• <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 ?

    基于改進(jìn)YOLOv2的白車身焊點檢測方法

    2020-11-14 04:00:48何智成王振興
    計算機(jī)工程 2020年11期
    關(guān)鍵詞:焊點車身損失

    何智成,王振興

    (湖南大學(xué) 汽車車身先進(jìn)設(shè)計制造國家重點實驗室,長沙 410082)

    0 概述

    白車身焊點質(zhì)量對汽車的性能有著重要的影響,焊點質(zhì)量檢測決定著白車身性能的可靠性。目前大部分的白車身焊點手動檢測需要耗費大量的人力資源,效率低下。采用自動化的檢測可以提升焊點檢測的效率,焊點檢測系統(tǒng)采用傳統(tǒng)圖像處理、霍夫圓變換的檢測方法[1]受環(huán)境的影響較大,在光照過亮、過暗或者焊點有污漬的情況下檢測效果不理想,且焊點輪廓不是標(biāo)準(zhǔn)的圓形,增大了霍夫圓變換檢測方法的檢測難度。

    近年來,很多研究機(jī)構(gòu)與研究者對基于深度學(xué)習(xí)的目標(biāo)檢測算法進(jìn)行研究。文獻(xiàn)[2]提出了R-CNN目標(biāo)檢測方法,該方法使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測,但是檢測時間過長。文獻(xiàn)[3]提出了Fast R-CNN,將卷積特征提取、目標(biāo)分類、邊框回歸融合為一個階段,大幅節(jié)省了檢測時間。文獻(xiàn)[4]提出了Faster R-CNN,該方法將區(qū)域建議、卷積特征提取、目標(biāo)分類、邊框回歸融合到一個網(wǎng)絡(luò)中,在檢測性能上有很大的提升。R-CNN、Fast R-CNN、 Faster R-CNN等方法的思路都是基于區(qū)域建議的目標(biāo)檢測方法,雖然速度有了很大提升,但是仍然難以滿足實時性的要求。文獻(xiàn)[5]提出了YOLO目標(biāo)檢測算法,該算法在速度上大幅提升。文獻(xiàn)[6]提出了SSD目標(biāo)檢測模型。文獻(xiàn)[7]在YOLO的基礎(chǔ)上結(jié)合了SSD、Faster R-CNN的錨框機(jī)制,提出了YOLOv2檢測模型。YOLOv2在速度和精度上相比YOLO都有一定提升。為提升小目標(biāo)檢測能力,文獻(xiàn)[8]結(jié)合FPN[9]特征金字塔的方法提出了YOLOv3目標(biāo)檢測算法,采用多尺度預(yù)測提升了小目標(biāo)檢測能力。

    目前有很多學(xué)者對YOLOv2目標(biāo)檢測算法進(jìn)行了研究并且應(yīng)用于各個領(lǐng)域,文獻(xiàn)[10]采用YOLOv2目標(biāo)檢測算法進(jìn)行了車輛的實時檢測。文獻(xiàn)[11]采用YOLOv2目標(biāo)檢測算法進(jìn)行無人機(jī)航拍圖定位研究。文獻(xiàn)[12]采用YOLOv2進(jìn)行紅外圖像行人檢測研究。文獻(xiàn)[13]采用DenseNet[14]的方法對YOLOv2進(jìn)行改進(jìn),構(gòu)建Tiny-yolo-dense,并應(yīng)用到了芒果檢測中。文獻(xiàn)[15]在YOLOv2的基礎(chǔ)上,提出使用更少的卷積層和去除卷積神經(jīng)網(wǎng)絡(luò)中批量標(biāo)準(zhǔn)化層的方法,得到輕量實時的目標(biāo)檢測模型YOLO-LITE。文獻(xiàn)[16]采用去除YOLOv2的兩個連續(xù)的3×3×1 024的卷積層的方法對YOLOv2進(jìn)行改進(jìn)得到了YOLOv2-Reduced,從而減少模型參數(shù),提高運行速度,并且在SAR圖像船只檢測中得到了良好的應(yīng)用。文獻(xiàn)[17]提出去除YOLOv2最后兩個3×3×1 024的卷積層以減少模型參數(shù),使用三層特征融合的方法進(jìn)一步提高模型的檢測精度,并構(gòu)成YOLOv2_Vehicle。可見,在目前的YOLOv2改進(jìn)方法中,最常用的是對YOLOv2的卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)進(jìn)行改進(jìn)和優(yōu)化,以滿足研究對象所需要的速度和精度要求。卷積神經(jīng)網(wǎng)絡(luò)模型決定著目標(biāo)檢測算法的精度與速度,目前常用的卷積模型中有VGG[18]、GoogLeNet[19]、ResNet[20]和DenseNet[14]等,這些網(wǎng)絡(luò)往往是模型較大,參數(shù)較多,運行速度較慢。為解決這一問題,文獻(xiàn)[21]提出MobileNet,并給出了深度可分離卷積的概念,以減少模型參數(shù),加快運行速度。為進(jìn)一步提升模型精度,文獻(xiàn)[22]提出了MobileNetv2,相比于MobileNet,檢測精度更高。

    為提高焊點位置檢測效率,本文綜合考慮目前常見的YOLOv2改進(jìn)方法及深度分離卷積的作用,用MobileNetv2替換YOLOv2卷積層,同時采用細(xì)粒度特征的方法將不同層的特征進(jìn)行融合,運用GIoU loss[23]改進(jìn)損失函數(shù)并進(jìn)行訓(xùn)練比較,構(gòu)建一個輕量的焊點檢測模型FGM_YOLO。

