• <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
    国产精品久久电影中文字幕| 国产视频内射| 国产精品女同一区二区软件 | 91午夜精品亚洲一区二区三区 | 国产精品人妻久久久久久| 亚洲人成网站在线播| 国产麻豆成人av免费视频| 国产黄色小视频在线观看| 色吧在线观看| 久久国产乱子伦精品免费另类| 在线a可以看的网站| 日日夜夜操网爽| 国产视频内射| 久久九九热精品免费| 男女之事视频高清在线观看| 欧美午夜高清在线| 亚洲乱码一区二区免费版| 熟女电影av网| 伊人久久精品亚洲午夜| 脱女人内裤的视频| 蜜桃亚洲精品一区二区三区| 国产精品嫩草影院av在线观看 | 亚洲av不卡在线观看| 午夜精品在线福利| 51午夜福利影视在线观看| 久久人人爽人人爽人人片va | 欧美性猛交黑人性爽| 精品一区二区免费观看| 精品人妻1区二区| 国产精品亚洲一级av第二区| 国产伦在线观看视频一区| 亚洲在线自拍视频| 婷婷丁香在线五月| 真人一进一出gif抽搐免费| 91在线精品国自产拍蜜月| АⅤ资源中文在线天堂| 婷婷六月久久综合丁香| 国产精品影院久久| 国产精品久久久久久久电影| 特级一级黄色大片| 人妻丰满熟妇av一区二区三区| 精品久久久久久成人av| 热99re8久久精品国产| 最后的刺客免费高清国语| 国产伦人伦偷精品视频| 精品久久国产蜜桃| 男女做爰动态图高潮gif福利片| 女同久久另类99精品国产91| 国产色爽女视频免费观看| 亚洲av不卡在线观看| 国产成人av教育| 欧美成人一区二区免费高清观看| 最近视频中文字幕2019在线8| 宅男免费午夜| 色噜噜av男人的天堂激情| av中文乱码字幕在线| 国产午夜福利久久久久久| 伦理电影大哥的女人| 在线观看舔阴道视频| 国产色婷婷99| 又爽又黄a免费视频| 久久草成人影院| 亚洲人成伊人成综合网2020| 亚洲av免费高清在线观看| 老鸭窝网址在线观看| 观看美女的网站| 精品久久国产蜜桃| 精品乱码久久久久久99久播| 色噜噜av男人的天堂激情| 亚洲成人精品中文字幕电影| 日本免费一区二区三区高清不卡| 亚洲中文字幕日韩| 老熟妇乱子伦视频在线观看| 亚洲,欧美,日韩| 国产在线男女| 精品久久久久久久久久免费视频| 国产成人啪精品午夜网站| 成人鲁丝片一二三区免费| 精品人妻熟女av久视频| 午夜精品在线福利| a在线观看视频网站| 亚洲黑人精品在线| 国产黄色小视频在线观看| 国产精品精品国产色婷婷| 成年女人永久免费观看视频| 国产91精品成人一区二区三区| 日本 av在线| eeuss影院久久| 91av网一区二区| 亚洲成人精品中文字幕电影| 男人舔奶头视频| 午夜福利高清视频| 亚洲成人久久性| 麻豆久久精品国产亚洲av| 亚洲专区国产一区二区| 亚洲最大成人中文| 91狼人影院| 麻豆一二三区av精品| 免费观看精品视频网站| av在线老鸭窝| 国产高清三级在线| 最近最新中文字幕大全电影3| 直男gayav资源| 久久伊人香网站| 国产成人啪精品午夜网站| 免费黄网站久久成人精品 | 亚洲成人精品中文字幕电影| 亚洲真实伦在线观看| 午夜福利在线在线| 欧美一区二区精品小视频在线| 国产亚洲精品综合一区在线观看| 日本三级黄在线观看| 国产视频内射| 久久午夜亚洲精品久久| 成人午夜高清在线视频| 亚洲无线在线观看| 岛国在线免费视频观看| 亚洲av成人av| 久久99热这里只有精品18| 精品人妻偷拍中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 