• <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 ?

    基于無人機熱成像的建筑飾面層脫粘缺陷識別

    2022-02-23 06:56:02鐘新谷陳安華張?zhí)煊?/span>
    紅外技術(shù) 2022年2期
    關(guān)鍵詞:飾面溫度場無人

    彭 雄,鐘新谷,趙 超,陳安華,張?zhí)煊?/p>

    〈紅外應(yīng)用〉

    基于無人機熱成像的建筑飾面層脫粘缺陷識別

    彭 雄1,2,鐘新谷1,2,趙 超1,2,陳安華1,張?zhí)煊?,2

    (1. 湖南科技大學(xué),湖南 湘潭 411201;2. 結(jié)構(gòu)抗風(fēng)與振動控制湖南省重點實驗室,湖南 湘潭 411201)

    建筑外墻飾面層脫粘剝落廣泛存在,對居民生命財產(chǎn)安全帶來巨大威脅。本文以旋翼無人飛機為工作平臺,搭載紅外熱成像相機對建筑外墻飾面層脫粘缺陷進行成像檢測,獲得脫粘缺陷熱成像溫度場分布規(guī)律;通過飾面層脫粘缺陷溫度場、形狀特征分析,提出基于熱源聚類的脫粘缺陷紅外圖像分割方法,構(gòu)建飾面層脫粘缺陷形狀特征向量集,建立基于支持向量機的無人飛機熱成像飾面層脫粘缺陷識別特征學(xué)習(xí)模型、脫粘缺陷實際面積計算方法;以曾出現(xiàn)數(shù)次飾面層剝落的教學(xué)樓為研究對象,對實際建筑進行無人機機載紅外視頻成像檢測,識別脫粘缺陷面積,并與人工檢測進行比較,表明基于先驗特征規(guī)律提出的脫粘缺陷識別小樣本機器學(xué)習(xí)算法具有優(yōu)越性,機載熱成像識別飾面層脫粘缺陷滿足工程精度要求,能有效減少事故發(fā)生,具有可行性和廣泛應(yīng)用前景。

    無人飛機;建筑飾面;脫粘缺陷;熱成像;特征學(xué)習(xí)

    0 引言

    飾面層(building decorative layers, BDLs)廣泛應(yīng)用于建筑外墻,但由于環(huán)境影響、施工質(zhì)量等原因,飾面層容易發(fā)生脫粘剝落,且隨著時間的推移,在雨水、冰凍、暴曬、強風(fēng)等的作用下,脫粘面積會逐漸增大,最終導(dǎo)致飾面層從主體結(jié)構(gòu)上剝離、脫落。近年來建筑外墻飾面層剝落事故時有發(fā)生,對居民生命財產(chǎn)安全帶來巨大威脅,尤其對于高層建筑,一旦出現(xiàn)飾面層脫落將導(dǎo)致嚴重后果,迫切需要采取有效的檢測手段來避免此類事故的發(fā)生。

    傳統(tǒng)飾面層脫粘缺陷檢測手段主要有:目測法、錘擊法、拉拔法[1-2],需要搭設(shè)支架依靠人工攀爬檢測,時間長、成本高且檢測人員安全存在風(fēng)險,因此采用傳統(tǒng)人工檢測的方法識別飾面層脫粘缺陷無實際意義。近年來基于固定或手持紅外熱成像設(shè)備對外墻飾面磚脫粘缺陷檢測相關(guān)研究發(fā)展迅速[3-4],相關(guān)學(xué)者研究了飾面層脫粘缺陷的溫度場分布規(guī)律,并利用紅外設(shè)備對外墻飾面層模型進行熱成像,識別缺陷面積。但由于紅外熱成像與可見光成像相比具有成像范圍較小、分辨率低的特點[5],固定或手持紅外熱成像設(shè)備對外墻飾面磚脫粘缺陷檢測尚沒有得到廣泛應(yīng)用。

    近年來,旋翼無人飛機在航空拍照、測量、高壓輸電線路巡視、農(nóng)業(yè)等民用領(lǐng)域得到廣泛應(yīng)用[6-10]。在無人飛機搭載紅外熱像儀進行結(jié)構(gòu)檢測方面,Omar利用無人機機載紅外熱像儀檢查混凝土橋面脫空[11]。Patel基于無人飛機紅外熱成像測量了建筑圍護構(gòu)件的傳熱系數(shù)[12]。Ellenberg使用無人機分別搭載紅外相機、普通相機對地面預(yù)制梁進行檢測,分析混凝土結(jié)構(gòu)表面缺陷特征[13]。Dusik Kim利用無人飛機攜帶紅外熱像儀對光伏電站的太陽能面板進行檢測,應(yīng)用閾值分割和形態(tài)學(xué)算法提出太陽面板的面積自動提取算法,識別的正確率達到96.9%[14]。但由于飾面脫粘缺陷為隱蔽缺陷,其熱成像溫度場受太陽輻射角度影響隨時間變化。此外,不同顏色、規(guī)格的脫粘缺陷溫度場規(guī)律可能不一致。因此基于無人飛機平臺進行飾面層脫粘缺陷熱成像檢測還需進一步研究。

    同時,由于紅外熱成像像素分辨率低,邊緣模糊,使得基于傳統(tǒng)圖像處理方法難以識別紅外熱成像缺陷面積。近年來機器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)發(fā)展迅速[15-16],適于大規(guī)模的機載熱成像圖像識別。Olivier利用卷積神經(jīng)網(wǎng)絡(luò)識別紅外圖像自動確定機器的狀態(tài)[17]。Gong將深度學(xué)習(xí)方法用于基于熱成像的電氣設(shè)備檢測[18]。Zhang結(jié)合壓縮感知與分類卷積神經(jīng)網(wǎng)絡(luò),提出超分辨率紅外圖像處理方法[19]。Luo建立了適于紅外熱成像缺陷檢測的VGG-Unet網(wǎng)絡(luò)[20]。Saeed提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的缺陷自動檢測方法[21]。但無人飛機熱成像的脫粘缺陷識別基于檢測飛行試驗建立小規(guī)模樣本集,且基于文獻及試驗已得到缺陷熱成像先驗規(guī)律,利用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)獲得高階特征進行紅外圖像語義分割的方法人工標(biāo)記時間成本高,且特征冗余,造成識別精度和魯棒性較低。

    因此,本文以六旋翼無人飛機為工作臺搭載紅外熱成像儀,在無人飛機加裝三點激光測距儀與熱像儀視頻同步測距[22-23],基于無人飛機熱成像試驗獲得飾面層脫粘缺陷熱成像敏感性規(guī)律;基于飾面層脫粘缺陷紅外圖像特點,提出熱源模糊聚類二值分割方法,和適于小樣本的機器學(xué)習(xí)算法,并與開源深度學(xué)習(xí)語義分割效果比較;基于空間分辨率換算識別缺陷面積,并與傳統(tǒng)人工檢測進行比較,驗證本文所提出方法的精度,系統(tǒng)架構(gòu)如圖1所示。

