• <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 ?

    基于改進的GoogLeNet鴨蛋表面缺陷檢測

    2021-07-06 02:12:48楊煜俊申啟訪單森森
    食品與機械 2021年6期
    關(guān)鍵詞:檢測模型

    肖 旺 楊煜俊 申啟訪 單森森 黃 越

    (廣東工業(yè)大學(xué)機電工程學(xué)院,廣東 廣州 510006)

    鴨蛋是日常生活中重要的食品之一,味道鮮美,價格便宜,營養(yǎng)豐富,一直備受消費者喜愛。其品質(zhì)直接關(guān)乎鴨蛋的銷量及其蛋制品(如皮蛋、咸鴨蛋等)品質(zhì)。然而鴨蛋在出欄、運輸、加工、儲存等階段容易造成外殼破損,表面污染,嚴(yán)重影響鴨蛋品質(zhì),若加工和銷售前不及時剔除,會造成更大的污染和資源浪費,甚至危及消費者的健康安全。目前,鴨蛋的篩選可分為人工光檢與聲學(xué)檢測。對于大多蛋品企業(yè)而言,鴨蛋的挑選主要是依賴人工肉眼識別,其成本高昂,效率低下,漏檢率高,且對眼損傷較大。此外,近些年中國有部分廠家引進了日本聲學(xué)裂痕檢測模塊,通過小錘敲擊蛋殼表面的幾處關(guān)鍵點,采集蛋殼表面的聲紋振動反饋,以此分析并判斷鴨蛋表面是否完好。但此方法雖能檢測出蛋殼破損的鴨蛋,但易受蛋殼表面臟污影響出現(xiàn)誤判,需要人工二次檢查。

    當(dāng)前,制約中國蛋品行業(yè)發(fā)展的一個主要因素就是蛋品深加工機械設(shè)備不足,無法實現(xiàn)集約化發(fā)展,導(dǎo)致蛋品加工率過低,蛋品品質(zhì)良莠不齊。俞玥等[1-2]在蛋品無損檢測與品質(zhì)分級方面進行了大量研究,按檢測方法不同主要可分為聲學(xué)檢測[3]、機器視覺檢測[4-6]以及深度學(xué)習(xí)檢測[7-9]。在聲學(xué)領(lǐng)域,孫力等[10]通過蛋殼表面聲學(xué)特性設(shè)計了一套在線蛋殼裂痕檢測系統(tǒng),檢測率達90%;陳誠等[11]采用敲擊響應(yīng)方法,對雞蛋進行多角度敲擊,并精準(zhǔn)采集敲擊音頻響應(yīng)信號,設(shè)計了基于聲學(xué)響應(yīng)信號分析的一套禽蛋蛋殼在線檢測系統(tǒng),該系統(tǒng)對正常禽蛋檢測準(zhǔn)確率達92%。在機器視覺領(lǐng)域,魏萱等[12]通過采用圖像紋理特征參數(shù)對土雞蛋微裂紋進行無損檢測,使用LDA模型判別效果最佳,準(zhǔn)確率達96%;王巧華等[13]利用機器視覺技術(shù)采集鴨蛋動態(tài)圖像,通過LIBSVM建立分級模型,在鴨蛋產(chǎn)地進行尺寸與扁平度分級檢測,準(zhǔn)確率分別為91.67%,95.00%。Amin等[14]使用VGG網(wǎng)絡(luò)對未處理的雞蛋進行檢測,成功篩選出破損與帶血斑的雞蛋,準(zhǔn)確率達94.84%。

    上述方法或是對檢測環(huán)境依賴較大,或是對被檢測蛋品要求嚴(yán)格,在應(yīng)付復(fù)雜多變的檢測環(huán)境與各類缺陷不均勻蛋品時,難以達到高精度、智能化檢測。文章擬提出一種基于神經(jīng)網(wǎng)絡(luò)的鴨蛋表面缺陷檢測方法,并與GoogLeNet、VGG16和AlexNet 3種神經(jīng)網(wǎng)絡(luò)進行對比,分析其對裂紋、臟污等多種表面缺陷的檢測分類情況,旨在為實現(xiàn)鴨蛋表面多缺陷,高精度檢測提供依據(jù)。

    1 試驗材料與預(yù)處理

    1.1 試驗樣本

    從當(dāng)?shù)剞r(nóng)貿(mào)市場與養(yǎng)殖場收集300枚鴨蛋,其中表面干凈無損86枚,帶有裂紋、孔洞等缺陷102枚,表面帶有鴨糞、血污、泥沙等臟污112枚。通過CCD相機、LED光源、旋轉(zhuǎn)傳送裝置搭建圖像采集平臺,利用相機對鴨蛋兩端與鴨蛋表面進行拍照取樣,共采集1 200張。通過人為篩選出不合要求的圖像,最終采集樣本圖片1 062張,按照實際檢測要求以圖1方式進行樣本分類,其中正常樣本403張,表面破損樣本314張,表面臟污樣本345張。

    圖1 鴨蛋樣本分類方式

    1.2 試驗環(huán)境

    在軟件環(huán)境為Window系統(tǒng)下進行,搭載TensorFlow-GPU 2.0深度學(xué)習(xí)框架,使用CUDA 11.0版本搭配cudnn 7.65版本實現(xiàn)GPU并行加速計算。文中所有神經(jīng)網(wǎng)絡(luò)模型都在Python3.7版本下編程實現(xiàn)。計算機硬件配置CPU為Inter酷睿I7-10875H @2.3 GHz,內(nèi)存16 GB;GPU為NIVIDIA GeForce RTX2060,6 GB顯存。