    1 YOLOv2目標(biāo)檢測算法

    YOLOv2目標(biāo)檢測算法是一種單階段目標(biāo)檢測方法,其檢測流程如圖1所示。本文設(shè)置輸入圖片大小為224×224,將圖片劃分為7×7的網(wǎng)格,每個網(wǎng)格預(yù)測5個預(yù)測框,然后去掉置信較低的預(yù)測框,最后經(jīng)過非極大值抑制[24]得到最后的預(yù)測結(jié)果。

    圖1 YOLOv2算法檢測流程

    1.1 網(wǎng)絡(luò)結(jié)構(gòu)

    YOLOv2的模型結(jié)構(gòu)如圖2所示。輸入圖片經(jīng)過一系列的卷積、最大值池化操作,之后將低層特征進(jìn)行重整操作與高層卷積的特征進(jìn)行融合,隨后進(jìn)行兩次卷積操作,最后送入檢測層。YOLOv2采用這種細(xì)粒度特征的方法,使得深層的特征引入了淺層的特征。由于淺層特征的感受野更小,具有更高的分辨率,而且淺層特征包含物體的輪廓信息,深層特征包含了豐富的語義信息,因此采用深層特征與淺層特征融合的操作使得YOLOv2模型的檢測效果更好。

    圖2 YOLOv2模型結(jié)構(gòu)

    1.2 損失函數(shù)

    當(dāng)輸入圖片大小為224×224時,YOLOv2模型的特征提取層最終輸出特征為7×7×B(C+5)。共7×7個網(wǎng)格,各網(wǎng)格有B個錨框(anchor),每個anchor有位置和置信共5個參數(shù),C為檢測類別數(shù)。模型損失函數(shù)如式(1)所示:

    (1)

    YOLOv2的損失函數(shù)包括位置損失、背景置信損失、前景置信損失和類別損失。首先計算anchor與真實框的交并比(Intersection over Union,IoU),這里計算IoU時只考慮anchor與真實框的形狀。將IoU最大的anchor與真實框匹配。匹配的anchor預(yù)測結(jié)果與真實框相比得出類別、位置以及有物體的置信損失(前景損失)。式(1)的第1項為位置損失,(2-wihi)表示根據(jù)真實框的大小對位置損失權(quán)重進(jìn)行修正。式(1)的第2項為無物體的置信損失(背景損失):無物體處的真實置信為0,把預(yù)測框與真實框的IoU小于閾值的預(yù)測框作為背景,另外其他大于閾值但是沒有與真實框匹配的預(yù)測框忽略不計算損失,這里閾值取0.6。此時IoU的計算考慮預(yù)測框與真實框的位置和大小,IoU示意圖如圖3所示,其中左下側(cè)框為真實框位置,右上側(cè)框為預(yù)測框位置,真實框與預(yù)測框的交集面積為:

    (2)

    真實框與預(yù)測框的并集面積為:

    (3)

    交并比為:

    (4)

    圖3 交并比示意圖

    式(1)的第3項為有物體的置信損失,有物體處的真實置信為該anchor的預(yù)測框與真實框的IoU。式(1)的第4項為有物體的類別損失,但是由于本文待檢測的物體只有白車身焊點這一種類別,因此本文中的損失函數(shù)沒有類別損失。

    2 模型改進(jìn)

    雖然YOLOv2模型相比其他的目標(biāo)檢測模型規(guī)模較小,但是由于生產(chǎn)車間的工控機(jī)很少配置GPU,因此YOLOv2仍然參數(shù)過多,時效性不強(qiáng),不能用于對實時性嚴(yán)格要求的焊點檢測中。為提升焊點位置檢測效率及精度,本文從卷積結(jié)構(gòu)、損失函數(shù)、錨框聚類3個方面對YOLOv2算法進(jìn)行了改進(jìn)得到最終的FGM_YOLO模型,該模型訓(xùn)練流程如圖4所示。

    圖4 FGM_YOLO訓(xùn)練流程

    2.1 卷積結(jié)構(gòu)改進(jìn)

    由于標(biāo)準(zhǔn)卷積的計算量以及卷積核參數(shù)比較多,ANDREW等人提出了深度可分離卷積代替標(biāo)準(zhǔn)卷積,深度可分離卷積將標(biāo)準(zhǔn)卷積分為深度卷積(Depthwise Convolution,DW)和點卷積。標(biāo)準(zhǔn)卷積及深度分離卷積的結(jié)構(gòu)如圖5所示。

    圖5 標(biāo)準(zhǔn)卷積、深度卷積與點卷積結(jié)構(gòu)

    假設(shè)某一卷積層的輸入特征為w×h×m,輸出特征為w×h×n,卷積核的大小為k×k,則采用標(biāo)準(zhǔn)卷積的計算量為:

    w×h×n×m×k×k

    (5)

    采用深度分離卷積的計算量為:

    w×h×m×k×k+w×h×n×m×1×1

    (6)

    計算量之比為:

    (7)

    采用標(biāo)準(zhǔn)卷積的參數(shù)個數(shù)為:

    m×n×k×k

    (8)

    深度分離卷積的參數(shù)個數(shù)為:

    m×k×k+m×n×1×1

    (9)

    參數(shù)之比為:

    (10)

    通過對比可知,采用深度可分離卷積相對于標(biāo)準(zhǔn)卷積計算量和參數(shù)會減少。深度可分離卷積的應(yīng)用將會使模型對硬件計算能力的要求降低、節(jié)省成本。

    MobileNetv2模型是SANDLER等人提出的第2代輕量級模型,該模型相比于MobileNet參數(shù)更少,MobileNetv2是在ResNet的網(wǎng)絡(luò)基礎(chǔ)上引入了深度可分離卷積并且在殘差塊上進(jìn)行了改進(jìn)。MobileNetv2的卷積塊如圖6所示,卷積塊輸入特征通道數(shù)為cin,首先經(jīng)過1×1卷積擴(kuò)充為輸入通道數(shù)的6倍,經(jīng)過深度卷積之后通過1×1卷積進(jìn)行通道壓縮使通道數(shù)與輸入通道相同。在殘差塊的最后一層卷積之后沒有采用Relu激活而是采用了Linear激活以防止特征被破壞。當(dāng)深度卷積的步長s=1時進(jìn)行shortcut連接,如圖6(a)所示。深度卷積的步長s=2時不進(jìn)行shortcut連接,如圖6(b)所示。

