• <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 ?

    一種深度學習的工件柔性檢測方法

    2022-01-13 03:33:54管聲啟洪奔奔
    機械設計與制造 2021年12期
    關鍵詞:掩碼特征提取分類器

    管聲啟,洪奔奔,常 江,任 浪

    (西安工程大學機電工程學院,陜西 西安 710048)

    1 前言

    當前中國處于從制造大國向制造強國轉變的關鍵時期,《中國制造2025》明確提出要以加快新一代信息技術與制造業(yè)深度融合為主線,以推進智能制造為主攻方向;《新一代人工智能產業(yè)規(guī)劃》將新一代人工智能提升到國家戰(zhàn)略高度,明確指出重點發(fā)展智能制造。在該規(guī)劃與《中國制造2025》的共同推進下,我國制造業(yè)智能化、自動化升級將不斷深化??梢钥闯觯匀嵝灾圃鞛樘卣鞯闹悄苤圃焓俏覈鴱闹圃齑髧蛑圃鞆妵D變的突破口和必由之路[1-3]。

    在傳統(tǒng)產品制造中采用機器視覺對工件外觀的檢測,將有利于發(fā)現(xiàn)生產過程的工藝問題、及時改進生產工藝問題、提高產品質量,有利于產品分類和分揀。文獻[4]提出一種由人工神經網絡和模糊邏輯系統(tǒng)組成的復雜分類器,用于檢測焊接質量,從而保證產品和結構的安全開發(fā)。該分類器比普通神經網絡分類器性能好和靈活性高;文獻[5]提出基于Fisher準則的堆疊去噪自動編碼器(FCSDA)將織物有效地分類為無缺陷和缺陷類別。該方案在周期性圖案織物和更復雜的提花經編織物的缺陷檢測中效果更顯著;文獻[6]提出基于機器學習和計算機視覺的自動化缺陷管理系統(tǒng),通過卷積神經網絡分析產品的圖像并預測產品是否有缺陷。該算法可以檢測和量化瓷器產品中不同類型的缺陷??梢钥闯?,這些機器視覺算法能夠較好適應傳統(tǒng)剛性產品外觀質量檢測的需要。

    隨著人工智能的發(fā)展,以柔性制造為特征的智能制造柔性生產線將代替剛性生產線,從而實現(xiàn)多品種小批量工件的生產[7-9];而傳統(tǒng)的機器視覺檢測算法是為了滿足剛性生產線產品檢測而設計的,因而很難滿足工件種類繁多,形態(tài)、特征各異表面缺陷的柔性檢測需要;為此,必須同時開展工件定位、分類和缺陷檢測等問題算法研究[10]。

    2 基于深度學習的工件柔性檢測模型構建及優(yōu)化

    2.1 工件柔性檢測模型構建

    眾所周知,經典機器視覺檢測算法提取特征參數(shù)一直依靠人工經驗確定;這種特征提取方式對于檢測目標復雜、檢測目標種類繁多往往難以滿足要求;如何從復雜、多特征、種類繁多目標提取特征參數(shù)一直是研究熱點問題。

    深度學習是機器學習中一種基于對數(shù)據進行表征學習的方法。深度學習是用非監(jiān)督式或半監(jiān)督式的特征學習和分層特征提取高效算法來替代手工獲取特征。選取探索者機器人扁平工件作為研究對象,主要研究了采用深度學習機器視覺檢測在工件柔性檢測中的應用。利用Yolo算法和Faster-RCNN算法構建工件檢測的模型,如圖1所示。以解決工件分類、準確率檢測及表面缺陷檢測等問題。

    由于Yolo算法用于工件分類檢測時,其分類準確,但檢測準確率不高;Faster-RCNN算法用于工件表面缺陷的檢測,其檢測準確率高,但對于類型相似的工件分類存在偏差。因而,采用檢測模型,如圖1所示。在面向工件柔性化檢測中還不能完全解決檢測中各種類型工件定位、分類和缺陷檢測等問題;為此,必須對其工件檢測的模型進行優(yōu)化,以滿足工件柔性化檢測的需求。

    圖1 工件檢測的模型圖Fig.1 Model Diagram of Workpiece Detection

    2.2 工件柔性檢測模型的優(yōu)化

    在工件柔性化檢測過程中,需要解決關鍵技術有:(a)如何實現(xiàn)工件快速定位及分類;(b)如何實現(xiàn)工件特征提取與缺陷準確檢測問題。

    這里的工件檢測是Object-detection API 算法與Mask-RCNN 算法的結合,即API-MASK 算法。其中,Object-detection API算法是在YOLO算法的基礎上進行優(yōu)化,通過人工標注,解決工件定位的問題。Mask-RCNN算法是在Faster-RCNN算法的基礎上進行優(yōu)化,解決工件分類、定位及工件表面缺陷檢測。

