• <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YOLOv5s 和Android 的蘋果樹皮病害識別系統(tǒng)設(shè)計

    2022-12-02 07:54:38周逸博馬毓?jié)?/span>趙艷茹
    廣東農(nóng)業(yè)科學(xué) 2022年10期
    關(guān)鍵詞:樹皮準(zhǔn)確率病害

    周逸博,馬毓?jié)w艷茹,

    (1.西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院,陜西 楊凌 712100;2.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室/陜西省農(nóng)業(yè)信息感知與智能服務(wù)重點實驗室,陜西 楊凌 712100)

    【研究意義】蘋果產(chǎn)業(yè)在我國國民經(jīng)濟中占重要地位,生產(chǎn)高品質(zhì)蘋果是發(fā)展蘋果產(chǎn)業(yè)的關(guān)鍵。蘋果樹皮病害是造成我國蘋果單產(chǎn)水平不良的制約因素之一[1]。及時、精準(zhǔn)地進行蘋果樹皮病害診斷,有助于病害的早期對癥治療以及果園的精準(zhǔn)管理。因此,開發(fā)隨時可以進行樹皮病害識別的手機APP 系統(tǒng),有助于果農(nóng)快速識別果樹病害,進而采取有效防治措施,對蘋果產(chǎn)業(yè)保質(zhì)增產(chǎn)具有重要意義。

    【前人研究進展】目前果樹的病害檢測主要依賴人工感官判定和生物測定[2]。人工感官判定多通過目測判斷果樹病害情況,費時費力,且需在病害癥狀明顯時進行判斷,易造成誤判[3]。生物測定法如聚合酶鏈?zhǔn)椒磻?yīng)(PCR)、酶聯(lián)免疫吸附試驗技術(shù)(ELISA)等,可以直接檢測出病原物種類,準(zhǔn)確度高,但操作復(fù)雜、成本高,還具有破壞性,難以大范圍推廣[4-8]。因此,尋找一種快速、準(zhǔn)確、無損且推廣性強的果樹病害檢測方法很有必要。機器視覺在農(nóng)業(yè)病害識別領(lǐng)域應(yīng)用非常廣泛,主要依賴于圖像處理方法得到相應(yīng)結(jié)果[9]。但傳統(tǒng)圖像處理方法相對較為明顯,例如,對動態(tài)目標(biāo)識別能力差,智能化程度仍不夠高,需要人工輔助等[10]。通過機器學(xué)習(xí)算法進行病害識別需按照單一病害特征進行人為數(shù)值設(shè)定后做相應(yīng)識別,無法進行多種病害同時檢測[11],且對移動端配置要求高,占用資源多。與機器學(xué)習(xí)相比,深度學(xué)習(xí)網(wǎng)絡(luò)算法精確度更高,在數(shù)據(jù)集訓(xùn)練過程中準(zhǔn)確率不斷提升且趨于飽和,方便客戶使用。Krizhevsky等[12]在2012年首次將深層卷積神經(jīng)網(wǎng)絡(luò)Alex Net[13]應(yīng)用于大規(guī)模圖像分類中。近年來深度學(xué)習(xí)網(wǎng)絡(luò)模型在植物病害研究中逐漸深入,它能夠?qū)χ参锊『Φ臏\層圖像特征進行更深層的挖掘,提取出“高層”特征,并進行模型構(gòu)建實現(xiàn)植物病害的檢測分類[14]。王宏樂等[15]使用RestNeSt-50、VGG-16 和RestNet-50 3 種網(wǎng)絡(luò)結(jié)構(gòu)進行測試,通過調(diào)節(jié)訓(xùn)練集中實驗室場景圖片與田間場景圖片的分布,使深度學(xué)習(xí)模型對柑橘黃龍病、蘋果黑星病、芒果細(xì)菌性斑點病識別準(zhǔn)確率均達(dá)到90%以上。Redmon等[16]于2016 年提出的YOLO 系列算法已經(jīng)在目標(biāo)檢測領(lǐng)域得到了較為廣泛的應(yīng)用,YOLO 算法系列經(jīng)歷了從v1 到v5 的發(fā)展,其中YOLO v5 深度學(xué)習(xí)網(wǎng)絡(luò)模型具有體積小、速度快、精度高等優(yōu)點,可以在生態(tài)成熟的PyTorch 中實現(xiàn),網(wǎng)絡(luò)訓(xùn)練及部署較該系列之前的模型更為簡單,方便用戶對自己需要的網(wǎng)絡(luò)模型自行訓(xùn)練。YOLO v5 借鑒了Cut Mix 方法[17],采用Mosaic數(shù)據(jù)增強方式有效解決了模型訓(xùn)練中最頭疼的“小對象問題”。而YOLOv5s 是YOLO v5 模型中體積最小的網(wǎng)絡(luò)模型,其權(quán)重僅27 MB,可以實現(xiàn)實時識別的功能,體積較小可以完成Android端的相應(yīng)部署。

    【本研究切入點】以往研究只能對某種特定蘋果樹皮病害進行單一識別,且由于深度學(xué)習(xí)網(wǎng)絡(luò)模型較大而很難實現(xiàn)移動端的部署。本文使用的YOLOv5s 模型是輕量級深度學(xué)習(xí)網(wǎng)絡(luò)模型,可以有效實現(xiàn)Android 端的部署,嵌入Android 端的同時不會影響蘋果樹皮病害識別模型的正常運行,且可以同時對3種蘋果樹皮病害進行識別?!緮M解決的關(guān)鍵問題】本設(shè)計選擇YOLOv5s 作為蘋果樹皮病害的識別網(wǎng)絡(luò)模型,并在Android 端進行部署,實現(xiàn)對蘋果樹皮主要病害:輪紋病、干腐病和腐爛病的準(zhǔn)確快速識別。

