• <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 ?

    基于遷移學(xué)習(xí)的金屬表面斑點(diǎn)型缺陷檢測

    2022-06-02 07:33:22徐桂安王冬梅
    關(guān)鍵詞:斑點(diǎn)灰度卷積

    孫 寧, 徐桂安, 王冬梅, 陳 田

    (上海電機(jī)學(xué)院機(jī)械學(xué)院,上海 201306)

    在齒輪接觸疲勞實(shí)驗(yàn)中,需要定期檢查齒面點(diǎn)蝕狀況[1]。若利用傳統(tǒng)表面缺陷自動(dòng)檢測算法進(jìn)行識別[2],得到的金屬缺陷圖像噪聲大,缺陷的特點(diǎn)復(fù)雜多變。機(jī)器視覺是一種非接觸式的檢測方式,具有很多常規(guī)檢測工具難以企及的優(yōu)勢,比如代替人工在危險(xiǎn)的場合以及人眼不便識別的場合進(jìn)行作業(yè)。同時(shí),在工廠車間大規(guī)模重復(fù)性較高的生產(chǎn)活動(dòng)中使用機(jī)器視覺檢測,可以大大減少人力,提高生產(chǎn)效率。如今,機(jī)器視覺技術(shù)已應(yīng)用于千家萬戶,在生活中的應(yīng)用有人臉識別、無人駕駛、智能電器、交通攝像、二維碼識別等,在工業(yè)中的應(yīng)用有外形檢測、定位、測量等,涉及學(xué)科有計(jì)算機(jī)圖形學(xué)、人工智能、神經(jīng)網(wǎng)絡(luò)等等。在現(xiàn)有的文獻(xiàn)中,賈洪雷等[3]通過在玉米收獲機(jī)上安裝圖像采集設(shè)備,利用機(jī)器視覺技術(shù)提取玉米植株的數(shù)量。楊明等[4]利用機(jī)器視覺技術(shù)的圖像模糊化處理和二值化方法,對船舶焊縫缺陷進(jìn)行特征分割。刁智華等[5]利用相機(jī)標(biāo)定技術(shù)結(jié)合圖像處理技術(shù),實(shí)現(xiàn)了對玉米植株的精準(zhǔn)施藥,成功搭建了系統(tǒng),并在實(shí)際運(yùn)作中取得了顯著的效果。張新燕等[6]通過神經(jīng)網(wǎng)絡(luò)辨識了尾流激勵(lì)葉片的氣動(dòng)力。吳忍等[7]將傳統(tǒng)圖形處理與深度學(xué)習(xí)網(wǎng)絡(luò)相結(jié)合,驗(yàn)證了經(jīng)過處理后的數(shù)據(jù)集具有更高的識別精度。嚴(yán)道森等[8]利用直方圖均衡化增強(qiáng)注塑件缺陷特征,對比輸入3種經(jīng)典網(wǎng)絡(luò),提升了注塑件缺陷識別的準(zhǔn)確率。

    本文基于上述研究案例,結(jié)合實(shí)際生產(chǎn)需求,將傳統(tǒng)圖像處理與卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks ,CNN)應(yīng)用于加工零件缺陷的檢測。通過工業(yè)相機(jī)采集圖片信息,利用圖像處理算法對圖像進(jìn)行灰度化處理,去除可能存在的噪音問題,并增強(qiáng)圖像特征,使計(jì)算機(jī)能更好地點(diǎn)蝕缺陷識別,最后將圖像輸入CNN 網(wǎng)絡(luò)中,判斷圖像是否存在缺陷。

    1 圖像預(yù)處理

    1.1 實(shí)驗(yàn)數(shù)據(jù)

    輸入圖像的質(zhì)量直接決定了CNN 的處理效果,為了保證計(jì)算機(jī)能夠識別出有效的缺陷特征,應(yīng)對圖像進(jìn)行預(yù)處理?;趯?shí)際問題,對原始照片進(jìn)行灰度化、噪音去除以及特征增強(qiáng)處理。本文數(shù)據(jù)集分為點(diǎn)蝕、劃痕和黑斑3 類圖像,來源于Github 與東北大學(xué)的金屬缺陷開源數(shù)據(jù)集組合,分辨率為800×600。從圖像中隨機(jī)抽取訓(xùn)練集與測試集,利用預(yù)處理將圖像縮放至200×200。數(shù)據(jù)集樣本數(shù)據(jù)見表1,樣本實(shí)例見圖1。

    表1 數(shù)據(jù)集樣本數(shù)據(jù)

    1.2 灰度化

    工業(yè)相機(jī)得到的圖片為彩色圖片,一般顏色空間為紅綠藍(lán)三通道,在計(jì)算機(jī)中表現(xiàn)為3個(gè)三維數(shù)字矩陣,若直接輸入CNN 中進(jìn)行處理,會(huì)由于計(jì)算量大而導(dǎo)致耗時(shí)過長。因此,應(yīng)預(yù)先對圖像進(jìn)行灰度化處理,減少圖像的矩陣維數(shù),提升計(jì)算速度。圖像經(jīng)灰度化后顏色信息消失,但依然保留了圖像的梯度信息,通過邊緣檢測算法可識別出圖像中的梯度信息。