    因此,將這兩種算法優(yōu)點結合起來,重新構建新的模型,得到工件檢測優(yōu)化模型圖,如圖2所示。可以實現(xiàn)多種類型工件的分類、定位以及表面缺陷檢測并行協(xié)同處理,從而實現(xiàn)工件柔性化檢測。

    圖2 工件檢測的模型優(yōu)化圖Fig.2 Model Optimization Diagram for Workpiece Inspection

    3 工件柔性檢測API-MASK算法的分析

    3.1 API-MASK算法的網絡設計

    采用標準的卷積神經網絡(ResNet50 和ResNet101)作為特征提取器,如圖3所示。底層檢測的是低級特征(邊緣和角等),較高層檢測的是更高級的特征(缺陷、輪廓等特征)。經過主干網絡的前向傳播,圖像從1024×1024×3(RGB)的張量被轉換成形狀為32×32×2048 的特征圖。該特征圖將作為下一個階段的輸入。

    圖3 主干網絡示意圖Fig.3 Sketch of Backbone Network

    3.2 API-MASK算法的網絡訓練

    3.2.1 區(qū)域建議網絡(RPN)

    RPN屬于輕量級神經網絡,通過使用滑動窗口掃描圖像,來搜尋可能存在的目標區(qū)域。RPN 掃描的區(qū)域上分布的矩形被稱為anchor,如圖4所示。

    圖4 不同矩形框的anchorFig.4 Anchor of Different Rectangular Frame

    RPN通過卷積過程產生滑動窗口,并不會直接掃描圖像,而是掃描主干特征圖,這樣允許RPN有效地重用提取的特征并避免重復計算,并且最終的區(qū)域建議將被傳遞到下一階段。其網絡結構圖,如圖5所示。

    圖5 RPN網絡結構示意圖Fig.5 Schematic Diagram of RPN Network Structure

    3.2.2 ROI分類器和邊界框回歸器

    ROI分類器以RPN理論為依據,其結構與RPN相似,都有兩個輸出,如圖6所示。其中ROI和RPN的目標類別、邊框精調不同,盡管原理相似,但ROI可以深層次的區(qū)域劃分目標類型,經過精調邊框的位置和尺寸,達到目標封裝的目的。

    圖6 ROI分類器和邊界框回歸器示意圖Fig.6 ROI Classifier and Boundary Box Regenerator Diagram

    3.2.3 分割掩碼

    Faster-RCNN算法通過ROI分類器和邊界框回歸器的學習,用于目標檢測模型。而本文的優(yōu)化算法在Faster-RCNN模型的基礎上,增加了分割掩碼網絡,使工件的輪廓信息更加凸顯。其掩碼過程,如圖7所示。

    圖7 API-MASK算法的掩碼圖Fig.7 Mask Map of API-MASK Algorithm

    API-MASK 算法中的掩碼是一個卷積網絡,通過ROI分類器作為輸入,并生成掩碼。其生成的掩碼是低分辨率的:28×28像素。在訓練中,將掩碼縮小為28×28 來計算損失函數(shù),而在推斷過程中,將預測的掩碼放大為ROI 邊界框的尺寸以給出最終的掩碼結果。

    3.3 API-MASK算法的工件檢測流程

    根據工件柔性化檢測優(yōu)化模型結構,設計工件柔性化檢測算法。本文的工件檢測API-MASK算法模型,通過同一個模型同時實現(xiàn)各類型工件定位、分類和缺陷檢測并行協(xié)同處理,實現(xiàn)工件柔性檢測的目標。其工件檢測流程,如圖8所示。

    圖8 工件檢測流程圖Fig.8 Workpiece Detection Flow Chart

    首先,通過labelImg(圖像標注工具)對圖像進行標注,得到工件的位置信息;然后,將標注圖像送入圖像緩存區(qū),對圖像進行分割,得到圖像可疑區(qū)域,看圖像可疑區(qū)域是否存在可疑目標。其次,通過第一步,得到圖像可疑區(qū)域是否存在可疑目標,若存在可疑目標,將可疑目標圖像送入可疑區(qū)域圖像緩存區(qū)進行圖像缺陷判別;若不存在可疑目標,將圖像輸入檢測模塊,對輸入圖像直接進行特征提取及工件分類檢測(工件種類檢測和工件識別準確率檢測)。最后,通過第二步,得到可疑目標缺陷圖像,若存在缺陷,對工件圖像進行缺陷檢測,其中包括缺陷分類及缺陷識別準確率檢測;若不存在缺陷,將圖像輸入檢測模塊,對輸入圖像直接進行特征提取及工件分類檢測。

