• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的鈑金件表面缺陷分類識(shí)別方法

    2020-06-29 12:13:58
    關(guān)鍵詞:準(zhǔn)確率卷積神經(jīng)網(wǎng)絡(luò)

    (四川大學(xué) 機(jī)械工程學(xué)院,成都 610065)

    0 引言

    零件表面缺陷檢測(cè)是制造業(yè)的熱門課題,亦是重大難題。針對(duì)國防軍工、電子信息等領(lǐng)域?qū)Χ嗯?、小批量鈑金零件快速制造的需求,進(jìn)行鈑金件智能化表面缺陷檢測(cè)識(shí)別的關(guān)鍵技術(shù)研究具有重要意義。目前鈑金件缺陷檢測(cè)主要有人工檢測(cè)和機(jī)器智能檢測(cè)兩種。其中人工檢測(cè)方式存在高成本、低效率且高誤檢率、高漏檢率等一系列問題[1]。該類鈑金零件在目前實(shí)際生產(chǎn)中多采用人工檢測(cè),其缺陷類型及缺陷出現(xiàn)位置均由生產(chǎn)線工人標(biāo)注出,機(jī)器智能檢測(cè)方法的必要性和迫切性凸顯。因此,研究并提出一種針對(duì)該類鈑金零件的缺陷識(shí)別分類方法的意義重大?,F(xiàn)存的基于工件表面缺陷智能檢測(cè)的方法已有很多種:李春[2]等提出了一種基于機(jī)器視覺的鈑金件缺陷在線檢測(cè)算法;廖延娜[3]等提出了一種利用激光測(cè)距檢測(cè)表面缺陷長度和深度的方法;M.Win[4]等提出對(duì)比度調(diào)整的Otsu方法和基于中值的Otsu方法,用于檢測(cè)表面缺陷;M.S.Sayed[5]等提出使用熵濾波和最小誤差閾值的表面缺陷檢測(cè)算法來識(shí)別缺陷。

    隨著計(jì)算機(jī)的快速發(fā)展以及計(jì)算能力的極大提高,深度學(xué)習(xí)在表面缺陷檢測(cè)中的運(yùn)用越來越廣泛[6]。其中,姚明海[7]等提出來一種基于深度主動(dòng)學(xué)習(xí)的磁片表面缺陷檢測(cè)方法;王理順[1]等提出了一種基于深度學(xué)習(xí)的織物缺陷在線檢測(cè)算法;毛欣翔[8]等提出了一種基于深度學(xué)習(xí)的連鑄板坯表面缺陷檢測(cè)系統(tǒng)。本研究也運(yùn)用深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)[9]的知識(shí),提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的鈑金件表面缺陷檢測(cè)的方法,通過卷積神經(jīng)網(wǎng)絡(luò)搭建了一個(gè)準(zhǔn)確率高、時(shí)間復(fù)雜度[10]低的缺陷分類模型,經(jīng)過多項(xiàng)參數(shù)優(yōu)化后,以批量測(cè)試的方式使用窗口滑移檢測(cè)方法進(jìn)行缺陷分類預(yù)測(cè)并確定缺陷位置。

    1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)屬于深度學(xué)習(xí)的范疇,其作為一種多層前反饋的人工神經(jīng)網(wǎng)絡(luò),可用來處理二維輸入數(shù)據(jù)。該網(wǎng)絡(luò)含有多個(gè)層,每一層都是由多個(gè)二維平面組成,而每一個(gè)平面又是由多個(gè)獨(dú)立的神經(jīng)元[11]組成。其網(wǎng)格結(jié)構(gòu)的網(wǎng)絡(luò)與大腦神經(jīng)元的連接相似,層與層的神經(jīng)元互相連接,同一層的神經(jīng)元之間沒有連接。

    本研究中的網(wǎng)絡(luò)模型為自建的卷積神經(jīng)網(wǎng)絡(luò)模型。綜合考慮工業(yè)生產(chǎn)實(shí)時(shí)性的要求以及模型的準(zhǔn)確合理性的要求,建立的網(wǎng)絡(luò)模型如圖1所示。該網(wǎng)絡(luò)是由1個(gè)圖像輸入層、2個(gè)卷積層、2個(gè)最大池化層、2個(gè)全連接層和1個(gè)輸出層組成。

    圖1 網(wǎng)絡(luò)模型

    圖像輸入層設(shè)置的輸入圖像大小為80×80×3。卷積層通過卷積操作能提取出輸入圖像的不同特征,為之后的分類識(shí)別做鋪墊。本文使用的卷積核為5×5×25,步長為1,padding=‘same’,搭配的激活函數(shù)為ReLU[12]。卷積操作過程如式(1)所示,得到輸出的結(jié)果為80×80×25的圖像數(shù)據(jù)。

    (1)

    式中,n為卷積核的大??;w為權(quán)值,其能將激活函數(shù)ReLU上得到的函數(shù)值線性映射到另一個(gè)維度空間上;b為偏置值,其允許激活函數(shù)向左或向右移位,該值很大程度上決定了學(xué)習(xí)的成功與否;x為對(duì)應(yīng)位置的像素值;y為對(duì)應(yīng)的輸出值。將上述式(1)中的輸出值y輸入激活函數(shù)ReLU中,如式(2)所示:

    (2)

