• <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 ?

    基于深度學習的白喉烏頭與牧草高精度分類研究

    2021-08-02 15:54:56范宏劉素紅陳吉軍沈江龍喬雪麗鄭江華
    江蘇農(nóng)業(yè)科學 2021年12期
    關鍵詞:卷積神經(jīng)網(wǎng)絡圖像識別牧草

    范宏 劉素紅 陳吉軍 沈江龍 喬雪麗 鄭江華

    摘要:采用無人機獲取白喉烏頭危害草原區(qū)的1 cm空間分辨率的無人機數(shù)字正射影像,分別在5×5、10×10、20×20、40×40、80×80像素5個尺度下選取白喉烏頭和普通牧草2類訓練樣本,使用VGG16、VGG19、ResNet50等3種模型對圖像切片的特征進行學習,以獲取圖像切片的深層特征,進而實現(xiàn)對2類地物的分類提取。對比5個分割尺度下3種模型得到的分類精度,發(fā)現(xiàn)不同的分割尺度對分類精度有明顯影響,隨著分割尺度的增加分類精度呈現(xiàn)出先升高再降低的趨勢,在40×40像素尺度下3種方法都得到了最高的分類精度,分別為95.31%、96.88%、93.75%,白喉烏頭的分類驗證精度分別為86.52%、92.77%、93.81%。對分類結(jié)果進行分析發(fā)現(xiàn),在40×40像素的尺度下對應的地面實際范圍是40 cm×40 cm,與白喉烏頭的單株長寬接近,能較好地提取白喉烏頭整株的深層特征。

    關鍵詞:卷積神經(jīng)網(wǎng)絡;毒害草;無人機影像;圖像識別;白喉烏頭;牧草

    中圖分類號: TP391.41;S127文獻標志碼: A

    文章編號:1002-1302(2021)12-0173-08

    收稿日期:2020-11-06

    基金項目:新疆維吾爾自治區(qū)高??蒲杏媱潱ň幪枺篨JEDU2019I010);2018年新疆治蝗滅鼠指揮辦公室委托項目。

    作者簡介:范 宏(1994—),男,安徽阜陽人,碩士研究生,主要研究方向為遙感與草原災害防治。E-mail:1025288556@qq.com。

    通信作者:鄭江華,博士,教授,博士生導師,主要研究方向為遙感與地理信息系統(tǒng)應用研究。E-mail:zheng_jianghua@126.com。

    天然草原是發(fā)展畜牧業(yè)的基礎,近年來過度放牧和不合理開發(fā)以及氣候變化等因素,導致新疆伊犁河谷天然草地大面積退化,毒害草大量繁殖和蔓延,可食牧草生產(chǎn)力下降,加劇了草畜矛盾,嚴重影響了當?shù)匦竽翗I(yè)生產(chǎn)和草原生態(tài)平衡,毒害草已成為新疆伊犁草原的隱形殺手[1]。目前我國草原毒害草災害監(jiān)測主要依靠人工實地調(diào)查、現(xiàn)場取樣等方式,不僅耗時、費力,且存在代表性、時效性差和主觀性強等弊端,難以對毒害草的危害程度進行準確判斷和對其危害范圍進行預估[2]。

    草原毒害草的識別檢測主要包括地面檢測和遙感檢測[3]。遙感技術(shù)在草原毒害草的識別上主要是依據(jù)植被的光譜特征,根據(jù)植物在紅光波段、近紅外波段、中紅外波段以及遠紅外波段對光譜的吸收反射特征來區(qū)分不同的植被進而識別出所要檢測的毒害草[4-5]。郭芬芬等使用2012年的HJ-IA衛(wèi)星超光譜成像儀(HSI)的高光譜數(shù)據(jù),在西藏申扎縣根據(jù)多種類型草地的光譜特性進行了其分布范圍的提取[6]。溫阿敏等采用GF-1衛(wèi)星WFV傳感器獲取的多光譜遙感影像結(jié)合其光譜特征對新疆伊寧縣的白喉烏頭進行識別,驗證了WFV數(shù)據(jù)在草原毒害草白喉烏頭監(jiān)測中的可行性[2]。杜欣等在深圳市東部利用高分辨率Pléiades遙感衛(wèi)星影像,結(jié)合光譜、地形及紋理信息,采用投影尋蹤學習網(wǎng)絡的方法,實現(xiàn)了植物分類[7]。

    無人機技術(shù)的發(fā)展,也為毒害草的識別監(jiān)測研究提供了高精度的數(shù)據(jù)支持[8]。其中,無人機可見光遙感影像只包含了RGB 3個通道,能夠利用的光譜信息非常匱乏[9],因受限于傳感器通道數(shù),使得在利用其數(shù)據(jù)進行圖像分類時有很大困難[10]。通過對比白喉烏頭和普通牧草在可見光光譜范圍內(nèi)的光譜曲線發(fā)現(xiàn),二者在可見光波段范圍的光譜特征較為相似,加大了無人機遙感中白喉烏頭的提取難度,采用傳統(tǒng)的像素統(tǒng)計方法很難達到白喉烏頭與普通牧草的分離,會造成大量像元混分[11]。

    卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,簡稱CNN)是一種能夠進行深度學習的人工神經(jīng)網(wǎng)絡系統(tǒng)[12]。和傳統(tǒng)的圖像分類方式相比,卷積神經(jīng)網(wǎng)絡能夠通過控制卷積核大小對更大范圍的圖像信息進行提取,而無須對圖像中單個像元進行信息提取,與人類的視覺神經(jīng)系統(tǒng)能夠?qū)D像進行更深層次的抽象化處理類似,進而對原始圖像進行分類得到分類結(jié)果。卷積神經(jīng)網(wǎng)絡方法相較于傳統(tǒng)神經(jīng)網(wǎng)絡使用了局部感受野和空間采樣技術(shù)以及權(quán)值共享,這樣可減少大量參數(shù),能夠更好地進行特征提取,增強了其適用性,泛化能力也更強[13]。卷積神經(jīng)網(wǎng)絡的基本網(wǎng)絡結(jié)構(gòu)可以分為輸入層、卷積層、全連接層和輸出層4部分[14]。

    無人機影像數(shù)據(jù)的空間分辨率相對較高,從圖像識別角度考慮,利用深度學習對無人機影像進行特征提取和地物識別,得到了草原毒害草分布情況[15]。目標特征的提取來源于圖像信息,包括目標的光譜信息、形狀信息、紋理信息等,關鍵在于將圖像信息與目標本身的特點結(jié)合。

