• <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 ?

    一種基于解耦旋轉(zhuǎn)錨框匹配策略的谷粒檢測方法

    2022-02-07 02:08:32王宏樂王興林李文波鄒阿配葉全洲劉大存
    廣東農(nóng)業(yè)科學 2022年12期
    關(guān)鍵詞:錨框谷粒邊界

    王宏樂,王興林,李文波,鄒阿配,葉全洲,劉大存

    (1.華南理工大學環(huán)境與能源學院,廣東 廣州 510006;2.深圳市豐農(nóng)控股有限公司,廣東 深圳 518055;3.深圳市宇眾物聯(lián)科技有限公司,廣東 深圳 518126;4.深圳市豐農(nóng)數(shù)智農(nóng)業(yè)科技有限公司,廣東 深圳 518055)

    【研究意義】種子檢測是作物質(zhì)量檢測的關(guān)鍵環(huán)節(jié),也是品種選育、新品種審定和推廣的重要依據(jù)。種子的傳統(tǒng)檢測方法主要依賴于人工或電子計數(shù)儀,存在效率低、誤差大、耗時耗力等問題[1-3]。Duan 等[4]研發(fā)了一種采用單色線陣列相機進行稻粒圖像在線采集的水稻谷??挤N系統(tǒng),該系統(tǒng)能夠分析稻??偭?shù)、實粒數(shù)、空粒數(shù)和千粒重,但仍存在設(shè)備體積太大、功能不夠完善、使用不便利等問題。隨著深度學習技術(shù)的快速發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks,CNN)被運用于農(nóng)業(yè)領(lǐng)域中的花、果以及種子計數(shù)等場景中[3,5-6]。Tan 等[7]報道了基于分割的水稻谷粒統(tǒng)計的算法;Yu 等[8]報道了使用深度學習框架R-CNN進行水平框目標檢測的方法對水稻小穗進行識別和計數(shù),并獲得了優(yōu)異的效果;Deng 等[9]通過改進R-CNN 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化了稻穗上谷粒檢測的準確性,使漏檢問題有所改善。新技術(shù)在考種領(lǐng)域的應用可以提高工作效率和準確度。在谷粒質(zhì)量檢測及水稻育種中,谷粒粒型(粒長、粒寬、長寬比)是品種選育、識別和衡量稻米外觀品質(zhì)的主要指標,與稻米食味品質(zhì)以及商業(yè)價值顯著相關(guān),可以使用圖像分割的方法、邊界提取算法來實現(xiàn)該參數(shù)的快速計算[1,10-14],但尚未見使用目標檢測的方法來計算谷粒長寬比的報道。探索建立谷粒計數(shù)檢測和谷粒粒型參數(shù)提取相結(jié)合的可能性,可以簡化考種的工作流程,同時提升檢測效果以及探索其在考種中的應用。

    【前人研究進展】目標檢測是計算機視覺領(lǐng)域的基本任務(wù)之一。基于深度學習的目標檢測算法有兩大主流方向,分別是兩階段(Twostage)模型和一階段(One-stage)模型[15]。兩階段模型以基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Regions with convolutional neural network,RCNN)的網(wǎng)絡(luò)結(jié)構(gòu)作為代表,第一步是計算生成候選框,第二步是通過深度學習對候選框進行特征提取,預測候選框的目標類別與目標位置[16]。兩階段模型由于要對候選框進行大量搜索,以及對大量候選框進行卷積操作,使得計算比較耗時[17]。一階段模型以CenterNet 和YOLO(You only look once)系列為代表,可直接從輸入圖片中提取特征,同時確定目標物體的類別與定位,實現(xiàn)了更快的檢測速度[18-19]。傳統(tǒng)的目標檢測器通過水平邊界框(Horizontal bounding boxes,HBB)定位對象。HBB 具有良好的魯棒性,但準確性不足,在許多實際應用中具有一定的局限性,如文本識別、遙感目標檢測等,這些目標物體都具有任意方向性、高縱橫比和密集分布的特征,因此,基于HBB 的模型可能會導致嚴重的重疊和噪聲[17]。

    為了解決這類問題,Ma 等[20]提出了基于旋轉(zhuǎn)的邊界框(Bounding box),并將之引入RPN架構(gòu),實現(xiàn)了遙感圖像任意方向的文本檢測;Zhou 等[21]提出一種新的旋轉(zhuǎn)目標定義方式,通過學習特征點到旋轉(zhuǎn)框的四邊距離以及角度信息,實現(xiàn)了一階段文本檢測;Yang 等[22]提出一種新的一階段旋轉(zhuǎn)目標檢測網(wǎng)絡(luò)(R3Det),該框架通過特征插值將當前精煉的邊界框位置信息重新編碼為對應的特征點,以實現(xiàn)特征重構(gòu)和對齊,從而獲取更準確的特征以提高旋轉(zhuǎn)目標檢測性能。該方法的優(yōu)點是可以更好地分離密集分布的目標物體,避免相鄰邊界框的重疊,以及減少捕獲目標而引入的背景噪聲。目前,流行的基于回歸方式的角度預測方法存在一些邊界問題,會導致產(chǎn)生一個較大的損失值,因此,Yang 等[23]提出環(huán)形平滑標簽(Circular smooth label,CSL)方法,將角度的回歸問題轉(zhuǎn)換成一個分類問題,通過限制預測結(jié)果的范圍來消除這一問題。隨后,Yang 等[24]進一步從過于厚重的預測層以及對類正方形目標檢測不友好等方面優(yōu)化了CSL 旋轉(zhuǎn)目標檢測網(wǎng)絡(luò),提升了檢測精度。盡管上述方法在旋轉(zhuǎn)目標檢測方面取得很大進步,但是旋轉(zhuǎn)邊界框的引入還是會存在一些小問題,比如較小的角度變化將導致交并比(Intersection over union,IoU)迅速下降,導致檢測結(jié)果不準確。為了解決這一問題,一種比較好的方法就是解耦旋轉(zhuǎn)錨框的匹配,將旋轉(zhuǎn)邊界框(Oriented bounding boxes,OBB)視為水平邊界框(HBB)和角度的組合,匹配過程基于旋轉(zhuǎn)解耦邊界框的IoU 而非OBB,因此錨框匹配的穩(wěn)定性會更好[17]。

