yīng)對策略
    水產(chǎn)養(yǎng)殖中微生態(tài)制劑的應(yīng)用
    基于計(jì)算機(jī)視覺的細(xì)小顆粒團(tuán)重量測量的研究
    水產(chǎn)養(yǎng)殖中病害的防治措施分析
    欧美一区二区精品小视频在线| 久久精品国产自在天天线| 成人午夜精彩视频在线观看| 成年女人看的毛片在线观看| 男人和女人高潮做爰伦理| 人妻系列 视频| 欧美日韩在线观看h| 夜夜看夜夜爽夜夜摸| 在线播放无遮挡| 成人综合一区亚洲| 99久久精品国产国产毛片| 波多野结衣高清作品| 欧美日本亚洲视频在线播放| 特级一级黄色大片| 亚洲国产精品国产精品| 亚洲av免费高清在线观看| 最近视频中文字幕2019在线8| 村上凉子中文字幕在线| www.av在线官网国产| 国产又黄又爽又无遮挡在线| av女优亚洲男人天堂| 丝袜美腿在线中文| 亚洲内射少妇av| 国产一区二区三区av在线 | 在线观看一区二区三区| 在线观看免费视频日本深夜| 可以在线观看毛片的网站| 中文字幕精品亚洲无线码一区| 69人妻影院| 免费不卡的大黄色大毛片视频在线观看 | av专区在线播放| 午夜激情欧美在线| 日本av手机在线免费观看| 国产成人精品婷婷| 在线观看一区二区三区| 中文字幕av成人在线电影| 一个人看的www免费观看视频| 日韩在线高清观看一区二区三区| 亚洲美女搞黄在线观看| 午夜老司机福利剧场| 久久精品综合一区二区三区| 日韩中字成人| 亚洲中文字幕一区二区三区有码在线看| 国产精品不卡视频一区二区| 级片在线观看| 久久精品国产亚洲网站| 成人午夜高清在线视频| 久久久久久久午夜电影| 国产成人91sexporn| 最好的美女福利视频网| 日本黄大片高清| 欧美激情久久久久久爽电影| 国产激情偷乱视频一区二区| 高清毛片免费看| 秋霞在线观看毛片| 高清毛片免费观看视频网站| 我要搜黄色片| 99在线人妻在线中文字幕| av国产免费在线观看| 久久久午夜欧美精品| 亚洲中文字幕日韩| 成人永久免费在线观看视频| 国产激情偷乱视频一区二区| 国产成人精品一,二区 | 少妇猛男粗大的猛烈进出视频 | 九九久久精品国产亚洲av麻豆| 夜夜看夜夜爽夜夜摸| 日本熟妇午夜| av专区在线播放| 中文在线观看免费www的网站| 国产视频内射| 国产片特级美女逼逼视频| 国产精品女同一区二区软件| av又黄又爽大尺度在线免费看 | 国产av麻豆久久久久久久| 精品久久久久久成人av| 亚洲国产色片| 天天躁日日操中文字幕| or卡值多少钱| av又黄又爽大尺度在线免费看 | 成人永久免费在线观看视频| 男女那种视频在线观看| 成人鲁丝片一二三区免费| 精品一区二区三区视频在线| 69av精品久久久久久| 国产一区二区三区在线臀色熟女| 久久久久久伊人网av| 99热网站在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲美女搞黄在线观看| 一级黄片播放器| 1024手机看黄色片| 欧美成人a在线观看| 在线观看美女被高潮喷水网站| 亚洲国产欧美在线一区| 亚洲av男天堂| 最新中文字幕久久久久| 国产午夜精品久久久久久一区二区三区| 两个人的视频大全免费| 99视频精品全部免费 在线| kizo精华| 99热精品在线国产| 又黄又爽又刺激的免费视频.