• <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YOLOv5 的棉花異纖檢測方法

    2022-10-13 01:23:10張守京楊文彬
    棉紡織技術(shù) 2022年10期
    關(guān)鍵詞:棉花注意力卷積

    潘 楊 張守京 楊文彬

    (西安工程大學,陜西西安,710600)

    我國是棉花生產(chǎn)大國,原棉質(zhì)量直接影響最終棉紡織品質(zhì)量。原棉在采摘、運輸、加工過程中混入的塑料薄膜、丙綸絲、棉稈、羽毛等異纖會對棉紡織品質(zhì)量造成嚴重影響,如紗線斷裂、形成疵點等。因此,尋找一種快速、準確的棉花異纖檢測方法十分重要。

    目前,國內(nèi)外在棉花異纖檢測研究中采用的檢測方法主要為光學檢測與超聲波檢測。其中,超聲波檢測[1]通過超聲波發(fā)生裝置,向通道中的棉花定向發(fā)射超聲波,利用超聲接收裝置,接收反射的超聲波來檢測棉花異纖,這種檢測技術(shù)主要針對與棉花材質(zhì)、面積差異較大的棉花異纖,對小尺寸的棉花異纖檢測效果欠佳且該檢測技術(shù)受氣溫、濕度、現(xiàn)場振動、被測物運行速度等因素的干擾,局限性大,很少被采用。光學檢測分為可見光檢測、紫外線檢測、偏振光檢測與紅外光檢測。其中紫外線檢測[2]采用兩組紫外線光源作為棉花的照明光源,激發(fā)棉花異纖的熒光效應(yīng),通過兩臺高速CCD 相機拍攝檢測熒光信號來判定棉花異纖,此方法僅針對帶有熒光效應(yīng)的白色棉花異纖,其他棉花異纖無法檢測。偏振光檢測[3]采用經(jīng)過偏振調(diào)制的白色光源對原棉進行照射,通過不同物體表面反射對偏振角度會發(fā)生改變這一原理,利用多角度偏振相機采集光線改變的角度來檢測棉花異纖,此方法主要針對透明或半透明塑料薄膜。紅外光檢測[4]利用紅外光敏器件采集不同材質(zhì)的物體對熱能的殘留效應(yīng)或溫升效應(yīng)來識別棉花異纖,此方法主要針對羽毛類棉花異纖,且需要調(diào)節(jié)參數(shù),具有局限性??梢姽鈾z測采用兩組三基色可見光源作為棉花的照明裝置,左右兩側(cè)兩臺高速CCD 相機拍攝棉流圖片之后通過傳統(tǒng)圖像處理[5-6]、機器學習[7-8]、深度學習等方法來檢測棉花異纖。一些方法[9-12]使用深度學習模型進行了棉花異纖檢測,但檢測速度慢,不能解決小尺寸、背景復雜的棉花異纖檢測中出現(xiàn)的誤檢、漏檢問題。

    本研究針對棉花異纖檢測問題提出一種基于YOLOv5 的改進模型。在主干網(wǎng)絡(luò)中嵌入卷積注意力模塊(CBAM)[13],使模型可以自主學習每個通道的權(quán)重,增強模型分辨棉花異纖的能力,抑制背景信息干擾;嵌入卷積注意力模塊后,模型參數(shù)量增加使得模型檢測速度降低,故使用深度可分離卷積[14]替換模型中的普通卷積操作,減少模型參數(shù)量,提高模型檢測速度;基于特征融合[15]思想,設(shè)計一個用于檢測小尺寸棉花異纖的檢測層,使得模型更適用于棉花異纖檢測任務(wù)。

    1 YOLOv5 目標檢測模型

    YOLO[16-19]是目前最著名的一階段目標檢測算法之一,它將圖片使用網(wǎng)格進行劃分,每個網(wǎng)格負責檢測落在其內(nèi)的目標,具有速度快、精度高的優(yōu)點。YOLOv5 按模型從小到大可分為YOLOv5S、YOLOv5M、YOLOv5L、YOLOv5X??紤]到后期模型要部署到棉花異纖檢測系統(tǒng)中,本研究對輕量級的YOLOv5S 模型進行改進。YOLOv5S 網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。YOLOv5S 模型主要由4 部分組成,分別為輸入端、Backbone、Neck、Head。

    圖1 YOLOv5S 網(wǎng)絡(luò)結(jié)構(gòu)

    輸入端主要包括圖片的自動填充、圖片的數(shù)據(jù)增強以及錨框計算3 部分。圖片的自動填充對原始特征圖的尺寸進行調(diào)整,將輸入統(tǒng)一為標準尺寸;圖片的數(shù)據(jù)增強采用Mosaic 技術(shù),Mosaic將4 張?zhí)卣鲌D以隨機排布、隨機裁剪的方式進行拼接,豐富特征圖背景;錨框計算通過計算反向傳播輸出的預(yù)測框與真實框之間的大小誤差,迭代獲取大小最合適的錨框。

