• <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模型的小麥品種(系)穗數(shù)檢測

    2022-12-20 02:20:34臧賀藏趙晴周萌曹廷杰張杰李國強鄭國清
    山東農(nóng)業(yè)科學 2022年11期
    關鍵詞:穗數(shù)麥穗計數(shù)

    臧賀藏,趙晴,周萌,曹廷杰,張杰,李國強,鄭國清

    (1. 河南省農(nóng)業(yè)科學院農(nóng)業(yè)經(jīng)濟與信息研究所/農(nóng)業(yè)農(nóng)村部黃淮海智慧農(nóng)業(yè)技術重點實驗室,河南 鄭州 450002;2. 河南省農(nóng)業(yè)科學院小麥研究所,河南 鄭州 450002)

    小麥是我國重要的糧食作物,全世界約35%~40%的人口以小麥為主食[1-3]。2021年,我國小麥種植面積2 291.1 萬公頃,產(chǎn)量1.34 億噸,是世界最大的小麥生產(chǎn)國[4]。小麥產(chǎn)量由單位面積穗數(shù)、每穗粒數(shù)和粒重構成[5,6],及時準確獲取穗數(shù)可為小麥產(chǎn)量估測和品種評價提供科學依據(jù)。在實際生產(chǎn)中,小麥穗數(shù)的獲取主要以人工實地調(diào)查為主,即選取一定長度的小麥樣段,人工調(diào)查穗數(shù),然后根據(jù)整片區(qū)域小麥的平均行距,推算單位面積小麥穗數(shù)。這種方法存在主觀性強、隨機性強、缺乏統(tǒng)一標準等弊端,費時費力、效率低,而且不能實時、快速地獲取統(tǒng)計結果。

    隨著機器視覺技術的快速發(fā)展,圖像處理技術在病蟲害檢測[7-11]、表型參數(shù)監(jiān)測[12-14]以及產(chǎn)量預測[15-17]方面得到了廣泛應用,目前在小麥穗數(shù)識別和數(shù)量檢測方面也有一些研究,如杜穎等[2]在無氮、低氮、正常氮和高氮4 個氮水平下,基于超像素分割和顏色特征,快速準確地統(tǒng)計出大田小麥穗數(shù);高姻燕等[18]基于YOLOv3 對無人機航拍得到的典型田間小麥穗數(shù)圖像進行檢測,實現(xiàn)了小麥穗數(shù)及時高效地估測;劉哲等[19]提出一種基于改進的Bayes 摳圖算法的麥穗小穗自動計數(shù)方法,可以實現(xiàn)小麥小穗數(shù)的高效、自動計數(shù);鄧國強等[20]采用數(shù)碼相機獲取人工接種赤霉病菌的麥穗圖像,然后基于改進的U-net 模型對標記好的發(fā)病麥穗圖像進行訓練,可以很好地識別與監(jiān)測小麥赤霉病穗。但以往研究多集中于不同栽培管理措施下的小麥穗數(shù)識別,且應用YOLOv5s 訓練模型對小麥品種(系)穗數(shù)識別和統(tǒng)計的研究報道甚少。鑒于科研人員便于攜帶、易操作的需求,本研究利用智能手機進行麥穗圖像采集,然后針對密度高、遮擋及交叉重疊嚴重導致的麥穗檢測錯誤和漏檢等問題,以2020—2021年度參加國家冬小麥黃淮南片水地組區(qū)域試驗的82 個小麥品種(系)為材料,通過目標檢測手段YOLOv5s 獲得訓練模型,實現(xiàn)麥穗的自動識別和數(shù)量統(tǒng)計,以期為田間小麥品種(系)穗數(shù)統(tǒng)計和產(chǎn)量估測提供技術支撐。

    1 材料與方法

    1.1 試驗地概況

    供試材料為參加2020—2021年度國家冬小麥黃淮海南片水地組區(qū)域試驗的82 個小麥品種(系),種植于河南省農(nóng)業(yè)科學院河南現(xiàn)代農(nóng)業(yè)研究開發(fā)基地。該地位于北緯35°0′44″、東經(jīng)113°41′44 ″,屬暖溫帶大陸性季風氣候,年平均氣溫為14.4℃,多年平均降雨量為549.9 mm,全年日照時數(shù)2 300~2 600 h,小麥—玉米輪作為該地區(qū)的主要種植模式。

    試驗共設有501 個小區(qū),隨機區(qū)組排列,3 次重復;每個小區(qū)種植6 行小麥,小區(qū)面積12 m2。播種日期為2020年10月9 日,種植密度195 萬株/hm2。試驗田管理措施高于普通大田。