| 高清在线视频一区二区三区 | 丰满乱子伦码专区| 国产一区亚洲一区在线观看| 色综合亚洲欧美另类图片| 精品人妻视频免费看| 国产乱人视频| 成人毛片60女人毛片免费| 国产亚洲精品久久久久久毛片| 国产免费男女视频| 亚洲av中文字字幕乱码综合| 亚洲天堂国产精品一区在线| 国产中年淑女户外野战色| 国产精品嫩草影院av在线观看| 99riav亚洲国产免费| 91久久精品国产一区二区成人| 黄色视频,在线免费观看| 国产亚洲91精品色在线| 成人国语在线视频| 十分钟在线观看高清视频www| 最新中文字幕久久久久| 欧美人与性动交α欧美精品济南到 | 精品视频人人做人人爽| 日韩精品免费视频一区二区三区 | 国模一区二区三区四区视频| 精品国产国语对白av| 欧美日韩国产mv在线观看视频| 美女福利国产在线| 午夜激情av网站| 一级黄片播放器| 欧美3d第一页| 妹子高潮喷水视频| 国产一级毛片在线| 久久精品久久久久久久性| 蜜桃久久精品国产亚洲av| 纯流量卡能插随身wifi吗| 啦啦啦啦在线视频资源| 最近2019中文字幕mv第一页| 狂野欧美白嫩少妇大欣赏| 在线免费观看不下载黄p国产| 最近2019中文字幕mv第一页| 少妇人妻精品综合一区二区| 一级黄片播放器| 青春草国产在线视频| 久久精品久久久久久久性| 国产一级毛片在线| 亚洲国产成人一精品久久久| 久久久久久久大尺度免费视频| 久久久久久久大尺度免费视频| 中文字幕亚洲精品专区| 国产69精品久久久久777片| 建设人人有责人人尽责人人享有的| 久久人人爽人人片av| 韩国av在线不卡| 水蜜桃什么品种好| 黄色视频在线播放观看不卡| 99久久精品国产国产毛片| 夜夜骑夜夜射夜夜干| 热99国产精品久久久久久7| 色婷婷久久久亚洲欧美| av女优亚洲男人天堂| 水蜜桃什么品种好| 丝袜脚勾引网站| 亚洲五月色婷婷综合| 建设人人有责人人尽责人人享有的| 麻豆乱淫一区二区| 人妻系列 视频| 国产精品久久久久久久久免| 久久精品熟女亚洲av麻豆精品| 欧美日本中文国产一区发布| 22中文网久久字幕| 婷婷色综合大香蕉| 国产一区亚洲一区在线观看| 国产视频首页在线观看| 一区二区三区免费毛片| 国产老妇伦熟女老妇高清| 九色亚洲精品在线播放| 麻豆乱淫一区二区| videos熟女内射| 免费少妇av软件| 在线播放无遮挡| 看免费成人av毛片| 国产欧美亚洲国产| 高清黄色对白视频在线免费看| 汤姆久久久久久久影院中文字幕| 草草在线视频免费看| 欧美另类一区| 黄色毛片三级朝国网站| 亚洲欧美日韩卡通动漫| 一级毛片我不卡| 国产精品一区www在线观看| 三级国产精品片| 国产爽快片一区二区三区| 丝袜喷水一区| 精品一品国产午夜福利视频| 看免费成人av毛片| 国产精品国产三级国产专区5o| 天堂俺去俺来也www色官网| 18禁观看日本| 亚洲精品久久成人aⅴ小说 | 最近中文字幕2019免费版| av.在线天堂| 午夜av观看不卡| 亚洲伊人久久精品综合| 18禁裸乳无遮挡动漫免费视频| 日韩大片免费观看网站| √禁漫天堂资源中文www| 国产综合精华液| 狠狠婷婷综合久久久久久88av| 久久久久久久久久人人人人人人| 两个人的视频大全免费| 91aial.com中文字幕在线观看| 国产欧美日韩综合在线一区二区| 成人国产av品久久久| 简卡轻食公司| 美女视频免费永久观看网站| 天天影视国产精品| 色94色欧美一区二区| 婷婷色麻豆天堂久久| 国产成人免费观看mmmm| 免费观看性生交大片5| 一本一本综合久久| 亚洲av不卡在线观看| 国产色婷婷99| 老司机影院毛片| 国产极品粉嫩免费观看在线 | 性色avwww在线观看| 丰满饥渴人妻一区二区三| 国产日韩欧美亚洲二区| 免费大片黄手机在线观看| 午夜福利网站1000一区二区三区| 国产午夜精品久久久久久一区二区三区| 欧美日韩视频精品一区| 