• <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YOLOv4的胡瓜鈍綏螨自動檢測計數(shù)

    2022-07-29 06:48:48李建興劉振宇何棟煒鄭小剛
    江蘇農(nóng)業(yè)科學(xué) 2022年14期
    關(guān)鍵詞:胡瓜螨蟲預(yù)測

    李建興, 劉振宇, 馬 瑩, 何棟煒, 鄭小剛, 宋 江

    (福建工程學(xué)院電子電氣與物理學(xué)院,福建福州 350118)

    目前,全世界在開展綠色防控技術(shù)方面的需求日趨急迫。我國是農(nóng)業(yè)大國,也是農(nóng)藥使用大國,長期累積形成較大的環(huán)境和生態(tài)問題。生物防治是從根本上解決農(nóng)藥濫用和殘留問題的有效途徑,天敵馴化并形成產(chǎn)品是生物防治的重要基礎(chǔ)。捕食螨的馴化與推廣應(yīng)用是天敵馴化的重要分支。近年來,我國已研發(fā)出具有自主知識產(chǎn)權(quán)的天敵捕食螨工廠化生產(chǎn)技術(shù)。胡瓜鈍綏螨是捕食螨的一種,它廣泛分布于世界各地,利用胡瓜鈍綏螨能有效控制薊馬和葉螨等害蟲,可在農(nóng)業(yè)螨害綠色防治上發(fā)揮重要作用。目前胡瓜鈍綏螨已經(jīng)能夠進(jìn)行工業(yè)化養(yǎng)殖,在工業(yè)養(yǎng)殖過程中質(zhì)量檢測尤為重要,待出廠銷售的產(chǎn)品需要對胡瓜鈍綏螨數(shù)量進(jìn)行計數(shù)檢測?,F(xiàn)階段質(zhì)量檢測工作步驟為專業(yè)人員對養(yǎng)殖的胡瓜鈍綏螨進(jìn)行抽樣檢測,在顯微鏡下進(jìn)行人工計數(shù),這種方法效率低下。由于粉螨與胡瓜鈍綏螨長相相似,肉眼長時間檢測會提高檢錯概率。為了解決這一問題,本研究建立一種準(zhǔn)確快速的捕食螨檢測計數(shù)工具,以期對提升胡瓜鈍綏螨工業(yè)化生產(chǎn)質(zhì)量檢測提供指導(dǎo)。

    目標(biāo)檢測是當(dāng)前計算機(jī)視覺領(lǐng)域的研究熱點之一。近年來目標(biāo)檢測技術(shù)在昆蟲防治檢測、農(nóng)業(yè)養(yǎng)殖領(lǐng)域的應(yīng)用取得了較大進(jìn)步?;诨貧w思想YOLO(you only look once)檢測算法,經(jīng)過單次檢測可直接得到最終的檢測結(jié)果,因此有著更快的檢測速度,滿足實時檢測要求。YOLO算法經(jīng)過不斷改進(jìn),優(yōu)化了對小目標(biāo)類的檢測性能,到目前的YOLOv4版本,針對螨蟲類小目標(biāo)的檢測精度高。

    為了解決胡瓜鈍綏螨自動檢測計數(shù)問題,本研究使用工業(yè)相機(jī)搭配電子顯微鏡制作螨蟲數(shù)據(jù)集,構(gòu)建YOLOv4檢測模型對螨蟲進(jìn)行分類檢測,利用該模型多尺度、高精度分類的特點,對胡瓜鈍綏螨、粉螨進(jìn)行準(zhǔn)確區(qū)分計數(shù)。

    1 材料與方法

    1.1 試驗設(shè)計

    本研究通過工業(yè)相機(jī)搭配電子顯微鏡拍攝,拍攝樣品是福建省農(nóng)作物害蟲天敵資源工程技術(shù)研究中心生產(chǎn)的合格罐裝螨,罐裝內(nèi)包含麥麩(生長環(huán)境)、胡瓜鈍綏螨、粉螨。罐裝螨內(nèi)含有大量麥麩,螨蟲附著于麥麩表面。使用40目、孔徑為 0.45 mm 標(biāo)準(zhǔn)篩將麥麩和螨蟲進(jìn)行初步過濾,可以將螨蟲和面積較大的麥麩進(jìn)行分離,有利于后期圖像拍攝。

    每次從樣品罐中取0.1 g麥麩進(jìn)行初步過濾分離后得到的麥麩碎片和螨蟲放入定制凹槽載玻片(凹槽深度1 mm,長寬14 mm)中,胡瓜鈍綏螨和粉螨具有活性會在凹槽載玻片中移動,每間隔 10~15 s 拍攝1幅照片,每拍攝30幅照片后更換凹槽載玻片重新取樣拍攝。將所采集到的數(shù)據(jù)進(jìn)行處理,整個數(shù)據(jù)處理流程見圖1。

    1.2 圖像采集

    本試驗圖像采集裝置見圖2。主要由調(diào)焦機(jī)構(gòu)架、CMOS(互補(bǔ)金屬氧化物半導(dǎo)體)工業(yè)相機(jī)(200萬像素,型號為XG200S)、電子顯微鏡頭(目鏡0.5×,物鏡0.8×)、定制凹槽載玻片、LED(發(fā)光二極管)背光源組成。將通過振動過濾后的螨蟲放入載玻片凹槽內(nèi),垂直凹槽向下拍攝。采集圖像總數(shù)量為1 030幅,拍攝圖像放大倍數(shù)為40倍,圖像分辨率為1 280×1 024像素,圖像格式為jpg。

    在載玻片上拍攝的圖像中螨蟲種類為2種,分別是胡瓜鈍綏螨、粉螨,圖像中存在少許幼蟲,質(zhì)量把控檢測對象為胡瓜鈍綏螨成蟲(體長約0.20~0.50 mm)數(shù)量,粉螨幼蟲體積不到胡瓜鈍綏螨和粉螨成蟲的1/10,對檢測胡瓜鈍綏螨成蟲不影響,因此本試驗標(biāo)簽主要分為2類:胡瓜鈍綏螨成蟲(hunt)、粉螨成蟲(dust)。胡瓜鈍綏螨和粉螨采集樣本見圖3,胡瓜鈍綏螨形態(tài)呈橢圓型頭部尖銳,在背光源照射下通體呈米黃色。粉螨形態(tài)圓潤呈橢圓狀,在背光源照射下通體呈灰色。

