• <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 ?

    改進(jìn)FasterRCNN模型的布氏硬度檢測(cè)方法

    2022-07-09 06:44:12周如辰游昌壕潘永東
    關(guān)鍵詞:氏硬度壓痕邊框

    周如辰,游昌壕,潘永東

    (同濟(jì)大學(xué) 航空航天與力學(xué)學(xué)院,上海 200092)

    0 引言

    硬度是反映材料力學(xué)性能的基本指標(biāo)[1]。布氏硬度法是通過(guò)加載一定大小的載荷力將硬質(zhì)鋼球壓入待測(cè)物體表面[2],通過(guò)壓痕直徑換算試件的硬度。因?yàn)樵摲椒ǖ膲汉圯^大,相較于里氏硬度法有更高的準(zhǔn)確性。

    布氏硬度檢測(cè)方法數(shù)值穩(wěn)定,但是現(xiàn)有方法[3]絕大多數(shù)都是在20倍顯微鏡通過(guò)人工讀取壓痕直徑,然后人工對(duì)照直徑硬度換算表格來(lái)確定待測(cè)物體硬度值,該方法在工廠(chǎng)生產(chǎn)工況下檢測(cè)效率低下,且有較大檢驗(yàn)誤差。

    針對(duì)布氏硬度法檢測(cè)[4]過(guò)程中需要使用光學(xué)儀器人工找點(diǎn)檢測(cè)壓痕直徑效率低的情況,李和平[5]提出根據(jù)壓痕深度計(jì)算出壓痕直徑及布氏硬度,方法并沒(méi)有經(jīng)過(guò)廣泛驗(yàn)證,且設(shè)備長(zhǎng)期使用后精度可能會(huì)丟失。西北工業(yè)大學(xué)[6]提供了一種硬度塊壓痕直徑測(cè)量方法及裝置,通過(guò)圖像處理,最后采用最小二乘法擬合提取壓痕擬合直徑得到布氏硬度。單忠德[7]等根據(jù)機(jī)器視覺(jué)[8]相關(guān)理論提出了基于粒子群動(dòng)態(tài)輪廓模型(Snake模型[9])的壓痕輪廓提取算法,并通過(guò)引入壓痕直徑標(biāo)定系數(shù),解決了視覺(jué)測(cè)量中的壓痕直徑像素與壓痕物理直徑的換算關(guān)系,并對(duì)直徑標(biāo)定系數(shù)進(jìn)行最小二乘法擬合,提高了測(cè)量精度。但他們的測(cè)量大多數(shù)是在圖像輪廓很清晰的條件下進(jìn)行的,對(duì)于工件表面反光不佳,表面銹蝕導(dǎo)致壓痕輪廓清晰度降低的圖像,該算法會(huì)失效,本文嘗試用該算法檢測(cè)銹蝕金屬表面的布氏壓痕,識(shí)別效果如圖1所示,可見(jiàn)該算法針對(duì)壓痕輪廓清晰的圖片有較好的效果,針對(duì)壓痕輪廓不清晰的情況則效果不佳。

    圖1 使用改進(jìn)的snake算法檢測(cè)布氏硬度壓痕的效果圖示例

    近年來(lái),深度學(xué)習(xí)在機(jī)器視覺(jué)[10]領(lǐng)域興起。深度學(xué)習(xí)通過(guò)建立神經(jīng)元網(wǎng)絡(luò)從圖片中提取有用的信息,通過(guò)不斷優(yōu)化損失函數(shù)的方式訓(xùn)練,最后得到特征與目標(biāo)之間映射的深度學(xué)習(xí)模型[11]。FasterRCNN[12]網(wǎng)絡(luò)作為目標(biāo)檢測(cè)[13]方法的一種,在數(shù)據(jù)標(biāo)注過(guò)程中,除了標(biāo)注類(lèi)別之外,還通過(guò)標(biāo)注矩形框標(biāo)注了目標(biāo)物體。在矩形框內(nèi)的屬于目標(biāo)物體的正例部分,在矩形框外的屬于目標(biāo)物體外的負(fù)例部分。因此使用該網(wǎng)絡(luò)進(jìn)行訓(xùn)練,不僅可以識(shí)別目標(biāo)物體,并且可以得到目標(biāo)在圖像中所處的位置和大小。本文目的是完成布氏硬度壓痕圓識(shí)別,計(jì)算布氏硬度壓痕圓直徑兩個(gè)功能,通過(guò)FasterRCNN網(wǎng)絡(luò)可以完成布氏硬度壓痕圓識(shí)別,通過(guò)布氏硬度壓痕圓定位框大小位置計(jì)算布氏硬度壓痕圓直徑兩個(gè)功能,解決布氏硬度法測(cè)量布氏硬度壓痕直徑大小的問(wèn)題。針對(duì)布氏硬度壓痕特點(diǎn),適當(dāng)對(duì)FasterRCNN網(wǎng)絡(luò)進(jìn)行改進(jìn)可以提高布氏硬度壓痕圓直徑的測(cè)量精度[14]。本文首次提出通過(guò)FasterRCNN網(wǎng)絡(luò)檢測(cè)布氏硬度壓痕,針對(duì)布氏壓痕特點(diǎn)改進(jìn)FasterRCNN網(wǎng)絡(luò),可以在光滑或銹蝕金屬表面自動(dòng)[15]提取布氏硬度壓痕輪廓并提高布氏硬度壓痕圓直徑的測(cè)量精度,彌補(bǔ)傳統(tǒng)機(jī)器視覺(jué)算法提取壓痕輪廓的不足。

    1 數(shù)據(jù)獲取

    1.1 數(shù)據(jù)采集

    基于FasterRCNN的布氏硬度法采用布氏硬度標(biāo)準(zhǔn)測(cè)試塊[16],選取5種型號(hào)200HBW10/3000,300HBW10/3000,400HBW10/3000,500HBW10/3000,600HBW10/3000。每種型號(hào)硬度塊選取一塊,對(duì)于每個(gè)硬度塊[17],本文對(duì)其正面涂油保存,反面不涂油保護(hù),在潮濕環(huán)境下使得試塊正面呈現(xiàn)銹蝕斑點(diǎn),另一面保持光滑平整。200HBW10/3000含義是指在14 710 N(15 000 kgf)的試驗(yàn)載荷作用下,將直徑為10 mm的淬硬鋼球壓入試塊,保持10~15 s時(shí),測(cè)得的布氏硬度值為200。本文采用14 710(15 000 kgf)的試驗(yàn)載荷壓入鋼球[18],保持時(shí)間10~15 s,對(duì)每種型號(hào)試塊銹蝕面和非銹蝕面各留10個(gè)壓痕。本文采用1 000倍USB電子放大鏡,對(duì)每個(gè)壓痕處于鏡頭中不同位置拍攝10張照片,共計(jì)1 000張照片。同時(shí)采集不存在布氏硬度壓痕的照片200張,提取儲(chǔ)存格式為Jpg,分辨率大小為640*480。