    1.3 圖像預(yù)處理

    圖像預(yù)處理包括圖像標(biāo)簽、圖像分割、尺寸重定義、圖像增強以及數(shù)據(jù)擴充[15-16]。圖像預(yù)處理是將原始數(shù)據(jù)(圖2)整理成標(biāo)準(zhǔn)規(guī)范的訓(xùn)練數(shù)據(jù),使之能順利送入神經(jīng)網(wǎng)絡(luò)并高效計算。

    圖2 正常、臟污、破損鴨蛋原始圖像

    圖像標(biāo)簽是指將所有采集到的圖像按圖像內(nèi)容打上標(biāo)簽,試驗中可分為正常、破損和臟污3類標(biāo)簽,使用Labelimg工具對所采集的圖像進行標(biāo)注。圖像分割是預(yù)處理中重要的一環(huán),正確的分割能夠有效地過濾背景噪音,凸顯圖像要素,提升后續(xù)檢測的正確率。其主要分割方法有閾值分割、區(qū)域分割與邊緣分割,考慮到鴨蛋表面顏色均勻,成像前景與背景差別較大,采用Otsu閾值分割[17],通過計算方差來確定一個恰當(dāng)?shù)拈撝?,使分割圖像前景與背景之間的灰度值差異最大,去除背景后,計算出每個圖像最小邊界矩形,最后使用OpenCV工具包將所有圖像尺寸重定義成3通道224×224像素大小,以方便神經(jīng)網(wǎng)絡(luò)計算,預(yù)處理后的圖像如圖3所示。

    圖3 正常、臟污、破損鴨蛋預(yù)處理后圖像

    神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)用于訓(xùn)練才能提高其檢測準(zhǔn)確率,由于采集樣本數(shù)量有限,可通過數(shù)據(jù)增強[18]來獲得大量相關(guān)數(shù)據(jù)。數(shù)據(jù)增強主要包括圖像的平移、翻轉(zhuǎn)、旋轉(zhuǎn)、比例縮放、隨機裁剪等。試驗通過數(shù)據(jù)增強最終在原有樣本基礎(chǔ)上擴大10倍數(shù)據(jù)量,得到10 620張圖像,其中正常樣本4 030張,表面破損樣本3 140張,表面臟污樣本3 450張。

    2 神經(jīng)網(wǎng)絡(luò)模型

    2.1 GoogLeNet-Mini網(wǎng)絡(luò)

    GoogLeNet網(wǎng)絡(luò)[19-21]是當(dāng)年ImageNet圖像競賽的冠軍,其top5錯誤率只有6.67。GoogLeNet共有22層,包含3個卷積層和9個inception塊。GoogLeNet(圖4)引入了Inception結(jié)構(gòu)塊,使GoogLeNet即使在深度上超過了VGG和AlexNet,但網(wǎng)絡(luò)模型參數(shù)相比卻小得多,GoogLeNet通過增加網(wǎng)絡(luò)的深度與寬度獲得更好的性能,卻對內(nèi)存與計算資源的要求更低。

    圖4 GoogLeNet網(wǎng)絡(luò)結(jié)構(gòu)

    GoogLeNet雖然性能優(yōu)秀,學(xué)習(xí)能力強,但網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,參數(shù)相對于VGG和AlexNet更少,但也達到2.4×107個。針對試驗圖像的特點,對GoogLeNet網(wǎng)絡(luò)進行相應(yīng)的改進,改進后的網(wǎng)絡(luò)被命名為GoogLeNet-Mini(圖5),由于試驗圖像特征大小相近,將原有前3層不同尺寸的卷積層精簡為一層3×3大小卷積層。GoogLeNet引入inception模塊化結(jié)構(gòu),包含4個分支(圖6),分別為1×1卷積層,1×1卷積層與3×3卷積層,1×1卷積層與5×5卷積層,3×3池化層與1×1卷積層。卷積層的作用是提取圖像特征,池化層作用在卷積層之后,對卷積層提取到的圖像特征進行降維,減少特征數(shù)據(jù)量。Inception結(jié)構(gòu)塊在同層網(wǎng)絡(luò)中使用多個不同尺寸的卷積核,用于提取圖像中不同尺寸的特征,提升整個模型的感知力,由于試驗圖像特征明顯,可以減小inception模塊數(shù)量與inception卷積核個數(shù),將原有的9個inception塊精簡到6個,inception塊中卷積核尺寸保持不變,其中inception卷積核個數(shù)由64個呈倍數(shù)增加到512個,使得inception結(jié)構(gòu)更加規(guī)整,有利于硬件加速和程序的編寫,減少代碼冗余。改進后的inception結(jié)構(gòu)對于圖像的特征提取數(shù)量會相對減少,但大大減少了模型參數(shù)量,通過1×1卷積核,作用到輸入特征圖的每個像素點,通過設(shè)定少于輸入特征圖深度的1×1卷積核個數(shù),減少了輸出特征圖深度,起到了降維作用,減少了參數(shù)量和計算量,加快模型的收斂,減少過擬合。

    圖5 GoogLeNet-Mini網(wǎng)絡(luò)結(jié)構(gòu)

