• <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 ?

    基于協(xié)調(diào)注意力的花生莢果品質(zhì)分級

    2022-10-24 08:54:48王春龍蔣仲銘鮑安紅
    食品與機(jī)械 2022年9期
    關(guān)鍵詞:莢果梯度花生

    王春龍 蔣仲銘 鮑安紅

    (西南大學(xué)工程技術(shù)學(xué)院,重慶 400716)

    花生篩選是花生銷售前的重要工序,不僅可以提高商品花生的品質(zhì)等級,實(shí)現(xiàn)質(zhì)優(yōu)價優(yōu),還可以實(shí)現(xiàn)花生產(chǎn)品的多渠道利用,減少花生產(chǎn)品浪費(fèi)。人工篩選存在勞動強(qiáng)度大、效率低下等問題。而機(jī)械式[1]的篩選裝備根據(jù)花生莢果的大小特征進(jìn)行分級,分級過程中很容易損壞花生莢果,分級的效果差。隨著科技的發(fā)展,機(jī)器視覺技術(shù)被廣泛應(yīng)用于食品質(zhì)量檢測領(lǐng)域[2]。如將機(jī)器視覺應(yīng)用在對花生仁的外觀品質(zhì)檢測上、利用掩模及亮度校正算法實(shí)現(xiàn)臍橙表面缺陷分割[3]等。然而,傳統(tǒng)的圖像識別過程需要操作者利用經(jīng)驗(yàn)手動提取特征,并且多次擇優(yōu)特征,操作過程繁瑣且易受主觀因素影響,難以得到準(zhǔn)確穩(wěn)定的缺陷特征。

    基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)的圖像識別技術(shù),沒有過往復(fù)雜人工提取圖像特征的過程,直接實(shí)現(xiàn)了自動化提取特征[4-6]。隨著遷移學(xué)習(xí)技術(shù)的發(fā)展,在大型數(shù)據(jù)集上訓(xùn)練學(xué)習(xí)得到的模型權(quán)重值和特征可以容易地遷移到小型數(shù)據(jù)集上,減少了模型的計(jì)算量,使得深度學(xué)習(xí)模型也適用于小數(shù)據(jù)集。薛勇等[7]利用GoogLeNet模型對蘋果的外觀進(jìn)行檢測,優(yōu)化后識別準(zhǔn)確率為91.91%。楊志銳等[8]采用改進(jìn)的AlexNet模型識別紅棗缺陷,模型的平均識別精度為94.79%。趙志衡等[9]提出一種利用卷積神經(jīng)網(wǎng)絡(luò)識別花生籽粒完整性的算法,測試樣本的識別精度為98.18%。何進(jìn)榮等[10]使用模型融合的方式優(yōu)化改進(jìn)了蘋果的分級模型,分級精度為97.84%。

    目前深度學(xué)習(xí)識別模型在鮮花生莢果品質(zhì)分級方面的準(zhǔn)確率和穩(wěn)定性有待提升。為提升智能檢測方法的準(zhǔn)確率和穩(wěn)定性,提出一種基于SqueezeNet基礎(chǔ)的天府花生分級模型。首先將協(xié)調(diào)注意力嵌入SqueezeNet模型中;然后通過超參數(shù)調(diào)優(yōu)及正則化技術(shù),減少模型參數(shù)大小,使用改進(jìn)的梯度優(yōu)化算法提高模型識別準(zhǔn)確率,通過對5種經(jīng)典模型的對比試驗(yàn),進(jìn)一步驗(yàn)證該模型的穩(wěn)定性,旨在為鮮花生莢果智能篩選機(jī)器的嵌入式部署提供理論依據(jù)。

    1 材料與試驗(yàn)

    1.1 材料與軟硬件設(shè)備

    天府11號花生樣本于2021年8月分3批次采購于重慶市市區(qū)超市及周邊農(nóng)場。

    計(jì)算機(jī)參數(shù)為Intel Core i7-11700F CPU,主頻2.40 GHz,16 GB內(nèi)存,搭載為NVIDIA GeForce GTX 3060顯卡,12 GB顯存。開發(fā)平臺為Ubuntu 20.04系統(tǒng),采用Pytorch深度學(xué)習(xí)框架,IDE為Jupyter Notebook,配置Python 3.8,利用OpenCV進(jìn)行圖像預(yù)處理,拍攝設(shè)備為思藍(lán)綠CCD工業(yè)相機(jī)、手動對焦鏡頭(200萬像素)。