    1.2 數(shù)據(jù)標(biāo)注

    對(duì)不包含壓痕圓的200張圖片數(shù)據(jù)不進(jìn)行矩形框標(biāo)注,作為數(shù)據(jù)集中的正常類(lèi)圖片,作對(duì)照組。

    針對(duì)數(shù)據(jù)集中存在壓痕圓的圖片,本文通過(guò)矩形框標(biāo)注壓痕圓在圖片中的直徑與矩形框位置,運(yùn)用三點(diǎn)求圓法得到矩形框所處的位置與直徑。

    數(shù)據(jù)標(biāo)注過(guò)程前,手動(dòng)標(biāo)注出照片中分布于壓痕邊緣的15個(gè)點(diǎn),從15個(gè)點(diǎn)中任意選取3個(gè)點(diǎn)能得到105組圓的直徑數(shù)據(jù)和中心位置。在每組測(cè)量(第m組)過(guò)程中,選取的3個(gè)點(diǎn)在圖像坐標(biāo)系中的像素坐標(biāo)為(xmi,ymi),(xmj,ymj),(xmk,ymk),第m組測(cè)量測(cè)得圓的半徑rm,中心位置(xm,ym),那么有:

    (1)

    式(1)的第一式和第二式相減,第一式和第三式相減可得:

    (2)

    那么:

    (3)

    其中:

    (4)

    可見(jiàn),通過(guò)第m組測(cè)量得到的像素坐標(biāo)(xmi,ymi),(xmj,ymj),(xmk,ymk)可求得第m組圓的半徑rm,中心位置(xm,ym)。本文求取105組圓的半徑rm及中心位置(xm,ym)的平均值作為該張照片壓痕圓的真實(shí)半徑r0(此處的直徑指的是圖片中圓的直徑對(duì)應(yīng)的像素值大小,本文下面出現(xiàn)的直徑指的此含義)及中心位置(x0,y0),該關(guān)系如式(5)所示:

    (5)

    在圖片標(biāo)注過(guò)程中,通過(guò)確定頂點(diǎn)坐標(biāo)(x1,y1),(x2,y2),(x3,y3),(x4,y4)來(lái)標(biāo)注矩形框,標(biāo)注過(guò)程如圖2所示。矩形框與圖像中的壓痕圓相切,故頂點(diǎn)坐標(biāo)可依據(jù)壓痕圓的半徑r0,中心位置(x0,y0)給出,該關(guān)系如式(6)所示:

    圖2 圖像數(shù)據(jù)的標(biāo)注過(guò)程

    (6)

    數(shù)據(jù)集實(shí)際采集1 200張圖片,其中200張圖片不含壓痕圓,沒(méi)有檢測(cè)框,作為數(shù)據(jù)集的負(fù)例部分。在1 000張存在布氏硬度壓痕的照片中,布氏硬度壓痕的位置,大小和背景都存在差異,可適用于本實(shí)驗(yàn)的訓(xùn)練目標(biāo)。本文提出的基于布氏硬度檢測(cè)的FasterRCNN模型為單類(lèi)別目標(biāo)檢測(cè),數(shù)據(jù)量少會(huì)導(dǎo)致泛化能力差,模型過(guò)擬合等問(wèn)題,因此需要進(jìn)行數(shù)據(jù)增強(qiáng)。數(shù)據(jù)增強(qiáng)主要是對(duì)采集到的圖片采取左右翻折,上下翻折處理,同時(shí)針對(duì)實(shí)際工況中的不同光照條件,對(duì)模型進(jìn)行隨機(jī)調(diào)整亮度對(duì)比度處理,數(shù)據(jù)增強(qiáng)示例如圖3所示,經(jīng)過(guò)數(shù)據(jù)增強(qiáng)后的數(shù)據(jù)集總共包含4 800張圖片。由于數(shù)據(jù)集是按批次送入神經(jīng)網(wǎng)絡(luò)中訓(xùn)練,數(shù)據(jù)量的增長(zhǎng)并不會(huì)增加模型的訓(xùn)練運(yùn)算量,顯存占用量。數(shù)據(jù)增強(qiáng)的優(yōu)點(diǎn)是解決模型過(guò)擬合[19],泛化能力差的缺點(diǎn),使得模型的魯棒性增強(qiáng),同時(shí)提高模型在不同亮度條件下的檢測(cè)能力。

    圖3 訓(xùn)練數(shù)據(jù)集數(shù)據(jù)增強(qiáng)的3種擴(kuò)充方法

    經(jīng)過(guò)增強(qiáng)的數(shù)據(jù)集包含4 800張照片。本文對(duì)照片標(biāo)注類(lèi)別為壓痕,并標(biāo)注矩形邊框,同時(shí)以 PASCAL VOC 的格式保存數(shù)據(jù)集[20]。

    2 改進(jìn)FasterRCNN模型

    2.1 FasterRCNN神經(jīng)網(wǎng)絡(luò)模型

    FasterRCNN是一種端到端目標(biāo)檢測(cè)算法,通過(guò)卷積運(yùn)算提取特征,對(duì)候選框大小及目標(biāo)類(lèi)型進(jìn)行回歸達(dá)到實(shí)時(shí)檢測(cè)要求。FasterRCNN主要由卷積層,RPN網(wǎng)絡(luò),RoiPooling層和分類(lèi)層4個(gè)部分組成,如圖4所示。

    圖4 原始的FasterRCNN模型

    1)圖像特征選取網(wǎng)絡(luò):FasterRCNN基于卷積神經(jīng)網(wǎng)絡(luò)[21](VGG16[22],ResNet50[23])提取圖片中的特征矩陣,該特征矩陣將被作為后續(xù)RPN層和全連接層[24]的輸入。

    2)RPN網(wǎng)絡(luò)(圖像特征選取網(wǎng)絡(luò)):RPN網(wǎng)絡(luò)(Region Proposal Networks)的作用是生成目標(biāo)檢測(cè)候選區(qū)域。該層通過(guò)softmax層判斷錨框?qū)儆谇熬盎虮尘安?biāo)記,再利用邊框回歸調(diào)整候選錨框的大小,讓目標(biāo)檢測(cè)候選區(qū)域更準(zhǔn)確,更貼近真實(shí)的正例檢測(cè)區(qū)域。

    3)Roi Pooling層(感興趣區(qū)域池化層):Roi Pooling層將RPN網(wǎng)絡(luò)輸出的特征和RPN網(wǎng)絡(luò)輸出的目標(biāo)檢測(cè)候選區(qū)域作為輸入,提取其中的綜合信息得到感興趣區(qū)域,將感興趣區(qū)域池化為固定尺寸的特征圖。