    Backbone 是網(wǎng)絡(luò)的特征提取部分,主要包括Focus、Conv、C3、SPP 模塊。Focus 模塊將輸入特征圖做切片處理,切片后的特征圖進行通道維度的堆疊,輸出特征圖大小為原來的1/4,通道數(shù)為原來的4 倍,再經(jīng)過一次Conv(標準卷積),同時實現(xiàn)了下采樣與特征提取,原理如圖2 所示。SPP 模塊可以將任意大小的輸入特征圖轉(zhuǎn)換為固定大小的輸出特征圖,且只需進行一次標準卷積操作,減少了模型計算量。Conv 和C3 模塊為主要的特征提取模塊,SPP、C3、Conv 結(jié)構(gòu)如圖3所示。

    圖2 Focus 原理示意圖

    圖3 SPP、C3、Conv 結(jié)構(gòu)圖

    YOLOv5 中,隨著網(wǎng)絡(luò)深度的增加,大量的卷積操作會造成小目標的特征信息丟失甚至消失。因此,在Neck 部分進行特征融合,使特征圖既包含細節(jié)信息,也包含語義信息,提升檢測精度。Head 部分輸出目標的類別概率與邊框位置信息,本部分共由3 個檢測層組成,分別用來檢測大小不同的目標,最后在圖像中標出預(yù)測框與目標類別。

    2 改進YOLOv5 模型

    2.1 卷積注意力模塊(CBAM)

    為了解決棉花異纖檢測中透明塑料薄膜、丙綸絲與棉稈等背景復雜、小尺寸棉花異纖的漏檢、誤檢問題,在原YOLOv5S 模型中的普通卷積Conv 之后嵌入CBAM,以增強網(wǎng)絡(luò)的特征提取能力,使網(wǎng)絡(luò)在檢測過程中更好地關(guān)注棉花異纖目標,抑制背景信息干擾。CBAM 結(jié)構(gòu)如圖4所示。

    圖4 CBAM 結(jié)構(gòu)圖

    圖4 中,CBAM 模塊的輸入特征圖先后經(jīng)過通道注意力模塊、空間注意力模塊加權(quán)后得到CBAM 的輸出特征圖。通道注意力模塊、空間注意力模塊結(jié)構(gòu)如圖5 所示。

    圖5 通道注意力模塊、空間注意力模塊結(jié)構(gòu)圖

    圖5 中,輸入特征圖分別經(jīng)過MaxPool、Avg-Pool 操作后得到最大池化向量與平均池化向量,這兩個向量分別經(jīng)共享全連接層后得到兩個維度相同的向量,將這兩個維度相同的向量做加和操作后再經(jīng)過sigmoid 激活函數(shù)得到通道注意力權(quán)值。通道注意力權(quán)值與輸入特征圖做乘法操作后得到通道注意力模塊的輸出特征圖。通道注意力模塊表達式如公式(1)所示。

    式中:Fc表示通道注意力權(quán)值;F表示C×H×W的輸入特征圖,其中C為輸入特征圖通道數(shù),H為輸入特征圖高度,W為輸入特征圖寬度;MaxPool 為全局最大池化;AvgPool 為全局平均池化;MLP 為共享全連接層;W0與W1為全連接層權(quán)重;Favg與Fmax分別代表平均池化向量與最大池化向量。

    將通道注意力模塊的輸出特征圖作為空間注意力模塊的輸入特征圖,該特征圖分別進行Max-Pool 與AvgPool 操作后得到兩個1×H×W特征圖,將它們在通道維度進行拼接后得到一個2×H×W的特征圖,該特征圖經(jīng)過一個卷積核大小為7×7 的卷積層后再通過sigmoid 函數(shù)得到空間注意力權(quán)值??臻g注意力權(quán)值與空間注意力模塊的輸入特征圖做乘法操作后得到CBAM 的輸出特征圖??臻g注意力模塊的表達式如公式(2)所示。

    式中:Ms表示空間注意力權(quán)值;f7×7表示卷積核大為7×7 的卷積操作。

    2.2 深度可分離卷積

    在YOLOv5 模型中嵌入CBAM 后雖然提高了模型的檢測精度,減少了漏檢、誤檢問題,但是同時也增加了模型的參數(shù)量,降低了模型的檢測速度。為了使模型既具有較高的檢測精度也具有較高的檢測速度,本研究使用深度可分離卷積(DWConv)替換YOLOv5 模型中的普通卷積(Conv)操作。深度可分離卷積原理如圖6 所示。

