• <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YOLOv4絕緣子掉片故障檢測方法

    2022-02-26 08:35:38黨宏社
    電瓷避雷器 2022年1期
    關(guān)鍵詞:絕緣子卷積聚類

    黨宏社,薛 萌,郭 琴

    (1.陜西科技大學電氣與控制工程學院,西安 710021;2.西安西瑞控制技術(shù)股份有限公司,西安 710021)

    0 引言

    隨著人們對用電量的需求逐年增加,輸電線路長度也不斷增長[1],電網(wǎng)的覆蓋面逐漸擴大,途經(jīng)的地理環(huán)境也越來越復雜,許多輸電線都搭建在人煙稀少的自然環(huán)境中,常年受到自然環(huán)境的侵害[2]。由于長時間暴露在野外環(huán)境中,絕緣子經(jīng)常會遭受惡劣天氣和氣候的影響發(fā)生掉片故障,損害整個輸電線路的使用和運行壽命。相關(guān)數(shù)據(jù)顯示,每年由絕緣子故障引發(fā)的事故超過電網(wǎng)故障的一半[3],因此定期對輸電線路進行巡檢是電力系統(tǒng)工作人員的一項重要的工作[4]。

    目前輸電線路巡檢主要分為人工巡檢和機器人巡檢兩種方式。對于地理環(huán)境惡劣的地區(qū),人工巡檢的難度較大,并具有一定的危險性[5],而機器人能夠代替人對不易到達或是自然環(huán)境惡劣的地區(qū)進行巡檢。其中直升機巡檢由于仍要搭載人員對線路進行拍攝巡檢,自動化程度不是很高[6];懸掛式機器人巡檢需要和線路接觸,因此會對線路產(chǎn)生一定的影響[7]。與之相比,無人機巡檢僅需人員站在地面操控無人機[8],操作更加簡便靈活,也不會對線路產(chǎn)生影響,因此得到了廣泛應(yīng)用。

    隨著深度學習技術(shù)的發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法也層出不窮[9]。與傳統(tǒng)圖像處理方法相比,通過卷積神經(jīng)網(wǎng)絡(luò)對特征進行提取的目標檢測算法不需要人工設(shè)計分類特征的選取[10],并且對于顏色、背景、紋理等干擾因素的魯棒性較好。Huang[11]等人提出了一種基于多特征融合的深度學習模型來識別航拍絕緣子故障,通過將手動提取的顏色和LBP紋理特征與卷積神經(jīng)網(wǎng)絡(luò)提取的高級特征融合,實現(xiàn)對絕緣子檢測,再通過故障分類網(wǎng)絡(luò)對絕緣子進行故障檢測。Yang[12]等人提出一種利用深度卷積神經(jīng)網(wǎng)絡(luò)檢測絕緣子自爆的方法。林志城[13]等人分別使用Mask-RCNN、Retina-net、YOLOv3三種目標檢測算法通過多模型融合,將檢測結(jié)果中置信度和重疊率高的預測目標框進行融合,提高了絕緣子自爆故障的檢測精度。陳俊杰[14]等人構(gòu)建了基于Faster R-CNN的絕緣子檢測模型,對3種材質(zhì)的絕緣子進行了故障檢測,并能夠準確定位故障點。

    目前的無人機巡檢是將采集到海量圖像傳送回地面端后進行離線檢測,因而會造成發(fā)現(xiàn)故障的滯后性[15],因此研究能夠在采集過程中進行實時性檢測的輕量型的絕緣子故障檢測算法是十分必要的,而現(xiàn)有技術(shù)大多通過使用特征融合手段或加深網(wǎng)絡(luò)層數(shù)來對模型的檢測精度進行提升,存在檢測速度較慢的缺點,模型文件體積也較大,不適合嵌入式使用。

    基于上述分析,提出一種改進的YOLOv4目標檢測方法,通過對比MobileNet系列網(wǎng)絡(luò)的參數(shù)量,選擇MobileNetv2作為模型的骨干網(wǎng)絡(luò),并將模型后續(xù)頸部網(wǎng)絡(luò)與頭部網(wǎng)絡(luò)中的3×3與5×5標準卷積替換為深度可分離卷積,使模型輕量化。使用K-means聚類對絕緣子數(shù)據(jù)集的錨框進行聚類,得到更加適合本檢測目標的9種先驗框尺寸。將h-swish函數(shù)引入頸部網(wǎng)絡(luò)中的PANet結(jié)構(gòu)中作為激活函數(shù),減少模型后半部分對特征進行反復提取過程中的信息損失,從而在滿足檢測精度的前提下提升檢測速度,同時大大減少了模型參數(shù),為檢測算法的嵌入式應(yīng)用與絕緣子圖片的邊采集邊檢測提供了可能。

    1 改進的絕緣子故障檢測算法

    改進的YOLOv4輕量型檢測算法總體流程圖如圖1所示。首先對輸入圖像進行預處理,將圖像尺寸調(diào)整為416×416的大小,然后輸入到改進的YOLOv4模型中,結(jié)合K-means聚類得到的9種先驗框尺寸,輸出3種不同尺度下的預測結(jié)果,通過置信度篩選和非極大值抑制即可得到最終的絕緣子串和掉片故障的檢測結(jié)果。