    4 實驗與分析

    這里的面向工件柔性化檢測的實驗系統(tǒng)由CCD相機、光源、圖像采集卡、傳送帶以及計算機等組成。其總體配置如下:(1)CCD 相機型號及數(shù)量:AVT Prosilica GE1650C 型面陣CCD 相機(1臺);(2)光源型號及數(shù)量:LED環(huán)形光源(1臺);(3)圖像采集卡型號及數(shù)量:凌華科技的PCIe-GIE72/74(1套);(4)計算機型號及數(shù)量:一臺(英特爾(Intel):酷睿i9 9900k 處理器;NVIDIA 芯片:RTX2080;內存8G);(5)傳送帶:一套(步進電機、傳感器、皮帶及滾筒)。

    分別采集編號從(A)-(H)的9種探索者機器人扁平工件進行測試,包含單目標圖像、多目標圖像和缺陷圖像,如圖9所示。

    圖9 測試工件圖像Fig.9 Test Workpiece Image

    人工標注是深度學習目標檢測的基礎環(huán)節(jié),通過人工標注以后,機器視覺檢測才能知道圖像中目標的位置,如圖10所示。通過深度學習算法,將人工標注的圖像進行處理,得到目標的坐標位置信息,如表1所示。對進一步檢測目標種類及目標準確率提供依據。

    圖10 人工標注工件示意圖Fig.10 ManualLabeling of Workpiece Sketch

    表1 工件位置所對應的坐標信息(單位:像素)Tab.1 Coordinate Information Corresponding to Workpiece Position(unit:pixel)

    表中:xmin、ymin、xmax、ymax—工件寬度、高度的最大值和最小值,如圖11所示。

    圖11 工件的坐標示意圖Fig.11 The Coordinate Sketch of the Workpiece

    這里的研究對象為探索者機器人的結構件,該結構件主要包括金屬結構件、塑料結構件和其他工件。主要針對探索者機器人扁平工件進行圖像采集,將待測工件送入檢測系統(tǒng)中,每采集一張圖像利用計算機進行實時在線檢測。

    采集圖像分為測試數(shù)據集和實驗數(shù)據集,其中測試圖像為671張,實驗圖像為386張,其檢測結果,如圖12所示。將測試圖像進行工件種類分類檢測,其分類準確率,如表2所示。

    表2 不同算法的圖像種類分類準確率對比Tab.2 Comparison of Classification Accuracy of Image Types Based on Different Algorithms

    圖12 不同算法的工件檢測結果Fig.12 Workpiece Detection Results Based on Different Algorithms

    其中,YOLO算法主要針對無缺陷的扁平工件進行分類和檢測工件準確率;Faster-RCNN算法主要針對有缺陷的扁平工件進行缺陷分類和檢測缺陷準確率;這里的API-MASK算法既可以對無缺陷的扁平工件進行分類和檢測工件準確率,又可以對有缺陷的扁平工件進行缺陷分類和檢測缺陷準確率。

    從表2可得,對于無缺陷圖像的分類,YOLO 算法分類準確率為100%,因為該算法在分類前都對圖像進行人工標注,所以分類準確率較高;對于有缺陷圖像的分類,F(xiàn)aster-RCNN 算法分類準確率為93.3%,因為該算法在缺陷特征提取過程中,對于工件缺陷分類存在偏差,導致缺陷分類準確率有所下降。

    而這里算法對于無缺陷圖像和有缺陷圖像的分類準確率均為100%,因為該算法在輸入測試集圖像前,首先對圖像進行人工標注,然后在特征提取中采用特征金字塔網絡(FPN)主干網絡和殘差網絡(residual network,ResNet),通過此過程,它允許每個級的特征與高級、低級特征互結合,可以加深網絡分層,提高了特征提取能力。因此,這里算法的圖像分類準確率最高。

    為了進一步驗證這里算法適應性[17],在不同的光照條件和噪聲類型條件下,分別對扁平工件實驗圖像采用這里API-MASK算法,YOLO算法及Faster-RCNN算法進行對比實驗結果,如表3所示。

    表3 不同影響因素下工件的缺陷檢測準確率對比實驗Tab.3 Contrast Experiment of Defect Detection Accuracy of Workpiece Under Different Influence Factors

    從表3可以得到,光照變化條件各種算法工件檢測都能進行準確檢測。

    這是因為YOLO 算法和API-MASK 算法都采用了人工標注,而Faster-RCNN 算法將RPN 網絡用于提取候區(qū)域,使用RoIPool對候選區(qū)域提取特征進行類別分類和坐標回歸,提高檢測精度。

    YOLO算法對噪聲沒有反應,可能因為YOLO算法只采用了一個卷積層對缺陷不太敏感。而噪聲對Faster-RCNN 算法和API-MASK算法有不同程度的影響。

    在不同類型噪聲影響下,F(xiàn)aster-RCNN 算法工件缺陷檢測準確率在(73~85)%之間,檢測準確率較低,主要原因可能是該方法對噪聲比較敏感;