    圖6 深度可分離卷積

    圖6 中,深度可分離卷積分為兩步。第1 步使用C個卷積核大小為K×K的卷積核對輸入特征圖做逐通道卷積,其中一個卷積核只對輸入特征圖的一個通道做卷積操作,得到C個H×W的特征圖。第2 步使用N個過濾器(每個過濾器由C個1×1 的卷積核組成)分別對第1 步的輸出特征圖做逐點卷積操作,得到輸出特征圖。給定任意輸入特征圖Fi∈RC×H×W,要得到輸出特征圖FO∈RN×P×Q。其中,C為輸入特征圖的通道數(shù),H為輸入特征圖的高度,W為輸入特征圖的寬度,卷積核大小為K×K,N為輸出特征圖的通道數(shù),P為輸出特征圖的高度,Q為輸出特征圖的寬度。若使用深度可分離卷積,其卷積核參數(shù)量為C×K2+C×N×1×1。而使用普通卷積,其卷積核參數(shù)量為C×K2×N。所以,使用深度可分離卷積可以減少模型中卷積核參數(shù)量,從而減少計算量,提高模型的檢測速度。

    2.3 小尺寸棉花異纖檢測層

    棉花在采摘過程中除了混入如廢紙、丙綸絲、塑料薄膜等異纖外,還會混入如棉稈類的偽異纖。此類棉花異纖體積較小,而在YOLOv5 模型中,通過卷積核提取的底層特征圖具有較高的分辨率,顏色、紋理清晰,目標位置準確。但隨著網(wǎng)絡(luò)加深,底層特征圖經(jīng)過多次卷積操作后,雖然提取的特征圖語義信息逐漸豐富,含有更多概念層信息,更易于人類理解,但是圖片的分辨率低,目標位置較為粗略,隨著網(wǎng)絡(luò)逐步加深,甚至會導致小尺寸棉花異纖目標丟失,從而導致漏檢、誤檢問題。

    在原YOLOv5 模型中,第17 層、第20 層、第23 層輸出的特征圖分別用于對小型、中型、大型目標檢測,但由于小尺寸棉花異纖在數(shù)據(jù)圖片中所占面積很小,經(jīng)過多次卷積后會丟失目標,造成漏檢。因此,為了提高小尺寸棉花異纖的檢測精度,解決高層特征圖分辨率低、目標位置粗略甚至丟失的問題,在原模型的基礎(chǔ)上,增加了一層融合底層特征的小尺寸棉花異纖檢測層。將第19 層提取的棉花異纖特征圖與第2 層提取的棉花異纖特征圖進行通道維度的拼接,融合其細節(jié)信息和語義信息,從而使模型在檢測小尺寸棉花異纖時具有更高的精度。改進后網(wǎng)絡(luò)結(jié)構(gòu)如圖7 所示。

    圖7 改進的YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)

    3 試驗與分析

    本研究的試驗環(huán)境為Windows10 企業(yè)版操作系統(tǒng),Intel(R)Core(TM)i9-10900X CPU @3.70 GHz 處理器,NVIDIA GeForce RTX 2080Ti 顯卡兩塊,深度學習框架為Pytorch-1.10.0、CUDA 版本為CUDA-10.2。訓練參數(shù):初始學習率為0.01,動量值為0.937,每批次包含16 張圖片,最大迭代次數(shù)300 次。

    3.1 數(shù)據(jù)集

    本研究數(shù)據(jù)是對紡織實驗室的異纖機棉流進行拍攝,采集到3 659 張平均尺寸為4 000 pixel×3 000 pixel 含有不同類型棉花異纖的棉花圖片作為樣本集。樣本集包含棉花異纖共6 大類:廢紙、塑料薄膜、丙綸絲、棉稈、棉線、羽毛。將采集的樣本集使用LabelImg 標記出棉花異纖在圖中的位置,得到最終數(shù)據(jù)集。數(shù)據(jù)集以8∶2 的比例劃分為訓練集與測試集。數(shù)據(jù)集可視化結(jié)果如圖8 所示。其中異纖尺寸分布以及中心坐標分布是歸一化處理結(jié)果。

    圖8 數(shù)據(jù)集可視化結(jié)果

    3.2 評價指標

    本研究使用平均精度均值mAP、模型檢測速度作為模型評價指標,mAP∈[0,1],其值越大表示模型檢測效果越好。其中mAP分為mAP@0.5和mAP@0.5∶0.95。mAP@0.5 為真實框與預(yù)測框的交并比IoU=0.5 時的mAP,mAP@0.5∶0.95為IoU在0.5 到0.95(步長0.05)上的平均mAP。模型檢測速度由在本研究GPU 環(huán)境下,檢測1 000張棉花圖片的檢測時長得到。mAP計算公式如下。

    式中:P表示檢測精度,即被正確檢測的棉花異纖數(shù)量占檢測出的棉花異纖數(shù)量的比值;R表示召回率,即被正確檢測的棉花異纖數(shù)量占數(shù)據(jù)集棉花異纖數(shù)量的比值;TP為被正確檢測的棉花異纖數(shù)量;FP為被誤檢的棉花異纖數(shù)量;FN為被誤檢的非棉花異纖數(shù)量;n為總類別數(shù);i為當前類別的序號。

    3.3 試驗結(jié)果與分析

    為了驗證模型改進后的效果,將改進后的模型與原YOLOv5 模型進行各項指標的對比,如圖9 和圖10 所示。

    圖9 mAP 值結(jié)果對比

    圖10 損失結(jié)果對比

    由圖9 可以看出,改進后模型mAP@0.5 值與mAP@0.5∶0.95 值分別為0.981 0、0.773,相較于原模型分別提高0.022 5、0.120,mAP@0.5小幅提升,mAP@0.5∶0.95 大幅提升,且改進模型迭代曲線更加平穩(wěn),波動較小。