    1.2 數(shù)據(jù)采集與數(shù)據(jù)集構建

    1.2.1 公開數(shù)據(jù)集 由于人工標記抽穗期圖像工作量較大,因此從Global Wheat Challenge 2021(https:/ /www.aicrowd.com/challenges/global-wheatchallenge-2021)提供的公開數(shù)據(jù)集中篩選出拍攝清晰無遮擋的2 583 幅圖像,圖像分辨率為1 024像素×1 024 像素,用作模型訓練集和驗證集的樣本圖像分別為2 325 幅和258 幅,部分圖像示例如圖1 所示。

    圖1 全球小麥數(shù)據(jù)集中部分圖像示例

    1.2.2 圖像數(shù)據(jù)采集 于2021年4月19 日上午10 時、天氣晴朗無云時,使用智能手機Honor 20 pro 拍攝正處于抽穗期的麥穗圖像。拍攝時將智能手機固定在手持拍攝桿上,于小麥冠層上方50 cm 處垂直拍攝。篩選出拍攝清晰無遮擋的360幅圖像作為測試集,圖像分辨率為960 像素×720像素。

    1.2.3 數(shù)據(jù)集構建和標注 為了獲得更好的圖像檢測結果,利用標注工具Labelimg 對麥穗圖像進行紅色方框標注,即在每個麥穗位置標記一個紅色方框。標注結果可以保存為YOLO 系列的.CSV文件,包括train/box_loss、train/obj_loss、train/cls_loss、precision、recall、mAP_0.5、mAP_0.5:0.95、val/box_loss、val/obj_loss、val/cls_loss、x/lr0、x/lr1、x/lr2。

    1.3 模型構建

    1.3.1 YOLOv5s 訓練模型網(wǎng)絡結構 YOLO 系列是單階段目標檢測具有代表性的算法,其中YOLOv5 網(wǎng)絡模型在YOLOv4 基礎上進行了改進,主要包括YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x 四個版本,而YOLOv5s 具有運行速度快、靈活性高的特點,在模型快速部署上具有較強的優(yōu)勢,檢測速度在四個版本中最快[21]。與其他3 個版本比較,YOLOv5s 是YOLOv5 模型中體積最小的網(wǎng)絡模型,具有深度最淺和寬度最窄的優(yōu)勢,可以更好地滿足實時性需求,所需消耗的參數(shù)量和計算量最小。

    本研究即采用YOLOv5s 進行訓練模型構建,由輸入端(Input)、主干網(wǎng)絡(Backbone)、頸部(Neck)、頭部(Head)和輸出端(Output)五部分組成,網(wǎng)絡結構如圖2 所示。輸入端輸入的圖像尺寸為640×640×3,采用Mosaic 數(shù)據(jù)增強、Anchor自適應錨框計算和圖像縮放等策略對圖像進行預處理。在YOLOv5 中使用CSPDarknet53 作為模型的主干網(wǎng)絡,包括Focus 模塊、Conv 模塊、C3 模塊和SPP 模塊,其作用是從輸入圖像中提取豐富的語義特征;頸部采用FPN 和PAN 生成特征金字塔,用來增強對多尺度目標的檢測;頭部是對從頸部傳遞來的特征進行預測,并生成3 個不同尺度的特征圖。

    圖2 YOLOv5s 算法網(wǎng)絡結構

    1.3.2 YOLOv5s 主干網(wǎng)絡模塊 YOLOv5s 主干網(wǎng)絡結構示意圖如圖3 所示。

    圖3 YOLOv5s 網(wǎng)絡中主干網(wǎng)絡模塊結構示意圖

    Conv 模塊的結構為Conv2d+BN+SiLU,依次是卷積層、歸一化操作和激活函數(shù)。

    Focus 模塊的目的是減少模型的計算量,加快網(wǎng)絡的訓練速度。首先將輸入大小為3×640×640 的圖像切分成4 個切片,每個切片的大小為3×320×320。然后使用拼接操作將4 個切片通過通道維度拼接起來,得到的特征圖尺度為12×320×320。再經(jīng)過一次卷積操作,最終得到32×320×320 的特征圖。

    C3 模塊由兩個分支組成,在第一條分支中輸入的特征圖要通過3 個連續(xù)的Conv 模塊和多個堆疊的Bottleneck 模塊;在第二條分支中,特征圖僅通過一個Conv 模塊,最終將兩個分支按通道拼接在一起。其中,Bottleneck 模塊可更好地提取目標的高級特征,主要由兩個連續(xù)的卷積操作和一個殘差操作組成。