    圖1 系統(tǒng)架構(gòu)圖

    1 飾面層脫粘缺陷熱成像敏感性試驗研究

    近年來,有關(guān)學(xué)者研究了基于熱成像的飾面脫粘缺陷識別,但受拍攝仰角、分辨率的限制難以進行大規(guī)模實際應(yīng)用[1-4]。旋翼無人飛機具有使用靈活的特點,以旋翼無人機為平臺,搭載紅外熱成像儀是否滿足飾面層脫粘缺陷識別要求,取決于機載熱成像對于溫度變化下飾面層缺陷的敏感程度,以及不同規(guī)格飾面層的脫粘缺陷熱成像溫度場特性是否具有一致性。為滿足建筑飾面層脫粘缺陷智能識別要求,利用無人飛機機載熱成像對基于人工檢測的脫粘缺陷進行檢測,研究脫粘缺陷熱成像溫度特性,為基于機器學(xué)習(xí)圖像處理的飾面層脫粘缺陷識別提供先驗特征。

    1.1 飾面層缺陷識別熱成像原理

    文獻[1-4]研究了建筑飾面層的熱傳遞規(guī)律,如圖2所示為建筑物外墻飾面層的能量輻射示意圖,當(dāng)飾面層與建筑外墻之間發(fā)生剝離、脫空時,在脫空位置將形成很薄的空氣層,由于氣體具有很好的隔熱性,使得飾面層與建筑結(jié)構(gòu)之間的熱傳遞減少。升溫時,在太陽照射下墻體的溫度迅速升高并向建筑內(nèi)部傳導(dǎo)熱量,由于脫粘缺陷位置有空氣層的存在熱量向內(nèi)傳遞相應(yīng)減少,導(dǎo)致脫粘缺陷表面的溫度異常高于正常位置;降溫時,由于脫粘缺陷阻擋了建筑內(nèi)部的熱量向表面?zhèn)鬟f,使缺陷表面的溫度異常低于正常位置。利用飾面層脫粘缺陷的熱傳遞規(guī)律,脫粘缺陷處的紅外熱成像圖像與正常位置應(yīng)具有明顯差異,為識別飾面層脫粘缺陷位置與面積提供了實驗與理論依據(jù)。

    圖2 太陽輻射下飾面層脫粘缺陷熱傳遞原理

    1.2 溫度變化下飾面層缺陷熱成像試驗

    根據(jù)建筑飾面層的熱傳遞規(guī)律,利用如圖3所示六旋翼無人飛機平臺,搭載DY640紅外熱成像儀(溫度分辨率0.04℃,熱靈敏度0.035℃,圖像分辨率640×480,幀率25幀)和三點激光測距儀,對人工檢測的脫粘缺陷位置進行成像檢測。將機載紅外熱成像視頻逐幀解壓,對缺陷區(qū)域紅外熱成像照片按典型時段排列,并計算其灰度分布圖,如圖4所示。表明在8:00 am~14:00 pm的升溫過程中,脫粘缺陷的灰度范圍與正常背景之間存在明顯的差異,顯著高于背景,其中在10:00 am左右由于劇烈升溫導(dǎo)致圖像灰度差異最為明顯,脫粘缺陷區(qū)域灰度差異值在40以上。在降溫過程中,脫粘缺陷處灰度值低于正常背景,在16:00 pm左右差異最為明顯。試驗結(jié)果與建筑外墻飾面層能量傳遞規(guī)律一致,且升溫時熱成像圖像灰度特征變化更為明顯,表明利用快速升溫時缺陷區(qū)域機載熱成像結(jié)果的顯著灰度差異識別飾面層缺陷具有可行性。

    圖3 飾面層缺陷機載熱成像檢測:(a) 機載熱成像測試原理;(b) 機載熱成像測試結(jié)果

    圖4 飾面層脫粘缺陷溫度場時間變化規(guī)律

    1.3 不同規(guī)格飾面層脫粘缺陷熱成像試驗

    利用前述無人飛機系統(tǒng),在升溫最劇烈的時間段對多座曾出現(xiàn)過飾面層剝落的大樓進行機載紅外熱成像實驗,選取同一規(guī)格飾面建筑的不同面積脫粘缺陷熱成像圖像進行對比,如圖5所示,表明不同面積的脫粘缺陷區(qū)域溫度場都有中心向邊緣的灰度梯度變化,具有普遍一致性,利用機載熱像儀無差別視頻錄像識別不同面積飾面層缺陷具有可行性。

    如圖6所示,對比不同規(guī)格飾面層的缺陷熱成像圖像,表明脫粘缺陷溫度場變化與飾面種類、顏色、規(guī)格無關(guān),缺陷溫度場特性具有普遍一致性,飾面層脫粘缺陷熱成像圖像邊緣模糊、由中心向邊緣溫度梯度變化明顯、區(qū)域形狀特征與其他干擾噪聲有明顯區(qū)別,表明通過建立飾面缺陷圖像數(shù)據(jù)集,利用無人飛機機載熱成像視頻無差別檢測飛行,利用機器學(xué)習(xí)方法快速識別缺陷病害具有可行性。

    圖5 不同面積飾面層脫粘缺陷熱成像灰度分布規(guī)律

    圖6 不同規(guī)格飾面層脫粘缺陷熱成像灰度分布規(guī)律

    2 無人飛機熱成像飾面層脫粘缺陷識別算法

    基于前述試驗分析,表明設(shè)定無人飛機航跡進行無差別機載紅外視頻成像識別飾面層脫粘缺陷具有可行性,但由于視頻成像數(shù)據(jù)量巨大,同時在飾面層熱成像圖像中,飾面磚勾縫、金屬窗、空調(diào)外機等物體大量存在,其比熱容小升溫迅速,與脫粘缺陷的溫度場具有類似的特點,引起脫粘缺陷的誤識別,因此如何利用圖像處理技術(shù)快速準(zhǔn)確識別脫粘缺陷面積尤為重要?;谇笆鎏攸c,本文提出基于熱源模糊聚類的二值分割方法,和基于支持向量機的缺陷形狀自動篩選機器學(xué)習(xí)算法,自動提取并識別飾面層脫粘缺陷面積。

    2.1 基于熱源模糊聚類的紅外圖像分割

    為準(zhǔn)確識別飾面層脫粘缺陷面積,需對缺陷圖像區(qū)域內(nèi)每一像素點進行分類判斷,實現(xiàn)語義分割[24]。而聚類是把某些具有相同特征的樣本數(shù)據(jù)聚集在一起,從而實現(xiàn)對樣本數(shù)據(jù)進行分類?;跓嵩茨:垲惖募t外圖像分割使用迭代搜索聚類中心即熱成像圖像中熱源中心,并通過區(qū)域內(nèi)像素與中心之間的隸屬度關(guān)系來計算目標(biāo)函數(shù)的最小值,實現(xiàn)紅外圖像模糊邊界的分離和缺陷區(qū)域圖像的像素級分割[25]。算法的目標(biāo)函數(shù)如式(1)所示:

    式中:是像素數(shù)目;表示聚類中心數(shù);表示相對于類的隸屬度;表示模糊權(quán)重系數(shù);表示像素灰度;表示聚類中心。隸屬度的約束條件為:

    因此求解聚類問題變成了一個非線性優(yōu)化,求解在約束公式(2)下的目標(biāo)函數(shù)最小值,通過引入拉格朗日乘子,將方程變成如下:

    基于升溫時段飾面脫粘缺陷和噪聲都具有異常高的溫度場特性,利用上述模糊聚類算法進行熱成像圖像分割,其步驟的如下:①將圖7(a)所示原始圖片進行灰度化,并計算其灰度直方圖,如圖7(c)所示;②根據(jù)灰度直方圖確定聚類類別數(shù)為2類;③計算目標(biāo)函數(shù)。如果目標(biāo)函數(shù)比某確定閾值小,或相對于某閾值e大于上次目標(biāo)函數(shù)值的改變量,則算法停止;④用公式(2)計算新的模糊矩陣U,然后返回步驟③。從而確定各類聚類的中心和各個樣本數(shù)據(jù)屬于各類的隸屬度矩陣,完成聚類分割,如圖7(d)所示。

    2.2 基于支持向量機的飾面層缺陷識別

    經(jīng)過模糊聚類分割后,紅外圖像中窗戶、空調(diào)外機、勾縫等具有集中溫度場特性的噪聲與飾面缺陷同時被聚類出來。為實現(xiàn)小樣本數(shù)據(jù)集下的脫粘缺陷面積精確識別,基于脫粘缺陷區(qū)域形狀特征參數(shù)構(gòu)造向量集,訓(xùn)練基于支持向量機的脫粘缺陷面積識別模型。

    2.2.1 形狀特征向量集構(gòu)造

    為快速區(qū)分二值圖像內(nèi)脫粘缺陷與其他噪聲,如圖7所示,利用區(qū)域提取函數(shù)對分割后區(qū)域進行標(biāo)記。根據(jù)文獻,計算圖7標(biāo)記區(qū)域內(nèi)等主要形狀指標(biāo)面積、最小外接矩形長寬比、矩形度、圓形度、周長、伸長度、偏心率,結(jié)果表1所示,缺陷與噪聲區(qū)域形狀特征有明顯區(qū)別,表明利用形狀參數(shù)篩選缺陷區(qū)域具有可行性[26]。隨機選取20張含不同像素面積的脫粘缺陷圖像,統(tǒng)計其形狀特征參數(shù)值,并進行歸一化處理,建立篩選曲線,以形狀特征面積和區(qū)域圓度為例,如圖8和圖9所示,其中缺陷區(qū)域像素面積與噪聲像素面積范圍互相重合,無法對缺陷區(qū)域和噪聲進行篩選,而區(qū)域圓度則能有效區(qū)分缺陷與噪聲區(qū)域。統(tǒng)計上述區(qū)域形狀特征指標(biāo)對樣本區(qū)域的篩選率,選取篩選率高的圓度、最小外接矩形長寬比、偏心率、矩形度作為脫粘缺陷區(qū)域特征向量。構(gòu)建=(,,,)的缺陷形狀特征向量。

    2.2.2 支持向量機算法構(gòu)建

    支持向量機(support vector machines, SVM)是基于結(jié)構(gòu)風(fēng)險最小化的一種機器學(xué)習(xí)算法,具有泛化能力強、適用于小樣本分類等優(yōu)點[27]。而基于機載熱成像的飾面層脫粘缺陷區(qū)域識別樣本數(shù)據(jù)集制作的時間成本較高,因此本文利用支持向量機算法,建立小樣本飾面缺陷識別數(shù)據(jù)集,訓(xùn)練脫粘缺陷自動識別模型。選取具有強學(xué)習(xí)能力、適應(yīng)范圍寬的徑向基(radial basis function, RBF)核函數(shù)作為支持向量機的核函數(shù)。該核函數(shù)為:

    表1 脫粘缺陷區(qū)域形狀特征參數(shù)計算

    圖9 基于面積參數(shù)的篩選結(jié)果

    對應(yīng)參數(shù)尋優(yōu)的二次規(guī)劃問題轉(zhuǎn)化為以下的最大值問題:

    相應(yīng)的最優(yōu)函數(shù)為:

    SVM即為構(gòu)造最優(yōu)分割平面,將基于篩選的脫粘缺陷區(qū)域形狀特征向量映射到高維空間,實現(xiàn)基于最優(yōu)分割平面的缺陷區(qū)域與噪聲區(qū)域分類,實現(xiàn)脫粘缺陷區(qū)域與非缺陷區(qū)域的自動篩選濾除。

    2.2.3 模型訓(xùn)練與驗證

    選取200張經(jīng)過聚類分割后的脫粘缺陷紅外圖像進行區(qū)域標(biāo)記。隨機選取像素面積不同的個區(qū)域作為樣本集(,),其中=1, 2, 3,…,,?。?00為樣本數(shù)。為脫粘缺陷紅外圖像的特征向量,為缺陷特征向量的人工標(biāo)記。標(biāo)記圖像的大小為640pixel×480pixel,按照“訓(xùn)練集:驗證集=4:1”的比例,將圖像樣本數(shù)據(jù)集分成訓(xùn)練集和驗證集,訓(xùn)練集圖像數(shù)量為160張,驗證集圖像數(shù)量為40張。利用Python編寫程序完成樣本訓(xùn)練,將學(xué)習(xí)模型對驗證集進行交叉驗證,測試結(jié)果顯示39個驗證集樣本實現(xiàn)了正確分類,正確率為97.5%。

    3 無人飛機建筑飾面層脫粘缺陷熱成像試驗分析

    為驗證本文所提出系統(tǒng)方法的有效性,進行無人飛機建筑飾面層脫粘缺陷熱成像試驗,試驗以作者單位某五層教學(xué)樓為依托工程,該教學(xué)樓于2005建成,其采用20cm×8cm規(guī)格瓷磚作為外墻飾面,近年來出現(xiàn)多次飾面層脫落事件。選擇出現(xiàn)剝落較多的東立面、南立面作為檢測飛行對象,在夏季升溫最快的上午10:00左右進行機載熱成像試驗,成像設(shè)備為六旋翼無人飛機平臺,搭載DY640紅外熱成像儀(溫度分辨率0.04℃,熱靈敏度0.035℃,圖像分辨率640×480,幀率25幀),配備與熱像儀同頻率三點激光測距儀,及高清圖傳系統(tǒng),如圖10所示,飛行檢測過程如圖11所示。

    3.1 飾面缺陷無人飛機成像試驗

    機載紅外攝像具有檢測速度快、檢測范圍全覆蓋的優(yōu)點,只需在低速平穩(wěn)狀態(tài)下進行無差別掃描攝像。飾面層的脫粘缺陷識別要求對建筑物外墻立面進行快速、全覆蓋檢測,因此選擇機載紅外攝像作為成像方式。在試驗飛行過程中,利用三點激光測距儀實時測量并記錄無人飛機系統(tǒng)與建筑外墻之間物距,為保證機載紅外攝像具有足夠的分辨率,經(jīng)過現(xiàn)場反復(fù)飛行檢測驗證,設(shè)定檢測飛行物距為4~6m。根據(jù)文獻[21-22],在6m物距下像素解析度計算如式(7)所示:

    圖11 無人飛機飛行檢測過程

    式中:uav是待求的無人飛機飛行速度;pixel為保證視頻清晰的最小像移;為保證視頻清晰的最小像素數(shù);為像素解析度;為視頻中單幀拍攝時間。根據(jù)(7)、(8)式計算,設(shè)定飛行物距4~6m,飛行速度0.7m/s。對獲取的紅外視頻進行解壓,得到飾面層缺陷紅外熱成像圖像如圖12所示,對圖12進行人工分割識別如圖13所示。

    3.2 飾面層缺陷圖像分割

    對于無人飛機機載熱成像的飾面層脫粘缺陷圖12按前述方法進行聚類分割,將紅外圖像中的熱源中心及其附近區(qū)域聚類,結(jié)果如圖14所示。聚類分割后的圖像上存在窗、空調(diào)外機、飾面勾縫等比熱容較低的物體區(qū)域。將圖14所示二值圖像進行區(qū)域標(biāo)記,將形成的區(qū)域特征向量代入前述訓(xùn)練好的支持向量機模型,消除非缺陷區(qū)域,并重新進行區(qū)域標(biāo)記得圖15所示缺陷區(qū)域圖像。結(jié)果顯示所提出的識別方法具有更好的分割效果,對金屬窗戶、勾縫等偽特征噪聲有較強的抑制能力,對邊緣的分割效果也更接近如圖13所示的飾面脫粘缺陷人工分割圖像。

    圖12 機載熱成像飾面脫粘缺陷圖

    圖13 飾面脫粘缺陷手動分割圖

    圖14 聚類分割結(jié)果

    為了評估所提出熱源模糊聚類二值分割和支持向量機篩選預(yù)測模型的精確性,采用交互比進行模型評估,其計算方法如式(9)[29]:

    式中:TP是被模型預(yù)測為正的正樣本;FP是被模型預(yù)測為正的負樣本;FN是被模型預(yù)測為負的正樣本。計算圖15所示分割結(jié)果對比人工分割樣本的IoU值,對比圖16采用開源Deeplab V3+深度學(xué)習(xí)語義分割網(wǎng)絡(luò)[30]所分割圖像,本文算法的IoU值平均在0.9以上,分割的精度優(yōu)于訓(xùn)練好的語義分割模型。表明利用飾面層脫粘溫度場變化先驗特征、基于支持向量機建立篩選分類模型,在小樣本數(shù)據(jù)集中對比開源深度學(xué)習(xí)網(wǎng)絡(luò)更具有優(yōu)越性和可解釋性,對于對比度較低、邊緣模糊、且有偽特征干擾的脫粘缺陷紅外圖像具有更好的分割精度。

    圖16 基于Deeplab V3+的語義分割結(jié)果

    3.3 缺陷面積計算與分析

    圖12所示機載熱成像飾面缺陷同步激光測距如表2所示,對于圖15中提取的缺陷形狀,通過工具箱分別統(tǒng)計各脫粘缺陷區(qū)域內(nèi)總像素數(shù),根據(jù)文獻[21-22],利用物距法計算單個像素對應(yīng)的實際面積,最后得到脫粘缺陷區(qū)域總的實際面積,計算結(jié)果如表2所示。

    對比基于傳統(tǒng)人工敲擊檢測脫粘缺陷區(qū)域面積,如表2所示,基于無人飛機熱成像的建筑飾面脫粘缺陷識別結(jié)果,與人工檢測數(shù)據(jù)相比所得結(jié)果相差較小,機載熱成像系統(tǒng)達到90%以上精度,表明基于無人飛機熱成像飾面層脫粘缺陷識別具有可行性。

    表2 機載熱成像飾面缺陷面積識別與比對

    4 結(jié)論

    ①通過無人飛機飾面層脫粘缺陷熱成像敏感性試驗,得到飾面層脫粘缺陷溫度場隨時間變化規(guī)律;比較在最佳檢測時間內(nèi)不同飾面層熱成像試驗結(jié)果,表明不同面積和不同飾面規(guī)格的脫粘缺陷熱成像灰度分布具有一致性,利用無人飛機機載紅外無差別掃描錄像識別脫粘缺陷位置與面積大小具有可行性。

    ②本文提出了一種結(jié)合聚類和機器學(xué)習(xí)的小樣本脫粘缺陷面積識別方法?;诩t外圖像邊緣模糊、灰度梯度明顯、脫粘缺陷區(qū)域形狀與其他干擾噪聲有明顯區(qū)別的特點,提出熱源模糊聚類二值分割方法,并基于支持向量機建立缺陷形狀自動篩選模型,達到90%以上面積識別精度。表明利用溫度場特性和形狀參數(shù)先驗特征,在小樣本數(shù)據(jù)集上對比開源深度學(xué)習(xí)網(wǎng)絡(luò)更具有優(yōu)越性和可解釋性,具有更好的分割精度。利用無人飛機機載紅外熱成像系統(tǒng)可有效識別飾面層脫粘缺陷,為后續(xù)的維修和預(yù)警提供了有效檢測數(shù)據(jù),具有良好的社會和工程應(yīng)用價值。

    ③根據(jù)本文試驗及分析結(jié)果,建議無人飛機機載熱成像檢測時段應(yīng)該選擇在夏季、秋季的溫度迅速升高時段。

    ④本文對飾面層脫粘缺陷的識別為事后分析,制作專門分析軟件內(nèi)置入機載熱成像系統(tǒng)進行實時檢測還需要進一步研究。

    [1] 馮力強, 王歡祥, 晏大偉, 等. 建筑外墻飾面層內(nèi)部缺陷紅外熱像法檢測試驗研究[J]. 土木建筑與環(huán)境工程, 2014, 36(2): 57-61

    FENG Liqiang, WANG Huanxiang, YAN Dawei, et al. Experimental study on inside defects of building exterior wall decoration layer by infrared thermal imaging method[J]., 2014, 36(2): 57-61.

    [2] 朱紅光, 易成, 胡玉琨, 等. 紅外熱像診斷外墻飾面層粘結(jié)缺陷的檢測條件研究[J]. 建筑技術(shù), 2016, 47(2): 172-175.

    ZHU Hongguang, YI Cheng, HU Yukun, et al. Study on detection conditions for infrared thermography diagnosis of debonding defect of exterior wall decoration layer[J]., 2016, 47(2): 172-175.

    [3] 朱雷, 房志明, 王卓琳, 等. 外墻飾面層粘結(jié)缺陷的檢測評估[J]. 無損檢測, 2016, 38(6): 10-16.

    ZHU Lei, FANG Zhiming, WANG Zhuolin, et al. Detection and evaluation of debonding defect of exterior wall decoration layer[J]., 2016, 38(6): 10-16.

    [4] 馮力強, 王歡祥, 晏大瑋, 等. 紅外熱像法檢測建筑外墻飾面層內(nèi)部缺陷試驗研究[J]. 土木工程學(xué)報, 2014, 47(6): 51-56.

    FENG Liqiang, WANG Huanxiang, YAN Dawei, et al. Experimental study on internal defects detection of exterior wall finish coat by infrared thermography[J]., 2014, 47(6): 51-56.

    [5] Gene S, Hojjat A. Infrared thermography for detecting defects in concrete structures[J]., 2018, 24: 508-515.

    [6] WANG L, ZHANG Z. Automatic detection of wind turbine blade surface cracks based on UAV-taken images[J]., 2017, 64(9): 7293-7303.