    圖像灰度化方法有分量法、平均值法、加權(quán)平均法和最大值法。由于肉眼對紅綠藍(lán)3 種顏色敏感度不同,對綠色最敏感,對藍(lán)色最不敏感。本文采用加權(quán)平均法作為圖像灰度處理方法,紅綠藍(lán)3種顏色分配的權(quán)重分別為0.299、0.578、0.114,得出最終灰度圖像的灰度值為

    式中:x、y分別為對應(yīng)顏色矩陣的像素坐標(biāo);R(x,y)、G(x,y)、B(x,y)為該像素坐標(biāo)下的紅、綠、藍(lán)度值。

    1.3 圖像降噪

    圖像在采集過程中會(huì)不可避免地遇到噪聲問題[9-10],且多數(shù)金屬表面帶有自身紋理特征。這兩個(gè)問題會(huì)對點(diǎn)蝕之類的斑點(diǎn)形缺陷的識別造成極大干擾,因此,數(shù)據(jù)集在輸入CNN 前應(yīng)進(jìn)行降噪處理。降噪濾波器大致分為空域?yàn)V波器和頻域?yàn)V波器??沼?yàn)V波器是直接對圖像上的像素點(diǎn)進(jìn)行處理,空域?yàn)V波可細(xì)分為線性濾波和非線性濾波,在原圖像素點(diǎn)掩膜范圍內(nèi)進(jìn)行加權(quán)求和的稱為線性濾波;非線性濾波較為復(fù)雜,掩膜中的值如何運(yùn)算依算法不同而各不相同。目前比較常見的降噪處理方法有中值濾波、高斯濾波、均值濾波等。這些方法在許多實(shí)際應(yīng)用問題中表現(xiàn)優(yōu)異,但針對斑點(diǎn)形失效,容易過濾掉失效本身的特征信息。

    基于以上考慮,本文采用哈爾小波降噪的方式處理圖像,其尺度函數(shù)為

    需要的圖像特征往往處于低頻子帶,噪聲特征處于高頻子帶,故設(shè)定一個(gè)合適的閾值即可達(dá)到預(yù)期的圖像效果,而去除噪聲的設(shè)置類似于低通濾波。處理后的圖片與原圖對比保留了圖像中需要的信息特征,如圖2所示。

    圖2 降噪預(yù)處理

    1.4 表面缺陷特征的識別

    本文采用高斯拉普拉斯(Laplacian of Gaussian,LoG)算子提取金屬表面的點(diǎn)蝕特征,LoG 是一種將高斯平滑和拉普拉斯算子結(jié)合使用的形態(tài)學(xué)處理方法。拉普拉斯算子就是一個(gè)二階導(dǎo)數(shù)算子,計(jì)算兩個(gè)方向上一階導(dǎo)數(shù)的內(nèi)積,本質(zhì)上屬于一種高通濾波,設(shè)x、y為平面上的笛卡爾坐標(biāo),二維的拉普拉斯算子可表示為

    2 零件表面缺陷識別模型構(gòu)建

    2.1 CNN網(wǎng)絡(luò)結(jié)構(gòu)分析

    CNN[11-12]的結(jié)構(gòu)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不同,增加了卷積的概念。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在著嚴(yán)重的缺陷,輸入圖像像素點(diǎn)與全連接層中的單元數(shù)目很少,在不考慮偏置的情況下計(jì)算參數(shù)量十分巨大。而在CNN 網(wǎng)絡(luò)不同的圖像區(qū)域中,共用同一個(gè)卷積核,這種參數(shù)共享的方法減少了CNN 中的參數(shù)量,故能通過少量參數(shù)訓(xùn)練出效果更好的模型,還可有效地防止過擬合的出現(xiàn)。典型的CNN 中包含以下結(jié)構(gòu):輸入層、卷積層、池化層、全連接層。卷積層的輸入只是上一層的一小部分,其大小根據(jù)卷積核而定,一般情況下大小為3×3,過大會(huì)導(dǎo)致過擬合,過小則會(huì)導(dǎo)致特征提取不足。根據(jù)卷積核個(gè)數(shù)的不同,卷積過程會(huì)加深圖像的深度。設(shè)輸入數(shù)字矩陣的坐標(biāo)為(i,j),卷積核f坐標(biāo)為(m,n),維度為H×W,zli,j為卷積層輸出結(jié)果,即f中每一位置的值與x中對應(yīng)值相乘后再相加,卷積過程可表示為

    池化層通常用于簡化神經(jīng)網(wǎng)絡(luò)計(jì)算規(guī)模,消除通過卷積提取到的非必要特征,池化操作不會(huì)影響數(shù)字矩陣的深度,但可大幅度減少最終全連接層的節(jié)點(diǎn)個(gè)數(shù),從而減少訓(xùn)練時(shí)間、提升速度。本文采用最大池化的池化方式,池化核大小為2×2,在相鄰的4個(gè)值中選出最大值,其公式為

    全連接層在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中最為常見,經(jīng)上述多輪卷積與池化處理,全連接層將矩陣數(shù)據(jù)轉(zhuǎn)換為一維數(shù)據(jù),并為每一個(gè)神經(jīng)元添加偏差,通過單一或多個(gè)全連接層得出分類結(jié)果。

