• <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
    日本a在线网址| 多毛熟女@视频| 国产成人免费无遮挡视频| 黄色成人免费大全| 日韩 欧美 亚洲 中文字幕| 亚洲精品美女久久av网站| 久久精品国产亚洲av高清一级| 一进一出抽搐动态| 精品国产乱子伦一区二区三区| av免费在线观看网站| 一个人免费看片子| 国产av精品麻豆| 久久香蕉激情| 国产99久久九九免费精品| 侵犯人妻中文字幕一二三四区| 在线观看一区二区三区激情| 久久久国产精品麻豆| 青草久久国产| 黄色怎么调成土黄色| 一二三四在线观看免费中文在| 少妇精品久久久久久久| 日韩欧美免费精品| 国产成人欧美在线观看 | 999久久久精品免费观看国产| avwww免费| 久久人妻福利社区极品人妻图片| 无人区码免费观看不卡 | 欧美激情极品国产一区二区三区| 成年人黄色毛片网站| 高清在线国产一区| 国产视频一区二区在线看| 国产不卡一卡二| 国产有黄有色有爽视频| 久久久久国产一级毛片高清牌| 午夜日韩欧美国产| 国产日韩欧美亚洲二区| 狠狠婷婷综合久久久久久88av| 国产成人一区二区三区免费视频网站| 精品国产国语对白av| 91字幕亚洲| 国产在线视频一区二区| 久久精品亚洲av国产电影网| 制服人妻中文乱码| 国产精品久久久久久精品古装| 亚洲视频免费观看视频| 青草久久国产| 啦啦啦视频在线资源免费观看| 热re99久久精品国产66热6| 国产不卡av网站在线观看| 男女下面插进去视频免费观看| 欧美黄色淫秽网站| 国产精品熟女久久久久浪| 涩涩av久久男人的天堂| 国产精品影院久久| 欧美激情高清一区二区三区| 成人国语在线视频| 咕卡用的链子| 精品一区二区三卡| 肉色欧美久久久久久久蜜桃| 成人国语在线视频| av免费在线观看网站| 欧美黑人精品巨大| 国产精品久久久久久人妻精品电影 | 制服人妻中文乱码| 一边摸一边做爽爽视频免费| 一区二区日韩欧美中文字幕| 久久精品91无色码中文字幕| svipshipincom国产片| 亚洲午夜精品一区,二区,三区| 国产又爽黄色视频| 日韩人妻精品一区2区三区| 午夜久久久在线观看| 国产老妇伦熟女老妇高清| 国产精品麻豆人妻色哟哟久久| 久久中文字幕人妻熟女| 亚洲国产欧美在线一区| 国产精品免费视频内射| 中文字幕人妻丝袜一区二区| 成人黄色视频免费在线看| 91老司机精品| 女人高潮潮喷娇喘18禁视频| 日韩欧美免费精品| 欧美国产精品一级二级三级| 在线观看66精品国产| 另类亚洲欧美激情| tocl精华| 午夜日韩欧美国产| 国产成人系列免费观看| 国产精品 国内视频| 国产男女内射视频| 在线观看www视频免费| 人妻 亚洲 视频| 中文字幕人妻丝袜制服| e午夜精品久久久久久久| 国产熟女午夜一区二区三区| 中文字幕av电影在线播放| av免费在线观看网站| 国产精品国产av在线观看| 一夜夜www| 亚洲综合色网址| 成人国语在线视频| 热99国产精品久久久久久7| 999久久久国产精品视频| avwww免费| 国产精品av久久久久免费| 亚洲人成电影免费在线| 啦啦啦在线免费观看视频4| 中文字幕制服av| 精品乱码久久久久久99久播| 99热国产这里只有精品6| 欧美久久黑人一区二区| 成年版毛片免费区| 国产精品久久久人人做人人爽| 国产福利在线免费观看视频| 两人在一起打扑克的视频| 午夜福利影视在线免费观看| 国产深夜福利视频在线观看| 精品国产一区二区三区久久久樱花| 午夜精品久久久久久毛片777| 国产99久久九九免费精品| 亚洲精品在线美女| 天天躁狠狠躁夜夜躁狠狠躁| 