    1 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)原理

    YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)由輸入端、Backbone(主干網(wǎng)絡(luò))、Neck 網(wǎng)絡(luò)和Prediction(輸出端)四部分組成。各部分的主要功能和網(wǎng)絡(luò)結(jié)構(gòu)如下[18]:

    (1)輸入端:Mosaic 數(shù)據(jù)增強模塊、自適應(yīng)錨框計算模塊,自適應(yīng)圖片縮放。

    (2)主干網(wǎng)絡(luò):Focus 結(jié)構(gòu)和CSP 結(jié)構(gòu)。

    (3)Neck 網(wǎng)絡(luò):FPN+PAN 結(jié)構(gòu)。

    (4)輸出端:GIOU_Loss。

    整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1[19]所示:

    圖1 YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv5s network structure

    1.1 輸入端

    1.1.1 Mosaic 數(shù)據(jù)增強 輸入端使用Mosaic 數(shù)據(jù)增強方式對整體數(shù)據(jù)集合進行隨機縮放、隨機剪裁以及隨機排布,得到輸入端相應(yīng)數(shù)據(jù)[20]。

    1.1.2 自適應(yīng)錨框計算 在YOLO 系列檢測算法中,系統(tǒng)會在初始階段設(shè)定好默認(rèn)的錨框尺寸,并在輸入不同圖像進行訓(xùn)練時,輸出與默認(rèn)錨框尺寸相應(yīng)的預(yù)測框,將人為標(biāo)注得到的真實框和訓(xùn)練過程得到的預(yù)測框進行對比,計算兩者的偏差,之后再進行反向更新,迭代網(wǎng)絡(luò)結(jié)構(gòu)中的參數(shù)。YOLOv3、YOLOv4 需要通過單獨運行特定程序計算初始錨框值,而YOLOv5s 將該功能嵌入到相應(yīng)的算法結(jié)構(gòu)中,實現(xiàn)了對于不同訓(xùn)練集進行錨框計算的自適應(yīng)性。

    1.1.3 自適應(yīng)圖片縮放 YOLOv5s 算法對原始圖像進行縮放操作時,可以根據(jù)輸入圖片的不同尺寸,自適應(yīng)添加最少黑邊,使計算量得到一定程度的減少,從而進一步提高該網(wǎng)絡(luò)的目標(biāo)檢測速度[21]。

    1.2 主干網(wǎng)絡(luò)

    1.2.1 Focus 結(jié)構(gòu) Focus 結(jié)構(gòu)可進行切片操作[22],YOLOv5s 網(wǎng)絡(luò)中的Focus 結(jié)構(gòu)使用了較少的32 個卷積核,能夠?qū)⒊叽鐬?40×640×3像素的三通道圖像經(jīng)相應(yīng)的切片操作變成320×320×12 像素的特征圖,并通過32 個卷積核的卷積操作,最終變成320×320×32 像素的特征圖。

    1.2.2 CSP 結(jié)構(gòu) YOLOv5s 中的CSP 有兩種結(jié)構(gòu),一種為主干網(wǎng)絡(luò)中的CSP1_X 結(jié)構(gòu),另一種為位于Neck 中的CSP2_X 結(jié)構(gòu)。CSP 模塊中所含有的卷積核大小均為3×3,步進值為2,若輸入的圖像尺寸為640×640 像素,那么它的特征圖尺寸變化規(guī)律是:640×640 -> 320×320 -> 160×160-> 80×80 -> 40×40 -> 20×20,最終得到一個20×20 像素大小的特征圖。

    1.3 Neck 網(wǎng)絡(luò)

    FPN 是自上而下通過上采樣操作,將高層的特征信息和低層的特征信息進行融合,進而計算出預(yù)測的特征圖[23-24]。YOLOv5s 網(wǎng)絡(luò)結(jié)構(gòu)中在FPN 層后面還添加1 個特征金字塔,該金字塔結(jié)構(gòu)自下向上,其中有2 個PAN 結(jié)構(gòu),通過下采樣操作,將低層的特征信息與高層特征進行融合,輸出預(yù)測的特征圖。

    1.4 輸出端

    目標(biāo)檢測算法的損失函數(shù)一般由Classificition Loss(分類損失函數(shù))和Bounding Box Regeression Loss(回歸損失函數(shù))兩大部分組成。其中回歸損失函數(shù)近幾年的發(fā)展過程為:Smooth L1 Loss ->IOU_Loss(2016)-> GIOU_Loss(2019)->DIOU_Loss(2020)-> CIOU_Loss(2020)。GIOU_Loss損失函數(shù)為:

    式中,Δ為最小外接矩形與預(yù)設(shè)框差值;C為最小外接矩形。

    GIOU_Loss函數(shù)增加了相交尺度的衡量方式,有利于解決邊界框有時不重合的問題。

    輸入端將輸入圖片進行縮放裁剪得到相應(yīng)預(yù)測框,并自適應(yīng)添加最少黑邊。主干網(wǎng)絡(luò)將輸入端的圖片進行切片處理完成卷積操作,得到特征圖。Neck 網(wǎng)絡(luò)通過上采樣下采樣操作,將低層和高層特征進行融合得到預(yù)測特征圖。最后通過輸出端的損失函數(shù)完成所訓(xùn)練的網(wǎng)絡(luò)模型評估。