    由圖10 可以看出,50 次迭代后,改進后模型的定位損失、置信度損失、分類損失曲線均趨于平穩(wěn),各項損失均小于原模型,表明改進后的模型收斂速度更快,損失值更小,且置信度損失前20 次迭代損失起始值小于0.15,并快速收斂,表明改進后的模型對棉花背景與棉花異纖的分辨能力更高,檢測如塑料薄膜、白色丙綸絲的精度更高,漏檢、誤檢問題得到解決。

    3.3.1 消融試驗

    改進后的YOLOv5 模型嵌入了CBAM 模塊,使用了DWConv,并增加了針對小尺寸棉花異纖的檢測層。為了驗證各改進對原模型的優(yōu)化作用,設(shè)計消融試驗,結(jié)果如表1 所示。

    表1 消融試驗結(jié)果

    從表1 可以看出,模型1 較原模型參數(shù)減少2 454 976,檢測1 000 張樣本圖時,所用時間減少約4 s,模型檢測速度提高,mAP值略有下降。模型2 特征提取能力提升,較原模型參數(shù)量增加43 912,模型的檢測時間增加2.35 s,但mAP@0.5、mAP@0.5∶0.95分別提升0.027 5、0.126。模型3 提升了模型對小尺寸棉花異纖的檢測能力,較原模型參數(shù)量增加662 689,模型的檢測時間增加約11 s,mAP@0.5、mAP@0.5∶0.95分別提升0.024 5、0.117。模型4 的mAP@0.5、mAP@0.5∶0.95較原模型分別提升0.022 5、0.120,雖然檢測1 000 張圖片所用時間比原模型多約6 s,但是滿足了棉花異纖檢測任務(wù)需求,且mAP值提升較大,較原模型更適用于棉花異纖檢測任務(wù)。

    3.3.2 實際檢測結(jié)果分析

    為了更好地驗證改進后的模型檢測效果,選取數(shù)據(jù)集中部分數(shù)據(jù)進行檢測,結(jié)果如圖11所示。

    圖11 效果對比圖

    由圖11 可以看到,YOLOv5 算法中第一幅圖存在白色丙綸絲漏檢,第二幅存在羽毛漏檢,且將棉花背景錯誤識別為白色丙綸絲,第三幅圖存在白色丙綸絲漏檢且將棉花背景錯誤識別為羽毛,第四幅圖存在小塊棉稈漏檢,且將白色丙綸絲錯誤識別為塑料薄膜。本研究改進后的模型均準確識別棉花異纖目標,未出現(xiàn)誤檢、漏檢現(xiàn)象,檢測效果明顯提升。

    4 結(jié)論

    本研究針對目前棉花異纖檢測領(lǐng)域中背景復雜、棉花異纖種類繁多、尺寸較小,從而使得棉花異纖檢測存在誤檢、漏檢的問題,提出了一種基于改進YOLOv5 的棉花異纖檢測方法。該方法在原YOLOv5 模型的基礎(chǔ)上,通過嵌入卷積注意力模塊、使用深度可分離卷積、針對小尺寸棉花異纖增加檢測層等方法提高模型的檢測精度。試驗結(jié)果表明:該方法對小尺寸、復雜背景的棉花異纖檢測效果優(yōu)于原YOLOv5 模型,滿足棉花異纖檢測任務(wù)需求且具有更高的精度,更適用于棉花異纖檢測任務(wù)。下一步將繼續(xù)改進模型的結(jié)構(gòu)、減小模型大小,從而實現(xiàn)移動端的棉花異纖實時檢測。