    研究區(qū)普通牧草成片分布,白喉烏頭散布其中,其具有一定高度且存在陰影。但是白喉烏頭光譜與牧草光譜在可見光范圍內(nèi)高度重合,易混淆面狀地物目標。針對研究區(qū)內(nèi)白喉烏頭與牧草的類間邊界模糊、光譜相似等問題,本研究提出了一種基于卷積神經(jīng)網(wǎng)絡自動提取圖像切片特征對白喉烏頭和普通牧草進行區(qū)分的方法,并對識別時切片尺度大小的選擇進行了探討。首先對無人機影像按不同的切分尺度進行規(guī)則分割,得到相應的圖像切片[16],然后利用基于CNN的VGG16、VGG19、ResNet50模型[17]對圖像切片的圖像特征進行學習[18],從而實現(xiàn)對白喉烏頭與普通牧草的分類,根據(jù)試驗結(jié)果得到最佳的切分尺度。

    1 研究區(qū)與數(shù)據(jù)

    1.1 研究區(qū)概況

    研究區(qū)為新疆那拉提草原,地處天山腹地,位于被譽為“塞外江南”的伊犁河谷東端,地理位置為85°17′~85°28′E、43°01′~43°15′N,總面積960 km2(圖1)。屬于大陸性半干旱氣候,夏季炎熱、冬天寒冷,春季氣溫升高快、秋季氣溫降低亦快,春季氣溫明顯高于冬季。該地區(qū)平均海拔1 800 m,年降水量為880 mm,年平均氣溫在 20 ℃左右。主要土壤類型有高山草甸土、山地黑鈣土、灰褐色森林土等。那拉提草原草地類型為山地高寒草甸,常見的植被有白喉烏頭(Aconitum leucostomum)、草原老鸛草(Geranium pratense)、箭 頭 唐 松 草(Thalictrum simplex)、鴨茅(Dactylis glomerata)、無芒雀麥(Bromus inermis)和巨序翦股穎(Agrostis gigantea)等[19]。

    1.2 數(shù)據(jù)來源

    本研究所采用的數(shù)據(jù)為大疆精靈Phantom 4 Pro V2.0型四旋翼無人機影像數(shù)據(jù),相機使用2.54 cm(CMOS)傳感器,拍攝時間為2019年7月16日,地點為新疆那拉提草原南緣,研究區(qū)域植被類型為草原和林地,地勢較為平坦。研究區(qū)無人機(UAV)影像分辨率為0.01 m,飛行高度為 30 m,共獲取2 891幅無人機影像。無人機參數(shù)與相機參數(shù)如表1所示。

    2 原理與方法

    2.1 網(wǎng)絡模型

    本研究選用的CNN模型是在ImageNet數(shù)據(jù)集上預訓練好的VGG16、VGG19、ResNet50模型。利用SGD和AdaGrad優(yōu)化算法[20],對網(wǎng)絡參數(shù)進行微調(diào)。VGGNet網(wǎng)絡[21]是在AlexNet網(wǎng)絡[22]的設計基礎上進一步發(fā)展而來的,其主要貢獻之一是將網(wǎng)絡的深度增加到16~19層[17],并且網(wǎng)絡設計使用了非常小的 3×3 的卷積核。其中VGG16模型包含3個全連接層和13個卷積層,共16層;VGG19與VGG16結(jié)構(gòu)相似,有3個全連接層(Fully connected+ReLU)和16個卷積層(Convolution+ReLU),共19層(圖2)。

    ResNet是2015年何凱明提出的CNN結(jié)構(gòu)模型,在ImageNet Large Scale Visual Recognition Challenge 2015(ILSVRC2015)會議中該方法以152層的網(wǎng)絡模型將錯誤率降低到了3.75%,并且排名第一[23]。ResNet 50是一種更加容易被優(yōu)化的模型,是基于已有訓練深度網(wǎng)絡提出的一種減輕了網(wǎng)絡訓練負擔的殘差學習框架,它可以在網(wǎng)絡深度增加的同時讓精度也得到增加[24]。ResNet模型利用層次更深的網(wǎng)絡解決了訓練誤差隨網(wǎng)絡層數(shù)的增加而增加的問題[25]。相比于VGGNet網(wǎng)絡,ResNet50包含了49個卷積層和1個全連接層,共50層,它的網(wǎng)絡結(jié)構(gòu)更為龐大(圖3)。

    2.2 研究方法

    本研究通過對無人機影像進行多個尺度下的規(guī)則切分,獲取多個尺度的圖像切片,然后構(gòu)建所需的數(shù)據(jù)集,包含訓練樣本集、測試樣本集、驗證數(shù)據(jù)集及白喉烏頭、普通牧草2類目標樣本(圖4)。將制作完成的數(shù)據(jù)集使用VGGNet模型和ResNet模型進行訓練,通過訓練得到各尺度下圖像切片的圖像特征,以優(yōu)化網(wǎng)絡模型;本次研究的深度卷積網(wǎng)絡選用VGG16、VGG19、ResNet50等3種深度學習模型。完成訓練之后對驗證數(shù)據(jù)集的圖像進行分類,得到分類結(jié)果,最后利用抽樣法對得到的分類結(jié)果進行精度驗證, 同時與傳統(tǒng)的2種分類方法

    進行對比分析。

    2.2.1 數(shù)據(jù)集構(gòu)建

    白喉烏頭危害區(qū)內(nèi)的無人機影像中主要包含牧草和白喉烏頭2類地物。由于2類地物在可見光光譜范圍內(nèi)差異很小和類間邊界模糊等特點,若采用傳統(tǒng)的像元級監(jiān)督分類會造成極大的混淆;采用面向?qū)ο蟮姆诸惙椒?,很難正確地找到2類地物的邊界,分類結(jié)果也很不理想。根據(jù)2類地物的空間分布特點,結(jié)合影像的空間分辨率與地物目標的大小采用不同的切割尺度對影像進行切分。首先對影像進行目視解譯,分別選取2類地物的樣本各240個,按照3 ∶1隨機分為訓練樣本集和驗證樣本集;按照與訓練樣本集、測試樣本集對應的切割尺度對影像進行規(guī)則切分,構(gòu)成測試數(shù)據(jù)集。通過提取不同尺度下圖像切片特征對測試數(shù)據(jù)集進行識別,然后為識別后的圖像切片賦予不同的標簽,以達到對影像的分類提取。