    [7] CHEN S, Laefer D F, Mangina E, et al. UAV bridge inspection through evaluated 3D reconstructions[J]., 2019, 24(4): 05019001.

    [8] CHEN S, Laefer D F, Mangina E. State of technology review of civilian UAVs[J].2016, 10(3): 160-174.

    [9] Rakha T, Gorodetsky A. Review of unmanned aerial system (UAS) applications in the built environment: towards automated building inspection procedures using drones[J]., 2018, 93: 252-264.

    [10] Sattar D, Thomas R J, Marc M. Fatigue Crack Detection using unmanned aerial systems in fracture critical inspection of steel bridges[J]., 2018, 23(10): 04018078.

    [11] Tarek O, Nehdi M L. Remote sensing of concrete bridge decks using unmanned aerial vehicle infrared thermography[J]., 2017, 83: 360-371.

    [12] Patel D, Estevam Schmiedt J, R?ger M, et al. Approach for external measurements of the heat transfer coefficient (U-value) of building envelope components using UAV based infrared thermography [C]//14, 2018: 379-386.

    [13] A Ellenberg,A Kontsos, F Moon, I Bartoli. Bridge deck delamination identification from unmanned aerial vehicle infrared thermography, automation in construction[J]., 2016, 72: 155-165

    [14] Dusik K, Youn J. Automatic photovoltaic panel area extraction from UAV thermal infrared images[J]., 2016, 34(6): 559-568.

    [15] 勾紅葉, 楊彪, 華輝, 等. 橋梁信息化及智能橋梁2019年度研究進展[J]. 土木與環(huán)境工程學(xué)報, 2020, 42(5): 14-27.

    GOU Hongye, YANG Biao, HUA Hui, et al. Research progress of bridge informatization and intelligent bridge in 2019[J]., 2020, 42(5): 14-27.

    [16] 鮑躍全, 李惠. 人工智能時代的土木工程[J]. 土木工程學(xué)報, 2019, 52(5): 5-15.

    BAO Yuequan, LI Hui. Artificial intelligence for civil engineering[J]., 2019, 52(5): 5-15.

    [17] Janssens O, Walle R V D, Loccufier M. Deep learning for infrared thermal image based machine health monitoring[J]., 2018, 23(1): 151-159.

    [18] GONG X, YAO Q, WANG M, et al. A deep learning approach for oriented electrical equipment detection in thermal images[J]., 2018(6): 41590-41597.

    [19] ZHANG X, LI C, MENG Q, et al. Infrared image super resolution by combining compressive sensing and deep learning[J]., 2018, 18(8): 2587.

    [20] LUO Q, GAO B, Woo W L, et al. Temporal and spatial deep learning network for infrared thermal defect detection[J]., 2019, 108: 102164.

    [21] N Saeed, N King, Z Said, et al. Automatic defects detection in CFRP thermograms, using convolutional neural networks and transfer learning[J]., 2019, 102: 03048.

    [22] 鐘新谷, 彭雄, 沈明燕. 基于無人飛機成像的橋梁裂縫寬度識別可行性研究[J]. 土木工程學(xué)報, 2019, 52(4): 52-61.

    ZHONG Xingu, PENG Xiong, SHEN Mingyan. Study on the feasibility of identifying bridge crack width with images acquired by unmanned aerial vehicles[J]., 2019, 52(4): 52-61.

    [23] 鐘新谷, 彭雄. 基于無人飛機機載成像的混凝土裂縫寬度識別方法: 0845685.9, 中國[P]. 2019-02-19.

    ZHONG Xingu, PENG Xiong. Concrete-crack-width identification system and method based on robot bomb airborne imaging:0845685.9 China[P].2019-02-19

    [24] CHEN L C, Papandreou G, Kokkinos I, et al. Semantic image segmentation with deep convolutional nets and fully connected CRFs[J]., 2014(4): 357-361.

    [25] 王曉飛, 胡凡奎, 黃碩. 基于分布信息直覺模糊c均值聚類的紅外圖像分割算法[J]. 通信學(xué)報, 2020, 41(5): 120-129.

    WANG Xiaofei, HU Fankui, HUANG Shuo, Infrared image segmentation algorithm based on distribution information intuitionistic fuzzy c-means clustering[J]., 2020, 41(5): 120-129.

    [26] 李可心, 王鈞, 戚大偉. 基于G-S-G的混凝土結(jié)構(gòu)裂縫識別及監(jiān)測方法[J]. 振動與沖擊, 2020, 39(11): 101-108.

    LI Kexin, WANG Jun, QI Dawei. Research on crack identification and monitoring method of concrete structure based on G-S-G[J]., 2020, 39(11): 101-108.

    [27] 王睿, 漆泰岳. 基于機器視覺檢測的裂縫特征研究[J]. 土木工程學(xué)報, 2016, 49(7): 123-128

    WANG Rui, QI Taiyue. Study on crack characteristics based on machine vision detection[J]., 2016, 49(7): 123-128 .

    [28] HWANG Soonkyu, AN Yun Kyu, KIM Ji Min, et al. Monitoring and instantaneous evaluation of fatigue crack using integrated passive and active laser thermography[J]., 2019, 119: 9-17.

    [29] Kang D, Benipal S S, Gopal D L, et al. Hybrid pixel-level concrete crack segmentation and quantification across complex backgrounds using deep learning[J]., 2020, 118: 103291.

    [30] CHEN L C, Papandreou G, Kokkinos I, et al. DeepLab: semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs[J]., 2016, 40(4): 834-848.

    Debonding Defect Recognition of Building Decoration Layers by UAV Thermography

    PENG Xiong1,2,ZHONG Xingu1,2,ZHAO Chao1,2,CHEN Anhua1,ZHANG Tianyu1,2

    (1.,411201,; 2.,411201,)

    The phenomenon of building decorative layers (BDLs) falling off of exterior walls is quite common, and is of great concerns to human safety. In this study, a rotor unmanned aerial vehicle (UAV) equipped with an infrared thermal camera is used as the working platform to detect debonding BDL defects to obtain the change in law of its thermography imagery. Based on the analysis of the temperature field and shape characteristics of thermography images of BDLs, an image segmentation method for debonding defects based on fuzzy clustering is proposed, and a shape feature vector set of debonding BDL defects is constructed. Therefore, a feature learning model for debonding defect recognition and a calculation method for the actual area of debonding defects based on support vector machines are established. Finally, a case study of the teaching building inspection with several peeling veneers is carried out to demonstrate the effectiveness of the proposed method. Compared with the manual test, the results show that the small-sample machine-learning algorithm for debonding defect recognition based on prior feature law has advantages, and can effectively reduce the occurrence of accidents presenting potential practical applications.

    unmanned aerial vehicle, building decoration layers, debonding defect, thermography imagery, feature learning

    TU17

    A

    1001-8891(2022)02-0189-09

    2020-11-02;

    2021-04-23.