    而這里API-MASK 算法的缺陷檢測準確率在(91~96)%之間,遠高于Faster-RCNN算法的缺陷檢測準確率,主要原因在于這里API-MASK算法的網絡優(yōu)化結構,結合了兩種算法的優(yōu)點,能有效提高工件檢測區(qū)域的顯著度,同時可以有效提高工件的輪廓信息。

    試驗分析表明這里提出的算法解決了多種扁平工件的分類檢測、定位以及表面缺陷檢測,具有較高的檢測準確率;同時,在不同的檢測條件下,具有較好的適應性。

    5 結束語

    為了滿足智能制造中的同時進行工件分類、定位以及缺陷集成化檢測的需要,這里構建了工件檢測的網絡結構并進行優(yōu)化;在此基礎上,將Object-detection API 和Mask-RCNN 的優(yōu)點進行結合,進行設計API-MASK算法用于工件檢測;

    采用Google 的深度學習框架tensorflow 對輸入數(shù)據進行逐層分析、學習,將學習得到的高層特征用于工件的分類、特征提取以及表面缺陷的檢測。

    由于采用Object-detection API 能夠有效實現(xiàn)工件的分類、定位,采用Mask-RCNN能夠有效實現(xiàn)工件缺陷檢測;

    因而,這里API-MASK算法能夠準確進行工件的分類、定位以及表面缺陷檢測,同時具有較好的適應性。

    猜你喜歡
    掩碼特征提取分類器
    低面積復雜度AES低熵掩碼方案的研究
    通信學報(2019年5期)2019-06-11 03:05:56
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類器在車道線識別中的應用
    電子測試(2018年1期)2018-04-18 11:52:35
    基于布爾異或掩碼轉算術加法掩碼的安全設計*
    通信技術(2018年3期)2018-03-21 00:56:37
    Bagging RCSP腦電特征提取算法
    加權空-譜與最近鄰分類器相結合的高光譜圖像分類
    結合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    基于掩碼的區(qū)域增長相位解纏方法
    基于掩碼的AES算法抗二階DPA攻擊方法研究
    基于MED和循環(huán)域解調的多故障特征提取
    精品免费久久久久久久清纯| 夜夜看夜夜爽夜夜摸| 中文字幕久久专区| 欧美性长视频在线观看| 亚洲av片天天在线观看| 日本三级黄在线观看| 日本一区二区免费在线视频| 国产精品免费一区二区三区在线| 搞女人的毛片| 国产激情欧美一区二区| 欧美丝袜亚洲另类 | 99精品久久久久人妻精品| 一本久久中文字幕| 国产精品久久视频播放| 日本a在线网址| 听说在线观看完整版免费高清| 黄色视频不卡| 日韩精品青青久久久久久| 成年女人毛片免费观看观看9| 国产欧美日韩精品亚洲av| 成人av一区二区三区在线看| 神马国产精品三级电影在线观看 | 国产精品乱码一区二三区的特点| 精品国产超薄肉色丝袜足j| 好男人电影高清在线观看| 国产亚洲精品第一综合不卡| 18禁国产床啪视频网站| 亚洲国产毛片av蜜桃av| 一级毛片精品| 很黄的视频免费| 1024视频免费在线观看| 在线免费观看的www视频| 日韩成人在线观看一区二区三区| 一区二区三区高清视频在线| 国产成人精品久久二区二区免费| 十八禁网站免费在线| 日韩欧美 国产精品| 亚洲国产日韩欧美精品在线观看 | 午夜久久久久精精品| 在线观看免费日韩欧美大片| 成人亚洲精品一区在线观看| 在线观看一区二区三区| 欧美日韩精品网址| 中文字幕最新亚洲高清| 后天国语完整版免费观看| 桃红色精品国产亚洲av| 男人的好看免费观看在线视频 | 亚洲七黄色美女视频| 黄频高清免费视频| 久久久久久久午夜电影| 黄色视频不卡| 日韩视频一区二区在线观看| 成在线人永久免费视频| 一夜夜www| 制服丝袜大香蕉在线| bbb黄色大片| 久久热在线av| 美国免费a级毛片| 欧美激情久久久久久爽电影| 