    1.3 捕食螨品質(zhì)檢測人機(jī)界面設(shè)計

    為了方便操作人員進(jìn)行檢測,設(shè)計了GUI(圖形用戶界面)品質(zhì)監(jiān)控界面,見圖4,在監(jiān)控界面中,點擊打開相機(jī),可以調(diào)用相機(jī)進(jìn)行拍攝并且加載到界面中,點擊捕食螨蟲計數(shù),即會調(diào)用模型進(jìn)行檢測計數(shù),檢測結(jié)果會顯示至界面,分別將胡瓜鈍綏螨與粉螨計數(shù)結(jié)果顯示在左上角。

    2 基于圖像處理的捕食螨自動識別計數(shù)方法

    2.1 數(shù)據(jù)集預(yù)處理

    使用LabelImg圖像標(biāo)注工具對采集的螨蟲圖片進(jìn)行標(biāo)注,生成xml格式文件,文件中保存矩形框的長寬高和中心坐標(biāo)以及標(biāo)注類別等信息。每頭螨蟲使用一個矩形框標(biāo)注,矩形框大小以螨蟲最小外接矩形為最佳。在圖片邊緣存在拍攝不完整螨蟲,人工進(jìn)行判斷標(biāo)注。每標(biāo)注完1幅圖片上所有目標(biāo)螨蟲將保存文件,標(biāo)注了1 030幅圖片,共標(biāo)注了10 590個胡瓜鈍綏螨標(biāo)簽,3 038個粉螨標(biāo)簽。為了豐富所采集到的數(shù)據(jù)集背景,通過mosaic(馬賽克)數(shù)據(jù)增強(qiáng)方法,每次將讀取到的4幅圖片進(jìn)行水平翻轉(zhuǎn)、縮放、色域變化、垂直翻轉(zhuǎn),并且4個方向按照一定比例進(jìn)行截取后拼接出一幅新的訓(xùn)練圖,數(shù)據(jù)組合效果見圖5。網(wǎng)絡(luò)輸入端為了提高網(wǎng)絡(luò)訓(xùn)練和減少運(yùn)算量,將圖片的尺寸大小統(tǒng)一調(diào)整至608×608像素。

    將數(shù)據(jù)集中包含的圖片和xml格式標(biāo)簽文件分別放入不同文件夾,圖片與標(biāo)簽的文件名相對應(yīng)。訓(xùn)練模型之前,將1 030幅數(shù)據(jù)集隨機(jī)分為訓(xùn)練集、驗證集、測試集,訓(xùn)練集和驗證集占總數(shù)據(jù)集的90%,測試集占總數(shù)據(jù)集的10%,其中,訓(xùn)練集和驗證集的比例為9 ∶1。

    2.2 螨蟲檢測方法介紹

    目標(biāo)檢測方法可以分為傳統(tǒng)檢測算法和深度學(xué)習(xí)檢測算法。傳統(tǒng)的檢測方法通常分為區(qū)域選擇、特征手工提取、分類回歸3個步驟,其中區(qū)域選擇耗時長且效果不好,特征手工提取所提取的語義特征信息少,該方法目前已經(jīng)難以滿足對復(fù)雜背景的高性能檢測需求。隨著深度學(xué)習(xí)發(fā)展,在實際檢測過程中,表現(xiàn)出高精度、實時性、特征自動提取等優(yōu)點,深度學(xué)習(xí)逐漸成為研究人員所青睞的檢測方法。

    目前,深度學(xué)習(xí)目標(biāo)檢測常用的主流算法分為兩大類,第1類是兩階段檢測算法,首先由算法生成一系列作為樣本的候選框,再通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本分類,代表算法有Faster R-CNN(區(qū)域卷積神經(jīng)網(wǎng)絡(luò))。第2類是一階段檢測算法,不需要產(chǎn)生候選框,直接將目標(biāo)框定位的問題轉(zhuǎn)化為回歸問題處理,代表算法有YOLO模型、EfficientDet模型。

    Faster R-CNN算法結(jié)構(gòu)為主干特征提取網(wǎng)絡(luò)、RPN (區(qū)域生成網(wǎng)絡(luò))、ROI(特征圖上的框) Pooling層、分類與回歸層,圖像傳入主干特征提取網(wǎng)絡(luò)得到特征層,采用RPN對特征圖上的每個網(wǎng)格進(jìn)行滑窗處理,得到每個網(wǎng)格上錨框調(diào)整參數(shù)以及判斷框內(nèi)是否包含物體,獲得候選框,完成第1階段前景與背景的粗定位,再將獲得的候選框傳入至ROI Pooling層調(diào)整至相同大小,最后傳入分類與回歸層,判斷是否包含目標(biāo)且對候選框進(jìn)行調(diào)整得到最后的預(yù)測結(jié)果,該兩階段算法經(jīng)過前景背景粗篩選后再對物體進(jìn)行精細(xì)調(diào)整,檢測精度高,但由于特征圖錨框尺度較大,對于小尺寸目標(biāo)的檢測效果不佳。

    EfficientDet算法結(jié)構(gòu)為EfficientNet主干特征提取網(wǎng)絡(luò)、BiFPN特征融合層、類別與邊界框預(yù)測層,圖片傳入主干特征提取網(wǎng)絡(luò),該網(wǎng)絡(luò)利用殘差神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)增大神經(jīng)網(wǎng)絡(luò)的深度,通過更深的網(wǎng)絡(luò)提取特征,獲得5個有效特征層完成初步的特征提取,將所得到的5個有效特征層傳入FPN結(jié)構(gòu)的改進(jìn)版BiFPN特征融合層,BiFPN模塊對獲得的特征層進(jìn)行多次自頂向下、自底向上的雙向路徑特征加權(quán)融合,獲得具有更高語義的有效特征層。最后對特征加以利用整合,輸入類別與邊界框預(yù)測層得到最后的檢測結(jié)果。EfficientDet算法中具有多尺度特征融合結(jié)構(gòu),提升了對小尺寸目標(biāo)的檢測性能。