    圖6 Inception結(jié)構(gòu)塊

    GoogLeNet網(wǎng)絡(luò)去掉最后全連接層,使用一個分類層替代,分類層中包含了Dropout層與全局平均池化,Dropout層通過隨機失活部分神經(jīng)元,減少參數(shù)的數(shù)量來防止模型過擬合。全局平均池化是針對特征圖取平均值,用數(shù)值來代表特征圖,將數(shù)值輸入到softmax層,得到對應(yīng)的概率分布,以達到分類效果。相比于全連接層,全局平均池化的參數(shù)數(shù)量與計算量比較少。

    2.2 VGG16網(wǎng)絡(luò)

    VGG16網(wǎng)絡(luò)誕生于2014年,由16層網(wǎng)絡(luò)組成,其中包含13個卷積層和3個全連接層[22]。VGG16卷積層均由3×3卷積核組成,因此VGG16網(wǎng)絡(luò)結(jié)構(gòu)非常規(guī)整,有利于硬件計算,其模型識別準(zhǔn)確度有所提升,并且網(wǎng)絡(luò)參數(shù)大大減小,每個卷積層均使用relu作為激活函數(shù)。VGG網(wǎng)絡(luò)隨著學(xué)習(xí)深度的加深,卷積核個數(shù)從64增加到512,避免了因特征圖尺寸逐漸減小而出現(xiàn)網(wǎng)絡(luò)信息能力承載不足的情況。

    2.3 AlexNet網(wǎng)絡(luò)

    AlexNet網(wǎng)絡(luò)由5個卷積層和3個全連接層組成,結(jié)構(gòu)上與LeNet5網(wǎng)絡(luò)有相似之處,但也存在許多改動,AlexNet網(wǎng)絡(luò)將激活函數(shù)由Sigmoid函數(shù)改為Relu函數(shù),有效地解決了梯度彌散問題[23]。AlexNet網(wǎng)絡(luò)訓(xùn)練時成功引入Dropout,隨機舍棄部分參數(shù),有效避免模型過擬合,提升模型魯棒性。同時引入局部相應(yīng)歸一化層(LRN),增強模型泛化能力。

    3 模型訓(xùn)練與結(jié)果分析

    3.1 模型訓(xùn)練

    模型訓(xùn)練實際上就是一個不斷修正誤差的過程,一批圖像數(shù)據(jù)被送入神經(jīng)網(wǎng)絡(luò)經(jīng)前向傳播計算出預(yù)測結(jié)果,并與實際標(biāo)簽進行比較得出損失值,再將該值通過反向傳播不斷迭代,修正權(quán)重偏置,使得損失函數(shù)不斷減小,預(yù)測精度不斷提高。損失函數(shù)代表網(wǎng)絡(luò)預(yù)測值與實際標(biāo)簽值的差距,當(dāng)損失函數(shù)輸出最小時,模型權(quán)重與偏置達到最優(yōu)值,文中采用交叉熵損失函數(shù):

    (1)

    式中:

    M——類別數(shù)量;

    yic——與樣本i類別相同為1,不同則為0;

    pic——樣本屬于類別c的預(yù)測概率;

    N——樣本總量。

    優(yōu)化器采用RMSprop,RMSprop算法采用加權(quán)平均,能自適應(yīng)調(diào)節(jié)學(xué)習(xí)率,避免學(xué)習(xí)率過低的問題,其計算公式為:

    (2)

    (3)

    (4)

    Wt+1=Wt-ηt,

    (5)

    式中:

    W——待優(yōu)化參數(shù);

    gt——當(dāng)前參數(shù)的梯度;

    mt/Vt—— 一階/二階動量;

    ηt——當(dāng)前時刻的下降梯度;

    α——學(xué)習(xí)率;

    β2——超參數(shù),取0.99。

    網(wǎng)絡(luò)模型建立完成后,將由圖像增強后的圖像按4∶1隨機劃分成訓(xùn)練集與驗證集送入模型進行訓(xùn)練,其中訓(xùn)練集8 496張(正常、破損、臟污分別為3 224,2 512,2 760張),驗證集2 124張(正常、破損、臟污分別為806,628,690張)。為進一步評估網(wǎng)絡(luò)的魯棒性,另外采集510張圖像為測試集。初始學(xué)習(xí)率設(shè)置為0.000 1,通過指數(shù)衰減法更新學(xué)習(xí)率,根據(jù)GPU硬件條件設(shè)置BatchSize為16。為保證試驗結(jié)果公平性,VGG16和AlexNet網(wǎng)絡(luò)使用相同的數(shù)據(jù)集進行訓(xùn)練、驗證與測試。

    3.2 結(jié)果分析

    GoogLeNet-Mini訓(xùn)練的準(zhǔn)確率與損失值變化如圖7所示。由圖7可知,當(dāng)epoch為0~160時,驗證集數(shù)據(jù)結(jié)果反復(fù)振蕩,說明此時得到的模型還不夠穩(wěn)定;當(dāng)epoch為160~260時,驗證集結(jié)果逐漸趨于穩(wěn)定,此時模型的訓(xùn)練集準(zhǔn)確率為100.00%,驗證集準(zhǔn)確率為97.83%,保存模型參數(shù)。