    4)Classification層(分類(lèi)層):Classification層利用Roi Pooling層輸出的特征矩陣進(jìn)行兩個(gè)工作:1)判斷候選區(qū)域的類(lèi)別;2)再次進(jìn)行邊框回歸得到檢測(cè)框的準(zhǔn)確位置,讓目標(biāo)檢測(cè)候選區(qū)域更準(zhǔn)確,更貼近真實(shí)的正例檢測(cè)區(qū)域。

    2.2 改進(jìn)邊框回歸

    在圖像坐標(biāo)系中,一個(gè)矩形邊框可以用其中心位置坐標(biāo)(a,b)及矩形邊框的寬w與高h(yuǎn)表示。故本文采用矩形邊框的中心位置坐標(biāo)及邊框的寬與高(a,b,w,h)來(lái)定義矩形邊框。

    基于FasterRCNN的布氏硬度檢測(cè)方法通過(guò)FasterRCNN模型實(shí)現(xiàn)布氏壓痕圓邊緣的提取,目標(biāo)檢測(cè)框內(nèi)為圖片正例部分,即模型認(rèn)為存在布氏硬度壓痕的區(qū)域,目標(biāo)檢測(cè)框外為圖片負(fù)例部分,即模型認(rèn)為不存在布氏硬度壓痕的區(qū)域。目標(biāo)檢測(cè)框?yàn)樽畲蟾采w存在布氏硬度壓痕的矩形區(qū)域,布氏硬度壓痕的形狀為圓形,因此布氏壓痕圓會(huì)相切于目標(biāo)檢測(cè)框。進(jìn)一步,本文通過(guò)獲取FasterRCNN模型輸出的檢測(cè)邊框的寬woutput與高h(yuǎn)output來(lái)計(jì)算壓痕圓[25]的直徑d,該關(guān)系如式(7)所示:

    (7)

    在FasterRCNN網(wǎng)絡(luò)中,RPN網(wǎng)絡(luò)會(huì)先經(jīng)過(guò)3×3的卷積運(yùn)算,然后網(wǎng)絡(luò)分為兩條支路。第一條路線(xiàn)用來(lái)判斷候選框是前景還是背景,它先把輸入的候選框特征矩陣映射到一維向量,然后采用softmax函數(shù)來(lái)判斷候選框是前景還是背景,然后把它恢復(fù)為二維特征矩陣。第二條路線(xiàn)路用來(lái)確定候選框的位置,通過(guò)邊框回歸(bounding box regression)實(shí)現(xiàn)。經(jīng)過(guò)兩路計(jì)算結(jié)束后,挑選出前景候選框,并利用計(jì)算得到候選框準(zhǔn)確位置,生成特征子圖。同時(shí)在最后的classification層(分類(lèi)層)會(huì)再次利用到邊框回歸(bounding box regression)用于回歸更加精確的目標(biāo)檢測(cè)框。

    在RPN網(wǎng)絡(luò)中,RPN對(duì)于錨框的設(shè)置為默認(rèn)的9種(默認(rèn)為3種尺度{322,642,1282},3種寬高比{1∶2,1∶1,2∶1})。如圖5(a)所示,已知黑色為當(dāng)前的選區(qū),即錨框(在RPN網(wǎng)絡(luò)中設(shè)置),白色代表真實(shí)的選區(qū),當(dāng)前的選區(qū)可以大概率選擇出目標(biāo)物,但是離真實(shí)選區(qū)中的真實(shí)位置和形狀仍然還有較大誤差。

    在classification層中,Classification層利用Roi Pooling層輸出的特征矩陣的信息,得到候選區(qū)域的位置。如圖5(b)所示,黑色為候選區(qū)域的位置,白色代表真實(shí)的窗口,經(jīng)過(guò)RPN網(wǎng)絡(luò)和Roi Pooling層輸出的候選區(qū)域已經(jīng)可以覆蓋大部分目標(biāo)正例區(qū)域,但是離真實(shí)檢測(cè)框的位置和形狀仍然還有調(diào)整空間。

    圖5 圖像的真實(shí)選區(qū)和當(dāng)前選區(qū)

    (8)

    在具體的邊框回歸過(guò)程中,主要進(jìn)行如下變換:

    1)先對(duì)候選區(qū)域A的中心位置進(jìn)行平移變換(Δx,Δy),該關(guān)系如式(9)所示:

    Δx=wodx(ao,bo,wo,ho)

    Δy=hody(ao,bo,wo,ho)

    (9)

    其中:dx,dy為FasterRCNN模型在平移變換時(shí)的映射,映射關(guān)系需要通過(guò)模型訓(xùn)練學(xué)習(xí)。

    經(jīng)過(guò)平移變換后的回歸窗口G′的中心位置與候選區(qū)域A的中心位置之間的關(guān)系如式(10)所示:

    (10)

    2)再對(duì)檢測(cè)框進(jìn)行尺度縮放(Aw,Ah),該關(guān)系如式(11)所示:

    Aw=exp(dw(ao,bo,wo,ho))

    Ah=exp(dh(ao,bo,wo,ho))

    (11)

    其中:dw,dh為FasterRCNN模型在尺度縮放時(shí)的映射,映射關(guān)系需要通過(guò)模型訓(xùn)練學(xué)習(xí)。

    經(jīng)過(guò)尺度縮放后的回歸窗口G′的寬和高與候選區(qū)域A的中心位置之間的關(guān)系如式(12)所示:

    (12)

    真實(shí)窗口G與候選區(qū)域A之間的真實(shí)平移變換值(tx,ty)和真實(shí)尺度變換值(tw,th)如該關(guān)系如式(13)所示:

    (13)

    將真實(shí)平移變換值(tx,ty)和真實(shí)尺度變換值(tw,th)定義為真實(shí)值t*=(tx,ty,tw,th)

    相應(yīng)的,本文將預(yù)測(cè)平移變換值(dx,dy)和預(yù)測(cè)尺度變換值(dw,dh)定義為預(yù)測(cè)值d*=(dx,dy,dw,dh),目標(biāo)函數(shù)如式(14)所示:

    d*=w*TP

    (14)

    其中:p=(ao,bo,wo,ho)作為輸入特征向量,w*為要學(xué)習(xí)的參數(shù)(*x,y,w,h,每個(gè)變換對(duì)應(yīng)一個(gè)目標(biāo)函數(shù))。

    如圖6所示,當(dāng)候選區(qū)域A與真實(shí)窗口G之間位置相差較小,可認(rèn)為是一種線(xiàn)性變化,故對(duì)其采用線(xiàn)性回歸模型建模。在傳統(tǒng)的FasterRCNN中采用smooth L1 loss作為邊框回歸(bounding box regression)的損失函數(shù),smooth L1函數(shù)公式為:

    圖6 改進(jìn)后的FasterRCNN模型

    (15)