    2.2 遷移學(xué)習(xí)

    在實(shí)際應(yīng)用中,通過某些特殊的工業(yè)零件獲取大量的數(shù)據(jù)集是十分困難的,沒有巨量的數(shù)據(jù)集支持,實(shí)現(xiàn)一個(gè)高效的深度學(xué)習(xí)模型幾乎不可能。在這種背景下,使用少量的數(shù)據(jù)集需要學(xué)習(xí)盡可能多的特征,遷移學(xué)習(xí)[13-14]的思想提出就顯得尤為重要。

    通過遷移學(xué)習(xí)將已在其他數(shù)據(jù)集中訓(xùn)練好的模型進(jìn)行重復(fù)利用,網(wǎng)絡(luò)中的權(quán)重與其他參數(shù)被大量的數(shù)據(jù)訓(xùn)練完畢,只需要對該模型進(jìn)行卷積層的抽取,與當(dāng)前任務(wù)設(shè)計(jì)的全連接層進(jìn)行組合,形成全新的網(wǎng)絡(luò)模型。經(jīng)該方法處理后,卷積層能對圖像特征進(jìn)行更精確的提取,結(jié)果優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)框架下進(jìn)行的分類與預(yù)測任務(wù)。

    本文首先凍結(jié)已訓(xùn)練模型中的卷積層,然后用新設(shè)計(jì)出的全連接層代替舊的全連接層,組合為新網(wǎng)絡(luò)模型后,使用金屬表面缺陷數(shù)據(jù)集對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    2.3 識別模型構(gòu)建

    本文基于VGG-19 和InceptionV3[15]兩種經(jīng)典網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí),VGG-19網(wǎng)絡(luò)證明了網(wǎng)絡(luò)深度的增加最終能夠影響網(wǎng)絡(luò)的效果,得名于模型中共有19 個(gè)隱藏層、16 個(gè)卷積層和3 個(gè)全連接層,模型結(jié)構(gòu)如圖3所示。

    圖3 VGG-19 網(wǎng)絡(luò)結(jié)構(gòu)

    InceptionV3 網(wǎng)絡(luò)則是在分類任務(wù)中常用的網(wǎng)絡(luò),具有兩個(gè)主要特點(diǎn),采用非對稱卷積的思想在減少了計(jì)算量的同時(shí),還能處理更多的缺陷特征。此外,使用降維并行結(jié)構(gòu),增加了網(wǎng)絡(luò)寬度,提升了網(wǎng)絡(luò)的精度,最終有效提升分類準(zhǔn)確率。

    上述兩種網(wǎng)絡(luò)都已在ImageNet中的百萬級數(shù)據(jù)集進(jìn)行了足夠訓(xùn)練,適合作為遷移學(xué)習(xí)的基礎(chǔ),對網(wǎng)絡(luò)中的卷積池化層進(jìn)行保留,重新設(shè)計(jì)全連接層。新設(shè)計(jì)的全連接層模塊結(jié)構(gòu)如圖4所示。

    圖4 改進(jìn)后的全連接模塊結(jié)構(gòu)

    圖像的輸入在經(jīng)卷積池化部分處理后,會(huì)輸出一個(gè)向量,由于神經(jīng)網(wǎng)絡(luò)規(guī)模越大越容易遇到過擬合的情況,為了避免過擬合,經(jīng)網(wǎng)絡(luò)前端處理的數(shù)據(jù)會(huì)首先通過隨機(jī)失活層,失活率設(shè)定為0.5,然后通過全連接層1 將數(shù)據(jù)降維,再進(jìn)入非線性激活函數(shù)層,常用的有sigmoid、Tanh 和ReLU3種函數(shù)。本文采用ReLU 函數(shù),ReLU 函數(shù)的收斂速度較快,且梯度不會(huì)飽和,其表達(dá)式為

    通過隨機(jī)失活層進(jìn)入全連接層2,數(shù)據(jù)維度不變,采用激活函數(shù)進(jìn)入最后一層全連接層,在該層會(huì)將維度降低至1×3。最終數(shù)據(jù)輸入至指數(shù)歸一化層內(nèi),計(jì)算每一類型的分類概率,即

    式中:Zi為第i個(gè)節(jié)點(diǎn)的輸出值;C為分類數(shù),本文C值為3。

    通過指數(shù)歸一化函數(shù)的處理,可將概率結(jié)果輸出為[0,1]以內(nèi)的數(shù)字,最終輸出分類結(jié)果。

    用新設(shè)計(jì)出的全連接模塊與兩種網(wǎng)絡(luò)的前端模塊組合為全新的網(wǎng)絡(luò)結(jié)構(gòu),網(wǎng)絡(luò)經(jīng)大量數(shù)據(jù)訓(xùn)練得到的權(quán)重參數(shù)遷移至新結(jié)構(gòu)中,再用缺陷數(shù)據(jù)集進(jìn)行訓(xùn)練,訓(xùn)練結(jié)果即為本實(shí)驗(yàn)中的理想模型,詳細(xì)流程如圖5所示。