    【本研究切入點】傳統(tǒng)水平框檢測雖已得到廣泛應用,并具有相當準確率,但對不規(guī)則的目標物體特征提取仍十分有限。解耦的旋轉(zhuǎn)錨框匹配策略是基于特征金字塔網(wǎng)絡(luò)(FPN)的結(jié)構(gòu),該結(jié)構(gòu)采用了多尺度特征融合技術(shù),對小目標物體檢測效果有比較明顯的提升,適合于遙感和水稻谷粒等小目標物體檢測?!緮M解決的關(guān)鍵問題】相比傳統(tǒng)HBB 檢測中存在大量非目標背景區(qū)域,不能準確計算出水稻谷粒的長寬比,不利于檢測目標區(qū)域準確的面積計算,使得傳統(tǒng)水平框目標檢測不能在考種中對谷粒長寬比進行有效計算。傳統(tǒng)水平框的目標檢測方法,因標注區(qū)域存在非目標區(qū)域,以及水平框標注不能解決密集分布目標的重疊問題,較難實現(xiàn)對密集分布目標檢測的準確區(qū)分,經(jīng)常存在漏檢情況。本研究旨在設(shè)計一種解耦的旋轉(zhuǎn)錨框匹配策略,在保證檢測精度的同時實現(xiàn)稻谷長寬比的快速準確計算,簡化考種工作流程,開發(fā)方便快速的基于計算機視覺目標檢測的谷粒檢測新方式,并探索基于這種錨框匹配策略在考種中的應用。

    1 材料與方法

    1.1 數(shù)據(jù)采集、特征標注及處理

    水稻谷粒數(shù)據(jù)集的采集設(shè)備為CANON powershot A70,像素為320 萬,拍攝時光源為自然光,光照強度為100~1 000 lx。將水稻谷粒置于黑色或白色背景板上,谷粒隨機排列。相機固定于50 cm 高處用于水稻谷粒圖像采集,采集的圖像中的谷粒數(shù)量為1~500 不等。

    為降低重復圖片數(shù)量以及無谷粒圖片對模型訓練的干擾,使用人工篩選的方法對采集圖像進行數(shù)據(jù)清洗,即刪除同一個樣本的重復圖片。清洗后的數(shù)據(jù)采用人工劃分方法,使用Rolabelimg軟件[23]對目標谷粒分別進行水平框和旋轉(zhuǎn)框的框選,對圖像邊緣顯示的谷粒面積≥30%以上進行標定,否則不標定。水平框標注采用(x,y,w,h)表示,其中(x,y)是目標框的中心坐標,w和h是分別沿X 和Y 軸的邊界框的長度。旋轉(zhuǎn)框標注采用(x,y,h,w,θ)表示(圖1),θ為旋轉(zhuǎn)框與水平線的夾角。

    圖1 訓練集圖片的不同標注方式Fig.1 Different types of annotations of bounding boxes in training datasets

    自建的水稻谷粒數(shù)據(jù)集包含144 張標注的圖片,其中訓練集96 張,測試集和驗證集各24 張,白色背景和黑色背景數(shù)據(jù)各50%,共包含2 922個谷粒樣本,圖片分辨率為20 161 512。驗證集用于平均準確率(Mean average precision,mAP)的計算,測試集用于計算召回率和精確率。將圖片尺寸調(diào)整到640×640,用于訓練與測試。

    1.2 檢測方法

    1.2.1 網(wǎng)絡(luò)結(jié)構(gòu) 水平標注水稻谷粒圖像使用YOLOv5l 的網(wǎng)絡(luò)體系結(jié)構(gòu),模型的深度和寬度均為1,參照李志軍等[24]的方法進行實驗,將前景和背景IoU 閾值設(shè)置為0.3。本研究參照解耦旋轉(zhuǎn)框檢測匹配策略(Rotation-decoupled detector,RDD)的方法[17],首先從骨干網(wǎng)絡(luò)中獲取多尺度特征圖,其次是將多尺度特征圖輸入金字塔結(jié)構(gòu)網(wǎng)絡(luò)進行特征融合。金字塔網(wǎng)絡(luò)實現(xiàn)了語義信息的傳輸,這有助于進行多尺度目標檢測。為了連接不同比例的特征層,對特征圖進行上采樣,并將其與上一層特征圖的對應元素相加。在求和前后,添加卷積層以確保檢測特征的可分辨性。最后,預測層輸出分類和回歸。分類和回歸使用具有相同結(jié)構(gòu)的兩個預測層,并且它們僅在輸出通道數(shù)上有所不同。分類的輸出通道數(shù)為a×c,回歸的輸出通道數(shù)為a×5,a、c 分別對應錨點和類別的數(shù)量,所示結(jié)構(gòu)在實踐中也可以擴展到更多的層。在訓練階段設(shè)計旋轉(zhuǎn)解耦的錨框匹配策略,隨后的模型只使用水平錨框,而不是旋轉(zhuǎn)錨框。本研究選擇ResNet101 和DarkNet53[16-17,25]進行試驗。

    1.2.2 邊界框表示 本研究采用一種新的邊界框表示方法,結(jié)合了HBB 和OBB 方法各自的優(yōu)點,這種邊界框表示方法將OBB 分類成兩類,一類為長邊沿水平方向的矩形框(x,y,w,h),另一類為長邊垂直水平方向的矩形框(x,y,h,w),任何OBB 都可以由這兩類HBB 來表示,它們具有相同的形狀和中心點,它們之間的夾角θ被約束在[-π/4,π/4]之內(nèi),這個夾角θ重新定義為新邊界框的角度。新的旋轉(zhuǎn)邊界框的表示與傳統(tǒng)HBB 表示方法較類似,在與真實框(Ground truth)進行匹配計算時,能有效避免OBB 帶來的角度周期性問題。此外,傳統(tǒng)的旋轉(zhuǎn)檢測器為了獲取任意角度目標物體的準確檢測,采取了大量旋轉(zhuǎn)錨框設(shè)置,相比之下,新的旋轉(zhuǎn)邊界框表示減少了大量錨框的使用,極大地優(yōu)化了模型訓練與推理過程。