    2.2.2 分類精度驗證

    通過試驗得到分類結(jié)果,對分類后的圖像采用抽樣法來進行分類精度的驗證。利用系統(tǒng)抽樣的方法進行樣本抽取[26],以保證被抽樣的樣點在圖像上能夠均勻分布。首先確定抽樣的間隔,再隨機確定1個樣本在第1段內(nèi),然后按相等間隔選取后續(xù)樣本。最后通過目視解譯對比野外實地照片和無人機影像,來確定樣本是否分類正確,再通過計算得到試驗的分類精度。

    2.2.3 分類結(jié)果對比

    將深度學習得到的分類結(jié)果與基于支持向量機(SVM)分類、最大似然分類2種方法的分類結(jié)果進行對比,通過人工目視解譯來判斷3種模型在5個尺度下的分類測試結(jié)果與2種監(jiān)督分類方法的正確性,找到最佳的圖像分割尺度和方法。

    3 試驗結(jié)果與分析

    3.1 數(shù)據(jù)集與預處理

    在綜合考慮影像空間分辨率和目標地物大小的基礎上,本研究選取了共5個尺度的數(shù)據(jù)集,分別是5×5、10×10、20×20、40×40、80×80像素。5個尺度下分別建立訓練數(shù)據(jù)集、測試數(shù)據(jù)集、驗證數(shù)據(jù)集。訓練數(shù)據(jù)集和測試數(shù)據(jù)集的構(gòu)建步驟如下:首先對影像進行人工目視解譯,分別選取2類地物樣本各240個;然后通過筆者所在研究團隊研發(fā)的圖像裁剪軟件(Extract-Interface V1.0)按坐標文件進行規(guī)則裁剪;最終將得到的圖像切片按照3 ∶1隨機分為訓練樣本集和測試樣本集。驗證數(shù)據(jù)集的構(gòu)建是選取1幅較大影像,通過圖像裁剪軟件按固定尺度進行規(guī)則裁剪。由于要避免數(shù)據(jù)量過大導致測試時間過長,故采用了不同大小的影像用來構(gòu)建測試數(shù)據(jù)集。在5×5像素尺度下選取1幅500×500像素的影像,裁剪得到10 000幅圖像切片;在10×10像素尺度下則選取1幅1 000×1 000像素的影像,裁剪得到10 000幅圖像切片;在20×20、40×40、80×80像素尺度下選取1幅2 000×2 000像素的影像,裁剪分別得到 10 000、2 500、625幅圖像切片。本研究的主要目標是對不同尺度下的白喉烏頭和普通牧草2類地物進行區(qū)分,選取的訓練樣本集展示如表2所示。

    3.2 結(jié)果與分析

    本次研究采用5種不同分割尺度的方案,結(jié)合基于CNN的VGGNet與ResNet模型將研究區(qū)內(nèi)的白喉烏頭與普通牧草進行區(qū)分。從分類的測試精度中可以看出,基于深度CNN的自動提取圖像特征的幾種方法在提取圖像的深層信息方面具有一定優(yōu)勢,能夠更好地綜合圖像的紋理、光譜、結(jié)構(gòu)等信息,對圖像的信息提取更加全面。如表3所示,隨著分割尺度的增加,分類精度大體呈現(xiàn)先增加再減小的趨勢。

    將規(guī)則分割的5個尺度的驗證數(shù)據(jù)集輸入15個通過訓練得到的優(yōu)化后的網(wǎng)絡模型,進行自動分類得到的分類結(jié)果見表4。

    在40×40像素尺度下3種模型分類精度較高,VGG16、VGG19、ResNet50模型的分類精度分別為95.31%、96.88%、93.75%。分析發(fā)現(xiàn),在40×40像素的尺度下對應的地面實際范圍是40 cm×40 cm,與白喉烏頭的單株長寬接近,在訓練樣本的選擇中圖像切片恰好覆蓋整株白喉烏頭,能較好地提取整株白喉烏頭的深層特征。從表4也可以看普通牧草 白喉烏頭出,在該尺度下3個網(wǎng)絡模型提取的白喉烏頭分布效果較好,基本覆蓋所有的白喉烏頭。在5×5像素尺度下,只能得到較少的白喉烏頭和牧草的光譜特征,在信息提取時,2類地物光譜差異很小,故分類精度很低,分別只有66.97%、66.41%、62.50%;3個網(wǎng)絡模型提取的白喉烏頭分布均較為雜亂,不能很好地表示白喉烏頭的空間分布(表4)。與5×5像素相比,在10×10像素尺度下的信息稍加豐富,在分類精度上有一定提升,分別為76.56%、72.66%、82.81%,但2類地物的相似性仍然很難區(qū)分,3個網(wǎng)絡模型的提取結(jié)果依然不理想,大量的牧草被識別為了白喉烏頭。在20×20像素尺度下,樣本已經(jīng)能覆蓋正常白喉烏頭的1/4和較小白喉烏頭的一半甚至全部,2類地物在該尺度下已經(jīng)可以明顯區(qū)分,分類精度有了明顯提升,分別為86.07%、86.07%、93.44%,其中ResNet50模型所得到的精度已經(jīng)非常接近其在40×40像素尺度下的分類精度,ResNet50模型所分出的白喉烏頭已經(jīng)很接近真實的白喉烏頭分布,另外2個模型較差。在80×80像素尺度下,其分類精度分別為95.31%、94.31%、82.93%。從訓練樣本可以看出,樣本圖像切片包含了白喉烏頭和其周圍牧草的信息,有一定的信息混雜,在分類精度上VGG16和VGG19模型與上一尺度的分類精度相比變化很小,在ResNet50模型中,其精度下降較為明顯,從93.75%下降到82.93%。大部分白喉烏頭都已被識別出,但由于切割尺度問題,有些較小而孤立的白喉烏頭沒有被區(qū)分出來,同時大量的牧草也被識別為白喉烏頭。

    綜上所述,模型的分類精度與其訓練樣本尺度的選擇之間可能具有較大的關聯(lián)。對分類結(jié)果分析發(fā)現(xiàn),當訓練樣本的尺度能恰好完整地包含目標地物時,可以更好地提取其深層特征,對光譜特征差異較小的地物識別,能夠達到更好的分類精度。

    3.2 分類精度驗證

    通過對不同尺度下分類精度的對比與分析,得到白喉烏頭識別檢測的最佳切分尺度為40×40像素,利用系統(tǒng)抽樣法對分類結(jié)果進行精度驗證。本研究將40×40像素的3個網(wǎng)絡模型對應的結(jié)果圖進行均勻采樣,采樣數(shù)均為625塊。通過與實地照片和無人機影像的對此解譯來確定樣本分類是否正確,然后統(tǒng)計得到最終分類精度。

