• <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)的橘子分類識(shí)別研究

    2020-07-09 07:57:52李琳芳王建軍魏征馮向榮安金梁
    關(guān)鍵詞:池化橘子卷積

    李琳芳,王建軍,魏征,馮向榮,安金梁

    (1.河南科技學(xué)院信息工程學(xué)院,河南新鄉(xiāng)453003;2.河南科技學(xué)院新科學(xué)院,河南新鄉(xiāng)453003)

    我國(guó)現(xiàn)有的水果檢測(cè)分類方法主要有人工檢測(cè)和機(jī)械檢測(cè)[1].人工檢測(cè)耗費(fèi)人力、效率低下、分類不夠客觀準(zhǔn)確;機(jī)械檢測(cè)容易對(duì)水果造成機(jī)械損傷,影響水果品質(zhì).采用機(jī)器視覺的圖像處理技術(shù)可以消除這些弊端,實(shí)現(xiàn)水果的高效無損自動(dòng)檢測(cè)及分類.國(guó)內(nèi)外許多學(xué)者對(duì)基于機(jī)器視覺的圖像處理技術(shù)在水果缺陷檢測(cè)及分類方面的應(yīng)用進(jìn)行了大量研究,并取得了較大進(jìn)展[2-3].Aleixos等[4]應(yīng)用貝葉斯決策理論實(shí)時(shí)對(duì)柑橘類水果表面進(jìn)行多光譜檢測(cè);費(fèi)爾南多等[5]基于顏色和紋理特征實(shí)現(xiàn)對(duì)柑橘類水果表面的缺陷診斷;López-García等[6]采用多變量圖像分析法和主成分分析法實(shí)現(xiàn)柑橘類水果表面的缺陷檢測(cè).

    傳統(tǒng)圖像分類主要包含特征提取和分類器設(shè)計(jì)兩大步驟,但有兩個(gè)突出的缺點(diǎn)[7]:一是需要人工設(shè)計(jì)特征,人工設(shè)計(jì)特征往往靠設(shè)計(jì)者的先驗(yàn)知識(shí),具有很大的盲目性,此外,考慮到手工調(diào)參數(shù),特征設(shè)計(jì)時(shí)只允許出現(xiàn)少量參數(shù);二是分類器結(jié)構(gòu)簡(jiǎn)單,可能無法將復(fù)雜的特征映射到最終識(shí)別結(jié)果.近年來,隨著標(biāo)記數(shù)據(jù)和算力的提升,針對(duì)卷積神經(jīng)網(wǎng)絡(luò)的研究被廣泛應(yīng)用于圖像處理領(lǐng)域[8-11],它很好地克服了傳統(tǒng)圖像分類的缺點(diǎn).卷積神經(jīng)網(wǎng)絡(luò)可以從大數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征的表示,對(duì)特征有很強(qiáng)大的表征能力,不僅避免了人工提取特征的繁瑣,而且網(wǎng)絡(luò)學(xué)習(xí)的特征比人工設(shè)計(jì)的特征具有更強(qiáng)的泛化性能.卷積神經(jīng)網(wǎng)絡(luò)的特征提取器和分類器是串聯(lián)在一起的,訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)就同時(shí)訓(xùn)練了特征提取器和分類器.本文基于卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一個(gè)橘子檢測(cè)分類模型.

    1 數(shù)據(jù)集構(gòu)建

    當(dāng)前,沒有現(xiàn)成開源的數(shù)據(jù)集,自建了橘子數(shù)據(jù)集,主要包含數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)劃分3個(gè)步驟.

    (1)數(shù)據(jù)采集.通過兩種方式獲取橘子數(shù)據(jù)集:一種是利用智能手機(jī)在不同光照、不同背景、不同場(chǎng)景下拍攝橘子圖像;另一種是利用Python爬蟲自動(dòng)搜集互聯(lián)網(wǎng)上的橘子圖像.由于卷積神經(jīng)網(wǎng)絡(luò)是基于大數(shù)據(jù)下的特征學(xué)習(xí),通常數(shù)據(jù)集越大,提取到的特征越多,訓(xùn)練得到的網(wǎng)絡(luò)模型越好;如果數(shù)據(jù)集不充分,訓(xùn)練的模型容易發(fā)生欠擬合或過擬合.本文采取對(duì)獲取的數(shù)據(jù)進(jìn)行60°旋轉(zhuǎn)、90°旋轉(zhuǎn)、120°旋轉(zhuǎn)、180°旋轉(zhuǎn)的方式擴(kuò)充數(shù)據(jù)集.為了方便卷積神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的讀入,對(duì)所有數(shù)據(jù)集格式進(jìn)行統(tǒng)一化處理,將其尺寸統(tǒng)一固定為長(zhǎng)為64、寬為64、水平分辨率為96、垂直分辨率為96.