    圖7 準(zhǔn)確率與損失值變化曲線

    在使用相同的樣本數(shù)據(jù)對GoogLeNet、VGG16與AlexNet進行試驗后,其結(jié)果如表1所示,GoogLeNet-Mini網(wǎng)絡(luò)訓(xùn)練集、驗證集、測試集的準(zhǔn)確率分別為100.00%,98.25%,96.88%。GoogLeNet網(wǎng)絡(luò)訓(xùn)練集、驗證集、測試集的準(zhǔn)確率分別為100.00%,99.16%,94.46%。VGG16網(wǎng)絡(luò)訓(xùn)練集、驗證集、測試集的準(zhǔn)確率分別為99.26%,94.78%,92.75%。AlexNet網(wǎng)絡(luò)表現(xiàn)稍差,訓(xùn)練集、驗證集、測試集的準(zhǔn)確率分別為95.61%,89.72%,85.43%。綜上,GoogLeNet-Mini網(wǎng)絡(luò)的檢測效果優(yōu)于其他3個網(wǎng)絡(luò),說明改進后的GoogLeNet-Mini相比于原網(wǎng)絡(luò),不僅參數(shù)量更少,而且減少了模型過擬合,提升了網(wǎng)絡(luò)的泛化能力與準(zhǔn)確度。

    表1 4種網(wǎng)絡(luò)試驗結(jié)果

    對于網(wǎng)絡(luò)模型的評估分析,采用測試準(zhǔn)確率(Acc)、精確度(Pre)、召回率(Rec)、受試者工作特征曲線下面積(AUC)作為所選模型優(yōu)劣的評定指標(biāo)[14]。選定指標(biāo)計算公式為:

    (6)

    (7)

    (8)

    (9)

    式中:

    nTP——實際與預(yù)測都為正樣本的數(shù)量;

    nTN——實際與預(yù)測都為負樣本的數(shù)量;

    nFP——實際為負樣本預(yù)測為正樣本的數(shù)量;

    nFN——實際為正樣本預(yù)測為負樣本的數(shù)量。

    使用GoogLeNet-Mini對測試集(正常160張,臟污200張,破損150張)進行檢測,得到分類檢測混淆矩陣如圖8所示,其中正常與臟污圖像各7張被誤分為破損,破損圖像中有6張被誤認為臟污,1張被誤認為正常,按式(6)~式(9)分別計算正常、臟污、破損三分類的準(zhǔn)確度、精確度、召回率及AUC,結(jié)果見表2。

    圖8 測試集混合矩陣圖

    由表2可知,GoogLeNet-Mini網(wǎng)絡(luò)對正常的鴨蛋檢測效果最好,準(zhǔn)確率達98.43%,臟污鴨蛋檢測準(zhǔn)確率為97.45%,破損鴨蛋檢測準(zhǔn)確率為95.88%,3種分類檢測準(zhǔn)確度均能達到生產(chǎn)企業(yè)要求。破損類準(zhǔn)確度偏低可能是由于拍攝角度與鴨蛋旋轉(zhuǎn)導(dǎo)致部分破損類圖像中破損信息被邊緣化未占據(jù)圖像信息主體,使得網(wǎng)絡(luò)產(chǎn)生誤判。后續(xù)可通過增加拍攝角度進一步提高破損檢測準(zhǔn)確率。

    表2 各類鴨蛋的檢測結(jié)果

    為了進一步評價GoogLeNet-Mini網(wǎng)絡(luò)的缺陷檢測有效范圍,試驗重新篩選一批臟污鴨蛋與破損鴨蛋數(shù)據(jù),通過opencv的閾值分割和邊緣檢測算法分別對鴨蛋的臟污和破損部位進行特征提取,并計算面積(圖9),按缺陷面積所占整個鴨蛋面積的比重分為4種類別。使用GoogLeNet-Mini進行檢測,得到臟污鴨蛋與破損鴨蛋的檢測結(jié)果分別見表3與表4。

    圖9 鴨蛋臟污與破損特征的面積占比

    表3 不同面積的臟污鴨蛋檢測結(jié)果

    表4 不同面積的破損鴨蛋檢測結(jié)果

    由表3可知,當(dāng)臟污面積>5%時,準(zhǔn)確率超過94.74%。由表4可知,當(dāng)破損面積>2%時,準(zhǔn)確率超過93.38%。故文章提出的GoogLeNet-Mini網(wǎng)絡(luò)較適用于檢測臟污面積>5%,破損面積>2%的鴨蛋。

    4 結(jié)論

    運用改進后的卷積神經(jīng)網(wǎng)絡(luò)GoogLeNet-Mini對鴨蛋的表面缺陷進行了檢測,相比于傳統(tǒng)機器上視覺算法更加方便準(zhǔn)確,不需要依賴人工提取圖像特征。GoogLeNet-Mini、GoogLeNet、VGG16、AlexNet 4種網(wǎng)絡(luò)的測試準(zhǔn)確率為別為95.88%,94.16%,92.75%,85.43%,其中GoogLeNet-Mini網(wǎng)絡(luò)效果最優(yōu),且網(wǎng)絡(luò)模型參數(shù)更少,一定程度上減少了過擬合。GoogLeNet-Mini對正常、臟污、破損的檢測準(zhǔn)確率分別為98.43%,97.45%,95.88%,滿足企業(yè)檢測準(zhǔn)確度要求。GoogLeNet-Mini網(wǎng)絡(luò)較適用于檢測臟污面積>5%,破損面積>2%的鴨蛋。