    圖1 改進的YOLOv4絕緣子故障檢測算法總體流程圖Fig.1 Flow chart for improved YOLOv4 insulator fault detection algorithm

    1.1 YOLOv4的輕量化

    1.1.1 骨干網(wǎng)絡(luò)的輕量化

    YOLOv4算法屬于目標檢測中的單階段式算法,能同時對目標的類別與位置進行回歸[16],因此檢測速度較快。YOLOv4采用了CSPDarknet53[17]作為骨干網(wǎng)絡(luò)對輸入圖像進行特征提取。為了將骨干網(wǎng)絡(luò)輕量化,使用MobileNet系列網(wǎng)絡(luò)重新構(gòu)建骨干網(wǎng)絡(luò)。MobileNet是Google針對手機等嵌入式設(shè)備提出的一種輕量型卷積神經(jīng)網(wǎng)絡(luò)[18],目前已經(jīng)進行了3個版本的更迭。分別使用MobileNetv1、v2、v3作為YOLOv4的骨干網(wǎng)絡(luò)來構(gòu)建目標檢測模型,并統(tǒng)計各自的參數(shù)量,結(jié)果如表1所示:

    由表1可知使用MobileNetv2的參數(shù)量最少,不到原網(wǎng)絡(luò)的2/3,因此選擇MobileNetv2[19]作為骨干網(wǎng)絡(luò)。MobileNet采用的深度可分離卷積(depthwise separable convolutions,dw)[20]能夠在特征提取效果少量降低的情況下極大減少運算量,從而提升運算速度。

    表1 使用不同骨干網(wǎng)絡(luò)的模型參數(shù)量對比Table 1 Parameters comparison of the different backbone

    此外,借鑒殘差網(wǎng)絡(luò)ResNet[21]的結(jié)構(gòu)特點,使用具有線性瓶頸的逆殘差結(jié)構(gòu)(InvertedResidual)構(gòu)建骨干網(wǎng)絡(luò)的單個卷積塊,具體結(jié)構(gòu)如圖2所示。

    圖2 具有線性瓶頸的逆殘差結(jié)構(gòu)Fig.2 The inverted residual with linear bottleneck

    逆殘差結(jié)構(gòu)是中間大兩端小的紡錘狀,并且具有一條殘差邊[22]。首先通過1×1卷積升維,之后進行深度可分離卷積進行特征提取,最后再通過1×1 卷積降維,并使用殘差邊將輸入連接過來相加。卷積核尺寸越小則張量維度越低,計算量就越少[23],但全部使用低緯張量會造成特征提取效果變差,因此通過先升維進行特征提取,再將提取到的特征進行降維,既保證了特征提取效果,又減少了運算量。被壓縮到低維空間的特征由于是從高維空間提取來的,所包含的有效信息較多,因此在進行1×1的降維之后,使用線性激活函數(shù)進行激活。

    重新構(gòu)建的骨干網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示,括號中表示經(jīng)過本層操作后輸出的特征圖尺寸,其中CBR6模塊是對輸入依次進行卷積,批歸一化和ReLU6激活操作,(52,52,32)、(26,26,96)與(13,13,320)這3層將作為頸部網(wǎng)絡(luò)的輸入。

    圖3 改進后的骨干網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Improved backbone network structure chart

    1.1.2 頭部網(wǎng)絡(luò)與頸部網(wǎng)絡(luò)的輕量化

    雖然使用MobileNetv2作為骨干網(wǎng)絡(luò)能夠減少參數(shù),但在模型后續(xù)的頭部與頸部中均存在大量的卷積運算,為了進一步將模型輕量化,將頸部中的CBR(Conv,Batch Normolization,Relu)模塊、下采樣以及頭部YoloHead中的3×3與5×5標準卷積改為深度可分離卷積,并統(tǒng)計參數(shù)量,結(jié)果如表2所示,dw表示深度可分離卷積。

    表2 使用深度可分離卷積后的模型參數(shù)對比Table 2 Comparison of model parameters after using dw

    由表2可知使用了dw的模型參數(shù)再一次減少,與改進前的YOLOv4相比參數(shù)量僅占原來的17%左右,變得更加輕量化,能夠進一步加快運算的速度。

    1.2 K-means聚類先驗框

    原YOLOv4算法使用了具有80種類別的COCO數(shù)據(jù)集[24]進行訓練與測試,而本文所檢測的目標種類較單一,因此為了使模型收斂更快[25],使用K-means算法對數(shù)據(jù)集中的真實標注框尺寸進行聚類,得到較符合本文檢測目標的先驗框的尺寸。使用K-means算法得到先驗框尺寸的流程圖如圖4所示。

    圖4 K-means聚類得到9種先驗框尺寸流程圖Fig.4 Flow chart for K-means clustering obtains 9 priori box sizes

    在所有標注框尺寸數(shù)據(jù)中隨機選取9個聚類中心,分別計算其他標注框尺寸到聚類中心的距離。采用IOU距離[26]代替歐氏距離進行衡量,如式(1)所示。

    D(i,center)=1-IOU(i,center)

    (1)