    2 YOLOv5s 模型訓(xùn)練部署與測試

    2.1 蘋果樹皮病害數(shù)據(jù)集的采集

    蘋果樹皮原始數(shù)據(jù)集部分采集于西北農(nóng)林科技大學(xué)南校區(qū),部分為網(wǎng)絡(luò)已有蘋果樹皮病害照片,共獲得蘋果樹表皮圖片470 張,其中包含干腐病151 張、腐爛病160 張、輪紋病159 張。3種待測病害如圖2 所示。

    圖2 所需識別的3 種蘋果樹皮病害Fig.2 Three apple bark diseases to be recognized

    2.2 數(shù)據(jù)集預(yù)處理

    本設(shè)計使用LabelImg 軟件對所采集的蘋果樹皮患病部位進行人為標(biāo)注,其中使用的三類標(biāo)簽名分別為canker(腐爛?。?、ring rot(輪紋?。?、dry rot(干腐?。?,如圖3 所示。標(biāo)注完圖片后得到相應(yīng)的xml 文件,構(gòu)成所需數(shù)據(jù)集。

    圖3 使用LabelImg 標(biāo)注樹皮患病部位Fig.3 Using LabelImg to mark the diseased part of bark

    為滿足深度學(xué)習(xí)要求,盡可能豐富數(shù)據(jù)集,將采集的病害圖片進行左右翻轉(zhuǎn)以及飽和度、對比度、明暗度調(diào)整,完成數(shù)據(jù)集的擴增??傮w擴增8倍后的數(shù)據(jù)集共有圖片3 697 張,該組圖片即為本設(shè)計的使用數(shù)據(jù)集。為保證訓(xùn)練的數(shù)據(jù)盡可能的多以及測試集的普遍性,將訓(xùn)練集與測試集按照8 ∶2 比例進行劃分。

    2.3 實驗平臺與評估指標(biāo)

    使用的網(wǎng)絡(luò)訓(xùn)練環(huán)境配置為:Geforce GTX 1650 GPU;Intel(R) Core(TM) i7-9750H CPU;內(nèi)存8G;CUDA 11.6。Android 端調(diào)試機型為:OPPO R15 機型,運行內(nèi)存6G,CPU 型號為聯(lián)發(fā)科Helio P60。

    采用的模型評估指標(biāo)主要包括:準(zhǔn)確率、召回率、調(diào)和均值以及平均精度均值。準(zhǔn)確率和召回率越高,樹皮病害識別效果越好,準(zhǔn)確率與召回率為負(fù)相關(guān)關(guān)系。調(diào)和均值和平均精度均值是需要同時考慮準(zhǔn)確率和召回率的量化指標(biāo),調(diào)和均值和平均精度均值越大,則代表樹皮病害識別效果好。

    2.4 模型訓(xùn)練與推理結(jié)果

    使用PyTorch 將制作好的數(shù)據(jù)集放入YOLOv5s 模型中,劃分測試集和訓(xùn)練集,開始相應(yīng)模型訓(xùn)練,隨機選擇測試圖片帶入訓(xùn)練好的模型中進行測試,結(jié)果如圖4、圖5、圖6 所示。左側(cè)圖片為未進行識別的測試圖片,右側(cè)圖片為測試結(jié)果。

    圖4 干腐病模型識別測試Fig.4 Recognitiion test of dry rot disease model

    圖5 輪紋病模型識別測試Fig.5 Recognitiion test of ring rot disease model

    圖6 腐爛病模型識別測試Fig.6 Recognitiion test of canker disease model

    2.5 YOLO 模型Android 端部署

    將深度學(xué)習(xí)網(wǎng)絡(luò)模型部署到Android 端需要借助第三方框架。騰訊公司推出的ncnn 是針對移動平臺優(yōu)化的高性能神經(jīng)網(wǎng)絡(luò)推理計算框架。ncnn 沒有第三方依賴項,是跨平臺的,在手機CPU 上運行速度比所有已知的開源框架都快,開發(fā)者可以通過高效的ncnn 實現(xiàn),輕松將深度學(xué)習(xí)算法模型部署到移動平臺,打造智能APP。使用ncnn 框架在Android 端部署模型需要將.pth 文件格式的模型轉(zhuǎn)換為ncnn 框架所特有的ncnn 格式模型(.bin 和.param)。首先將.pth 格式模型去掉后處理導(dǎo)出為.onnx 格式模型,修改工程目錄下的train.py 文件中的evalimage 函數(shù)。修改.py 文件的布爾型變量use_jit 為False,禁用JIT,保證能導(dǎo)出onnx。用onnx-simplifier 對模型進行簡化。在YOLO 環(huán)境下安裝onnx、onnxruntime 和onnxsim 庫,在控制臺使用命令對onnx 模型進行簡化。

    使用daquexian 開發(fā)的一鍵轉(zhuǎn)換工具,在瀏覽器本地上傳簡化后的onnx 模型,使用onnx optimizer 和ncnnoptimize 優(yōu)化模型,輸出目標(biāo)格式的ncnn 模型(.bin 和.param)。

    將簡化完成的.param 文件進行參數(shù)修改,將框架中默認(rèn)的YOLOv5s 網(wǎng)絡(luò)模型替換為可識別蘋果樹皮病害的網(wǎng)絡(luò)模型,完成Android 端部署。

    2.6 APP 效果展示

    點擊設(shè)置完成的APP 圖標(biāo)打開APP。進入APP 主頁面,點擊“選擇圖片”進入本地圖片選擇(圖7),待測圖片可以選擇進行CPU 識別或GPU 識別,選擇圖片并完成識別(圖8、圖9)。