    SPP 模塊是空間金字塔池化模塊,用來擴大網(wǎng)絡的感受野。在YOLOv5s 中SPP 模塊的輸入特征圖大小為512×20×20,通過一個Conv 模塊后通道數(shù)減半;然后對特征圖使用卷積核分別為5×5、9×9、13×13 的最大池化操作,并將3 種特征圖與輸入特征圖按通道拼接后再通過一個Conv 模塊,最終輸出的特征圖大小為512×20×20。

    1.4 模型訓練

    試驗選用Intel(R) Core(TM) i7-10600 CPU @2.90GHz,GPU 選擇NVIDIA GeForce RTX3090,顯存24GB,使用PyTorch1.10 作為深度學習框架。

    將訓練集、驗證集和測試集圖像的尺寸統(tǒng)一調(diào)整為640 像素×640 像素,并分為多個批次,遍歷所有批次后完成一次迭代。優(yōu)化器選擇SGD,設置初始學習率為0.01,隨著迭代次數(shù)增加降低學習率至0.001。

    1.5 模型驗證

    為了驗證模型檢測精度,隨機抽取10 幅圖像,基于統(tǒng)一的麥穗計數(shù)標準,挑選具有相關農(nóng)學背景的2 名人員分別對每幅圖像中的麥穗進行計數(shù),取平均值作為該圖像對應的小麥穗數(shù)測量值。

    1.6 評價指標

    為評估YOLOv5s 模型檢測效果,采用精準率(precision,P)、召回率(recall,R)、平均精度均值mAP(mean average precision)和F1 值(F1-Score)作為評價小麥穗數(shù)檢測模型性能的指標。計算公式如下:

    式中TP 指正確檢測出的圖像中小麥麥穗數(shù)量;FP 指誤把圖像中背景識別為小麥麥穗的數(shù)量;FN 指未正確識別出的小麥麥穗數(shù)量;P(k)表示可以識別k 幅圖像的精度;dR(k)表示識別的圖像數(shù)量從k 改變時召回率的變化。

    2 結果與分析

    2.1 模型檢測效果

    利用YOLOv5s 訓練模型對不同小麥新品種(系)麥穗圖像進行檢測,結果如圖4 所示,圖中紅色框標注即為YOLOv5s 訓練模型對麥穗識別的結果。通過與原始圖像對比發(fā)現(xiàn),YOLOv5s 訓練模型可以較好地檢測出紅色方框中特別小的麥穗,麥穗邊界框回歸也更精準,有效提高了對小目標的檢測精度,較好地解決了麥穗的遮擋和重疊問題,提高了麥穗計數(shù)的準確率。

    圖4 小麥穗部圖像檢測結果

    2.2 模型訓練結果

    由圖5 可以看出,經(jīng)過60 次訓練,最終模型的精準率為96.47%,召回率為93.98%,mAP 為0.971,損失值降至0.03,說明該模型準確率、召回率較高,損失值較低,達到了收斂。

    圖5 訓練結果

    2.3 模型檢測結果驗證

    為驗證YOLOv5s 模型在小麥品種(系)麥穗計數(shù)上的準確率,隨機抽取10 幅圖像,人工統(tǒng)計麥穗數(shù)量,并將兩種方法的統(tǒng)計結果進行對比分析,結果(表1)顯示,利用YOLOv5s 模型檢測的準確率在94.39%~96.55%,平均95.60%,誤差為3.45~5.61,精度較高,且對每幅圖像的檢測平均耗時0.07s,檢測效率遠高于人工統(tǒng)計。

    表1 人工統(tǒng)計與YOLOv5 模型統(tǒng)計結果對比

    3 討論與結論

    穗數(shù)是決定小麥產(chǎn)量的重要表型性狀,根據(jù)影像資料進行麥穗檢測是小麥表型研究的熱點[22]?;跓o人機數(shù)碼圖像的小麥穗數(shù)監(jiān)測主要采用目標檢測方法獲取小麥穗的數(shù)量和幾何圖形[23-25]。Fernandez-Gallego 等[26]采用深度學習算法基于小麥穗部熱圖進行麥穗計數(shù)。鮑文霞等[27]基于數(shù)碼相機拍攝的田間小麥穗部圖像,采用遷移學習方法,構建了麥穗計數(shù)函數(shù)模型,實現(xiàn)了田間麥穗的計數(shù)。范夢揚等[28]利用部署于田

    間的攝像頭采集小麥穗的低分辨率群體圖像,并采用支持向量機法獲取了圖像中的麥穗數(shù)量。陳佳瑋等[29]采用輕量級深度學習技術構建了安卓手機智能化分析軟件,利用安卓智能手機俯拍小麥圖像,可離線識別圖像中的麥穗數(shù)量。