    式中,D(i,center)表示第i個標注框尺寸到聚類中心center的距離,IOU(i,center)表示第i個標注框尺寸與聚類中心框的重合程度,取值為[0,1]。兩個標注框越相似,重合面積就越大,IOU值越大,因此對IOU取負號再加1,這樣得到的IOU距離就越小。將標注框分配給距離最小的聚類中心后,按照當前分類結(jié)果計算每一類數(shù)據(jù)的坐標均值,即可得到新的聚類中心。若新的聚類中心發(fā)生變化,則重新計算其他標注框到聚類中心的距離并重新分類,直到聚類中心不再變化。聚類中心分布結(jié)果如圖5所示,其中實心點為數(shù)據(jù)集中實際的標注框尺寸,空心點為聚類結(jié)果。

    圖5 聚類中心分布結(jié)果Fig.5 Results of clustering center distribution

    最終得到的9種先驗框尺寸如下:[(44,68)、(57,414)、(84,18)],[(84,27)、(123,35)、(166,61)],[(282,60)、(286,108)、(306,359)]。

    1.3 h-swish激活函數(shù)

    模型頸部網(wǎng)絡(luò)使用了PANet結(jié)構(gòu)[27]對不同層的特征圖進行特征的反復提取,具體結(jié)構(gòu)如圖6所示,圖中的數(shù)字分別表示對應(yīng)特征圖的寬與高尺寸。

    圖6 本模型使用的PANet結(jié)構(gòu)Fig.6 PANet structure used inproposed model

    PANet通過上采樣和下采樣將不同尺寸的特征圖融合在一起并進行卷積運算,得到了豐富的多尺寸特征融合后的信息。為了將提取到的特征更有效地傳遞,使用h-swish激活函數(shù)[28]對融合后的特征進行激活,h-swish的計算公式如式(2)所示。

    (2)

    與常規(guī)的ReLU函數(shù)相比,h-swish函數(shù)在靠近原點的負半軸有一段負值,這樣的形狀特點能夠緩解ReLU造成的神經(jīng)元壞死,從而保留更多有用的信息。h-swish與ReLU函數(shù)圖像如圖7所示。

    圖7 ReLU與h-swish函數(shù)圖像Fig.7 ReLU and h-swish function graph

    模型所使用的PANet是在對多尺度特征進行反復融合與提取,包含有大量有效特征信息,若使用ReLU激活函數(shù)則會將負值輸入全部抑制為0,從而丟失許多有用信息,因此選擇h-swish函數(shù)能夠?qū)μ卣鬟M行更有效的傳遞。

    改進后的網(wǎng)絡(luò)整體結(jié)構(gòu)如圖8所示。骨干網(wǎng)絡(luò)由一系列逆殘差模塊Inverted_Res組成,dwCBR模塊包括深度可分離卷積(dwConv)、批歸一化和ReLU6激活。SPP(Spatial Pyramid Pooling)是空間金字塔池化[29],對輸入分別進行1×1、5×5、9×9和13×13這四種不同尺寸的最大池化,并將四種輸出結(jié)果進行通道上的堆疊。PANet結(jié)構(gòu)中的dwCBh模塊包括深度可分離卷積、批歸一化和h-swish激活,CBh模塊包括卷積、批歸一化和h-swish激活,下采樣DownSampling與頭部網(wǎng)絡(luò)YoloHead中的3×3卷積均為深度可分離卷積。

    圖8 改進后的YOLOv4模型整體結(jié)構(gòu)圖Fig.8 Improved YOLOV4 model structure

    2 實驗與結(jié)果分析

    2.1 軟硬件環(huán)境

    實驗的硬件環(huán)境如下:CPU為Intel i5-8300H 2.30 GHz,內(nèi)存大小16GBx2,GPU為NVIDIA GeForce GTX 1050。軟件環(huán)境采用windows10操作系統(tǒng),pytorch1.1深度學習框架,CUDA=9.1.126,編程語言為python3.6。

    2.2 實驗數(shù)據(jù)集

    實驗數(shù)據(jù)集源于github上由國家電網(wǎng)公司提供的852張無人機高空拍攝的桿塔絕緣子圖片,其中600張為正常絕緣子,252張為具有掉片故障的絕緣子。輸電線路常見掉片故障原因包括雷擊、污穢及絕緣子劣化。在雷雨或潮濕天氣下,雷電活動可能使絕緣子串遭受雷擊,而潮濕天氣可能使積污絕緣子發(fā)生污閃。當絕緣子串遭受雷擊或污閃時,劣化絕緣子將被擊穿,此時會有較大電流通過使其發(fā)生爆炸,從而造成掉片故障。本文數(shù)據(jù)集中掉片故障原因包括雷擊和污閃造成的爆裂,絕緣子種類包括瓷質(zhì)絕緣子、玻璃絕緣子和復合型絕緣子3類,并且具有森林、城鎮(zhèn)、湖泊、田地等各種不同背景。用labelImg標注軟件對圖片進行標注,并對852張原始照片進行旋轉(zhuǎn)、鏡像、亮度及顏色調(diào)整進行數(shù)據(jù)集的擴增,最終得到3 804張照片。將數(shù)據(jù)集分為8∶1∶1三份,分別用于模型的訓練、驗證與測試。

    2.3 訓練過程

    采用遷移學習的思想[30],將在VOC2007數(shù)據(jù)集上預訓練好的特征提取網(wǎng)絡(luò)權(quán)重遷移至該模型進行微調(diào)。訓練時的超參數(shù)設(shè)置如下:初始學習率0.001,批處理量16。凍結(jié)訓練世代50,總訓練世代100。對學習率進行Adam優(yōu)化,并在50世代之后降低到0.000 1,非極大值抑制的閾值設(shè)置為0.3,置信度為0.5。