    在classification層中的邊框回歸的目的是使得預(yù)測(cè)值d*與真實(shí)值t*(*代表x,y,w,h,每個(gè)變換代表一個(gè)真實(shí)值)之間差距最小,因此損失函數(shù)Loss定義為:

    (16)

    函數(shù)優(yōu)化目標(biāo)M*定義為:

    (17)

    (18)

    (19)

    通過(guò)改進(jìn)邊框回歸(bounding box regression)的損失函數(shù),能夠使得改進(jìn)的FasterRCNN模型在檢測(cè)布氏硬度壓痕時(shí),預(yù)測(cè)的檢測(cè)框的寬與高之間差距最小?;诟倪M(jìn)FasteRCNN的布氏硬度檢測(cè)能夠在保留FasterRCNN的classification層中的邊框回歸預(yù)測(cè)值d*與真實(shí)值t*之間差距最小的同時(shí),使得預(yù)測(cè)的檢測(cè)框形狀最貼近正方形,更符合布氏硬度壓痕圓的特點(diǎn),使得模型在布氏硬度的檢測(cè)中,表現(xiàn)出更優(yōu)的檢測(cè)精度和更好的檢測(cè)效果,改進(jìn)后的FasterRCNN模型網(wǎng)絡(luò)如圖6所示。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 實(shí)驗(yàn)環(huán)境

    本實(shí)驗(yàn)的硬件采用Intel Core i7-8750H CPU @ 2.20GHz八核處理器,LITEON CV8-8E128-11 SATA 128GB固態(tài)硬盤(pán),NVIDIA GeForce GTX 1060 with Max-Q Design顯卡,操作系統(tǒng)環(huán)境采用Ubuntu16.04,采用Tensorflow-gpu深度學(xué)習(xí)框架,Pycharm編譯環(huán)境。

    3.2 實(shí)驗(yàn)參數(shù)

    本實(shí)驗(yàn)將數(shù)據(jù)集按訓(xùn)練集,驗(yàn)證集,測(cè)試集按7∶1∶2的比例進(jìn)行劃分。在實(shí)驗(yàn)中,傳統(tǒng)FasterRCNN模型采用的模型主干網(wǎng)絡(luò)采用ResNet50,使用的最終模型為ResNet50+RPN網(wǎng)絡(luò)+ROI Pooling+Classification層。改進(jìn)的FasterRCNN模型采用的模型主干網(wǎng)絡(luò)采用ResNet50,使用的最終模型為ResNet50+RPN網(wǎng)絡(luò)+ROI Pooling+改進(jìn)的Classification層。超參數(shù)的設(shè)置在實(shí)驗(yàn)中經(jīng)過(guò)不斷優(yōu)化調(diào)整最終設(shè)置為:訓(xùn)練步數(shù)20 000步,RPN網(wǎng)絡(luò)采取反向傳播和隨機(jī)梯度下降進(jìn)行端到端訓(xùn)練,優(yōu)化器動(dòng)量為0.9,權(quán)重衰減為0.000 5,學(xué)習(xí)率learning rate設(shè)置為0.000 1,當(dāng)訓(xùn)練步數(shù)超過(guò)10 000步時(shí),學(xué)習(xí)率采用固定步長(zhǎng)衰減,權(quán)值衰減gamma為0.1,步長(zhǎng)為step size100。

    3.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

    為了驗(yàn)證改進(jìn)的FasterRCNN模型的有效性以及基于FasterRCNN模型的布氏硬度檢測(cè)方法的檢測(cè)能力,本文評(píng)價(jià)模型的指標(biāo)主要分為兩部分:第一部分是去衡量模型正確檢測(cè)壓痕圓的能力,第二部分是去衡量模型推導(dǎo)得出壓痕圓直徑的檢測(cè)精度。

    第一部分通過(guò)計(jì)算模型準(zhǔn)確率Accuracy進(jìn)行評(píng)價(jià),評(píng)價(jià)指標(biāo)如下:

    總樣本數(shù)為S,圖片含有布氏壓痕且模型預(yù)測(cè)為布氏壓痕及圖片不含有布氏壓痕且模型預(yù)測(cè)不含有布氏壓痕的樣本總數(shù)為P,即模型預(yù)測(cè)正確的樣本總數(shù),得到準(zhǔn)確率Accuracy公式如如式(20)所示:

    (20)

    根據(jù)式(20)可知,當(dāng)模型準(zhǔn)確率Accuracy指標(biāo)越大時(shí),表明模型識(shí)別壓痕圓的能力越高。

    第二部分通過(guò)計(jì)算模型歸一化均方誤差nMSE進(jìn)行評(píng)價(jià),評(píng)價(jià)指標(biāo)如下:

    評(píng)價(jià)該指標(biāo)時(shí),在檢測(cè)正確且檢出布氏硬度壓痕的圖片中,通過(guò)將式(5)計(jì)算得出的壓痕真實(shí)直徑r0與式(7)計(jì)算得出的通過(guò)模型輸出的壓痕直徑di進(jìn)行比較,得到歸一化均方誤差nMSE公式如式(21)所示:

    (21)

    根據(jù)式(21)可知,當(dāng)歸一化均方誤差nMSE指標(biāo)越小時(shí),表明模型檢測(cè)壓痕直徑的準(zhǔn)確度越高。

    3.4 實(shí)驗(yàn)結(jié)果對(duì)比

    實(shí)驗(yàn)中使用本文1.2節(jié)中的數(shù)據(jù)集,為了滿(mǎn)足布氏硬度常見(jiàn)工況下的檢測(cè),提高數(shù)據(jù)樣本的多樣性,提取了分別在銹蝕表面以及非銹蝕表面情況下含有布氏硬度壓痕的圖片(如圖7(a),(b)所示),銹蝕表面圖片的布氏硬度壓痕邊緣較為模糊,而非銹蝕表面圖片的布氏硬度壓痕邊緣較為清晰。同時(shí)添加一定負(fù)例,負(fù)例中不存在布氏硬度壓痕,包含銹蝕表面以及非銹蝕表面情況下的試塊表面圖片(如圖7(c),7(d)所示),進(jìn)行數(shù)據(jù)增強(qiáng)進(jìn)一步豐富樣本供模型學(xué)習(xí)。數(shù)據(jù)集共4 800張圖片,訓(xùn)練集,驗(yàn)證集,測(cè)試集的數(shù)量分別為3 260張,480張,960張。

    圖7 數(shù)據(jù)集部分展示

    本實(shí)驗(yàn)采用模型準(zhǔn)確率Accuracy,模型歸一化均方誤差nMSE兩個(gè)指標(biāo)對(duì)數(shù)據(jù)集中劃分出的測(cè)試集部分進(jìn)行指標(biāo)評(píng)估,對(duì)比基于改進(jìn)的FasterRCNN與傳統(tǒng)的FasterRCNN模型在本文自建的壓痕圓數(shù)據(jù)集中的識(shí)別效果,具體結(jié)果見(jiàn)表1所示。