    本研究基于YOLOv5s 訓練模型,利用智能手機拍攝的圖像,完成了小麥新品種的麥穗數(shù)量檢測,模型檢測精準率、召回率和平均精度均值分別為96.47%、93.98%和0.971,單幅圖像平均檢測時間為0.07 s,與人工基于圖像的統(tǒng)計結果相比,準確率達到95.60%,取得了較好的檢測效果與泛化特性。表明YOLOv5s 訓練模型在復雜田間環(huán)境中的適用性較高,能較好地解決小麥穗的遮擋和重疊問題,從而高效、準確地檢測出小麥穗數(shù),可為實際生產(chǎn)中小麥穗計數(shù)及產(chǎn)量估測提供技術參考。

    隨著深度學習技術的快速發(fā)展,使用現(xiàn)有卷積神經(jīng)網(wǎng)絡進行小麥穗數(shù)檢測的精度已經(jīng)不能滿足科研人員的需求。在今后的研究方向中,本課題組將根據(jù)小麥穗數(shù)檢測任務的特征,進一步優(yōu)化卷積神經(jīng)網(wǎng)絡結構,使用擬合度更高的數(shù)據(jù)集,以實現(xiàn)對小麥穗數(shù)更高精度的識別。

    猜你喜歡
    穗數(shù)麥穗計數(shù)
    播期和密度對揚麥25產(chǎn)量及產(chǎn)量構成因子的影響
    五月麥穗金燦燦
    輕音樂(2022年11期)2022-11-22 12:56:18
    古人計數(shù)
    彩虹色的雨
    遞歸計數(shù)的六種方式
    古代的計數(shù)方法
    雜交晚粳稻通優(yōu)粳1號產(chǎn)量及構成因子分析
    麥穗穗
    民族音樂(2018年5期)2018-11-17 08:20:00
    高產(chǎn)小麥構成要素的解析與掌握
    揀麥穗
    趣味(語文)(2018年7期)2018-06-26 08:13:52
    在线永久观看黄色视频| 999久久久国产精品视频| 日本vs欧美在线观看视频| 中文字幕人妻丝袜一区二区| 在线观看舔阴道视频| 亚洲天堂av无毛| 欧美黑人精品巨大| 丁香六月欧美| 99久久精品国产亚洲精品| 国产精品美女特级片免费视频播放器 | 美女午夜性视频免费| 国产亚洲一区二区精品| 亚洲va日本ⅴa欧美va伊人久久| 一区二区三区乱码不卡18| 看免费av毛片| 美女福利国产在线| 热re99久久国产66热| 男男h啪啪无遮挡| 在线 av 中文字幕| 国产精品99久久99久久久不卡| 在线亚洲精品国产二区图片欧美| 国产亚洲精品第一综合不卡| 国产xxxxx性猛交| 久久久欧美国产精品| 日韩欧美一区二区三区在线观看 | 另类精品久久| 免费在线观看影片大全网站| 在线 av 中文字幕| 亚洲国产成人一精品久久久| 国产精品影院久久| 久久午夜综合久久蜜桃| 久久人妻福利社区极品人妻图片| 天天添夜夜摸| 欧美日本中文国产一区发布| 精品国产一区二区三区久久久樱花| 久久中文字幕人妻熟女| 中文字幕另类日韩欧美亚洲嫩草| 色94色欧美一区二区| 大陆偷拍与自拍| 亚洲国产精品一区二区三区在线| 久久99一区二区三区| 日韩人妻精品一区2区三区| 又大又爽又粗| 久久精品亚洲av国产电影网| 中文字幕人妻熟女乱码| 国产极品粉嫩免费观看在线| 日韩一卡2卡3卡4卡2021年| 亚洲人成伊人成综合网2020| 成年女人毛片免费观看观看9 | a在线观看视频网站| 亚洲国产欧美一区二区综合| 国产一区二区三区综合在线观看| 久久毛片免费看一区二区三区| 国产精品九九99| 欧美精品人与动牲交sv欧美| 十八禁人妻一区二区| 国产欧美日韩一区二区精品| 亚洲欧美一区二区三区久久| 午夜福利视频精品| 免费在线观看视频国产中文字幕亚洲| 一本综合久久免费| 超碰97精品在线观看| 日韩欧美国产一区二区入口| 一个人免费看片子| 在线观看免费视频网站a站| 久久中文看片网| 国产精品.