    式中,f(x)為圖像對(duì)應(yīng)的像素點(diǎn)的值。

    池化層[13]將輸入數(shù)據(jù)劃分為矩形池區(qū)域并計(jì)算每個(gè)區(qū)域的最大值來執(zhí)行下采樣。該層緊跟在卷積層后,以卷積和激活后的圖像數(shù)據(jù)作為輸入數(shù)據(jù)。本研究使用最大池化層,其卷積核為2×2,步長為2。池化后可得40×40×25的圖像數(shù)據(jù),并執(zhí)行歸一化操作,該操作能提高學(xué)習(xí)訓(xùn)練的準(zhǔn)確度。全連接層是由許多神經(jīng)元組合形成的平面二維結(jié)構(gòu),單個(gè)數(shù)據(jù)均為1×1×3。在卷積神經(jīng)網(wǎng)絡(luò)中,全連接層能整合之前幾層操作中所有具有類別區(qū)分性的局部信息,并將其映射到標(biāo)本標(biāo)記空間中。

    卷積神經(jīng)網(wǎng)絡(luò)的輸出層由Softmax和Class組成。Softmax函數(shù)的身影幾乎出現(xiàn)在所有人工神經(jīng)網(wǎng)絡(luò)中,其具有分類和尋址兩種用途。而該函數(shù)在人工智能領(lǐng)域中最為廣泛的應(yīng)用就是分類。具體方式為:在人為給定一系列分類標(biāo)簽后,Softmax可以給出輸入圖像數(shù)據(jù)被劃分到各個(gè)標(biāo)簽中的概率分布。其計(jì)算過程如式(3)所示:

    (3)

    式中,Ii為輸出結(jié)果為第i類標(biāo)簽的概率,xi為第i個(gè)節(jié)點(diǎn)的輸出值,n為劃分的標(biāo)簽個(gè)數(shù)。而Class層用于計(jì)算具有多標(biāo)簽分類問題的交叉熵?fù)p失(Cross Entropy Loss),該層可根據(jù)前一層輸出數(shù)據(jù)大小判斷出分類的數(shù)量。交叉熵表示的是實(shí)際輸出與期望輸出的距離,其式(4)如下:

    (4)

    式中,yi為標(biāo)簽i的真值。若i為正確的標(biāo)簽時(shí),yi等于1;否則yi等于0。

    2 樣本數(shù)據(jù)處理

    針對(duì)實(shí)驗(yàn)對(duì)象是少樣本的鈑金零件,并根據(jù)該類型鈑金零件缺陷特性和出現(xiàn)原因,本研究重點(diǎn)檢測(cè)最主要的兩種缺陷:磕碰缺陷和劃痕缺陷。本文首先提出兩個(gè)問題:第一,由于一個(gè)鈑金零件上可能同時(shí)出現(xiàn)兩類缺陷,并存在多個(gè)缺陷在同一零件上的相對(duì)位置較為接近的情況,識(shí)別與分類的難度增大;第二,樣本數(shù)據(jù)較少,如果以整個(gè)零件或一個(gè)缺陷作為單個(gè)樣本集,則訓(xùn)練集過少,無法訓(xùn)練出有意義的參數(shù),建立的模型效果也不好,也就是所謂的欠擬合[6]。

    2.1 缺陷分割提取樣本

    本研究分析了上述問題后,得出以下結(jié)論:第一,同類型的缺陷面積大小不一、長度不同;第二,不同類型的缺陷辨識(shí)度相對(duì)較高。因樣本數(shù)據(jù)的提取方式?jīng)Q定了后續(xù)檢測(cè)方法是否有效,本研究提出了一種缺陷分割提取樣本的方法。該方法可分兩個(gè)步驟進(jìn)行(為方便展示,本文對(duì)所有樣本圖進(jìn)行了灰度處理。):

    1)將面積小、長度短的缺陷作為單個(gè)樣本提取。通過改變?cè)撊毕莸南鄬?duì)位置的方式截取形成多張樣本圖。如圖2、圖3所示,不同的樣本圖中,同一個(gè)缺陷位于不同的位置,以此提高泛化能力。

    圖2 單個(gè)短劃痕缺陷

    圖3 單個(gè)小磕碰缺陷

    2)將面積大、長度長的缺陷進(jìn)行分割,可形成多個(gè)缺陷分塊,并使用步驟(1)中的方式改變?nèi)毕輭K相對(duì)位置,使一個(gè)缺陷分塊再形成多張樣本圖,如圖4、圖5所示。因面積大、長度長的缺陷往往無法在單張大小為80×80的樣本圖上完整表達(dá),需將其分割形成多個(gè)面積小、長度短的缺陷分塊;為提高泛化能力的同時(shí)又與下文所提及的窗口滑移檢測(cè)方法契合,截取多張上述缺陷分塊位于樣本圖不同位置的圖像作為額外的樣本圖。

    圖4 長劃痕缺陷分割成多個(gè)缺陷分塊

    圖5 大磕碰缺陷分割成多個(gè)缺陷分塊

    該方法能較好地提升數(shù)據(jù)集的容量,并有效區(qū)分缺陷類型。其中,因同類型缺陷分割提取后得到的缺陷分塊作為該缺陷的一部分,其對(duì)于同缺陷類型的其他缺陷分塊具有輔助識(shí)別作用。例如,圖6為兩個(gè)不同的磕碰缺陷分割提取后的兩張缺陷分塊樣本圖。可以看出,來自兩個(gè)不同磕碰缺陷的缺陷分塊樣本圖相似性較高。