    1.2 構(gòu)建花生莢果平衡數(shù)據(jù)集

    根據(jù)食用花生標(biāo)準(zhǔn)及市場需求將花生莢果劃分為4個等級:正常果、破損果、發(fā)霉果、發(fā)芽果。采集的原始數(shù)據(jù)中正常果圖像6 000幅,破損果圖像1 632幅,發(fā)霉果1 230幅,發(fā)芽果1 520幅,利用數(shù)據(jù)集平衡技術(shù)平衡數(shù)據(jù)集。取出最大值6 000作為基準(zhǔn),通過保留原圖、旋轉(zhuǎn)、水平鏡像和垂直鏡像的方法將其他莢果種類的圖像也擴(kuò)增到6 000幅,正常果、破損果、發(fā)霉果、發(fā)芽果的圖像數(shù)比例為1∶1∶1∶1。至此,平衡后的數(shù)據(jù)集樣本總數(shù)為24 000幅,每幅圖像像素大小為640×480,格式為.jpg。平衡后的數(shù)據(jù)集訓(xùn)練的模型通常有更好的泛化能力和識別準(zhǔn)確度[11-12]。數(shù)據(jù)集中60%作為訓(xùn)練集,20%作為驗(yàn)證集,剩余20%作為測試集評估模型?;ㄉv果的具體數(shù)據(jù)集樣本個數(shù)劃分如表1所示。

    表1 試驗(yàn)數(shù)據(jù)集劃分

    2 模型及方法

    2.1 單個分類模型

    VGG16、AlexNet、ResNet50、DenseNet121、SqueezeNet是目前農(nóng)業(yè)檢測領(lǐng)域廣泛使用的5種經(jīng)典模型,VGG16主要通過大幅增加卷積神經(jīng)網(wǎng)絡(luò)深度提高模型的性能;AlexNet首次在CNN中采用ReLU激活函數(shù),通過加入dropout層減少訓(xùn)練過程中的過擬合;ResNet50引入殘差模塊,消除了梯度消失和網(wǎng)絡(luò)退化的問題;DenseNet121構(gòu)建每層到其他層的連接,具有一定的正則化效果,緩解了模型過擬合并減少了特征冗余;SqueezeNet網(wǎng)絡(luò)參數(shù)內(nèi)存小。

    上述5種模型在結(jié)構(gòu)上差異較大,但都由卷積層、密集連接層、分類器組成。常用的激活函數(shù)包括Sigmoid、tanh、ReLU等。試驗(yàn)采用ReLU(Rectified Linear Unit,線性整流函數(shù))激活函數(shù),該函數(shù)為線性函數(shù),網(wǎng)絡(luò)的收斂速度快[13],且不存在梯度消失和梯度飽和的問題[14],其數(shù)學(xué)表達(dá)式為:

    f(x)=max(0,x),

    (1)

    經(jīng)softmax函數(shù)輸出一個4行1列的向量,4為類別數(shù)。softmax函數(shù)的數(shù)學(xué)表達(dá)式為:

    (2)

    式中:

    yj——圖像為第j個類別的概率;

    ej——圖像為第j個類別的上層函數(shù)值;

    i——共i個類別數(shù)。

    2.2 協(xié)調(diào)注意力模塊

    協(xié)調(diào)注意模塊[15](CoordAtt)可以看作是一個計(jì)算單元,旨在提高網(wǎng)絡(luò)模型的學(xué)習(xí)表達(dá)能力,計(jì)算單元具有相同的輸入輸出尺寸,模型的結(jié)構(gòu)如圖1所示。

    設(shè)輸入的特征圖像為X,分別使用卷積核(H,1)、(1,W)沿著圖像的兩個坐標(biāo)進(jìn)行卷積池化,卷積操作的數(shù)學(xué)表達(dá)式為:

    (3)

    (4)

    式中:

    (W,H)——模塊輸入特征圖尺寸;

    (w,h)——輸出特征圖尺寸;

    圖1 協(xié)調(diào)注意力模塊

    c——輸出通道數(shù)。

    通過式(3)和式(4)兩種卷積池化,協(xié)調(diào)注意力模塊可以在一個空間方向上捕捉依賴關(guān)系,并在另一個空間方向上保持精確的位置信息,這有助于網(wǎng)絡(luò)更準(zhǔn)確地定位感興趣的區(qū)域。接著將兩個方向上的聚合特征連接起來,并輸入1×1的卷積核轉(zhuǎn)化式F1,操作的數(shù)學(xué)表達(dá)式如式(5)所示。

    f=δ(F1([Zh,Zw])),

    (5)

    式中:

    δ——非線性激活函數(shù);

    F1——卷積核轉(zhuǎn)化公式;

    f——將空間信息在水平方向和垂直方向上編碼的中間特征圖。

    然后使用split()方法把中間特征圖劃分為fh和fw兩個獨(dú)立張量,進(jìn)一步使用1×1的卷積轉(zhuǎn)化數(shù)學(xué)式Fh和Fw,得到與輸入特征圖像X相同尺寸的輸出,σ為Sigmoid激活函數(shù),操作過程的數(shù)學(xué)表達(dá)式為:

    gh=σ(Fh(fh)),

    (6)

    gw=σ(Fw(fw))。

    (7)