    YOLO算法經(jīng)過不斷改進(jìn),相對比于YOLOv1、YOLOv2版本,YOLOv3、YOLOv4、YOLOv4-Tiny版本擁有多尺度預(yù)測結(jié)構(gòu),提高了對不同尺寸目標(biāo)的檢測性能,其中YOLOv3算法結(jié)構(gòu)為Darknet53主干特征提取網(wǎng)絡(luò)、FPN特征融合層、YOLOv3預(yù)測層。其中Darknet53主干特征提取網(wǎng)絡(luò)利用殘差網(wǎng)絡(luò)結(jié)構(gòu),增大網(wǎng)絡(luò)深度提取圖像特征。圖像經(jīng)過主干特征提取網(wǎng)絡(luò)后獲得3個有效特征層,后傳入FPN特征融合層通過融合高低層特征提升目標(biāo)檢測的效果,尤其可以提高小尺寸目標(biāo)的檢測性能,將所得到的特征最后輸入YOLOv3多尺度預(yù)測層中得到分類結(jié)果以及邊界框參數(shù)。YOLOv4算法在YOLOv3算法基礎(chǔ)上結(jié)合了同時期幾種優(yōu)秀網(wǎng)絡(luò)結(jié)構(gòu),在保證計算速度的情況下,針對小尺寸目標(biāo)檢測精度有進(jìn)一步提升。YOLOv4-Tiny是 YOLOv4的簡化版,在主干特征提取網(wǎng)絡(luò)中卷積層數(shù)減少,在特征融合部分采用FPN特征融合結(jié)構(gòu),僅使用了2個特征層進(jìn)行分類回歸預(yù)測,提升了檢測速度,但精度有所降低。

    2.3 YOLOv4模型結(jié)構(gòu)

    YOLOv4模型結(jié)構(gòu)見圖6,主要包括CSPDarknet53主干特征提取網(wǎng)絡(luò)、Neck模塊、YOLOv3頭部。特征提取網(wǎng)絡(luò)結(jié)構(gòu)采用CSPDarkNet53網(wǎng)絡(luò),輸入的圖像經(jīng)過CSPDarkNet53網(wǎng)絡(luò)中5個殘差單元塊,每個殘差單元塊個數(shù)為1、2、8、8、4,圖像大小不斷壓縮,所提取的特征深度不斷堆疊,提取圖像中更深層的語義信息,最終獲得3個有效特征層,特征層維度分別為中層(76,76,256)、中下層(38,38,512)、下層(19,19,1 024),中層特征圖感受野較大,用于預(yù)測圖片當(dāng)中的較大目標(biāo)物,中下層特征層用于預(yù)測中等大小目標(biāo)物,下層特征圖提取圖像中更深層語義信息,細(xì)節(jié)信息表達(dá)能力更好,用于預(yù)測圖像中較小目標(biāo)物。

    其中Neck模塊中增加空間金字塔池化模塊(spatial pyramid pooling,簡稱SPP)網(wǎng)絡(luò)結(jié)構(gòu),對CSPdarknet53處理后的最后一個特征層分別利用4個不同尺度的最大池化進(jìn)行特征融合,池化核大小分別為13×13、9×9、5×5、1×1,這樣有助于極大地增加感受野,能將最顯著的上下圖特征分離出來。路徑聚合網(wǎng)絡(luò)(path aggregation network)結(jié)構(gòu)為Neck模塊的特征融合部分,對CSPDarkNet53處理后的特征層中層、中下層、下層進(jìn)行PANet特征金字塔多通道融合,由圖6可知,首先進(jìn)行1次自底向上的多尺度特征融合,下層特征層進(jìn)行多次上采樣將所提取到的特征傳遞到中層,經(jīng)過多層網(wǎng)絡(luò)才能達(dá)到金字塔頂端,后繼續(xù)進(jìn)行1次自頂向下路徑增強(qiáng)分支,盡可能多地保留特征信息,實現(xiàn)特征的反復(fù)提取,有效提取圖像中有效的特征。

    經(jīng)過PANet網(wǎng)絡(luò)結(jié)構(gòu)處理后,最后將獲得的特征進(jìn)行回歸預(yù)測處理,YOLOv4采用的是YOLOv3的預(yù)測頭。首先會將整幅圖像劃分為S×S個小方格,在(19×19)、(38×38)、(76×76)3個特征圖上進(jìn)行回歸預(yù)測,利用Anchor機(jī)制每個特征圖的小方格都會預(yù)測3個大小不同的邊界框,每個邊界框會產(chǎn)生(4+1+C)維向量,其中4表示網(wǎng)格預(yù)測目標(biāo)中心的偏移量(,)和邊框尺寸相對于整幅圖片的寬高尺寸(,),1表示目標(biāo)邊框置信度值,C為識別目標(biāo)類別數(shù)。本研究的需求為檢測胡瓜鈍綏螨和粉螨2個類目,因此每個邊界框的輸出向量為(4+1+2)。

    2.4 回歸損失函數(shù)

    YOLOv4回歸損失函數(shù)使用全局交并比(complete-intersection over union,簡稱CIoU),計算公式為式(1),利用該檢測算法評價邊界框是否存在目標(biāo)物體以及檢測準(zhǔn)確度,CIoU考慮了檢測框的重疊面積、中心點距離、長寬比,優(yōu)化了訓(xùn)練過程中發(fā)散等問題且在矩形框回歸預(yù)測問題中有速度與精度的提升。其中IoU為評價預(yù)測框與真實框的面積交并比,計算公式為式(2)。

    (1)

    (2)

    (3)

    (4)

    式中:為2個框中心點歐式距離;、分別為預(yù)測框、真實框的中心點,可以反映出預(yù)測框與真實框的距離;表示2個中心點最小外接矩的對角線長度;為權(quán)重參數(shù);DetectionResult、GroundTruth分別為預(yù)測框的面積和真實框的面積;(,)、(,)分別為預(yù)測框、真實框的寬、高;為長寬比的懲罰項,用來測量長寬比的一致性,該懲罰項作用就是迅速控制預(yù)測框的寬高能夠盡可能快速地與真實框的寬高接近,使模型預(yù)測位置準(zhǔn)確度提高。

    3 試驗結(jié)果與分析

    3.1 試驗環(huán)境與參數(shù)設(shè)置

    本試驗研究采用Pytorch深度學(xué)習(xí)開源框架,使用圖像處理器加速訓(xùn)練過程。硬件配置:圖形處理器為英偉達(dá)GeForce RTX 3090 (顯存為24 GB),中央處理器為英特爾酷睿 i7-10700K @ 3.80 GHz,內(nèi)存為16 GB。運(yùn)行環(huán)境為Windows10,CUDA庫版本為11.0,Python版本為3.7,Pytorch版本為1.7.1。