    1.2.3 旋轉(zhuǎn)解耦錨框匹配策略 基于上述定義的邊界框,可以實現(xiàn)一種旋轉(zhuǎn)解耦的錨框匹配策略。首先將旋轉(zhuǎn)的邊界框或者真實框解耦為長邊平行或垂直水平方向的矩形框和一個夾角,其中解耦后的矩形框被用作新的真實框進行匹配,這樣旋轉(zhuǎn)框的夾角就不會參與到真實框的匹配過程,減少角度周期性引入的干擾。具體來說,當IoU 大于前景給定閾值時,將錨框分配給真實框并歸入前景(正樣本)參與訓練;當IoU 低于背景給定閾值時,將錨框歸為背景(負樣本)參與訓練。本研究將前景IoU 閾值設(shè)置為0.5,將背景IoU 閾值設(shè)置為0.4。為了使得錨框能夠更好地與不同尺度不同方向的真實框進行匹配,這里使用了7 個寬高比{1、3/2、2/3、3、1/3、5、1/5、8、1/8}的水平錨框,每個水平錨框再使用3 種不同尺度{20、21/3、22/3}的縮放。

    1.2.4 損失函數(shù) 對于目標檢測問題,損失函數(shù)都會包括分類問題和回歸問題的損失函數(shù)。對于分類損失,根據(jù)前面設(shè)置的正負樣本IoU 閾值,圖片在錨框與真實框匹配過程中會被標記為正樣本或者負樣本,由于大量圖片的真實目標占比較少,所以標定的負樣本會遠遠多于正樣本,從而導致訓練過程中正-負樣本不平衡問題。為了緩解這種不平衡問題,分類損失采用當前使用比較流行的Focal loss 損失函數(shù)(Lcls),計算方法參照Lin 等[26]的方法。對于回歸損失,如果直接使用絕對坐標預測真實框,會導致定位不準確。由于真實框尺度不一致,預測框與真實框的相同偏差對不同尺度真實框的誤差表現(xiàn)會不一樣,尺度大的真實框誤差表現(xiàn)較小,尺度小的真實框誤差表現(xiàn)較大,因而直接預測絕對坐標所產(chǎn)生的loss 不能真正反映預測框的好壞,因此采用目前流行的偏移量進行回歸預測,回歸損失(Lreg)的計算參照Zhong 等[17]的方法??偟膿p失函數(shù)(Ltotal)由分類損失和回歸損失組成,表示為Ltotal=Lcls+λLreg,兩項之間的權(quán)衡由平衡參數(shù)λ 控制,本研究將λ 設(shè)置為1。

    1.3 模型訓練

    本研究在臺式計算機上,基于PyTorch 深度學習框架實現(xiàn)改進模型和訓練算法。臺式計算機配有NVIDIA V100 的圖形處理器(GPU),搭載Intel(R) Xeon(R) Gold 5218 CPU@2.30GHz,內(nèi)存為128 GB。實驗環(huán)境為Ubuntu 18.04 LTS 64 位系統(tǒng)、Cuda11.3、Cudnn8.1.0、Pytorch1.7.1、Python3.7。

    本研究模型訓練使用YOLOv5l 進行水平框標注圖片的訓練,使用DarkNet53 和ResNet101 進行旋轉(zhuǎn)框標注圖片的訓練。水平框和旋轉(zhuǎn)框標注圖像訓練采用的批處理大小為64,輸入圖像統(tǒng)一分辨率為640×640。其中旋轉(zhuǎn)框標注圖片訓練使用衰減系數(shù)為5×10-4、動量為0.9 的隨機梯度下降(Stochastic gradient desent,SGD)作為優(yōu)化器,初始學習率設(shè)置為0.001,學習率調(diào)整策略為帶熱重啟的隨機梯度下降(Stochastic gradient descent with warm restart,SGDR)[27-28],基本周期為1,倍率為2,每個周期開始時學習率為基礎(chǔ)學習率,結(jié)束后學習率降為0,學習率退火方式為余弦退火[29]。實驗共設(shè)計3 種不同的迭代次數(shù),分別為3 600、5 040、6 000 次。

    1.4 水稻谷粒長寬比計算

    從測試集中隨機抽取32 粒稻谷計算長寬比。水稻谷粒的真實長寬比由游標卡尺測量及計算,長寬比為谷粒的真實長度(h)與寬度(w)的比值。使用HBB 和OBB 檢測模型預測的谷粒長寬比(Aspect ratio,AR)計算公式如下:

    平均長寬比為32 個水稻谷粒測量值或預測值的平均值。預測結(jié)果的準確性使用均方根誤差(Root mean square error,RMSE)進行評價。數(shù)據(jù)分析使用SAS 軟件(Release 8.01)和EXCEL2007軟件;利用方差分析(ANOVA)及鄧肯氏新復極差法(Duncan’s Multiple Range Test,DMRT),在P=0.05 水平上進行差異顯著性分析。

    2 結(jié)果與分析

    用相同的驗證集和測試集樣本對構(gòu)建的基于HBB 的YOLOv5l 模 型、基 于OBB 的ResNet101和DarkNet53 模型進行測試,結(jié)果如表1 所示。由表1 可知,所有模型平均精度均值(Mean average precision,mAP)在88.69%~94.80%之間,精確率為99.47%~100.00%,召回率為95.95%~99.47%。其 中,YOLOv5l 模型的mAP 值略高于基于OBB 的ResNet101 和DarkNet53 模 型;除迭代3 600 次的ResNet101 模型的召回率為95.95%,低 于YOLOv5l 模型的97.71%~98.06%外,其余基于OBB 訓練的模型的召回率均不低于YOLOv5l 模型。這表明基于OBB 的ResNet101 和DarkNet53 模型以及基于HBB 的YOLOv5l 模型均對谷粒圖像具有較高的識別精度,基于OBB 的目標檢測的深度學習方法可成功對谷粒圖像進行準確識別。圖2 為YOLOv5l(水平框)、ResNet101(旋轉(zhuǎn)框)以及DarkNet53(旋轉(zhuǎn)框)3 種網(wǎng)絡(luò)結(jié)構(gòu)分別迭代6 000 次的模型在測試集上的檢測結(jié)果,藍色框表示漏檢,黃色框表示誤檢,邊緣少于30%的谷粒不納入統(tǒng)計。