    圖6 MobileNetv2卷積塊結(jié)構(gòu)

    本文用MobileNetv2卷積層代替YOLOv2的darknet19得到了M_YOLO模型。采用細(xì)粒度特征方法,將第12個卷積塊的輸出特征經(jīng)過重整操作之后與最后一層的輸出特征融合,然后經(jīng)過一次卷積操作,為減少參數(shù),該層卷積的卷積核大小為1×1。最后連接到檢測層得到改進(jìn)的焊點檢測模型FM_YOLO,FM_YOLO模型結(jié)構(gòu)如圖7所示,其中,a指經(jīng)過圖6(a)中的卷積塊結(jié)構(gòu)操作,b指經(jīng)過圖6(b)中的卷積塊結(jié)構(gòu)操作,c為卷積通道數(shù)目,s為卷積步長。

    圖7 FM_YOLO焊點檢測模型

    2.2 損失函數(shù)改進(jìn)

    YOLOv2的損失函數(shù)相同,目標(biāo)檢測算法中的大小、位置損失一般為預(yù)測框長寬、位置與真實框長寬、位置的均方誤差。但是在目標(biāo)檢測中評價一個物體是否被正確檢測出,IoU是一個重要的度量標(biāo)準(zhǔn),而且IoU對尺寸變化不敏感,直接優(yōu)化IoU會有更好的結(jié)果。但是當(dāng)預(yù)測框與真實框不相交時,IoU一直為0,無法進(jìn)行優(yōu)化。為了把IoU作為損失函數(shù)直接進(jìn)行優(yōu)化,HAMID等人提出了廣義IoU的概念(Generalized Intersection over Union,GIoU)。GIoU能夠克服在IoU<0時無法繼續(xù)優(yōu)化的問題,而且GIoU對尺寸變化也不敏感。本文采用GIoU代替原來的位置損失函數(shù)能夠直接對度量標(biāo)準(zhǔn)進(jìn)行優(yōu)化,會使得位置檢測更加準(zhǔn)確。如圖3所示,預(yù)測框與真實框的交集為I,預(yù)測框與真實框的并集為U,預(yù)測框與真實框的最小包圍框的面積為:

    (11)

    GIoU為:

    (12)

    在FM_YOLO模型的基礎(chǔ)上,本文將GIoU作為損失函數(shù)的一部分得到FGM_YOLO模型,FGM_YOLO模型的損失函數(shù)如式(13)所示:

    (13)

    2.3 K-means錨框聚類

    YOLOv2目標(biāo)檢測算法引入了錨框(anchor),采用K-means聚類算法[25]得到anchor數(shù)量及大小。本文采用K-means算法對白車身焊點數(shù)據(jù)集進(jìn)行聚類得到適合白車身焊點的anchor個數(shù)和大小。

    K-means聚類算法中的K代表了聚類的類別數(shù)。在K-means聚類時,設(shè)定不同的K值不斷優(yōu)化距離值進(jìn)行聚類。聚類anchor時距離用聚類損失loss表示,每個數(shù)據(jù)與哪個聚類中心的交并比最大即loss最小則歸為哪一類,新的聚類中心為同類anchor長的均值與寬的均值。在聚類時不斷優(yōu)化loss直至loss收斂時聚類結(jié)束。交并比(IoU)如式(14)所示,這里計算交并比時只考慮長和寬,聚類anchor的損失函數(shù)如式(15)所示:

    (14)

    loss=1-IoU(b,c)

    (15)

    其中,b為標(biāo)定的真實框,c為聚類的中心,bw、bh為真實框的寬和高,cw、ch為聚類中心的寬和高。

    本文對制作的白車身焊點數(shù)據(jù)集,采用K-means聚類算法進(jìn)行聚類得到候選區(qū)域anchor的數(shù)量以及大小。聚類結(jié)果如圖8所示,圖8為聚類損失loss、平均交并比(Average Intersection over Union,AvgIoU)隨著anchor數(shù)目的變化曲線。

    圖8 聚類損失及平均交并比

    根據(jù)聚類損失、平均交并比與聚類中心個數(shù)的變化曲線可以看出,當(dāng)anchor個數(shù)為5時,聚類損失和平均交并比變化減緩??紤]計算精度與速度,本文對于白車身焊點數(shù)據(jù)集選用5個anchor,分別為[0.718,0.667]、[1.006,0.921]、[1.400,1.328]、[0.854,0.815]、[1.149,1.115]。

    3 實驗結(jié)果與分析

    3.1 數(shù)據(jù)集制作

    在算法的驗證中,目標(biāo)檢測模型訓(xùn)練需要規(guī)范標(biāo)注的數(shù)據(jù)集。由于沒有現(xiàn)成的白車身焊點數(shù)據(jù)集,因此在實際生產(chǎn)車間采集了4 000張不同位置、不同光照亮度的白車身焊點圖片。然后對焊點圖片進(jìn)行標(biāo)注建立了白車身焊點檢測數(shù)據(jù)集,其中3 200張白車身焊點圖片作為訓(xùn)練集,800張白車身焊點圖片作為測試集。白車身焊點圖片樣本如圖9所示。

    圖9 焊點樣本

    3.2 訓(xùn)練結(jié)果

    3.2.1 評價指標(biāo)