    圖5 數(shù)據(jù)集的識別全流程

    3 結(jié)果與分析

    3.1 實(shí)驗(yàn)設(shè)計(jì)

    考慮到硬件設(shè)備上的限制,以及增強(qiáng)實(shí)驗(yàn)效果,實(shí)驗(yàn)過程中每批次訓(xùn)練圖像設(shè)置為32,學(xué)習(xí)率為0.000 1。實(shí)驗(yàn)對比兩種網(wǎng)絡(luò)的遷移學(xué)習(xí)(VGG-19、InceptionV3)進(jìn)行數(shù)據(jù)可視化記錄,采用分類結(jié)果較好的網(wǎng)絡(luò)作為合適的網(wǎng)絡(luò)模型,數(shù)據(jù)集分類后對斑點(diǎn)形缺陷進(jìn)行LoG 檢測,得出最終結(jié)論。

    3.2 實(shí)驗(yàn)數(shù)據(jù)分析

    本文的圖像數(shù)據(jù)集分為黑斑缺陷、劃痕缺陷與點(diǎn)蝕缺陷3類,采用程序?qū)?shù)據(jù)集分為訓(xùn)練集和測試集,成功對數(shù)據(jù)集進(jìn)行分類后,輸入遷移學(xué)習(xí)網(wǎng)絡(luò)模型中。經(jīng)20輪訓(xùn)練后,實(shí)驗(yàn)結(jié)果如圖6所示。

    圖6 兩種網(wǎng)絡(luò)的訓(xùn)練與測試準(zhǔn)確率

    由圖6(a)可知,VGG-19 網(wǎng)絡(luò)需經(jīng)多輪訓(xùn)練,準(zhǔn)確率才能取得較為理想的結(jié)果,且起步準(zhǔn)確率較低;在圖6(b)中,InceptionV3網(wǎng)絡(luò)在迭代收斂過程中有著優(yōu)異的表現(xiàn),在初次訓(xùn)練時(shí)就取得了0.98 以上的準(zhǔn)確率,并且在接下來的訓(xùn)練中逐步收斂,最終達(dá)到0.998,測試集更是多次達(dá)到100%的準(zhǔn)確率,雖呈現(xiàn)一定波動(dòng),但總體范圍在0.03 之間。表明使用InceptionV3網(wǎng)絡(luò)處理該問題可以取得更為理想的效果。

    分類后采用LoG識別斑點(diǎn)類表面缺陷,斑點(diǎn)缺陷識別如圖7所示。其中圈出的部分為斑點(diǎn)缺陷,可以看出該方法對點(diǎn)狀缺陷有著良好的辨別能力。

    圖7 斑點(diǎn)缺陷識別

    根據(jù)實(shí)驗(yàn)結(jié)果,將基于遷移學(xué)習(xí)的InceptionV3網(wǎng)絡(luò)與LoG斑點(diǎn)檢測配合使用,可以有效地提升對點(diǎn)狀缺陷的辨別率。

    4 結(jié) 語

    目前金屬加工過程中,對表面缺陷的檢測大多為人工檢測,本文對圖像進(jìn)行降噪預(yù)處理,并結(jié)合機(jī)器視覺與斑點(diǎn)檢測方法,具有魯棒性強(qiáng)且效率高的優(yōu)點(diǎn)。經(jīng)實(shí)際驗(yàn)證,辨識準(zhǔn)確率也較為精準(zhǔn)。優(yōu)選出的網(wǎng)絡(luò)配合設(shè)計(jì)的全連接層進(jìn)行遷移學(xué)習(xí),能優(yōu)化目標(biāo)檢測任務(wù)效率,節(jié)約了時(shí)間成本。在今后的研究過程中,應(yīng)進(jìn)一步增加數(shù)據(jù)集樣本的數(shù)量與種類,以提高模型在各種環(huán)境、材料上的泛化應(yīng)用能力,以期在工業(yè)金屬缺陷智能檢測上得到廣泛應(yīng)用。