午夜久久久在线观看| 午夜免费鲁丝| 免费av中文字幕在线| 日日摸夜夜添夜夜爱| 99久国产av精品国产电影| 国产视频内射| 国产一区有黄有色的免费视频| 97超碰精品成人国产| 欧美最新免费一区二区三区| 日韩人妻高清精品专区| 91aial.com中文字幕在线观看| 国产男人的电影天堂91| 一级二级三级毛片免费看| 日本欧美国产在线视频| 妹子高潮喷水视频| 亚洲人成网站在线观看播放| 欧美日韩一区二区视频在线观看视频在线| 制服诱惑二区| 大片电影免费在线观看免费| 毛片一级片免费看久久久久| 99国产综合亚洲精品| 性色avwww在线观看| 欧美丝袜亚洲另类| 精品视频人人做人人爽| 欧美日韩综合久久久久久| 街头女战士在线观看网站| 亚洲av.av天堂| 亚洲欧洲精品一区二区精品久久久 | 亚洲av.av天堂| 中文字幕精品免费在线观看视频 | 韩国av在线不卡| 80岁老熟妇乱子伦牲交| 亚洲精品日韩在线中文字幕| 国产av国产精品国产| 三上悠亚av全集在线观看| 欧美最新免费一区二区三区| 亚洲伊人久久精品综合| 老司机影院成人| 日韩成人伦理影院| 免费播放大片免费观看视频在线观看| 好男人视频免费观看在线| 国产高清三级在线| 国产成人精品无人区| 国产日韩一区二区三区精品不卡 | 在线观看人妻少妇| 精品少妇黑人巨大在线播放| 99热国产这里只有精品6| av天堂久久9| 免费黄色在线免费观看| 久久亚洲国产成人精品v| 国产一区二区在线观看日韩| 午夜老司机福利剧场| 欧美老熟妇乱子伦牲交| 亚洲天堂av无毛| 一本久久精品| 新久久久久国产一级毛片| 寂寞人妻少妇视频99o| 免费av中文字幕在线| 成人综合一区亚洲| 蜜桃在线观看..| 日韩中字成人| 国产在视频线精品| 日韩一区二区视频免费看| 91久久精品电影网| 亚洲精品久久午夜乱码| 伊人久久国产一区二区| 精品国产露脸久久av麻豆| 97超视频在线观看视频| 成年人午夜在线观看视频| 另类亚洲欧美激情| 亚洲精品久久久久久婷婷小说| 成人漫画全彩无遮挡| 国产精品久久久久久久久免| 亚洲成色77777| 国产精品人妻久久久影院| 亚洲欧美一区二区三区国产| 日本欧美视频一区| 亚洲av国产av综合av卡| 久久99热这里只频精品6学生| 中文字幕亚洲精品专区| 久久女婷五月综合色啪小说| 精品久久久久久电影网| 日韩亚洲欧美综合| 国产av一区二区精品久久| 欧美日韩在线观看h| 99九九在线精品视频| 中文字幕久久专区| av在线观看视频网站免费| 国产精品欧美亚洲77777| 韩国高清视频一区二区三区| 黄色一级大片看看| 日韩大片免费观看网站| 欧美xxxx性猛交bbbb| 亚洲国产精品999| 亚洲精品久久久久久婷婷小说| 国产黄片视频在线免费观看| 十八禁高潮呻吟视频| 大片电影免费在线观看免费| 亚洲欧美中文字幕日韩二区| 国产免费现黄频在线看| 久久精品国产自在天天线| 中文字幕精品免费在线观看视频 | 91精品国产九色| 伦精品一区二区三区| 国产成人91sexporn| 成年人午夜在线观看视频| 涩涩av久久男人的天堂| 欧美日韩成人在线一区二区| 精品卡一卡二卡四卡免费| 中文字幕久久专区| 69精品国产乱码久久久| 国产老妇伦熟女老妇高清| 熟女av电影| 美女国产视频在线观看| 啦啦啦啦在线视频资源| 夫妻性生交免费视频一级片| 午夜久久久在线观看| 女的被弄到高潮叫床怎么办| 波野结衣二区三区在线| 人人妻人人澡人人看| 五月天丁香电影| 日韩欧美一区视频在线观看| 中文欧美无线码| 国语对白做爰xxxⅹ性视频网站| 新久久久久国产一级毛片| 