    搭建好YOLOv4、YOLOv4-Tiny、YOLOv3、Faster R-CNN、EfficientDet共5種目標(biāo)檢測模型后,由于螨蟲數(shù)據(jù)集較少,使用遷移學(xué)習(xí)的方法進(jìn)行訓(xùn)練。網(wǎng)絡(luò)權(quán)重由YOLOv4模型訓(xùn)練MicroSoft COCO數(shù)據(jù)集得到,該數(shù)據(jù)集是一個大型的、豐富的物體檢測數(shù)據(jù)集,訓(xùn)練得到的網(wǎng)絡(luò)參數(shù)可以作為檢測模型預(yù)訓(xùn)練權(quán)重,這種訓(xùn)練方法是常用且高效的,使用該預(yù)訓(xùn)練權(quán)重能節(jié)省螨蟲數(shù)據(jù)集訓(xùn)練時間,網(wǎng)絡(luò)訓(xùn)練過程收斂更快、檢測效果更好。

    對胡瓜鈍綏螨、粉螨2種試驗樣本圖像分別標(biāo)定好后生成對應(yīng)xml文件放入待訓(xùn)練文件夾中,將搭建好的幾種深度學(xué)習(xí)模型設(shè)置好訓(xùn)練參數(shù),設(shè)置訓(xùn)練階段批量大小batch_size=8,總訓(xùn)練輪數(shù)為100,初始學(xué)習(xí)率為0.001 0,學(xué)習(xí)率在50輪后下降至0.000 1。

    3.2 評價指標(biāo)

    召回率(recall)也稱作查全率,表示在所有真實目標(biāo)(TP+FN)當(dāng)中模型能夠預(yù)測正確的目標(biāo)比例,計算公式為式(5),本研究預(yù)設(shè)定的IoU閾值為0.5,TP(true positives)代表模型正確分配出的正樣本個數(shù),即預(yù)測框與標(biāo)注框類別相同;FN表示錯誤分配成了負(fù)樣本的個數(shù)。以胡瓜鈍綏螨為例,模型能夠正確找出圖片中更多的胡瓜鈍綏螨召回率越高,展示出模型識別目標(biāo)的能力。

    (5)

    精確率(precision)也稱作查準(zhǔn)率,計算公式為式(6),表示模型檢測出正確目標(biāo)所占的比例,(TP+FP)是模型檢測的所有正樣本,精確率用來表示模型檢測的準(zhǔn)確性,精確率越高,表示模型檢測的準(zhǔn)確性越好。

    (6)

    由于精確率和召回率會隨參數(shù)交并比的變化而改變,因此單單使用精確率和召回率作為模型的評價指標(biāo)存在一定的局限性。

    本研究以胡瓜鈍綏螨檢測精度(average precision,簡稱AP)、檢測精度平均值(mean average precision,簡稱mAP)和檢測時間作為模型性能評估指標(biāo)。每一類別螨蟲檢測精度指的是P-R(precision-recall)曲線下區(qū)域面積,檢測精度數(shù)值越大,表示算法針對該類別檢測效果越好。檢測精度均值(mAP)即為胡瓜鈍綏螨、粉螨2個類別的檢測精度均值,計算公式見式(7)。

    (7)

    式中:代表檢測的總類別數(shù)量;為類別的序號數(shù)。檢測精度均值數(shù)值越大,表示算法對所有類別整體檢測性能越好。

    3.3 YOLOv4檢測結(jié)果

    將103幅測試集使用YOLOv4模型進(jìn)行目標(biāo)檢測,測試集圖像中一共有1 213頭胡瓜鈍綏螨,280頭粉螨,檢測過程當(dāng)中IoU閾值設(shè)置為0.5,可保留更多預(yù)測框,所計算的精度率會更準(zhǔn)確。在對應(yīng)置信度下得到、、值,根據(jù)公式(5)、(6)分別計算出2類螨蟲在不同置信度下所得到的精確率和召回率,由精確率和召回率圍成的P-R曲線見圖7。胡瓜鈍綏螨的檢測精確率為99.45%,粉螨的檢測精確率為93.94%,最后求得胡瓜鈍綏螨、粉螨2個類別檢測精度均值為96.69%。

    3.4 多種算法對比分析

    本研究使用相同的圖片數(shù)據(jù)集和網(wǎng)絡(luò)參數(shù),分別使用YOLOv4、YOLOv4-Tiny、YOLOv3、Faster R-CNN和EfficientDet共5種檢測模型進(jìn)行試驗對比。

    在訓(xùn)練好以上5個模型后使用圖像采集裝置隨即拍攝3幅圖片a、b、c進(jìn)行試驗對照,圖片中存在雜質(zhì)和螨蟲相接觸的情況,檢測效果見圖8,5種模型的檢測效果均有不同的差異。在圖8-a中,YOLOv3模型所檢測到的目標(biāo)中存在漏檢測1頭胡瓜鈍綏螨,將胡瓜鈍綏螨和雜質(zhì)誤判斷為粉螨的情況,F(xiàn)aster R-CNN模型所檢測到的目標(biāo)中存在將4個雜質(zhì)誤判斷為粉螨,1頭粉螨未被識別,EfficientDet模型檢測結(jié)果中存在1頭胡瓜鈍綏螨未識別。在圖8-b中,YOLOv3模型和EfficientDet模型檢測結(jié)果中均存在漏檢2頭粉螨且將雜質(zhì)誤檢測成粉螨的情況。在圖8-c中,YOLOv4-Tiny模型檢測結(jié)果中存在漏檢測1頭粉螨,且圖片中2頭胡瓜鈍綏螨接觸狀態(tài)時誤檢測為1頭且存在將胡瓜鈍綏螨誤分類為粉螨的情況,YOLOv3模型檢測中存在漏檢測胡瓜鈍綏螨的情況,F(xiàn)aster R-CNN模型檢測結(jié)果針對檢測胡瓜鈍綏螨接觸狀態(tài)時只能檢測出單頭且目標(biāo)框定位不準(zhǔn)確,EfficientDet模型檢測結(jié)果存在漏檢測粉螨情況。從這3幅圖片中,可以看出YOLOv4檢測效果最佳,在存在雜質(zhì)和螨蟲相接觸的情況下,相接觸螨蟲能夠較好地被分別檢測出且不存在誤檢測情況,檢測出的螨蟲置信度值(預(yù)測類別是真實類別的概率)也是5個模型中最高的,YOLOv4模型針對螨蟲小目標(biāo)檢測具有良好的魯棒性。