    目標(biāo)檢測模型的評價指標(biāo)一般采用均值平均精度 (mean Average Precision,mAP)進(jìn)行評價。mAP是所有類別的平均精度(Average Precision,AP)的均值,AP是召回率(Recall)與準(zhǔn)確率(Precision)曲線所包圍的面積,其中召回率指的是所有待檢測物體中正確檢測出的物體所占的百分比,準(zhǔn)確率指的是所有檢測出的物體中正確檢測的物體所占的百分比。本文采用COCO[26]數(shù)據(jù)集的評價標(biāo)準(zhǔn)。對于白車身焊點,如果預(yù)測框與真實框的IoU大于閾值則認(rèn)為是檢測出了焊點,若預(yù)測框與真實框的IoU小于閾值則認(rèn)為是沒有檢測出焊點。對于一個焊點若正確的檢測出來則為真正類(True Positive,TP),若對于一個不是焊點的位置檢測為焊點則為假正類(False Positive,FP)。設(shè)白車身焊點的總數(shù)為N,則檢測的召回率為:

    (16)

    檢測準(zhǔn)確率為:

    (17)

    當(dāng)召回率變化時記錄當(dāng)前召回率對應(yīng)的最大的準(zhǔn)確率,制作召回率與準(zhǔn)確率的曲線圖(P-R曲線)。P-R曲線所圍成的面積就是當(dāng)前閾值下模型的AP,設(shè)置10個IoU閾值,然后計算各個閾值下AP的均值,最終得到模型的AP。

    3.2.2 實驗平臺及檢測結(jié)果

    由于Keras簡單方便,本文采用Keras深度學(xué)習(xí)框架。電腦配置:顯卡為1050ti 4 GHz顯卡,CPU為i5-8400,運行內(nèi)存為8 GB。對3 200張白車身焊點數(shù)據(jù)集進(jìn)行了數(shù)據(jù)增強(qiáng)及訓(xùn)練,訓(xùn)練輪數(shù)為500輪,選用SGD優(yōu)化器,學(xué)習(xí)為0.001,batch size為16,訓(xùn)練輸入圖片大小為224×224。分別用YOLOv2,Tiny_YOLOv2、M_YOLO、FM_YOLO、FGM_YOLO、YOLO-LITE、YOLOv2-Reduced、YOLOv2_Vehicle進(jìn)行訓(xùn)練。訓(xùn)練完成后在測試集上進(jìn)行測試,對模型的輸出結(jié)果采用非極大值抑制之后得到最終的檢測結(jié)果。

    本文方法FGM_YOLO與YOLOv2、Tiny_YOLOv2及Tiny-yolo-dense、YOLO-LITE、YOLOv2-Reduced、YOLOv2_Vehicle在IoU閾值為0.75時的P-R曲線如圖10所示。從圖10可以看出,本文FGM_YOLO模型的P-R曲線完全包圍其他模型,可知本文方法在IoU=0.75時的AP值最高。

    圖10 不同方法P-R曲線

    各個模型的檢測結(jié)果及模型的參數(shù)數(shù)量如表1所示。

    表1 不同模型結(jié)果及參數(shù)數(shù)量

    由表1的測試結(jié)果可知,M_YOLO相比于原YOLOv2參數(shù)個數(shù)減少到了YOLOv2參數(shù)的1/22, APIoU=0.50提升了0.29%,但AP、APIoU=0.75下降明顯。在MobileNetv2的基礎(chǔ)上加入細(xì)粒度特征FM_YOLO的AP 、APIoU=0.50、APIoU=0.75相比于YOLOv2分別提升了1.18%、0.23%和1.67%。采用GIoU loss的FGM_YOLO的AP 、APIoU=0.50和APIoU=0.75相比于YOLOv2分別提升了2.47%、0.24%和3.65%,每張圖片的檢測時間約是YOLOv2的1/2,模型參數(shù)約是YOLOv2的1/16。FGM_YOLO檢測速度比YOLO-LITE和Tiny-yolo-dense分別慢了0.004 s和0.003 s,但檢測精度提高明顯。FGM_YOLO相比于YOLOv2-Reduced、YOLOv2_Vehicle,檢測精度與速度都有明顯提升。另外,對比YOLOv2-Reduced、YOLOv2_Vehicle的檢測結(jié)果可以發(fā)現(xiàn),采用三層特征融合相比于兩層特征融合,在焊點數(shù)據(jù)集上檢測精度并沒有提升且出現(xiàn)了稍微下降。

    YOLOv2、Tiny-yolo-dense、YOLO-LITE、YOLOv2-Reduced、YOLOv2_Vehicle與本文提出的FGM_YOLO檢測結(jié)果對比如圖11所示。從圖11可以看出,FGM_YOLO檢測結(jié)果比YOLOv2、Tiny-yolo-dens、YOLO-LITE、YOLOv2-Reduced、YOLOv2_Vehicle漏檢與誤檢更少。可見本文所提出的檢測方法與YOLOv2及其他改進(jìn)方法相比在焊點檢測中有一定的優(yōu)勢。

    圖11 不同模型焊點檢測結(jié)果對比

    為進(jìn)一步展示本文方法的效果,圖12對傳統(tǒng)圖像處理檢測方法(采用灰度變換、濾波、邊緣檢測、霍夫圓變換)的檢測結(jié)果與FGM_YOLO的檢測結(jié)果進(jìn)行了對比。其中,圖12(a)~圖12(d)第1行為原圖,第2行為FGM_YOLO模型的檢測效果,第3行為圖像處理方法的檢測效果。通過比較可知,在光照過暗或光照過亮的情況下,傳統(tǒng)的圖像處理檢測方法基本失效,在生銹和有污漬的情況下,傳統(tǒng)的圖像處理方法受到銹斑、污漬的影響,出現(xiàn)焊點檢測不出或檢測位置與真實位置偏離的情況。而本文提出的焊點檢測方法FGM_YOLO相比于傳統(tǒng)的檢測方法受光照影響很小,檢測效果更好。