中亚洲国语对白在线视频| 久久中文字幕人妻熟女| xxxwww97欧美| 在线十欧美十亚洲十日本专区| 男人舔女人的私密视频| 亚洲熟妇中文字幕五十中出| 欧美成人一区二区免费高清观看 | 亚洲成人国产一区在线观看| 少妇裸体淫交视频免费看高清 | 亚洲色图av天堂| 99久久综合精品五月天人人| 12—13女人毛片做爰片一| 麻豆成人av在线观看| 久久久久久久久中文| 国产精品永久免费网站| 国产av又大| 性欧美人与动物交配| 老司机午夜十八禁免费视频| 精品欧美国产一区二区三| 给我免费播放毛片高清在线观看| 欧美日韩中文字幕国产精品一区二区三区| 可以免费在线观看a视频的电影网站| 久久九九热精品免费| 丝袜美腿诱惑在线| 国产成人系列免费观看| 久久久精品国产亚洲av高清涩受| 18禁美女被吸乳视频| 天天添夜夜摸| 成在线人永久免费视频| 久久中文字幕一级| 久久国产乱子伦精品免费另类| 十八禁网站免费在线| av欧美777| 天天躁夜夜躁狠狠躁躁| 欧美亚洲日本最大视频资源| 色婷婷久久久亚洲欧美| 国产激情欧美一区二区| 丰满人妻熟妇乱又伦精品不卡| 免费在线观看黄色视频的| 黑丝袜美女国产一区| 免费av毛片视频| 男女做爰动态图高潮gif福利片| 精品乱码久久久久久99久播| 亚洲精品粉嫩美女一区| 欧美日韩亚洲综合一区二区三区_| 国产熟女午夜一区二区三区| 中文字幕高清在线视频| 亚洲熟女毛片儿| 天天躁狠狠躁夜夜躁狠狠躁| 啪啪无遮挡十八禁网站| 亚洲成国产人片在线观看| 国产激情欧美一区二区| 伊人久久大香线蕉亚洲五| 国产私拍福利视频在线观看| 久久久精品欧美日韩精品| 最近在线观看免费完整版| 色尼玛亚洲综合影院| 白带黄色成豆腐渣| 男女下面进入的视频免费午夜 | 99热6这里只有精品| 精品久久久久久久久久免费视频| 侵犯人妻中文字幕一二三四区| 国产免费av片在线观看野外av| 国产伦人伦偷精品视频| 国产单亲对白刺激| 免费在线观看视频国产中文字幕亚洲| 嫩草影视91久久| 国内揄拍国产精品人妻在线 | 成人亚洲精品av一区二区| 香蕉久久夜色| 精品国产美女av久久久久小说| 久久精品国产亚洲av高清一级| 欧美日韩福利视频一区二区| 一本综合久久免费| 精品久久久久久,| 免费观看人在逋| av福利片在线| xxx96com| 一进一出抽搐gif免费好疼| 1024香蕉在线观看| 日韩高清综合在线| 免费观看精品视频网站| 成人av一区二区三区在线看| 国产精品免费一区二区三区在线| 欧美色视频一区免费| 久久久久精品国产欧美久久久| 99国产精品一区二区三区| 国内揄拍国产精品人妻在线 | 中文字幕久久专区| 成人av一区二区三区在线看| 女性生殖器流出的白浆| 99久久综合精品五月天人人| 欧美精品亚洲一区二区| 两个人免费观看高清视频| 男人的好看免费观看在线视频 | 欧美久久黑人一区二区| 一区二区三区高清视频在线| 视频区欧美日本亚洲| 国产真实乱freesex| 精品久久久久久久人妻蜜臀av| 午夜视频精品福利| a级毛片a级免费在线| 欧美黄色淫秽网站| 在线十欧美十亚洲十日本专区| 国产高清激情床上av| 成人午夜高清在线视频 | 国产又色又爽无遮挡免费看| 午夜免费激情av| 一级毛片女人18水好多| 亚洲专区中文字幕在线| 女生性感内裤真人,穿戴方法视频| 欧美日韩福利视频一区二区| 精品久久久久久久人妻蜜臀av| 亚洲成人免费电影在线观看| 美女高潮喷水抽搐中文字幕| 免费高清视频大片| 国产精品日韩av在线免费观看| 日韩精品免费视频一区二区三区| 老司机福利观看| 久久久国产精品麻豆| 久久久久久久久久黄片| 国产一区二区三区视频了| 国产精品一区二区精品视频观看| 欧美性长视频在线观看| 久久久久国产精品人妻aⅴ院| 日日夜夜操网爽| 亚洲第一电影网av| 精品久久久久久久久久免费视频| 99国产精品一区二区蜜桃av| 中文字幕另类日韩欧美亚洲嫩草| 美女高潮喷水抽搐中文字幕| 欧美激情 高清一区二区三区| 好男人在线观看高清免费视频 | 淫秽高清视频在线观看| 国产蜜桃级精品一区二区三区| 