    使用相同測試集103幅圖片,其中測試集共有1 213個胡瓜鈍綏螨和280個粉螨標(biāo)簽,分別對5種模型進(jìn)行評估。在相同IoU閾值下,由表1可知,YOLOv4模型針對胡瓜鈍綏螨的平均檢測精度比YOLOv4-Tiny模型高4.48百分點,比YOLOv3模型高0.11百分點,比Faster-RCNN模型高25.39百分點,比EfficientDet模型高7.91百分點,以上數(shù)據(jù)表明YOLOv4模型針對于胡瓜鈍綏螨的檢測能力更為優(yōu)秀。

    表1 不同算法在測試集檢測結(jié)果

    YOLOv4檢測模型檢測2類螨蟲的檢測精度均值高于YOLOv4-Tiny模型14.85百分點,高于YOLOv3模型2.12百分點,高于Faster-RCNN模型35.77百分點,高于EfficientDet模型27.18百分點。針對螨蟲小目標(biāo)數(shù)據(jù)集,YOLOv4模型的檢測精度均高于其他檢測模型。

    對單幅圖片檢測時間進(jìn)行測試,使用圖像采集裝置拍攝10幅螨蟲照片,分別使用5個模型對采集的照片進(jìn)行預(yù)測計時,平均檢測時間為檢測10幅照片所耗費(fèi)的時間均值,其中YOLOv4-Tiny模型由于結(jié)構(gòu)是YOLOv4的簡化版,只使用2個預(yù)測特征層,網(wǎng)絡(luò)參數(shù)少,預(yù)測時間最快,達(dá)到平均檢測單幅圖片時間為0.098 s,YOLOv3平均檢測單幅圖片時間為0.115 s,YOLOv4平均檢測單幅圖片時間為0.137 s,F(xiàn)aster-RCNN平均檢測單幅圖片時間為0.154 s,EfficientDet模型平均檢測單幅圖片時間最慢為0.164 s。YOLOv4在5個模型中檢測時間為中等,平均檢測時間為0.137 s,滿足質(zhì)量檢測過程對速度的要求。

    4 結(jié)論

    本研究使用采集裝置隨機(jī)拍攝3幅螨蟲圖片進(jìn)行試驗,在圖片中存在雜質(zhì)且螨蟲相接觸的情況下,YOLOv4模型均能夠準(zhǔn)確檢測胡瓜鈍綏螨、粉螨,檢測效果明顯優(yōu)于同系列的YOLOv4-Tiny、YOLOv3模型,及主流算法Faster R-CNN和EfficientDet模型。

    通過現(xiàn)場隨即拍攝圖片對5種模型進(jìn)行檢測計時,結(jié)果表明YOLOv4模型檢測單幅圖片平均時間僅需0.137 s,檢測速度達(dá)到現(xiàn)場應(yīng)用要求。

    本研究所構(gòu)建的YOLOv4胡瓜鈍綏螨檢測模型與現(xiàn)有的幾種流行檢測模型進(jìn)行比較,結(jié)果表明,YOLOv4模型對胡瓜鈍綏螨檢測精度分別比YOLOv4-Tiny模型高4.48百分點,比YOLOv3模型高0.11百分點,比Faster-RCNN模型高25.39百分點,比EfficientDet模型高7.91百分點,YOLOv4檢測模型對胡瓜鈍綏螨和粉螨檢測精度均值均高于YOLOv4-Tiny、YOLOv3、Faster-RCNN、EfficientDet模型,能達(dá)到高準(zhǔn)確率檢測胡瓜鈍綏螨。

    通過測試集與實際拍攝圖片測試表現(xiàn),本研究提出基于YOLOv4檢測算法應(yīng)用于螨蟲檢測計數(shù)方案是可行的,達(dá)到目前工業(yè)化生產(chǎn)胡瓜鈍綏螨質(zhì)量檢測自動精確計數(shù)的要求,具有很好的應(yīng)用價值。