    猜你喜歡
    檢測模型
    一半模型
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    3D打印中的模型分割與打包
    小波變換在PCB缺陷檢測中的應(yīng)用
    狂野欧美激情性xxxx| 日韩大尺度精品在线看网址| 18美女黄网站色大片免费观看| 日本黄色视频三级网站网址| 老司机靠b影院| 一进一出抽搐gif免费好疼| 最好的美女福利视频网| 日本 av在线| 九色成人免费人妻av| 亚洲精品美女久久av网站| 我要搜黄色片| 久久九九热精品免费| 人妻久久中文字幕网| 国产99久久九九免费精品| 国内精品一区二区在线观看| 亚洲一区二区三区色噜噜| av在线播放免费不卡| 亚洲中文av在线| 精品国产乱码久久久久久男人| 久久久水蜜桃国产精品网| а√天堂www在线а√下载| tocl精华| 日本一区二区免费在线视频| 天堂影院成人在线观看| 波多野结衣巨乳人妻| 午夜日韩欧美国产| 精品福利观看| 久久久久久免费高清国产稀缺| 国产三级中文精品| 国内揄拍国产精品人妻在线| 免费电影在线观看免费观看| 欧美日韩乱码在线| 国产欧美日韩一区二区精品| 桃红色精品国产亚洲av| 午夜精品在线福利| 两人在一起打扑克的视频| 欧美另类亚洲清纯唯美| 正在播放国产对白刺激| 国产精品久久电影中文字幕| 在线看三级毛片| 亚洲一区高清亚洲精品| x7x7x7水蜜桃| 后天国语完整版免费观看| 久久久久久久精品吃奶| 天天添夜夜摸| 亚洲aⅴ乱码一区二区在线播放 | xxx96com| 精品久久久久久久人妻蜜臀av| 亚洲精品中文字幕在线视频| 琪琪午夜伦伦电影理论片6080| av福利片在线| netflix在线观看网站| 久久精品人妻少妇| 黄色视频,在线免费观看| 黄色片一级片一级黄色片| 精品国产乱子伦一区二区三区| 中文亚洲av片在线观看爽| 国产av一区二区精品久久| 亚洲aⅴ乱码一区二区在线播放 | 国产高清激情床上av| 亚洲精品中文字幕一二三四区| 性欧美人与动物交配| 女人爽到高潮嗷嗷叫在线视频| 好男人电影高清在线观看| 国产三级黄色录像| 免费在线观看亚洲国产| 特级一级黄色大片| 亚洲乱码一区二区免费版| 视频区欧美日本亚洲| 亚洲人成电影免费在线| 在线观看舔阴道视频| 女人高潮潮喷娇喘18禁视频| 岛国在线免费视频观看| 欧美中文综合在线视频| 激情在线观看视频在线高清| 国产精品一及| 国产熟女午夜一区二区三区| 人人妻人人看人人澡| 日韩欧美 国产精品| 美女高潮喷水抽搐中文字幕| 精品欧美国产一区二区三| 观看免费一级毛片| 最近在线观看免费完整版| 精品国内亚洲2022精品成人| 2021天堂中文幕一二区在线观| 久久中文字幕一级| 欧美日韩亚洲国产一区二区在线观看| 白带黄色成豆腐渣| 少妇人妻一区二区三区视频| 老鸭窝网址在线观看| 日本三级黄在线观看| 女同久久另类99精品国产91| 床上黄色一级片| av福利片在线| 少妇熟女aⅴ在线视频| 啦啦啦免费观看视频1| а√天堂www在线а√下载| 欧美日韩亚洲国产一区二区在线观看| 在线观看www视频免费| www.999成人在线观看| 99在线视频只有这里精品首页| 日日夜夜操网爽| 大型黄色视频在线免费观看| 国产日本99.免费观看| netflix在线观看网站| 欧美av亚洲av综合av国产av| 亚洲五月婷婷丁香| 中文字幕av在线有码专区| 此物有八面人人有两片| 岛国在线免费视频观看| 亚洲国产中文字幕在线视频| 一级毛片高清免费大全| 久热爱精品视频在线9| 国产精品久久久av美女十八| 国产成人影院久久av| 亚洲欧洲精品一区二区精品久久久| 亚洲成人免费电影在线观看| 淫秽高清视频在线观看| 亚洲精品国产一区二区精华液| 日本成人三级电影网站| 日韩三级视频一区二区三区| www.熟女人妻精品国产| 在线观看免费视频日本深夜| 久久精品影院6| 国产成人aa在线观看| 国产熟女xx| 国产成人系列免费观看| 色精品久久人妻99蜜桃| 精品一区二区三区av网在线观看| 国产男靠女视频免费网站| 亚洲av第一区精品v没综合| 欧美另类亚洲清纯唯美| 麻豆久久精品国产亚洲av| 国产黄a三级三级三级人| 18禁黄网站禁片午夜丰满| 欧美乱码精品一区二区三区| 草草在线视频免费看| 1024视频免费在线观看| 亚洲av中文字字幕乱码综合| 啦啦啦免费观看视频1| 18美女黄网站色大片免费观看| 久久久久久久久免费视频了| 国产亚洲精品第一综合不卡| 丝袜人妻中文字幕| 午夜日韩欧美国产| 久久婷婷人人爽人人干人人爱| 