    (2)數(shù)據(jù)標(biāo)注.整個(gè)數(shù)據(jù)集有2 000張圖片,根據(jù)橘子表皮的色澤和亮度、表面是否有霉斑和黑斑、橘子本身是否完整等,以人工標(biāo)注的方式,將橘子分為合格品和不合格品.其中合格品為1 000張,不合格品為1 000張.圖1、圖2分別給出了橘子的部分合格品樣本圖片與不合格品樣本圖片.

    圖1 部分合格品橘子Fig.1 Partial qualified oranges

    圖2 部分不合格品橘子Fig.2 Partial unqualified oranges

    (3)數(shù)據(jù)劃分.采用有監(jiān)督學(xué)習(xí)的方式訓(xùn)練網(wǎng)絡(luò)模型時(shí),為了得到泛化能力強(qiáng)、效果佳的網(wǎng)絡(luò)模型,一般會(huì)按照8∶2的比例將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集.隨機(jī)選取800張合格品橘子圖片和800張不合格品橘子圖片作為訓(xùn)練集,剩余200張合格品橘子圖片和200張不合格品橘子圖片作為測(cè)試集.

    2 分類模型設(shè)計(jì)

    2.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)具備優(yōu)異的特征自學(xué)習(xí)能力、強(qiáng)大的并行處理能力以及良好的容錯(cuò)能力.卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖3所示,主要由輸入層、卷積層、池化層、全連接層、輸出層5部分構(gòu)成,每一層都是由若干個(gè)包含獨(dú)立神經(jīng)元的二維平面組成.

    (1)輸入層:用于輸入圖像,輸入圖像的大小要統(tǒng)一.

    (2)卷積層:卷積核在待提取特征的圖像上,按照一定步長(zhǎng),依次掃描進(jìn)行線性卷積運(yùn)算,再加一個(gè)偏置,通過激活函數(shù)得到提取的特征圖.通過引入非線性激活函數(shù),使得網(wǎng)絡(luò)可以表達(dá)非線性模型,增強(qiáng)了網(wǎng)絡(luò)的表達(dá)能力.

    (3)池化層:池化也稱為下采樣,主要用于特征降維,壓縮數(shù)據(jù)和參數(shù)的數(shù)量,在一定程度上可以減小過擬合,提高模型的容錯(cuò)性.

    (4)全連接層:將卷積和池化之后提取的特征圖中的特征進(jìn)行整合,映射成一個(gè)固定長(zhǎng)度的特征向量,以便交給最后的分類器層.

    (5)輸出層:輸出層一般為分類器層,最后輸出的是一個(gè)把制定分類的類目數(shù)作為維度的概率向量.

    圖3 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.3 Basic structureof convolutional neural network

    2.2 橘子分類網(wǎng)絡(luò)模型設(shè)計(jì)

    設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)模型如圖4所示,由1個(gè)輸入層、3個(gè)卷積層、3個(gè)池化層、1個(gè)全連接層和1個(gè)Softmax輸出層組成.

    圖4 設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)模型Fig.4 Convolutional neural network model designed

    把64×64×3的RGB圖像輸入網(wǎng)絡(luò),64×64指圖像的寬度×高度,3指圖像的R、G、B三個(gè)色彩通道,在卷積層Conv1層設(shè)計(jì)了32個(gè)5×5×3的卷積核,5×5指卷積核的寬度×高度,3指卷積核的深度,對(duì)應(yīng)圖像的R、G、B三個(gè)色彩通道,卷積核遍歷圖像進(jìn)行卷積運(yùn)算后得到32個(gè)60×60的二維特征圖,然后通過ReLU激活函數(shù)進(jìn)行計(jì)算,ReLU激活函數(shù)具有實(shí)現(xiàn)簡(jiǎn)單、收斂快速的特點(diǎn).卷積層的計(jì)算公式如式(1)所示

    式(1)中:I表示輸入矩陣,W表示卷積核,b表示偏置,f(·)表示激活函數(shù).

    已有研究表明,在圖像特征提取方面,最大池化效果優(yōu)于平均池化,設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)池化層均采用最大池化操作.下采樣層Pool1層采用32個(gè)2×2的最大池化濾波器,池化步長(zhǎng)為2,池化運(yùn)算后得到32個(gè)30×30的二維特征圖.池化層的計(jì)算公式如式(2)所示

    式(2)中:down表示池化操作.