午夜日韩欧美国产| 国内久久婷婷六月综合欲色啪| 中文字幕免费在线视频6| 国产免费男女视频| 欧美激情国产日韩精品一区| 老司机深夜福利视频在线观看| 精品一区二区三区人妻视频| 91av网一区二区| 97超视频在线观看视频| 精品一区二区免费观看| 男女做爰动态图高潮gif福利片| avwww免费| 亚洲av日韩精品久久久久久密| 可以在线观看的亚洲视频| 欧美日韩福利视频一区二区| 免费观看的影片在线观看| 国产精品久久久久久人妻精品电影| 免费大片18禁| 九九热线精品视视频播放| 日本精品一区二区三区蜜桃| 国产不卡一卡二| 色在线成人网| 天堂网av新在线| 一级黄片播放器| 精品熟女少妇八av免费久了| 午夜福利在线观看吧| 亚洲av电影不卡..在线观看| 男女视频在线观看网站免费| 国产日本99.免费观看| а√天堂www在线а√下载| 91麻豆精品激情在线观看国产| 国产免费一级a男人的天堂| 伊人久久精品亚洲午夜| av在线老鸭窝| 中出人妻视频一区二区| 美女 人体艺术 gogo| 久久午夜福利片| 亚洲av一区综合| 在线播放国产精品三级| 最新在线观看一区二区三区| a在线观看视频网站| 制服丝袜大香蕉在线| 色哟哟·www| 国产精品爽爽va在线观看网站| 国产高清视频在线观看网站| 亚洲av中文字字幕乱码综合| 99热这里只有是精品50| 久久久国产成人免费| 成人午夜高清在线视频| 免费看美女性在线毛片视频| 天堂√8在线中文| 欧美在线黄色| 人人妻,人人澡人人爽秒播| 婷婷精品国产亚洲av在线| av天堂在线播放| 国产男靠女视频免费网站| 99国产极品粉嫩在线观看| 一进一出抽搐gif免费好疼| 亚洲国产高清在线一区二区三| 身体一侧抽搐| 国内精品美女久久久久久| 亚洲内射少妇av| 国产日本99.免费观看| 少妇高潮的动态图| 亚洲av成人av| 亚洲av电影不卡..在线观看| 久久热精品热| 一个人观看的视频www高清免费观看| 精品久久久久久久久久久久久| 不卡一级毛片| 免费大片18禁| 国产成人a区在线观看| 久久精品人妻少妇| 嫩草影院入口| 人人妻人人看人人澡| 亚洲精品日韩av片在线观看| 国产精品嫩草影院av在线观看 | 一级黄色大片毛片| a级毛片免费高清观看在线播放| 女人被狂操c到高潮| 国产黄片美女视频| 亚洲av日韩精品久久久久久密| 免费看日本二区| 变态另类成人亚洲欧美熟女| 嫩草影院精品99| 色av中文字幕| 在线观看av片永久免费下载| 久久亚洲真实| 久久久久久久久中文| 精品国产三级普通话版| 国产成人av教育| 欧美日韩瑟瑟在线播放| 波多野结衣高清作品| aaaaa片日本免费| 亚洲色图av天堂| 国产精品一及| 亚洲一区高清亚洲精品| 国产一级毛片七仙女欲春2| 露出奶头的视频| 亚洲久久久久久中文字幕| 999久久久精品免费观看国产| or卡值多少钱| 观看免费一级毛片| 亚洲成人中文字幕在线播放| 国产精品美女特级片免费视频播放器| 国产白丝娇喘喷水9色精品| 亚洲熟妇中文字幕五十中出| 欧美成人免费av一区二区三区| 又紧又爽又黄一区二区| 最近视频中文字幕2019在线8| 亚洲欧美日韩高清专用| 一个人观看的视频www高清免费观看| 亚洲av成人av| 国产免费av片在线观看野外av| 国产午夜精品久久久久久一区二区三区 | 一区二区三区高清视频在线| av天堂中文字幕网| 永久网站在线| 日本与韩国留学比较| 国产三级在线视频| 日本 av在线| 天堂√8在线中文| 亚洲精华国产精华精| 久9热在线精品视频| 