    圖12 FGM_YOLO與圖像處理方法焊點檢測結(jié)果對比

    4 結(jié)束語

    為解決白車身焊點質(zhì)量自動檢測時在復(fù)雜環(huán)境下焊點圖像識別與定位困難的問題,本文提出一個輕型、快速、精度更高的白車身焊點位置檢測模型。將YOLOv2的卷積層替換為輕量卷積神經(jīng)網(wǎng)絡(luò)Moilenetv2,采用細(xì)粒度特征方法進(jìn)行特征融合,并引入GIoU loss改進(jìn)模型的損失函數(shù),最后聚類獲得適合焊點大小的anchor。通過重新訓(xùn)練得到了效果更好的焊點檢測模型FGM_YOLO,相比原YOLOv2模型,該模型參數(shù)大量減少,檢測精度提升,檢測速度更快,可適用于對實時性要求嚴(yán)格且工控機(jī)沒有GPU的車間生產(chǎn)線。相比于傳統(tǒng)圖像處理檢測算法,本文方法受光照、污漬、銹斑等影響更小,解決了魯棒性差的問題,檢測效率大幅提升。下一步將研究更高精度目標(biāo)檢測算法并結(jié)合模型量化、剪枝、蒸餾等方法,擴(kuò)充數(shù)據(jù)集以提高檢測精度和速度。