    在卷積層Conv2層使用64個(gè)5×5×3的卷積核,計(jì)算過程類似于Conv1層,經(jīng)過卷積運(yùn)算后得到64個(gè)26×26的二維特征圖,下采樣層Pool2層采用64個(gè)2×2的最大池化濾波器,經(jīng)過池化運(yùn)算,得到64個(gè)13×13的二維特征圖,保留主要特征的同時(shí)進(jìn)一步實(shí)現(xiàn)了降維,減少了后續(xù)層中參數(shù)的數(shù)量.

    經(jīng)過Conv1層和Conv2層之后已經(jīng)提取了大部分特征,考慮到自建的樣本數(shù)目不是很大,在Conv3層使用128個(gè)3×3×3的卷積核,小卷積核雖然感知野小了,但不會(huì)影響訓(xùn)練精度,而且減少了網(wǎng)絡(luò)訓(xùn)練參數(shù).下采樣層Pool3層采用128個(gè)2×2的最大池化濾波器,經(jīng)過池化運(yùn)算,得到128個(gè)6×6的二維特征圖.

    全連接層FC層將Pool3層產(chǎn)生的二維特征圖轉(zhuǎn)變?yōu)橐痪S特征數(shù)據(jù),利用Softmax邏輯回歸對(duì)特征進(jìn)行分類.Softmax函數(shù)計(jì)算公式如式(3)所示

    式(3)中:Ii為所有輸入組合中的第i個(gè)輸入,K為輸入神經(jīng)元個(gè)數(shù).通過Softmax函數(shù),輸出值就映射到了[0,1]范圍的值,Softmax分類是根據(jù)概率值大小進(jìn)行的分類.

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)環(huán)境為64位的Win10系統(tǒng),計(jì)算機(jī)的CPU為Intel(R)Core(TM)i5-6600K,CPU的主頻為3.5GHz,內(nèi)存為16 GB.模型訓(xùn)練是利用Anaconda下基于Python語言的Spyder編譯工具,采用Keras深度學(xué)習(xí)框架.

    3.2 網(wǎng)絡(luò)訓(xùn)練

    設(shè)計(jì)的網(wǎng)絡(luò)模型訓(xùn)練過程如圖5所示.將橘子圖片數(shù)據(jù)集作為輸入分批量提供給網(wǎng)絡(luò),經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)模型后提取分類特征,利用Softmax分類器進(jìn)行分類,根據(jù)預(yù)測(cè)的橘子品類和實(shí)際的橘子品類計(jì)算損失函數(shù),通過小批量梯度下降法,利用反向傳播調(diào)整網(wǎng)絡(luò)參數(shù),不斷減小損失直至網(wǎng)絡(luò)收斂.

    圖5 網(wǎng)絡(luò)訓(xùn)練過程Fig.5 Network trainingprocess

    為了提高網(wǎng)絡(luò)收斂速度,對(duì)輸入網(wǎng)絡(luò)的橘子圖像進(jìn)行像素值的去均值歸一化處理.去均值歸一化處理的計(jì)算公式為

    式(4)中:I表示輸入圖像任意一點(diǎn)的像素值,μ表示輸入圖像的像素均值.

    利用均方誤差作為網(wǎng)絡(luò)訓(xùn)練的損失函數(shù).損失函數(shù)計(jì)算公式為

    式(5)中:C為分類的類別數(shù),表示訓(xùn)練集中第k個(gè)樣本第j維所對(duì)應(yīng)的期望值,表示第k個(gè)樣本第j維所對(duì)應(yīng)的實(shí)際輸出.

    3.3 實(shí)驗(yàn)結(jié)果分析

    訓(xùn)練過程中設(shè)定批處理的批尺寸為64,初始學(xué)習(xí)率為0.000 1,迭代步數(shù)為30步,訓(xùn)練集包含1 600個(gè)正樣本和1 600個(gè)負(fù)樣本,測(cè)試集包含400個(gè)正樣本和400個(gè)負(fù)樣本,訓(xùn)練集的精度和測(cè)試集的精度分別如圖6和7所示.

    圖6 訓(xùn)練集精度Fig.6 Accuracy of thetrainingset

    圖7 測(cè)試集精度Fig.7 Accuracy of the test set

    由圖6可以看出,訓(xùn)練集的精度呈上升趨勢(shì),經(jīng)過一段時(shí)間的訓(xùn)練后,精度保持在98%以上,由此可知訓(xùn)練模型是比較成功的.利用測(cè)試集對(duì)訓(xùn)練模型進(jìn)行測(cè)試,由圖7可以看出,測(cè)試集的精度基本都在94%以上,某些時(shí)刻的精度比較低,可能是個(gè)別樣本引起的,對(duì)運(yùn)行結(jié)果中測(cè)試集的精度進(jìn)行均值計(jì)算,整個(gè)測(cè)試集的平均精度為94.34%.整個(gè)測(cè)試集的平均精度明顯低于訓(xùn)練集的平均精度99.38%,主要是因?yàn)橛?xùn)練的樣本和測(cè)試的樣本數(shù)量有限導(dǎo)致.