    圖2 3 種不同網(wǎng)絡(luò)結(jié)構(gòu)的模型在測試集上的谷粒檢測結(jié)果Fig.2 Grains detection results of three different network structures in test datasets

    2.1 模型迭代次數(shù)對谷粒識別率的影響

    本研究選擇YOLOv5l 網(wǎng)絡(luò)結(jié)構(gòu)對水平框標注圖片進行訓練,選擇ResNet101 和DarkNet53 對旋轉(zhuǎn)框標注圖片進行訓練。模型訓練迭代次數(shù)分別為3 600、5 040、6 000 次。由表1 可知,不同網(wǎng)絡(luò)結(jié)構(gòu)模型的mAP 均隨迭代次數(shù)增加而增加,當?shù)螖?shù)從3 600 次增加到6 000 次時,mAP增加幅度最小的網(wǎng)絡(luò)結(jié)構(gòu)模型為ResNet101,變化值為0.33%;其次為YOLOv5l,mAP 增加幅度為0.80%;mAP 增加幅度最大的是DarkNet53,變化值為3.54%。同時,所有模型的召回率也隨迭代次數(shù)增加而增加,當?shù)螖?shù)從3 600 次增加到6 000 次時,ResNet101 的召回率從95.95%增加到98.59%,變化值為2.64%;YOLOv5l 的召回率從97.71%增加到98.06%,變化值為0.35%;DarkNet53 的召回率從98.94%增加到99.47%,變化值為0.53%。

    表1 不同方法在水稻谷粒測試集的檢測精度對比Table 1 Comparison of detection accuracy of different methods in rice grains test dataset

    2.2 不同方式標注對模型谷粒識別率的影響

    由表1 可知,使用水平框標注圖片訓練的YOLOv5l 模型的mAP 值均在94%以上,略高于使用旋轉(zhuǎn)框標注圖片訓練的DarkNet53 和ResNet101 模型。但這3 種不同網(wǎng)絡(luò)結(jié)構(gòu)訓練得到的模型的召回率差別不大,以DarkNet53 明顯優(yōu)于YOLOv5l 和ResNet101,而在迭代次數(shù)大于5 040 次后,ResNet101 表現(xiàn)優(yōu)于YOLOv5l。由圖2 可知,使用旋轉(zhuǎn)框標注圖片訓練的模型檢測到的目標物體中包含的非目標背景區(qū)域占比更少;當目標樣本密集分布時,使用水平框標注圖片訓練的YOLOv5l 模型存在漏檢情況,而使用旋轉(zhuǎn)框標注圖片訓練的ResNet101 和DarkNet53 模型的漏檢情況得到明顯改善。相比使用水平框標注圖片訓練的YOLOv5l 模型,ResNet101 和DarkNet53在誤檢上表現(xiàn)稍為遜色;當YOLOv5l 模型迭代次數(shù)大于5 040 次時的精確率可達100.00%,而在使用旋轉(zhuǎn)框標注圖片訓練得到的模型中,除ResNet101-3600 精確率為100.00%外,其他模型的精確率均在99.00%以上。

    2.3 不同方式的標注對模型在谷粒長寬比計算的影響

    由表2 可知,使用基于YOLOv5l 的HBB 檢測模型計算得到的谷粒平均長寬比范圍為2.14~2.16,使用OBB 檢測模型計算得到的谷粒平均長寬比范圍為3.37~3.57,真實值的谷粒平均長寬比為3.57。與真實值相比,HBB 檢測模型計算結(jié)果的均方根誤差為9.38~9.45,而旋轉(zhuǎn)框檢測模型的計算結(jié)果的均方根誤差值為0.91~2.29,且訓練迭代次數(shù)增加與預測準確性無明顯相關(guān)。顯著性分析結(jié)果表明,基于YOLOv5l 的HBB 檢測模型的計算結(jié)果與真實值存在顯著差異,而基于DarkNet53 和ResNet101 的OBB 檢測模型的計算結(jié)果與真實值無顯著差異。結(jié)果表明,HBB 檢測模型不能準確地計算水稻谷粒的長寬比,而使用OBB 檢測模型可以準確預測并計算水稻谷粒的長寬比。

    表2 不同模型計算的水稻谷粒長寬比Table 2 Aspect ratios of rice grains calculated by different models

    3 討論

    傳統(tǒng)的水平框檢測雖然具有不錯的準確率,但對細長的密集物體依然存在漏檢現(xiàn)象,且不利于準確提取該類物體的長寬比。因此,開發(fā)谷粒計數(shù)與谷粒長寬比提取相結(jié)合的輕量型模型很有必要,在谷粒質(zhì)量快速檢測以及品種快速鑒定的場景中具有實用意義。本研究中,HBB 檢測模型YOLOv5l 的mAP 值略高于OBB 檢測模型DarkNet53 和ResNet101。OBB 相 比HBB,增 加了邊界框的角度θ,而θ具有周期性,會導致IoU突然下降,同時預測框角度的較小變化,對IoU造成很大損失[17,22],這可能是造成其mAP 低于HBB 的主要原因。本研究使用的OBB 檢測方法,誤檢率高于水平框的傳統(tǒng)檢測方法,仍需進一步優(yōu)化以降低誤檢率。

    水稻谷粒的長寬比與其品種、質(zhì)量等級、價格息息相關(guān),其中雜質(zhì)和不完善粒的比例極大影響谷粒的質(zhì)量等級和價格,也是糧食育種選擇、品種鑒定的重要參數(shù)之一[10-13,29]。Gotmare 等[28]使用MATLAB 處理圖像提取谷粒的空間參數(shù)信息來計算谷粒的長寬比及粒徑分布,誤差率約為10%左右,但在當時的環(huán)境條件下運行緩慢,沒有實用性。隨著計算機技術(shù)的快速發(fā)展,基于深度學習的圖像分割技術(shù)也可用于種子計數(shù)及長寬比計算,但訓練需要的圖像標注方法復雜,耗時費力,計算相對耗時,而且分割計算種子長寬比采用的是分割結(jié)果的外接矩形框,因此受分割準確度影響較大[3,5-6,8,31-32];相比之下,本研究建立的谷粒計數(shù)及長寬比計算方法具有標注簡單、計算速度更快的優(yōu)點,而且能直接輸出種子長寬比,具有較強的實用性。