    由式(8)得到協(xié)調(diào)注意力模塊計(jì)算的結(jié)果。

    (8)

    2.3 梯度集中

    為了加快訓(xùn)練速度,提高泛化性能,對于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),目前從激活、權(quán)重和梯度3個角度已經(jīng)提出了多種優(yōu)化技術(shù)。梯度集中[16]通過引入新的優(yōu)化函數(shù),對模型反向傳播的梯度進(jìn)行優(yōu)化,使權(quán)空間和輸出特征空間都正則化,從而提高訓(xùn)練速度和泛化能力。優(yōu)化函數(shù)如式(9)所示,自變量為反向傳播的梯度。

    (9)

    式中:

    ▽wiL——反向傳播的梯度;

    M——卷積核的個數(shù)。

    2.4 協(xié)調(diào)注意力SqueezeNet模型(CG-SqueezeNet)

    SqueezeNet模型中的fire模塊包括兩層。通常定義一個fire模塊為fire(A,B,C1,C2),其中A、B分別代表squeeze層的輸入、輸出通道數(shù),C1、C2分別代表expand層中1×1、3×3卷積核的輸出通道數(shù)目,結(jié)構(gòu)如圖2所示。

    圖2 fire模塊結(jié)構(gòu)

    從經(jīng)典模型出發(fā),構(gòu)建一種協(xié)調(diào)注意力SqueezeNet模型(Coordinate Attention SqueezeNet,CG-SqueezeNet),其基本架構(gòu)如圖3所示,包括8個Fire層,2個卷積層、1個協(xié)調(diào)注意力層、4個池化層。與SqueezeNet模型相比,CG-SqueezeNet模型的改進(jìn)有:① 在fire10之前引入CoordAtt協(xié)調(diào)注意力模塊,模型可以更快速準(zhǔn)確地學(xué)習(xí)感興趣區(qū)域的特征。② 將fire10模塊中的expand 1×1、expand 3×3卷積層的輸出通道數(shù)設(shè)置為128,conv11層的輸入輸出通道數(shù)分別設(shè)置成256,4。由于通道數(shù)的減少,網(wǎng)絡(luò)參數(shù)量降低。③ 使用梯度優(yōu)化算法,加速訓(xùn)練過程,提高模型泛化性。

    圖3 協(xié)調(diào)注意力SqueezeNet模型的網(wǎng)絡(luò)架構(gòu)

    3 結(jié)果與分析

    3.1 超參數(shù)選取

    基于試驗(yàn)的硬件水平,批大小設(shè)置為32,所有圖片經(jīng)過一次學(xué)習(xí)稱作一次迭代(epoch),取批尺寸為2的次方能夠充分利用顯卡的并行計(jì)算能力,若設(shè)置為較大的數(shù)值如128,會導(dǎo)致模型收斂到最優(yōu)解的時間過長;若設(shè)置為8或16等較小數(shù)值,又容易產(chǎn)生震蕩波動。訓(xùn)練模型時采用了帶動量的隨機(jī)梯度下降優(yōu)化算法(SGD),momentum=0.9。采用了隨機(jī)丟棄(dropout)技術(shù),其參數(shù)p為0.5,將初始學(xué)習(xí)率設(shè)置為0.001,每20次迭代(epoch)后學(xué)習(xí)率減小為原來的10%。由于采用了變學(xué)習(xí)率,初始學(xué)習(xí)率設(shè)置的很大,因而模型收斂速度很快,每個模型都只迭代了50次。

    3.2 試驗(yàn)結(jié)果

    表2記錄了不同網(wǎng)絡(luò)的訓(xùn)練集和測試集的準(zhǔn)確率、模型參數(shù)內(nèi)存大小。對于平衡后的數(shù)據(jù)集,CG-SqueezeNet網(wǎng)絡(luò)的分類效果最好,在測試集上準(zhǔn)確率達(dá)到了97.83%;AlexNet在測試集準(zhǔn)確率為93.17%,在訓(xùn)練網(wǎng)絡(luò)中準(zhǔn)確率最低。從參數(shù)內(nèi)存需求的角度來看,VGG16的參數(shù)內(nèi)存需求為537 MB;內(nèi)存需求最小的是CG-SqueezeNet,為2.52 MB。因此如果想得到一個分類速率性能高的網(wǎng)絡(luò),宜選擇CG-SqueezeNet模型,其訓(xùn)練過程如圖4所示。

    表2 花生莢果分類結(jié)果

    圖4 訓(xùn)練結(jié)果

    經(jīng)測試集測試,4 800個鮮花生莢果樣本中,檢測正確樣本數(shù)為4 688,總體準(zhǔn)確率為97.84%。1 200個正常果中12個被誤判為發(fā)霉果;1 200個破損果樣本全部判斷正確;1 200個發(fā)霉果中80個被誤判為正常果,5個誤判為發(fā)芽果。1 200個發(fā)芽樣本全部判斷正確。綜上,改進(jìn)的集成網(wǎng)絡(luò)結(jié)構(gòu)能夠較好地識別鮮花生莢果的缺陷特征。