    圖6 兩個(gè)缺陷塊的相似對(duì)比

    2.2 樣本數(shù)據(jù)增強(qiáng)

    訓(xùn)練樣本規(guī)模越大,分類效果就越好[7]。因此,大量的有利數(shù)據(jù)是必不可少的。本研究的所有缺陷圖像均由工業(yè)相機(jī)高清拍攝獲取,并通過相應(yīng)預(yù)處理操作得到卷積神經(jīng)網(wǎng)絡(luò)輸入層所需要的80×80×3的缺陷樣本集。在原有樣本數(shù)量不多的情況下,需對(duì)數(shù)據(jù)量進(jìn)行擴(kuò)充。在樣本集中,部分缺陷的面積相對(duì)較小,或缺陷位于樣本圖的角落或邊緣位置,若采用縮放和隨機(jī)遮擋的數(shù)據(jù)增強(qiáng)方式很可能導(dǎo)致某些缺陷數(shù)據(jù)的損失。為保證模型的準(zhǔn)確度,最終采用適當(dāng)范圍的隨機(jī)亮度變化、隨機(jī)左右翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)90°倍數(shù)角度的數(shù)據(jù)增強(qiáng)方式。部分?jǐn)?shù)據(jù)增強(qiáng)的效果如圖7所示。

    圖7 數(shù)據(jù)增強(qiáng)效果

    3 窗口滑移檢測(cè)方法

    窗口滑移檢測(cè)方法的原理是:利用與樣本尺寸相同的窗口在待檢測(cè)零件圖像上按從左往右、從上到下的規(guī)律遍歷滑移;在滑移過程中從零件圖像上截取出同樣尺寸的區(qū)域塊,與學(xué)習(xí)模型進(jìn)行對(duì)比,確定該區(qū)域塊是否有缺陷,若有缺陷則用外接矩形框出并注明缺陷類型。窗口滑移檢測(cè)方法具體將進(jìn)行以下兩個(gè)步驟:

    1)使用大小為80×80的窗口,并以該窗口1/2邊長的距離為單次橫向滑移量Hx(Sliding Distance)從圖像左上角向右滑移,每滑移一個(gè)位置就截取一個(gè)像素大小為80×80的區(qū)域塊。當(dāng)窗口滑移到最右端后,該窗口立即回到圖像最左端,并同樣以窗口1/2邊長的距離為單次縱向滑移量Hy向下滑移一次后再次向右滑移,直到該窗口遍歷完整個(gè)待檢測(cè)圖像。窗口滑移示意圖如圖8所示。窗口每滑移一次便將截取的區(qū)域塊與訓(xùn)練模型對(duì)比,并把該區(qū)域塊的標(biāo)簽值存入位置矩陣M的相應(yīng)位置。因待檢測(cè)圖像大小為560×960,窗口大小為80×80,選擇單次滑移量為1/2窗口邊長,總共可得到13×23個(gè)區(qū)域塊和大小為13×23的位置矩陣M。

    圖8 窗口滑移示意圖

    2)本模型中共有磕碰缺陷、劃痕缺陷、無缺陷3種標(biāo)簽,在位置矩陣中分別用數(shù)字1、2、3代替。因存在一個(gè)缺陷被分割在多個(gè)相鄰的區(qū)域塊中的情況,為標(biāo)記出缺陷的位置并外接帶標(biāo)簽的矩形框,需要使用圖像處理中連通域原理的算法。在Matlab軟件中,算法的具體流程為(以劃痕缺陷為例):將13×23的位置矩陣M中代表劃痕缺陷的數(shù)字2置為1,其他數(shù)字置為0,形成只存在0和1的13×23的二值矩陣(該矩陣可表示二值圖像);利用連通域regionprops函數(shù),可在位置矩陣M中得到數(shù)字1的個(gè)數(shù)與位置;利用矩陣映射原理可得到零件圖像矩陣中缺陷的對(duì)應(yīng)位置并用矩形框標(biāo)注出。該方法的部分效果展示如圖9所示。

    圖9 部分效果展示

    4 實(shí)驗(yàn)及分析

    4.1 實(shí)驗(yàn)環(huán)境

    本研究共獲取缺陷數(shù)據(jù)集1 917張,其中磕碰缺陷圖683張,劃痕缺陷圖731張,無缺陷圖503張。將該數(shù)據(jù)集按4∶1的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集。得到的實(shí)驗(yàn)數(shù)據(jù)將用于驗(yàn)證114張大小均為560×960的折彎鈑金零件,并統(tǒng)計(jì)缺陷識(shí)別和分類的結(jié)果。本實(shí)驗(yàn)環(huán)境為Windows10操作系統(tǒng),Intel Core i7-7700KCPU,16GB內(nèi)存,NVIDIA GeForce GTX 1060顯卡,并使用Matlab軟件的深度學(xué)習(xí)工具箱進(jìn)行模型訓(xùn)練及調(diào)試。