    猜你喜歡
    棉花注意力卷積
    棉花是花嗎?
    讓注意力“飛”回來
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    棉花
    小讀者(2020年4期)2020-06-16 03:33:54
    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
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    心中的“棉花糖”
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    午夜老司机福利剧场| 免费观看在线日韩| 好男人在线观看高清免费视频| 综合色丁香网| 一级毛片 在线播放| 精品国产三级普通话版| 国产三级在线视频| 久久国产乱子免费精品| 只有这里有精品99| 久久精品人妻少妇| 一区二区三区高清视频在线| 国产有黄有色有爽视频| 肉色欧美久久久久久久蜜桃 | 亚洲四区av| 国产成人a∨麻豆精品| 嫩草影院入口| 嫩草影院入口| 亚洲精品国产av成人精品| 亚洲国产最新在线播放| 国产精品爽爽va在线观看网站| 高清日韩中文字幕在线| 亚洲熟女精品中文字幕| 只有这里有精品99| 国产永久视频网站| 九九在线视频观看精品| 国产伦一二天堂av在线观看| 国产成人精品一,二区| 99热这里只有精品一区| 国产一级毛片在线| 九九爱精品视频在线观看| 又爽又黄a免费视频| 真实男女啪啪啪动态图| 夜夜爽夜夜爽视频| 99久久人妻综合| 尤物成人国产欧美一区二区三区| 非洲黑人性xxxx精品又粗又长| 免费观看无遮挡的男女| 美女内射精品一级片tv| 插阴视频在线观看视频| 国产淫片久久久久久久久| 女人十人毛片免费观看3o分钟| 一夜夜www| 亚洲aⅴ乱码一区二区在线播放| 天美传媒精品一区二区| 免费大片18禁| 18禁在线播放成人免费| 欧美zozozo另类| 性色avwww在线观看| av女优亚洲男人天堂| 亚洲欧洲国产日韩| 99久久中文字幕三级久久日本| 日本-黄色视频高清免费观看| 久久99热这里只频精品6学生| 国产毛片a区久久久久| 久久精品国产亚洲av涩爱| 成年av动漫网址| 精品99又大又爽又粗少妇毛片| 丝瓜视频免费看黄片| 午夜激情欧美在线| 亚洲国产最新在线播放| 18禁在线播放成人免费| 色播亚洲综合网| 免费不卡的大黄色大毛片视频在线观看 | 久久久精品免费免费高清| 亚洲人成网站在线观看播放| kizo精华| 欧美日本视频| 国产又色又爽无遮挡免| 91狼人影院| 黄色配什么色好看| 国产精品一区二区三区四区免费观看| 亚洲成色77777| 一级毛片黄色毛片免费观看视频| 亚洲国产高清在线一区二区三| 女人久久www免费人成看片| 亚洲在久久综合| 人妻制服诱惑在线中文字幕| 九九在线视频观看精品| 午夜福利高清视频| 亚洲精品,欧美精品| 国产有黄有色有爽视频| 18禁在线播放成人免费| 天堂√8在线中文| 听说在线观看完整版免费高清| 国产黄片视频在线免费观看| 亚洲精品影视一区二区三区av| 嫩草影院入口| 男人和女人高潮做爰伦理| 成人av在线播放网站| 久久精品久久久久久久性| 99热6这里只有精品| 成人无遮挡网站| 最近手机中文字幕大全| 日本欧美国产在线视频| 国产亚洲一区二区精品| 成人欧美大片| 亚洲性久久影院| 欧美成人精品欧美一级黄| 欧美xxⅹ黑人| 日日摸夜夜添夜夜添av毛片| 啦啦啦韩国在线观看视频| 国产 一区 欧美 日韩| 真实男女啪啪啪动态图| 日韩一区二区视频免费看| 丝瓜视频免费看黄片| 亚洲人成网站高清观看| 久久久欧美国产精品| 精品少妇黑人巨大在线播放| 日韩,欧美,国产一区二区三区| 波野结衣二区三区在线| av在线蜜桃| 日产精品乱码卡一卡2卡三| 男女边摸边吃奶| 亚洲美女视频黄频| 欧美日韩视频高清一区二区三区二| 成年人午夜在线观看视频 | 天堂中文最新版在线下载 | 成人亚洲精品一区在线观看 | 天美传媒精品一区二区| 国产精品伦人一区二区| 国产免费又黄又爽又色| 伊人久久精品亚洲午夜| 人妻夜夜爽99麻豆av| 亚洲欧洲国产日韩| 亚洲美女视频黄频| 亚洲欧美精品专区久久| 一级片'在线观看视频| 中文精品一卡2卡3卡4更新| 亚洲精品国产成人久久av| 性色avwww在线观看| 亚洲av电影不卡..