    表 1給出了本文算法和現(xiàn)有檢測(cè)分類算法 PCA+KSVM[12]、PCA+FSCAB[13]、FREE+BPNN[14]、FREE+IHGA[15]的精度對(duì)比情況,由于本文算法與其他分類算法的數(shù)據(jù)集不完全相同,因此分類精度是在分類的平均精度上進(jìn)行比較,對(duì)比發(fā)現(xiàn)本文算法具有更優(yōu)的分類性能.

    表1 不同算法平均精度比較Tab.1 Comparison of theaverageaccuracy of different algorithms

    4 小結(jié)

    本文設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的橘子分類識(shí)別模型,并對(duì)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練.模型在足夠的樣本學(xué)習(xí)之后,可以自動(dòng)獲取樣本特征,與傳統(tǒng)分類模型相比,具有更高的速度、更強(qiáng)的泛化性能和更好的識(shí)別效果.在訓(xùn)練樣本和測(cè)試樣本有限的情況下,模型準(zhǔn)確率達(dá)到了94.34%,驗(yàn)證了模型的準(zhǔn)確性和可靠性.

    猜你喜歡
    池化橘子卷積
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    無線電工程(2024年8期)2024-09-16 00:00:00
    基于Sobel算子的池化算法設(shè)計(jì)
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    橘子沉浮記
    幼兒100(2020年32期)2020-12-02 06:15:36
    漂浮的橘子
    幼兒畫刊(2020年5期)2020-07-24 08:41:58
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    橘子的自述
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    国产亚洲av片在线观看秒播厂 | 免费在线观看成人毛片| 免费少妇av软件| 精品酒店卫生间| 久久精品人妻少妇| 国产欧美另类精品又又久久亚洲欧美| 国模一区二区三区四区视频| 别揉我奶头 嗯啊视频| 国产午夜精品一二区理论片| 午夜福利高清视频| 国产一区二区亚洲精品在线观看| 国产精品一区www在线观看| 欧美成人精品欧美一级黄| 国产在线男女| 国产免费福利视频在线观看| 国产男人的电影天堂91| 一本一本综合久久| 亚洲在线自拍视频| 熟女电影av网| 国产 亚洲一区二区三区 | 欧美日韩视频高清一区二区三区二| 老司机影院成人| 国产大屁股一区二区在线视频| 国产一区二区三区综合在线观看 | 九九在线视频观看精品| 亚洲一级一片aⅴ在线观看| 国产免费视频播放在线视频 | 国产精品久久久久久精品电影| av在线播放精品| 午夜激情福利司机影院| 日韩在线高清观看一区二区三区| 国内少妇人妻偷人精品xxx网站| 国产精品国产三级国产av玫瑰| 一二三四中文在线观看免费高清| 老司机影院成人| 久99久视频精品免费| 欧美 日韩 精品 国产| 国产探花在线观看一区二区| 国产成人精品福利久久| 国产免费一级a男人的天堂| 亚洲精品视频女| 高清日韩中文字幕在线| 最后的刺客免费高清国语| 欧美高清性xxxxhd video| 97超碰精品成人国产| 亚洲精品亚洲一区二区| 中文字幕av在线有码专区| av在线蜜桃| 免费电影在线观看免费观看| 毛片一级片免费看久久久久| 日韩欧美国产在线观看| 亚洲第一区二区三区不卡| 久久久成人免费电影| 一个人观看的视频www高清免费观看| 免费看日本二区| 亚洲无线观看免费| 