    水稻谷粒性狀包括形狀、形態(tài)、紋理等指標,其中粒長、粒寬、長寬比、圓度與水稻產(chǎn)量和外觀品質(zhì)直接相關(guān)[10-13,33-35]。本研究使用的旋轉(zhuǎn)框目標檢測方法可實現(xiàn)較高精度的谷粒計數(shù)及谷粒長寬比的快速計算,但目前無法實現(xiàn)其他指標如截面積、圓度等的精細測量。黃成龍等[11]報道了基于X-ray 透射成像的稻穗米粒的檢測測量方法,包括谷粒粒型、長度、寬度及飽滿度,平均誤差小于2%,但X-ray 的采集設(shè)備十分昂貴。本研究使用的旋轉(zhuǎn)框檢測策略在迭代6 000 次后具有不錯的測量精度,測量的長寬比與實際測量值相比均方根誤差均小于1,且本研究建立的谷粒計數(shù)及長寬比計算方法僅需普通攝像頭拍攝可見光照片即可實現(xiàn),具有方便、價格低廉的優(yōu)點。

    本研究使用的方法對密集谷粒的漏檢存在一定改善,但仍存在對非谷粒物體的誤檢情況,有待進一步優(yōu)化。在進一步的研究中,將考慮通過準備摻混不同谷粒雜質(zhì),并通過計算目標物體的長寬比來實現(xiàn)雜質(zhì)檢測的方法來嘗試實現(xiàn)凈度分析、種子真實性和品種純度鑒定,同時與現(xiàn)行標準方法[33]的結(jié)果進行比較來進一步驗證方法的可行性及可靠性。

    4 結(jié)論

    本研究結(jié)果表明,與HBB 檢測方法相比,使用OBB 檢測方法,更加適合高縱橫比及密集分布的目標檢測,如谷粒檢測。該方法相比傳統(tǒng)水平框的檢測方法,具有以下優(yōu)點:(1)檢測目標中包含的背景噪聲占比更少,因而具有更高的準確率。相比傳統(tǒng)HBB 檢測中存在大量非目標背景區(qū)域,不能準確計算出水稻谷粒的長寬比,不利于檢測目標區(qū)域準確的面積計算,使得傳統(tǒng)水平框目標檢測不能在考種中對谷粒長寬比進行有效計算,而OBB 檢測的方法大大改進了這兩項缺點,可準確計算水稻的長寬比,可考慮進一步開發(fā)并應用于谷粒質(zhì)量檢測或品種識別場景。(2)該方法可解決傳統(tǒng)HBB 檢測中對距離較近的谷粒的漏檢問題。傳統(tǒng)水平框的目標檢測方法,因標注區(qū)域存在非目標區(qū)域以及水平框標注不能解決密集分布目標的重疊問題,較難實現(xiàn)對密集分布目標檢測的準確區(qū)分,經(jīng)常存在漏檢情況。而使用旋轉(zhuǎn)框的目標檢測方法可以有效解決漏檢問題,從而提升目標檢測的召回率。綜上所述,本研究證明了旋轉(zhuǎn)框的目標檢測方法在谷粒檢測場景中進行計數(shù)和長寬比計算應用的可行性,可實現(xiàn)高效準確地進行谷粒長寬比的計算,通過進一步優(yōu)化和開發(fā)可運用于種子質(zhì)量檢測及品種鑒定等數(shù)字化育種場景中。