久久久| 一个人免费在线观看的高清视频| 日韩熟女老妇一区二区性免费视频| 久久国产精品大桥未久av| 男女之事视频高清在线观看| 亚洲人成电影观看| 免费不卡黄色视频| 久久久精品94久久精品| 中文字幕最新亚洲高清| 精品一区二区三区av网在线观看 | 精品一区二区三区视频在线观看免费 | 麻豆成人av在线观看| 飞空精品影院首页| 涩涩av久久男人的天堂| 国产精品香港三级国产av潘金莲| 国产精品免费一区二区三区在线 | 每晚都被弄得嗷嗷叫到高潮| 久久人人97超碰香蕉20202| 午夜福利视频在线观看免费| 欧美变态另类bdsm刘玥| 亚洲精品国产精品久久久不卡| 大香蕉久久网| 啪啪无遮挡十八禁网站| 免费观看a级毛片全部| 99热网站在线观看| 欧美大码av| 午夜福利视频精品| 99国产精品一区二区三区| 国产精品免费视频内射| 精品国产亚洲在线| 久久精品国产a三级三级三级| 男女午夜视频在线观看| 国产成人系列免费观看| 精品乱码久久久久久99久播| 国产精品久久久人人做人人爽| 一二三四社区在线视频社区8| 欧美激情高清一区二区三区| 一级,二级,三级黄色视频| 别揉我奶头~嗯~啊~动态视频| 性少妇av在线| 国产精品欧美亚洲77777| 啦啦啦中文免费视频观看日本| 天天躁日日躁夜夜躁夜夜| 一边摸一边做爽爽视频免费| 18禁观看日本| 少妇被粗大的猛进出69影院| 国产欧美亚洲国产| 国产成人精品无人区| 两性夫妻黄色片| 国产精品美女特级片免费视频播放器 | 天天躁夜夜躁狠狠躁躁| 国产不卡一卡二| 国产高清激情床上av| 欧美激情极品国产一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 欧美乱妇无乱码| 一本色道久久久久久精品综合| 欧美大码av| 免费一级毛片在线播放高清视频 | 婷婷成人精品国产| 亚洲美女黄片视频| 国产精品香港三级国产av潘金莲| 亚洲精品美女久久久久99蜜臀| 国产主播在线观看一区二区| 欧美日韩亚洲综合一区二区三区_| 大香蕉久久网| 91av网站免费观看| 人人妻人人添人人爽欧美一区卜| 99精国产麻豆久久婷婷| 嫁个100分男人电影在线观看| 亚洲人成伊人成综合网2020| 亚洲精品国产一区二区精华液| 久久青草综合色| 激情在线观看视频在线高清 | 国产高清videossex| 高清欧美精品videossex| 成人特级黄色片久久久久久久 | 国产亚洲精品久久久久5区| 国产亚洲欧美精品永久| 国产片内射在线| 欧美性长视频在线观看| 亚洲专区中文字幕在线| 久久精品aⅴ一区二区三区四区| 午夜福利免费观看在线| 久久午夜亚洲精品久久| 亚洲欧洲日产国产| 亚洲精品av麻豆狂野| 黄色视频在线播放观看不卡| 男女午夜视频在线观看| 99re6热这里在线精品视频| 中国美女看黄片| 久久久久视频综合| 中文字幕av电影在线播放| 亚洲精品一卡2卡三卡4卡5卡| 嫩草影视91久久| 亚洲成人国产一区在线观看| 肉色欧美久久久久久久蜜桃| 亚洲色图 男人天堂 中文字幕| www.精华液| 无限看片的www在线观看| 婷婷成人精品国产| 欧美黄色片欧美黄色片| 亚洲精品自拍成人| 精品久久蜜臀av无| 中文字幕高清在线视频| 黑人巨大精品欧美一区二区mp4| 久久久国产欧美日韩av| 精品少妇黑人巨大在线播放| 亚洲国产精品一区二区三区在线| 女警被强在线播放| 可以免费在线观看a视频的电影网站| 日本av手机在线免费观看| 性少妇av在线| 亚洲综合色网址| 青青草视频在线视频观看| 午夜两性在线视频| 久久久欧美国产精品| 精品福利永久在线观看| 国产单亲对白刺激| 欧美久久黑人一区二区| 在线观看66精品国产| 女人高潮潮喷娇喘18禁视频| 99在线人妻在线中文字幕 | 国产精品久久久久久人妻精品电影 | 热re99久久国产66热| 亚洲欧美精品综合一区二区三区| 国产在线一区二区三区精| 99re6热这里在线精品视频| 亚洲国产欧美一区二区综合| 国产成人免费观看mmmm| 啦啦啦视频在线资源免费观看| 亚洲精品在线美女| 热99久久久久精品小说推荐| 成人亚洲精品一区在线观看| 久久免费观看电影| 桃花免费在线播放| 免费av中文字幕在线| 