    訓練得到的損失曲線如圖9所示,對圖9(a)的y軸進行了對數(shù)化處理,能在顯示總體趨勢的同時展示出訓練后期的損失值變化。由圖9可知損失值隨著訓練的進行逐漸下降,最終趨于穩(wěn)定,模型得到收斂。

    圖9 訓練過程的損失曲線Fig.9 Loss curve during training

    2.4 實驗結(jié)果

    將本文提出的3種改進分別運用在原算法中進行模型的訓練與測試,結(jié)果如表3所示。表中AP(average precision)表示檢測的平均精度,insulator AP與defect AP分別表示絕緣子串AP與掉片故障AP,mAP(mean average precision)表示平均精度均值,是取所有類別AP值的均值,F(xiàn)PS是每秒可以處理的圖片幀數(shù)。

    由表3可知,將MobileNetv2作為骨干網(wǎng)絡(luò)的模型檢測速度最快,能達到12.23FPS。使用K-means與h-swish均能夠小幅度提升模型的mAP,但h-swish會導致檢測速度下降更多,原因是盡管h-swish的計算并不過于復雜,但仍比ReLU計算麻煩。結(jié)合了3種改進方法的模型檢測速度與原來相比得到了提高,能夠達到10.51FPS,同時mAP能達到94.08%。

    表3 模型改進前后性能對比Table 3 Performance comparison before and after model improvement

    為了更客觀地評價本文模型,選擇了目前主流的目標檢測算法Faster-RCNN和SSD與本研究方法進行了縱向?qū)Ρ?,實驗結(jié)果如表4所示。

    表4 該模型與主流算法的性能對比Table 4 Performance comparison between mainstream algorithms andthe proposed model

    由表4可知,F(xiàn)aster-RCNN的mAP最高,達到了94.80%,但檢測速度較慢,為8.17FPS,模型文件的大小也有108MB。SSD的mAP是最低的,為92.28%,但檢測速度和模型文件大小都比Faster-RCNN與YOLOv4好。本研究模型與YOLOv4相比mAP有了略微的下降,但仍比SSD算法高,并且檢測速度有了顯著的提升,達到最快的10.51FPS,模型文件也是最小的46.4MB,僅占YOLOv4的1/5。

    本研究算法的部分測試結(jié)果如圖10所示,示例結(jié)果中有12張包含瓷質(zhì)絕緣子,3張包含玻璃絕緣子,5張包含復合絕緣子,6張包含雷擊及污閃造成的掉片故障。

    圖10 檢測效果圖Fig.10 Detection effect pictures

    由圖10可知算法對于不同種類的絕緣子、不同原因及位置的掉片故障均能夠較好檢測出來,并且對于不同背景的魯棒性較好。

    在現(xiàn)實中,雨、雪、霧天氣會造成無人機拍攝到的圖像質(zhì)量下降,為了檢驗?zāi)P驮谔厥馓鞖庀碌聂敯粜裕瑥臄?shù)據(jù)集中隨機選擇圖片并模擬了雨、雪、霧3種天氣下的狀態(tài)并使用本研究模型進行檢測,結(jié)果如圖11所示。

    圖11 雨、雪、霧天氣下的檢測效果Fig.11 Detection effect under rain,snow and fog weather

    隨機選擇的圖片中含有不同顏色的瓷質(zhì)絕緣子及掉片故障,由圖可知在雨、雪、霧3種天氣的影響下,本文模型對于絕緣子串的檢測效果幾乎不受影響,但對于掉片故障的檢測效果變差,如圖11(b)中圓圈標出的故障未被檢測出來,可見惡劣天氣會導致模型檢測效果變差。

    3 結(jié) 論

    提出了一種改進的YOLOv4目標檢測方法,使用MobileNetv2的逆殘差結(jié)構(gòu)與深度可分離卷積重新構(gòu)建了模型的骨干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)與頭部網(wǎng)絡(luò),減少了模型參數(shù);使用K-means得到更適合本文檢測目標的9種錨框比例,降低了錨框的調(diào)整難度;使用h-swish函數(shù)作為PANet中的激活函數(shù),減少模型后半段特征信息損失。實驗結(jié)果表明,與主流算法相比本文模型的檢測速度和模型文件大小均較優(yōu),檢測速度可達到每秒10幀,能夠滿足實時性檢測,模型文件大小為46.4 MB,為檢測算法的嵌入式應(yīng)用及巡檢時邊采集邊檢測提供了可能。在模擬的惡劣天氣情況下,掉片故障的檢測效果下降,因此在實際應(yīng)用時若遇到惡劣天氣,仍需工作人員進行二次判斷以保證電網(wǎng)安全。在后續(xù)工作中需進行數(shù)據(jù)集的完善,增加檢測的故障種類,并提升模型在不同天氣下的檢測精度。