    如表5所示,使用深度學習的方法進行圖像分類可以取得很好的效果。測試階段的表現(xiàn)更加明顯,VGG16、VGG19、ResNet50的分類精度均達到了93%以上;在分類精度驗證時,可以看出白喉烏頭的分類精度分別為86.52%、92.77%、93.81%,分類效果較為理想,僅存在個別偏差;牧草的分類精度分別為78.92%、76.94%、67.61%,3種方法對牧草的分類大體正確,但在局部范圍內(nèi)存在一定偏差,原因是影像中顏色偏亮的枯黃牧草被錯分為白喉烏頭,導致牧草的分類精度偏低。由于在影像中牧草所占比例較大、白喉烏頭所占面積較小,故整體精度受牧草精度影響較大,分別為78.92%、76.94%、67.61%?;诰矸e神經(jīng)網(wǎng)絡的3種方法中,3個網(wǎng)絡提取的白喉烏頭分布一致性較高,與實際目視解譯結(jié)果相比,三者基本能夠?qū)缀頌躅^完全識別出來,基本沒有遺漏。較易產(chǎn)生混淆的是牧草中光譜反射率較高的偏黃牧草與稀疏牧草,通過人工目視解譯也有一定難度,因此驗證數(shù)據(jù)中部分牧草會被識別為白喉烏頭。由于本研究的目的是識別檢測白喉烏頭,從分類的驗證結(jié)果看白喉烏頭基本都被識別出來,分類效果較好,達到了對白喉烏頭的識別檢測目的。

    4 討論與結(jié)論

    為了體現(xiàn)深度學習方法在草原毒害草識別上的優(yōu)越性,將本研究分類結(jié)果與傳統(tǒng)的2種監(jiān)督分類方法進行了對比(圖5)。

    通過目視解譯可以看出,基于像元統(tǒng)計的傳統(tǒng)分類方法對于光譜差異很小的地物分類效果很差,大量的牧草被錯分為白喉烏頭。其原因是牧草與白喉烏頭均為草本植物,顏色均呈綠色,目視解譯也很難對其進行區(qū)分;在影像中白喉烏頭的頂部較普通牧草偏亮,這是牧草與白喉烏頭的區(qū)分標志,但部分牧草由于枯黃或被牛羊啃食過后較為稀疏,呈現(xiàn)亮度也偏大,因此在這些區(qū)域使用任一種分類方法進行分類都有很大難度。與傳統(tǒng)的基于像元統(tǒng)計的分類方法相比,深度學習方法的分類精度明顯提高,VGG16、VGG19和ResNet50的分類精度均達到了93%以上,白喉烏頭的分類精度驗證也分別為86.52%、92.77%、93.81%,整體精度受牧草精度影響分別為78.92%、76.94%、67.61%。從圖5中可以看出白喉烏頭基本全被識別出來,能夠滿足白喉烏頭識別的精度要求。

    在地物識別的圖像切割尺度選擇上,對試驗結(jié)果分析可以得出,當圖像切片恰好能完全覆蓋目標地物時,能夠最為全面地獲取目標地物的深層特征,這樣所達到的分類精度也就是最高的。但在驗證分類模型的分類精度時發(fā)現(xiàn),由于切割尺度設為與目標地物白喉烏頭尺寸一樣,在實際操作中對測試影像進行規(guī)則切割,其中會有一定量的白喉烏頭被攔腰分在2個圖像切片里,或者有1/4在1個切片里,出現(xiàn)同1個切片中有2類地物,導致二者無法得到很好的區(qū)分,即使是人工目視解譯判讀也很難給出明確的界定。這種情況下,增加1類混合地物切片,或許能夠改善分類結(jié)果,以后的研究中會著重考慮。

    總體來看,深度學習方法較傳統(tǒng)方法有非常好的區(qū)分效果,錯分現(xiàn)象大量減少,較好地解決了傳統(tǒng)方法所不能完成的光譜相近地物的區(qū)分問題,實現(xiàn)了白喉烏頭與牧草較高精度的自動分類。

    本研究利用深度學習的代表性模型VGG16、VGG19和ResNet50對草原毒害草的識別問題進行研究,通過與SVM和最大似然2種傳統(tǒng)圖像分類方法的結(jié)果對比,說明深度學習網(wǎng)絡可以更好地提取地物的深層特征,從而提升無人機影像分類的準確性,能夠較好地解決白喉烏頭與普通牧草在可見光范圍內(nèi)光譜相似、在傳統(tǒng)基于像元統(tǒng)計方法中難以區(qū)分的問題。

    本研究提出了基于CNN的分類方法,對無人機影像中白喉烏頭和牧草進行分類,并討論了切割尺度的選擇問題,確定了最佳切分尺度。從試驗結(jié)果看,3種模型的分類精度在不同的尺度下各有優(yōu)劣,但都在40×40像素尺度下得到了最佳分類效果,分別為95.31%、96.88%、93.75%,總體趨勢呈現(xiàn)隨著切割尺度的增大分類精度先增加再減小的趨勢。故最佳的切割尺度應該選擇盡量接近被檢測目標的實際大小,這樣能夠較完整地提取圖像切片深層信息,達到較高的分類精度。

    隨著草原毒害草防治工作的迫切要求和無人機監(jiān)測技術(shù)的發(fā)展,深度學習方法將在無人機草原毒害草監(jiān)測識別中發(fā)揮重要作用。今后將繼續(xù)深入開展相關研究,進一步提升草原毒害草的識別精度,為新疆草原毒害草防治提供技術(shù)支撐和相關參考。

    參考文獻:

    [1]李 宏,陳衛(wèi)民,陳 翔,等. 新疆伊犁草原毒害草種類及其發(fā)生與危害[J]. 草業(yè)科學,2010,27(11):171-173.

    [2]溫阿敏,鄭江華,穆 晨,等. 基于GF-1WFV數(shù)據(jù)的草原毒草白喉烏頭空間分布監(jiān)測與分析[J]. 新疆農(nóng)業(yè)科學,2015,52(10):1939-1946.

    [3]Felinks B,Pilarski M,Wiegleb G. Vegetation survey in the former brown coal mining area of eastern Germany by integrating remote sensing and ground-based methods[J]. Applied Vegetation Science,1998,1(2):233-240.