    圖7 待測圖片選擇頁面Fig.7 Image selection page to be tested

    圖8 選擇待測圖片F(xiàn)ig.8 Select the picture to be detected

    圖9 待測圖片患病情況識別結(jié)果Fig.9 Disease recognition results of picture to be tested

    3 結(jié)果與分析

    用于蘋果樹皮病害識別的YOLOv5s 網(wǎng)絡(luò)訓(xùn)練400 個epoch 后,按照2.3 所述指標(biāo)對訓(xùn)練好的模型進行相應(yīng)評估,結(jié)果見圖10。由圖10 可知,訓(xùn)練后得到的深度學(xué)習(xí)網(wǎng)絡(luò)模型測試結(jié)果良好,經(jīng)過400 輪訓(xùn)練后模型達(dá)到收斂狀態(tài)。在訓(xùn)練過程中準(zhǔn)確率和召回率的提升過程較為穩(wěn)定,準(zhǔn)確率穩(wěn)定在88.7%,召回率穩(wěn)定在85.8%,平均精度值也處于較高水平狀態(tài),穩(wěn)定在87.2%附近。其中識別效果最好的腐爛病準(zhǔn)確率為93.5%,識別效果最差的輪紋病準(zhǔn)確率為84.3%。

    圖10 YOLOv5s 網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.10 YOLOv5s network training results

    對手機APP 進行功能測試,輸入50 張不同類型的蘋果樹皮病害圖片進行檢測,每張病害圖片處理時間均小于1 s,檢測置信度為87.954%。檢測時間較快,可以在移動端正常使用,測試效果如圖11 所示。

    圖11 手機APP 病害識別測試效果Fig.11 Effect of mobile APP disease recognition test

    4 討論

    為快速且同時檢測腐爛病、輪紋病、干腐病3 種蘋果樹皮病害的問題,本研究使用YOLOv5s深度學(xué)習(xí)網(wǎng)絡(luò)模型,設(shè)計了基于Android 的蘋果樹皮病害識別系統(tǒng)。在深度學(xué)習(xí)網(wǎng)絡(luò)發(fā)展成為圖像檢測主流前,病害圖像主要采用機器學(xué)習(xí)進行識別。機器學(xué)習(xí)視覺信息的處理技術(shù)主要依賴于圖像處理方法,對圖像進行復(fù)原、分割、增強、特征提取等一系列操作,從而進行圖像處理識別,得到相應(yīng)結(jié)果。機器學(xué)習(xí)通過人工分析圖片特征,經(jīng)過圖像算法提取特征,并通過特征的數(shù)值進行圖像分類,在分析圖片過程中不需要大量圖片,只需要較為典型的圖片和兩種類別臨界點的圖片進行人工分析。與本文所使用的深度學(xué)習(xí)網(wǎng)絡(luò)檢測方式相比較,機器學(xué)習(xí)進行病害識別需按照單一病害特征進行人為數(shù)值設(shè)定后做相應(yīng)識別,從而無法進行3 種病害同時檢測,而本文使用深度學(xué)習(xí)網(wǎng)絡(luò)則可以完成3 種病害數(shù)據(jù)集的同時訓(xùn)練,其最終對3 種病害的識別準(zhǔn)確率穩(wěn)定在88.7%,召回率穩(wěn)定在85.8%,平均精度值穩(wěn)定在87.2%,且可以在訓(xùn)練中獨立學(xué)習(xí)相關(guān)屬性,得到更好的效果。

    深度學(xué)習(xí)網(wǎng)絡(luò)模型由于參 數(shù)多、體量大,較難在小型移動設(shè)備上部署,本文使用的YOLO v5深度學(xué)習(xí)網(wǎng)絡(luò)模型,由Ultralytics 公司在2020 年推出,包括YOLOv5s、YOLO v5m、YOLO v5l、YOLO v5x 4 個模型,其中YOLOv5s 是4 種模型中體積最小的網(wǎng)絡(luò)模型,其權(quán)重僅僅27MB,能夠降低對移動端配置的需求,本文將其在Android端部署后。經(jīng)測試每張病害圖片處理時間均小于1 s,檢測致信度為87.954%,檢測時間較快,可以在移動端正常使用。

    測試結(jié)果反映出訓(xùn)練完成的網(wǎng)絡(luò)模型準(zhǔn)確率、召回率、平均精度仍有待提高。果園環(huán)境的復(fù)雜性在一定程度上影響手機 APP 的圖像識別。移動終端使用測試方面,通過 Android 端的測試,該 APP 使用輕量級的深度學(xué)習(xí)網(wǎng)絡(luò)YOLOv5s 可以適應(yīng)當(dāng)前市場中的大部分機,降低了硬件需求,可以滿足果農(nóng)需要。針對上述問題,可以考慮以下改進措施:(1)圖像拍攝時盡可能直接拍攝待檢測枝干部位,減少非必要影響因素的出現(xiàn);(2)繼續(xù)收集不同環(huán)境和不同病發(fā)階段的 3 種類型病害圖片,增強數(shù)據(jù)集后繼續(xù)訓(xùn)練,不斷提升網(wǎng)絡(luò)模型的識別效果;(3)針對病害的早期階段圖像進行訓(xùn)練,以期實現(xiàn)蘋果樹皮病害的早期快速診斷。