    猜你喜歡
    絕緣子卷積聚類
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于改進的遺傳算法的模糊聚類算法
    1000kV耐張絕緣子串單片絕緣子的帶電更換技術(shù)
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    500kV絕緣子串含零值絕緣子時的電暈放電分析
    電測與儀表(2014年6期)2014-04-04 11:59:46
    絕緣子的常見故障及排除方法
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    免费看a级黄色片| 在线观看一区二区三区| 日产精品乱码卡一卡2卡三| 黄色一级大片看看| 观看免费一级毛片| 99热全是精品| 少妇人妻精品综合一区二区 | 成人美女网站在线观看视频| av专区在线播放| 欧美区成人在线视频| 久久亚洲精品不卡| 在线观看午夜福利视频| 亚洲美女搞黄在线观看| 久久久a久久爽久久v久久| 白带黄色成豆腐渣| 搡女人真爽免费视频火全软件| 国产精品精品国产色婷婷| 熟女人妻精品中文字幕| 午夜视频国产福利| 人人妻人人澡欧美一区二区| 免费观看人在逋| 好男人在线观看高清免费视频| 99久久成人亚洲精品观看| 99久久九九国产精品国产免费| av天堂在线播放| a级毛片免费高清观看在线播放| 免费人成视频x8x8入口观看| 99热这里只有是精品在线观看| 国产成人a区在线观看| 小说图片视频综合网站| 久久久久久久久久黄片| 99久国产av精品国产电影| 九九爱精品视频在线观看| 国产午夜精品论理片| 久久99精品国语久久久| 乱人视频在线观看| 欧美色欧美亚洲另类二区| 少妇的逼水好多| 免费观看在线日韩| 亚洲一级一片aⅴ在线观看| 我要搜黄色片| 蜜桃亚洲精品一区二区三区| 亚洲欧美日韩东京热| av天堂在线播放| or卡值多少钱| 免费看日本二区| 欧美人与善性xxx| 成人毛片a级毛片在线播放| 91麻豆精品激情在线观看国产| 亚洲高清免费不卡视频| 精品人妻一区二区三区麻豆| 欧美区成人在线视频| 丰满的人妻完整版| 一本一本综合久久| 亚洲成av人片在线播放无| 91午夜精品亚洲一区二区三区| 五月玫瑰六月丁香| 一进一出抽搐动态| 精品少妇黑人巨大在线播放 | 欧美一区二区亚洲| 成熟少妇高潮喷水视频| 亚洲av二区三区四区| 精品国产三级普通话版| 亚洲精品久久国产高清桃花| 中文字幕人妻熟人妻熟丝袜美| 老熟妇乱子伦视频在线观看| 91麻豆精品激情在线观看国产| 国产成人影院久久av| 一本精品99久久精品77| 12—13女人毛片做爰片一| АⅤ资源中文在线天堂| 少妇熟女欧美另类| 亚洲性久久影院| 日韩精品青青久久久久久| 国产一区二区亚洲精品在线观看| 亚洲人与动物交配视频| 国产伦一二天堂av在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产精品成人综合色| 一卡2卡三卡四卡精品乱码亚洲| 深夜精品福利| 51国产日韩欧美| 国产午夜精品一二区理论片| 又粗又爽又猛毛片免费看| 综合色av麻豆| 中文字幕制服av| 内射极品少妇av片p| 精华霜和精华液先用哪个| 女人十人毛片免费观看3o分钟| 人妻久久中文字幕网| 亚洲色图av天堂| 国内揄拍国产精品人妻在线| 午夜福利在线观看吧| 国产亚洲av片在线观看秒播厂 | av在线老鸭窝| 人妻夜夜爽99麻豆av| 床上黄色一级片| 久99久视频精品免费| 国产在线男女| 国产午夜精品久久久久久一区二区三区| 国产黄a三级三级三级人| 熟女人妻精品中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 久久婷婷人人爽人人干人人爱| 一级毛片我不卡| 高清在线视频一区二区三区 | 国产三级在线视频| 精品久久久久久久末码| 国产av麻豆久久久久久久| 午夜福利在线在线| 一个人观看的视频www高清免费观看| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 哪里可以看免费的av片| 久久草成人影院| 色综合色国产| 欧美三级亚洲精品| 人人妻人人澡欧美一区二区| 中文欧美无线码| 99热网站在线观看| 亚洲精品久久国产高清桃花| 国产在线男女| www日本黄色视频网| 男女视频在线观看网站免费| 大又大粗又爽又黄少妇毛片口| 全区人妻精品视频| 久久久精品欧美日韩精品| 蜜桃亚洲精品一区二区三区| 午夜福利在线观看免费完整高清在 | 女人十人毛片免费观看3o分钟| 国内久久婷婷六月综合欲色啪| 