最新在线观看一区二区三区| 成人美女网站在线观看视频| 91在线观看av| 久久国产精品影院| 精品一区二区免费观看| 午夜福利在线观看吧| 性欧美人与动物交配| 免费一级毛片在线播放高清视频| 蜜桃亚洲精品一区二区三区| 伊人久久精品亚洲午夜| 草草在线视频免费看| 少妇丰满av| 久久精品久久久久久噜噜老黄 | 欧美极品一区二区三区四区| 人妻丰满熟妇av一区二区三区| 小蜜桃在线观看免费完整版高清| 国产爱豆传媒在线观看| 国产精品一区二区三区四区久久| 在线观看午夜福利视频| 99热这里只有是精品在线观看 | 舔av片在线| 能在线免费观看的黄片| 国产精品电影一区二区三区| 国产精品一区二区性色av| 国产精品av视频在线免费观看| 亚洲片人在线观看| 夜夜爽天天搞| 成人亚洲精品av一区二区| 国产亚洲精品综合一区在线观看| 久久久久免费精品人妻一区二区| 成人av一区二区三区在线看| 无遮挡黄片免费观看| 精品免费久久久久久久清纯| av女优亚洲男人天堂| 欧美丝袜亚洲另类 | 成年免费大片在线观看| 亚洲中文日韩欧美视频| 日韩欧美 国产精品| 国产精品av视频在线免费观看| 欧美黑人巨大hd| 一卡2卡三卡四卡精品乱码亚洲| 成人永久免费在线观看视频| 日韩成人在线观看一区二区三区| 露出奶头的视频| 色视频www国产| 欧美日本视频| 免费看a级黄色片| 我要看日韩黄色一级片| 夜夜夜夜夜久久久久| 在线十欧美十亚洲十日本专区| 亚洲精品亚洲一区二区| avwww免费| 性色av乱码一区二区三区2| 美女高潮的动态| a在线观看视频网站| 日韩欧美在线二视频| 免费在线观看成人毛片| 丁香六月欧美| 大型黄色视频在线免费观看| 色吧在线观看| 国产亚洲精品久久久com| 国产在视频线在精品| 精品不卡国产一区二区三区| 国产高清激情床上av| 亚洲五月天丁香| 亚洲av不卡在线观看| 亚洲最大成人中文| 搡老岳熟女国产| 一级毛片久久久久久久久女| 成人亚洲精品av一区二区| 亚洲经典国产精华液单 | 亚洲人成网站在线播| 一个人看视频在线观看www免费| 中文字幕av成人在线电影| 国产精品日韩av在线免费观看| 精品99又大又爽又粗少妇毛片 | av中文乱码字幕在线| 中文字幕熟女人妻在线| 午夜视频国产福利| 国产精品日韩av在线免费观看| 又黄又爽又刺激的免费视频.| 男女下面进入的视频免费午夜| 很黄的视频免费| 12—13女人毛片做爰片一| www.www免费av| 日韩精品中文字幕看吧| а√天堂www在线а√下载| 国产伦一二天堂av在线观看| 欧美性猛交╳xxx乱大交人| 国产精品电影一区二区三区| 国产成人福利小说| 美女被艹到高潮喷水动态| 国产高清视频在线观看网站| 高潮久久久久久久久久久不卡| 亚洲综合色惰| av在线老鸭窝| 十八禁网站免费在线| 一本精品99久久精品77| 亚洲激情在线av| 成熟少妇高潮喷水视频| 久久亚洲精品不卡| 高清在线国产一区| 免费av毛片视频| 亚洲男人的天堂狠狠| 少妇被粗大猛烈的视频| 美女高潮的动态| 女同久久另类99精品国产91| 亚洲五月婷婷丁香| 成年女人看的毛片在线观看| 久久九九热精品免费| 欧美三级亚洲精品| 精品一区二区三区视频在线| 亚洲专区中文字幕在线| 国内精品久久久久久久电影| 婷婷精品国产亚洲av在线| 能在线免费观看的黄片| 神马国产精品三级电影在线观看| 99热6这里只有精品| 欧美一区二区精品小视频在线| 亚洲av免费高清在线观看| 午夜福利在线观看免费完整高清在 | 国产成人a区在线观看| eeuss影院久久| 