    猜你喜歡
    錨框谷粒邊界
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    錨框策略匹配的SSD飛機遙感圖像目標檢測
    基于SSD算法的輕量化儀器表盤檢測算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標檢測
    拓展閱讀的邊界
    食言者
    谷粒和沙粒
    食言者
    任金黃谷粒丟失在風里
    文苑(2018年18期)2018-11-08 11:12:24
    論中立的幫助行為之可罰邊界
    亚洲成av人片免费观看| 脱女人内裤的视频| 国产黄片美女视频| 男女下面进入的视频免费午夜| 久久欧美精品欧美久久欧美| 亚洲精品色激情综合| 欧美在线一区亚洲| 国产亚洲欧美98| 黄色a级毛片大全视频| 国产精品一区二区精品视频观看| 精品人妻1区二区| 一二三四社区在线视频社区8| 中文字幕熟女人妻在线| 久99久视频精品免费| 淫妇啪啪啪对白视频| 国产精品免费视频内射| 美女大奶头视频| 亚洲无线在线观看| 午夜激情福利司机影院| 中文字幕av在线有码专区| 欧美日韩黄片免| 色综合亚洲欧美另类图片| 18禁美女被吸乳视频| 国产麻豆成人av免费视频| 欧美一级a爱片免费观看看 | 啪啪无遮挡十八禁网站| 老司机午夜福利在线观看视频| 精品久久久久久久久久免费视频| 曰老女人黄片| 少妇被粗大的猛进出69影院| 国产成人精品久久二区二区91| 日韩有码中文字幕| 亚洲精品av麻豆狂野| 亚洲中文字幕一区二区三区有码在线看 | 婷婷亚洲欧美| 国产在线观看jvid| 叶爱在线成人免费视频播放| 国产97色在线日韩免费| 亚洲专区字幕在线| 亚洲成人中文字幕在线播放| 一个人观看的视频www高清免费观看 | 女人爽到高潮嗷嗷叫在线视频| 精品国产乱子伦一区二区三区| 国产高清videossex| xxx96com| 一级毛片女人18水好多| 精品高清国产在线一区| 欧美绝顶高潮抽搐喷水| 国产黄片美女视频| 亚洲熟女毛片儿| 日本黄大片高清| 午夜福利在线在线| 国产不卡一卡二| 亚洲国产欧洲综合997久久,| videosex国产| 中亚洲国语对白在线视频| 一级作爱视频免费观看| 欧美一级毛片孕妇| 国产人伦9x9x在线观看| 国产99久久九九免费精品| 99精品在免费线老司机午夜| 91九色精品人成在线观看| 欧美精品亚洲一区二区| 免费在线观看影片大全网站| 久久久久亚洲av毛片大全| 国产一区二区在线观看日韩 | 午夜激情福利司机影院| 成人亚洲精品av一区二区| 两个人看的免费小视频| 人人妻人人看人人澡| 黄色成人免费大全| 日本 av在线| 亚洲国产精品成人综合色| 精品午夜福利视频在线观看一区| 无限看片的www在线观看| 国产av在哪里看| 叶爱在线成人免费视频播放| 很黄的视频免费| 亚洲欧美激情综合另类| 哪里可以看免费的av片| 五月玫瑰六月丁香| 国产精品日韩av在线免费观看| 一进一出好大好爽视频| 91九色精品人成在线观看| 国产男靠女视频免费网站| 精品久久久久久久毛片微露脸| 男插女下体视频免费在线播放| 国产成人欧美在线观看| 99国产精品一区二区三区| 久久久国产欧美日韩av| 老鸭窝网址在线观看| 蜜桃久久精品国产亚洲av| 777久久人妻少妇嫩草av网站| 18禁观看日本| 色综合亚洲欧美另类图片| 午夜福利免费观看在线| 国产精品 国内视频| 久久精品成人免费网站| 欧美日韩一级在线毛片| 欧美成狂野欧美在线观看| 亚洲成a人片在线一区二区| 级片在线观看| 看黄色毛片网站| 亚洲欧美精品综合一区二区三区| 日本成人三级电影网站| 97碰自拍视频| 亚洲成人中文字幕在线播放| 19禁男女啪啪无遮挡网站| 亚洲一码二码三码区别大吗| 国产精品久久电影中文字幕| 夜夜看夜夜爽夜夜摸| 亚洲男人天堂网一区| 亚洲欧美日韩高清专用| 99精品在免费线老司机午夜| 在线视频色国产色| 99riav亚洲国产免费| 久久国产精品人妻蜜桃| 老熟妇仑乱视频hdxx| 午夜福利免费观看在线| 亚洲avbb在线观看| 99久久久亚洲精品蜜臀av| 国产黄a三级三级三级人| 久99久视频精品免费| 欧美高清成人免费视频www| 国产三级在线视频| 亚洲精华国产精华精| 久久人妻av系列| 国产一级毛片七仙女欲春2| 国产av不卡久久| 可以在线观看的亚洲视频| 天堂av国产一区二区熟女人妻 | 亚洲熟妇熟女久久| 狂野欧美激情性xxxx| www日本在线高清视频| 一a级毛片在线观看| 这个男人来自地球电影免费观看| 观看免费一级毛片| 国产三级在线视频| 俺也久久电影网| 看免费av毛片| 丁香欧美五月| 国产欧美日韩一区二区精品| 日韩国内少妇激情av| av欧美777| 日韩大码丰满熟妇| 看片在线看免费视频| 亚洲成人久久性| 久久国产乱子伦精品免费另类| 五月玫瑰六月丁香| 成年免费大片在线观看| 成人高潮视频无遮挡免费网站| 久久国产精品影院| 亚洲 国产 在线| 国产高清视频在线观看网站| 免费人成视频x8x8入口观看| 欧美日韩福利视频一区二区| 欧美另类亚洲清纯唯美| 看黄色毛片网站| 亚洲熟女毛片儿| 美女午夜性视频免费| 久久久久久久午夜电影| 久久精品成人免费网站| 成人国语在线视频| 国产激情偷乱视频一区二区| 欧美日韩精品网址| 男女午夜视频在线观看| 19禁男女啪啪无遮挡网站| 嫁个100分男人电影在线观看| 三级毛片av免费| 看黄色毛片网站| av天堂在线播放| 亚洲国产欧美人成| 免费在线观看完整版高清| 1024香蕉在线观看| a级毛片在线看网站| 九色国产91popny在线| 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 非洲黑人性xxxx精品又粗又长| 欧美午夜高清在线| 人人妻人人澡欧美一区二区| 国产高清视频在线观看网站| 久久久久国内视频| 婷婷精品国产亚洲av| 亚洲真实伦在线观看| 国产私拍福利视频在线观看| 精品国产乱码久久久久久男人| 村上凉子中文字幕在线| 精品乱码久久久久久99久播| 亚洲五月天丁香| 欧美一级毛片孕妇| 久久久久免费精品人妻一区二区| 女同久久另类99精品国产91| 五月伊人婷婷丁香| 亚洲熟妇中文字幕五十中出| 中亚洲国语对白在线视频| 