亚洲国产看品久久| 国产又爽黄色视频| 午夜激情av网站| 日韩欧美一区二区三区在线观看| 18禁美女被吸乳视频| 黄色视频不卡| 18禁美女被吸乳视频| 国产熟女午夜一区二区三区| 给我免费播放毛片高清在线观看| 久9热在线精品视频| 一本久久中文字幕| 免费在线观看黄色视频的| 午夜免费激情av| 麻豆成人午夜福利视频| 日本一本二区三区精品| 亚洲成人久久爱视频| 国产亚洲精品久久久久5区| 色哟哟哟哟哟哟| 久久久国产欧美日韩av| 久久久国产欧美日韩av| 日日干狠狠操夜夜爽| 黄色片一级片一级黄色片| 国产成人av激情在线播放| 夜夜看夜夜爽夜夜摸| 久久天堂一区二区三区四区| 一个人观看的视频www高清免费观看 | 日韩欧美免费精品| 久久久久国产一级毛片高清牌| 亚洲一区二区三区不卡视频| 亚洲精品在线观看二区| 丝袜美腿诱惑在线| 老司机午夜十八禁免费视频| 欧美 亚洲 国产 日韩一| 美女大奶头视频| 91麻豆精品激情在线观看国产| 亚洲黑人精品在线| 成人国语在线视频| 日日摸夜夜添夜夜添小说| 熟女电影av网| 日韩精品青青久久久久久| 成在线人永久免费视频| xxxwww97欧美| 国产激情欧美一区二区| 亚洲成人精品中文字幕电影| 中国美女看黄片| xxx96com| 97碰自拍视频| 听说在线观看完整版免费高清| 国产亚洲欧美98| 欧洲精品卡2卡3卡4卡5卡区| 久久香蕉精品热| 亚洲精品一区av在线观看| 亚洲国产高清在线一区二区三 | 日韩av在线大香蕉| 亚洲免费av在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 麻豆av在线久日| 成人一区二区视频在线观看| 欧美一区二区精品小视频在线| 美女高潮喷水抽搐中文字幕| 欧美日韩一级在线毛片| av电影中文网址| 国产又爽黄色视频| 亚洲性夜色夜夜综合| 久久久久久亚洲精品国产蜜桃av| 国产免费男女视频| 久久天堂一区二区三区四区| 久久九九热精品免费| 精品国内亚洲2022精品成人| 99国产极品粉嫩在线观看| 免费看十八禁软件| 国产精品野战在线观看| 亚洲国产精品999在线| 深夜精品福利| 亚洲免费av在线视频| 99国产精品一区二区三区| 美女免费视频网站| 久久久久九九精品影院| 国内久久婷婷六月综合欲色啪| 婷婷精品国产亚洲av在线| 一夜夜www| www.熟女人妻精品国产| 国产激情偷乱视频一区二区| 香蕉久久夜色| 亚洲片人在线观看| 精品国内亚洲2022精品成人| 窝窝影院91人妻| 又黄又爽又免费观看的视频| 国内少妇人妻偷人精品xxx网站 | 在线观看66精品国产| 欧美精品亚洲一区二区| 欧美精品啪啪一区二区三区| 亚洲国产精品合色在线| 国产亚洲精品综合一区在线观看 | 脱女人内裤的视频| 欧美日韩瑟瑟在线播放| 久久亚洲精品不卡| 99精品久久久久人妻精品| av免费在线观看网站| 岛国视频午夜一区免费看| 真人一进一出gif抽搐免费| 真人做人爱边吃奶动态| 美女大奶头视频| av超薄肉色丝袜交足视频| 两个人看的免费小视频| 亚洲国产精品999在线| 无人区码免费观看不卡| 搞女人的毛片| 亚洲av成人av| 成年免费大片在线观看| 在线观看免费视频日本深夜| 亚洲,欧美精品.| 国产高清有码在线观看视频 | 一a级毛片在线观看| а√天堂www在线а√下载| 午夜久久久久精精品| 老司机靠b影院| 中文字幕另类日韩欧美亚洲嫩草| 我的亚洲天堂| 日韩成人在线观看一区二区三区| 亚洲成av人片免费观看| 色老头精品视频在线观看| 国产精品,欧美在线| 亚洲色图 男人天堂 中文字幕| 中文字幕高清在线视频| 婷婷六月久久综合丁香| 久久久久九九精品影院| 99国产精品一区二区三区| 99热只有精品国产| 午夜福利成人在线免费观看| 一进一出抽搐gif免费好疼| 日日干狠狠操夜夜爽| 在线播放国产精品三级| 午夜福利高清视频| 国产精品久久久久久人妻精品电影| 久久人妻av系列| 久久精品aⅴ一区二区三区四区| 久久香蕉激情| 熟妇人妻久久中文字幕3abv| 亚洲,欧美精品.