色94色欧美一区二区| 亚洲熟女精品中文字幕| 国产区一区二久久| 成人永久免费在线观看视频 | 国产精品免费大片| 老熟妇乱子伦视频在线观看| 一本一本久久a久久精品综合妖精| 叶爱在线成人免费视频播放| 极品人妻少妇av视频| 色婷婷久久久亚洲欧美| 国产不卡一卡二| 99riav亚洲国产免费| 亚洲精品国产一区二区精华液| 国产精品一区二区免费欧美| 自线自在国产av| 亚洲熟妇熟女久久| 午夜老司机福利片| 窝窝影院91人妻| 日韩制服丝袜自拍偷拍| 女人久久www免费人成看片| 精品熟女少妇八av免费久了| 女人爽到高潮嗷嗷叫在线视频| 久久人人97超碰香蕉20202| 丝袜美腿诱惑在线| 亚洲伊人久久精品综合| 国产精品久久久久成人av| 国产男靠女视频免费网站| 国产免费现黄频在线看| 一区二区av电影网| 又黄又粗又硬又大视频| av在线播放免费不卡| 嫁个100分男人电影在线观看| 欧美大码av| 欧美日韩黄片免| 亚洲第一青青草原| 久久久久久久精品吃奶| 日日夜夜操网爽| 国产欧美日韩一区二区三区在线| 精品国产一区二区三区久久久樱花| 在线av久久热| 亚洲欧美激情在线| 亚洲精品美女久久av网站| 女人精品久久久久毛片| av不卡在线播放| 国产一卡二卡三卡精品| 日韩有码中文字幕| 午夜91福利影院| 日韩欧美国产一区二区入口| 精品国产一区二区三区久久久樱花| 两人在一起打扑克的视频| 黑人操中国人逼视频| 国产精品亚洲一级av第二区| a级片在线免费高清观看视频| 成年人免费黄色播放视频| 99香蕉大伊视频| 正在播放国产对白刺激| 国产日韩欧美亚洲二区| 亚洲av日韩在线播放| 国产精品一区二区在线不卡| 丰满饥渴人妻一区二区三| 亚洲av电影在线进入| 精品一区二区三区四区五区乱码| 免费日韩欧美在线观看| 国产不卡av网站在线观看| 国产精品美女特级片免费视频播放器 | 国产免费视频播放在线视频| 999久久久精品免费观看国产| 在线观看免费视频网站a站| 90打野战视频偷拍视频| 久久久久精品国产欧美久久久| 麻豆成人av在线观看| 日韩三级视频一区二区三区| 免费不卡黄色视频| 建设人人有责人人尽责人人享有的| 宅男免费午夜| 亚洲成国产人片在线观看| 一区二区三区乱码不卡18| 99国产极品粉嫩在线观看| 人成视频在线观看免费观看| 正在播放国产对白刺激| 亚洲少妇的诱惑av| 国产精品久久久久久人妻精品电影 | 侵犯人妻中文字幕一二三四区| 国产三级黄色录像| 十分钟在线观看高清视频www| 黄片播放在线免费| h视频一区二区三区| 久久亚洲真实| 亚洲av片天天在线观看| 精品视频人人做人人爽| 国产欧美日韩综合在线一区二区| 欧美乱码精品一区二区三区| 国产91精品成人一区二区三区 | 精品国产超薄肉色丝袜足j| 欧美黄色片欧美黄色片| 婷婷丁香在线五月| 黄网站色视频无遮挡免费观看| 黑丝袜美女国产一区| 可以免费在线观看a视频的电影网站| 中文字幕精品免费在线观看视频| 亚洲精品美女久久久久99蜜臀| 亚洲一卡2卡3卡4卡5卡精品中文| 97人妻天天添夜夜摸| 91麻豆精品激情在线观看国产 | 国产成人精品在线电影| 欧美另类亚洲清纯唯美| www.