国产午夜福利久久久久久| 一边亲一边摸免费视频| 可以在线观看的亚洲视频| av在线亚洲专区| 久久国产乱子免费精品| 亚洲精品久久国产高清桃花| 在线国产一区二区在线| 免费观看a级毛片全部| 99国产精品一区二区蜜桃av| 联通29元200g的流量卡| 2022亚洲国产成人精品| 日韩av在线大香蕉| 五月玫瑰六月丁香| 欧美丝袜亚洲另类| 国产精品国产高清国产av| 丰满人妻一区二区三区视频av| 禁无遮挡网站| av在线亚洲专区| 亚洲欧美日韩无卡精品| 国产亚洲av嫩草精品影院| 青春草视频在线免费观看| 久久久久久九九精品二区国产| 超碰av人人做人人爽久久| 蜜桃亚洲精品一区二区三区| 1000部很黄的大片| 亚洲国产精品成人综合色| 国产精品麻豆人妻色哟哟久久 | 黄色一级大片看看| 一区福利在线观看| 亚洲成人久久爱视频| 搞女人的毛片| 男女下面进入的视频免费午夜| 女人十人毛片免费观看3o分钟| 国模一区二区三区四区视频| 你懂的网址亚洲精品在线观看 | 九九久久精品国产亚洲av麻豆| 欧美性感艳星| 干丝袜人妻中文字幕| 真实男女啪啪啪动态图| 亚洲中文字幕一区二区三区有码在线看| 国产av不卡久久| 在线免费十八禁| 日韩欧美国产在线观看| 国产亚洲精品av在线| 一进一出抽搐gif免费好疼| av又黄又爽大尺度在线免费看 | 精华霜和精华液先用哪个| 色哟哟·www| 97热精品久久久久久| 久久精品久久久久久久性| 丝袜喷水一区| 欧美激情国产日韩精品一区| 国产一级毛片七仙女欲春2| 国产精品国产三级国产av玫瑰| 亚洲欧美日韩卡通动漫| 国产片特级美女逼逼视频| 麻豆av噜噜一区二区三区| 精品久久久久久久人妻蜜臀av| 日产精品乱码卡一卡2卡三| 18禁在线播放成人免费| 美女内射精品一级片tv| 国产精品一二三区在线看| 99久久精品一区二区三区| ponron亚洲| 国产精品免费一区二区三区在线| 亚洲内射少妇av| 久久韩国三级中文字幕| 欧美性猛交╳xxx乱大交人| 国产片特级美女逼逼视频| 国产v大片淫在线免费观看| 麻豆一二三区av精品| 我的老师免费观看完整版| 国产精品国产三级国产av玫瑰| 青青草视频在线视频观看| 1024手机看黄色片| 又黄又爽又刺激的免费视频.| 色5月婷婷丁香| 麻豆久久精品国产亚洲av| 美女国产视频在线观看| 欧美zozozo另类| 国产v大片淫在线免费观看| 九草在线视频观看| 少妇的逼好多水| 99久国产av精品| 国产免费一级a男人的天堂| 一区二区三区四区激情视频 | 深爱激情五月婷婷| 成人综合一区亚洲| 久久国产乱子免费精品| 国产精品一区www在线观看| 欧美+日韩+精品| 日韩制服骚丝袜av| 欧美色视频一区免费| 免费看光身美女| 变态另类丝袜制服| 精品久久久久久久久久久久久| 亚洲精品久久久久久婷婷小说 | 美女 人体艺术 gogo| 看十八女毛片水多多多| 国产精品爽爽va在线观看网站| 午夜久久久久精精品| 国产亚洲5aaaaa淫片| 欧美成人一区二区免费高清观看| 久久鲁丝午夜福利片| 国产精品国产三级国产av玫瑰| 韩国av在线不卡| 国产白丝娇喘喷水9色精品| 又粗又硬又长又爽又黄的视频 | 黄片无遮挡物在线观看| 午夜精品在线福利| 欧美最新免费一区二区三区| 青青草视频在线视频观看| 午夜久久久久精精品| 少妇人妻一区二区三区视频| 午夜激情欧美在线| 搞女人的毛片| 身体一侧抽搐| 国产成人精品一,二区 | 亚洲精品日韩av片在线观看| 又粗又硬又长又爽又黄的视频 | 免费人成在线观看视频色| 成人毛片60女人毛片免费| 精品一区二区免费观看| 青青草视频在线视频观看| 最近的中文字幕免费完整| 国产精品电影一区二区三区| 精品一区二区三区人妻视频| 99热只有精品国产| 春色校园在线视频观看| 国产在视频线在精品| 久久精品91蜜桃| 一边亲一边摸免费视频| 国产片特级美女逼逼视频| 久久久久久久久中文| 搡女人真爽免费视频火全软件| 日韩 亚洲 欧美在线| 国产精品.