在线观看| 日韩强制内射视频| 亚洲欧美一区二区三区黑人 | 日韩电影二区| 看免费成人av毛片| 国产男女超爽视频在线观看| 22中文网久久字幕| 97人妻精品一区二区三区麻豆| 国产伦精品一区二区三区视频9| 一级片'在线观看视频| av在线播放精品| 国产精品一区www在线观看| 高清在线视频一区二区三区| 伊人久久精品亚洲午夜| 免费看不卡的av| 国产伦一二天堂av在线观看| 国产乱人视频| 免费电影在线观看免费观看| 日日干狠狠操夜夜爽| 欧美丝袜亚洲另类| 狠狠精品人妻久久久久久综合| 成人一区二区视频在线观看| 九草在线视频观看| 国产成人精品久久久久久| 免费看a级黄色片| 美女黄网站色视频| 在线免费观看的www视频| 一个人观看的视频www高清免费观看| 在线免费十八禁| 日韩视频在线欧美| 国产高潮美女av| 3wmmmm亚洲av在线观看| 乱人视频在线观看| 久久97久久精品| 久久精品国产鲁丝片午夜精品| 成人一区二区视频在线观看| 永久网站在线| 久久精品国产自在天天线| 超碰av人人做人人爽久久| 国产精品蜜桃在线观看| 久久久久免费精品人妻一区二区| 国产精品久久久久久久电影| 国产 一区精品| 亚洲18禁久久av| 97热精品久久久久久| 精品国产一区二区三区久久久樱花 | 最近最新中文字幕大全电影3| 嫩草影院新地址| 精品人妻熟女av久视频| 国产综合懂色| 国产伦理片在线播放av一区| 一区二区三区高清视频在线| 日本wwww免费看| 视频中文字幕在线观看| 午夜老司机福利剧场| 国产精品伦人一区二区| 成人综合一区亚洲| 黄色日韩在线| 日产精品乱码卡一卡2卡三| 国产黄a三级三级三级人| 丝袜美腿在线中文| 99热这里只有是精品在线观看| 蜜桃久久精品国产亚洲av| 中文字幕av在线有码专区| 欧美激情国产日韩精品一区| 全区人妻精品视频| 日本色播在线视频| 五月玫瑰六月丁香| 观看美女的网站| 成人av在线播放网站| 老师上课跳d突然被开到最大视频| 尾随美女入室| 麻豆久久精品国产亚洲av| 亚洲怡红院男人天堂| 精品久久久久久久久av| 18禁裸乳无遮挡免费网站照片| 婷婷色av中文字幕| 国产又色又爽无遮挡免| 天堂中文最新版在线下载 | 亚洲av中文字字幕乱码综合| 一个人看视频在线观看www免费| 亚洲色图av天堂| 国产精品国产三级专区第一集| 久久99热这里只有精品18| 青春草亚洲视频在线观看| 女人十人毛片免费观看3o分钟| 51国产日韩欧美| a级毛色黄片| 一级毛片aaaaaa免费看小| .国产精品久久| 97人妻精品一区二区三区麻豆| 精品一区在线观看国产| 在线观看美女被高潮喷水网站| 国产亚洲av嫩草精品影院| 直男gayav资源| 人人妻人人澡人人爽人人夜夜 | 久久久久久久久久黄片| 天美传媒精品一区二区| 久久99热6这里只有精品| 少妇的逼水好多| av在线蜜桃| 日韩欧美三级三区| 久久久久久国产a免费观看| 久久久久久久久久黄片| 能在线免费看毛片的网站| 精品亚洲乱码少妇综合久久| 看免费成人av毛片| 只有这里有精品99| 国产成人福利小说| 国语对白做爰xxxⅹ性视频网站| 亚洲精品第二区| 精品亚洲乱码少妇综合久久| 国产黄片美女视频| 久久精品夜夜夜夜夜久久蜜豆| 女人十人毛片免费观看3o分钟| 国产精品国产三级国产专区5o| 国产色爽女视频免费观看| 亚洲经典国产精华液单| 免费观看a级毛片全部| 午夜亚洲福利在线播放| 男人狂女人下面高潮的视频| 成人综合一区亚洲| 你懂的网址亚洲精品在线观看| 自拍偷自拍亚洲精品老妇| 久久久国产一区二区| av国产久精品久网站免费入址| 蜜桃久久精品国产亚洲av| 久久久久久久久久久免费av| 国产一区二区在线观看日韩| 一级a做视频免费观看| 午夜福利视频1000在线观看| 欧美丝袜亚洲另类| 欧美+日韩+精品| 日本与韩国留学比较| 亚洲精品,欧美精品| 免费av不卡在线播放| 国产高潮美女av| 国产免费一级a男人的天堂| 日韩制服骚丝袜av| 白带黄色成豆腐渣| 国产老妇女一区| 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 | 国产成人午夜福利电影在线观看| 高清午夜精品一区二区三区| 老女人水多毛片| 日韩亚洲欧美综合| 日本一本二区三区精品| 熟女电影av网| 免费电影在线观看免费观看| 午夜福利在线观看吧| 蜜桃久久精品国产亚洲av| 国产精品.