    3.3 數(shù)據(jù)可視化

    類激活圖(class activation map,CAM)[17]指針對指定的輸入圖像生成的熱力圖,代表圖像的各個位置對該類別的重要程度。圖5是合格花生莢果、破損果、發(fā)霉果、發(fā)芽果的特征可視化示意圖。特征圖中紅色表示神經(jīng)網(wǎng)絡(luò)判定花生莢果類別的高權(quán)重區(qū)域,藍(lán)色表示網(wǎng)絡(luò)分類低權(quán)重的區(qū)域,色彩越紅越表示這塊區(qū)域?qū)Ψ诸惤Y(jié)果的影響越大。從圖5可以看出,網(wǎng)絡(luò)在分類為正常果時高紅亮區(qū)域較為均勻地集中在莢果本身,分類為破損果的重要部位在完整與破損銜接處,分類為發(fā)霉圖像時會找到大面積黑殼區(qū)域及褐斑的位置,分類為發(fā)芽果時網(wǎng)絡(luò)的關(guān)注點(diǎn)在于檢測目標(biāo)物的牙尖區(qū)域。

    圖5 Grad-CAM 可視化測試集花生莢果特征區(qū)域

    4 結(jié)論

    研究提出了一種嵌入?yún)f(xié)調(diào)注意力策略,該策略在學(xué)習(xí)特征的過程中更加注重位置信息,增強(qiáng)模型對圖像感興趣區(qū)域特征的學(xué)習(xí)。利用梯度集中方法,改進(jìn)優(yōu)化算法,在測試集上對比不同經(jīng)典模型,結(jié)果表明CG-SqueezeNet模型的預(yù)測結(jié)果會更加穩(wěn)定、準(zhǔn)確率達(dá)到97.83%。與傳統(tǒng)的遷移模型VGG16、AlexNet、ResNet50、DenseNet121、SqueezeNet相比,CG-SqueezeNet模型的內(nèi)存僅為2.52 MB,適用于小型嵌入式設(shè)備部署。后期將搭建花生的在線檢測系統(tǒng),探究模型在實(shí)用性方面的不足。