最近在线观看免费完整版| 看十八女毛片水多多多| 91在线精品国自产拍蜜月| 亚洲欧美日韩东京热| 舔av片在线| 人人妻人人看人人澡| 国产精品爽爽va在线观看网站| 日韩欧美在线乱码| 俄罗斯特黄特色一大片| 国产高清有码在线观看视频| 一区二区三区激情视频| 1024手机看黄色片| 成人av一区二区三区在线看| 一级黄片播放器| 国产男靠女视频免费网站| aaaaa片日本免费| 最好的美女福利视频网| 亚洲第一欧美日韩一区二区三区| 色噜噜av男人的天堂激情| 欧美成人免费av一区二区三区| 国产一区二区在线观看日韩| 国产成人啪精品午夜网站| 99久久精品热视频| 国产成人a区在线观看| 长腿黑丝高跟| 国产精品亚洲美女久久久| АⅤ资源中文在线天堂| 99精品在免费线老司机午夜| 亚洲国产欧美人成| 久久久久免费精品人妻一区二区| 精品免费久久久久久久清纯| .国产精品久久| 毛片一级片免费看久久久久 | 欧美乱色亚洲激情| 宅男免费午夜| 99热这里只有是精品在线观看 | 一本一本综合久久| 波野结衣二区三区在线| 亚洲狠狠婷婷综合久久图片| 丁香六月欧美| 哪里可以看免费的av片| 国产精品久久电影中文字幕| 色在线成人网| av女优亚洲男人天堂| 麻豆成人av在线观看| 欧美性感艳星| 国产一区二区激情短视频| 国产在线精品亚洲第一网站| 国产av在哪里看| 日韩亚洲欧美综合| 黄色配什么色好看| 成人特级av手机在线观看| 欧美一级a爱片免费观看看| 九九久久精品国产亚洲av麻豆| 久久精品国产99精品国产亚洲性色| 麻豆久久精品国产亚洲av| 90打野战视频偷拍视频| 国产又黄又爽又无遮挡在线| 大型黄色视频在线免费观看| 亚洲精品影视一区二区三区av| 亚洲一区二区三区不卡视频| 国产欧美日韩精品亚洲av| 99久国产av精品| 91字幕亚洲| 午夜福利在线观看吧| 欧美潮喷喷水| 丰满的人妻完整版| 99热6这里只有精品| 国产乱人伦免费视频| 国产精品自产拍在线观看55亚洲| 久久伊人香网站| 久久精品人妻少妇| 亚洲五月婷婷丁香| 亚洲av五月六月丁香网| 国产精品日韩av在线免费观看| 国产aⅴ精品一区二区三区波| 3wmmmm亚洲av在线观看| 狂野欧美白嫩少妇大欣赏| 夜夜躁狠狠躁天天躁| 99久久成人亚洲精品观看| 中文字幕人成人乱码亚洲影| 在线观看一区二区三区| 91麻豆精品激情在线观看国产| 真实男女啪啪啪动态图| 亚洲自偷自拍三级| 十八禁国产超污无遮挡网站| 婷婷六月久久综合丁香| 一级av片app| 欧美一区二区精品小视频在线| 一级作爱视频免费观看| 色哟哟哟哟哟哟| 国产淫片久久久久久久久 | 久久人人精品亚洲av| 在线看三级毛片| 欧美日本亚洲视频在线播放| 在线免费观看不下载黄p国产 | 色哟哟哟哟哟哟| 能在线免费观看的黄片| 国内少妇人妻偷人精品xxx网站| 麻豆国产av国片精品| 99视频精品全部免费 在线| 两个人视频免费观看高清| 在线播放无遮挡| www.999成人在线观看| 男女那种视频在线观看| 久久久久久久久大av| 尤物成人国产欧美一区二区三区| 人人妻人人澡欧美一区二区| 日本黄色片子视频| 国产三级在线视频| 可以在线观看的亚洲视频| 欧美三级亚洲精品| 久久性视频一级片| 成年版毛片免费区| 69人妻影院| 国产精品电影一区二区三区| 国产91精品成人一区二区三区| 精品一区二区三区av网在线观看| 热99在线观看视频| 国产精品亚洲av一区麻豆| av在线观看视频网站免费| 桃色一区二区三区在线观看| 人妻夜夜爽99麻豆av| 亚洲欧美日韩高清专用| 