    4.2 訓(xùn)練參數(shù)的選擇

    在訓(xùn)練方法上,本研究采用隨機(jī)梯度下降[14](stochastic gradient descent,SGD)的方式進(jìn)行采樣,該方式是在梯度下降最快的方向上隨機(jī)選一個(gè)數(shù)據(jù)進(jìn)行計(jì)算,而不是掃描全部訓(xùn)練數(shù)據(jù)集,有助于提高迭代速度。因?qū)W習(xí)率控制著參數(shù)更新速度,學(xué)習(xí)率的選擇至關(guān)重要。學(xué)習(xí)率過大,將導(dǎo)致?lián)p失函數(shù)在極小值附近來回變化,無法收斂;學(xué)習(xí)率過小,會(huì)使學(xué)習(xí)速度變慢。在滿足準(zhǔn)確率的條件下,為盡可能縮短學(xué)習(xí)時(shí)間,本實(shí)驗(yàn)分別設(shè)置學(xué)習(xí)率為0.01、0.001、0.000 1進(jìn)行訓(xùn)練,獲得的準(zhǔn)確率對(duì)比如圖10所示。由數(shù)據(jù)表明,當(dāng)學(xué)習(xí)率為0.000 1時(shí),準(zhǔn)確率可達(dá)97.02%,且曲線較為平滑,能達(dá)到分類模型的準(zhǔn)確率要求。

    圖10 不同學(xué)習(xí)率的準(zhǔn)確率對(duì)比

    4.3 驗(yàn)證參數(shù)的選擇

    該類鈑金零件缺陷檢測(cè)在實(shí)際工業(yè)生產(chǎn)中要求準(zhǔn)確率應(yīng)大于95%,平均單件檢測(cè)時(shí)間應(yīng)小于1 s。根據(jù)窗口遍歷檢測(cè)方法的原理,滑移量的大小將直接影響缺陷檢測(cè)的準(zhǔn)確率和檢測(cè)時(shí)間。為獲取最優(yōu)的滑移量,本研究分別選用窗口的1/4邊長、1/2邊長、3/4邊長、邊長的滑移量作為四組實(shí)驗(yàn)參數(shù),并用于驗(yàn)證114張大小均為560×960的鈑金件零件圖。該批零件存在磕碰缺陷125處、劃痕缺陷154處,共計(jì)279處。如表1所示為不同滑移量的實(shí)驗(yàn)結(jié)果對(duì)比。結(jié)果表明,滑移量大小為1/4邊長的實(shí)驗(yàn)盡管檢測(cè)并標(biāo)注了所有缺陷,卻有28處誤檢、且耗時(shí)較長;滑移量大小為3/4邊長的實(shí)驗(yàn)出現(xiàn)8處漏檢、13處誤檢;滑移量大小為邊長的實(shí)驗(yàn)盡管耗時(shí)最少,卻出現(xiàn)16處漏檢、7處誤檢;而滑移量為1/2邊長的實(shí)驗(yàn)結(jié)果最佳,僅2處漏檢、6處誤檢且耗時(shí)滿足工業(yè)要求。

    表1 不同滑移量的實(shí)驗(yàn)結(jié)果對(duì)比

    實(shí)驗(yàn)結(jié)果分析:檢測(cè)結(jié)果為誤檢的原因是存在一個(gè)圖像塊中同時(shí)出現(xiàn)兩個(gè)或多個(gè)缺陷,盡管模型能將其識(shí)別為缺陷,卻無法進(jìn)行正確分類;檢測(cè)結(jié)果為漏檢的原因是存在一個(gè)缺陷的面積過小或長度過短,且恰被分割在兩個(gè)相鄰圖像塊的共同邊或4個(gè)相鄰圖像塊的交點(diǎn)處,使該缺陷樣本與無缺陷樣本相似,導(dǎo)致訓(xùn)練模型無法正確分類。

    5 結(jié)束語

    針對(duì)樣本較少的鈑金零件表面缺陷的檢測(cè)問題,本研究提出了基于卷積神經(jīng)網(wǎng)絡(luò)的鈑金件表面缺陷識(shí)別分類方法。通過缺陷分割提取的方式獲取了缺陷樣本,對(duì)樣本和訓(xùn)練模型進(jìn)行了分析,并多次調(diào)試訓(xùn)練參數(shù),獲得了準(zhǔn)確率為97.02%的神經(jīng)網(wǎng)絡(luò)分類模型,該模型具有準(zhǔn)確率高、時(shí)間復(fù)雜度低、泛化能力強(qiáng)等優(yōu)點(diǎn)。為達(dá)到分類缺陷并標(biāo)注缺陷位置的目的,本研究使用了窗口滑移檢測(cè)方法,通過窗口滑移遍歷整個(gè)待檢測(cè)圖像,截取窗口大小的區(qū)域塊與模型對(duì)比,驗(yàn)證該方法得到了96.77%的準(zhǔn)確率和0.85 s的平均每件檢測(cè)時(shí)間。實(shí)驗(yàn)表明,該方法具有識(shí)別準(zhǔn)確率高、

    識(shí)別時(shí)間滿足工業(yè)要求的優(yōu)點(diǎn)。但對(duì)于實(shí)驗(yàn)結(jié)果中存在的缺陷漏檢和誤檢,暫無法從原理上得到改進(jìn)。在未來的研究中還可以在方法原理上進(jìn)一步優(yōu)化,提高識(shí)別運(yùn)算速度,減小誤檢率、漏檢率。