久久久| 精品久久久久久久久亚洲| 乱人视频在线观看| 最近的中文字幕免费完整| 欧美日本视频| 中文欧美无线码| 美女xxoo啪啪120秒动态图| 国产单亲对白刺激| 日韩国内少妇激情av| 亚洲欧美精品专区久久| 国产黄色小视频在线观看| 特大巨黑吊av在线直播| 久久精品国产亚洲av涩爱| 精品久久久久久久久亚洲| 欧美成人一区二区免费高清观看| 日本三级黄在线观看| 亚洲色图av天堂| 国产精品久久久久久精品电影| 六月丁香七月| 精品人妻一区二区三区麻豆| 人人妻人人澡人人爽人人夜夜 | 黄片wwwwww| 毛片一级片免费看久久久久| 色尼玛亚洲综合影院| 波野结衣二区三区在线| 亚洲av男天堂| 男插女下体视频免费在线播放| 99久久精品一区二区三区| 免费看a级黄色片| 天美传媒精品一区二区| 亚洲一区高清亚洲精品| 久久久久国产网址| 亚洲国产av新网站| 在线 av 中文字幕| 18禁动态无遮挡网站| 人人妻人人看人人澡| 国产一区二区三区av在线| 精品久久久久久久末码| 久久久a久久爽久久v久久| 国产精品综合久久久久久久免费| av一本久久久久| 日本黄色片子视频| 日韩,欧美,国产一区二区三区| 国产精品av视频在线免费观看| 男人和女人高潮做爰伦理| 免费看不卡的av| 3wmmmm亚洲av在线观看| 插阴视频在线观看视频| 成人综合一区亚洲| 边亲边吃奶的免费视频| 亚洲av电影在线观看一区二区三区 | 亚洲在久久综合| 91aial.com中文字幕在线观看| 国产黄色小视频在线观看| 亚洲国产色片| 国产日韩欧美在线精品| 九九在线视频观看精品| 91av网一区二区| 一区二区三区乱码不卡18| 亚洲三级黄色毛片| 亚洲av中文av极速乱| 成人午夜高清在线视频| av黄色大香蕉| 国产精品一区二区性色av| 夫妻午夜视频| 又爽又黄无遮挡网站| av天堂中文字幕网| 日韩av免费高清视频| 国产亚洲一区二区精品| av福利片在线观看| 日韩三级伦理在线观看| 麻豆精品久久久久久蜜桃| 老司机影院毛片| 天堂√8在线中文| 少妇熟女欧美另类| 成人美女网站在线观看视频| 人妻一区二区av| 久久精品夜夜夜夜夜久久蜜豆| 91精品伊人久久大香线蕉| 亚洲av在线观看美女高潮| 亚洲精品乱码久久久久久按摩| 深爱激情五月婷婷| 直男gayav资源| 亚洲激情五月婷婷啪啪| 嫩草影院新地址| 欧美一级a爱片免费观看看| 免费高清在线观看视频在线观看| 免费观看无遮挡的男女| 国产日韩欧美在线精品| 深夜a级毛片| 婷婷色综合www| 日日摸夜夜添夜夜添av毛片| 少妇丰满av| 午夜精品在线福利| 免费av观看视频| 国产一区二区在线观看日韩| 亚洲综合精品二区| 最近最新中文字幕大全电影3| 日本-黄色视频高清免费观看| 国产精品女同一区二区软件| 最近最新中文字幕大全电影3| 亚洲真实伦在线观看| 国产亚洲午夜精品一区二区久久 | 国产v大片淫在线免费观看| 国产高清不卡午夜福利| 91久久精品国产一区二区三区| 丝瓜视频免费看黄片| 久久久亚洲精品成人影院| 丰满乱子伦码专区| 亚洲美女搞黄在线观看| 精品熟女少妇av免费看| 日日干狠狠操夜夜爽| 伊人久久国产一区二区| 2022亚洲国产成人精品| 综合色丁香网| 日本一本二区三区精品| 亚洲精品久久久久久婷婷小说| 国模一区二区三区四区视频| 看黄色毛片网站| 久久久久久久久大av| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| 国产一区亚洲一区在线观看| 欧美丝袜亚洲另类| 国产精品.久久久| 欧美精品国产亚洲| 久久精品国产亚洲网站| 全区人妻精品视频| 偷拍熟女少妇极品色| 成人美女网站在线观看视频| 哪个播放器可以免费观看大片| 久久久色成人| 久久鲁丝午夜福利片| 国产精品三级大全| 国产乱人偷精品视频| 国产三级在线视频| 日韩亚洲欧美综合| 国产白丝娇喘喷水9色精品| 狂野欧美激情性xxxx在线观看| 免费黄频网站在线观看国产| 2022亚洲国产成人精品| 高清欧美精品videossex| 亚洲无线观看免费| 亚洲18禁久久av| 成年av动漫网址| 国产永久视频网站| 97热精品久久久久久| 看黄色毛片网站| 日本与韩国留学比较| 精品欧美国产一区二区三| 大香蕉久久网| 日韩强制内射视频| 成人综合一区亚洲| www.色视频.com| 亚洲精品456在线播放app| 国产免费福利视频在线观看| 91久久精品国产一区二区成人| 99久久精品一区二区三区| 美女黄网站色视频| 亚洲av电影不卡..