久久久| 国产av不卡久久| 亚洲国产精品久久男人天堂| 色噜噜av男人的天堂激情| 国产黄片视频在线免费观看| 男人狂女人下面高潮的视频| 又粗又爽又猛毛片免费看| 美女cb高潮喷水在线观看| 九草在线视频观看| 18禁在线播放成人免费| 日韩在线高清观看一区二区三区| 亚洲国产欧洲综合997久久,| 日本一本二区三区精品| 久久中文看片网| 午夜精品国产一区二区电影 | 在线免费十八禁| 白带黄色成豆腐渣| 欧美激情在线99| 亚洲国产日韩欧美精品在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美日韩综合久久久久久| 嫩草影院精品99| 中文字幕久久专区| 日韩三级伦理在线观看| 久久精品国产鲁丝片午夜精品| 天堂中文最新版在线下载 | 老司机影院成人| av黄色大香蕉| 欧美精品一区二区大全| 亚洲综合色惰| 精品人妻熟女av久视频| 内射极品少妇av片p| 深夜精品福利| 国产精品一区www在线观看| 大又大粗又爽又黄少妇毛片口| 久久久午夜欧美精品| 乱人视频在线观看| 国产v大片淫在线免费观看| 一级黄色大片毛片| 天堂√8在线中文| a级毛色黄片| 内射极品少妇av片p| avwww免费| 欧美成人a在线观看| 国产乱人偷精品视频| 岛国毛片在线播放| 亚洲乱码一区二区免费版| 日韩强制内射视频| 国内精品宾馆在线| 亚洲不卡免费看| 两性午夜刺激爽爽歪歪视频在线观看| 日韩一本色道免费dvd| 97在线视频观看| 国产中年淑女户外野战色| 国产精品乱码一区二三区的特点| 免费av毛片视频| 一进一出抽搐动态| 夫妻性生交免费视频一级片| 久久6这里有精品| 精品少妇黑人巨大在线播放 | 久久人人爽人人片av| 亚洲国产高清在线一区二区三| 日日干狠狠操夜夜爽| 国产伦一二天堂av在线观看| 天美传媒精品一区二区| 亚洲最大成人中文| 日韩av在线大香蕉| 三级经典国产精品| 成人午夜高清在线视频| 欧美不卡视频在线免费观看| 嫩草影院入口| 在线观看66精品国产| 免费人成视频x8x8入口观看| 波野结衣二区三区在线| 一个人观看的视频www高清免费观看| 日本熟妇午夜| 搡老妇女老女人老熟妇| 黄色配什么色好看| 综合色丁香网| 少妇的逼水好多| 成年女人永久免费观看视频| 午夜免费男女啪啪视频观看| 少妇的逼好多水| 国产高清三级在线| 亚洲自偷自拍三级| 国产精品一二三区在线看| 欧美区成人在线视频| 麻豆国产97在线/欧美| 亚洲综合色惰| 国产麻豆成人av免费视频| 午夜精品国产一区二区电影 | 熟妇人妻久久中文字幕3abv| 我的女老师完整版在线观看| 日韩 亚洲 欧美在线| 亚洲经典国产精华液单| 亚州av有码| 国内精品宾馆在线| 大又大粗又爽又黄少妇毛片口| 国产亚洲精品久久久久久毛片| 97在线视频观看| 亚洲一区高清亚洲精品| 中文亚洲av片在线观看爽| 少妇的逼好多水| 女的被弄到高潮叫床怎么办| 国产精品1区2区在线观看.| 免费电影在线观看免费观看| a级毛色黄片| 亚洲人成网站在线播放欧美日韩| 99九九线精品视频在线观看视频| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av中文av极速乱| 两个人视频免费观看高清| 免费一级毛片在线播放高清视频| www.色视频.com| 午夜精品国产一区二区电影 | 男女边吃奶边做爰视频| 能在线免费看毛片的网站| 亚洲人成网站高清观看| 2022亚洲国产成人精品| a级毛片a级免费在线| 99久久成人亚洲精品观看| av在线观看视频网站免费| 久久午夜福利片| 精品久久久久久久人妻蜜臀av| 美女国产视频在线观看| 免费在线观看成人毛片| 亚洲人成网站在线播放欧美日韩| 少妇裸体淫交视频免费看高清| 中文字幕久久专区| 亚洲欧洲国产日韩| 人妻少妇偷人精品九色| 国产精品一区二区三区四区免费观看| 亚洲欧洲国产日韩| 免费大片18禁| 啦啦啦韩国在线观看视频| 国产av在哪里看| 色播亚洲综合网| 国产毛片a区久久久久| 日韩av在线大香蕉| 熟女电影av网| 乱系列少妇在线播放| 成人毛片a级毛片在线播放| 麻豆成人午夜福利视频| 寂寞人妻少妇视频99o| 两个人视频免费观看高清| 91精品一卡2卡3卡4卡| 99久久精品一区二区三区| 日日啪夜夜撸| 国产淫片久久久久久久久| 九九在线视频观看精品| 性插视频无遮挡在线免费观看| 亚洲国产日韩欧美精品在线观看| 99久久中文字幕三级久久日本| 美女高潮的动态| 永久网站在线| 在线观看美女被高潮喷水网站| 中文字幕制服av| 亚洲成人久久性| 国模一区二区三区四区视频| 天天一区二区日本电影三级| 综合色av麻豆| 大又大粗又爽又黄少妇毛片口| 97人妻精品一区二区三区麻豆| 久99久视频精品免费| 欧美日韩一区二区视频在线观看视频在线 | 身体一侧抽搐| 性色avwww在线观看| 成年版毛片免费区| 美女xxoo啪啪120秒动态图| 精品久久久噜噜| 黄片无遮挡物在线观看| 老司机影院成人| 免费av不卡在线播放| 欧美日韩乱码在线| 97在线视频观看| 国产亚洲5aaaaa淫片| 欧美xxxx黑人xx丫x性爽| 伊人久久精品亚洲午夜| 亚洲国产欧美人成| 中文字幕人妻熟人妻熟丝袜美| 日日啪夜夜撸| 国内精品宾馆在线| 欧美不卡视频在线免费观看| 在线观看美女被高潮喷水网站| 久久久精品大字幕| 国产成人91sexporn| 成人二区视频| 蜜臀久久99精品久久宅男| 啦啦啦啦在线视频资源| 婷婷色综合大香蕉| 99久久成人亚洲精品观看| 亚洲av成人av| 欧美激情国产日韩精品一区| 久久6这里有精品| 中文亚洲av片在线观看爽| 熟女人妻精品中文字幕| av免费观看日本| 蜜桃久久精品国产亚洲av| av免费在线看不卡| 久久久a久久爽久久v久久| 亚洲熟妇中文字幕五十中出| 91狼人影院| av在线播放精品| .