    表1 FasterRCNN模型與改進(jìn)的FasterRCNN模型檢測(cè)指標(biāo)對(duì)比

    從表1中可看出,改進(jìn)的FasterRCNN模型的準(zhǔn)確率Accuracy為97.08%,比傳統(tǒng)的FasterRCNN模型的準(zhǔn)確率Accuracy提升 0.73%。綜上所述,改進(jìn)的FasterRCNN模型對(duì)于檢測(cè)圖像區(qū)域內(nèi)是否存在壓痕圓有一定的優(yōu)化效果。

    此外,改進(jìn)的FasterRCNN模型的歸一化均方誤差nMSE為0.001 226,相較于傳統(tǒng)的FasterRCNN模型的歸一化均方誤差nMSE降低40.31%。該指標(biāo)表明了FasterRCNN模型經(jīng)過(guò)改進(jìn)后,使得布氏硬度檢測(cè)精度得到提升,魯棒性得以增強(qiáng)。

    通過(guò)準(zhǔn)確率Accuracy,歸一化均方誤差nMSE兩個(gè)指標(biāo)計(jì)算比較,可以驗(yàn)證改進(jìn)方案的有效性。同時(shí),各項(xiàng)指標(biāo)都有所提升,表明改進(jìn)后的FasterRCNN模型對(duì)檢測(cè)布氏硬度壓痕具有更好的檢測(cè)效果,更高的檢測(cè)精度。

    本文展示部分布氏硬度壓痕的檢測(cè)效果,其中原始的布氏硬度壓痕圖像如圖8所示,圖8(a)為表面未銹蝕,表面情況差,壓痕邊緣模糊的圖片,圖8(b)為表面銹蝕,表面情況好,反光效果好,壓痕邊緣清晰的圖片?;贔asterRCNN模型和改進(jìn)的FasterRCNN模型的布氏硬度檢測(cè)效果對(duì)比分別如圖9(a)、(b)所示。

    圖8 原始布氏硬度壓痕圖

    圖9 FasterRCNN模型與改進(jìn)FasterRCNN模型的壓痕檢測(cè)效果對(duì)比圖

    根據(jù)圖9可知,F(xiàn)asterRCNN網(wǎng)絡(luò)對(duì)于檢測(cè)銹蝕表面以及非銹蝕表面的布氏硬度壓痕都具有很好的檢測(cè)效果,表明基于FasterRCNN網(wǎng)絡(luò)模型的布氏硬度壓痕檢測(cè)方法適用于銹蝕和光滑金屬表面工況。同時(shí)改進(jìn)的FasterRCNN網(wǎng)絡(luò)相較于傳統(tǒng)的FasterRCNN網(wǎng)絡(luò),布氏硬度壓痕定位框更為準(zhǔn)確,推導(dǎo)得出的布氏硬度壓痕直徑更精準(zhǔn)。

    4 結(jié)束語(yǔ)

    本文提出基于改進(jìn)FasterRCNN模型的布氏硬度檢測(cè)方法,建立壓痕圓數(shù)據(jù)集進(jìn)行模型訓(xùn)練。通過(guò)檢測(cè)效果證明,該檢測(cè)方法適用于銹蝕和光滑金屬表面工況,可以自動(dòng)檢測(cè)布氏硬度壓痕。

    同時(shí),本文針對(duì)傳統(tǒng)的FasterRCNN模型的特點(diǎn)與不足,結(jié)合布氏硬度檢測(cè)的需求和特點(diǎn),對(duì)傳統(tǒng)的FasterRCNN模型進(jìn)行如下改進(jìn):

    1)結(jié)合布氏硬度檢測(cè)的特點(diǎn),在classification網(wǎng)絡(luò)中邊框回歸損失函數(shù)中加入預(yù)測(cè)檢測(cè)框的長(zhǎng)與寬的方差,在改進(jìn)的函數(shù)優(yōu)化目標(biāo)中加入預(yù)測(cè)檢測(cè)框?qū)捙c高之間差距最小,使得基于改進(jìn)的FasterRCNN模型布氏硬度檢測(cè)能夠提供更加準(zhǔn)確的目標(biāo)預(yù)測(cè)檢測(cè)框,取得更精準(zhǔn)檢測(cè)效果。

    2)對(duì)自建的數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng),在不易提取大量圖片時(shí),有效擴(kuò)充數(shù)據(jù)集數(shù)量,使模型學(xué)到更多有效特征,解決模型過(guò)擬合,泛化能力差的缺點(diǎn),使得模型的魯棒性增強(qiáng),同時(shí)提高模型在不同亮度下的判斷能力。

    通過(guò)對(duì)比改進(jìn)的FasterRCNN模型與傳統(tǒng)FasterRCNN模型的準(zhǔn)確率Accuracy,歸一化均方誤差nMSE,發(fā)現(xiàn)改進(jìn)后的各項(xiàng)指標(biāo)均較改進(jìn)前的指標(biāo)有提升。其中,準(zhǔn)確率Accuracy從96.35%提升到97.08%,歸一化均方誤差nMSE從0.002 054降低到0.001 226。證明了改進(jìn)的FasterRCNN模型對(duì)于檢測(cè)布氏硬度壓痕圓具有更好的檢測(cè)效果,更高的檢測(cè)精度,為布氏硬度檢測(cè)提供了一種結(jié)合深度學(xué)習(xí)的、有效的測(cè)量解決方案。