    彭雄(1992-),男,博士研究生,主要從事結(jié)構(gòu)健康監(jiān)測技術(shù)與方法研究。E-mail:1021009@hnust.edu.cn。

    鐘新谷(1962-),男,博士,教授,主要從事結(jié)構(gòu)工程科研與教學(xué)工作。

    國家自然科學(xué)基金(基于無人飛機的橋梁結(jié)構(gòu)裂縫形狀與寬度非接觸識別研究51678235)。

    猜你喜歡
    飾面溫度場無人
    木飾面在住宅空間室內(nèi)設(shè)計中的運用
    鋁合金加筋板焊接溫度場和殘余應(yīng)力數(shù)值模擬
    無人戰(zhàn)士無人車
    反擊無人機
    基于紋影法的溫度場分布測量方法
    MJS工法與凍結(jié)法結(jié)合加固區(qū)溫度場研究
    建筑科技(2018年6期)2018-08-30 03:41:08
    論室內(nèi)裝修木飾面工程質(zhì)量通病的防治
    詩到無人愛處工
    岷峨詩稿(2017年4期)2017-04-20 06:26:43
    無人超市會流行起來嗎?
    X80鋼層流冷卻溫度場的有限元模擬
    一区二区三区激情视频| 哪个播放器可以免费观看大片| 国产精品 欧美亚洲| 亚洲综合精品二区| 久久精品国产鲁丝片午夜精品| 国产精品二区激情视频| 一区二区三区精品91| 久久久精品94久久精品| 精品少妇一区二区三区视频日本电影 | 欧美另类一区| 亚洲国产色片| 午夜免费观看性视频| 99国产综合亚洲精品| 国产熟女午夜一区二区三区| 久久影院123| 日韩 亚洲 欧美在线| 国产精品久久久av美女十八| 国产男女超爽视频在线观看| 最近最新中文字幕免费大全7| 午夜福利视频精品| 高清在线视频一区二区三区| 香蕉丝袜av| 亚洲美女视频黄频| 午夜老司机福利剧场| 天天躁夜夜躁狠狠躁躁| 日韩熟女老妇一区二区性免费视频| 91aial.com中文字幕在线观看| 免费av中文字幕在线| 亚洲精品日本国产第一区| 丝袜喷水一区| 亚洲一码二码三码区别大吗| 国产精品免费大片| 久久人人爽人人片av| 少妇被粗大的猛进出69影院| 亚洲精品自拍成人| 精品第一国产精品| 国产精品久久久久久久久免| 黄色一级大片看看| 日韩伦理黄色片| 最近中文字幕高清免费大全6| 性色av一级| 国产精品不卡视频一区二区| 国产 一区精品| 人人澡人人妻人| 国产精品一二三区在线看| 赤兔流量卡办理| 天天操日日干夜夜撸| 亚洲av福利一区| 亚洲av免费高清在线观看| 久久久a久久爽久久v久久| 国产高清不卡午夜福利| 在线观看三级黄色| 日本欧美国产在线视频| 国产淫语在线视频| 丝袜人妻中文字幕| 看免费av毛片| 国产乱人偷精品视频| 国产白丝娇喘喷水9色精品| 日韩伦理黄色片| 中文字幕av电影在线播放| 晚上一个人看的免费电影| 国产在线视频一区二区| 亚洲国产av影院在线观看| 在线观看免费高清a一片| 在线亚洲精品国产二区图片欧美| 黑丝袜美女国产一区| 日韩一卡2卡3卡4卡2021年| 好男人视频免费观看在线| 亚洲av在线观看美女高潮| 老司机影院毛片| 99热网站在线观看| 国产片特级美女逼逼视频| 成人午夜精彩视频在线观看| 2022亚洲国产成人精品| 看免费av毛片| 97在线人人人人妻| 永久免费av网站大全| 免费久久久久久久精品成人欧美视频| 青春草国产在线视频| 熟女av电影| 中文欧美无线码| 我的亚洲天堂| 伊人久久国产一区二区| 久久人妻熟女aⅴ| 可以免费在线观看a视频的电影网站 | 国产成人aa在线观看| tube8黄色片| 亚洲欧美一区二区三区黑人 | 精品人妻在线不人妻| 久久久亚洲精品成人影院| 国产亚洲最大av| 99热全是精品| 女人久久www免费人成看片| 又大又黄又爽视频免费| 又黄又粗又硬又大视频| 一区二区日韩欧美中文字幕| 波多野结衣一区麻豆| 国产成人免费无遮挡视频| 国产在线一区二区三区精| 人体艺术视频欧美日本| 亚洲内射少妇av| 一二三四在线观看免费中文在| 国产精品国产av在线观看| 只有这里有精品99| 好男人视频免费观看在线| av在线老鸭窝| 亚洲av国产av综合av卡| 亚洲精品av麻豆狂野| 久久精品国产亚洲av天美| 久久国产精品大桥未久av| 成人国产av品久久久| 在线观看www视频免费| 捣出白浆h1v1| 国产精品秋霞免费鲁丝片| 性色avwww在线观看| 国产免费又黄又爽又色| 亚洲激情五月婷婷啪啪| 啦啦啦中文免费视频观看日本| 黑人巨大精品欧美一区二区蜜桃| 最近最新中文字幕大全免费视频 | 菩萨蛮人人尽说江南好唐韦庄| 我要看黄色一级片免费的| 男人添女人高潮全过程视频| 亚洲色图 男人天堂 中文字幕| 国产av国产精品国产| 精品亚洲乱码少妇综合久久| 电影成人av| 两个人看的免费小视频| 涩涩av久久男人的天堂| 亚洲av国产av综合av卡| 亚洲婷婷狠狠爱综合网| 两个人免费观看高清视频| 免费高清在线观看视频在线观看| 久久午夜福利片| 精品人妻一区二区三区麻豆| 欧美精品一区二区大全| 久久97久久精品| 新久久久久国产一级毛片| 人成视频在线观看免费观看| 久久97久久精品| 91成人精品电影| 国产女主播在线喷水免费视频网站| 搡老乐熟女国产| 久久久久久久大尺度免费视频| 久久国产精品大桥未久av| 一级片'在线观看视频| 国产亚洲一区二区精品| 叶爱在线成人免费视频播放| 青春草亚洲视频在线观看| 女人被躁到高潮嗷嗷叫费观| 亚洲精品aⅴ在线观看| 国产日韩一区二区三区精品不卡| 十八禁高潮呻吟视频| 国产成人精品久久久久久| 国产亚洲最大av| 纯流量卡能插随身wifi吗| 国产熟女欧美一区二区| 久久久久久久久免费视频了| 91成人精品电影| 精品人妻偷拍中文字幕| 丝袜美足系列| 黄片小视频在线播放| 99热国产这里只有精品6| 一本大道久久a久久精品| 国产av一区二区精品久久| 如日韩欧美国产精品一区二区三区| 99久久综合免费| 男人添女人高潮全过程视频| 视频区图区小说| 免费日韩欧美在线观看| 久久精品国产亚洲av涩爱| 美女国产视频在线观看| 天堂俺去俺来也www色官网| 五月开心婷婷网| 中文字幕色久视频| 国产精品久久久久久久久免| 亚洲av欧美aⅴ国产| 最近中文字幕高清免费大全6| 一个人免费看片子| 青草久久国产| 久久久久网色| 精品酒店卫生间| 少妇的丰满在线观看| 少妇 在线观看| 国产一区二区激情短视频 | 免费看不卡的av| 99热国产这里只有精品6| www日本在线高清视频| 午夜福利,免费看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美中文字幕日韩二区| 国产成人精品福利久久| 欧美中文综合在线视频| 99久久人妻综合| 欧美精品一区二区大全| 丰满少妇做爰视频| 国产精品二区激情视频| 欧美国产精品一级二级三级| 丝袜喷水一区| 国产精品无大码| 久久国内精品自在自线图片| 国产精品.