    猜你喜歡
    斑點(diǎn)灰度卷積
    可可愛愛斑點(diǎn)湖
    大自然探索(2024年1期)2024-02-29 09:10:30
    可愛的小斑點(diǎn)
    采用改進(jìn)導(dǎo)重法的拓?fù)浣Y(jié)構(gòu)灰度單元過濾技術(shù)
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    斑點(diǎn)豹
    基于灰度拉伸的圖像水位識別方法研究
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    豬身上起紅斑點(diǎn)怎么辦?
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
    黄色视频不卡| 亚洲午夜理论影院| 一进一出抽搐gif免费好疼| www日本黄色视频网| 久久精品综合一区二区三区| 午夜精品久久久久久毛片777| 国产人伦9x9x在线观看| 白带黄色成豆腐渣| 亚洲片人在线观看| 国模一区二区三区四区视频 | 美女扒开内裤让男人捅视频| 国产黄片美女视频| 巨乳人妻的诱惑在线观看| 欧美日韩中文字幕国产精品一区二区三区| 午夜老司机福利片| 精品高清国产在线一区| 国内少妇人妻偷人精品xxx网站 | 1024手机看黄色片| 看片在线看免费视频| 亚洲一区二区三区色噜噜| 一a级毛片在线观看| 91av网站免费观看| 欧美成人免费av一区二区三区| 黑人操中国人逼视频| 悠悠久久av| 岛国视频午夜一区免费看| 欧美成人一区二区免费高清观看 | 亚洲av五月六月丁香网| 草草在线视频免费看| 日日干狠狠操夜夜爽| 国产精品亚洲av一区麻豆| 亚洲av片天天在线观看| 日韩成人在线观看一区二区三区| 亚洲一码二码三码区别大吗| 久久伊人香网站| 亚洲最大成人中文| 国产主播在线观看一区二区| 日韩大码丰满熟妇| 久久久精品大字幕| 亚洲专区中文字幕在线| 国产精品av久久久久免费| 黄色片一级片一级黄色片| 啦啦啦韩国在线观看视频| 欧美日韩黄片免| 国产精品,欧美在线| 色精品久久人妻99蜜桃| 久久人妻av系列| 国产精品亚洲一级av第二区| 免费av毛片视频| 麻豆av在线久日| 欧美一级a爱片免费观看看 | 很黄的视频免费| 丁香六月欧美| 欧美+亚洲+日韩+国产| 哪里可以看免费的av片| 久久午夜亚洲精品久久| 亚洲av中文字字幕乱码综合| 天天躁夜夜躁狠狠躁躁| 在线观看美女被高潮喷水网站 | 久久婷婷成人综合色麻豆| 欧美黑人欧美精品刺激| 午夜老司机福利片| 亚洲欧美日韩东京热| 欧美在线黄色| 1024视频免费在线观看| 黄色a级毛片大全视频| 在线观看www视频免费| 亚洲,欧美精品.| 欧美乱妇无乱码| 夜夜躁狠狠躁天天躁| 久久久久久免费高清国产稀缺| 精品乱码久久久久久99久播| 在线观看免费午夜福利视频| 看片在线看免费视频| 国产三级中文精品| 成人午夜高清在线视频| 观看免费一级毛片| 久久精品人妻少妇| 搡老妇女老女人老熟妇| 成人18禁在线播放| 国产精品久久久久久久电影 | 欧美黑人精品巨大| 一本一本综合久久| 中文字幕熟女人妻在线| 国产精华一区二区三区| 看黄色毛片网站| 国产三级中文精品| 欧美在线一区亚洲| 91老司机精品| 亚洲全国av大片| videosex国产| 特大巨黑吊av在线直播| 在线a可以看的网站| 99久久精品热视频| 在线观看日韩欧美| 一级毛片高清免费大全| 啦啦啦免费观看视频1| 啪啪无遮挡十八禁网站| 啦啦啦观看免费观看视频高清| 欧美成人午夜精品| 99热只有精品国产| 午夜精品在线福利| 看免费av毛片| 成人av一区二区三区在线看| 日韩欧美免费精品| 欧美大码av| 色哟哟哟哟哟哟| 国产三级黄色录像| 成熟少妇高潮喷水视频| 亚洲精品中文字幕在线视频| 制服丝袜大香蕉在线| 久久久久国产一级毛片高清牌| 婷婷亚洲欧美| 国产黄a三级三级三级人| 热99re8久久精品国产| 国产熟女xx| 国产成人系列免费观看| 国产精华一区二区三区| 91九色精品人成在线观看| 亚洲国产精品sss在线观看| 亚洲精品中文字幕一二三四区| 日韩欧美在线二视频| 黑人巨大精品欧美一区二区mp4| 国产成年人精品一区二区| 久99久视频精品免费| 韩国av一区二区三区四区| 少妇人妻一区二区三区视频| 久久精品成人免费网站| xxx96com| 亚洲美女黄片视频| 国产成人影院久久av| 国产成人av激情在线播放| 日韩欧美 国产精品| videosex国产| 日韩欧美在线二视频| 精品一区二区三区视频在线观看免费| 