欧美另类亚洲清纯唯美| 国产精品亚洲美女久久久| 亚洲全国av大片| 国产蜜桃级精品一区二区三区| 国产一区二区在线av高清观看| 啪啪无遮挡十八禁网站| √禁漫天堂资源中文www| 日本熟妇午夜| 国产亚洲精品第一综合不卡| 国产黄a三级三级三级人| 十八禁人妻一区二区| 久久国产精品人妻蜜桃| 女同久久另类99精品国产91| 久久精品aⅴ一区二区三区四区| 国产精品爽爽va在线观看网站| 国产欧美日韩一区二区精品| 中文字幕最新亚洲高清| 又黄又粗又硬又大视频| 老汉色∧v一级毛片| 男女床上黄色一级片免费看| 日韩高清综合在线| 久久国产精品人妻蜜桃| 美女午夜性视频免费| 成年人黄色毛片网站| 国产亚洲精品av在线| 久久精品国产亚洲av香蕉五月| 俺也久久电影网| 亚洲国产日韩欧美精品在线观看 | 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美一区二区三区在线观看| 免费在线观看黄色视频的| 又黄又爽又免费观看的视频| 午夜福利免费观看在线| 黄色a级毛片大全视频| 亚洲欧美日韩无卡精品| 国产精品美女特级片免费视频播放器 | 久久久久免费精品人妻一区二区| 一进一出好大好爽视频| 99久久综合精品五月天人人| 日韩免费av在线播放| 亚洲黑人精品在线| 国产亚洲精品综合一区在线观看 | 观看免费一级毛片| 国产又色又爽无遮挡免费看| 一进一出抽搐动态| 妹子高潮喷水视频| 一个人观看的视频www高清免费观看 | 非洲黑人性xxxx精品又粗又长| 国产亚洲精品av在线| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲最大成人中文| 国产精品日韩av在线免费观看| 在线看三级毛片| 亚洲色图av天堂| 国产一区二区激情短视频| 欧美一级毛片孕妇| 久久欧美精品欧美久久欧美| 成人手机av| 无限看片的www在线观看| 亚洲18禁久久av| 久久久久久亚洲精品国产蜜桃av| 国产伦一二天堂av在线观看| 国产爱豆传媒在线观看 | 午夜老司机福利片| 中文字幕av在线有码专区| 久久婷婷成人综合色麻豆| 丰满人妻一区二区三区视频av | 黄色a级毛片大全视频| 夜夜看夜夜爽夜夜摸| 国产私拍福利视频在线观看| 欧美在线一区亚洲| 特大巨黑吊av在线直播| 欧美性长视频在线观看| 搡老岳熟女国产| 亚洲欧美一区二区三区黑人| 首页视频小说图片口味搜索| 岛国在线观看网站| 婷婷六月久久综合丁香| 精品久久久久久久末码| 欧美人与性动交α欧美精品济南到| 九九热线精品视视频播放| 最近最新中文字幕大全免费视频| 给我免费播放毛片高清在线观看| 欧美一级毛片孕妇| 亚洲欧美日韩东京热| 色在线成人网| 国内毛片毛片毛片毛片毛片| 最新在线观看一区二区三区| 在线观看舔阴道视频| 免费看a级黄色片| 少妇裸体淫交视频免费看高清 | 日本在线视频免费播放| 婷婷精品国产亚洲av| 他把我摸到了高潮在线观看| 亚洲国产精品成人综合色| 精品久久久久久久久久免费视频| 日本免费一区二区三区高清不卡| 91av网站免费观看| 99国产精品99久久久久| 88av欧美| 久久久久精品国产欧美久久久| 麻豆久久精品国产亚洲av| 岛国在线免费视频观看| 欧美日韩国产亚洲二区| 麻豆国产97在线/欧美 | 亚洲人成电影免费在线| 成年人黄色毛片网站| 黄色丝袜av网址大全| 亚洲一区中文字幕在线| 国产成人系列免费观看| 51午夜福利影视在线观看| 成人18禁高潮啪啪吃奶动态图| 精品电影一区二区在线| 久久久精品欧美日韩精品| 成人手机av| 叶爱在线成人免费视频播放| 免费看十八禁软件| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲无线在线观看| 99在线视频只有这里精品首页| 99在线视频只有这里精品首页| 毛片女人毛片| 一本精品99久久精品77| 一边摸一边做爽爽视频免费| 国产亚洲精品第一综合不卡| 亚洲七黄色美女视频| 婷婷丁香在线五月| www日本在线高清视频| 中文字幕人成人乱码亚洲影| 91成年电影在线观看| 成年免费大片在线观看| 久久久久国产精品人妻aⅴ院| 国产男靠女视频免费网站| 国产成人精品无人区| 欧美中文日本在线观看视频| 国产精品国产高清国产av| 97人妻精品一区二区三区麻豆| 长腿黑丝高跟| 亚洲av熟女| 欧美3d第一页| 在线观看舔阴道视频| 国产午夜福利久久久久久| 在线永久观看黄色视频| 丝袜人妻中文字幕| 91九色精品人成在线观看| av有码第一页| 日日夜夜操网爽| 99精品欧美一区二区三区四区| 99久久精品国产亚洲精品| 我的老师免费观看完整版| 国产成人影院久久av| 欧美激情久久久久久爽电影| 18禁美女被吸乳视频| 黑人操中国人逼视频| 免费高清视频大片| 精品一区二区三区av网在线观看| 亚洲精品久久成人aⅴ小说| 夜夜夜夜夜久久久久| 欧美+亚洲+日韩+国产| 久久午夜亚洲精品久久| 夜夜看夜夜爽夜夜摸| 亚洲一码二码三码区别大吗| 午夜日韩欧美国产| 欧美一区二区国产精品久久精品 | 亚洲自偷自拍图片 自拍| 长腿黑丝高跟| 一级毛片女人18水好多| 亚洲av成人av| 午夜精品一区二区三区免费看| www日本黄色视频网| 可以免费在线观看a视频的电影网站| 日韩欧美 国产精品| 十八禁人妻一区二区| 三级男女做爰猛烈吃奶摸视频| 99国产综合亚洲精品| 啦啦啦韩国在线观看视频| 精品国产美女av久久久久小说| 国产视频内射| 国产三级在线视频| 国产97色在线日韩免费| 2021天堂中文幕一二区在线观| 在线观看免费日韩欧美大片| 全区人妻精品视频| 18禁裸乳无遮挡免费网站照片| 无限看片的www在线观看| or卡值多少钱| 亚洲一区二区三区不卡视频| 91av网站免费观看| 超碰成人久久| 岛国在线免费视频观看| 婷婷亚洲欧美| 久久精品成人免费网站| 一边摸一边做爽爽视频免费| 男人的好看免费观看在线视频 | 1024视频免费在线观看| 午夜激情av网站| 久久久久久久精品吃奶| 一二三四在线观看免费中文在| 男女之事视频高清在线观看| 国产免费男女视频| 99国产综合亚洲精品| 欧美高清成人免费视频www| 88av欧美| 成年女人毛片免费观看观看9| 好看av亚洲va欧美ⅴa在| 亚洲男人天堂网一区| 