    5 結(jié)論

    針對果農(nóng)需要對蘋果樹皮病害進行實時拍照檢測的問題,本研究設(shè)計了一種基于Android 系統(tǒng)以及YOLOv5s 深度學(xué)習(xí)網(wǎng)絡(luò)模型的手機APP蘋果樹皮病害識別系統(tǒng)。本設(shè)計以輪紋病、腐爛病、干腐病3 種蘋果樹皮病害為研究對象,使用YOLOv5s 深度學(xué)習(xí)網(wǎng)絡(luò)模型對目標(biāo)圖片進行圖像識別,得出相應(yīng)結(jié)果。實驗結(jié)果表明:該手機APP 對手機配置要求較低,可滿足絕大多數(shù)果農(nóng)的手機配置;使用輕量級深度學(xué)習(xí)網(wǎng)絡(luò)YOLOv5s,網(wǎng)絡(luò)模型小,所占資源少,可以良好地在Android 端進行部署。本設(shè)計可以在一定程度上幫助果農(nóng)完成蘋果樹皮病害的識別,進而進行果園的精準(zhǔn)管理,對蘋果產(chǎn)業(yè)的發(fā)展具有推動作用。

    猜你喜歡
    樹皮準(zhǔn)確率病害
    早春養(yǎng)羊需防六大病害
    窗下的樹皮小屋
    小麥常見三種病害咋防治
    葡萄病害周年防治歷
    煙臺果樹(2021年2期)2021-07-21 07:18:28
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    果樹休眠期咋防病害
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    咦,動物們都說愛樹皮
    免费久久久久久久精品成人欧美视频| 少妇人妻 视频| 午夜老司机福利片| 啦啦啦在线免费观看视频4| 九色亚洲精品在线播放| 国产成人系列免费观看| 51午夜福利影视在线观看| 又大又黄又爽视频免费| av在线播放精品| 亚洲中文字幕日韩| 蜜桃在线观看..| 久久人妻福利社区极品人妻图片 | 亚洲午夜精品一区,二区,三区| 国产深夜福利视频在线观看| 国产男女超爽视频在线观看| 亚洲av男天堂| 夜夜骑夜夜射夜夜干| 成人国产一区最新在线观看 | 咕卡用的链子| 亚洲国产毛片av蜜桃av| 久久人妻熟女aⅴ| 国产成人91sexporn| 丁香六月欧美| av线在线观看网站| 国产熟女欧美一区二区| 婷婷丁香在线五月| 精品福利观看| 赤兔流量卡办理| 国产av精品麻豆| 精品熟女少妇八av免费久了| 色播在线永久视频| 精品亚洲成国产av| 男女之事视频高清在线观看 | 欧美亚洲日本最大视频资源| 久久久久精品人妻al黑| 亚洲天堂av无毛| 亚洲国产精品一区三区| 999精品在线视频| 亚洲第一青青草原| 日本av免费视频播放| 国产精品一区二区在线不卡| 欧美日韩黄片免| 久久亚洲国产成人精品v| 日韩av在线免费看完整版不卡| 午夜激情久久久久久久| 欧美日韩av久久| 男人添女人高潮全过程视频| 交换朋友夫妻互换小说| 国产人伦9x9x在线观看| 韩国高清视频一区二区三区| 尾随美女入室| 欧美成狂野欧美在线观看| 中文字幕最新亚洲高清| 亚洲精品国产区一区二| 日韩欧美一区视频在线观看| 日韩视频在线欧美| 老汉色av国产亚洲站长工具| 亚洲av欧美aⅴ国产| 超色免费av| bbb黄色大片| 老司机午夜十八禁免费视频| 亚洲精品日韩在线中文字幕| 精品国产一区二区三区久久久樱花| 国产欧美日韩精品亚洲av| 五月开心婷婷网| 最近最新中文字幕大全免费视频 | 丝袜脚勾引网站| 亚洲熟女毛片儿| 自线自在国产av| 免费黄频网站在线观看国产| 两个人免费观看高清视频| 国产91精品成人一区二区三区 | 黄色毛片三级朝国网站| 精品国产超薄肉色丝袜足j| 亚洲男人天堂网一区| 91国产中文字幕| 精品第一国产精品| 亚洲精品国产av蜜桃| 大香蕉久久网| bbb黄色大片| 午夜日韩欧美国产| 搡老岳熟女国产| 亚洲欧美一区二区三区黑人| 熟女少妇亚洲综合色aaa.| 下体分泌物呈黄色| 欧美黑人欧美精品刺激| 久久九九热精品免费| 亚洲欧洲国产日韩| 色播在线永久视频| 成年动漫av网址| 欧美精品人与动牲交sv欧美| 久久国产精品人妻蜜桃| 另类精品久久| 国产欧美亚洲国产| 成人国语在线视频| 又紧又爽又黄一区二区| 国产在线免费精品| 亚洲国产av新网站| 中文乱码字字幕精品一区二区三区| 精品国产一区二区三区四区第35| 亚洲av欧美aⅴ国产| 亚洲精品国产色婷婷电影| 在线观看www视频免费| 精品少妇黑人巨大在线播放| 一区二区av电影网| 9热在线视频观看99| 赤兔流量卡办理| 国产色视频综合| 脱女人内裤的视频| 日本五十路高清| 你懂的网址亚洲精品在线观看| 一本色道久久久久久精品综合| 欧美 亚洲 国产 日韩一| 