免费高清视频大片| 久久精品国产99精品国产亚洲性色| 免费无遮挡裸体视频| 国产私拍福利视频在线观看| 麻豆成人午夜福利视频| 婷婷亚洲欧美| 琪琪午夜伦伦电影理论片6080| 性欧美人与动物交配| 免费无遮挡裸体视频| 99精品欧美一区二区三区四区| 亚洲人成电影免费在线| 精品福利观看| 亚洲国产欧洲综合997久久,| 亚洲第一欧美日韩一区二区三区| 999久久久精品免费观看国产| 亚洲无线在线观看| 国产久久久一区二区三区| 999久久久精品免费观看国产| 淫秽高清视频在线观看| 久久精品国产99精品国产亚洲性色| 亚洲精品一卡2卡三卡4卡5卡| 欧美黄色片欧美黄色片| 国产69精品久久久久777片 | 日本精品一区二区三区蜜桃| e午夜精品久久久久久久| 成人高潮视频无遮挡免费网站| 日韩欧美一区二区三区在线观看| 国产成人av教育| 欧美性长视频在线观看| 久久久水蜜桃国产精品网| xxxwww97欧美| 亚洲精品在线美女| 一夜夜www| 伦理电影免费视频| 亚洲美女黄片视频| 黄片大片在线免费观看| netflix在线观看网站| 国产一区二区在线观看日韩 | 国产精品av视频在线免费观看| 欧美乱妇无乱码| 韩国av一区二区三区四区| 草草在线视频免费看| 成人av在线播放网站| 不卡av一区二区三区| 在线免费观看的www视频| 日日爽夜夜爽网站| 精品久久久久久,| 亚洲精品久久国产高清桃花| 一区二区三区国产精品乱码| 男女视频在线观看网站免费 | 午夜亚洲福利在线播放| 99精品在免费线老司机午夜| 亚洲精品久久成人aⅴ小说| 麻豆成人午夜福利视频| 久久国产精品影院| 日韩欧美免费精品| 一级毛片精品| 亚洲激情在线av| bbb黄色大片| 老司机在亚洲福利影院| av在线天堂中文字幕| 丰满人妻熟妇乱又伦精品不卡| 日韩欧美 国产精品| а√天堂www在线а√下载| 91大片在线观看| 此物有八面人人有两片| 久久久久九九精品影院| 国产精品乱码一区二三区的特点| 亚洲熟妇熟女久久| 欧洲精品卡2卡3卡4卡5卡区| 精品人妻1区二区| 久久天躁狠狠躁夜夜2o2o| 窝窝影院91人妻| 国产精品香港三级国产av潘金莲| 99热6这里只有精品| 亚洲av五月六月丁香网| 国内毛片毛片毛片毛片毛片| 看免费av毛片| 久久精品国产清高在天天线| 久久草成人影院| 日本黄大片高清| 午夜亚洲福利在线播放| 亚洲av中文字字幕乱码综合| 岛国视频午夜一区免费看| 狂野欧美激情性xxxx| 精品国产超薄肉色丝袜足j| 国产伦人伦偷精品视频| 国产激情偷乱视频一区二区| 88av欧美| 欧美国产日韩亚洲一区| 国产三级在线视频| 国产真实乱freesex| www日本在线高清视频| 日本精品一区二区三区蜜桃| 色尼玛亚洲综合影院| 欧美+亚洲+日韩+国产| 1024视频免费在线观看| 欧美日韩瑟瑟在线播放| 国产精品精品国产色婷婷| 欧美大码av| 精品久久久久久,| 欧美色视频一区免费| 欧美激情久久久久久爽电影| 久久久精品欧美日韩精品| 中文在线观看免费www的网站 | 久久久久精品国产欧美久久久| 欧美又色又爽又黄视频| 欧美色视频一区免费| 老司机在亚洲福利影院| 精品免费久久久久久久清纯| 韩国av一区二区三区四区| 亚洲男人天堂网一区| 桃色一区二区三区在线观看| 久久精品人妻少妇| 欧美人与性动交α欧美精品济南到| 成人高潮视频无遮挡免费网站| 亚洲中文av在线| 级片在线观看| av欧美777| 中文字幕精品亚洲无线码一区| 一二三四在线观看免费中文在| 成在线人永久免费视频| 啦啦啦韩国在线观看视频| 草草在线视频免费看| 国产亚洲欧美98| 身体一侧抽搐| 高清毛片免费观看视频网站| 国产精品免费视频内射| cao死你这个sao货| 亚洲自偷自拍图片 自拍| 亚洲精品国产精品久久久不卡| 亚洲国产中文字幕在线视频| 在线视频色国产色| 国内精品久久久久久久电影| 999久久久精品免费观看国产| 国产精品久久久久久人妻精品电影| 一区二区三区国产精品乱码| 女生性感内裤真人,穿戴方法视频| 国产片内射在线| 欧美av亚洲av综合av国产av| 非洲黑人性xxxx精品又粗又长| 午夜两性在线视频| 18美女黄网站色大片免费观看| 熟妇人妻久久中文字幕3abv| 久久久精品欧美日韩精品| 亚洲欧美日韩高清在线视频| 深夜精品福利| 最新美女视频免费是黄的| 国产野战对白在线观看| x7x7x7水蜜桃| 男人舔女人的私密视频| 国产熟女午夜一区二区三区| 在线a可以看的网站| а√天堂www在线а√下载| 一级毛片高清免费大全| 国产三级黄色录像| 国产精品电影一区二区三区| 亚洲精品美女久久久久99蜜臀| 