日本一区二区免费在线视频| 亚洲一区中文字幕在线| 日韩av在线大香蕉| 777久久人妻少妇嫩草av网站| 欧美性猛交╳xxx乱大交人| 色综合婷婷激情| 久久久久久大精品| 91九色精品人成在线观看| 嫩草影院精品99| 精品高清国产在线一区| 中文字幕熟女人妻在线| 国产伦一二天堂av在线观看| 天天添夜夜摸| 久久国产精品人妻蜜桃| 亚洲国产精品sss在线观看| 久9热在线精品视频| 婷婷亚洲欧美| 欧美一区二区国产精品久久精品 | 在线观看日韩欧美| aaaaa片日本免费| 国产亚洲精品av在线| 国产免费av片在线观看野外av| 18禁裸乳无遮挡免费网站照片| 搡老熟女国产l中国老女人| 视频区欧美日本亚洲| 看片在线看免费视频| 黄色视频不卡| 看片在线看免费视频| 久久久久久大精品| 国产亚洲精品一区二区www| 叶爱在线成人免费视频播放| 天天一区二区日本电影三级| 午夜亚洲福利在线播放| 激情在线观看视频在线高清| 欧美成人一区二区免费高清观看 | 日韩中文字幕欧美一区二区| 亚洲成av人片免费观看| 成人国产一区最新在线观看| 亚洲一区高清亚洲精品| 国产又色又爽无遮挡免费看| 法律面前人人平等表现在哪些方面| 人妻夜夜爽99麻豆av| 男女视频在线观看网站免费 | 在线观看一区二区三区| 97超级碰碰碰精品色视频在线观看| 亚洲熟女毛片儿| 国产亚洲av嫩草精品影院| 国产精品亚洲一级av第二区| 久久久久九九精品影院| 亚洲中文字幕一区二区三区有码在线看 | 日本免费a在线| 特级一级黄色大片| 国产精品久久久久久人妻精品电影| 91在线观看av| 日本免费a在线| 成人高潮视频无遮挡免费网站| 舔av片在线| 搡老熟女国产l中国老女人| 琪琪午夜伦伦电影理论片6080| 一卡2卡三卡四卡精品乱码亚洲| 中文字幕人成人乱码亚洲影| xxxwww97欧美| 亚洲精品在线观看二区| 美女 人体艺术 gogo| 神马国产精品三级电影在线观看 | 精品国产亚洲在线| 国产亚洲av嫩草精品影院| 午夜两性在线视频| 日韩高清综合在线| 熟女电影av网| 青草久久国产| 国产精品久久久久久久电影 | 欧美av亚洲av综合av国产av| 国产69精品久久久久777片 | 国产蜜桃级精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 日本五十路高清| 最新在线观看一区二区三区| 色在线成人网| 最新在线观看一区二区三区| 成人国产一区最新在线观看| av福利片在线| 午夜视频精品福利| 狂野欧美白嫩少妇大欣赏| 一级a爱片免费观看的视频| 国产aⅴ精品一区二区三区波| 天堂动漫精品| 成人永久免费在线观看视频| 1024视频免费在线观看| 午夜福利高清视频| 人妻久久中文字幕网| 亚洲,欧美精品.| 欧美高清成人免费视频www| 亚洲黑人精品在线| 日韩欧美 国产精品| 少妇的丰满在线观看| 91麻豆精品激情在线观看国产| 两个人看的免费小视频| 天天添夜夜摸| 又紧又爽又黄一区二区| 美女 人体艺术 gogo| 久久精品夜夜夜夜夜久久蜜豆 | 日韩精品免费视频一区二区三区| 欧美大码av| 国产一区二区三区在线臀色熟女| 欧美 亚洲 国产 日韩一| 嫁个100分男人电影在线观看| 老熟妇仑乱视频hdxx| 色综合欧美亚洲国产小说| 国产成年人精品一区二区| 久久久久免费精品人妻一区二区| 一个人免费在线观看电影 | 波多野结衣高清无吗| www.精华液| 国产午夜精品久久久久久| 天天一区二区日本电影三级| 一本一本综合久久| 国产在线观看jvid| 欧美色视频一区免费| 精品国产超薄肉色丝袜足j| 制服诱惑二区| av福利片在线| 成人18禁高潮啪啪吃奶动态图| 免费在线观看完整版高清| 91九色精品人成在线观看| 在线永久观看黄色视频| 亚洲国产欧美网| 久久天躁狠狠躁夜夜2o2o| 三级男女做爰猛烈吃奶摸视频| 午夜福利视频1000在线观看| 老司机在亚洲福利影院| videosex国产| 变态另类成人亚洲欧美熟女| 欧美黑人巨大hd| 欧美+亚洲+日韩+国产| 国产精品久久视频播放| 999久久久精品免费观看国产| 99久久国产精品久久久| 精品国产亚洲在线| 色综合站精品国产| 国产精品国产高清国产av| 香蕉丝袜av| 国产亚洲av高清不卡| 亚洲国产欧美一区二区综合| 日韩欧美国产一区二区入口| 麻豆av在线久日| 日韩中文字幕欧美一区二区| 欧美中文日本在线观看视频| 精品电影一区二区在线| 成人18禁在线播放| or卡值多少钱| 久久精品亚洲精品国产色婷小说| 1024视频免费在线观看| www.自偷自拍.com| 别揉我奶头~嗯~啊~动态视频| 欧美三级亚洲精品| 亚洲国产看品久久| 亚洲av成人不卡在线观看播放网| 男女视频在线观看网站免费 | xxxwww97欧美| 精品人妻1区二区| 麻豆国产av国片精品| 99久久久亚洲精品蜜臀av| 久久久久久国产a免费观看| 一区二区三区国产精品乱码| 亚洲成人中文字幕在线播放| 欧美国产日韩亚洲一区| 久久亚洲精品不卡| 国产成人一区二区三区免费视频网站| 999久久久精品免费观看国产| 亚洲av电影在线进入| 久久久久免费精品人妻一区二区| 久久精品综合一区二区三区| 免费在线观看日本一区| a级毛片a级免费在线| 精品第一国产精品| 91麻豆精品激情在线观看国产| 国产成人欧美在线观看| 草草在线视频免费看| 特大巨黑吊av在线直播| 亚洲av成人av| 欧美乱码精品一区二区三区| 男女做爰动态图高潮gif福利片| 又爽又黄无遮挡网站| 99国产极品粉嫩在线观看| 特大巨黑吊av在线直播| 天天躁夜夜躁狠狠躁躁| 欧美在线一区亚洲| 欧美日韩国产亚洲二区| 国产成人精品无人区| 91老司机精品| 亚洲国产欧美人成| 久久久久久久久中文| 国产私拍福利视频在线观看| 精品一区二区三区av网在线观看| 最好的美女福利视频网| 很黄的视频免费| 老司机午夜福利在线观看视频| 亚洲电影在线观看av| 69av精品久久久久久| av免费在线观看网站| 亚洲av第一区精品v没综合| 小说图片视频综合网站| 香蕉丝袜av| 免费在线观看视频国产中文字幕亚洲| 国产欧美日韩一区二区三| 国产精品一区二区免费欧美| 国产真人三级小视频在线观看| 久久草成人影院| 波多野结衣高清无吗| xxx96com| 国产精品 国内视频| 精品一区二区三区视频在线观看免费|