啦啦啦在线免费观看视频4| 中文亚洲av片在线观看爽 | 国产又爽黄色视频| 亚洲精品粉嫩美女一区| 男女免费视频国产| 免费不卡黄色视频| 美女福利国产在线| 热re99久久精品国产66热6| 亚洲美女黄片视频| 国产午夜精品久久久久久| 亚洲av欧美aⅴ国产| 亚洲人成伊人成综合网2020| av国产精品久久久久影院| 久久国产精品影院| 国产日韩欧美亚洲二区| av有码第一页| av福利片在线| 日日爽夜夜爽网站| 妹子高潮喷水视频| 18禁国产床啪视频网站| 最近最新免费中文字幕在线| 色综合欧美亚洲国产小说| 99久久99久久久精品蜜桃| 亚洲av成人不卡在线观看播放网| 女人久久www免费人成看片| 欧美亚洲 丝袜 人妻 在线| av天堂久久9| 纯流量卡能插随身wifi吗| 一个人免费在线观看的高清视频| 热99re8久久精品国产| 99国产精品99久久久久| 亚洲三区欧美一区| 亚洲精品在线观看二区| 日韩三级视频一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 色视频在线一区二区三区| 亚洲三区欧美一区| 亚洲男人天堂网一区| 久久午夜亚洲精品久久| 国产成人免费无遮挡视频| 18禁观看日本| 久久人妻福利社区极品人妻图片| 欧美黄色淫秽网站| 亚洲午夜理论影院| 三上悠亚av全集在线观看| 亚洲精品美女久久av网站| 大香蕉久久成人网| av一本久久久久| 一二三四在线观看免费中文在| 国产在线观看jvid| 国产亚洲精品久久久久5区| 狂野欧美激情性xxxx| 免费日韩欧美在线观看| 午夜免费成人在线视频| 国产精品自产拍在线观看55亚洲 | 久久久欧美国产精品| 久久精品91无色码中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 精品欧美一区二区三区在线| 大片电影免费在线观看免费| netflix在线观看网站| 韩国精品一区二区三区| 亚洲av日韩精品久久久久久密| 久久九九热精品免费| 国产亚洲午夜精品一区二区久久| 久热爱精品视频在线9| 蜜桃在线观看..| 两性夫妻黄色片| 免费一级毛片在线播放高清视频 | 国产不卡一卡二| 大型av网站在线播放| 免费不卡黄色视频| 精品高清国产在线一区| 亚洲全国av大片| 老汉色av国产亚洲站长工具| 成年人黄色毛片网站| 99国产精品99久久久久| 久久人人97超碰香蕉20202| 91成年电影在线观看| 国产精品秋霞免费鲁丝片| 国产1区2区3区精品| 丝瓜视频免费看黄片| 欧美日韩亚洲综合一区二区三区_| 精品午夜福利视频在线观看一区 | 男人舔女人的私密视频| 久久人妻福利社区极品人妻图片| 精品欧美一区二区三区在线| 久热爱精品视频在线9| 国产精品国产av在线观看| 亚洲人成电影观看| 两个人看的免费小视频| 午夜视频精品福利| 成人亚洲精品一区在线观看| 亚洲成国产人片在线观看| 免费日韩欧美在线观看| 另类亚洲欧美激情| 国产色视频综合| 亚洲中文日韩欧美视频| 国产野战对白在线观看| 亚洲av第一区精品v没综合| 国产精品久久电影中文字幕 | 欧美国产精品va在线观看不卡| 久久狼人影院| 天天操日日干夜夜撸| 黄片播放在线免费| 韩国精品一区二区三区| 在线看a的网站| www.熟女人妻精品国产| 国产精品久久久久久精品古装| 国产男女超爽视频在线观看| 夜夜夜夜夜久久久久| 色婷婷久久久亚洲欧美| 黄片小视频在线播放| 久9热在线精品视频| 精品久久久精品久久久| 啦啦啦免费观看视频1| 久久香蕉激情| 久久精品亚洲精品国产色婷小说| 美女午夜性视频免费| 国产精品成人在线| 精品国产乱子伦一区二区三区| 飞空精品影院首页| 国产免费现黄频在线看| 18禁裸乳无遮挡动漫免费视频| 国产精品99久久99久久久不卡| 精品少妇黑人巨大在线播放| 一区二区av电影网| 不卡av一区二区三区| 蜜桃在线观看..