日韩欧美精品v在线| 一级二级三级毛片免费看| 少妇熟女欧美另类| 高清视频免费观看一区二区 | 欧美日韩亚洲高清精品| 一个人看的www免费观看视频| 看非洲黑人一级黄片| 国产黄色小视频在线观看| 国产精品国产三级国产专区5o| 国产激情偷乱视频一区二区| 2022亚洲国产成人精品| 国产黄色小视频在线观看| 日本黄色片子视频| 国产探花极品一区二区| 国产一区二区三区av在线| 狂野欧美激情性xxxx在线观看| 久久久久精品性色| 成人综合一区亚洲| 久久久亚洲精品成人影院| 一级a做视频免费观看| 大香蕉97超碰在线| 丝袜喷水一区| 1000部很黄的大片| 亚洲精品国产成人久久av| 能在线免费观看的黄片| 小蜜桃在线观看免费完整版高清| 亚洲精品成人久久久久久| 观看美女的网站| 色视频www国产| 久久久久免费精品人妻一区二区| 久久精品国产自在天天线| 91精品伊人久久大香线蕉| 欧美成人午夜免费资源| 99视频精品全部免费 在线| 亚洲综合色惰| 亚洲av免费高清在线观看| 亚洲在线观看片| 国内精品美女久久久久久| 亚洲av福利一区| 男人爽女人下面视频在线观看| 精品久久久噜噜| av在线蜜桃| 国产亚洲午夜精品一区二区久久 | 成年女人在线观看亚洲视频 | 国产黄a三级三级三级人| 久久午夜福利片| 女人被狂操c到高潮| 亚洲美女搞黄在线观看| 国产 一区精品| 久久久久久久午夜电影| 丰满人妻一区二区三区视频av| 国产成人福利小说| 嫩草影院入口| 久热久热在线精品观看| 欧美一级a爱片免费观看看| 精品国产露脸久久av麻豆 | 高清日韩中文字幕在线| 综合色丁香网| 国产精品久久久久久精品电影小说 | 三级国产精品欧美在线观看| 少妇丰满av| 亚洲内射少妇av| 性插视频无遮挡在线免费观看| 亚洲人与动物交配视频| 蜜桃久久精品国产亚洲av| 尾随美女入室| 亚洲欧美精品自产自拍| 少妇被粗大猛烈的视频| 国产黄a三级三级三级人| 性插视频无遮挡在线免费观看| 日韩一区二区三区影片| 狠狠精品人妻久久久久久综合| 国产成人a区在线观看| 一个人看视频在线观看www免费| 天堂中文最新版在线下载 | 亚洲经典国产精华液单| 日日啪夜夜撸| 亚洲国产欧美在线一区| av卡一久久| 亚洲不卡免费看| 亚洲精品日韩在线中文字幕| 日韩中字成人| 爱豆传媒免费全集在线观看| 日韩强制内射视频| 色播亚洲综合网| 99久国产av精品国产电影| 干丝袜人妻中文字幕| 青春草视频在线免费观看| 久久久久国产网址| 欧美三级亚洲精品| 91aial.com中文字幕在线观看| 久久久久久伊人网av| 一级二级三级毛片免费看| 国产片特级美女逼逼视频| 久久草成人影院| 赤兔流量卡办理| 成人亚洲精品一区在线观看 | 国产精品久久久久久av不卡| 久99久视频精品免费| 最近最新中文字幕免费大全7| 亚洲精品乱久久久久久| 久久精品久久精品一区二区三区| 亚洲国产精品成人久久小说| 亚洲国产成人一精品久久久| 日韩视频在线欧美| 国产一区二区三区综合在线观看 | 91久久精品国产一区二区成人| 国产精品美女特级片免费视频播放器| 尤物成人国产欧美一区二区三区| 日日摸夜夜添夜夜添av毛片| 免费观看av网站的网址| 日韩中字成人| 91久久精品国产一区二区三区| 国产在视频线精品| 欧美丝袜亚洲另类| 亚洲在线自拍视频| 搞女人的毛片| 欧美区成人在线视频| 午夜日本视频在线| 国产精品av视频在线免费观看| 男女边吃奶边做爰视频| 亚洲欧美日韩卡通动漫| 丰满少妇做爰视频| 成年免费大片在线观看| 日韩欧美国产在线观看| 人妻制服诱惑在线中文字幕| 亚洲欧美精品自产自拍| 日本色播在线视频| 久久久国产一区二区| 午夜福利视频精品| 国产单亲对白刺激| 精品国内亚洲2022精品成人| 99久久九九国产精品国产免费| 天天躁夜夜躁狠狠久久av| 久久久成人免费电影| 国精品久久久久久国模美| 亚洲欧美一区二区三区国产| 亚洲在线自拍视频| 国产成人精品福利久久| 日本-黄色视频高清免费观看| 