    猜你喜歡
    準(zhǔn)確率卷積神經(jīng)網(wǎng)絡(luò)
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    国产亚洲欧美精品永久| 成人三级黄色视频| 非洲黑人性xxxx精品又粗又长| 俄罗斯特黄特色一大片| 一级a爱片免费观看的视频| 久久精品亚洲精品国产色婷小说| 国产精品电影一区二区三区| 可以在线观看的亚洲视频| 精品国产一区二区久久| 久久天躁狠狠躁夜夜2o2o| 国产av又大| 精品无人区乱码1区二区| 久久久久久亚洲精品国产蜜桃av| 国产精品秋霞免费鲁丝片| 可以在线观看的亚洲视频| 最新在线观看一区二区三区| 性欧美人与动物交配| 久久精品国产99精品国产亚洲性色 | 我的亚洲天堂| 久久精品国产综合久久久| 搞女人的毛片| 手机成人av网站| 九色亚洲精品在线播放| 亚洲va日本ⅴa欧美va伊人久久| av福利片在线| 国产精品亚洲av一区麻豆| 如日韩欧美国产精品一区二区三区| 国产成人av教育| 国产亚洲av嫩草精品影院| 91av网站免费观看| 亚洲av成人av| 一级a爱片免费观看的视频| 国产不卡一卡二| 欧美精品亚洲一区二区| 人妻丰满熟妇av一区二区三区| 黑人欧美特级aaaaaa片| 精品国产一区二区久久| 久久天堂一区二区三区四区| 黄色 视频免费看| 女性被躁到高潮视频| 精品乱码久久久久久99久播| 久久婷婷人人爽人人干人人爱 | 视频在线观看一区二区三区| 大型av网站在线播放| 色在线成人网| 日本 av在线| 午夜福利免费观看在线| 91成人精品电影| 亚洲第一电影网av| 亚洲人成电影观看| 欧美黑人欧美精品刺激| 老熟妇乱子伦视频在线观看| 久久久久久久久免费视频了| 欧美日韩一级在线毛片| 高清黄色对白视频在线免费看| 岛国视频午夜一区免费看| 日本撒尿小便嘘嘘汇集6| 国产成人精品在线电影| 国产av在哪里看| 激情在线观看视频在线高清| 法律面前人人平等表现在哪些方面| 久久久国产成人免费| 电影成人av| 成在线人永久免费视频| 日韩精品青青久久久久久| 国产精品免费视频内射| 国产熟女xx| 最近最新中文字幕大全电影3 | 成人18禁高潮啪啪吃奶动态图| 嫩草影视91久久| 国产99久久九九免费精品| 91麻豆精品激情在线观看国产| 亚洲三区欧美一区| 国产成人精品久久二区二区免费| 亚洲av片天天在线观看| 久久久久久久久久久久大奶| 国产成人av激情在线播放| 久久性视频一级片| 亚洲国产毛片av蜜桃av| 免费av毛片视频| 久久影院123| 午夜激情av网站| 日韩欧美三级三区| 在线观看免费视频网站a站| 日韩免费av在线播放| 久久九九热精品免费| 中亚洲国语对白在线视频| 深夜精品福利| 日日爽夜夜爽网站| 老司机午夜十八禁免费视频| 日韩欧美国产一区二区入口| 搡老妇女老女人老熟妇| 九色亚洲精品在线播放| 免费观看精品视频网站| 午夜精品国产一区二区电影| 他把我摸到了高潮在线观看| netflix在线观看网站| 黑人操中国人逼视频| 欧美一级毛片孕妇| 校园春色视频在线观看| 欧美成人午夜精品| 日韩欧美三级三区| 国产亚洲精品综合一区在线观看 | 国产野战对白在线观看| 免费一级毛片在线播放高清视频 | 成人手机av| 国产精品1区2区在线观看.| 午夜福利视频1000在线观看 | 亚洲无线在线观看| 久久午夜亚洲精品久久| 亚洲成人国产一区在线观看| 天天躁夜夜躁狠狠躁躁| 搞女人的毛片| 亚洲精品美女久久久久99蜜臀| 日日干狠狠操夜夜爽| 欧美日韩亚洲综合一区二区三区_| 国产精品乱码一区二三区的特点 | 久久久久久国产a免费观看| a在线观看视频网站| 日韩欧美三级三区| 亚洲av电影不卡..在线观看| 久久国产精品影院| 男女午夜视频在线观看| 成人三级黄色视频| 日韩欧美一区视频在线观看| 免费一级毛片在线播放高清视频 | 免费无遮挡裸体视频| 亚洲精品美女久久久久99蜜臀| 久久热在线av| 亚洲国产中文字幕在线视频| 女人精品久久久久毛片| 亚洲人成伊人成综合网2020| 欧美成狂野欧美在线观看| 90打野战视频偷拍视频| 久久精品国产清高在天天线| 久久精品aⅴ一区二区三区四区| 中文字幕人成人乱码亚洲影| 91精品三级在线观看| 午夜福利高清视频| 欧美成人午夜精品| 国产精品98久久久久久宅男小说| 亚洲国产日韩欧美精品在线观看 | 欧美精品亚洲一区二区| 久热这里只有精品99| 色哟哟哟哟哟哟| 黄片播放在线免费| 亚洲熟妇中文字幕五十中出| 亚洲国产看品久久| 日韩欧美国产一区二区入口| aaaaa片日本免费| 