    猜你喜歡
    莢果梯度花生
    不同基因型箭筈豌豆裂莢特性研究
    種子(2023年8期)2023-11-15 10:42:20
    掏花生
    一個改進(jìn)的WYL型三項(xiàng)共軛梯度法
    一種自適應(yīng)Dai-Liao共軛梯度法
    紫云英莢果成熟度對落莢及種子產(chǎn)量的影響
    花生除雜(清選)分級機(jī)的設(shè)計(jì)與研究
    一類扭積形式的梯度近Ricci孤立子
    到底埋在哪棵樹下
    花生去哪兒了
    雨后的露營
    久久国产精品影院| 99re在线观看精品视频| 国产精品av久久久久免费| 国产av又大| 天堂影院成人在线观看| 国产精品1区2区在线观看.| 亚洲精品在线观看二区| 一a级毛片在线观看| 精品久久久久久,| 亚洲自拍偷在线| 成人国产一区最新在线观看| 亚洲中文字幕日韩| 日本黄色视频三级网站网址| 亚洲成人久久性| 12—13女人毛片做爰片一| 久久久久久免费高清国产稀缺| 天天躁夜夜躁狠狠躁躁| 十八禁网站免费在线| 啪啪无遮挡十八禁网站| 欧美极品一区二区三区四区| 亚洲av成人精品一区久久| 日本一本二区三区精品| 国产99久久九九免费精品| 国产成+人综合+亚洲专区| 久久香蕉精品热| 亚洲av成人不卡在线观看播放网| 久久香蕉精品热| 女人高潮潮喷娇喘18禁视频| 国产高清激情床上av| 欧美性猛交黑人性爽| 国产精品爽爽va在线观看网站| 欧美黑人巨大hd| x7x7x7水蜜桃| 国产人伦9x9x在线观看| 黄色毛片三级朝国网站| av福利片在线观看| 国产三级中文精品| 国产不卡一卡二| 国产午夜精品久久久久久| 人成视频在线观看免费观看| 1024手机看黄色片| 美女 人体艺术 gogo| 精品欧美一区二区三区在线| 国产久久久一区二区三区| 亚洲人成网站高清观看| 色综合婷婷激情| av福利片在线观看| 男人舔奶头视频| 五月伊人婷婷丁香| 亚洲精品美女久久久久99蜜臀| 琪琪午夜伦伦电影理论片6080| 色播亚洲综合网| 别揉我奶头~嗯~啊~动态视频| 欧美另类亚洲清纯唯美| 日日爽夜夜爽网站| 国产午夜精品论理片| 亚洲精品美女久久久久99蜜臀| 亚洲激情在线av| 99在线人妻在线中文字幕| 国产精品爽爽va在线观看网站| 亚洲中文av在线| 日本 欧美在线| 狂野欧美激情性xxxx| 亚洲avbb在线观看| 国产99久久九九免费精品| 色老头精品视频在线观看| 国产高清视频在线播放一区| 老熟妇乱子伦视频在线观看| 又紧又爽又黄一区二区| 全区人妻精品视频| 色哟哟哟哟哟哟| 国产野战对白在线观看| 一a级毛片在线观看| 亚洲熟妇中文字幕五十中出| 黄频高清免费视频| 国产精华一区二区三区| 桃红色精品国产亚洲av| 首页视频小说图片口味搜索| 中文字幕久久专区| 一本大道久久a久久精品| 黑人巨大精品欧美一区二区mp4| 亚洲午夜精品一区,二区,三区| 国产视频一区二区在线看| 国产精品综合久久久久久久免费| 日韩欧美精品v在线| 免费在线观看完整版高清| 老鸭窝网址在线观看| 中出人妻视频一区二区| 国内久久婷婷六月综合欲色啪| 免费在线观看成人毛片| 在线观看午夜福利视频| 久久久水蜜桃国产精品网| ponron亚洲| 香蕉久久夜色| 日韩欧美国产在线观看| aaaaa片日本免费| 欧美黑人巨大hd| videosex国产| 丰满人妻一区二区三区视频av | 黄色a级毛片大全视频| 久久久国产成人免费| 精品久久久久久久毛片微露脸| 男女做爰动态图高潮gif福利片| 天天躁夜夜躁狠狠躁躁| 少妇熟女aⅴ在线视频| 精品国产乱子伦一区二区三区| 中文字幕最新亚洲高清| 国产熟女xx| 亚洲人成网站在线播放欧美日韩| 一进一出抽搐gif免费好疼| 2021天堂中文幕一二区在线观| 男人舔女人下体高潮全视频| 黄片小视频在线播放| av视频在线观看入口| 久久九九热精品免费| 国产成人精品无人区| 成人午夜高清在线视频| 日韩av在线大香蕉| 日韩大码丰满熟妇| 一本一本综合久久| 老司机午夜福利在线观看视频| 99精品在免费线老司机午夜| 精品国产超薄肉色丝袜足j| 午夜a级毛片| 久久中文字幕人妻熟女| av超薄肉色丝袜交足视频| 国产真实乱freesex| 91麻豆av在线| 黑人欧美特级aaaaaa片| 欧美日本视频| 激情在线观看视频在线高清| 日本黄大片高清| 国产三级在线视频| 一a级毛片在线观看| 99热只有精品国产| 一级片免费观看大全| 最新在线观看一区二区三区| 色综合婷婷激情| 亚洲熟女毛片儿| 免费看a级黄色片| 欧美黄色片欧美黄色片| 