自偷自拍.com| 天天操日日干夜夜撸| xxxhd国产人妻xxx| 欧美av亚洲av综合av国产av| 国产精品偷伦视频观看了| 免费在线观看日本一区| 午夜福利乱码中文字幕| 欧美人与性动交α欧美精品济南到| 免费在线观看日本一区| 欧美av亚洲av综合av国产av| 精品国产乱码久久久久久男人| 国产人伦9x9x在线观看| 日韩欧美国产一区二区入口| 欧美精品一区二区免费开放| 亚洲午夜理论影院| 久久毛片免费看一区二区三区| 国产色视频综合| 日韩免费高清中文字幕av| av在线播放免费不卡| 国产精品美女特级片免费视频播放器 | 色播在线永久视频| 国产精品麻豆人妻色哟哟久久| 欧美在线一区亚洲| 看免费av毛片| 午夜福利,免费看| 99热国产这里只有精品6| 麻豆成人av在线观看| 国产欧美日韩精品亚洲av| 久久久久国产一级毛片高清牌| 亚洲熟女毛片儿| 51午夜福利影视在线观看| 免费av中文字幕在线| 日韩欧美国产一区二区入口| 欧美精品一区二区大全| 男男h啪啪无遮挡| 波多野结衣av一区二区av| 国产精品成人在线| 黑人操中国人逼视频| 亚洲第一av免费看| 久9热在线精品视频| 精品卡一卡二卡四卡免费| 啦啦啦免费观看视频1| 99热国产这里只有精品6| 欧美国产精品va在线观看不卡| 岛国毛片在线播放| 欧美另类亚洲清纯唯美| 丝袜喷水一区| 久久精品91无色码中文字幕| 超碰成人久久| 久久久久精品人妻al黑| 亚洲精品国产色婷婷电影| 每晚都被弄得嗷嗷叫到高潮| 最近最新免费中文字幕在线| 精品国产国语对白av| 99国产精品免费福利视频| 亚洲国产av影院在线观看| 麻豆乱淫一区二区| 国内毛片毛片毛片毛片毛片| 色视频在线一区二区三区| 97在线人人人人妻| 亚洲一区二区三区欧美精品| 丰满少妇做爰视频| 亚洲,欧美精品.| 国产欧美日韩综合在线一区二区| 妹子高潮喷水视频| 亚洲国产精品一区二区三区在线| 中文字幕高清在线视频| 热99久久久久精品小说推荐| www.精华液| 狠狠精品人妻久久久久久综合| 十八禁人妻一区二区| 成人精品一区二区免费| 老汉色av国产亚洲站长工具| 亚洲国产欧美在线一区| tube8黄色片| 在线观看免费日韩欧美大片| 香蕉久久夜色| 一个人免费在线观看的高清视频| av一本久久久久| 丝袜喷水一区| 欧美日韩福利视频一区二区| 黄网站色视频无遮挡免费观看| 老司机影院毛片| 色视频在线一区二区三区| 亚洲第一av免费看| 少妇的丰满在线观看| 中文亚洲av片在线观看爽 | 久久久久国内视频| 亚洲午夜精品一区,二区,三区| 十八禁网站网址无遮挡| 欧美国产精品一级二级三级| 国产亚洲精品第一综合不卡| 黄色片一级片一级黄色片| av免费在线观看网站| 男女免费视频国产| 在线观看免费高清a一片| 亚洲第一青青草原| 国产男女内射视频| 在线观看免费视频网站a站| 亚洲人成电影免费在线| 纯流量卡能插随身wifi吗| 高清黄色对白视频在线免费看| 一区二区三区乱码不卡18| 叶爱在线成人免费视频播放| 啦啦啦在线免费观看视频4| 国产精品二区激情视频| 高清在线国产一区| 欧美av亚洲av综合av国产av| 欧美黄色淫秽网站| 999久久久国产精品视频| 国产欧美日韩一区二区精品| 中文字幕精品免费在线观看视频| 欧美激情高清一区二区三区| 日日摸夜夜添夜夜添小说| 日本精品一区二区三区蜜桃| 精品久久蜜臀av无| 国产一区有黄有色的免费视频| 国产成人一区二区三区免费视频网站| 自线自在国产av| 亚洲人成电影免费在线| 大型黄色视频在线免费观看| 一区在线观看完整版| 一区二区三区乱码不卡18| 女人久久www免费人成看片| 国产精品一区二区在线不卡| 热99久久久久精品小说推荐| 人妻久久中文字幕网| 亚洲国产毛片av蜜桃av| 日本一区二区免费在线视频| 少妇粗大呻吟视频| 又大又爽又粗| 日本黄色视频三级网站网址 | 在线观看免费日韩欧美大片| 在线十欧美十亚洲十日本专区| 亚洲性夜色夜夜综合| 黑人欧美特级aaaaaa片| 人妻一区二区av| 亚洲avbb在线观看| av在线播放免费不卡| 