嫁个100分男人电影在线观看| 国产探花在线观看一区二区| 国产在线观看jvid| 91国产中文字幕| 精品久久久久久久人妻蜜臀av| 在线视频色国产色| 久久久久九九精品影院| 91在线观看av| 精品乱码久久久久久99久播| 99久久精品国产亚洲精品| 特级一级黄色大片| АⅤ资源中文在线天堂| 精品欧美一区二区三区在线| 成人av一区二区三区在线看| 色播亚洲综合网| 精品一区二区三区av网在线观看| 日韩欧美精品v在线| 99久久无色码亚洲精品果冻| 亚洲av片天天在线观看| 丁香欧美五月| 18禁黄网站禁片午夜丰满| 天天一区二区日本电影三级| 19禁男女啪啪无遮挡网站| 桃色一区二区三区在线观看| 精品一区二区三区视频在线观看免费| 久久中文字幕一级| 亚洲欧美日韩高清在线视频| 啦啦啦免费观看视频1| 两性夫妻黄色片| 亚洲精品av麻豆狂野| 无遮挡黄片免费观看| 日韩高清综合在线| 在线国产一区二区在线| 国内揄拍国产精品人妻在线| x7x7x7水蜜桃| 日韩中文字幕欧美一区二区| 亚洲九九香蕉| 欧美久久黑人一区二区| 午夜福利在线在线| 香蕉国产在线看| 9191精品国产免费久久| 日韩欧美三级三区| 可以免费在线观看a视频的电影网站| 精品少妇一区二区三区视频日本电影| 久久久久久大精品| 亚洲天堂国产精品一区在线| 久久国产乱子伦精品免费另类| 色精品久久人妻99蜜桃| 韩国av一区二区三区四区| 久久亚洲精品不卡| 老司机午夜十八禁免费视频| 中文亚洲av片在线观看爽| 嫩草影院精品99| 欧美中文综合在线视频| 国产亚洲精品第一综合不卡| 一级作爱视频免费观看| 岛国在线观看网站| 久久久精品欧美日韩精品| 欧洲精品卡2卡3卡4卡5卡区| 女人高潮潮喷娇喘18禁视频| 久久香蕉激情| 麻豆成人av在线观看| 国产一区二区激情短视频| 精品欧美一区二区三区在线| 波多野结衣高清无吗| 欧美成人一区二区免费高清观看 | 亚洲专区中文字幕在线| 久久精品成人免费网站| 99国产精品一区二区三区| 国产91精品成人一区二区三区| 精品无人区乱码1区二区| av福利片在线观看| 一个人免费在线观看电影 | 999久久久精品免费观看国产| 亚洲九九香蕉| 99国产精品99久久久久| 免费av毛片视频| 久久这里只有精品19| 欧美精品亚洲一区二区| 国产亚洲精品久久久久5区| 两个人看的免费小视频| 啪啪无遮挡十八禁网站| 亚洲av中文字字幕乱码综合| 亚洲精品色激情综合| 最新在线观看一区二区三区| 国产精品综合久久久久久久免费| 俺也久久电影网| 久久久久免费精品人妻一区二区| 麻豆国产97在线/欧美 | 亚洲精品一区av在线观看| 亚洲精品久久国产高清桃花| 亚洲va日本ⅴa欧美va伊人久久| 亚洲18禁久久av| 国产v大片淫在线免费观看| 老汉色∧v一级毛片| 欧美在线一区亚洲| 中文资源天堂在线| 19禁男女啪啪无遮挡网站| 亚洲国产精品久久男人天堂| 亚洲国产精品sss在线观看| 久久精品成人免费网站| 成人国产综合亚洲| 精品国产乱码久久久久久男人| 美女黄网站色视频| 在线观看免费日韩欧美大片| 欧美日本视频| av有码第一页| 免费在线观看日本一区| 在线免费观看的www视频| 免费看日本二区| 悠悠久久av| 国产精品久久视频播放| 岛国在线观看网站| 国产黄色小视频在线观看| 国产av麻豆久久久久久久| 免费av毛片视频| 亚洲成a人片在线一区二区| 国产一级毛片七仙女欲春2| 欧美日韩乱码在线| 亚洲午夜理论影院| 亚洲国产欧美人成| 一级毛片女人18水好多| 色综合亚洲欧美另类图片| 又爽又黄无遮挡网站| 成人av一区二区三区在线看| 午夜精品在线福利| 精品国产亚洲在线| 国产成人影院久久av| 亚洲最大成人中文| 一个人免费在线观看的高清视频| 日日夜夜操网爽| 国产91精品成人一区二区三区| 成年女人毛片免费观看观看9| 久久久久久九九精品二区国产 | 国产一级毛片七仙女欲春2| 亚洲国产欧美一区二区综合| 欧美精品啪啪一区二区三区| 日本a在线网址| 波多野结衣巨乳人妻| 在线永久观看黄色视频| 国产成人一区二区三区免费视频网站| 国产亚洲精品久久久久久毛片| 欧美zozozo另类| 久久精品国产综合久久久| 深夜精品福利| 久久久久久久久免费视频了| 国产精品久久久久久精品电影| 1024手机看黄色片| 免费无遮挡裸体视频| 天天添夜夜摸| 看黄色毛片网站| 国产91精品成人一区二区三区| 首页视频小说图片口味搜索| 亚洲真实伦在线观看| 欧美成狂野欧美在线观看| 色老头精品视频在线观看| 极品教师在线免费播放| 久久久久免费精品人妻一区二区| 