国产精品香港三级国产av潘金莲 | 欧美日韩黄片免| av有码第一页| 国产一区亚洲一区在线观看| 妹子高潮喷水视频| 女性生殖器流出的白浆| av又黄又爽大尺度在线免费看| 久久精品亚洲熟妇少妇任你| 男女无遮挡免费网站观看| 久久天躁狠狠躁夜夜2o2o | 久久女婷五月综合色啪小说| 自拍欧美九色日韩亚洲蝌蚪91| 9热在线视频观看99| 18禁国产床啪视频网站| 国产极品粉嫩免费观看在线| 色婷婷久久久亚洲欧美| 一二三四社区在线视频社区8| 又大又黄又爽视频免费| 久久精品亚洲熟妇少妇任你| 中文字幕人妻丝袜一区二区| 国产国语露脸激情在线看| 亚洲中文日韩欧美视频| 亚洲第一av免费看| 一级片免费观看大全| 久久热在线av| 日本五十路高清| 国产成人精品无人区| 丰满人妻熟妇乱又伦精品不卡| 久久久久国产精品人妻一区二区| 女人久久www免费人成看片| 首页视频小说图片口味搜索 | 国产精品一国产av| 国产精品久久久久成人av| 美女中出高潮动态图| 久久免费观看电影| 久久久久精品国产欧美久久久 | www.自偷自拍.com| 天天操日日干夜夜撸| www.熟女人妻精品国产| 国产无遮挡羞羞视频在线观看| 成人免费观看视频高清| 一区二区av电影网| 一边摸一边抽搐一进一出视频| 久久毛片免费看一区二区三区| 亚洲天堂av无毛| 99久久综合免费| 天天影视国产精品| 久久性视频一级片| 欧美乱码精品一区二区三区| 亚洲国产精品999| 日本一区二区免费在线视频| 一级a爱视频在线免费观看| 欧美黑人欧美精品刺激| 日韩一卡2卡3卡4卡2021年| 亚洲精品av麻豆狂野| www.熟女人妻精品国产| cao死你这个sao货| 欧美精品一区二区免费开放| 成人国语在线视频| 黄色毛片三级朝国网站| 老司机亚洲免费影院| 飞空精品影院首页| 午夜免费观看性视频| 成年人免费黄色播放视频| 这个男人来自地球电影免费观看| 亚洲伊人久久精品综合| 久久久久久久久免费视频了| 亚洲一区中文字幕在线| 涩涩av久久男人的天堂| 一二三四社区在线视频社区8| 国产精品 国内视频| 久久久久国产一级毛片高清牌| 高清不卡的av网站| 美女午夜性视频免费| 在线观看免费日韩欧美大片| 亚洲欧美一区二区三区久久| 欧美人与善性xxx| 日本一区二区免费在线视频| 精品久久蜜臀av无| 精品一品国产午夜福利视频| 免费观看人在逋| 亚洲人成电影免费在线| 少妇的丰满在线观看| 久久国产精品人妻蜜桃| 婷婷色综合www| 色婷婷久久久亚洲欧美| 另类精品久久| 高清视频免费观看一区二区| 欧美精品一区二区大全| 自拍欧美九色日韩亚洲蝌蚪91| 国产成人精品久久二区二区免费| 黄网站色视频无遮挡免费观看| 搡老岳熟女国产| 国产精品av久久久久免费| 亚洲欧洲国产日韩| 黄色a级毛片大全视频| 亚洲精品中文字幕在线视频| 日韩电影二区| 99国产精品一区二区蜜桃av | 丰满饥渴人妻一区二区三| 国产精品.久久久| 高清av免费在线| 超碰97精品在线观看| 国产精品久久久久久精品古装| 蜜桃在线观看..| 国产成人91sexporn| 国产视频一区二区在线看| www.av在线官网国产| 又粗又硬又长又爽又黄的视频| 每晚都被弄得嗷嗷叫到高潮| 精品福利永久在线观看| 日日夜夜操网爽| 久久精品熟女亚洲av麻豆精品| 最黄视频免费看| 午夜激情av网站| 女性生殖器流出的白浆| 黄色a级毛片大全视频| 一个人免费看片子| 国产欧美日韩综合在线一区二区| 国产老妇伦熟女老妇高清| 人妻 亚洲 视频| 18在线观看网站| 日韩大片免费观看网站| 我要看黄色一级片免费的| 午夜福利视频在线观看免费| 久久久久精品人妻al黑| 国产熟女午夜一区二区三区| 色视频在线一区二区三区| 妹子高潮喷水视频| 亚洲,欧美,日韩| 超色免费av| 搡老乐熟女国产| 亚洲精品一卡2卡三卡4卡5卡 | 999精品在线视频| 亚洲成av片中文字幕在线观看| 亚洲人成电影观看| av天堂久久9| 性色av一级| 1024香蕉在线观看| 久久99精品国语久久久| 久久精品久久精品一区二区三区| 国产91精品成人一区二区三区 | 如日韩欧美国产精品一区二区三区| 最新在线观看一区二区三区 | 日韩视频在线欧美| 人人妻人人澡人人爽人人夜夜| 欧美黄色淫秽网站| 欧美 亚洲 国产 日韩一| 18禁国产床啪视频网站| 免费在线观看黄色视频的| 婷婷色综合www| 另类亚洲欧美激情| 亚洲五月婷婷丁香| 啦啦啦在线免费观看视频4| 少妇 在线观看| 精品国产一区二区三区四区第35| 最近最新中文字幕大全免费视频 | 国产亚洲av片在线观看秒播厂| 满18在线观看网站| 免费久久久久久久精品成人欧美视频| a 毛片基地| 午夜福利乱码中文字幕| 久久免费观看电影| 男女边吃奶边做爰视频| 国产精品99久久99久久久不卡| 午夜福利乱码中文字幕| 一级,二级,三级黄色视频| 