亚洲人成伊人成综合网2020| 日韩中文字幕欧美一区二区| 99国产精品一区二区蜜桃av | 日本黄色视频三级网站网址 | 性少妇av在线| 悠悠久久av| 久9热在线精品视频| 欧美日韩精品网址| 亚洲国产欧美一区二区综合| 亚洲专区字幕在线| 男女之事视频高清在线观看| 一区二区三区国产精品乱码| 色94色欧美一区二区| 久久人妻av系列| 他把我摸到了高潮在线观看 | 午夜精品国产一区二区电影| 久久久久国内视频| 精品少妇一区二区三区视频日本电影| 午夜福利在线观看吧| 欧美乱码精品一区二区三区| 国产av精品麻豆| 国产精品电影一区二区三区 | 99国产精品一区二区蜜桃av | 欧美激情久久久久久爽电影 | 99re在线观看精品视频| 日韩一卡2卡3卡4卡2021年| 免费看a级黄色片| 亚洲色图 男人天堂 中文字幕| 亚洲国产欧美日韩在线播放| 最近最新免费中文字幕在线| 亚洲中文字幕日韩| 大型av网站在线播放| 亚洲成人手机| 国产精品av久久久久免费| 窝窝影院91人妻| 女人久久www免费人成看片| 黑人欧美特级aaaaaa片| 久久久久精品人妻al黑| 天堂8中文在线网| 99在线人妻在线中文字幕 | 丝袜美足系列| 大香蕉久久网| 99九九在线精品视频| 黄色视频不卡| 精品少妇内射三级| 国产三级黄色录像| 99久久99久久久精品蜜桃| 人妻一区二区av| 国产精品电影一区二区三区 | 精品国产乱码久久久久久男人| 我的亚洲天堂| 99在线人妻在线中文字幕 | 色综合婷婷激情| 99re6热这里在线精品视频| 青青草视频在线视频观看| 人妻 亚洲 视频| 91大片在线观看| 精品一品国产午夜福利视频| av一本久久久久| 成年动漫av网址| 国产精品久久电影中文字幕 | 超碰成人久久| 久久亚洲真实| 动漫黄色视频在线观看| 亚洲人成电影观看| 亚洲精品中文字幕在线视频| 精品亚洲成a人片在线观看| 一区二区三区精品91| 亚洲一区中文字幕在线| a级毛片在线看网站| 欧美日韩av久久| 一级,二级,三级黄色视频| 亚洲午夜精品一区,二区,三区| 男女边摸边吃奶| 色婷婷久久久亚洲欧美| 久久精品成人免费网站| 在线观看66精品国产| 国产精品成人在线| 成人特级黄色片久久久久久久 | 真人做人爱边吃奶动态| 欧美激情 高清一区二区三区| av一本久久久久| 人人妻人人爽人人添夜夜欢视频| 久久久久精品国产欧美久久久| 人人妻人人爽人人添夜夜欢视频| 国产精品一区二区免费欧美| 国产在线免费精品| 亚洲 欧美一区二区三区| 亚洲人成77777在线视频| 国产在视频线精品| 免费观看人在逋| 国产精品国产高清国产av | 电影成人av| 日韩一区二区三区影片| 纵有疾风起免费观看全集完整版| 欧美成人午夜精品| 人人妻人人澡人人看| 三上悠亚av全集在线观看| 亚洲国产av新网站| 韩国精品一区二区三区| 国产成人欧美在线观看 | 久久久欧美国产精品| 丰满人妻熟妇乱又伦精品不卡| 亚洲av美国av| 国产精品一区二区免费欧美| 色94色欧美一区二区| 中文字幕高清在线视频| 国产福利在线免费观看视频| 久久精品亚洲熟妇少妇任你| 久久免费观看电影| 免费在线观看影片大全网站| 99热国产这里只有精品6| 无遮挡黄片免费观看| 成人国产av品久久久| 日本a在线网址| 亚洲精品成人av观看孕妇| 色94色欧美一区二区| 欧美精品啪啪一区二区三区| 精品国产乱码久久久久久男人| 亚洲欧美一区二区三区久久| av网站免费在线观看视频| 成年人午夜在线观看视频| 又大又爽又粗| 免费黄频网站在线观看国产| 伦理电影免费视频| 国产在线免费精品| 欧美激情久久久久久爽电影 | 