| av福利片在线| 一本大道久久a久久精品| 久热这里只有精品99| 99热国产这里只有精品6| 一本久久精品| 宅男免费午夜| 久久香蕉激情| 两性午夜刺激爽爽歪歪视频在线观看 | 免费在线观看影片大全网站| 90打野战视频偷拍视频| 性少妇av在线| 欧美精品啪啪一区二区三区| 亚洲成人国产一区在线观看| 69精品国产乱码久久久| 窝窝影院91人妻| 涩涩av久久男人的天堂| 久久亚洲真实| 精品国产乱子伦一区二区三区| 丝瓜视频免费看黄片| 高清黄色对白视频在线免费看| av天堂久久9| 美女视频免费永久观看网站| 99国产综合亚洲精品| 国产亚洲欧美精品永久| 午夜两性在线视频| 国产有黄有色有爽视频| 成人影院久久| 99国产极品粉嫩在线观看| 精品福利永久在线观看| 国产99久久九九免费精品| 日韩制服丝袜自拍偷拍| 久久精品人人爽人人爽视色| 可以免费在线观看a视频的电影网站| 亚洲成人免费电影在线观看| 性高湖久久久久久久久免费观看| 欧美日韩福利视频一区二区| 麻豆成人av在线观看| 国产精品一区二区在线观看99| 午夜久久久在线观看| 亚洲 国产 在线| 大型av网站在线播放| 日日爽夜夜爽网站| 国产成人系列免费观看| 一级,二级,三级黄色视频| 国产99久久九九免费精品| 亚洲成人免费av在线播放| 1024视频免费在线观看| 99九九在线精品视频| 久久精品aⅴ一区二区三区四区| 日本wwww免费看| netflix在线观看网站| 欧美午夜高清在线| 国产成人免费观看mmmm| 黄网站色视频无遮挡免费观看| 五月开心婷婷网| 成人三级做爰电影| 亚洲国产欧美日韩在线播放| 中文字幕另类日韩欧美亚洲嫩草| 久久国产精品人妻蜜桃| 免费看a级黄色片| 纵有疾风起免费观看全集完整版| 国产在线精品亚洲第一网站| 国产在线一区二区三区精| 欧美精品一区二区大全| 啦啦啦在线免费观看视频4| 91九色精品人成在线观看| 在线观看一区二区三区| 一本久久中文字幕| 在线十欧美十亚洲十日本专区| 精品乱码久久久久久99久播| 欧美中文日本在线观看视频| 亚洲熟女毛片儿| 亚洲性夜色夜夜综合| 在线播放国产精品三级| av在线蜜桃| 精品久久久久久久末码| 脱女人内裤的视频| av中文乱码字幕在线| 这个男人来自地球电影免费观看| 少妇的逼水好多| 国产又色又爽无遮挡免费看| 成人性生交大片免费视频hd| 岛国在线观看网站| 久久久久久久久久黄片| 午夜福利成人在线免费观看| 欧美+亚洲+日韩+国产| 男女视频在线观看网站免费| 中文字幕高清在线视频| 波多野结衣高清作品| 成人亚洲精品av一区二区| 男人舔奶头视频| 午夜福利在线观看吧| netflix在线观看网站| 国产一区二区在线av高清观看| 日韩欧美在线二视频| 亚洲真实伦在线观看| 嫁个100分男人电影在线观看| 成人永久免费在线观看视频| 午夜a级毛片| 黄色片一级片一级黄色片| 免费看光身美女| 亚洲国产欧美人成| 一本精品99久久精品77| 欧美日本亚洲视频在线播放| 嫩草影院入口| 国产激情久久老熟女| 男女午夜视频在线观看| 亚洲欧美日韩高清专用| 熟女电影av网| 国产成人精品无人区| 真人做人爱边吃奶动态| 国产蜜桃级精品一区二区三区| 欧美色欧美亚洲另类二区| 老汉色∧v一级毛片| 国产高清有码在线观看视频| 亚洲国产日韩欧美精品在线观看 | 国产精品,欧美在线| 99久国产av精品| 成人国产一区最新在线观看| 一本久久中文字幕| 亚洲午夜精品一区,二区,三区| 嫩草影院精品99| 一级毛片女人18水好多| 1024香蕉在线观看| 中出人妻视频一区二区| 婷婷精品国产亚洲av在线| 99在线视频只有这里精品首页| 变态另类成人亚洲欧美熟女| av视频在线观看入口| 久久精品国产综合久久久| 九色成人免费人妻av| 亚洲精品乱码久久久v下载方式 | 午夜福利欧美成人| 非洲黑人性xxxx精品又粗又长| 国产精品综合久久久久久久免费| 性色avwww在线观看| 欧美激情久久久久久爽电影| 最近视频中文字幕2019在线8| 日日摸夜夜添夜夜添小说| 深夜精品福利| 国产综合懂色| 久久这里只有精品中国| 又爽又黄无遮挡网站| 国产男靠女视频免费网站| 