    猜你喜歡
    焊點車身損失
    姑蘇城內(nèi)話車身
    世界汽車(2022年11期)2023-01-17 09:30:50
    少問一句,損失千金
    胖胖損失了多少元
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    焊盤尺寸對SMT焊點可靠性的影響
    DH36鋼摩擦疊焊焊點分布規(guī)律研究
    焊接(2016年2期)2016-02-27 13:01:14
    一般自由碰撞的最大動能損失
    基于特征聚集度的FCM-RSVM算法及其在人工焊點缺陷識別中的應(yīng)用
    事故車維修中的車身防腐(三)
    卡板在車身修復(fù)過程中的作用
    亚洲高清免费不卡视频| 亚洲,欧美,日韩| 18禁在线无遮挡免费观看视频| 国产熟女午夜一区二区三区 | 最近最新中文字幕免费大全7| 精品少妇黑人巨大在线播放| 国产精品久久久久成人av| 又粗又硬又长又爽又黄的视频| 亚洲精品第二区| 亚洲av中文av极速乱| 黑人巨大精品欧美一区二区蜜桃 | 天美传媒精品一区二区| 精品人妻偷拍中文字幕| 亚洲精品国产av蜜桃| 99久久中文字幕三级久久日本| 尾随美女入室| 在现免费观看毛片| 五月玫瑰六月丁香| 男的添女的下面高潮视频| av在线老鸭窝| 亚洲综合精品二区| 日韩中字成人| 国产av精品麻豆| 欧美97在线视频| 国产精品久久久久久精品电影小说| av福利片在线| 亚洲丝袜综合中文字幕| 亚洲欧美清纯卡通| 丰满人妻一区二区三区视频av| 国产成人精品福利久久| 中文字幕免费在线视频6| 综合色丁香网| 日本午夜av视频| 黄色一级大片看看| 日本黄色片子视频| 国国产精品蜜臀av免费| 黄色配什么色好看| 中文字幕免费在线视频6| 亚洲,一卡二卡三卡| 在线观看av片永久免费下载| 婷婷色综合www| 天堂中文最新版在线下载| 80岁老熟妇乱子伦牲交| 日本欧美视频一区| 黑人高潮一二区| 久久久亚洲精品成人影院| 在线播放无遮挡| 久久精品国产鲁丝片午夜精品| 欧美精品亚洲一区二区| 黑人猛操日本美女一级片| 日本与韩国留学比较| 久久鲁丝午夜福利片| 乱码一卡2卡4卡精品| 国产精品国产三级国产专区5o| 色视频在线一区二区三区| 色婷婷av一区二区三区视频| 亚洲成人av在线免费| a级片在线免费高清观看视频| 97在线人人人人妻| 精品一区二区三区视频在线| 91在线精品国自产拍蜜月| 久久精品久久久久久噜噜老黄| 中文字幕人妻丝袜制服| 天堂俺去俺来也www色官网| 美女cb高潮喷水在线观看| 久久人人爽av亚洲精品天堂| 亚洲一级一片aⅴ在线观看| 天天躁夜夜躁狠狠久久av| 成人亚洲精品一区在线观看| 91精品一卡2卡3卡4卡| 欧美一级a爱片免费观看看| 国产乱来视频区| 老司机影院成人| 春色校园在线视频观看| 观看美女的网站| 99热网站在线观看| 成人黄色视频免费在线看| 日本-黄色视频高清免费观看| 日本黄色日本黄色录像| 成人美女网站在线观看视频| 美女视频免费永久观看网站| 插阴视频在线观看视频| 黄色怎么调成土黄色| 精品一区二区免费观看| 国产亚洲5aaaaa淫片| h日本视频在线播放| 三级经典国产精品| 少妇的逼水好多| 欧美成人精品欧美一级黄| 亚洲综合精品二区| 青春草亚洲视频在线观看| 国产欧美另类精品又又久久亚洲欧美| 99热国产这里只有精品6| 精品国产一区二区三区久久久樱花| 夜夜爽夜夜爽视频| 91精品国产九色| 久久国内精品自在自线图片| 国产综合精华液| 少妇人妻久久综合中文| 日本与韩国留学比较| 亚洲成人av在线免费| 人妻 亚洲 视频| 亚洲av成人精品一区久久| 晚上一个人看的免费电影| 成年人午夜在线观看视频| 六月丁香七月| 国产亚洲最大av| 一本色道久久久久久精品综合| 看非洲黑人一级黄片| 国产精品一区二区在线观看99| 伊人久久国产一区二区| 久久99热6这里只有精品| 好男人视频免费观看在线| 国产男女内射视频| 女人精品久久久久毛片| 欧美bdsm另类| 91aial.com中文字幕在线观看| 国产免费一级a男人的天堂| 精品熟女少妇av免费看| 欧美日韩一区二区视频在线观看视频在线| 内射极品少妇av片p| a级一级毛片免费在线观看| 乱人伦中国视频| 一级黄片播放器| 麻豆成人午夜福利视频| 好男人视频免费观看在线| 久久韩国三级中文字幕| 久久97久久精品| 人人妻人人添人人爽欧美一区卜| 一级二级三级毛片免费看| 精品久久国产蜜桃| 一级片'在线观看视频| 我的女老师完整版在线观看| 99热网站在线观看| 99久久中文字幕三级久久日本| 极品人妻少妇av视频| 又大又黄又爽视频免费| 精品久久久久久久久亚洲| 国产黄色免费在线视频| 亚洲欧美精品自产自拍| 免费av不卡在线播放| 色5月婷婷丁香| 国产精品人妻久久久久久| 久久久欧美国产精品| 人人妻人人爽人人添夜夜欢视频 | 色5月婷婷丁香| 赤兔流量卡办理| 赤兔流量卡办理| 日韩在线高清观看一区二区三区| 精品久久久噜噜| 久久久a久久爽久久v久久| av线在线观看网站| 中文字幕制服av| 另类精品久久| 国产精品国产三级国产专区5o| 免费黄色在线免费观看| 高清欧美精品videossex| videossex国产| 国产综合精华液| 日本av手机在线免费观看| 成人漫画全彩无遮挡| 丰满迷人的少妇在线观看| 免费av中文字幕在线| 精品久久久久久久久av| 亚洲内射少妇av| 大码成人一级视频| 色吧在线观看| 亚洲精品乱久久久久久| 丰满人妻一区二区三区视频av| 久久久久久伊人网av| 草草在线视频免费看| 国产欧美日韩综合在线一区二区 | 久久久久视频综合| av又黄又爽大尺度在线免费看| 97超视频在线观看视频| 国产精品免费大片| 国产日韩一区二区三区精品不卡 | 欧美日韩一区二区视频在线观看视频在线| 男女边摸边吃奶| 少妇丰满av| 中文欧美无线码| 国产真实伦视频高清在线观看| 人人妻人人澡人人看| 成人国产av品久久久| 国产伦理片在线播放av一区| 亚洲人成网站在线观看播放| 在线观看免费视频网站a站| 久久精品熟女亚洲av麻豆精品| 国产伦精品一区二区三区四那| 另类亚洲欧美激情| 亚洲性久久影院| 国产精品.