欧美日韩中文字幕国产精品一区二区三区| or卡值多少钱| 国产欧美日韩精品亚洲av| 亚洲激情在线av| 久久久国产欧美日韩av| 一级毛片精品| 国产麻豆成人av免费视频| 他把我摸到了高潮在线观看| 一进一出抽搐gif免费好疼| 免费在线观看视频国产中文字幕亚洲| 亚洲天堂国产精品一区在线| 国产熟女午夜一区二区三区| 色播亚洲综合网| 视频区欧美日本亚洲| 午夜免费观看网址| a在线观看视频网站| 亚洲av美国av| 久久精品aⅴ一区二区三区四区| 亚洲专区中文字幕在线| 婷婷亚洲欧美| 久久久久免费精品人妻一区二区| 免费在线观看日本一区| 正在播放国产对白刺激| 成年免费大片在线观看| 久久久国产成人免费| 麻豆av在线久日| 国产高清有码在线观看视频 | 国产成人系列免费观看| 全区人妻精品视频| 久热爱精品视频在线9| 黑人操中国人逼视频| √禁漫天堂资源中文www| 国产单亲对白刺激| 亚洲人成伊人成综合网2020| 丝袜人妻中文字幕| 天堂动漫精品| 国产免费av片在线观看野外av| 久久亚洲精品不卡| 丁香欧美五月| 精品电影一区二区在线| 久久婷婷成人综合色麻豆| 欧美成人午夜精品| 日韩国内少妇激情av| 日本一本二区三区精品| 国产人伦9x9x在线观看| 99久久综合精品五月天人人| 亚洲一卡2卡3卡4卡5卡精品中文| 中国美女看黄片| 日本 欧美在线| 日韩av在线大香蕉| 51午夜福利影视在线观看| 久久久久久久午夜电影| 久久婷婷人人爽人人干人人爱| 我的老师免费观看完整版| 国产精品一区二区精品视频观看| 无限看片的www在线观看| 免费观看精品视频网站| 校园春色视频在线观看| 欧美成狂野欧美在线观看| 18禁裸乳无遮挡免费网站照片| 性欧美人与动物交配| 中文字幕av在线有码专区| 久久精品91蜜桃| 久久精品夜夜夜夜夜久久蜜豆 | 在线观看免费日韩欧美大片| 观看免费一级毛片| 在线观看免费视频日本深夜| 久久这里只有精品中国| 欧美日韩亚洲综合一区二区三区_| 成在线人永久免费视频| 免费人成视频x8x8入口观看| 在线观看日韩欧美| 91大片在线观看| 黄色a级毛片大全视频| 久久精品国产综合久久久| 999久久久国产精品视频| 波多野结衣高清作品| 久久精品成人免费网站| 国产精品永久免费网站| 亚洲精品中文字幕在线视频| 丰满人妻一区二区三区视频av | 久久热在线av| 久久久久国产精品人妻aⅴ院| 亚洲一区二区三区色噜噜| 亚洲精品色激情综合| a在线观看视频网站| 国产精品 欧美亚洲| 伦理电影免费视频| 在线观看舔阴道视频| 婷婷亚洲欧美| 欧美又色又爽又黄视频| 日韩 欧美 亚洲 中文字幕| 麻豆国产97在线/欧美 | 国产成人av教育| 国产亚洲欧美98| 精品欧美一区二区三区在线| 成人亚洲精品av一区二区| 国产精品野战在线观看| 国产精品98久久久久久宅男小说| 少妇人妻一区二区三区视频| 久久精品国产亚洲av香蕉五月| 国产精品爽爽va在线观看网站| 久久精品91无色码中文字幕| 国产精品美女特级片免费视频播放器 | 国产亚洲精品久久久久久毛片| 婷婷精品国产亚洲av| 99久久99久久久精品蜜桃| 亚洲成av人片在线播放无| 国产激情偷乱视频一区二区| 91老司机精品| 免费在线观看亚洲国产| 国产精品 国内视频| 男女视频在线观看网站免费 | 国产激情欧美一区二区| 国产成人精品久久二区二区免费| 欧美日本视频| 色综合婷婷激情| 在线国产一区二区在线| 国产免费男女视频| 中文资源天堂在线| 日韩大尺度精品在线看网址| 国内精品久久久久精免费| 日日摸夜夜添夜夜添小说| 99国产精品一区二区三区| 亚洲午夜理论影院| 久久 成人 亚洲| netflix在线观看网站| 亚洲午夜理论影院| 欧美高清成人免费视频www| 国产亚洲精品综合一区在线观看 | 巨乳人妻的诱惑在线观看| 国产三级中文精品| 午夜视频精品福利| 麻豆久久精品国产亚洲av| 久久久久久免费高清国产稀缺| 女同久久另类99精品国产91| 亚洲电影在线观看av| 日本黄大片高清| 波多野结衣高清无吗| 日韩欧美精品v在线| 国产亚洲精品第一综合不卡| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲精品美女久久av网站| 国内毛片毛片毛片毛片毛片| 香蕉丝袜av| 亚洲五月婷婷丁香| 在线观看日韩欧美| 好男人在线观看高清免费视频| 两性夫妻黄色片| 精品熟女少妇八av免费久了| 欧美极品一区二区三区四区| 成人18禁在线播放| 在线播放国产精品三级| 制服人妻中文乱码| 精品高清国产在线一区| 91九色精品人成在线观看| 国产熟女xx| 国产精品久久久久久久电影 | 日韩欧美国产在线观看| 