欧美日韩一级在线毛片| 国产亚洲av高清不卡| 亚洲欧美日韩卡通动漫| 一个人看视频在线观看www免费 | 国产精品女同一区二区软件 | 国产精品98久久久久久宅男小说| 亚洲九九香蕉| 在线国产一区二区在线| 亚洲av成人av| 久久午夜综合久久蜜桃| 国产高清激情床上av| 精品午夜福利视频在线观看一区| 国产三级在线视频| 黄色片一级片一级黄色片| 午夜视频精品福利| 亚洲成av人片免费观看| 成人国产综合亚洲| 51午夜福利影视在线观看| 香蕉久久夜色| 亚洲性夜色夜夜综合| 99国产精品99久久久久| 九色成人免费人妻av| 天堂网av新在线| 亚洲,欧美精品.| 欧美国产日韩亚洲一区| 日韩 欧美 亚洲 中文字幕| 首页视频小说图片口味搜索| 成人国产一区最新在线观看| 国产美女午夜福利| 1000部很黄的大片| 国产淫片久久久久久久久 | 少妇裸体淫交视频免费看高清| 淫妇啪啪啪对白视频| 国产精品久久久久久精品电影| 国产精品久久电影中文字幕| 国产又色又爽无遮挡免费看| 成熟少妇高潮喷水视频| 国产精品久久久av美女十八| aaaaa片日本免费| 又粗又爽又猛毛片免费看| 欧美日韩一级在线毛片| 亚洲成人久久性| 精品一区二区三区视频在线 | 日韩中文字幕欧美一区二区| 精品久久久久久久末码| 在线a可以看的网站| 十八禁人妻一区二区| 在线a可以看的网站| 在线观看午夜福利视频| 欧美精品啪啪一区二区三区| 九色成人免费人妻av| 亚洲av电影不卡..在线观看| 国产99白浆流出| 亚洲精品国产精品久久久不卡| 午夜精品在线福利| 免费观看精品视频网站| 亚洲 国产 在线| 极品教师在线免费播放| 久久草成人影院| 亚洲国产精品合色在线| www日本黄色视频网| 女生性感内裤真人,穿戴方法视频| 亚洲男人的天堂狠狠| 亚洲美女视频黄频| 久久午夜综合久久蜜桃| 91麻豆精品激情在线观看国产| xxx96com| 久久久水蜜桃国产精品网| 成人欧美大片| 噜噜噜噜噜久久久久久91| 又爽又黄无遮挡网站| 色在线成人网| 中出人妻视频一区二区| 午夜福利欧美成人| 国产av一区在线观看免费| 97超视频在线观看视频| 怎么达到女性高潮| 国产一区二区在线av高清观看| 国产成人精品久久二区二区免费| 久久中文字幕人妻熟女| 欧美精品啪啪一区二区三区| 欧美在线一区亚洲| 日本成人三级电影网站| 俺也久久电影网| 亚洲中文字幕一区二区三区有码在线看 | 午夜成年电影在线免费观看| 国内揄拍国产精品人妻在线| 国产精品久久电影中文字幕| 国产精品久久久人人做人人爽| 午夜成年电影在线免费观看| 18禁国产床啪视频网站| 亚洲欧美日韩高清在线视频| 国产三级黄色录像| 亚洲国产日韩欧美精品在线观看 | 一个人观看的视频www高清免费观看 | 一个人看的www免费观看视频| 这个男人来自地球电影免费观看| 不卡一级毛片| 精品熟女少妇八av免费久了| 午夜福利在线在线| 成年女人毛片免费观看观看9| 少妇丰满av| 精品久久久久久久久久久久久| 日韩欧美三级三区| 窝窝影院91人妻| 嫩草影院精品99| www日本在线高清视频| 久久亚洲真实| 亚洲电影在线观看av| 国产美女午夜福利| 久久久国产欧美日韩av| 日本在线视频免费播放| www.999成人在线观看| 一区二区三区国产精品乱码| 少妇裸体淫交视频免费看高清| 天天一区二区日本电影三级| 这个男人来自地球电影免费观看| av在线蜜桃| 给我免费播放毛片高清在线观看| www.自偷自拍.com| 成年女人毛片免费观看观看9| 国产精品久久久人人做人人爽| 看免费av毛片| 免费大片18禁| 亚洲精品一卡2卡三卡4卡5卡| 欧美乱妇无乱码| 波多野结衣高清无吗| 久久久国产成人精品二区| 国产免费av片在线观看野外av| 亚洲人成网站高清观看| 中文字幕熟女人妻在线| 欧美激情久久久久久爽电影| 国产精华一区二区三区| av中文乱码字幕在线| 91麻豆av在线| 色吧在线观看| 国产精品电影一区二区三区| 18禁美女被吸乳视频| 99视频精品全部免费 在线 |