精品人妻偷拍中文字幕| 搡老乐熟女国产| 九色亚洲精品在线播放| 午夜影院在线不卡| 交换朋友夫妻互换小说| 校园人妻丝袜中文字幕| 国产免费又黄又爽又色| 亚洲精品日韩av片在线观看| 插阴视频在线观看视频| 亚洲精品久久成人aⅴ小说 | 免费播放大片免费观看视频在线观看| 色视频在线一区二区三区| 美女内射精品一级片tv| 久久久a久久爽久久v久久| 亚洲精品自拍成人| 国产免费一区二区三区四区乱码| 赤兔流量卡办理| 五月伊人婷婷丁香| 一本大道久久a久久精品| 久久久精品免费免费高清| 制服诱惑二区| 国内精品宾馆在线| 少妇被粗大的猛进出69影院 | a级片在线免费高清观看视频| 制服诱惑二区| 日韩欧美精品免费久久| 在线观看免费视频网站a站| 少妇被粗大猛烈的视频| av电影中文网址| 国产又色又爽无遮挡免| 精品久久久久久久久亚洲| 99久国产av精品国产电影| 十八禁网站网址无遮挡| 又粗又硬又长又爽又黄的视频| 天堂俺去俺来也www色官网| 亚洲久久久国产精品| 亚洲av.av天堂| 少妇 在线观看| av有码第一页| xxx大片免费视频| 亚洲精品第二区| 成人免费观看视频高清| 亚洲精品乱久久久久久| 丝袜在线中文字幕| 亚洲经典国产精华液单| √禁漫天堂资源中文www| 国产深夜福利视频在线观看| 男女边摸边吃奶| 精品少妇内射三级| 国产乱人偷精品视频| 欧美亚洲 丝袜 人妻 在线| 欧美 亚洲 国产 日韩一| a级片在线免费高清观看视频| av免费观看日本| 大香蕉97超碰在线| 黄色配什么色好看| 久久影院123| 成年女人在线观看亚洲视频| 日韩制服骚丝袜av| 香蕉精品网在线| 国产成人精品无人区| 毛片一级片免费看久久久久| 国产精品国产av在线观看| 亚洲av成人精品一二三区| 2021少妇久久久久久久久久久| 麻豆成人av视频| 亚洲欧洲国产日韩| 少妇熟女欧美另类| 三级国产精品欧美在线观看| 精品少妇内射三级| 国产成人一区二区在线| 蜜桃国产av成人99| 高清毛片免费看| 高清黄色对白视频在线免费看| 丰满迷人的少妇在线观看| 在线亚洲精品国产二区图片欧美 | 欧美另类一区| 欧美成人精品欧美一级黄| 最近中文字幕2019免费版| 久久久精品94久久精品| 亚洲精品国产av蜜桃| 制服丝袜香蕉在线| av国产精品久久久久影院| 国产深夜福利视频在线观看| 成人毛片a级毛片在线播放| 高清不卡的av网站| 国产色婷婷99| 国产 一区精品| 一本久久精品| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久亚洲| 免费日韩欧美在线观看| 国产在线视频一区二区| 国产一区亚洲一区在线观看| a级毛色黄片| 777米奇影视久久| 一本色道久久久久久精品综合| 色婷婷久久久亚洲欧美| 亚洲性久久影院| 最近最新中文字幕免费大全7| 一边摸一边做爽爽视频免费| 看十八女毛片水多多多| 久久久国产一区二区| 欧美3d第一页| 欧美日韩一区二区视频在线观看视频在线| 制服人妻中文乱码| 伊人久久国产一区二区| 国产一区二区三区av在线| 免费日韩欧美在线观看| 日韩成人伦理影院| 久久久午夜欧美精品| 色视频在线一区二区三区| 免费黄频网站在线观看国产| 91国产中文字幕| 亚洲高清免费不卡视频| 国产精品久久久久久精品古装| 九九在线视频观看精品| 激情五月婷婷亚洲| 日韩 亚洲 欧美在线| 不卡视频在线观看欧美| 国产亚洲欧美精品永久| 亚洲图色成人| 日韩人妻高清精品专区| 啦啦啦视频在线资源免费观看| 丝袜喷水一区| 日本色播在线视频| a级毛片黄视频| 