小说图片视频综合网站| 他把我摸到了高潮在线观看| 男人的好看免费观看在线视频 | or卡值多少钱| 欧美极品一区二区三区四区| 熟妇人妻久久中文字幕3abv| ponron亚洲| 午夜免费观看网址| 老鸭窝网址在线观看| 一卡2卡三卡四卡精品乱码亚洲| 色老头精品视频在线观看| 婷婷精品国产亚洲av在线| 久久久久久久午夜电影| 夜夜夜夜夜久久久久| 波多野结衣巨乳人妻| 国产亚洲精品第一综合不卡| or卡值多少钱| 美女 人体艺术 gogo| 一级毛片高清免费大全| 日本黄大片高清| 18禁国产床啪视频网站| 中亚洲国语对白在线视频| 成人亚洲精品av一区二区| 欧美不卡视频在线免费观看 | 婷婷丁香在线五月| 欧美日韩精品网址| 久久精品国产亚洲av香蕉五月| 丝袜美腿诱惑在线| 一进一出抽搐动态| 成人18禁高潮啪啪吃奶动态图| 国产亚洲精品第一综合不卡| 午夜福利视频1000在线观看| 日日爽夜夜爽网站| 成人国产一区最新在线观看| 日韩欧美免费精品| 日本在线视频免费播放| 悠悠久久av| 两个人视频免费观看高清| xxx96com| 国产野战对白在线观看| 欧美成人一区二区免费高清观看 | 国产亚洲精品综合一区在线观看 | 精品欧美一区二区三区在线| 亚洲电影在线观看av| 视频区欧美日本亚洲| 久久午夜亚洲精品久久| 中文字幕高清在线视频| 欧美又色又爽又黄视频| 黄色视频不卡| 成熟少妇高潮喷水视频| 12—13女人毛片做爰片一| 亚洲aⅴ乱码一区二区在线播放 | 欧美性猛交╳xxx乱大交人| 精品久久久久久久久久免费视频| 国产真人三级小视频在线观看| 国产精品美女特级片免费视频播放器 | 99国产精品99久久久久| 中文字幕人妻丝袜一区二区| 亚洲在线自拍视频| 精品乱码久久久久久99久播| 欧美国产日韩亚洲一区| 黄色女人牲交| 国产av一区在线观看免费| 国产免费av片在线观看野外av| 午夜福利成人在线免费观看| 国产一区二区在线观看日韩 | 日本撒尿小便嘘嘘汇集6| 午夜福利高清视频| 亚洲一卡2卡3卡4卡5卡精品中文| 一区二区三区高清视频在线| 国产av又大| 国产精品免费视频内射| 国产精品久久视频播放| 午夜激情av网站| 国产精品久久久久久人妻精品电影| 欧美精品啪啪一区二区三区| 亚洲av熟女| 曰老女人黄片| 亚洲黑人精品在线| 白带黄色成豆腐渣| 色精品久久人妻99蜜桃| 国产黄片美女视频| 国产精品 国内视频| 国产精品免费视频内射| 在线观看午夜福利视频| 全区人妻精品视频| 两性夫妻黄色片| 久久婷婷成人综合色麻豆| 麻豆成人午夜福利视频| 精品电影一区二区在线| 99热6这里只有精品| 亚洲 国产 在线| x7x7x7水蜜桃| 村上凉子中文字幕在线| 亚洲一区高清亚洲精品| av国产免费在线观看| 一卡2卡三卡四卡精品乱码亚洲| 一区福利在线观看| 国产久久久一区二区三区| 国产主播在线观看一区二区| 国产高清videossex| 午夜免费观看网址| 精品一区二区三区av网在线观看| 99精品欧美一区二区三区四区| 怎么达到女性高潮| 亚洲国产欧美人成| 亚洲成av人片在线播放无| 日韩欧美免费精品| 欧美激情久久久久久爽电影| 国产精品久久久久久人妻精品电影| 亚洲精品一卡2卡三卡4卡5卡| 国产成人影院久久av| 国产一级毛片七仙女欲春2| 欧美色视频一区免费| 亚洲全国av大片| 久久久精品国产亚洲av高清涩受| 99国产极品粉嫩在线观看| 国产精品亚洲av一区麻豆| 2021天堂中文幕一二区在线观| 精品久久蜜臀av无| 婷婷六月久久综合丁香| 天堂影院成人在线观看| 亚洲精品色激情综合| 国产激情欧美一区二区| 最近视频中文字幕2019在线8| 老司机深夜福利视频在线观看| 亚洲一码二码三码区别大吗| 在线a可以看的网站| 亚洲成av人片免费观看| 大型黄色视频在线免费观看| 很黄的视频免费| 欧美又色又爽又黄视频| 久久草成人影院| 国产高清激情床上av| 久久热在线av| 亚洲精品国产精品久久久不卡| 9191精品国产免费久久| 欧美成人性av电影在线观看| 黑人巨大精品欧美一区二区mp4| tocl精华| 日韩欧美国产一区二区入口| 国产精品亚洲av一区麻豆| 午夜a级毛片| 观看免费一级毛片| 国产一区二区在线av高清观看| 人人妻人人看人人澡| 久久中文字幕一级| 老司机在亚洲福利影院| 欧美成狂野欧美在线观看| 久久精品人妻少妇| 久久草成人影院| 少妇被粗大的猛进出69影院| 免费观看精品视频网站| 99国产综合亚洲精品| 成人高潮视频无遮挡免费网站| 久久精品成人免费网站| 午夜视频精品福利| 首页视频小说图片口味搜索| 国产精品av视频在线免费观看| 