国产男女内射视频| 一二三四在线观看免费中文在| 亚洲成av片中文字幕在线观看| 欧美日韩成人在线一区二区| 伦理电影免费视频| 久热爱精品视频在线9| 久久久精品免费免费高清| 天天操日日干夜夜撸| 夫妻午夜视频| 国产日韩欧美视频二区| 成人亚洲精品一区在线观看| 亚洲伊人久久精品综合| 一本久久精品| 国产又爽黄色视频| 纵有疾风起免费观看全集完整版| 91老司机精品| 国产成人欧美| 日韩,欧美,国产一区二区三区| 又大又黄又爽视频免费| 日本欧美国产在线视频| 1024香蕉在线观看| 国产麻豆69| 美女国产高潮福利片在线看| 黄片小视频在线播放| 国产欧美日韩综合在线一区二区| 国产成人a∨麻豆精品| 老汉色∧v一级毛片| 国产福利在线免费观看视频| 欧美久久黑人一区二区| 亚洲精品第二区| 叶爱在线成人免费视频播放| 视频区图区小说| 黄色毛片三级朝国网站| 国产无遮挡羞羞视频在线观看| 国产有黄有色有爽视频| 亚洲成国产人片在线观看| 免费日韩欧美在线观看| 日本黄色日本黄色录像| 欧美精品一区二区免费开放| 日日爽夜夜爽网站| 日本91视频免费播放| 美女脱内裤让男人舔精品视频| xxx大片免费视频| 麻豆乱淫一区二区| 熟女av电影| 日本wwww免费看| 亚洲成人免费电影在线观看 | 男女国产视频网站| 中文字幕制服av| 永久免费av网站大全| 丁香六月欧美| 国产又色又爽无遮挡免| 国产成人影院久久av| 女人爽到高潮嗷嗷叫在线视频| 午夜免费观看性视频| 日韩av在线免费看完整版不卡| 中文字幕最新亚洲高清| 国产一区有黄有色的免费视频| 国产成人精品久久二区二区91| 久久久精品94久久精品| 老司机靠b影院| 肉色欧美久久久久久久蜜桃| 一边亲一边摸免费视频| 亚洲欧美日韩另类电影网站| 国产男女超爽视频在线观看| 亚洲国产中文字幕在线视频| 亚洲五月色婷婷综合| 岛国毛片在线播放| 熟女少妇亚洲综合色aaa.| 午夜视频精品福利| 美女脱内裤让男人舔精品视频| 青青草视频在线视频观看| 性高湖久久久久久久久免费观看| 久久九九热精品免费| 国产成人精品久久二区二区免费| 国产免费又黄又爽又色| cao死你这个sao货| 久久精品久久精品一区二区三区| 亚洲国产成人一精品久久久| 丝袜美腿诱惑在线| 国产视频首页在线观看| 亚洲图色成人| 青草久久国产| 99国产精品一区二区三区| 亚洲精品久久成人aⅴ小说| 一区在线观看完整版| 又紧又爽又黄一区二区| 啦啦啦 在线观看视频| 精品久久久久久电影网| 午夜激情av网站| 老汉色av国产亚洲站长工具| 日本vs欧美在线观看视频| 亚洲国产精品成人久久小说| 欧美黄色片欧美黄色片| 国产成人一区二区三区免费视频网站 | 亚洲一卡2卡3卡4卡5卡精品中文| 精品少妇内射三级| 国产亚洲精品第一综合不卡| 日韩av在线免费看完整版不卡| 日日夜夜操网爽| 亚洲欧美色中文字幕在线| 久久精品亚洲av国产电影网| 女人爽到高潮嗷嗷叫在线视频| 欧美变态另类bdsm刘玥| 国产成人影院久久av| xxxhd国产人妻xxx| 久久精品aⅴ一区二区三区四区| 波多野结衣一区麻豆| 国产精品久久久久成人av| 欧美激情 高清一区二区三区| 99热网站在线观看| 亚洲专区国产一区二区| 99国产精品免费福利视频| 亚洲国产av新网站| 又紧又爽又黄一区二区| 大香蕉久久网| 一边亲一边摸免费视频| 国产一级毛片在线| 精品国产乱码久久久久久男人| 亚洲国产精品一区三区| 午夜免费成人在线视频| 电影成人av| 99国产精品99久久久久| 在线精品无人区一区二区三| 99久久精品国产亚洲精品| 侵犯人妻中文字幕一二三四区| 肉色欧美久久久久久久蜜桃| 自拍欧美九色日韩亚洲蝌蚪91| 国产一级毛片在线| 亚洲av日韩在线播放| 国产成人av激情在线播放| 亚洲欧美色中文字幕在线| 男人操女人黄网站| 午夜激情av网站| 国产精品.久久久| 欧美大码av| 国产xxxxx性猛交| 婷婷色综合大香蕉| 亚洲精品一卡2卡三卡4卡5卡 | 丝瓜视频免费看黄片| 欧美在线一区亚洲| 一级毛片女人18水好多 | 女人精品久久久久毛片| 国产成人欧美| 欧美精品一区二区大全| 在线观看免费高清a一片| av在线app专区| 国产精品一区二区在线观看99| 国产日韩一区二区三区精品不卡| 成年av动漫网址| 久久99一区二区三区| 亚洲精品av麻豆狂野| 亚洲精品中文字幕在线视频| 成人亚洲欧美一区二区av| 青青草视频在线视频观看| 男人添女人高潮全过程视频| 又大又黄又爽视频免费| 少妇 在线观看| 大型av网站在线播放| 亚洲国产欧美网| 成年人免费黄色播放视频| 国产一区二区 视频在线| 亚洲少妇的诱惑av| 一区二区三区精品91| 国产成人a∨麻豆精品| 亚洲国产欧美一区二区综合| 男女边吃奶边做爰视频| 国产精品麻豆人妻色哟哟久久| 别揉我奶头~嗯~啊~动态视频 | 午夜两性在线视频| 欧美精品人与动牲交sv欧美| 无限看片的www在线观看| 99re6热这里在线精品视频| 国产成人啪精品午夜网站| 亚洲图色成人| 亚洲人成电影观看| 日本欧美国产在线视频| 亚洲国产日韩一区二区| 国产片内射在线| 亚洲精品久久成人aⅴ小说| 亚洲av男天堂| 久久久久久人人人人人| 免费看十八禁软件| 国产老妇伦熟女老妇高清| 视频区欧美日本亚洲| 我的亚洲天堂| 国产一卡二卡三卡精品| 熟女少妇亚洲综合色aaa.