    [4]Jia X P,Richards J A. Segmented principal components transformation for efficient hyperspectral remote-sensing image display and classification[J]. IEEE Transactions on Geoscience and Remote Sensing,1999,37(1):538-542.

    [5]Nagler P L,Daughtry C S T,Goward S N. Plant litter and soil reflectance[J]. Remote Sensing of Environment,2000,71(2):207-215.

    [6]郭芬芬,范建容,湯旭光,等. 基于HJ-1A高光譜數(shù)據(jù)的藏北高原草地分類方法對比[J]. 遙感信息,2013,28(1):77-82,88.

    [7]杜 欣,黃曉霞,李紅旮,等. 基于投影尋蹤學習網(wǎng)絡算法的植物群落高分遙感分類研究[J]. 地球信息科學學報,2016,18(1):124-132.

    [8]Chen J J,Yi S H,Qin Y,et al. Improving estimates of fractional vegetation cover based on UAV in alpine grassland on the Qinghai-Tibetan Plateau[J]. International Journal of Remote Sensing,2016,37(8):1922-1936.

    [9]Walter V. Object-based classification of remote sensing data for change detection[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2004,58(3/4):225-238.

    [10]易超人,鄧燕妮. 多通道卷積神經(jīng)網(wǎng)絡圖像識別方法[J]. 河南科技大學學報(自然科學版),2017,38(3):41-44.

    [11]李云飛,符冉迪,金 煒,等. 多通道卷積的圖像超分辨率方法[J]. 中國圖象圖形學報,2017,22(12):1690-1700.

    [12]He K M,Zhang X Y,Ren S Q,et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,37(9):1904-1916.

    [13]Sirinukunwattana K,Raza S E A,Tsang Y W,et al. Locality sensitive deep learning for detection and classification of nuclei in routine colon cancer histology images[J]. IEEE Transactions on Medical Imaging,2016,35(5):1196-1206.

    [14]段 萌,王功鵬,牛常勇. 基于卷積神經(jīng)網(wǎng)絡的小樣本圖像識別方法[J]. 計算機工程與設計,2018,39(1):224-229.

    [15]韓星爍,林 偉. 深度卷積神經(jīng)網(wǎng)絡在圖像識別算法中的研究與實現(xiàn)[J]. 微型機與應用,2017,36(21):54-56.

    [16]Helmy A K,EL-Taweel G S. Regular gridding and segmentation for microarray images[J]. Computers & Electrical Engineering,2013,39(7):2173-2182.

    [17]Zefler M D,F(xiàn)ergus R. Visualizing and understanding convolutional networks[C]//Fleet D,Pajdla T,Schiele B,et al. Proceeding of Computer Vision—ECCV 2004. Zurich:Springs,2014:818-833.

    [18]Zhou X,Sun Z P,Liu S H,et al. A method for extracting the leaf litter distribution area in forest using chip feature[J]. International Journal of Remote Sensing,2018,39(15/16):5310-5329.

    [19]張鮮花,安沙舟,王顯瑞,等. 白喉烏頭種群空間分布格局初步研究[J]. 草地學報,2012,20(3):428-433.

    [20]黃慧萍,吳炳方,李苗苗,等. 高分辨率影像城市綠地快速提取技術(shù)與應用[J]. 遙感學報,2004,8(1):68-74.

    [21]Simonyon K,Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. Computer Science,2014:1-14.

    [22]Krizhevsky A,Sutskever I,Hinton G E. ImageNet classification with deep convolutional neural networks[J]. Communications of the ACM,2017,60(6):84-90.

    [23]He K M,Zhang X Y,Ren S Q,et al. Deep residual learning for image recognition[C]//IEEE. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2016:770-778.

    [24]王景中,楊 源,何云華. 基于多分類和ResNet的不良圖片識別框架[J]. 計算機系統(tǒng)應用,2018,27(9):100-106.

    [25]陳小娥,楊薇薇. 基于深度學習的車標識別算法的研究與實現(xiàn)[J]. 長春工程學院學報(自然科學版),2017,18(2):117-120.

    [26]Gundersen H J G,Jensen E B. The efficiency of systematic sampling in stereology and its prediction[J]. Journal of Microscopy,1987,147(3):229-263.