| 国产色视频综合| 精品第一国产精品| 精华霜和精华液先用哪个| 日韩高清综合在线| 黑人操中国人逼视频| 一区福利在线观看| 国产精品美女特级片免费视频播放器 | 欧美另类亚洲清纯唯美| 高潮久久久久久久久久久不卡| 精品不卡国产一区二区三区| a级毛片a级免费在线| 十分钟在线观看高清视频www| 一二三四在线观看免费中文在| 国产精品爽爽va在线观看网站 | 国内久久婷婷六月综合欲色啪| 丝袜在线中文字幕| 一二三四社区在线视频社区8| 精品久久蜜臀av无| 欧美一区二区精品小视频在线| 两个人视频免费观看高清| 免费在线观看成人毛片| 黑人巨大精品欧美一区二区mp4| 欧美在线一区亚洲| 男男h啪啪无遮挡| 日韩精品免费视频一区二区三区| 狂野欧美激情性xxxx| 欧美三级亚洲精品| 美女免费视频网站| 亚洲人成伊人成综合网2020| 一边摸一边做爽爽视频免费| 午夜福利视频1000在线观看| 免费无遮挡裸体视频| 成人亚洲精品一区在线观看| 怎么达到女性高潮| 国产视频一区二区在线看| 免费高清在线观看日韩| 两人在一起打扑克的视频| 无限看片的www在线观看| 亚洲久久久国产精品| 久久久久国产一级毛片高清牌| 男人的好看免费观看在线视频 | 免费在线观看日本一区| 搡老熟女国产l中国老女人| 国产成+人综合+亚洲专区| 亚洲一区二区三区色噜噜| 精华霜和精华液先用哪个| 欧美不卡视频在线免费观看 | 亚洲av成人av| 婷婷六月久久综合丁香| 欧美日本亚洲视频在线播放| 欧美日韩黄片免| bbb黄色大片| 成人午夜高清在线视频 | 两个人看的免费小视频| 久久久久国产精品人妻aⅴ院| 国产三级在线视频| 亚洲精品色激情综合| 极品教师在线免费播放| 一个人免费在线观看的高清视频| 免费看十八禁软件| or卡值多少钱| 男女做爰动态图高潮gif福利片| 日韩欧美 国产精品| 这个男人来自地球电影免费观看| 香蕉丝袜av| 免费看美女性在线毛片视频| 久久香蕉精品热| 少妇粗大呻吟视频| av中文乱码字幕在线| 老汉色av国产亚洲站长工具| 欧美黑人巨大hd| 夜夜躁狠狠躁天天躁| 97碰自拍视频| 欧美成人性av电影在线观看| 免费看日本二区| 香蕉久久夜色| 久久国产精品男人的天堂亚洲| 日韩av在线大香蕉| 精品久久久久久久久久久久久 | 国内久久婷婷六月综合欲色啪| 日本五十路高清| 十八禁人妻一区二区| 白带黄色成豆腐渣| 日韩欧美三级三区| 国产精品久久电影中文字幕| 欧美+亚洲+日韩+国产| 国产av又大| 亚洲精品一卡2卡三卡4卡5卡| 国内毛片毛片毛片毛片毛片| 精品一区二区三区av网在线观看| 国产精品九九99| 国产aⅴ精品一区二区三区波| 午夜影院日韩av| 香蕉国产在线看| 国产精品99久久99久久久不卡| 亚洲精品久久成人aⅴ小说| 国产麻豆成人av免费视频| 在线观看舔阴道视频| 亚洲精品在线观看二区| cao死你这个sao货| 91大片在线观看| 波多野结衣巨乳人妻| 天天躁夜夜躁狠狠躁躁| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品在线观看二区| 亚洲成人精品中文字幕电影| 亚洲激情在线av| 制服丝袜大香蕉在线| 亚洲av电影不卡..在线观看| 男人操女人黄网站| 十分钟在线观看高清视频www| 麻豆一二三区av精品| 天天躁狠狠躁夜夜躁狠狠躁| 久久人妻福利社区极品人妻图片| 在线av久久热| 夜夜看夜夜爽夜夜摸| 99热只有精品国产| 欧美成人性av电影在线观看| aaaaa片日本免费| 久久性视频一级片| 亚洲国产精品久久男人天堂| 一级毛片高清免费大全| 国产午夜福利久久久久久| 久久久精品欧美日韩精品| 最近最新免费中文字幕在线| 国产97色在线日韩免费| 色尼玛亚洲综合影院| 正在播放国产对白刺激| 日韩欧美国产一区二区入口| 国产高清有码在线观看视频 | 国产成年人精品一区二区| 亚洲国产欧洲综合997久久, | 久久天躁狠狠躁夜夜2o2o| aaaaa片日本免费| 手机成人av网站| 一区二区三区激情视频| 亚洲精品一区av在线观看| 深夜精品福利| 亚洲精品久久国产高清桃花| 