久久久| 99精国产麻豆久久婷婷| 久久久久久久久久人人人人人人| 亚洲国产精品999| 岛国毛片在线播放| 九草在线视频观看| 人妻一区二区av| 午夜福利,免费看| 国产精品99久久久久久久久| 两个人免费观看高清视频 | 欧美精品人与动牲交sv欧美| 亚洲欧美精品自产自拍| 我的老师免费观看完整版| 久久免费观看电影| 国产一区二区三区av在线| av播播在线观看一区| 久久国产乱子免费精品| 少妇人妻一区二区三区视频| 日韩伦理黄色片| 亚洲综合色惰| 中国三级夫妇交换| 亚洲av福利一区| 亚洲欧洲精品一区二区精品久久久 | 性色av一级| 另类精品久久| av线在线观看网站| 亚洲丝袜综合中文字幕| 日韩欧美一区视频在线观看 | 精华霜和精华液先用哪个| 亚洲伊人久久精品综合| 精品久久久久久久久av| 色视频在线一区二区三区| 国语对白做爰xxxⅹ性视频网站| 婷婷色综合www| 国产精品久久久久久精品电影小说| 麻豆乱淫一区二区| 内地一区二区视频在线| 精品久久久噜噜| 精品人妻熟女毛片av久久网站| 国产精品.久久久| 亚洲精品aⅴ在线观看| 成人黄色视频免费在线看| 草草在线视频免费看| 国产男女内射视频| 久久97久久精品| a 毛片基地| 亚洲美女搞黄在线观看| 国产淫语在线视频| 日韩,欧美,国产一区二区三区| 色94色欧美一区二区| 人妻夜夜爽99麻豆av| 自拍偷自拍亚洲精品老妇| 少妇人妻久久综合中文| √禁漫天堂资源中文www| 91精品伊人久久大香线蕉| 国产 精品1| 国产欧美日韩一区二区三区在线 | 欧美xxxx性猛交bbbb| 色视频www国产| 啦啦啦啦在线视频资源| av不卡在线播放| 国产av码专区亚洲av| 高清不卡的av网站| 久久久久久久久久久丰满| 色5月婷婷丁香| 中文字幕人妻熟人妻熟丝袜美| 成人美女网站在线观看视频| 亚洲三级黄色毛片| 在线观看免费视频网站a站| 在线观看免费视频网站a站| 国产成人freesex在线| 日本免费在线观看一区| 中文欧美无线码| 18禁裸乳无遮挡动漫免费视频| 国产精品一区二区在线不卡| 高清不卡的av网站| 午夜老司机福利剧场| 免费黄色在线免费观看| 国产亚洲av片在线观看秒播厂| 久久鲁丝午夜福利片| 精品国产一区二区三区久久久樱花| 国产熟女欧美一区二区| 国内少妇人妻偷人精品xxx网站| 亚洲av中文av极速乱| 看非洲黑人一级黄片| 成人国产麻豆网| 一本—道久久a久久精品蜜桃钙片| 在线观看国产h片| 日韩免费高清中文字幕av| 免费在线观看成人毛片| 久久精品国产鲁丝片午夜精品| 日日摸夜夜添夜夜添av毛片| 亚洲第一区二区三区不卡| 日韩伦理黄色片| 成人特级av手机在线观看| 性色avwww在线观看| 51国产日韩欧美| 高清在线视频一区二区三区| 免费看不卡的av| 夜夜看夜夜爽夜夜摸| 国产永久视频网站| 一区二区av电影网| 大片电影免费在线观看免费| 天堂8中文在线网| 国产淫片久久久久久久久| 久久精品国产鲁丝片午夜精品| 尾随美女入室| 99精国产麻豆久久婷婷| 国产精品无大码| 一级a做视频免费观看| 校园人妻丝袜中文字幕| 少妇人妻精品综合一区二区| 国产精品麻豆人妻色哟哟久久| 亚洲在久久综合| 免费人妻精品一区二区三区视频| 又粗又硬又长又爽又黄的视频| 国产成人免费无遮挡视频| 国产乱来视频区| 美女中出高潮动态图| 大陆偷拍与自拍| 在线观看免费日韩欧美大片 | av在线观看视频网站免费| 亚洲国产欧美在线一区| 男男h啪啪无遮挡| 久久精品久久久久久久性| 欧美97在线视频| av福利片在线观看| 国产一区二区三区av在线| 免费av中文字幕在线| 中文字幕精品免费在线观看视频 | 国产精品久久久久久久电影| 五月伊人婷婷丁香| 91久久精品国产一区二区三区| 亚洲欧美中文字幕日韩二区| 乱码一卡2卡4卡精品| 日韩熟女老妇一区二区性免费视频| 亚洲精品日韩av片在线观看| 久久午夜综合久久蜜桃| 午夜激情福利司机影院| av视频免费观看在线观看| 大话2 男鬼变身卡| 成人国产av品久久久| 97在线视频观看| 欧美日韩国产mv在线观看视频| 晚上一个人看的免费电影| 日韩成人伦理影院| 永久免费av网站大全| 爱豆传媒免费全集在线观看| 欧美日韩国产mv在线观看视频| 女的被弄到高潮叫床怎么办| 中国美白少妇内射xxxbb| 国产极品天堂在线| 狂野欧美激情性xxxx在线观看| 国产 精品1| 国产伦精品一区二区三区四那| 天堂中文最新版在线下载| 亚洲欧洲国产日韩| 久久97久久精品| tube8黄色片| 精品国产露脸久久av麻豆| 菩萨蛮人人尽说江南好唐韦庄| 在线观看免费高清a一片| 在线观看www视频免费| a级片在线免费高清观看视频| 婷婷色麻豆天堂久久| 欧美另类一区| 成人二区视频| 午夜福利,免费看| 国产亚洲5aaaaa淫片| 有码 亚洲区| 国产在视频线精品| 丁香六月天网| 国产有黄有色有爽视频| 女人精品久久久久毛片| 啦啦啦中文免费视频观看日本| 婷婷色av中文字幕| 中国美白少妇内射xxxbb| 最新的欧美精品一区二区| 久久人人爽人人爽人人片va| 麻豆成人午夜福利视频| 国产色婷婷99| 日本黄大片高清| 大码成人一级视频| 美女cb高潮喷水在线观看| 特大巨黑吊av在线直播| 国产一区二区三区综合在线观看 | 精品国产国语对白av| 国产精品伦人一区二区| 欧美人与善性xxx| 欧美日韩精品成人综合77777| av国产久精品久网站免费入址| 新久久久久国产一级毛片| 国产成人freesex在线| 黄片无遮挡物在线观看| 成人漫画全彩无遮挡| 在线观看www视频免费| 熟女av电影| 深夜a级毛片| 亚洲色图综合在线观看| a级毛色黄片| 欧美人与善性xxx| 哪个播放器可以免费观看大片| 啦啦啦中文免费视频观看日本| 男人狂女人下面高潮的视频| 欧美人与善性xxx| 国产精品福利在线免费观看| 视频中文字幕在线观看| 亚洲精品国产av蜜桃| 最近中文字幕2019免费版| 亚洲av福利一区| 国产精品国产三级国产专区5o| 