成人亚洲欧美一区二区av| 中文字幕最新亚洲高清| videos熟女内射| 欧美日韩在线观看h| 99久国产av精品国产电影| 免费高清在线观看日韩| 午夜免费鲁丝| 国产淫语在线视频| 99热网站在线观看| 久久久久久久国产电影| 少妇被粗大猛烈的视频| 三级国产精品片| 天天操日日干夜夜撸| 婷婷色综合www| 伦理电影大哥的女人| av一本久久久久| 国产成人精品一,二区| 亚洲美女视频黄频| 999精品在线视频| 日韩一本色道免费dvd| 能在线免费看毛片的网站| 久久精品国产亚洲av涩爱| 视频中文字幕在线观看| 在线播放无遮挡| 高清av免费在线| 国产亚洲精品第一综合不卡 | 色网站视频免费| 大片免费播放器 马上看| 色网站视频免费| 成人无遮挡网站| 欧美日韩综合久久久久久| 黄色毛片三级朝国网站| 成人午夜精彩视频在线观看| 女人精品久久久久毛片| 狠狠精品人妻久久久久久综合| av播播在线观看一区| 男人爽女人下面视频在线观看| 精品国产露脸久久av麻豆| 欧美日韩视频高清一区二区三区二| 丝瓜视频免费看黄片| 国产熟女午夜一区二区三区 | 亚洲久久久国产精品| 国国产精品蜜臀av免费| 夜夜爽夜夜爽视频| 一本—道久久a久久精品蜜桃钙片| 国产在线一区二区三区精| 亚洲美女视频黄频| 成年av动漫网址| 久久精品国产自在天天线| 女的被弄到高潮叫床怎么办| 亚洲精品日韩av片在线观看| 欧美3d第一页| 欧美精品一区二区免费开放| 国产乱来视频区| 日产精品乱码卡一卡2卡三| 一级黄片播放器| 日产精品乱码卡一卡2卡三| 久久久久国产精品人妻一区二区| 国产免费一级a男人的天堂| 亚洲精品国产av成人精品| 国产免费现黄频在线看| 日日摸夜夜添夜夜爱| 女人久久www免费人成看片| 91精品伊人久久大香线蕉| 美女脱内裤让男人舔精品视频| 国语对白做爰xxxⅹ性视频网站| 久久人妻熟女aⅴ| 国产精品嫩草影院av在线观看| 免费观看av网站的网址| 嫩草影院入口| 岛国毛片在线播放| 亚洲情色 制服丝袜| 蜜桃在线观看..| 91久久精品国产一区二区三区| 亚洲人成网站在线观看播放| 少妇的逼好多水| 免费黄网站久久成人精品| 日韩伦理黄色片| 如何舔出高潮| 69精品国产乱码久久久| 国产精品嫩草影院av在线观看| 大香蕉久久网| 亚洲欧美日韩卡通动漫| 国产精品.久久久| 91久久精品国产一区二区成人| 18+在线观看网站| 亚洲一级一片aⅴ在线观看| av线在线观看网站| av播播在线观看一区| 欧美3d第一页| 一区在线观看完整版| 欧美 日韩 精品 国产| 免费观看a级毛片全部| 亚洲av不卡在线观看| 久久精品久久久久久噜噜老黄| 美女视频免费永久观看网站| 欧美日韩在线观看h| 成人二区视频| 午夜av观看不卡| 中文字幕制服av| 亚洲熟女精品中文字幕| 在线观看www视频免费| av网站免费在线观看视频| a级毛片黄视频| av网站免费在线观看视频| a 毛片基地| 久久久亚洲精品成人影院| 天堂俺去俺来也www色官网| 国产一区二区三区av在线| 欧美成人精品欧美一级黄| 99热国产这里只有精品6| 久久久久久久国产电影| 国产欧美日韩综合在线一区二区| 国产爽快片一区二区三区| 一区二区av电影网| 国产亚洲精品第一综合不卡 | 你懂的网址亚洲精品在线观看| 丰满少妇做爰视频| 高清午夜精品一区二区三区| 精品久久久精品久久久| 中文字幕人妻丝袜制服| 免费日韩欧美在线观看| 高清黄色对白视频在线免费看| 下体分泌物呈黄色| 男女边摸边吃奶| 99热这里只有是精品在线观看| 国产精品成人在线| 国产精品久久久久久久久免|