一区二区三区高清视频在线| 色综合亚洲欧美另类图片| 欧美3d第一页| 久久欧美精品欧美久久欧美| 最近在线观看免费完整版| 三级男女做爰猛烈吃奶摸视频| 午夜亚洲福利在线播放| 9191精品国产免费久久| 国产一区二区激情短视频| 精品久久久久久久久久免费视频| 一进一出好大好爽视频| 国内久久婷婷六月综合欲色啪| 日韩欧美一区二区三区在线观看| 欧美一级毛片孕妇| 亚洲美女黄片视频| 国产视频内射| 神马国产精品三级电影在线观看 | 精品少妇一区二区三区视频日本电影| 一夜夜www| 两性午夜刺激爽爽歪歪视频在线观看 | 精品久久久久久久末码| 成人国产综合亚洲| 两个人视频免费观看高清| 国产精品国产高清国产av| 一本久久中文字幕| 国产精品影院久久| 国产久久久一区二区三区| 国产av不卡久久| 特级一级黄色大片| 桃红色精品国产亚洲av| 天天躁夜夜躁狠狠躁躁| 成人三级做爰电影| 亚洲熟妇中文字幕五十中出| 一本大道久久a久久精品| 18美女黄网站色大片免费观看| 欧美一区二区精品小视频在线| 国产69精品久久久久777片 | 国产亚洲av嫩草精品影院| 午夜福利在线在线| 国内久久婷婷六月综合欲色啪| 九色成人免费人妻av| 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 | 成人18禁在线播放| 久久久久久久午夜电影| 白带黄色成豆腐渣| av福利片在线| 男人舔女人下体高潮全视频| 成人一区二区视频在线观看| 亚洲精品中文字幕一二三四区| 中文亚洲av片在线观看爽| 亚洲人成伊人成综合网2020| 色综合亚洲欧美另类图片| 波多野结衣巨乳人妻| 亚洲国产精品成人综合色| 少妇粗大呻吟视频| 成人亚洲精品av一区二区| 久久精品影院6| 日本熟妇午夜| 99在线视频只有这里精品首页| 久久人人精品亚洲av| 天堂影院成人在线观看| 亚洲性夜色夜夜综合| 女同久久另类99精品国产91| xxxwww97欧美| 美女黄网站色视频| 一本综合久久免费| 91国产中文字幕| 亚洲乱码一区二区免费版| 成人18禁高潮啪啪吃奶动态图| 国产精品精品国产色婷婷| 欧美成人午夜精品| 夜夜夜夜夜久久久久| 黄片小视频在线播放| 一本综合久久免费| 欧美成狂野欧美在线观看| 国产精品久久久av美女十八| 啦啦啦观看免费观看视频高清| 亚洲精品中文字幕一二三四区| 999精品在线视频| 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| 欧美色视频一区免费| 中文字幕人成人乱码亚洲影| 窝窝影院91人妻| 99久久无色码亚洲精品果冻| www.自偷自拍.com| 日韩欧美国产在线观看| 欧美日韩亚洲综合一区二区三区_| 亚洲 欧美 日韩 在线 免费| 久久草成人影院| АⅤ资源中文在线天堂| 欧美精品啪啪一区二区三区| 在线观看免费午夜福利视频| 久久99热这里只有精品18| 黑人操中国人逼视频| 午夜免费激情av| 国产三级在线视频| 黄色a级毛片大全视频| 亚洲七黄色美女视频| 妹子高潮喷水视频| 亚洲av电影不卡..在线观看| 欧美日韩福利视频一区二区| 亚洲美女黄片视频| 精品国产乱子伦一区二区三区| 国产成人精品久久二区二区91| 午夜福利高清视频| 在线播放国产精品三级| 亚洲九九香蕉| 熟女电影av网| 狂野欧美激情性xxxx| 日韩三级视频一区二区三区| 老熟妇乱子伦视频在线观看| 亚洲人与动物交配视频| 久久精品国产清高在天天线| 日韩国内少妇激情av| 99精品久久久久人妻精品| 婷婷六月久久综合丁香| 欧美乱码精品一区二区三区| 午夜福利视频1000在线观看| 五月伊人婷婷丁香| 成人精品一区二区免费| 一本久久中文字幕| 国产真人三级小视频在线观看| 看片在线看免费视频| 日韩高清综合在线| 亚洲成人中文字幕在线播放| 一级毛片高清免费大全| 男人的好看免费观看在线视频 | 欧美一级a爱片免费观看看 | 国内少妇人妻偷人精品xxx网站 | 成人特级黄色片久久久久久久| 久久久久久亚洲精品国产蜜桃av| 国产av不卡久久| 在线观看66精品国产| 久久久国产成人精品二区| 99在线人妻在线中文字幕| 久热爱精品视频在线9| 成人国语在线视频| 国产精品九九99| 熟女电影av网| 人妻久久中文字幕网| 琪琪午夜伦伦电影理论片6080| 亚洲熟女毛片儿| 中出人妻视频一区二区| 国产一区二区在线av高清观看| 在线观看免费视频日本深夜| 精品欧美一区二区三区在线| 久久久久久大精品| 999久久久精品免费观看国产| 亚洲男人的天堂狠狠| 极品教师在线免费播放| 成人av一区二区三区在线看| 色av中文字幕| 欧美性猛交黑人性爽|