亚洲欧美日韩东京热| 色婷婷av一区二区三区视频| 大香蕉97超碰在线| 赤兔流量卡办理| 欧美精品一区二区免费开放| 嫩草影院入口| 欧美精品高潮呻吟av久久| 边亲边吃奶的免费视频| 99九九线精品视频在线观看视频| 中文字幕亚洲精品专区| 全区人妻精品视频| 激情五月婷婷亚洲| 亚洲精品国产av蜜桃| 天堂中文最新版在线下载| 欧美另类一区| 高清黄色对白视频在线免费看 | 午夜精品国产一区二区电影| av天堂中文字幕网| 亚州av有码| 久久精品夜色国产| 伊人久久精品亚洲午夜| 我的女老师完整版在线观看| 亚洲国产色片| 亚洲性久久影院| 日韩精品有码人妻一区| 五月天丁香电影| 高清视频免费观看一区二区| 又大又黄又爽视频免费| 99久久精品国产国产毛片| 日韩电影二区| 一区在线观看完整版| 王馨瑶露胸无遮挡在线观看| 三级国产精品片| kizo精华| 国产男人的电影天堂91| 韩国高清视频一区二区三区| 大香蕉久久网| 各种免费的搞黄视频| 麻豆乱淫一区二区| 人人妻人人澡人人爽人人夜夜| 国产男女内射视频| 亚洲国产成人一精品久久久| 欧美三级亚洲精品| 久久久久人妻精品一区果冻| 老熟女久久久| 国内少妇人妻偷人精品xxx网站| 国产精品女同一区二区软件| av黄色大香蕉| 亚洲精品亚洲一区二区| 一二三四中文在线观看免费高清| 国产一区有黄有色的免费视频| 91午夜精品亚洲一区二区三区| 亚洲色图综合在线观看| 精品久久久噜噜| 一区在线观看完整版| 一本大道久久a久久精品| 日日摸夜夜添夜夜添av毛片| 亚洲国产av新网站| 99热6这里只有精品| 精品亚洲乱码少妇综合久久| 欧美一级a爱片免费观看看| 久久国产乱子免费精品| 丰满少妇做爰视频| 亚洲在久久综合| 中文精品一卡2卡3卡4更新| 免费看av在线观看网站| 天堂中文最新版在线下载| 国产综合精华液| 青春草视频在线免费观看| 少妇丰满av| 51国产日韩欧美| 人人妻人人澡人人爽人人夜夜| 精品一区在线观看国产| 老熟女久久久| 欧美日韩在线观看h| 亚洲精品日本国产第一区| 黄色配什么色好看| 男女国产视频网站| 国产日韩欧美亚洲二区| 国产精品福利在线免费观看| 高清欧美精品videossex| 高清视频免费观看一区二区| 免费不卡的大黄色大毛片视频在线观看| 青春草国产在线视频| 九九在线视频观看精品| 狂野欧美激情性xxxx在线观看| 久久精品国产鲁丝片午夜精品| 国产精品福利在线免费观看| 男人和女人高潮做爰伦理| 日韩一区二区视频免费看| 日韩人妻高清精品专区| 国产精品免费大片| 日韩 亚洲 欧美在线| 欧美变态另类bdsm刘玥| 国产永久视频网站| 免费av中文字幕在线| 亚洲欧美日韩另类电影网站| av视频免费观看在线观看| 纵有疾风起免费观看全集完整版| 五月玫瑰六月丁香| 国产精品嫩草影院av在线观看| 国产成人精品一,二区| av.在线天堂| 一本色道久久久久久精品综合| 中文字幕精品免费在线观看视频 | 欧美高清成人免费视频www| 只有这里有精品99| 91久久精品国产一区二区成人| 国产欧美日韩一区二区三区在线 | 国产精品久久久久久精品电影小说| 大又大粗又爽又黄少妇毛片口| 午夜福利网站1000一区二区三区| 国产男女内射视频| 国产黄色视频一区二区在线观看| 男女无遮挡免费网站观看| 边亲边吃奶的免费视频| av天堂久久9| 成人综合一区亚洲| 99热国产这里只有精品6| 狂野欧美激情性bbbbbb| 肉色欧美久久久久久久蜜桃| 亚洲色图综合在线观看| av专区在线播放| 中国三级夫妇交换| 亚洲美女搞黄在线观看| 国产黄频视频在线观看| 简卡轻食公司| 黑丝袜美女国产一区| 久久青草综合色| 97超碰精品成人国产| 精品午夜福利在线看| 乱人伦中国视频| 久久精品国产自在天天线| 麻豆乱淫一区二区| 国产成人精品久久久久久| 精品国产国语对白av| 精品少妇黑人巨大在线播放| 搡老乐熟女国产| 日韩欧美一区视频在线观看 | 丝袜在线中文字幕| 2022亚洲国产成人精品| 下体分泌物呈黄色| 久久人妻熟女aⅴ| 一区二区三区免费毛片| 亚洲欧美日韩东京热| 亚洲av中文av极速乱| 在线 av 中文字幕| 欧美日韩一区二区视频在线观看视频在线| 少妇猛男粗大的猛烈进出视频| 日日摸夜夜添夜夜添av毛片| 免费久久久久久久精品成人欧美视频 | 高清在线视频一区二区三区| 国产高清三级在线| 久久精品国产鲁丝片午夜精品| 在线观看免费视频网站a站| 老司机影院毛片| 国产av国产精品国产| 少妇被粗大的猛进出69影院 | 亚洲四区av| 欧美日韩一区二区视频在线观看视频在线| 久久韩国三级中文字幕| 女人久久www免费人成看片| 啦啦啦中文免费视频观看日本| 麻豆成人av视频| a级毛片免费高清观看在线播放| 午夜影院在线不卡| 各种免费的搞黄视频| 久久精品国产a三级三级三级| 26uuu在线亚洲综合色| 99热这里只有精品一区| 看非洲黑人一级黄片| 婷婷色av中文字幕| 91aial.com中文字幕在线观看| 51国产日韩欧美| 一级,二级,三级黄色视频| 日韩 亚洲 欧美在线| 22中文网久久字幕| 国产淫片久久久久久久久| 大话2 男鬼变身卡| 国内精品宾馆在线| 久久人妻熟女aⅴ| 能在线免费看毛片的网站| 国产男女超爽视频在线观看| 亚洲婷婷狠狠爱综合网| 免费av不卡在线播放| 好男人视频免费观看在线| 国产男女超爽视频在线观看| 能在线免费看毛片的网站| 国产av精品麻豆| 亚洲欧美清纯卡通| 肉色欧美久久久久久久蜜桃| 能在线免费看毛片的网站| 人体艺术视频欧美日本| 亚洲va在线va天堂va国产| 国产av码专区亚洲av| 国内精品宾馆在线| 国产女主播在线喷水免费视频网站| 亚洲欧美中文字幕日韩二区| 亚洲av欧美aⅴ国产| 国产片特级美女逼逼视频| 中文天堂在线官网| 国产精品一区www在线观看| 国内少妇人妻偷人精品xxx网站| 日韩 亚洲 欧美在线| 午夜日本视频在线| 国产日韩欧美视频二区| 国产精品成人在线| 18禁动态无遮挡网站| 亚洲美女视频黄频| 新久久久久国产一级毛片| av又黄又爽大尺度在线免费看| 秋霞伦理黄片| 国产日韩一区二区三区精品不卡 |