在线观看| 日韩精品青青久久久久久| 国内精品宾馆在线| 色综合色国产| 青青草视频在线视频观看| 成人一区二区视频在线观看| 久久这里只有精品中国| 精品人妻熟女av久视频| 老司机影院毛片| 嫩草影院新地址| 亚洲欧美成人精品一区二区| xxx大片免费视频| 别揉我奶头 嗯啊视频| 人人妻人人澡欧美一区二区| 亚洲综合精品二区| 看免费成人av毛片| 乱人视频在线观看| 欧美潮喷喷水| 美女黄网站色视频| 国产久久久一区二区三区| 日本色播在线视频| 午夜激情福利司机影院| 亚洲欧美精品自产自拍| 婷婷色综合www| h日本视频在线播放| 乱人视频在线观看| 精品久久久久久久人妻蜜臀av| 日韩大片免费观看网站| 九九爱精品视频在线观看| 久久综合国产亚洲精品| 国产伦精品一区二区三区视频9| 久久人人爽人人片av| 大话2 男鬼变身卡| av国产久精品久网站免费入址| 色综合色国产| 搡老妇女老女人老熟妇| 91精品一卡2卡3卡4卡| 97在线视频观看| 国产免费又黄又爽又色| 日韩大片免费观看网站| av线在线观看网站| eeuss影院久久| 嘟嘟电影网在线观看| 亚洲av中文av极速乱| 国产亚洲精品久久久com| 久久久久久久久久人人人人人人| 久久97久久精品| 不卡视频在线观看欧美| 亚洲av电影在线观看一区二区三区 | 国产精品伦人一区二区| 久久久午夜欧美精品| av女优亚洲男人天堂| 国产免费福利视频在线观看| 精品久久久精品久久久| 免费av不卡在线播放| 天天躁日日操中文字幕| 色5月婷婷丁香| 成人漫画全彩无遮挡| 国产午夜精品一二区理论片| 男女边吃奶边做爰视频| 精品久久久噜噜| 亚洲精品乱久久久久久| 中文在线观看免费www的网站| 亚洲欧美成人综合另类久久久| 午夜精品国产一区二区电影 | 肉色欧美久久久久久久蜜桃 | 97精品久久久久久久久久精品| 天天躁夜夜躁狠狠久久av| 成年人午夜在线观看视频 | 久久精品综合一区二区三区| a级一级毛片免费在线观看| 国产精品三级大全| 可以在线观看毛片的网站| 国产精品人妻久久久影院| 男女那种视频在线观看| xxx大片免费视频| 国产色爽女视频免费观看| 免费电影在线观看免费观看| 国产在视频线在精品| 99热网站在线观看| 日韩欧美国产在线观看| 99热网站在线观看| 尤物成人国产欧美一区二区三区| 精品国产三级普通话版| 亚洲精品国产av蜜桃| 男人舔女人下体高潮全视频| 中文字幕制服av| 少妇丰满av| 亚洲精品乱码久久久v下载方式| 国产不卡一卡二| 99热这里只有精品一区| 国产一区二区在线观看日韩| 国产精品久久久久久久久免| 国产一区二区三区av在线| 韩国av在线不卡| 久久99精品国语久久久| 欧美3d第一页| 美女大奶头视频| 极品教师在线视频| 最新中文字幕久久久久| 熟妇人妻不卡中文字幕| 日韩精品有码人妻一区| 亚洲av在线观看美女高潮| 国产午夜精品久久久久久一区二区三区| 18禁裸乳无遮挡免费网站照片| 精品国产露脸久久av麻豆 | 成人欧美大片| 淫秽高清视频在线观看| 亚洲国产日韩欧美精品在线观看| 偷拍熟女少妇极品色| 国产伦一二天堂av在线观看| 亚洲精品国产成人久久av| 天堂av国产一区二区熟女人妻| 国产成人精品婷婷| 国产探花在线观看一区二区| 国产一区二区亚洲精品在线观看| 久久久欧美国产精品| 免费大片18禁| 国产成人freesex在线| 天天躁日日操中文字幕| 精品国产露脸久久av麻豆 | 赤兔流量卡办理| 亚洲欧洲日产国产| 18+在线观看网站| 欧美性猛交╳xxx乱大交人| 麻豆成人av视频| 国产免费视频播放在线视频 | 精品久久久久久久末码| 精品不卡国产一区二区三区| 精品久久久精品久久久| 国产女主播在线喷水免费视频网站 | 男女那种视频在线观看| xxx大片免费视频| 精品一区二区三卡| 久久久精品94久久精品| 中文资源天堂在线| 国精品久久久久久国模美| 人人妻人人澡人人爽人人夜夜 | 国产淫语在线视频| 国产亚洲午夜精品一区二区久久 | 欧美最新免费一区二区三区| 国产亚洲精品久久久com| 精品人妻偷拍中文字幕| 欧美xxxx性猛交bbbb| av免费观看日本| 精品亚洲乱码少妇综合久久| 美女黄网站色视频| 精品久久久久久久人妻蜜臀av| 一级毛片久久久久久久久女| 大香蕉久久网| 美女cb高潮喷水在线观看| 亚洲欧美精品自产自拍| 久久精品夜色国产| 婷婷色综合大香蕉| 极品少妇高潮喷水抽搐| 国产精品一区二区三区四区久久| 精品久久久久久久人妻蜜臀av| 青青草视频在线视频观看| 色综合色国产| 2021少妇久久久久久久久久久| 91久久精品电影网| 非洲黑人性xxxx精品又粗又长| 国产真实伦视频高清在线观看| 欧美成人午夜免费资源| 又大又黄又爽视频免费| 亚洲天堂国产精品一区在线| 国产黄a三级三级三级人| 欧美潮喷喷水| 一级二级三级毛片免费看| 女人久久www免费人成看片| 18禁裸乳无遮挡免费网站照片| 成人毛片60女人毛片免费| 国产亚洲一区二区精品| 亚洲国产精品专区欧美| 美女被艹到高潮喷水动态|