中出人妻视频一区二区| 欧洲精品卡2卡3卡4卡5卡区| 九色国产91popny在线| 精品国产国语对白av| 亚洲自偷自拍图片 自拍| 又黄又粗又硬又大视频| av电影中文网址| 夜夜躁狠狠躁天天躁| 免费久久久久久久精品成人欧美视频| 麻豆国产av国片精品| 久久精品91无色码中文字幕| 天堂动漫精品| 一a级毛片在线观看| 国产精品影院久久| 麻豆久久精品国产亚洲av| 午夜视频精品福利| 国产不卡一卡二| 成人免费观看视频高清| 亚洲aⅴ乱码一区二区在线播放 | 日本在线视频免费播放| 国内精品久久久久精免费| 啦啦啦韩国在线观看视频| 啦啦啦观看免费观看视频高清 | 90打野战视频偷拍视频| 高清黄色对白视频在线免费看| 久久久久国内视频| 18禁黄网站禁片午夜丰满| 亚洲国产中文字幕在线视频| 91在线观看av| 国产亚洲精品久久久久久毛片| 国产成人精品久久二区二区免费| √禁漫天堂资源中文www| 国产麻豆69| 婷婷丁香在线五月| 国产高清videossex| www.精华液| 成年女人毛片免费观看观看9| 国产高清videossex| 国产亚洲精品av在线| 99国产精品一区二区三区| 精品一区二区三区视频在线观看免费| 日韩精品青青久久久久久| 村上凉子中文字幕在线| 国产一卡二卡三卡精品| 欧美日本视频| 精品卡一卡二卡四卡免费| 亚洲五月色婷婷综合| 久久婷婷成人综合色麻豆| 村上凉子中文字幕在线| 一二三四社区在线视频社区8| av在线天堂中文字幕| 国产亚洲av嫩草精品影院| 女人精品久久久久毛片| 中文字幕最新亚洲高清| 91九色精品人成在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲欧美日韩另类电影网站| 一边摸一边抽搐一进一出视频| 色哟哟哟哟哟哟| 久久精品国产亚洲av香蕉五月| 久久久水蜜桃国产精品网| 啦啦啦免费观看视频1| 久久久国产欧美日韩av| 久久精品国产亚洲av香蕉五月| 国产三级在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 免费在线观看亚洲国产| 黄片大片在线免费观看| 成人亚洲精品av一区二区| 少妇的丰满在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 无限看片的www在线观看| 可以在线观看毛片的网站| 免费一级毛片在线播放高清视频 | 亚洲精品美女久久av网站| 国产av一区二区精品久久| 欧美av亚洲av综合av国产av| 久久人人97超碰香蕉20202| 麻豆成人av在线观看| 99国产精品一区二区三区| 一级毛片精品| 亚洲精品国产色婷婷电影| 国产97色在线日韩免费| 成人手机av| 夜夜爽天天搞| 一级,二级,三级黄色视频| 性少妇av在线| 亚洲情色 制服丝袜| 欧美 亚洲 国产 日韩一| 每晚都被弄得嗷嗷叫到高潮| 涩涩av久久男人的天堂| 欧美黑人精品巨大| 国产精品免费一区二区三区在线| 国产欧美日韩一区二区三区在线| 日本黄色视频三级网站网址| 亚洲第一av免费看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精华国产精华精| 操出白浆在线播放| 精品一区二区三区av网在线观看| 精品福利观看| 亚洲国产精品sss在线观看| 91精品三级在线观看| 久久精品成人免费网站| 成人亚洲精品av一区二区| 欧美乱码精品一区二区三区| 午夜精品国产一区二区电影| 国产一区二区激情短视频| 久久亚洲真实| 两人在一起打扑克的视频| 免费在线观看日本一区| 天天躁夜夜躁狠狠躁躁| 男女床上黄色一级片免费看| 欧美成人一区二区免费高清观看 | 久久中文字幕人妻熟女| 99久久精品国产亚洲精品| 怎么达到女性高潮| 亚洲人成网站在线播放欧美日韩| 国产不卡一卡二| 在线天堂中文资源库| 男女床上黄色一级片免费看| 啦啦啦 在线观看视频| 天堂动漫精品| 久久精品影院6| 久久久精品欧美日韩精品| 大陆偷拍与自拍| 亚洲黑人精品在线| 久久久久九九精品影院| 国产色视频综合| 国产亚洲av嫩草精品影院| 亚洲av电影不卡..在线观看| 久久 成人 亚洲| 女同久久另类99精品国产91| 两个人免费观看高清视频| 免费搜索国产男女视频| 久久伊人香网站| 亚洲国产高清在线一区二区三 | 黑人巨大精品欧美一区二区蜜桃| 搡老妇女老女人老熟妇| www.