3wmmmm亚洲av在线观看| 午夜激情久久久久久久| av卡一久久| 麻豆av噜噜一区二区三区| 黄色欧美视频在线观看| 少妇熟女aⅴ在线视频| 亚洲av中文av极速乱| 国产精品国产三级国产av玫瑰| 国产精品女同一区二区软件| 在线免费观看不下载黄p国产| 高清在线视频一区二区三区| 欧美+日韩+精品| 精品人妻偷拍中文字幕| 亚洲av免费在线观看| 18禁在线无遮挡免费观看视频| 欧美3d第一页| 一级毛片aaaaaa免费看小| www.av在线官网国产| 人人妻人人澡欧美一区二区| 有码 亚洲区| 国产在视频线精品| 亚洲不卡免费看| 91狼人影院| 边亲边吃奶的免费视频| 黑人高潮一二区| 亚洲婷婷狠狠爱综合网| 99久久人妻综合| 欧美激情久久久久久爽电影| 国产精品国产三级专区第一集| 久久久久久久久久黄片| 亚洲婷婷狠狠爱综合网| 极品教师在线视频| 午夜免费男女啪啪视频观看| 国产av码专区亚洲av| 亚洲国产av新网站| 卡戴珊不雅视频在线播放| 美女高潮的动态| 中国美白少妇内射xxxbb| av在线观看视频网站免费| 久久久精品94久久精品| 午夜爱爱视频在线播放| 免费少妇av软件| 大话2 男鬼变身卡| 亚洲一级一片aⅴ在线观看| 亚洲精品国产av成人精品| 在线观看人妻少妇| 在线a可以看的网站| 少妇人妻一区二区三区视频| 久久精品综合一区二区三区| 久久久色成人| 联通29元200g的流量卡| 寂寞人妻少妇视频99o| 搡女人真爽免费视频火全软件| 一二三四中文在线观看免费高清| 欧美3d第一页| 国产欧美日韩精品一区二区| 国产精品一区二区在线观看99 | 国产精品久久久久久精品电影| 丝袜美腿在线中文| 干丝袜人妻中文字幕| 色5月婷婷丁香| 蜜臀久久99精品久久宅男| 国产亚洲午夜精品一区二区久久 | 国产精品蜜桃在线观看| 伦理电影大哥的女人| 男人舔女人下体高潮全视频| 听说在线观看完整版免费高清| 国产中年淑女户外野战色| 国产精品人妻久久久久久| 国产黄色免费在线视频| 嫩草影院精品99| 久久人人爽人人片av| 久久久久免费精品人妻一区二区| 国产一区二区三区av在线| 两个人视频免费观看高清| 免费观看a级毛片全部| 综合色丁香网| 中文字幕制服av| 亚洲经典国产精华液单| 国产精品av视频在线免费观看| 成人午夜高清在线视频| 女的被弄到高潮叫床怎么办| 免费大片黄手机在线观看| 亚洲欧美成人综合另类久久久| 一级毛片我不卡| 直男gayav资源| 日本免费在线观看一区| 久久久国产一区二区| 午夜激情欧美在线| 人妻一区二区av| 免费播放大片免费观看视频在线观看| 亚洲综合精品二区| 国产一区有黄有色的免费视频 | 国产成年人精品一区二区| 99久国产av精品国产电影| 十八禁国产超污无遮挡网站| 在线a可以看的网站| 最近最新中文字幕免费大全7| 性插视频无遮挡在线免费观看| 国产精品美女特级片免费视频播放器| 好男人视频免费观看在线| 国产大屁股一区二区在线视频| 人妻一区二区av| 精品人妻偷拍中文字幕| 黑人高潮一二区| 国产成人a∨麻豆精品| 亚洲av在线观看美女高潮| 欧美高清成人免费视频www| 日本黄大片高清| 男女下面进入的视频免费午夜| 精品久久国产蜜桃| 久久久久精品性色| 精品久久久久久久久久久久久| 久久鲁丝午夜福利片| 精品人妻视频免费看| 偷拍熟女少妇极品色| 国产片特级美女逼逼视频| 国产大屁股一区二区在线视频| www.av在线官网国产| 91av网一区二区| 亚洲国产精品专区欧美| 观看美女的网站| 在线免费观看不下载黄p国产| 免费人成在线观看视频色| 国产精品久久久久久久电影| 男人舔女人下体高潮全视频| 亚洲精品久久午夜乱码| 国产精品久久久久久精品电影小说 | 亚洲av成人av| av女优亚洲男人天堂| 国产亚洲精品av在线| 永久免费av网站大全| 黑人高潮一二区| 男插女下体视频免费在线播放| av黄色大香蕉| 看十八女毛片水多多多| 久久这里只有精品中国| 最近视频中文字幕2019在线8| 