| 亚洲 国产 在线| 国产精品偷伦视频观看了| 在现免费观看毛片| 捣出白浆h1v1| 久久ye,这里只有精品| 国产精品久久久av美女十八| 国产极品粉嫩免费观看在线| 国产精品99久久99久久久不卡| 国产成人精品久久久久久| 国语对白做爰xxxⅹ性视频网站| 岛国毛片在线播放| 亚洲欧美日韩高清在线视频 | 丁香六月欧美| 日韩,欧美,国产一区二区三区| 黑人欧美特级aaaaaa片| 国产午夜精品一二区理论片| 欧美另类一区| 考比视频在线观看| 日日摸夜夜添夜夜爱| 天堂中文最新版在线下载| 久久人人爽人人片av| 日本一区二区免费在线视频| 男人添女人高潮全过程视频| xxxhd国产人妻xxx| 成年美女黄网站色视频大全免费| 天堂俺去俺来也www色官网| 日本一区二区免费在线视频| 国产淫语在线视频| 黄色a级毛片大全视频| 成人亚洲欧美一区二区av| 999精品在线视频| 99久久精品国产亚洲精品| 一区二区日韩欧美中文字幕| 丁香六月欧美| 欧美在线一区亚洲| 欧美日韩亚洲高清精品| 大码成人一级视频| 久久av网站| 91九色精品人成在线观看| 日本a在线网址| 一边摸一边做爽爽视频免费| 国产麻豆69| 日韩欧美一区视频在线观看| 日日摸夜夜添夜夜爱| 亚洲国产精品一区二区三区在线| 亚洲精品国产区一区二| 国产一区亚洲一区在线观看| 亚洲成av片中文字幕在线观看| av电影中文网址| 十八禁人妻一区二区| 亚洲国产精品国产精品| 国产亚洲午夜精品一区二区久久| 女人久久www免费人成看片| 亚洲国产精品成人久久小说| 最黄视频免费看| 久久狼人影院| 久久精品久久精品一区二区三区| 大话2 男鬼变身卡| 每晚都被弄得嗷嗷叫到高潮| 成人三级做爰电影| 黄色视频不卡| 亚洲一区中文字幕在线| 精品熟女少妇八av免费久了| 一区福利在线观看| 美女福利国产在线| 亚洲国产欧美一区二区综合| www.自偷自拍.com| 亚洲精品国产色婷婷电影| 午夜福利在线免费观看网站| 亚洲五月色婷婷综合| 极品人妻少妇av视频| 国产又色又爽无遮挡免| 欧美乱码精品一区二区三区| 超色免费av| videos熟女内射| 久久热在线av| 性色av乱码一区二区三区2| 久久精品久久久久久久性| 久久久久视频综合| 久久av网站| 欧美 亚洲 国产 日韩一| 国产精品一国产av| 国产真人三级小视频在线观看| 校园人妻丝袜中文字幕| 永久免费av网站大全| 天天躁夜夜躁狠狠躁躁| 国产精品三级大全| 国产男女超爽视频在线观看| 亚洲成人免费电影在线观看 | 1024香蕉在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产黄频视频在线观看| 国产日韩欧美在线精品| xxxhd国产人妻xxx| 欧美精品人与动牲交sv欧美| 国产深夜福利视频在线观看| 中文字幕最新亚洲高清| 你懂的网址亚洲精品在线观看| 五月天丁香电影| 中国美女看黄片| 亚洲av综合色区一区| 菩萨蛮人人尽说江南好唐韦庄| 精品国产一区二区三区四区第35| 亚洲国产精品一区三区| videosex国产| 欧美国产精品va在线观看不卡| 天天躁夜夜躁狠狠久久av| 国产精品国产三级国产专区5o| 久久性视频一级片| 亚洲精品中文字幕在线视频| 日本一区二区免费在线视频| 国产野战对白在线观看| 国产亚洲欧美精品永久| 人妻 亚洲 视频| 50天的宝宝边吃奶边哭怎么回事| 19禁男女啪啪无遮挡网站| netflix在线观看网站| 亚洲七黄色美女视频| 少妇 在线观看| 亚洲天堂av无毛| av天堂在线播放| 国产一区亚洲一区在线观看| 久热这里只有精品99| 天堂8中文在线网| 人人妻人人澡人人爽人人夜夜| 99国产精品一区二区三区| 麻豆av在线久日| 欧美日韩黄片免| 国产一区二区在线观看av| 巨乳人妻的诱惑在线观看| 久久国产精品人妻蜜桃| 国产福利在线免费观看视频| 国产深夜福利视频在线观看| 黑人欧美特级aaaaaa片| 交换朋友夫妻互换小说| 97在线人人人人妻| 看免费av毛片| 视频在线观看一区二区三区| 波多野结衣av一区二区av| 日日摸夜夜添夜夜爱| 汤姆久久久久久久影院中文字幕| 国产精品久久久av美女十八| 在线观看免费高清a一片| 亚洲五月婷婷丁香| 久久精品熟女亚洲av麻豆精品| 亚洲欧美一区二区三区久久| 一区在线观看完整版|