    猜你喜歡
    氏硬度壓痕邊框
    一模六產(chǎn)品篩板模具的設(shè)計(jì)與應(yīng)用
    智能制造(2022年4期)2022-08-18 16:21:14
    高硬度區(qū)間P91鋼的里氏-布氏硬度關(guān)系研究
    抗壓痕透明粉在精車(chē)鋁輪轂上的應(yīng)用研究
    上海涂料(2021年5期)2022-01-15 06:09:26
    無(wú)人值守智能化洛氏硬度測(cè)試平臺(tái)
    用Lightroom添加寶麗來(lái)邊框
    給照片制作專(zhuān)業(yè)級(jí)的邊框
    用連續(xù)球壓痕法評(píng)價(jià)鋼斷裂韌度
    C/SiC復(fù)合材料納米壓痕有限元仿真
    金屬標(biāo)準(zhǔn)塊顯微維氏硬度檢測(cè)中的不確定度評(píng)定
    擺脫邊框的束縛優(yōu)派
    亚洲av男天堂| 国产爽快片一区二区三区| 亚洲国产成人一精品久久久| 久久久久久久亚洲中文字幕| 午夜免费男女啪啪视频观看| 亚洲欧美一区二区三区黑人 | 日日撸夜夜添| 午夜免费鲁丝| 久久人人爽人人片av| 老熟女久久久| 国产在线视频一区二区| 视频在线观看一区二区三区| 中国三级夫妇交换| 嫩草影院入口| 五月天丁香电影| 制服人妻中文乱码| 韩国精品一区二区三区 | 两个人免费观看高清视频| 在线观看人妻少妇| 婷婷成人精品国产| 9热在线视频观看99| 日本猛色少妇xxxxx猛交久久| 日本vs欧美在线观看视频| 亚洲精品乱码久久久久久按摩| 欧美xxⅹ黑人| 免费观看在线日韩| 亚洲精品美女久久av网站| 人妻一区二区av| 夜夜爽夜夜爽视频| 青春草国产在线视频| 熟女人妻精品中文字幕| 黄色视频在线播放观看不卡| 王馨瑶露胸无遮挡在线观看| 侵犯人妻中文字幕一二三四区| 国产欧美日韩一区二区三区在线| 成人综合一区亚洲| 久久精品人人爽人人爽视色| 中文字幕另类日韩欧美亚洲嫩草| 国产乱来视频区| 边亲边吃奶的免费视频| 精品国产露脸久久av麻豆| 久久久久久久大尺度免费视频| 国产精品久久久久久精品电影小说| 国产成人免费无遮挡视频| 精品卡一卡二卡四卡免费| 亚洲综合色网址| 国产男女超爽视频在线观看| 亚洲三级黄色毛片| 天天躁夜夜躁狠狠躁躁| 黄色视频在线播放观看不卡| 99久国产av精品国产电影| 精品少妇内射三级| 啦啦啦中文免费视频观看日本| 男女边吃奶边做爰视频| 美女国产视频在线观看| 成人黄色视频免费在线看| 蜜桃在线观看..| 蜜臀久久99精品久久宅男| 看免费成人av毛片| 男人添女人高潮全过程视频| 国产色婷婷99| 欧美日韩亚洲高清精品| 女的被弄到高潮叫床怎么办| 婷婷色av中文字幕| 麻豆精品久久久久久蜜桃| 在现免费观看毛片| 熟女人妻精品中文字幕| 欧美精品亚洲一区二区| 美国免费a级毛片| 黑人欧美特级aaaaaa片| 制服人妻中文乱码| 国国产精品蜜臀av免费| 国产精品久久久久久精品电影小说| 国产精品麻豆人妻色哟哟久久| 亚洲av电影在线进入| 中文字幕人妻熟女乱码| 午夜福利视频精品| 99久久人妻综合| 十八禁网站网址无遮挡| 制服诱惑二区| 美女xxoo啪啪120秒动态图| 亚洲国产色片| 成人综合一区亚洲| 久久久久久久久久久久大奶| 精品一区二区三区四区五区乱码 | 亚洲少妇的诱惑av| av.在线天堂| 日本av免费视频播放| 成人18禁高潮啪啪吃奶动态图| 水蜜桃什么品种好| 18+在线观看网站| 亚洲精品aⅴ在线观看| 少妇人妻久久综合中文| 男男h啪啪无遮挡| 亚洲国产欧美日韩在线播放| 黄色一级大片看看| www.色视频.com| 美女xxoo啪啪120秒动态图| 青春草国产在线视频| 欧美精品亚洲一区二区| 成年动漫av网址| 欧美精品一区二区大全| 青春草亚洲视频在线观看| 精品国产一区二区久久| 99久久综合免费| 飞空精品影院首页| 人人妻人人爽人人添夜夜欢视频| 91aial.com中文字幕在线观看| 国国产精品蜜臀av免费| 亚洲五月色婷婷综合| 少妇的逼水好多| 蜜臀久久99精品久久宅男| www.熟女人妻精品国产 | 日本与韩国留学比较| 久久久国产一区二区| 欧美 亚洲 国产 日韩一| av黄色大香蕉| 午夜福利在线观看免费完整高清在| 国产成人91sexporn| 国产成人a∨麻豆精品| 久久精品久久久久久久性| 久久毛片免费看一区二区三区| 天天躁夜夜躁狠狠久久av| 久久久久视频综合| 秋霞在线观看毛片| 久久亚洲国产成人精品v| 两性夫妻黄色片 | 国产在线一区二区三区精| 十八禁网站网址无遮挡| 精品国产一区二区久久| 老司机影院成人| 在线观看免费视频网站a站| 成年美女黄网站色视频大全免费| 男女高潮啪啪啪动态图| 人妻系列 视频| 人人妻人人爽人人添夜夜欢视频| 日本wwww免费看| 好男人视频免费观看在线| 精品亚洲乱码少妇综合久久| 22中文网久久字幕| 狂野欧美激情性xxxx在线观看| 亚洲精品成人av观看孕妇| 人妻一区二区av| 99热国产这里只有精品6| 观看美女的网站| 国产成人欧美| 中文字幕人妻丝袜制服| 国产国拍精品亚洲av在线观看| 少妇人妻精品综合一区二区| 在线精品无人区一区二区三| 少妇人妻久久综合中文| 9热在线视频观看99| 午夜视频国产福利| 免费人妻精品一区二区三区视频| 日日爽夜夜爽网站| 熟妇人妻不卡中文字幕| 黑丝袜美女国产一区| 亚洲国产av影院在线观看| 久久99精品国语久久久| 亚洲五月色婷婷综合| 国产成人a∨麻豆精品| 99热全是精品| 欧美成人精品欧美一级黄| videos熟女内射| 精品亚洲成a人片在线观看| 欧美97在线视频| 国产一区二区三区综合在线观看 | 五月玫瑰六月丁香| 啦啦啦中文免费视频观看日本| 中文乱码字字幕精品一区二区三区| 另类精品久久| 亚洲国产看品久久| 国产精品.