国产又黄又爽又无遮挡在线| 一边摸一边做爽爽视频免费| 在线免费观看的www视频| 无人区码免费观看不卡| 好看av亚洲va欧美ⅴa在| 免费av毛片视频| 麻豆国产av国片精品| 搡老熟女国产l中国老女人| 国内揄拍国产精品人妻在线 | 桃色一区二区三区在线观看| 身体一侧抽搐| 给我免费播放毛片高清在线观看| 女人爽到高潮嗷嗷叫在线视频| 中文字幕人成人乱码亚洲影| 两性夫妻黄色片| 激情在线观看视频在线高清| av在线天堂中文字幕| 亚洲午夜理论影院| 香蕉av资源在线| 精品人妻1区二区| 少妇的丰满在线观看| 一级a爱片免费观看的视频| 精品一区二区三区四区五区乱码| 美女午夜性视频免费| 麻豆av在线久日| 一本综合久久免费| 久久久久久久午夜电影| 精品日产1卡2卡| 村上凉子中文字幕在线| 日本撒尿小便嘘嘘汇集6| 国产在线观看jvid| 欧美黄色淫秽网站| 在线视频色国产色| 色综合欧美亚洲国产小说| 日韩成人在线观看一区二区三区| 精品日产1卡2卡| 欧美黑人精品巨大| 久久午夜综合久久蜜桃| 村上凉子中文字幕在线| 性欧美人与动物交配| 美女午夜性视频免费| 亚洲第一欧美日韩一区二区三区| 宅男免费午夜| 精品国产乱子伦一区二区三区| 欧美性猛交╳xxx乱大交人| 欧美乱色亚洲激情| 丝袜美腿诱惑在线| 欧美不卡视频在线免费观看 | 男女床上黄色一级片免费看| 久久青草综合色| 搡老妇女老女人老熟妇| 少妇熟女aⅴ在线视频| 午夜福利视频1000在线观看| 一进一出抽搐gif免费好疼| 亚洲精品粉嫩美女一区| 中文字幕高清在线视频| 岛国视频午夜一区免费看| 美国免费a级毛片| 亚洲欧美一区二区三区黑人| 成人18禁高潮啪啪吃奶动态图| 国产精品自产拍在线观看55亚洲| 国内精品久久久久精免费| 欧美日韩乱码在线| 精品高清国产在线一区| 国产精品二区激情视频| 男男h啪啪无遮挡| 久久久久久免费高清国产稀缺| 夜夜夜夜夜久久久久| 久久久国产欧美日韩av| 午夜福利在线观看吧| 妹子高潮喷水视频| 久久精品成人免费网站| 亚洲精品国产区一区二| 亚洲人成伊人成综合网2020| 久久久国产欧美日韩av| 人人妻人人澡人人看| 不卡一级毛片| 真人一进一出gif抽搐免费| 好男人电影高清在线观看| 午夜久久久在线观看| ponron亚洲| 最近在线观看免费完整版| 欧美日韩黄片免| 99精品欧美一区二区三区四区| 免费一级毛片在线播放高清视频| 男人舔女人下体高潮全视频| 一本精品99久久精品77| 久久精品国产亚洲av香蕉五月| 欧美日韩亚洲国产一区二区在线观看| 国产主播在线观看一区二区| 人人澡人人妻人| 亚洲成人国产一区在线观看| 久久人妻av系列| 亚洲中文av在线| 日日夜夜操网爽| 精品免费久久久久久久清纯| 成人欧美大片| 波多野结衣av一区二区av| 两性夫妻黄色片| 欧美不卡视频在线免费观看 | 精品一区二区三区四区五区乱码| 成人欧美大片| 日韩欧美三级三区| www.熟女人妻精品国产| 美女国产高潮福利片在线看| 久久亚洲精品不卡| 国产视频内射| 日韩欧美国产一区二区入口| 久99久视频精品免费| 亚洲国产欧美日韩在线播放| 美女 人体艺术 gogo| 人人妻人人澡欧美一区二区| aaaaa片日本免费| 国产一区在线观看成人免费| 亚洲第一电影网av| 老汉色av国产亚洲站长工具| 波多野结衣巨乳人妻| 女生性感内裤真人,穿戴方法视频| 成人精品一区二区免费| 亚洲无线在线观看| 国产精品野战在线观看| 午夜免费观看网址| 两人在一起打扑克的视频| 欧美+亚洲+日韩+国产| 国产成人影院久久av| 少妇 在线观看| 国产熟女午夜一区二区三区| 欧美成人午夜精品| 国产精品二区激情视频| 国产伦在线观看视频一区| 男女之事视频高清在线观看| 变态另类成人亚洲欧美熟女| 一级片免费观看大全| 亚洲午夜精品一区,二区,三区| 国产一区二区在线av高清观看| 国产亚洲精品一区二区www| 亚洲黑人精品在线| 国产亚洲精品久久久久久毛片| 免费高清在线观看日韩| 美女国产高潮福利片在线看| 国产精品香港三级国产av潘金莲| 一卡2卡三卡四卡精品乱码亚洲|