国产精品久久电影中文字幕| 亚洲国产看品久久| 国产成人欧美在线观看| 大型黄色视频在线免费观看| 成人av在线播放网站| 亚洲熟女毛片儿| 大型av网站在线播放| 亚洲国产日韩欧美精品在线观看 | 99久久精品热视频| 法律面前人人平等表现在哪些方面| 亚洲自拍偷在线| 黄色片一级片一级黄色片| 亚洲精品在线美女| 久久九九热精品免费| 老司机在亚洲福利影院| 99久久无色码亚洲精品果冻| 亚洲av五月六月丁香网| 免费搜索国产男女视频| 欧美不卡视频在线免费观看 | 小说图片视频综合网站| 中国美女看黄片| 亚洲一区中文字幕在线| 在线观看一区二区三区| 欧美3d第一页| 少妇人妻一区二区三区视频| www国产在线视频色| 日本五十路高清| bbb黄色大片| 人妻夜夜爽99麻豆av| a在线观看视频网站| 亚洲午夜精品一区,二区,三区| 欧美性猛交╳xxx乱大交人| 真人做人爱边吃奶动态| 色综合站精品国产| 中文字幕av在线有码专区| 中文字幕人妻丝袜一区二区| 精品一区二区三区av网在线观看| 一进一出好大好爽视频| 制服人妻中文乱码| 色综合亚洲欧美另类图片| 亚洲国产中文字幕在线视频| 两个人免费观看高清视频| 亚洲av电影不卡..在线观看| 色噜噜av男人的天堂激情| 国产区一区二久久| 日韩欧美精品v在线| 99久久精品国产亚洲精品| 伊人久久大香线蕉亚洲五| 亚洲一卡2卡3卡4卡5卡精品中文| 麻豆久久精品国产亚洲av| 亚洲成av人片免费观看| 身体一侧抽搐| av福利片在线| 国产爱豆传媒在线观看 | 欧美av亚洲av综合av国产av| 精品欧美一区二区三区在线| 日韩 欧美 亚洲 中文字幕| 欧美丝袜亚洲另类 | 国产精品精品国产色婷婷| 看黄色毛片网站| 亚洲av熟女| 国产亚洲精品一区二区www| 精品久久久久久久毛片微露脸| 国产激情偷乱视频一区二区| 露出奶头的视频| 亚洲av中文字字幕乱码综合| 亚洲人成77777在线视频| 成人精品一区二区免费| 国产一区二区三区在线臀色熟女| 亚洲国产日韩欧美精品在线观看 | 国产欧美日韩精品亚洲av| 久久久久久久久免费视频了| 十八禁网站免费在线| 精品第一国产精品| 亚洲av成人av| 窝窝影院91人妻| 国产一区二区在线av高清观看| 怎么达到女性高潮| 色综合站精品国产| 久久久久免费精品人妻一区二区| 香蕉丝袜av| 亚洲专区字幕在线| 国产高清有码在线观看视频 | 久久中文字幕人妻熟女| 日韩国内少妇激情av| 精品国产乱码久久久久久男人| 91在线观看av| а√天堂www在线а√下载| 欧美日韩瑟瑟在线播放| 久久精品91无色码中文字幕| 久久香蕉精品热| 久久久久国内视频| 动漫黄色视频在线观看| 99在线视频只有这里精品首页| 日本黄大片高清| 久久香蕉激情| av天堂在线播放| av片东京热男人的天堂| 丁香欧美五月| 欧洲精品卡2卡3卡4卡5卡区| 免费电影在线观看免费观看| 精品久久久久久久久久免费视频| 国产三级黄色录像| 女人爽到高潮嗷嗷叫在线视频| 国产精品精品国产色婷婷| 国产成+人综合+亚洲专区| 51午夜福利影视在线观看| 不卡av一区二区三区| 欧美在线一区亚洲| 午夜两性在线视频| 在线观看日韩欧美| 亚洲真实伦在线观看| 亚洲一区高清亚洲精品| 亚洲精品久久成人aⅴ小说| 丰满人妻熟妇乱又伦精品不卡| 亚洲激情在线av| 亚洲在线自拍视频| 亚洲无线在线观看| 欧美性长视频在线观看| 久久精品91无色码中文字幕| 色哟哟哟哟哟哟| 免费在线观看黄色视频的| 久久欧美精品欧美久久欧美| 欧美一级毛片孕妇| 婷婷六月久久综合丁香| 国产又黄又爽又无遮挡在线| 天堂√8在线中文| 国产1区2区3区精品| 最近视频中文字幕2019在线8| 亚洲自偷自拍图片 自拍| 69av精品久久久久久| av免费在线观看网站| 高清毛片免费观看视频网站| 日韩免费av在线播放| 97超级碰碰碰精品色视频在线观看| 少妇人妻一区二区三区视频| 高清在线国产一区| 中文字幕人妻丝袜一区二区| 欧美高清成人免费视频www| 制服丝袜大香蕉在线| 亚洲一区中文字幕在线| 亚洲五月婷婷丁香| 亚洲专区中文字幕在线| 免费看日本二区| 亚洲精品久久成人aⅴ小说| 中文在线观看免费www的网站 | 欧美绝顶高潮抽搐喷水| 99久久无色码亚洲精品果冻| 欧美日韩黄片免| 国产成人av教育| 亚洲自拍偷在线| www.