日韩 亚洲 欧美在线| 天堂av国产一区二区熟女人妻| 亚洲欧美精品自产自拍| 亚洲自偷自拍三级| 国内精品宾馆在线| 免费少妇av软件| 亚洲欧美精品自产自拍| 深夜a级毛片| 99九九线精品视频在线观看视频| 免费在线观看成人毛片| 国产精品不卡视频一区二区| 日韩一本色道免费dvd| 国产精品爽爽va在线观看网站| 亚洲欧美中文字幕日韩二区| 国产日韩欧美在线精品| 三级经典国产精品| 亚洲精品,欧美精品| 激情五月婷婷亚洲| 亚洲最大成人手机在线| 又爽又黄a免费视频| 三级男女做爰猛烈吃奶摸视频| 国产 亚洲一区二区三区 | 91久久精品国产一区二区成人| 欧美极品一区二区三区四区| 国产午夜福利久久久久久| 男人舔女人下体高潮全视频| 天美传媒精品一区二区| 特大巨黑吊av在线直播| 最近中文字幕2019免费版| 国产精品国产三级国产av玫瑰| 久久久久精品性色| 久久精品国产亚洲av涩爱| 久久99蜜桃精品久久| 免费观看无遮挡的男女| 国产视频内射| 亚洲无线观看免费| 少妇人妻一区二区三区视频| 国内揄拍国产精品人妻在线| 免费观看无遮挡的男女| 最近最新中文字幕大全电影3| 久久久亚洲精品成人影院| 色哟哟·www| 国产精品一区www在线观看| 久久精品熟女亚洲av麻豆精品 | 最近最新中文字幕免费大全7| 午夜免费激情av| 蜜桃久久精品国产亚洲av| 国产乱人视频| 久久久国产一区二区| 久99久视频精品免费| 精品人妻一区二区三区麻豆| 欧美三级亚洲精品| 久久久成人免费电影| 国产淫片久久久久久久久| 少妇的逼水好多| 亚洲精品乱码久久久久久按摩| 又粗又硬又长又爽又黄的视频| 免费观看的影片在线观看| 国产淫语在线视频| 日日啪夜夜撸| 综合色av麻豆| 超碰97精品在线观看| 又爽又黄无遮挡网站| 91精品国产九色| 插逼视频在线观看| 有码 亚洲区| 99热这里只有是精品在线观看| 国产精品一区二区三区四区免费观看| 欧美bdsm另类| 性插视频无遮挡在线免费观看| 秋霞伦理黄片| 两个人的视频大全免费| 国产精品爽爽va在线观看网站| 国产单亲对白刺激| 精品少妇黑人巨大在线播放| 日本wwww免费看| 国产精品爽爽va在线观看网站| 亚洲一区高清亚洲精品| 国产午夜精品论理片| 91av网一区二区| 日本爱情动作片www.在线观看| 亚洲美女搞黄在线观看| 国产乱人视频| 丰满乱子伦码专区| 特大巨黑吊av在线直播| 亚洲经典国产精华液单| 最近视频中文字幕2019在线8| 亚洲人成网站在线播| 一级毛片黄色毛片免费观看视频| 青春草亚洲视频在线观看| 亚洲av在线观看美女高潮| av播播在线观看一区| 国产精品嫩草影院av在线观看| 日韩一区二区视频免费看| 婷婷色麻豆天堂久久| 欧美一区二区亚洲| 高清在线视频一区二区三区| 成人毛片a级毛片在线播放| 色综合站精品国产| 极品教师在线视频| 狠狠精品人妻久久久久久综合| 久久久久久久久久久丰满| 天堂中文最新版在线下载 | 麻豆成人av视频| 亚洲精品日韩av片在线观看| 能在线免费看毛片的网站| 国产成人一区二区在线| 3wmmmm亚洲av在线观看| 老司机影院成人| 国产精品99久久久久久久久| 菩萨蛮人人尽说江南好唐韦庄| 精品欧美国产一区二区三| 国产伦一二天堂av在线观看| 我的女老师完整版在线观看| 人妻系列 视频| 伦理电影大哥的女人| 国产精品一区二区三区四区久久| 国产麻豆成人av免费视频| 伊人久久精品亚洲午夜| 国产精品一及| 麻豆av噜噜一区二区三区| 国产午夜福利久久久久久| 舔av片在线| 中文字幕亚洲精品专区| 日本免费在线观看一区| 男女边吃奶边做爰视频| 国产单亲对白刺激| 午夜福利在线观看免费完整高清在| 男女国产视频网站| 精品亚洲乱码少妇综合久久| 亚洲av中文av极速乱| 两个人视频免费观看高清| 欧美97在线视频| 日产精品乱码卡一卡2卡三| 69av精品久久久久久| 久久久久久久亚洲中文字幕| 久久久午夜欧美精品| 六月丁香七月| 亚洲精华国产精华液的使用体验| 日日撸夜夜添| 国产视频内射| 免费观看av网站的网址| 偷拍熟女少妇极品色| 直男gayav资源| 午夜福利在线观看免费完整高清在| 深爱激情五月婷婷| 又黄又爽又刺激的免费视频.