    猜你喜歡
    胡瓜螨蟲預(yù)測
    無可預(yù)測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測卷(A卷)
    選修2-2期中考試預(yù)測卷(B卷)
    太陽真能曬死螨蟲嗎
    少兒科技(2022年4期)2022-04-14 23:48:10
    摘胡瓜
    愛眼有道系列之二十六 長期眼紅眼癢,可能是螨蟲找上了你
    黃瓜是綠的,為什么叫“黃瓜”
    雞螨蟲高發(fā)怎么預(yù)防
    跟螨蟲在家做伴
    不必預(yù)測未來,只需把握現(xiàn)在
    日韩欧美在线二视频| 色哟哟·www| 最新中文字幕久久久久| 麻豆国产97在线/欧美| 高清毛片免费观看视频网站| 国产又黄又爽又无遮挡在线| 女同久久另类99精品国产91| 日韩中字成人| 亚洲av日韩精品久久久久久密| 男女视频在线观看网站免费| 精品久久久久久成人av| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品成人久久久久久| 我要看日韩黄色一级片| 麻豆av噜噜一区二区三区| 亚洲av中文字字幕乱码综合| 久久欧美精品欧美久久欧美| 嫩草影院精品99| 俺也久久电影网| 亚洲不卡免费看| 黄色配什么色好看| 最新中文字幕久久久久| 久久久久久久精品吃奶| 成人鲁丝片一二三区免费| 窝窝影院91人妻| 91在线观看av| 午夜日韩欧美国产| 国产视频一区二区在线看| 国产色婷婷99| 成人美女网站在线观看视频| 精品久久久久久久人妻蜜臀av| 中国美白少妇内射xxxbb| 婷婷精品国产亚洲av| 国产乱人伦免费视频| 免费在线观看影片大全网站| 欧美日本亚洲视频在线播放| 美女xxoo啪啪120秒动态图| 18禁黄网站禁片午夜丰满| 国内精品久久久久精免费| 在线观看66精品国产| 久久这里只有精品中国| 中国美女看黄片| 色尼玛亚洲综合影院| 日韩,欧美,国产一区二区三区 | 亚洲熟妇熟女久久| 成人性生交大片免费视频hd| 国产欧美日韩精品一区二区| 老熟妇仑乱视频hdxx| 日本精品一区二区三区蜜桃| 最后的刺客免费高清国语| 精品日产1卡2卡| 亚洲无线观看免费| av在线观看视频网站免费| 免费不卡的大黄色大毛片视频在线观看 | 人人妻人人澡欧美一区二区| 免费观看人在逋| 国产日本99.免费观看| 看黄色毛片网站| 日本免费一区二区三区高清不卡| 成人特级av手机在线观看| 99在线视频只有这里精品首页| 国产av一区在线观看免费| 看十八女毛片水多多多| 国产私拍福利视频在线观看| 精品欧美国产一区二区三| 男女那种视频在线观看| 91久久精品电影网| 我要看日韩黄色一级片| 人妻久久中文字幕网| 两性午夜刺激爽爽歪歪视频在线观看| 国产主播在线观看一区二区| 日韩欧美精品免费久久| 亚洲三级黄色毛片| 91午夜精品亚洲一区二区三区 | 免费观看精品视频网站| 此物有八面人人有两片| 最近视频中文字幕2019在线8| 非洲黑人性xxxx精品又粗又长| 免费在线观看日本一区| 久久欧美精品欧美久久欧美| 欧美激情在线99| 欧美日韩亚洲国产一区二区在线观看| 亚洲电影在线观看av| 美女黄网站色视频| 可以在线观看的亚洲视频| 欧美潮喷喷水| 欧美+亚洲+日韩+国产| 亚洲国产欧美人成| x7x7x7水蜜桃| 少妇熟女aⅴ在线视频| 精华霜和精华液先用哪个| 天美传媒精品一区二区| 精品日产1卡2卡| 欧美不卡视频在线免费观看| 国产精品一区二区三区四区久久| 午夜爱爱视频在线播放| 成人永久免费在线观看视频| 亚洲综合色惰| 熟女人妻精品中文字幕| 中文字幕av在线有码专区| 亚洲真实伦在线观看| 国产老妇女一区| 日本黄色视频三级网站网址| 国国产精品蜜臀av免费| 中出人妻视频一区二区| 一区二区三区激情视频| 久久精品综合一区二区三区| 特大巨黑吊av在线直播| 国产毛片a区久久久久| 婷婷六月久久综合丁香| 国产淫片久久久久久久久| 免费在线观看日本一区| 国产午夜精品久久久久久一区二区三区 | 美女黄网站色视频| 可以在线观看的亚洲视频| 在线观看舔阴道视频| 亚洲成人精品中文字幕电影| 国产伦人伦偷精品视频| 久久人妻av系列| 亚洲中文字幕一区二区三区有码在线看| 亚洲国产欧洲综合997久久,| 久久99热6这里只有精品| 少妇熟女aⅴ在线视频| 搡女人真爽免费视频火全软件 | 在现免费观看毛片| 成人永久免费在线观看视频| 99久久中文字幕三级久久日本| 精品一区二区三区视频在线| 国产伦一二天堂av在线观看| 色综合亚洲欧美另类图片| 给我免费播放毛片高清在线观看| 在线播放无遮挡| 美女免费视频网站| 久久国内精品自在自线图片| 国产欧美日韩精品一区二区| www日本黄色视频网| 嫩草影院入口| av专区在线播放| 日本五十路高清| 日本免费a在线| 亚洲人成网站在线播| 又紧又爽又黄一区二区| a级毛片免费高清观看在线播放| 久久久久性生活片| av天堂中文字幕网| 91久久精品国产一区二区三区| 桃色一区二区三区在线观看| 免费av不卡在线播放| 午夜福利18| 国产一区二区亚洲精品在线观看| 欧美性猛交╳xxx乱大交人| 日韩亚洲欧美综合| av.在线天堂| 亚洲精品成人久久久久久| 亚洲av日韩精品久久久久久密| 国产亚洲av嫩草精品影院| 又爽又黄无遮挡网站| 国产aⅴ精品一区二区三区波| 91狼人影院| 一级黄色大片毛片| 最好的美女福利视频网| 深夜精品福利| 亚洲aⅴ乱码一区二区在线播放| 一进一出抽搐动态| 天堂影院成人在线观看| 日本熟妇午夜| 97碰自拍视频| 国产精品免费一区二区三区在线| 69人妻影院| 国产真实乱freesex| 中文字幕高清在线视频| 久久99热这里只有精品18| 亚洲va在线va天堂va国产| 国产探花在线观看一区二区| 亚洲精品成人久久久久久| 精品久久久久久久末码| 免费一级毛片在线播放高清视频| 亚洲真实伦在线观看| 毛片一级片免费看久久久久 | 一级a爱片免费观看的视频| 亚洲黑人精品在线| 国产探花在线观看一区二区| 深夜a级毛片| 精品久久久久久久末码| 国产精品人妻久久久久久| 国产三级在线视频| 欧美黑人巨大hd| 亚洲三级黄色毛片| 91av网一区二区| 99riav亚洲国产免费| 国产探花在线观看一区二区| 国内揄拍国产精品人妻在线| 可以在线观看的亚洲视频| 老司机深夜福利视频在线观看| 香蕉av资源在线| 国产欧美日韩一区二区精品| 黄色配什么色好看| 亚洲国产欧美人成| 免费看日本二区| av福利片在线观看| 中文字幕熟女人妻在线| 欧美3d第一页| 亚洲天堂国产精品一区在线| 噜噜噜噜噜久久久久久91| 97热精品久久久久久| 免费看av在线观看网站| 亚洲av电影不卡..