久久久| 国产成人精品婷婷| 亚洲av在线观看美女高潮| 男女边摸边吃奶| 国产成人免费无遮挡视频| 日韩精品免费视频一区二区三区| 日本wwww免费看| 国产精品免费视频内射| av.在线天堂| 综合色丁香网| 一区二区日韩欧美中文字幕| 精品国产乱码久久久久久小说| 老司机影院成人| 欧美亚洲 丝袜 人妻 在线| 在线观看免费高清a一片| 日韩欧美一区视频在线观看| 国产精品亚洲av一区麻豆 | 亚洲在久久综合| 中文字幕色久视频| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品久久久久久婷婷小说| 久久精品国产综合久久久| 国产av一区二区精品久久| 亚洲国产av新网站| 99热全是精品| 男的添女的下面高潮视频| 91精品伊人久久大香线蕉| 美女中出高潮动态图| av福利片在线| 亚洲国产精品成人久久小说| 99精国产麻豆久久婷婷| 久久 成人 亚洲| 考比视频在线观看| 啦啦啦在线观看免费高清www| 欧美 日韩 精品 国产| 人成视频在线观看免费观看| 中文字幕精品免费在线观看视频| 女人久久www免费人成看片| 欧美另类一区| 欧美97在线视频| 日韩中字成人| 青春草国产在线视频| 永久网站在线| 精品卡一卡二卡四卡免费| 午夜免费男女啪啪视频观看| av免费在线看不卡| 狠狠精品人妻久久久久久综合| 天天操日日干夜夜撸| 嫩草影院入口| 国产欧美亚洲国产| 国产成人av激情在线播放| 久久狼人影院| 一本—道久久a久久精品蜜桃钙片| 超碰97精品在线观看| 亚洲一码二码三码区别大吗| 春色校园在线视频观看| 人人妻人人澡人人爽人人夜夜| 在线观看国产h片| 久久久久久久亚洲中文字幕| 国产一区二区在线观看av| 99热全是精品| 一级,二级,三级黄色视频| 一本久久精品| 色94色欧美一区二区| 搡老乐熟女国产| 巨乳人妻的诱惑在线观看| 免费在线观看黄色视频的| 在线免费观看不下载黄p国产| 夫妻性生交免费视频一级片| 国精品久久久久久国模美| 欧美变态另类bdsm刘玥| 午夜久久久在线观看| 黑人巨大精品欧美一区二区蜜桃| 婷婷色综合大香蕉| 久久人人爽人人片av| 亚洲欧美一区二区三区黑人 | 亚洲精品aⅴ在线观看| 午夜日韩欧美国产| 亚洲精品美女久久av网站| 97在线视频观看| 国产精品麻豆人妻色哟哟久久| 日韩中字成人| 黄色 视频免费看| 日韩av不卡免费在线播放| 亚洲综合精品二区| 最近中文字幕2019免费版| 亚洲色图综合在线观看| 欧美激情 高清一区二区三区| 成年女人毛片免费观看观看9 | 国精品久久久久久国模美| 18禁国产床啪视频网站| 黑人猛操日本美女一级片| 亚洲国产毛片av蜜桃av| 十分钟在线观看高清视频www| 丝袜在线中文字幕| 中文欧美无线码| 亚洲欧美一区二区三区国产| 欧美精品一区二区大全| 亚洲国产精品成人久久小说| 男女下面插进去视频免费观看| 亚洲国产最新在线播放| 色94色欧美一区二区| 久久久久久久精品精品| 亚洲男人天堂网一区| 国产精品欧美亚洲77777| 久久久国产欧美日韩av| 亚洲av.av天堂| 999久久久国产精品视频| 久久99精品国语久久久| 97精品久久久久久久久久精品| 男女免费视频国产| 久久国内精品自在自线图片| 免费观看av网站的网址| 亚洲综合精品二区| 欧美激情高清一区二区三区 | 国产深夜福利视频在线观看| 少妇人妻 视频| 丝袜在线中文字幕| 哪个播放器可以免费观看大片| 人妻系列 视频| 欧美精品一区二区大全| a 毛片基地| 黄频高清免费视频| 中文字幕精品免费在线观看视频| 免费女性裸体啪啪无遮挡网站| 91精品伊人久久大香线蕉| 十八禁网站网址无遮挡| 最近中文字幕高清免费大全6| 欧美黄色片欧美黄色片| 91久久精品国产一区二区三区| 亚洲第一av免费看| 久久久国产一区二区| 精品亚洲成国产av| 免费不卡的大黄色大毛片视频在线观看| 自线自在国产av| 最黄视频免费看| 性色av一级| 国产精品国产三级专区第一集| 亚洲欧美一区二区三区国产| 午夜日本视频在线| 亚洲精品第二区| 一级片免费观看大全| 老司机影院成人| 永久网站在线| av女优亚洲男人天堂| 久久人妻熟女aⅴ| 亚洲综合精品二区| 永久网站在线| 国产精品久久久久久精品电影小说| 国产成人精品久久久久久| 春色校园在线视频观看| 亚洲av日韩在线播放| av电影中文网址| 午夜福利在线免费观看网站| 午夜91福利影院| 色94色欧美一区二区| 91精品伊人久久大香线蕉| 五月开心婷婷网| 日日摸夜夜添夜夜爱| 国产在线免费精品| 毛片一级片免费看久久久久| 免费高清在线观看日韩| 夜夜骑夜夜射夜夜干| 精品国产露脸久久av麻豆| 精品国产国语对白av| 女性生殖器流出的白浆| 欧美日韩国产mv在线观看视频| 久久久久久久久久久免费av| 精品少妇内射三级| 99精国产麻豆久久婷婷| 99久国产av精品国产电影| 一级毛片黄色毛片免费观看视频| 免费在线观看视频国产中文字幕亚洲 | 黑人猛操日本美女一级片| 一区二区日韩欧美中文字幕| 国产精品一区二区在线不卡| 深夜精品福利| 亚洲 欧美一区二区三区| 欧美激情 高清一区二区三区| 国产日韩一区二区三区精品不卡| 精品少妇黑人巨大在线播放| 黄色毛片三级朝国网站| 国产男女超爽视频在线观看| 久久国内精品自在自线图片| av网站免费在线观看视频| 水蜜桃什么品种好| 只有这里有精品99| 婷婷色av中文字幕| 久久久久精品久久久久真实原创| 男女午夜视频在线观看| 在线观看三级黄色| 老汉色av国产亚洲站长工具| 久久97久久精品| 女人久久www免费人成看片| xxxhd国产人妻xxx| 五月开心婷婷网| 色播在线永久视频| 