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡圖像識別牧草
    養(yǎng)兔牧草品種咋選擇
    基于Resnet-50的貓狗圖像識別
    電子制作(2019年16期)2019-09-27 09:34:50
    高速公路圖像識別技術(shù)應用探討
    國審牧草品種
    ——黔南扁穗雀麥
    圖像識別在物聯(lián)網(wǎng)上的應用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識別在水質(zhì)檢測中的應用
    電子制作(2018年14期)2018-08-21 01:38:16
    基于深度卷積神經(jīng)網(wǎng)絡的物體識別算法
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡的樹葉識別的算法的研究
    日韩国内少妇激情av| 精品久久久久久成人av| 亚洲精品久久午夜乱码| www日本在线高清视频| 欧美一区二区精品小视频在线| 午夜福利欧美成人| 亚洲av第一区精品v没综合| 欧美色视频一区免费| 日本三级黄在线观看| 精品国产国语对白av| 每晚都被弄得嗷嗷叫到高潮| 久久精品国产亚洲av香蕉五月| 嫩草影院精品99| 麻豆国产av国片精品| 欧美日韩亚洲国产一区二区在线观看| 美女国产高潮福利片在线看| 久久亚洲精品不卡| 午夜亚洲福利在线播放| 精品欧美一区二区三区在线| 9191精品国产免费久久| 亚洲精品在线观看二区| 亚洲精品美女久久久久99蜜臀| 亚洲av熟女| 亚洲人成伊人成综合网2020| 久久精品国产综合久久久| 一区二区三区激情视频| 欧美午夜高清在线| 超色免费av| 成人国语在线视频| 91九色精品人成在线观看| 久久久久久人人人人人| 久久久国产精品麻豆| 欧美乱妇无乱码| 精品午夜福利视频在线观看一区| 激情在线观看视频在线高清| 国产免费av片在线观看野外av| 久久99一区二区三区| 国产欧美日韩综合在线一区二区| 久久久久久久久免费视频了| 精品国产超薄肉色丝袜足j| 日韩欧美一区二区三区在线观看| 十八禁人妻一区二区| 一级片'在线观看视频| 一本大道久久a久久精品| 国产深夜福利视频在线观看| 亚洲精品国产精品久久久不卡| 在线观看免费日韩欧美大片| xxx96com| 999精品在线视频| 国产一卡二卡三卡精品| 久久午夜亚洲精品久久| 免费一级毛片在线播放高清视频 | 美女国产高潮福利片在线看| 国产主播在线观看一区二区| 在线观看午夜福利视频| 欧美中文综合在线视频| 国产亚洲av高清不卡| 精品一品国产午夜福利视频| 久久久久国内视频| 黄色a级毛片大全视频| 久久香蕉精品热| 日韩欧美一区视频在线观看| 久热这里只有精品99| 欧美激情 高清一区二区三区| 久久精品影院6| videosex国产| 成在线人永久免费视频| 亚洲七黄色美女视频| 母亲3免费完整高清在线观看| 18美女黄网站色大片免费观看| 久久久久九九精品影院| 在线av久久热| 黑人欧美特级aaaaaa片| 亚洲自偷自拍图片 自拍| 亚洲欧美精品综合一区二区三区| 国产一区二区三区视频了| 久久久久亚洲av毛片大全| 免费少妇av软件| 在线永久观看黄色视频| 中文字幕另类日韩欧美亚洲嫩草| 香蕉国产在线看| 亚洲男人的天堂狠狠| 亚洲va日本ⅴa欧美va伊人久久| 搡老岳熟女国产| 人成视频在线观看免费观看| 最新美女视频免费是黄的| 亚洲中文字幕日韩| 久久久水蜜桃国产精品网| 在线观看日韩欧美| 好看av亚洲va欧美ⅴa在| 村上凉子中文字幕在线| 日本a在线网址| 精品午夜福利视频在线观看一区| 亚洲人成网站在线播放欧美日韩| 黄色视频不卡| 国产97色在线日韩免费| 黄色成人免费大全| 国产欧美日韩精品亚洲av| 中文字幕人妻熟女乱码| 久久久久久久久中文| 国产av在哪里看| 香蕉丝袜av| 久久草成人影院| 色婷婷久久久亚洲欧美| 一进一出好大好爽视频| av福利片在线| 99国产精品一区二区三区| 午夜福利欧美成人| 久久精品成人免费网站| 精品国产乱子伦一区二区三区| 久久久久久人人人人人| 黄频高清免费视频| 最新美女视频免费是黄的| 丝袜在线中文字幕| 嫩草影院精品99| 狂野欧美激情性xxxx| 久久久久国产精品人妻aⅴ院| 国产精品香港三级国产av潘金莲| 久久久久九九精品影院| 91在线观看av| 两个人免费观看高清视频| 亚洲人成电影观看| 亚洲国产欧美网| 91成人精品电影| 亚洲一码二码三码区别大吗| 国产在线精品亚洲第一网站| 国产av在哪里看| 欧美成人性av电影在线观看| 国产精品一区二区在线不卡| 亚洲全国av大片| 日韩视频一区二区在线观看| 黑人猛操日本美女一级片| 夜夜看夜夜爽夜夜摸 | 精品久久久久久成人av| 一进一出抽搐gif免费好疼 | 久久精品91蜜桃| 亚洲精品国产精品久久久不卡| 日本vs欧美在线观看视频| 超碰成人久久| www.999成人在线观看| 国产国语露脸激情在线看| 欧美乱色亚洲激情| 欧美午夜高清在线| 国产区一区二久久| 亚洲 欧美 日韩 在线 免费| 久久久久久大精品| 成人三级做爰电影| 国产高清视频在线播放一区| 亚洲九九香蕉| 亚洲情色 制服丝袜| 久久人人97超碰香蕉20202| 国产有黄有色有爽视频| 中文字幕最新亚洲高清| 每晚都被弄得嗷嗷叫到高潮| 国产成人精品久久二区二区91| 伦理电影免费视频| 日韩精品青青久久久久久| 性色av乱码一区二区三区2| 伦理电影免费视频| 999久久久国产精品视频| 香蕉丝袜av| 两性夫妻黄色片| 色播在线永久视频| 欧美激情 高清一区二区三区| 女警被强在线播放| 欧美日韩瑟瑟在线播放| 欧美激情 高清一区二区三区| 国产国语露脸激情在线看| 日韩国内少妇激情av| 亚洲精品一二三| 美女 人体艺术 gogo| 老司机亚洲免费影院| 久久中文看片网| 真人一进一出gif抽搐免费| 亚洲av成人一区二区三| 日韩欧美一区视频在线观看| 操出白浆在线播放| 国产精品1区2区在线观看.