在线观看| 高清日韩中文字幕在线| 国产亚洲精品av在线| 亚洲无线观看免费| 99国产极品粉嫩在线观看| 中文字幕熟女人妻在线| 99热这里只有是精品在线观看| 午夜免费男女啪啪视频观看 | 色尼玛亚洲综合影院| 日本熟妇午夜| 无遮挡黄片免费观看| 亚洲精品粉嫩美女一区| 国产成人影院久久av| xxxwww97欧美| 国产精品亚洲美女久久久| 97人妻精品一区二区三区麻豆| 欧美性猛交╳xxx乱大交人| 免费看av在线观看网站| 亚洲无线观看免费| 村上凉子中文字幕在线| 一夜夜www| 亚洲精品乱码久久久v下载方式| 又紧又爽又黄一区二区| 99久久精品热视频| 18禁裸乳无遮挡免费网站照片| 又爽又黄a免费视频| 天天一区二区日本电影三级| 黄片wwwwww| 亚洲av一区综合| 99热6这里只有精品| 五月玫瑰六月丁香| 熟妇人妻久久中文字幕3abv| 精品人妻视频免费看| 免费人成视频x8x8入口观看| 精品人妻一区二区三区麻豆 | 人妻久久中文字幕网| 波野结衣二区三区在线| 欧美黑人欧美精品刺激| 麻豆国产av国片精品| 日日夜夜操网爽| 国产女主播在线喷水免费视频网站 | 一本久久中文字幕| 亚洲天堂国产精品一区在线| 熟女电影av网| 99久久精品热视频| 性色avwww在线观看| 非洲黑人性xxxx精品又粗又长| 老女人水多毛片| 欧美日韩国产亚洲二区| 1000部很黄的大片| 欧美精品国产亚洲| 一级黄片播放器| 又紧又爽又黄一区二区| 超碰av人人做人人爽久久| 久久久久久久亚洲中文字幕| 搡老岳熟女国产| 能在线免费观看的黄片| 日本黄色视频三级网站网址| 国模一区二区三区四区视频| 人妻制服诱惑在线中文字幕| 色哟哟·www| 亚洲图色成人| 国产不卡一卡二| 成人av在线播放网站| h日本视频在线播放| 国产一区二区在线av高清观看| 午夜福利在线观看吧| 国内精品久久久久久久电影| 午夜亚洲福利在线播放| 国产探花在线观看一区二区| 国产一区二区在线观看日韩| 桃色一区二区三区在线观看| 动漫黄色视频在线观看| 欧美日韩中文字幕国产精品一区二区三区| 久久午夜亚洲精品久久| 亚洲在线观看片| av天堂在线播放| 一区二区三区四区激情视频 | 五月伊人婷婷丁香| 亚洲va在线va天堂va国产| 国产成人a区在线观看| 日韩人妻高清精品专区| 神马国产精品三级电影在线观看| 欧美激情在线99| 十八禁国产超污无遮挡网站| 精品一区二区三区人妻视频| 偷拍熟女少妇极品色| 日韩欧美在线二视频| 成人国产一区最新在线观看| 国产亚洲av嫩草精品影院| 网址你懂的国产日韩在线| 欧美性猛交╳xxx乱大交人| 日韩大尺度精品在线看网址| 亚洲av美国av| 久久久久精品国产欧美久久久| 欧美日韩精品成人综合77777| 国产成人av教育| 亚洲第一区二区三区不卡| 免费人成视频x8x8入口观看| 搞女人的毛片| 亚洲av一区综合| 天堂av国产一区二区熟女人妻| 国产精品免费一区二区三区在线| 久久久久精品国产欧美久久久| 美女免费视频网站| 国产精品伦人一区二区| 午夜福利18| 国产美女午夜福利| ponron亚洲| 99riav亚洲国产免费| 国产精品国产高清国产av| 欧美性猛交╳xxx乱大交人| 免费在线观看日本一区| 国产精品一区二区三区四区久久| 国产高清三级在线| 国产精品国产三级国产av玫瑰| 亚洲男人的天堂狠狠| 久久欧美精品欧美久久欧美| 别揉我奶头~嗯~啊~动态视频| 熟女电影av网| videossex国产| 看片在线看免费视频| 国产精品一区二区性色av| 午夜日韩欧美国产| 免费在线观看影片大全网站| 欧美一区二区精品小视频在线| 免费高清视频大片| 能在线免费观看的黄片| 国产亚洲欧美98| 少妇高潮的动态图| 亚州av有码| 国产成人aa在线观看| 尾随美女入室| 在线观看一区二区三区| 亚洲最大成人手机在线| 精品久久久噜噜| av.在线天堂| 久久精品综合一区二区三区| 欧美成人免费av一区二区三区| 国产一级毛片七仙女欲春2| av在线天堂中文字幕| 日韩欧美在线二视频| 精品人妻偷拍中文字幕| 舔av片在线| 91麻豆av在线| 日本成人三级电影网站| 国产成人福利小说| 国产69精品久久久久777片| 小说图片视频综合网站| 亚洲18禁久久av| 两人在一起打扑克的视频| 国产精品乱码一区二三区的特点| 日本色播在线视频| 午夜福利在线观看吧| 看片在线看免费视频| 国产一区二区在线观看日韩| 国内精品宾馆在线| 午夜日韩欧美国产| 日韩中字成人| 日本一二三区视频观看| 在线观看舔阴道视频| 色噜噜av男人的天堂激情| 欧美成人a在线观看| 99久久精品一区二区三区| avwww免费| 一本一本综合久久| netflix在线观看网站| 久久婷婷人人爽人人干人人爱| 精品欧美国产一区二区三| 国产伦在线观看视频一区| 久久久久久伊人网av| 99在线视频只有这里精品首页| 亚洲,欧美,日韩| 男女下面进入的视频免费午夜| 男人和女人高潮做爰伦理| 亚洲经典国产精华液单| 成人午夜高清在线视频| 成人高潮视频无遮挡免费网站| 听说在线观看完整版免费高清| 免费一级毛片在线播放高清视频| 美女黄网站色视频| 亚洲人成伊人成综合网2020| 两个人的视频大全免费| 麻豆成人午夜福利视频| 动漫黄色视频在线观看| 男人和女人高潮做爰伦理| 三级男女做爰猛烈吃奶摸视频| 日日干狠狠操夜夜爽| 亚洲va日本ⅴa欧美va伊人久久| a级毛片a级免费在线| 成人综合一区亚洲| 哪里可以看免费的av片| 午夜视频国产福利| 欧美日韩中文字幕国产精品一区二区三区| 波多野结衣巨乳人妻| 