国产精品久久| 国产亚洲精品久久久com| 此物有八面人人有两片| 内地一区二区视频在线| 一边亲一边摸免费视频| av在线亚洲专区| 亚洲av熟女| 欧美区成人在线视频| 亚洲成人久久爱视频| 亚洲成人中文字幕在线播放| 真实男女啪啪啪动态图| 国产精品精品国产色婷婷| 国产黄片美女视频| 亚洲国产色片| 国产真实伦视频高清在线观看| 欧美另类亚洲清纯唯美| 国产精品一区二区三区四区久久| 国产伦理片在线播放av一区 | 又爽又黄a免费视频| 高清日韩中文字幕在线| 久久久久久久久中文| av视频在线观看入口| 高清午夜精品一区二区三区 | 最新中文字幕久久久久| 日韩视频在线欧美| 噜噜噜噜噜久久久久久91| 看十八女毛片水多多多| 日本欧美国产在线视频| 神马国产精品三级电影在线观看| 国产91av在线免费观看| 亚州av有码| 精品久久久久久久人妻蜜臀av| 成人午夜高清在线视频| 成人毛片60女人毛片免费| 日韩一区二区三区影片| 欧美日韩在线观看h| 亚洲图色成人| 欧美精品国产亚洲| 日韩在线高清观看一区二区三区| 亚洲国产精品成人综合色| 人妻夜夜爽99麻豆av| 男人狂女人下面高潮的视频| 亚洲av.av天堂| 日韩一区二区视频免费看| 欧美一区二区亚洲| 欧美日韩一区二区视频在线观看视频在线 | 国产精品电影一区二区三区| 两个人视频免费观看高清| 不卡一级毛片| 亚洲欧美精品综合久久99| 亚洲国产欧美在线一区| 亚洲成av人片在线播放无| 精品久久久久久久末码| 此物有八面人人有两片| 高清在线视频一区二区三区 | 亚洲五月天丁香| 大型黄色视频在线免费观看| 久久精品国产99精品国产亚洲性色| 在线免费观看的www视频| 欧美日韩国产亚洲二区| 国产亚洲精品久久久com| 91aial.com中文字幕在线观看| 免费黄网站久久成人精品| 91麻豆精品激情在线观看国产| kizo精华| 嫩草影院入口| av天堂在线播放| 亚洲天堂国产精品一区在线| 久久综合国产亚洲精品| 老熟妇乱子伦视频在线观看| 国产麻豆成人av免费视频| 男女做爰动态图高潮gif福利片| 国产精品麻豆人妻色哟哟久久 | 亚洲av一区综合| 黄色欧美视频在线观看| 最新中文字幕久久久久| 女的被弄到高潮叫床怎么办| 91aial.com中文字幕在线观看| 久久精品国产亚洲网站| 亚洲精品亚洲一区二区| 一级黄片播放器| 深夜a级毛片| 韩国av在线不卡| 亚洲精品久久久久久婷婷小说 | 99riav亚洲国产免费| 国产一级毛片七仙女欲春2| 人妻少妇偷人精品九色| 国产精品综合久久久久久久免费| 最近的中文字幕免费完整| 男人舔奶头视频| 婷婷色av中文字幕| 97人妻精品一区二区三区麻豆| 蜜桃久久精品国产亚洲av| 免费电影在线观看免费观看| 联通29元200g的流量卡| 国产一区二区激情短视频| 国产午夜精品论理片| 少妇猛男粗大的猛烈进出视频 | 亚洲精品乱码久久久v下载方式| 波多野结衣高清作品| 亚洲国产精品合色在线| 国产黄色视频一区二区在线观看 | 亚洲婷婷狠狠爱综合网| 一区二区三区高清视频在线| 亚洲图色成人| 久久久久久大精品| 22中文网久久字幕| 午夜福利成人在线免费观看| 亚洲无线在线观看| 高清午夜精品一区二区三区 | 久久久久久久久久黄片| 久久鲁丝午夜福利片| 亚洲最大成人手机在线| 婷婷色综合大香蕉| 啦啦啦韩国在线观看视频| 18禁在线无遮挡免费观看视频| 国产乱人视频| 国产亚洲av片在线观看秒播厂 | 成人国产麻豆网| 久久久精品大字幕| 夜夜爽天天搞| 在线观看av片永久免费下载| 国产精品永久免费网站| 观看美女的网站| 欧美精品一区二区大全| 99热这里只有精品一区| 国产一区二区三区在线臀色熟女| 天堂中文最新版在线下载 | 久久国产乱子免费精品| 国产色婷婷99| 一个人观看的视频www高清免费观看| 国产av在哪里看| 免费观看精品视频网站| 欧美xxxx黑人xx丫x性爽| 深夜a级毛片| 日韩大尺度精品在线看网址| 99久久无色码亚洲精品果冻| 亚洲乱码一区二区免费版| 欧美潮喷喷水| 亚洲高清免费不卡视频| 99国产极品粉嫩在线观看| 国产精品永久免费网站| 日本爱情动作片www.在线观看| 欧美精品一区二区大全| 色尼玛亚洲综合影院|