久久久| 亚洲精品久久久久久婷婷小说| 日本午夜av视频| av一本久久久久| 亚洲av免费高清在线观看| 飞空精品影院首页| 欧美成人午夜免费资源| 国产欧美另类精品又又久久亚洲欧美| 观看美女的网站| 成人二区视频| 亚洲成色77777| 成人国产av品久久久| 久久精品国产鲁丝片午夜精品| 交换朋友夫妻互换小说| 亚洲 欧美一区二区三区| 熟妇人妻不卡中文字幕| 天天躁夜夜躁狠狠久久av| 天堂8中文在线网| 中文字幕免费在线视频6| 美女脱内裤让男人舔精品视频| 中国三级夫妇交换| 国产精品久久久久久精品古装| 精品国产露脸久久av麻豆| 中文字幕最新亚洲高清| 国产精品麻豆人妻色哟哟久久| 亚洲精品久久久久久婷婷小说| 99九九在线精品视频| 一区二区日韩欧美中文字幕 | 熟女人妻精品中文字幕| 在线天堂最新版资源| 91久久精品国产一区二区三区| 中文字幕免费在线视频6| 人成视频在线观看免费观看| av卡一久久| 男人添女人高潮全过程视频| 亚洲国产精品专区欧美| 秋霞在线观看毛片| 久久99一区二区三区| 在线观看美女被高潮喷水网站| 久久久国产欧美日韩av| 视频区图区小说| 丝袜脚勾引网站| 日韩熟女老妇一区二区性免费视频| 啦啦啦在线观看免费高清www| 亚洲精品456在线播放app| 肉色欧美久久久久久久蜜桃| 校园人妻丝袜中文字幕| 国产成人午夜福利电影在线观看| 各种免费的搞黄视频| 国产亚洲一区二区精品| 欧美精品一区二区大全| 中文字幕精品免费在线观看视频 | 亚洲婷婷狠狠爱综合网| 久久精品国产亚洲av涩爱| 国产精品人妻久久久影院| 另类精品久久| 国产成人精品无人区| av在线播放精品| 男女无遮挡免费网站观看| 欧美bdsm另类| 免费av中文字幕在线| 啦啦啦啦在线视频资源| 欧美xxⅹ黑人| 好男人视频免费观看在线| 久久婷婷青草| www.色视频.com| 一边摸一边做爽爽视频免费| 天堂中文最新版在线下载| av国产精品久久久久影院| 青春草视频在线免费观看| 久久99蜜桃精品久久| 高清欧美精品videossex| 国产又色又爽无遮挡免| 观看av在线不卡| 亚洲四区av| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 少妇人妻久久综合中文| 纯流量卡能插随身wifi吗| 日本-黄色视频高清免费观看| 青青草视频在线视频观看| 欧美精品高潮呻吟av久久| 亚洲天堂av无毛| 下体分泌物呈黄色| 日本免费在线观看一区| 99久久综合免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 97在线视频观看| 国产亚洲精品第一综合不卡 | 在线观看一区二区三区激情| 日本wwww免费看| 久久久精品区二区三区| 久久免费观看电影| www日本在线高清视频| 国产一区二区激情短视频 | 青春草国产在线视频| 国产成人精品久久久久久| 国产1区2区3区精品| 国产不卡av网站在线观看| 精品久久蜜臀av无| 亚洲图色成人| 久久精品国产自在天天线| 亚洲五月色婷婷综合| 国产成人精品久久久久久| 热re99久久国产66热| 人人妻人人爽人人添夜夜欢视频| 久久午夜综合久久蜜桃| 精品人妻在线不人妻| 国产成人免费观看mmmm| 999精品在线视频| 高清黄色对白视频在线免费看| 国产1区2区3区精品| 亚洲国产精品999| 一级a做视频免费观看| 国产乱人偷精品视频| 美女主播在线视频| 亚洲av综合色区一区| 日韩人妻精品一区2区三区| 日韩欧美精品免费久久| 国产一区二区激情短视频 | 亚洲精品中文字幕在线视频| 亚洲精品久久久久久婷婷小说| 久久久久网色| 午夜福利在线观看免费完整高清在| 国产精品久久久久久av不卡| 精品酒店卫生间| 免费大片18禁| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久热在线av| 亚洲精品一二三| 午夜久久久在线观看| 国产精品久久久久久精品古装| 涩涩av久久男人的天堂| 女性被躁到高潮视频| 亚洲欧美色中文字幕在线| 国产男女超爽视频在线观看| 十分钟在线观看高清视频www| 亚洲国产色片| 精品少妇黑人巨大在线播放| 搡女人真爽免费视频火全软件| 一本大道久久a久久精品| 亚洲精品一区蜜桃| 香蕉丝袜av| av一本久久久久| 97在线人人人人妻| 搡女人真爽免费视频火全软件| 国产精品蜜桃在线观看| 国产一区二区三区av在线| 久久精品夜色国产| 国产成人精品无人区| 午夜老司机福利剧场| 大香蕉久久网| 啦啦啦中文免费视频观看日本| kizo精华| 成人影院久久| 日韩精品免费视频一区二区三区 | 大香蕉97超碰在线| 天堂中文最新版在线下载| 国语对白做爰xxxⅹ性视频网站| 亚洲精品美女久久av网站| 久久综合国产亚洲精品| 欧美激情国产日韩精品一区| av天堂久久9| 欧美变态另类bdsm刘玥| 国产视频首页在线观看| 国产精品国产av在线观看| 日本猛色少妇xxxxx猛交久久| 久久国产精品男人的天堂亚洲 | 热99久久久久精品小说推荐| 精品一区在线观看国产| a级片在线免费高清观看视频| 多毛熟女@视频| 欧美97在线视频| 在线观看三级黄色| 成年女人在线观看亚洲视频| 国产男女内射视频| 午夜视频国产福利| 多毛熟女@视频| 午夜福利乱码中文字幕| 777米奇影视久久| 久久久a久久爽久久v久久| 99久久中文字幕三级久久日本| 欧美成人午夜免费资源| 国产成人免费观看mmmm| 国产成人精品一,二区| 成人国语在线视频| 国产精品久久久av美女十八| 亚洲av福利一区| 久久久国产欧美日韩av| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品久久久av美女十八| 国产精品免费大片| 久久久精品免费免费高清| 夫妻午夜视频| 热99久久久久精品小说推荐| 人人澡人人妻人| 欧美激情国产日韩精品一区| 高清不卡的av网站| 亚洲经典国产精华液单| 亚洲国产最新在线播放| 免费观看av网站的网址| 亚洲欧美中文字幕日韩二区| a级毛片在线看网站| 51国产日韩欧美| 天天躁夜夜躁狠狠久久av| 日韩 亚洲 欧美在线| 母亲3免费完整高清在线观看 | 国产爽快片一区二区三区| 久久久久精品久久久久真实原创| 精品人妻一区二区三区麻豆| 国产精品人妻久久久影院| 国产又爽黄色视频| 国产激情久久老熟女| 免费人成在线观看视频色| 午夜激情久久久久久久| 少妇被粗大的猛进出69影院 | 亚洲国产看品久久| 男女国产视频网站| 99re6热这里在线精品视频| 校园人妻丝袜中文字幕| 亚洲经典国产精华液单| 欧美 亚洲 国产 日韩一| 日本黄大片高清| 在线 av 中文字幕| 一级,二级,三级黄色视频| 少妇被粗大的猛进出69影院 | 亚洲国产毛片av蜜桃av| 精品久久国产蜜桃| 国产成人一区二区在线| 国产av国产精品国产| 精品人妻熟女毛片av久久网站| 日本爱情动作片www.