侵犯人妻中文字幕一二三四区| 老鸭窝网址在线观看| 国产成人欧美| 日本一区二区免费在线视频| 啦啦啦免费观看视频1| 18禁裸乳无遮挡动漫免费视频| 国产精品影院久久| 女人精品久久久久毛片| 欧美精品高潮呻吟av久久| 欧美成人免费av一区二区三区 | av电影中文网址| 十八禁网站网址无遮挡| 国产精品久久久久成人av| 久久99一区二区三区| 国产亚洲av高清不卡| 纵有疾风起免费观看全集完整版| 丝袜在线中文字幕| 久久久久视频综合| 午夜福利欧美成人| 免费在线观看日本一区| 精品免费久久久久久久清纯 | 中文字幕制服av| 亚洲第一欧美日韩一区二区三区 | 久久精品亚洲av国产电影网| 一边摸一边做爽爽视频免费| 香蕉国产在线看| 亚洲美女黄片视频| 欧美日韩亚洲国产一区二区在线观看 | 久久久久久免费高清国产稀缺| 欧美精品一区二区免费开放| 午夜福利视频在线观看免费| 日本撒尿小便嘘嘘汇集6| av视频免费观看在线观看| 国产亚洲欧美精品永久| 亚洲第一av免费看| 黑人欧美特级aaaaaa片| 在线天堂中文资源库| 久久国产精品人妻蜜桃| 亚洲欧美色中文字幕在线| 亚洲国产av影院在线观看| 一边摸一边抽搐一进一小说 | 男女边摸边吃奶| 国精品久久久久久国模美| 99在线人妻在线中文字幕 | 欧美成人免费av一区二区三区 | 亚洲人成伊人成综合网2020| 自线自在国产av| 一级片免费观看大全| 亚洲欧美日韩另类电影网站| 免费女性裸体啪啪无遮挡网站| 黄片播放在线免费| 国产精品久久久av美女十八| 亚洲黑人精品在线| 曰老女人黄片| 国产一区二区激情短视频| 色尼玛亚洲综合影院| 极品少妇高潮喷水抽搐| 久久人妻福利社区极品人妻图片| 欧美日韩亚洲国产一区二区在线观看 | 久9热在线精品视频| 夜夜骑夜夜射夜夜干| 欧美黑人欧美精品刺激| 亚洲成a人片在线一区二区| 国产精品国产高清国产av | 一二三四在线观看免费中文在| 国产亚洲精品久久久久5区| 亚洲情色 制服丝袜| 美女视频免费永久观看网站| 99riav亚洲国产免费| 9191精品国产免费久久| 他把我摸到了高潮在线观看 | 老司机在亚洲福利影院| 亚洲欧美色中文字幕在线| 精品福利永久在线观看| 亚洲午夜理论影院| 亚洲,欧美精品.| 国产精品久久电影中文字幕 | 国产一区二区在线观看av| 一本大道久久a久久精品| 搡老岳熟女国产| 99香蕉大伊视频| 色婷婷久久久亚洲欧美| 国产一区二区三区综合在线观看| 久久影院123| 在线永久观看黄色视频| 亚洲avbb在线观看| av线在线观看网站| 亚洲人成电影观看| 热re99久久国产66热| 国产欧美日韩一区二区三| 高清在线国产一区| 亚洲美女黄片视频| 十八禁人妻一区二区| 麻豆成人av在线观看| 日韩欧美免费精品| 一级毛片女人18水好多| 嫩草影视91久久| 欧美乱妇无乱码| 9热在线视频观看99| 亚洲人成77777在线视频| 啦啦啦视频在线资源免费观看| 亚洲成人国产一区在线观看| 国产成人免费观看mmmm| 极品少妇高潮喷水抽搐| 亚洲免费av在线视频| 久久久国产欧美日韩av| 国产区一区二久久| 欧美+亚洲+日韩+国产| 免费观看a级毛片全部| 国产免费福利视频在线观看| 女性被躁到高潮视频| 欧美激情极品国产一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 亚洲成人国产一区在线观看| 国产精品一区二区免费欧美| 精品少妇黑人巨大在线播放| 9色porny在线观看| 国产一区二区三区综合在线观看| 久久 成人 亚洲| 日韩熟女老妇一区二区性免费视频| 精品卡一卡二卡四卡免费|