亚洲成人av在线免费| 一本久久精品| 人成视频在线观看免费观看| 一边摸一边做爽爽视频免费| 欧美人与性动交α欧美精品济南到 | 久久亚洲国产成人精品v| 在线观看国产h片| 国产精品二区激情视频| 毛片一级片免费看久久久久| 亚洲经典国产精华液单| 午夜福利影视在线免费观看| 成人毛片a级毛片在线播放| av女优亚洲男人天堂| 久久久亚洲精品成人影院| 秋霞在线观看毛片| 美女主播在线视频| 亚洲精品一区蜜桃| 国产精品亚洲av一区麻豆 | 交换朋友夫妻互换小说| 99热全是精品| 看非洲黑人一级黄片| 久久精品国产a三级三级三级| 色吧在线观看| 久久这里有精品视频免费| 中文字幕最新亚洲高清| 黄色配什么色好看| 一区二区三区乱码不卡18| 成年美女黄网站色视频大全免费| 9热在线视频观看99| 18在线观看网站| 蜜桃国产av成人99| 少妇人妻久久综合中文| 亚洲三级黄色毛片| 亚洲欧洲精品一区二区精品久久久 | 欧美精品高潮呻吟av久久| 又粗又硬又长又爽又黄的视频| 两个人免费观看高清视频| 美女xxoo啪啪120秒动态图| 国产一区二区三区综合在线观看| 色播在线永久视频| 永久免费av网站大全| 精品少妇一区二区三区视频日本电影 | 永久网站在线| 精品少妇一区二区三区视频日本电影 | 亚洲欧美一区二区三区黑人 | 国产国语露脸激情在线看| 女人高潮潮喷娇喘18禁视频| 2018国产大陆天天弄谢| 免费在线观看完整版高清| 高清不卡的av网站| 欧美日韩一区二区视频在线观看视频在线| 国产成人aa在线观看| 黄片无遮挡物在线观看| 999久久久国产精品视频| 十分钟在线观看高清视频www| 国产精品香港三级国产av潘金莲 | 色网站视频免费| 亚洲 欧美一区二区三区| 国产男女超爽视频在线观看| 男人爽女人下面视频在线观看| 18在线观看网站| 18禁动态无遮挡网站| 美女国产视频在线观看| 精品人妻在线不人妻| 我的亚洲天堂| 美女脱内裤让男人舔精品视频| av女优亚洲男人天堂| 亚洲精品,欧美精品| 男人舔女人的私密视频| 亚洲国产欧美在线一区| 久久亚洲国产成人精品v| 久久国产亚洲av麻豆专区| 国产成人精品在线电影| av女优亚洲男人天堂| 国产精品偷伦视频观看了| 国产爽快片一区二区三区| 18禁裸乳无遮挡动漫免费视频| 精品人妻在线不人妻| 久久久久久久精品精品| 日本免费在线观看一区| 最近的中文字幕免费完整| 日本色播在线视频| 在线观看人妻少妇| 搡老乐熟女国产| 伦理电影大哥的女人| 日本欧美国产在线视频| 两性夫妻黄色片| 日日啪夜夜爽| 欧美国产精品一级二级三级| 国产成人精品福利久久| 亚洲精品日本国产第一区| 国产精品偷伦视频观看了| 老熟女久久久| 欧美国产精品一级二级三级| 精品酒店卫生间| 欧美国产精品va在线观看不卡| 欧美亚洲 丝袜 人妻 在线| www.自偷自拍.com| 色哟哟·www| 看免费成人av毛片| 在线 av 中文字幕| 日产精品乱码卡一卡2卡三| 自线自在国产av| 欧美日韩亚洲国产一区二区在线观看 | av在线播放精品| 黄频高清免费视频| 妹子高潮喷水视频| 七月丁香在线播放| a级片在线免费高清观看视频| 免费观看无遮挡的男女| 亚洲一码二码三码区别大吗| 黄色 视频免费看| 爱豆传媒免费全集在线观看| 亚洲精华国产精华液的使用体验| 9191精品国产免费久久| 日韩人妻精品一区2区三区| 三上悠亚av全集在线观看| 亚洲av福利一区| 在线精品无人区一区二区三| 夜夜骑夜夜射夜夜干| 只有这里有精品99| 日本91视频免费播放| 成人影院久久| 久久久久久久久久人人人人人人| 最近的中文字幕免费完整| 人人妻人人澡人人看| 国产淫语在线视频| 一二三四中文在线观看免费高清| 交换朋友夫妻互换小说| 亚洲精品国产av蜜桃| 一级片'在线观看视频| 国产一区二区三区综合在线观看| www日本在线高清视频| 波多野结衣一区麻豆| 久久国产精品男人的天堂亚洲| 两个人看的免费小视频| 肉色欧美久久久久久久蜜桃| 国产无遮挡羞羞视频在线观看| 18禁裸乳无遮挡动漫免费视频| 久久av网站| 高清欧美精品videossex| 街头女战士在线观看网站| 日本91视频免费播放| 国产精品女同一区二区软件| 亚洲第一区二区三区不卡| 超碰97精品在线观看| 久久久久视频综合| 国产精品二区激情视频| www日本在线高清视频| av免费观看日本| 久久狼人影院| 国产成人a∨麻豆精品| av网站免费在线观看视频| 九九爱精品视频在线观看| 丰满乱子伦码专区| 亚洲成色77777| 久久人人爽人人片av| 亚洲av.av天堂| 欧美黄色片欧美黄色片| 日本欧美国产在线视频| 欧美日韩一级在线毛片| 成年动漫av网址| 国产精品久久久久久av不卡| 男女啪啪激烈高潮av片| 丝瓜视频免费看黄片| 欧美少妇被猛烈插入视频| 色94色欧美一区二区| 一边摸一边做爽爽视频免费| 亚洲成国产人片在线观看| 99re6热这里在线精品视频| 成年人午夜在线观看视频| 婷婷色综合大香蕉| 两个人免费观看高清视频| av国产久精品久网站免费入址| 18在线观看网站| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品久久精品一区二区三区| 边亲边吃奶的免费视频| 老熟女久久久| 9色porny在线观看| 满18在线观看网站| 熟妇人妻不卡中文字幕| 91久久精品国产一区二区三区| 丝袜美腿诱惑在线| 蜜桃国产av成人99| 色哟哟·www| 久久久久久久久久人人人人人人| 丰满饥渴人妻一区二区三| 爱豆传媒免费全集在线观看| 黄色配什么色好看| 在线免费观看不下载黄p国产| 最近最新中文字幕免费大全7| 不卡视频在线观看欧美| 欧美精品亚洲一区二区| av免费在线看不卡| 国产一区二区三区综合在线观看| 国产精品99久久99久久久不卡 | 一本久久精品| 亚洲熟女精品中文字幕| 午夜免费观看性视频| 一区二区三区乱码不卡18| 免费观看a级毛片全部| 久久婷婷青草| 日韩欧美精品免费久久| 两性夫妻黄色片| 亚洲精品久久成人aⅴ小说| 精品国产国语对白av| 欧美日韩视频精品一区| 秋霞伦理黄片| av电影中文网址| 欧美日韩一级在线毛片| 日韩在线高清观看一区二区三区| 欧美国产精品va在线观看不卡| 亚洲欧洲国产日韩| 欧美激情 高清一区二区三区| 国产成人精品久久二区二区91 | 精品一品国产午夜福利视频|