在线观看| 国产成人精品福利久久| 亚洲婷婷狠狠爱综合网| 欧美xxⅹ黑人| 少妇 在线观看| 这个男人来自地球电影免费观看 | 精品一区二区三区视频在线| 男女啪啪激烈高潮av片| 激情视频va一区二区三区| 欧美精品一区二区免费开放| 丝袜在线中文字幕| 午夜av观看不卡| 国产欧美日韩一区二区三区在线| 亚洲av男天堂| 在线观看免费视频网站a站| 伦理电影免费视频| 久久久久久久久久成人| 亚洲,一卡二卡三卡| 久久久久久久久久久免费av| 亚洲四区av| 22中文网久久字幕| 建设人人有责人人尽责人人享有的| 国产 一区精品| 自线自在国产av| 十分钟在线观看高清视频www| 精品一区二区三卡| 在线观看国产h片| 久久精品国产亚洲av涩爱| 在线观看免费高清a一片| 99精国产麻豆久久婷婷| 丝袜脚勾引网站| 只有这里有精品99| 久久久久久久国产电影| 黑人高潮一二区| 免费人成在线观看视频色| 久久午夜综合久久蜜桃| 女人久久www免费人成看片| 国语对白做爰xxxⅹ性视频网站| 亚洲一码二码三码区别大吗| 韩国高清视频一区二区三区| 视频区图区小说| 一个人免费看片子| 久久久精品94久久精品| 捣出白浆h1v1| av电影中文网址| av网站免费在线观看视频| 91成人精品电影| 国产精品人妻久久久影院| 考比视频在线观看| 久久97久久精品| 人体艺术视频欧美日本| 亚洲欧美一区二区三区国产| 制服诱惑二区| 精品亚洲成国产av| 国产片内射在线| 在线天堂中文资源库| 国语对白做爰xxxⅹ性视频网站| 精品福利永久在线观看| 啦啦啦啦在线视频资源| 国产成人91sexporn| 精品视频人人做人人爽| 黄色怎么调成土黄色| 国产成人精品在线电影| 久久久久网色| 国产一区二区三区av在线| 久久精品国产鲁丝片午夜精品| 2018国产大陆天天弄谢| 亚洲久久久国产精品| 99九九在线精品视频| 成人毛片a级毛片在线播放| 久久人人爽人人片av| 精品国产乱码久久久久久小说| 老女人水多毛片| 欧美少妇被猛烈插入视频| 欧美激情国产日韩精品一区| 美国免费a级毛片| 久久久亚洲精品成人影院| 如何舔出高潮| 18禁裸乳无遮挡动漫免费视频| 成人午夜精彩视频在线观看| 天堂8中文在线网| 大陆偷拍与自拍| 亚洲欧美一区二区三区国产| 久久精品久久久久久噜噜老黄| 国产日韩欧美在线精品| 国产日韩一区二区三区精品不卡| videosex国产| 国产 精品1| 五月伊人婷婷丁香| 欧美精品高潮呻吟av久久| 久久午夜综合久久蜜桃| 亚洲人成77777在线视频| 国产 精品1| 99香蕉大伊视频| 免费黄频网站在线观看国产| 中文字幕最新亚洲高清| 国产高清不卡午夜福利| 99热6这里只有精品| 日韩不卡一区二区三区视频在线| 精品一区二区三卡| 久久青草综合色| 天堂中文最新版在线下载| 天堂俺去俺来也www色官网| 精品一区二区三区四区五区乱码 | 精品一区二区三区四区五区乱码 | 国产精品一二三区在线看| 国产免费一级a男人的天堂| 国产精品嫩草影院av在线观看| 日韩人妻精品一区2区三区| 少妇熟女欧美另类| 亚洲精品久久久久久婷婷小说| 下体分泌物呈黄色| 亚洲一码二码三码区别大吗| 热99国产精品久久久久久7| 国产熟女欧美一区二区| 又黄又粗又硬又大视频| 国产精品久久久久久久电影| 咕卡用的链子| 国产熟女欧美一区二区| 午夜老司机福利剧场| 精品国产露脸久久av麻豆| 亚洲欧美清纯卡通| 老女人水多毛片| 亚洲激情五月婷婷啪啪| 久久久久网色| 男女免费视频国产| 国产成人aa在线观看| 男的添女的下面高潮视频| 春色校园在线视频观看| 国产av精品麻豆| 一级毛片我不卡| 全区人妻精品视频| 99久国产av精品国产电影| 永久免费av网站大全| 国产精品一区www在线观看| 亚洲精品视频女| 亚洲五月色婷婷综合| 汤姆久久久久久久影院中文字幕| 在线免费观看不下载黄p国产| 这个男人来自地球电影免费观看 | 亚洲色图 男人天堂 中文字幕 | 国产一区二区激情短视频 | 日本欧美视频一区| 色视频在线一区二区三区| 国产成人精品久久久久久| 国产一级毛片在线| 少妇的逼好多水| 女性生殖器流出的白浆| 97精品久久久久久久久久精品| 国产一区二区在线观看av| 国产不卡av网站在线观看| 最后的刺客免费高清国语| 国产精品国产三级专区第一集| 精品亚洲成国产av| 校园人妻丝袜中文字幕| 交换朋友夫妻互换小说| 自线自在国产av| 亚洲欧洲精品一区二区精品久久久 | 天美传媒精品一区二区| 中文字幕另类日韩欧美亚洲嫩草| 超碰97精品在线观看| 中文精品一卡2卡3卡4更新| 国产在线免费精品| 少妇人妻精品综合一区二区| 我的女老师完整版在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产精品一区www在线观看| 日韩不卡一区二区三区视频在线| 少妇的逼水好多| 国语对白做爰xxxⅹ性视频网站| 亚洲美女黄色视频免费看| 日本欧美视频一区| 久久韩国三级中文字幕| 国产极品天堂在线| 午夜影院在线不卡| 青青草视频在线视频观看| 国产福利在线免费观看视频| 男女啪啪激烈高潮av片| 久久精品国产鲁丝片午夜精品| 久久热在线av| 高清黄色对白视频在线免费看| 熟妇人妻不卡中文字幕| 中文字幕最新亚洲高清| 天堂中文最新版在线下载| 在线亚洲精品国产二区图片欧美| 97在线视频观看| 熟女电影av网| 飞空精品影院首页| 激情五月婷婷亚洲| videosex国产| 激情视频va一区二区三区| 久久久国产一区二区| 亚洲av电影在线进入| 妹子高潮喷水视频| 日本猛色少妇xxxxx猛交久久| 久久久久久久久久人人人人人人| 免费看av在线观看网站| 国产激情久久老熟女| 欧美日韩综合久久久久久| 婷婷成人精品国产| 黑人猛操日本美女一级片| 你懂的网址亚洲精品在线观看| 女的被弄到高潮叫床怎么办| 男女国产视频网站| 精品熟女少妇av免费看| 男人舔女人的私密视频| 美女xxoo啪啪120秒动态图| 国产女主播在线喷水免费视频网站| 亚洲av在线观看美女高潮| 久久人人爽av亚洲精品天堂| 久久99一区二区三区| 香蕉精品网在线| 黑人猛操日本美女一级片|