精华液| 在线观看舔阴道视频| 老司机靠b影院| 99热只有精品国产| 久久久久国内视频| 中文字幕最新亚洲高清| 成人国产综合亚洲| 国产不卡一卡二| 一级片免费观看大全| 在线观看免费午夜福利视频| 午夜亚洲福利在线播放| 亚洲成国产人片在线观看| 香蕉久久夜色| 国产成人啪精品午夜网站| 日日爽夜夜爽网站| av免费在线观看网站| 亚洲精品久久成人aⅴ小说| 性色av乱码一区二区三区2| 成年女人毛片免费观看观看9| 女性被躁到高潮视频| 欧美日本亚洲视频在线播放| 亚洲av第一区精品v没综合| 亚洲欧美激情综合另类| 波多野结衣巨乳人妻| 12—13女人毛片做爰片一| 亚洲av美国av| 日韩高清综合在线| 国产精品永久免费网站| 女性被躁到高潮视频| 午夜福利18| 亚洲人成伊人成综合网2020| www.999成人在线观看| 在线观看午夜福利视频| 免费一级毛片在线播放高清视频 | 久久亚洲精品不卡| 国产一区二区三区综合在线观看| 一个人观看的视频www高清免费观看 | 身体一侧抽搐| 久久人人97超碰香蕉20202| 国产一区二区三区视频了| 久久国产精品影院| 一边摸一边抽搐一进一出视频| 亚洲一区中文字幕在线| 久久久久国产精品人妻aⅴ院| 少妇熟女aⅴ在线视频| 少妇熟女aⅴ在线视频| 在线观看66精品国产| 亚洲欧美日韩另类电影网站| 国产一区二区三区视频了| 天天躁狠狠躁夜夜躁狠狠躁| 99re在线观看精品视频| 黄色视频不卡| 久久亚洲真实| x7x7x7水蜜桃| 午夜成年电影在线免费观看| 757午夜福利合集在线观看| 午夜a级毛片| 免费看十八禁软件| 熟女少妇亚洲综合色aaa.| 久久久久久亚洲精品国产蜜桃av| 亚洲男人的天堂狠狠| 国产精品乱码一区二三区的特点 | 亚洲精品中文字幕一二三四区| 亚洲成国产人片在线观看| 色婷婷久久久亚洲欧美| 国产欧美日韩一区二区三| 成人手机av| 国产精品电影一区二区三区| 欧美亚洲日本最大视频资源| 91麻豆精品激情在线观看国产| 欧美成人性av电影在线观看| 日本一区二区免费在线视频| 色综合婷婷激情| 最好的美女福利视频网| 精品久久久久久久毛片微露脸| 老司机午夜十八禁免费视频| 国产成人精品久久二区二区免费| 色在线成人网| 两个人视频免费观看高清| www.熟女人妻精品国产| 成人特级黄色片久久久久久久| av有码第一页| 性少妇av在线| 黄色成人免费大全| 宅男免费午夜| 国产97色在线日韩免费| 9热在线视频观看99| 亚洲激情在线av| 精品熟女少妇八av免费久了| 亚洲午夜理论影院| 欧美成人午夜精品| 少妇被粗大的猛进出69影院| 黄色视频,在线免费观看| 色精品久久人妻99蜜桃| 女人被狂操c到高潮| 亚洲欧美日韩高清在线视频| 国产精品国产高清国产av| 色哟哟哟哟哟哟| 黄色女人牲交| 欧美日韩亚洲综合一区二区三区_| 给我免费播放毛片高清在线观看| 黄色毛片三级朝国网站| 天天躁夜夜躁狠狠躁躁| 嫩草影院精品99| 91国产中文字幕| 欧美一级毛片孕妇| 夜夜躁狠狠躁天天躁| 一本大道久久a久久精品| 不卡一级毛片| 免费少妇av软件| 视频区欧美日本亚洲| 免费看十八禁软件| 亚洲欧美精品综合久久99| 欧美精品啪啪一区二区三区| 黄色视频不卡| 777久久人妻少妇嫩草av网站| 色在线成人网| 久久精品国产亚洲av高清一级| 欧美一级毛片孕妇| 欧美激情久久久久久爽电影 | 日韩欧美免费精品| 午夜福利成人在线免费观看| 国产精品98久久久久久宅男小说| 他把我摸到了高潮在线观看| 在线观看午夜福利视频| 国产片内射在线| 亚洲一区二区三区色噜噜| 国产三级黄色录像| 亚洲成a人片在线一区二区| 不卡av一区二区三区| 一进一出好大好爽视频| 亚洲人成电影观看| 精品第一国产精品| 久久久久久人人人人人| 色综合站精品国产| 色综合欧美亚洲国产小说| 久久久久久免费高清国产稀缺| 久久久精品欧美日韩精品| 亚洲男人的天堂狠狠| 麻豆久久精品国产亚洲av| 黄频高清免费视频| 国产高清videossex| 久久久久国产精品人妻aⅴ院| 老汉色av国产亚洲站长工具| 国产区一区二久久| 日本黄色视频三级网站网址| 日韩欧美免费精品| 色尼玛亚洲综合影院| 久久久久久免费高清国产稀缺| 亚洲精品美女久久av网站| 国产精品美女特级片免费视频播放器 | 久久久久久大精品| 99riav亚洲国产免费| 久久热在线av| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美三级三区| 1024香蕉在线观看| 久久久久国内视频| 9191精品国产免费久久| 亚洲第一青青草原| 亚洲免费av在线视频| 免费无遮挡裸体视频| 国产精品日韩av在线免费观看 | 色哟哟哟哟哟哟| 欧美激情高清一区二区三区| 亚洲在线自拍视频| 一级a爱片免费观看的视频| 