欧美性猛交╳xxx乱大交人| 免费观看精品视频网站| 男女床上黄色一级片免费看| 中文在线观看免费www的网站 | 高潮久久久久久久久久久不卡| 男女做爰动态图高潮gif福利片| 可以免费在线观看a视频的电影网站| 欧美又色又爽又黄视频| 成人av在线播放网站| 熟女电影av网| 久久天躁狠狠躁夜夜2o2o| 国产免费男女视频| 亚洲av电影在线进入| 淫妇啪啪啪对白视频| 一区福利在线观看| 桃色一区二区三区在线观看| 久久久久亚洲av毛片大全| 亚洲成av人片免费观看| 国产精品98久久久久久宅男小说| 99国产精品一区二区蜜桃av| 欧美不卡视频在线免费观看 | 国产精品亚洲一级av第二区| 亚洲精品久久国产高清桃花| 精品少妇一区二区三区视频日本电影| 亚洲精华国产精华精| 国产精品一区二区三区四区免费观看 | 色噜噜av男人的天堂激情| 夜夜爽天天搞| 可以在线观看毛片的网站| 欧美又色又爽又黄视频| 久久久久九九精品影院| 成人永久免费在线观看视频| 国产免费av片在线观看野外av| 久99久视频精品免费| 又黄又粗又硬又大视频| 久久久水蜜桃国产精品网| 成年免费大片在线观看| 久久精品91蜜桃| 亚洲av电影在线进入| 欧美中文综合在线视频| 日韩欧美国产一区二区入口| 一级片免费观看大全| 精品第一国产精品| 18禁黄网站禁片免费观看直播| 国产成人影院久久av| 中文字幕av在线有码专区| av在线播放免费不卡| 好男人在线观看高清免费视频| 99久久99久久久精品蜜桃| 男女下面进入的视频免费午夜| 制服诱惑二区| 亚洲色图av天堂| 亚洲精品粉嫩美女一区| 国产av一区在线观看免费| 一进一出抽搐gif免费好疼| 毛片女人毛片| 日本黄大片高清| 91国产中文字幕| 一区二区三区激情视频| 午夜精品在线福利| 国产精品综合久久久久久久免费| 国产成人av教育| 日本免费一区二区三区高清不卡| 在线观看免费午夜福利视频| 波多野结衣高清无吗| 非洲黑人性xxxx精品又粗又长| 久久精品人妻少妇| 成年免费大片在线观看| 色在线成人网| 精品久久蜜臀av无| 国产真人三级小视频在线观看| 少妇的丰满在线观看| 亚洲欧美日韩无卡精品| 99久久综合精品五月天人人| 日韩精品免费视频一区二区三区| 亚洲第一电影网av| 丰满人妻一区二区三区视频av | 免费看十八禁软件| 在线观看www视频免费| 久久性视频一级片| 每晚都被弄得嗷嗷叫到高潮| 午夜老司机福利片| 此物有八面人人有两片| 亚洲欧美激情综合另类| 听说在线观看完整版免费高清| 看片在线看免费视频| 久久精品综合一区二区三区| 好看av亚洲va欧美ⅴa在| 天天添夜夜摸| 少妇熟女aⅴ在线视频| 大型av网站在线播放| 老司机在亚洲福利影院| 久久精品91无色码中文字幕| 夜夜看夜夜爽夜夜摸| 禁无遮挡网站| 999久久久国产精品视频| 热99re8久久精品国产| 99国产极品粉嫩在线观看| 非洲黑人性xxxx精品又粗又长| 99国产极品粉嫩在线观看| 国产97色在线日韩免费| 国产野战对白在线观看| 亚洲第一欧美日韩一区二区三区| 一区福利在线观看| 国产片内射在线| 亚洲成人国产一区在线观看| 成人一区二区视频在线观看| a级毛片a级免费在线| 亚洲国产日韩欧美精品在线观看 | 亚洲18禁久久av| 啦啦啦韩国在线观看视频| 国产精品九九99| 精品国内亚洲2022精品成人| 淫秽高清视频在线观看| 亚洲一区二区三区不卡视频| 亚洲一码二码三码区别大吗| 又紧又爽又黄一区二区| 亚洲成av人片免费观看| 国产三级中文精品| 夜夜夜夜夜久久久久| 欧美av亚洲av综合av国产av| svipshipincom国产片| 亚洲成人国产一区在线观看| 成人欧美大片| 丝袜美腿诱惑在线| 成年版毛片免费区| 成年人黄色毛片网站| 久久婷婷成人综合色麻豆| 欧美日韩福利视频一区二区| 男女午夜视频在线观看| 国产成人啪精品午夜网站| 香蕉av资源在线| 毛片女人毛片| 麻豆成人av在线观看| 人成视频在线观看免费观看| 亚洲欧美精品综合一区二区三区| 91国产中文字幕| 国产精品综合久久久久久久免费| 最新在线观看一区二区三区| 婷婷六月久久综合丁香| 黑人欧美特级aaaaaa片| a级毛片a级免费在线| 欧美乱色亚洲激情| 日本 欧美在线| 国产亚洲精品久久久久久毛片| 真人一进一出gif抽搐免费| 日本免费一区二区三区高清不卡| 性欧美人与动物交配| 欧美黑人精品巨大| 久久久精品大字幕| 欧美性猛交╳xxx乱大交人| 亚洲国产精品合色在线| 国产精华一区二区三区| 伊人久久大香线蕉亚洲五| 少妇的丰满在线观看| 