精华液| 岛国视频午夜一区免费看| 窝窝影院91人妻| 极品教师在线免费播放| 亚洲av五月六月丁香网| 成年人黄色毛片网站| 伊人久久大香线蕉亚洲五| 亚洲一区高清亚洲精品| 日韩欧美一区二区三区在线观看| 亚洲 欧美一区二区三区| 听说在线观看完整版免费高清| 岛国在线观看网站| 亚洲五月婷婷丁香| 嫩草影视91久久| 久久久久国产一级毛片高清牌| 在线永久观看黄色视频| 看免费av毛片| 黄色视频,在线免费观看| 久久久久免费精品人妻一区二区| 亚洲国产欧美一区二区综合| 久久婷婷成人综合色麻豆| 国产日本99.免费观看| 午夜福利欧美成人| 91老司机精品| 欧美日韩亚洲综合一区二区三区_| 亚洲色图av天堂| 亚洲成av人片免费观看| 国产三级在线视频| 亚洲第一电影网av| 国产精品日韩av在线免费观看| 熟妇人妻久久中文字幕3abv| 俺也久久电影网| 亚洲专区中文字幕在线| 老司机福利观看| 欧美黄色片欧美黄色片| 亚洲国产日韩欧美精品在线观看 | 亚洲九九香蕉| 精品少妇一区二区三区视频日本电影| 女警被强在线播放| 色噜噜av男人的天堂激情| 久久久久久久久免费视频了| 国产精品av久久久久免费| 国产精品1区2区在线观看.| 麻豆国产av国片精品| 国产亚洲精品第一综合不卡| 成人18禁在线播放| 国产精品日韩av在线免费观看| 欧美性长视频在线观看| 两性夫妻黄色片| 精品人妻1区二区| 午夜成年电影在线免费观看| 国产一区二区在线av高清观看| 亚洲自偷自拍图片 自拍| 俺也久久电影网| 国产精品久久久久久亚洲av鲁大| 亚洲国产精品久久男人天堂| 99在线人妻在线中文字幕| 香蕉久久夜色| 黄片大片在线免费观看| 最好的美女福利视频网| 日韩欧美国产在线观看| 亚洲狠狠婷婷综合久久图片| 一级黄色大片毛片| 免费在线观看黄色视频的| 五月伊人婷婷丁香| 亚洲人成网站高清观看| 久久中文字幕一级| 三级男女做爰猛烈吃奶摸视频| 亚洲成人久久爱视频| 亚洲国产看品久久| 窝窝影院91人妻| 两个人视频免费观看高清| 国产午夜福利久久久久久| 国产亚洲欧美98| 国产私拍福利视频在线观看| 在线观看舔阴道视频| 国产精品久久久久久人妻精品电影| 免费在线观看影片大全网站| 精品日产1卡2卡| 亚洲av成人av| 久久久久国产精品人妻aⅴ院| tocl精华| 亚洲欧美日韩无卡精品| 亚洲在线自拍视频| 51午夜福利影视在线观看| 妹子高潮喷水视频| 首页视频小说图片口味搜索| 深夜精品福利| 亚洲va日本ⅴa欧美va伊人久久| 男人的好看免费观看在线视频 | 亚洲欧洲精品一区二区精品久久久| 国产精品日韩av在线免费观看| 欧美不卡视频在线免费观看 | 国产真人三级小视频在线观看| 亚洲欧美日韩高清在线视频| 最近最新中文字幕大全免费视频| 人妻夜夜爽99麻豆av| 亚洲欧美精品综合久久99| 波多野结衣高清作品| 亚洲欧美日韩东京热| 久9热在线精品视频| 国产精品久久久av美女十八| 中文字幕久久专区| 日韩av在线大香蕉| 欧美+亚洲+日韩+国产| 丰满人妻熟妇乱又伦精品不卡| 午夜福利免费观看在线| av福利片在线观看| 国内精品久久久久久久电影| 18禁国产床啪视频网站| 亚洲专区字幕在线| 18禁裸乳无遮挡免费网站照片| 人妻夜夜爽99麻豆av| 99热6这里只有精品| 搡老岳熟女国产| 伦理电影免费视频| 亚洲精品美女久久av网站| 欧美日韩国产亚洲二区| 中国美女看黄片| 老熟妇仑乱视频hdxx| 国产精品亚洲av一区麻豆| 黄色女人牲交| 精品国产乱子伦一区二区三区| 午夜福利免费观看在线| 国产午夜精品论理片| 在线观看免费日韩欧美大片| 在线视频色国产色| 成人一区二区视频在线观看| 欧美黑人巨大hd| 在线看三级毛片| 亚洲av美国av| 日韩精品中文字幕看吧| 国产成人av教育| 国产91精品成人一区二区三区| 一本大道久久a久久精品| 亚洲欧美日韩高清专用| 国内揄拍国产精品人妻在线| 亚洲国产欧美网| 91国产中文字幕| 国产一区二区在线观看日韩 | 中文字幕精品亚洲无线码一区| 国产91精品成人一区二区三区| 搞女人的毛片| 久99久视频精品免费| 色综合亚洲欧美另类图片| 成人永久免费在线观看视频| 一级作爱视频免费观看| 国产免费av片在线观看野外av| 搡老熟女国产l中国老女人| 后天国语完整版免费观看| 欧美黑人精品巨大| 香蕉久久夜色| 一级作爱视频免费观看| 国产精品久久久久久精品电影| 一本大道久久a久久精品| 久99久视频精品免费| 91麻豆精品激情在线观看国产| 好看av亚洲va欧美ⅴa在| 欧美人与性动交α欧美精品济南到| 婷婷六月久久综合丁香| 国产伦一二天堂av在线观看| 麻豆成人午夜福利视频| 少妇被粗大的猛进出69影院| 特级一级黄色大片| 久99久视频精品免费| 亚洲成人国产一区在线观看| 久久久久国产精品人妻aⅴ院| 精品一区二区三区四区五区乱码| 亚洲av美国av| 欧美精品亚洲一区二区|