| 亚洲熟妇中文字幕五十中出 | 日韩欧美一区二区三区在线观看| 97超级碰碰碰精品色视频在线观看| 97人妻天天添夜夜摸| 亚洲熟妇中文字幕五十中出 | 久久中文看片网| 精品无人区乱码1区二区| 手机成人av网站| 日本黄色日本黄色录像| 日韩欧美在线二视频| 亚洲成人久久性| 欧美日韩亚洲国产一区二区在线观看| 精品久久久久久久久久免费视频 | x7x7x7水蜜桃| 看片在线看免费视频| 女人爽到高潮嗷嗷叫在线视频| 欧美日韩亚洲高清精品| 亚洲精品粉嫩美女一区| 成人黄色视频免费在线看| 久久人妻av系列| 国产精品1区2区在线观看.| xxx96com| 中文字幕精品免费在线观看视频| 波多野结衣高清无吗| 国产精品日韩av在线免费观看 | 亚洲av成人av| 一级片免费观看大全| 亚洲一区高清亚洲精品| 黄色怎么调成土黄色| 亚洲欧美精品综合一区二区三区| 欧美日韩亚洲高清精品| 午夜精品国产一区二区电影| 亚洲自拍偷在线| 俄罗斯特黄特色一大片| 99在线视频只有这里精品首页| 成人影院久久| 国产精品免费视频内射| 日韩欧美一区视频在线观看| 夜夜爽天天搞| 国产成人啪精品午夜网站| 激情在线观看视频在线高清| 国产一区在线观看成人免费| 夜夜爽天天搞| 久久影院123| 午夜免费成人在线视频| av福利片在线| 一区二区三区激情视频| 日本免费a在线| 人人澡人人妻人| 啦啦啦免费观看视频1| 99香蕉大伊视频| 老司机在亚洲福利影院| 丝袜美腿诱惑在线| 看黄色毛片网站| 亚洲视频免费观看视频| 亚洲男人的天堂狠狠| 韩国精品一区二区三区| 十八禁人妻一区二区| 国产成+人综合+亚洲专区| 免费在线观看完整版高清| 首页视频小说图片口味搜索| 精品福利观看| 少妇裸体淫交视频免费看高清 | 在线永久观看黄色视频| 一级片'在线观看视频| 亚洲 国产 在线| 国产精品久久视频播放| 欧美乱码精品一区二区三区| 国产午夜精品久久久久久| 夫妻午夜视频| 99re在线观看精品视频| 性欧美人与动物交配| 久久久久久免费高清国产稀缺| 最近最新中文字幕大全免费视频| 国产1区2区3区精品| 精品国产美女av久久久久小说| 操美女的视频在线观看| 国产欧美日韩一区二区三区在线| 国产色视频综合| 美女国产高潮福利片在线看| 日本免费a在线| 窝窝影院91人妻| 婷婷六月久久综合丁香| 自拍欧美九色日韩亚洲蝌蚪91| 国产欧美日韩一区二区三区在线| 制服诱惑二区| 老司机亚洲免费影院| 成人亚洲精品一区在线观看| 久久午夜综合久久蜜桃| 国产真人三级小视频在线观看| 国产国语露脸激情在线看| 一区二区三区激情视频| 日韩大码丰满熟妇| 变态另类成人亚洲欧美熟女 | www国产在线视频色| 少妇粗大呻吟视频| 这个男人来自地球电影免费观看| 亚洲一区中文字幕在线| 亚洲人成77777在线视频| xxx96com| 欧美激情 高清一区二区三区| 成人亚洲精品av一区二区 | 国内久久婷婷六月综合欲色啪| 亚洲精品一区av在线观看| 欧美日韩视频精品一区| 精品一区二区三区视频在线观看免费 | 日本黄色日本黄色录像| 91老司机精品| 久久精品aⅴ一区二区三区四区| 久久这里只有精品19| 麻豆久久精品国产亚洲av | 亚洲av成人不卡在线观看播放网| 精品熟女少妇八av免费久了| 身体一侧抽搐| 成人手机av| 国产精品98久久久久久宅男小说| 啪啪无遮挡十八禁网站| 亚洲一区中文字幕在线| 国产成人精品久久二区二区91| 中文字幕av电影在线播放| 日本欧美视频一区| 女生性感内裤真人,穿戴方法视频| 久久久国产欧美日韩av| 嫁个100分男人电影在线观看| 国产亚洲精品综合一区在线观看 | 成人av一区二区三区在线看| 久久人妻福利社区极品人妻图片| 欧美成人免费av一区二区三区| 久久久久久免费高清国产稀缺| 天天躁夜夜躁狠狠躁躁| 十八禁人妻一区二区| 91在线观看av| 在线免费观看的www视频| 久久天躁狠狠躁夜夜2o2o| 久久久久精品国产欧美久久久| 嫩草影视91久久| 国产精品成人在线| 成人精品一区二区免费| 男女下面进入的视频免费午夜 | 亚洲精品在线美女| 亚洲精品粉嫩美女一区| 成人三级做爰电影| 欧美亚洲日本最大视频资源| 叶爱在线成人免费视频播放| 久久伊人香网站| 国产欧美日韩一区二区三区在线| 欧美成人性av电影在线观看| 精品第一国产精品| av天堂在线播放| 一级,二级,三级黄色视频| 可以在线观看毛片的网站| 国产xxxxx性猛交| 制服诱惑二区| 国产精品乱码一区二三区的特点 | 日韩欧美免费精品| 一级毛片女人18水好多| 国产一区在线观看成人免费| 中文欧美无线码| 国产成+人综合+亚洲专区| 久久中文看片网| 亚洲一区高清亚洲精品| 日本黄色视频三级网站网址| 黄色视频,在线免费观看| 国内久久婷婷六月综合欲色啪| 91字幕亚洲| 久久久久久久精品吃奶| 中文字幕av电影在线播放| 两个人免费观看高清视频| 国产精品成人在线| 美国免费a级毛片| 1024香蕉在线观看| 精品国产一区二区久久| 黄色成人免费大全| 免费高清在线观看日韩| 成人18禁在线播放| www.自偷自拍.com| 一级,二级,三级黄色视频| 色综合婷婷激情| 久久精品国产清高在天天线| 国产精品秋霞免费鲁丝片| 亚洲欧美日韩另类电影网站| 日韩视频一区二区在线观看| 国产aⅴ精品一区二区三区波| 女人高潮潮喷娇喘18禁视频| 在线观看午夜福利视频| 美国免费a级毛片| 国产成年人精品一区二区 | 国产成人系列免费观看| 久久午夜亚洲精品久久| 老司机亚洲免费影院| 亚洲熟妇熟女久久| 高清av免费在线| 天天躁夜夜躁狠狠躁躁| 中亚洲国语对白在线视频| 在线观看免费高清a一片| 久久精品aⅴ一区二区三区四区| 国产精品秋霞免费鲁丝片| 侵犯人妻中文字幕一二三四区| 国产av精品麻豆| 久久久久久久久免费视频了| 国产xxxxx性猛交| bbb黄色大片| 麻豆成人av在线观看| 中文字幕另类日韩欧美亚洲嫩草| 精品国产乱子伦一区二区三区| 男人舔女人下体高潮全视频| bbb黄色大片| 一边摸一边做爽爽视频免费| 精品国产乱码久久久久久男人| 一级毛片女人18水好多| 久久精品国产亚洲av香蕉五月| 亚洲成a人片在线一区二区| 成人av一区二区三区在线看| 中国美女看黄片| 咕卡用的链子| 少妇被粗大的猛进出69影院| 99久久精品国产亚洲精品| 欧美日韩黄片免| 久久久久久久精品吃奶| 日日摸夜夜添夜夜添小说| 国产欧美日韩一区二区三| 欧美中文日本在线观看视频| 免费在线观看影片大全网站| 