欧美区成人在线视频| 日本一二三区视频观看| 亚洲中文字幕日韩| 亚洲精品影视一区二区三区av| av福利片在线观看| 69人妻影院| 日韩精品中文字幕看吧| 两个人视频免费观看高清| 天天一区二区日本电影三级| 亚洲aⅴ乱码一区二区在线播放| 18+在线观看网站| 极品教师在线免费播放| 欧美激情国产日韩精品一区| av在线天堂中文字幕| 成人永久免费在线观看视频| 极品教师在线免费播放| 91在线观看av| 性色av乱码一区二区三区2| 国产亚洲精品综合一区在线观看| 黄片小视频在线播放| 欧美另类亚洲清纯唯美| 3wmmmm亚洲av在线观看| 精品99又大又爽又粗少妇毛片 | 亚洲无线在线观看| 韩国av一区二区三区四区| 亚洲最大成人av| 欧美日韩国产亚洲二区| 99在线人妻在线中文字幕| 免费av观看视频| 九九热线精品视视频播放| 国产探花在线观看一区二区| 欧美一区二区国产精品久久精品| 欧美最黄视频在线播放免费| 国产精品一及| 男女那种视频在线观看| 长腿黑丝高跟| 国产av麻豆久久久久久久| 久久久久久大精品| 欧美潮喷喷水| a级毛片免费高清观看在线播放| 看黄色毛片网站| 一个人免费在线观看的高清视频| 午夜日韩欧美国产| 日本精品一区二区三区蜜桃| 99热这里只有是精品50| 黄色女人牲交| 精品99又大又爽又粗少妇毛片 | 日本精品一区二区三区蜜桃| 国内精品久久久久精免费| 国产精品爽爽va在线观看网站| 窝窝影院91人妻| 亚洲自偷自拍三级| 国产高清三级在线| 久久精品影院6| 乱码一卡2卡4卡精品| www.色视频.com| 国产av一区在线观看免费| 在线免费观看的www视频| 又爽又黄a免费视频| 五月玫瑰六月丁香| 久久国产精品人妻蜜桃| 国产黄a三级三级三级人| 国产欧美日韩精品一区二区| 国产精品三级大全| 国产熟女xx| 日日干狠狠操夜夜爽| 内射极品少妇av片p| 亚洲国产精品成人综合色| 在线十欧美十亚洲十日本专区| 亚洲精华国产精华精| 亚洲 欧美 日韩 在线 免费| 国产真实乱freesex| 在线观看av片永久免费下载| 好男人在线观看高清免费视频| 又粗又爽又猛毛片免费看| 一级黄片播放器| 一a级毛片在线观看| 丰满人妻熟妇乱又伦精品不卡| 美女黄网站色视频| 欧美潮喷喷水| 美女xxoo啪啪120秒动态图 | 一个人观看的视频www高清免费观看| 波野结衣二区三区在线| 亚洲av免费高清在线观看| 亚洲成人久久性| 国产69精品久久久久777片| 日韩中字成人| 亚洲av电影不卡..在线观看| 男女下面进入的视频免费午夜| 国产久久久一区二区三区| 久久精品国产亚洲av香蕉五月| 高清在线国产一区| 国产精品免费一区二区三区在线| 国产成人a区在线观看| 国产三级黄色录像| 国产精品乱码一区二三区的特点| 亚洲五月婷婷丁香| 欧美日本亚洲视频在线播放| 国产在视频线在精品| 一二三四社区在线视频社区8| 亚洲在线自拍视频| 极品教师在线免费播放| 国产精品国产高清国产av| 久久午夜亚洲精品久久| 此物有八面人人有两片| 国产真实乱freesex| 男人舔奶头视频| 99热这里只有精品一区| 88av欧美| 中文字幕av在线有码专区| 日韩欧美免费精品| 亚洲色图av天堂| 国产精品嫩草影院av在线观看 | 国产精品一区二区性色av| 午夜福利成人在线免费观看| 97超视频在线观看视频| 国产精品乱码一区二三区的特点| 国产成人av教育| 亚洲精品色激情综合| 久久久久国产精品人妻aⅴ院| 51国产日韩欧美| 久久婷婷人人爽人人干人人爱| 九色国产91popny在线|