久久午夜亚洲精品久久| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩成人在线观看一区二区三区| 高清毛片免费观看视频网站| 精品久久久精品久久久| 国产av一区二区精品久久| 99久久国产精品久久久| 在线观看66精品国产| 国产成人精品在线电影| 久久久久久久久免费视频了| 久久狼人影院| 禁无遮挡网站| 免费在线观看黄色视频的| 国产精品一区二区精品视频观看| 精品国产乱码久久久久久男人| 久久人妻av系列| 久久精品aⅴ一区二区三区四区| 免费女性裸体啪啪无遮挡网站| 高清黄色对白视频在线免费看| 多毛熟女@视频| 欧美成人午夜精品| 亚洲熟妇熟女久久| 国产成人一区二区三区免费视频网站| 又黄又粗又硬又大视频| 亚洲激情在线av| 美女 人体艺术 gogo| 可以在线观看毛片的网站| 丁香欧美五月| 国产av又大| 国产伦一二天堂av在线观看| 一级毛片精品| 国产精品二区激情视频| 性欧美人与动物交配| 夜夜看夜夜爽夜夜摸| 亚洲一码二码三码区别大吗| 成人精品一区二区免费| 在线永久观看黄色视频| 夜夜夜夜夜久久久久| 纯流量卡能插随身wifi吗| 久久久久九九精品影院| 在线十欧美十亚洲十日本专区| 变态另类丝袜制服| 国产日韩一区二区三区精品不卡| 搡老岳熟女国产| 国产欧美日韩综合在线一区二区| 日韩中文字幕欧美一区二区| 这个男人来自地球电影免费观看| 一级a爱视频在线免费观看| 久久天躁狠狠躁夜夜2o2o| 欧美精品亚洲一区二区| 国产精品爽爽va在线观看网站 | 国产成人精品在线电影| 法律面前人人平等表现在哪些方面| 日本免费一区二区三区高清不卡 | 麻豆一二三区av精品| av欧美777| 精品国产一区二区久久| 午夜两性在线视频| 91成年电影在线观看| 国产精品永久免费网站| 免费看a级黄色片| 99riav亚洲国产免费| 中文字幕精品免费在线观看视频| 88av欧美| 日韩欧美一区视频在线观看| 国产麻豆69| 亚洲人成网站在线播放欧美日韩| 91成年电影在线观看| 91大片在线观看| 亚洲精品一区av在线观看| 青草久久国产| 亚洲专区字幕在线| 老汉色av国产亚洲站长工具| 亚洲国产精品久久男人天堂| 国产精品影院久久| 18禁裸乳无遮挡免费网站照片 | 在线观看日韩欧美| 麻豆久久精品国产亚洲av| 禁无遮挡网站| 久热爱精品视频在线9| 色精品久久人妻99蜜桃| 亚洲欧美激情在线| 国产成人精品无人区| 国产成人精品久久二区二区免费| 天堂动漫精品| 欧美大码av| 国产xxxxx性猛交| 免费不卡黄色视频| 老熟妇仑乱视频hdxx| 91国产中文字幕| 国产精品98久久久久久宅男小说| 日本免费a在线| 在线观看舔阴道视频| 女生性感内裤真人,穿戴方法视频| av天堂久久9| 中文字幕人成人乱码亚洲影| 国产麻豆69| 国产欧美日韩一区二区三区在线| 亚洲人成电影观看| av免费在线观看网站| 18禁美女被吸乳视频| 欧美日本视频| 久久香蕉国产精品| 人妻丰满熟妇av一区二区三区| av在线播放免费不卡| av片东京热男人的天堂| 波多野结衣高清无吗| 可以在线观看的亚洲视频| 成人特级黄色片久久久久久久| 色精品久久人妻99蜜桃| 国产精品国产高清国产av| 91av网站免费观看| 久久久久久久久中文| 十八禁网站免费在线| 欧美日韩福利视频一区二区| 欧美日韩黄片免| 如日韩欧美国产精品一区二区三区| 亚洲色图av天堂| 日本a在线网址| 日韩国内少妇激情av| 国内毛片毛片毛片毛片毛片| 色综合婷婷激情| av有码第一页| 国产激情欧美一区二区| 88av欧美| 精品高清国产在线一区| 免费看美女性在线毛片视频| www日本在线高清视频| 中文字幕另类日韩欧美亚洲嫩草| 欧美日本视频| 久久精品人人爽人人爽视色| 日日夜夜操网爽| 国产一区二区三区综合在线观看| 91大片在线观看| 久久天堂一区二区三区四区| 日本在线视频免费播放| 精品人妻在线不人妻| 日韩高清综合在线| 国产精品亚洲一级av第二区| a级毛片在线看网站| 国产精品99久久99久久久不卡| 69av精品久久久久久| 757午夜福利合集在线观看| 国产伦人伦偷精品视频| 美国免费a级毛片| 精品久久久久久久毛片微露脸| 免费在线观看视频国产中文字幕亚洲| 老鸭窝网址在线观看| 久久久久久免费高清国产稀缺| 一级作爱视频免费观看| 在线观看舔阴道视频| 国产精品久久久av美女十八| 中出人妻视频一区二区| 国产蜜桃级精品一区二区三区| 在线观看午夜福利视频| 亚洲一区二区三区色噜噜| 国内精品久久久久久久电影| netflix在线观看网站| 精品乱码久久久久久99久播|