精品久久国产蜜桃| 少妇的逼水好多| 九九热线精品视视频播放| 99热这里只有精品一区| 999久久久精品免费观看国产| 小说图片视频综合网站| 十八禁网站免费在线| 亚洲人成伊人成综合网2020| 亚洲专区国产一区二区| 国产成人福利小说| 欧美成人免费av一区二区三区| 在线观看av片永久免费下载| 免费人成视频x8x8入口观看| 免费一级毛片在线播放高清视频| 午夜a级毛片| 成人av在线播放网站| 网址你懂的国产日韩在线| 亚洲无线在线观看| 亚洲天堂国产精品一区在线| 最好的美女福利视频网| 高清毛片免费观看视频网站| 亚洲,欧美,日韩| 国产亚洲91精品色在线| 人妻久久中文字幕网| 国产爱豆传媒在线观看| videossex国产| 欧美激情国产日韩精品一区| 日本精品一区二区三区蜜桃| 精品一区二区三区视频在线| 网址你懂的国产日韩在线| 欧美一区二区亚洲| 淫妇啪啪啪对白视频| av国产免费在线观看| 国产欧美日韩一区二区精品| 国产av麻豆久久久久久久| 美女免费视频网站| 国产真实乱freesex| 精品福利观看| 国产精品精品国产色婷婷| 天堂影院成人在线观看| av天堂在线播放| 日本欧美国产在线视频| 天天一区二区日本电影三级| 成人特级av手机在线观看| 精品久久久久久久久久免费视频| 成人二区视频| 搡老岳熟女国产| 校园春色视频在线观看| 日韩欧美一区二区三区在线观看| 中文在线观看免费www的网站| 国产私拍福利视频在线观看| 国内精品久久久久精免费| 国产黄a三级三级三级人| 国产激情偷乱视频一区二区| 欧美性猛交黑人性爽| 色5月婷婷丁香| 一夜夜www| 免费无遮挡裸体视频| 久久午夜福利片| 免费av不卡在线播放| 一本久久中文字幕| 老熟妇仑乱视频hdxx| x7x7x7水蜜桃| 婷婷色综合大香蕉| 亚洲av电影不卡..在线观看| 亚洲av.av天堂| 欧美最黄视频在线播放免费| 天堂√8在线中文| 可以在线观看毛片的网站| or卡值多少钱| 黄色一级大片看看| 国模一区二区三区四区视频| 国产精品一区二区性色av| 18禁黄网站禁片午夜丰满| 自拍偷自拍亚洲精品老妇| 亚洲欧美精品综合久久99| 99久久精品热视频| 成人综合一区亚洲| 亚洲最大成人av| 伦精品一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 变态另类成人亚洲欧美熟女| 午夜精品在线福利| av在线观看视频网站免费| 亚洲avbb在线观看| 美女黄网站色视频| 国产在线男女| 免费观看人在逋| 网址你懂的国产日韩在线| 99久久精品国产国产毛片| 老熟妇仑乱视频hdxx| x7x7x7水蜜桃| 午夜福利18| 国产视频内射| 久久久午夜欧美精品| 97热精品久久久久久| 一级av片app| 日本免费一区二区三区高清不卡| 狂野欧美白嫩少妇大欣赏| 91午夜精品亚洲一区二区三区 | 一级av片app| 3wmmmm亚洲av在线观看| 成人鲁丝片一二三区免费| 神马国产精品三级电影在线观看| 精品人妻熟女av久视频| 亚洲第一区二区三区不卡| 两个人视频免费观看高清| 看黄色毛片网站| 18禁在线播放成人免费| av在线亚洲专区| 欧美性猛交黑人性爽| 天堂av国产一区二区熟女人妻| 女生性感内裤真人,穿戴方法视频| 男女那种视频在线观看| 国产精品免费一区二区三区在线| 观看免费一级毛片| 久久精品夜夜夜夜夜久久蜜豆| 欧美高清性xxxxhd video| 亚洲成人中文字幕在线播放| 国产亚洲欧美98| av天堂在线播放| 国产成人av教育| 人人妻,人人澡人人爽秒播| 午夜福利成人在线免费观看| 国产成年人精品一区二区| 国产精品人妻久久久久久| 亚洲精品国产成人久久av| 不卡视频在线观看欧美| 亚洲精品久久国产高清桃花| 久久热精品热| 国产精品伦人一区二区| 久久中文看片网| 黄色欧美视频在线观看| 在线免费观看的www视频| 久久久久久久久久黄片| 久久精品国产鲁丝片午夜精品 | 免费人成视频x8x8入口观看| 久久久久久久久久成人| 91在线精品国自产拍蜜月| 亚洲,欧美,日韩| 亚洲自偷自拍三级| 成人美女网站在线观看视频| 精品久久久久久久久av| 波多野结衣巨乳人妻| 久久久久久久久大av| 国产aⅴ精品一区二区三区波| 精品乱码久久久久久99久播| 久久人妻av系列| 国产精品人妻久久久影院| 99精品在免费线老司机午夜| 久久久久久久久大av| 亚洲图色成人| 亚洲一级一片aⅴ在线观看| 国产在视频线在精品| 免费av毛片视频| 欧美日韩亚洲国产一区二区在线观看| 精华霜和精华液先用哪个| 女的被弄到高潮叫床怎么办 | 久久久国产成人免费| 老熟妇仑乱视频hdxx| 亚洲人成伊人成综合网2020| 午夜福利在线在线| 性欧美人与动物交配| 久久人人精品亚洲av| 又爽又黄无遮挡网站| 亚洲精品成人久久久久久| 久久久久久久久久久丰满 | 精品久久久久久久久久免费视频| 91久久精品国产一区二区三区| 亚洲无线观看免费| 制服丝袜大香蕉在线| 日本熟妇午夜| 最近中文字幕高清免费大全6 | 亚洲成人精品中文字幕电影| 国产大屁股一区二区在线视频| 观看美女的网站| 中文资源天堂在线| 在线观看午夜福利视频| 一区二区三区激情视频| 国产精品福利在线免费观看| 免费看av在线观看网站| 欧美bdsm另类| 国产精品一区二区免费欧美| 久久6这里有精品| 黄色日韩在线| 欧美丝袜亚洲另类 | 亚洲成人久久爱视频| 免费av不卡在线播放| 1024手机看黄色片| 伊人久久精品亚洲午夜| 狠狠狠狠99中文字幕| 日韩一区二区视频免费看| 久久亚洲真实| 又紧又爽又黄一区二区| 一级av片app| 一区福利在线观看| 日韩欧美在线乱码| 国内精品宾馆在线| 22中文网久久字幕| 国产aⅴ精品一区二区三区波| 国产高清视频在线观看网站| 尾随美女入室| 欧美一区二区亚洲| 国产极品精品免费视频能看的| 成人午夜高清在线视频| 国产午夜福利久久久久久| 蜜桃久久精品国产亚洲av| 久久99热这里只有精品18| 内射极品少妇av片p| 性插视频无遮挡在线免费观看| av天堂在线播放| 91麻豆av在线| 嫩草影院精品99| 12—13女人毛片做爰片一|