草草在线视频免费看| 亚洲在线自拍视频| videosex国产| 国产精品一区二区三区四区免费观看 | 亚洲片人在线观看| 国产人伦9x9x在线观看| 久久精品国产亚洲av香蕉五月| 又爽又黄无遮挡网站| av天堂在线播放| 在线观看日韩欧美| 色哟哟哟哟哟哟| 日韩大码丰满熟妇| 亚洲专区国产一区二区| 老鸭窝网址在线观看| 岛国在线观看网站| 亚洲一码二码三码区别大吗| 又黄又爽又免费观看的视频| 亚洲一码二码三码区别大吗| 国内精品一区二区在线观看| 国产高清有码在线观看视频 | 中文字幕人成人乱码亚洲影| 欧美中文日本在线观看视频| 久久久国产欧美日韩av| 97超级碰碰碰精品色视频在线观看| 少妇粗大呻吟视频| 一本一本综合久久| 麻豆久久精品国产亚洲av| 久久九九热精品免费| 又紧又爽又黄一区二区| 99riav亚洲国产免费| 黑人巨大精品欧美一区二区mp4| 中亚洲国语对白在线视频| 国产精品一区二区精品视频观看| 国产精品 国内视频| 欧美激情久久久久久爽电影| 大型av网站在线播放| 欧美激情久久久久久爽电影| 中国美女看黄片| 大型黄色视频在线免费观看| 蜜桃久久精品国产亚洲av| 亚洲av成人av| 亚洲专区字幕在线| 国产精华一区二区三区| 久久人人精品亚洲av| 日本三级黄在线观看| 女生性感内裤真人,穿戴方法视频| 99国产精品一区二区三区| 在线观看午夜福利视频| 人人妻,人人澡人人爽秒播| 久久伊人香网站| 国产亚洲欧美在线一区二区| 婷婷亚洲欧美| 亚洲人成电影免费在线| 国产精品香港三级国产av潘金莲| 一级毛片女人18水好多| 亚洲av熟女| 国产精品亚洲一级av第二区| 97超级碰碰碰精品色视频在线观看| 久久99热这里只有精品18| 窝窝影院91人妻| 大型av网站在线播放| 亚洲成人久久性| 精品日产1卡2卡| 欧美黑人欧美精品刺激| 无限看片的www在线观看| 午夜福利视频1000在线观看| 久久人人精品亚洲av| 久久人妻av系列| 亚洲狠狠婷婷综合久久图片| 欧美日韩精品网址| 一进一出抽搐动态| 国产精品久久久人人做人人爽| 成人精品一区二区免费| 1024视频免费在线观看| 亚洲真实伦在线观看| 91大片在线观看| 叶爱在线成人免费视频播放| 在线观看www视频免费| 欧美中文日本在线观看视频| 亚洲熟妇中文字幕五十中出| 老司机深夜福利视频在线观看| 香蕉国产在线看| 18禁黄网站禁片免费观看直播| 精品国产乱子伦一区二区三区| 久久精品国产亚洲av高清一级| 黄色 视频免费看| 欧美极品一区二区三区四区| 亚洲熟妇熟女久久| 精品福利观看| x7x7x7水蜜桃| 日韩欧美三级三区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲欧美日韩高清专用| 精华霜和精华液先用哪个| 啦啦啦韩国在线观看视频| 色播亚洲综合网| 日韩精品青青久久久久久| 级片在线观看| 少妇裸体淫交视频免费看高清 | 日本 欧美在线| 神马国产精品三级电影在线观看 | 亚洲av日韩精品久久久久久密| 亚洲专区国产一区二区| 桃色一区二区三区在线观看| 亚洲男人天堂网一区| 国产精品乱码一区二三区的特点| 在线观看日韩欧美| 国产精品久久久人人做人人爽| 91九色精品人成在线观看| 十八禁人妻一区二区| 欧美日本亚洲视频在线播放| 欧美一级a爱片免费观看看 | 我的老师免费观看完整版| 亚洲avbb在线观看| 国产亚洲欧美在线一区二区| 在线观看免费视频日本深夜| x7x7x7水蜜桃| 亚洲精品色激情综合| 欧美日韩瑟瑟在线播放| 在线观看日韩欧美| 国产欧美日韩一区二区三| 国产精品亚洲美女久久久| 麻豆国产av国片精品| 国产精品av视频在线免费观看| 中文字幕高清在线视频| 亚洲五月婷婷丁香| 午夜福利欧美成人| 欧美高清成人免费视频www| 老鸭窝网址在线观看| 最好的美女福利视频网| 免费观看精品视频网站| 色精品久久人妻99蜜桃| 日韩成人在线观看一区二区三区| 可以在线观看毛片的网站| 免费看十八禁软件| 丁香欧美五月| 一区二区三区国产精品乱码| 国产精华一区二区三区| 男女下面进入的视频免费午夜| 黄色毛片三级朝国网站| 国产精品久久视频播放| 在线视频色国产色| 99国产精品99久久久久| 久久性视频一级片| avwww免费| 亚洲真实伦在线观看| 精品国产乱子伦一区二区三区| 一级片免费观看大全| 亚洲成人精品中文字幕电影| 丁香六月欧美| 日本一二三区视频观看| 男女下面进入的视频免费午夜| 国产亚洲精品av在线| 麻豆成人午夜福利视频| 午夜免费观看网址| 欧美精品啪啪一区二区三区|