| 搡女人真爽免费视频火全软件| 精品一区在线观看国产| 国产一级毛片在线| 黄色配什么色好看| 久久人人爽人人爽人人片va| 51国产日韩欧美| 老司机影院毛片| 国产精品日韩av在线免费观看| 禁无遮挡网站| 国产精品人妻久久久久久| 又大又黄又爽视频免费| 久久综合国产亚洲精品| 国产视频内射| 国产毛片a区久久久久| 高清日韩中文字幕在线| 亚洲欧美中文字幕日韩二区| 国产男女超爽视频在线观看| 有码 亚洲区| 免费在线观看成人毛片| 国产av码专区亚洲av| 视频中文字幕在线观看| 极品少妇高潮喷水抽搐| 国产精品国产三级专区第一集| 久久久久九九精品影院| 老司机影院毛片| 一级毛片久久久久久久久女| 精品人妻一区二区三区麻豆| 神马国产精品三级电影在线观看| 人妻少妇偷人精品九色| 99视频精品全部免费 在线| 乱人视频在线观看| 国产成人精品一,二区| 精品国产三级普通话版| 亚洲精品久久午夜乱码| 亚洲欧美成人精品一区二区| 亚洲精品色激情综合| 18禁动态无遮挡网站| 国产一级毛片七仙女欲春2| 日本免费a在线| 亚洲丝袜综合中文字幕| 日韩中字成人| 乱系列少妇在线播放| 国产精品久久久久久久电影| 免费观看性生交大片5| 日韩欧美一区视频在线观看 | 欧美3d第一页| 国产有黄有色有爽视频| 亚洲av电影在线观看一区二区三区 | 少妇熟女aⅴ在线视频| 国产国拍精品亚洲av在线观看| 久久久久久久久久久丰满| 亚洲精品日韩在线中文字幕| 亚洲va在线va天堂va国产| 久久久久免费精品人妻一区二区| 日韩av免费高清视频| 精品99又大又爽又粗少妇毛片| 久久99精品国语久久久| 高清欧美精品videossex| 亚洲,欧美,日韩| 亚洲av电影在线观看一区二区三区 | 亚洲av一区综合| 国产色婷婷99| 最新中文字幕久久久久| 麻豆乱淫一区二区| 免费观看av网站的网址| 最近中文字幕高清免费大全6| 乱码一卡2卡4卡精品| 亚洲精品亚洲一区二区| 美女内射精品一级片tv| 欧美高清成人免费视频www| 菩萨蛮人人尽说江南好唐韦庄| 亚洲成人一二三区av| 亚洲最大成人中文| 亚州av有码| 亚洲久久久久久中文字幕| 街头女战士在线观看网站| 国产乱来视频区| 两个人的视频大全免费| 一级毛片我不卡| 亚洲最大成人中文| 淫秽高清视频在线观看| 最近最新中文字幕大全电影3| 亚洲精品,欧美精品| 狂野欧美白嫩少妇大欣赏| 肉色欧美久久久久久久蜜桃 | 成人一区二区视频在线观看| 搡女人真爽免费视频火全软件| 非洲黑人性xxxx精品又粗又长| 亚洲精品aⅴ在线观看| 久久6这里有精品| 午夜免费观看性视频| 一级毛片电影观看| 久久久久久久亚洲中文字幕| 在线观看一区二区三区| 免费黄色在线免费观看| 大陆偷拍与自拍| videossex国产| 国产探花极品一区二区| 亚洲国产欧美人成| 观看免费一级毛片| 亚洲欧洲国产日韩| 欧美 日韩 精品 国产| 久久国产乱子免费精品| 欧美成人精品欧美一级黄| 国产成人精品福利久久| 亚洲最大成人av| 久久久久久久久中文| 高清av免费在线| 青春草视频在线免费观看| 一边亲一边摸免费视频| 午夜久久久久精精品| 亚洲美女视频黄频| 18禁动态无遮挡网站| 精华霜和精华液先用哪个| 国产一级毛片在线| 蜜臀久久99精品久久宅男| 精品人妻熟女av久视频| 亚洲国产高清在线一区二区三| 卡戴珊不雅视频在线播放| 亚洲最大成人中文| 国产成人精品婷婷| 午夜免费观看性视频| 国产精品三级大全| 尾随美女入室| 午夜福利视频精品| 欧美不卡视频在线免费观看| 午夜老司机福利剧场| 国产有黄有色有爽视频| 中文乱码字字幕精品一区二区三区 | a级一级毛片免费在线观看| 听说在线观看完整版免费高清| 免费av观看视频| 色综合站精品国产| 内射极品少妇av片p|