亚洲aⅴ乱码一区二区在线播放 | 97碰自拍视频| tocl精华| 亚洲欧美精品综合一区二区三区| 国产一区二区在线av高清观看| 很黄的视频免费| 激情视频va一区二区三区| 在线看a的网站| 国产激情欧美一区二区| 久久国产乱子伦精品免费另类| 桃红色精品国产亚洲av| 成人精品一区二区免费| 国产精品国产av在线观看| 免费看十八禁软件| 中文字幕精品免费在线观看视频| 亚洲第一青青草原| 可以免费在线观看a视频的电影网站| 一级黄色大片毛片| 一夜夜www| 午夜免费鲁丝| 80岁老熟妇乱子伦牲交| 最新在线观看一区二区三区| 丝袜在线中文字幕| 这个男人来自地球电影免费观看| 欧美精品啪啪一区二区三区| 女生性感内裤真人,穿戴方法视频| 久久午夜综合久久蜜桃| 亚洲国产精品999在线| 老司机午夜十八禁免费视频| 欧美亚洲日本最大视频资源| 免费在线观看亚洲国产| 国产不卡一卡二| 丰满人妻熟妇乱又伦精品不卡| 1024香蕉在线观看| 国产1区2区3区精品| 欧美日韩亚洲综合一区二区三区_| 欧美国产精品va在线观看不卡| 免费人成视频x8x8入口观看| 国产99白浆流出| 日本一区二区免费在线视频| 久久久国产欧美日韩av| 国产av一区在线观看免费| 国产区一区二久久| 热re99久久精品国产66热6| 制服诱惑二区| 男女午夜视频在线观看| 夫妻午夜视频| 亚洲熟妇熟女久久| 欧美乱色亚洲激情| 又大又爽又粗| 纯流量卡能插随身wifi吗| 女人精品久久久久毛片| 少妇被粗大的猛进出69影院| 日日夜夜操网爽| 天天添夜夜摸| 欧美日韩av久久| 日韩高清综合在线| ponron亚洲| 国产精品亚洲av一区麻豆| 男女下面进入的视频免费午夜 | 男人操女人黄网站| 91成人精品电影| 国产精品 欧美亚洲| 天堂动漫精品| 咕卡用的链子| 1024视频免费在线观看| 精品电影一区二区在线| 亚洲欧美精品综合久久99| 午夜福利一区二区在线看| 高潮久久久久久久久久久不卡| 精品久久久久久久毛片微露脸| 久久久久国产精品人妻aⅴ院| 高清毛片免费观看视频网站 | 两性夫妻黄色片| 乱人伦中国视频| 校园春色视频在线观看| 亚洲久久久国产精品| 午夜91福利影院| 老鸭窝网址在线观看| 麻豆久久精品国产亚洲av | 亚洲激情在线av| 免费观看精品视频网站| 男女之事视频高清在线观看| 夜夜看夜夜爽夜夜摸 | 久久婷婷成人综合色麻豆| 97超级碰碰碰精品色视频在线观看| 一区福利在线观看| 国产精品电影一区二区三区| 日本免费a在线| 国产精品亚洲一级av第二区| 国产成人av教育| 天天影视国产精品| 丰满迷人的少妇在线观看| 一个人免费在线观看的高清视频| 欧美精品亚洲一区二区| 麻豆国产av国片精品| 波多野结衣av一区二区av| 国产人伦9x9x在线观看| 亚洲av日韩精品久久久久久密| 岛国在线观看网站| 午夜精品在线福利| 欧美av亚洲av综合av国产av| 亚洲情色 制服丝袜| 国产av精品麻豆| 侵犯人妻中文字幕一二三四区| 国产精品美女特级片免费视频播放器 | 亚洲国产看品久久| 国产高清国产精品国产三级| 视频区欧美日本亚洲| 亚洲av五月六月丁香网| 操出白浆在线播放| 亚洲精品久久成人aⅴ小说| 黄色怎么调成土黄色| 午夜亚洲福利在线播放| 超碰97精品在线观看| 成人国语在线视频| 88av欧美| 一本综合久久免费| 国产色视频综合| 色在线成人网| 9色porny在线观看| 国产伦人伦偷精品视频| 精品一区二区三区视频在线观看免费 | 色播在线永久视频| 1024视频免费在线观看| 国产欧美日韩一区二区三区在线| 熟女少妇亚洲综合色aaa.| 国产黄a三级三级三级人| 99国产精品一区二区三区| 久久午夜亚洲精品久久| 巨乳人妻的诱惑在线观看| 精品一区二区三区av网在线观看| 男女之事视频高清在线观看| 久久婷婷成人综合色麻豆| 99久久综合精品五月天人人| 欧美日本中文国产一区发布| a级毛片黄视频| 99精品久久久久人妻精品| 国产不卡一卡二| 黄色毛片三级朝国网站| a级毛片在线看网站| 亚洲av成人不卡在线观看播放网| 国产高清videossex| 成人亚洲精品一区在线观看| 侵犯人妻中文字幕一二三四区| 精品久久久久久电影网| 亚洲国产看品久久| 免费av中文字幕在线| 他把我摸到了高潮在线观看| 在线播放国产精品三级| 国产真人三级小视频在线观看| 美女扒开内裤让男人捅视频| 亚洲第一av免费看| 正在播放国产对白刺激| 国产欧美日韩精品亚洲av| 亚洲中文日韩欧美视频| 亚洲久久久国产精品| 可以在线观看毛片的网站| 日韩欧美免费精品| 久久国产精品影院| 精品熟女少妇八av免费久了| 老司机靠b影院| 男人操女人黄网站| 亚洲 国产 在线| 老司机午夜十八禁免费视频| 波多野结衣av一区二区av| 日韩一卡2卡3卡4卡2021年| 日韩成人在线观看一区二区三区| 大码成人一级视频| 一a级毛片在线观看| 成人影院久久| 亚洲精品美女久久av网站| 精品卡一卡二卡四卡免费| 免费女性裸体啪啪无遮挡网站| 国产av一区在线观看免费| 亚洲成人久久性| 桃色一区二区三区在线观看| 亚洲少妇的诱惑av| 91麻豆av在线| 国产免费av片在线观看野外av| 色综合欧美亚洲国产小说| 两个人免费观看高清视频| 国产日韩一区二区三区精品不卡| 久久香蕉国产精品| 亚洲专区字幕在线| 99国产精品一区二区蜜桃av| 老司机在亚洲福利影院| 麻豆国产av国片精品| 日本欧美视频一区| 国产人伦9x9x在线观看| 男女床上黄色一级片免费看| 在线观看免费高清a一片| 免费女性裸体啪啪无遮挡网站| 欧美性长视频在线观看| a级毛片在线看网站| 免费在线观看影片大全网站| 97超级碰碰碰精品色视频在线观看| avwww免费| 淫妇啪啪啪对白视频| 国产精品爽爽va在线观看网站 | 亚洲精品中文字幕在线视频| 日韩有码中文字幕| 久久久国产欧美日韩av| √禁漫天堂资源中文www| 日本精品一区二区三区蜜桃| 日韩人妻精品一区2区三区| 少妇 在线观看| 亚洲七黄色美女视频| 国产亚洲精品久久久久久毛片| 在线观看日韩欧美| 午夜影院日韩av| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品美女久久av网站| 91九色精品人成在线观看|