• <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YOLOv4的水稻病害快速檢測方法

    2023-05-08 06:10:46嚴陳慧子田芳明王思琪石景秀
    江蘇農(nóng)業(yè)科學(xué) 2023年6期
    關(guān)鍵詞:主干病斑卷積

    嚴陳慧子, 田芳明,2, 譚 峰, 王思琪, 石景秀

    (1.黑龍江八一農(nóng)墾大學(xué)信息與電氣工程學(xué)院,黑龍江大慶 163319;2.農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品及加工品質(zhì)量監(jiān)督檢驗測試中心,黑龍江大慶 163316)

    水稻是我國主要的糧食作物和經(jīng)濟作物,水稻的病蟲害脅迫并制約著水稻產(chǎn)業(yè)的健康可持續(xù)發(fā)展[1]。據(jù)全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心預(yù)測,2022年我國水稻病蟲害呈重發(fā)流行風(fēng)險趨勢,累計發(fā)生面積達6 867萬hm2,比2021年增加了13.6%[2]。在病蟲害監(jiān)測和防控過程中,準確、高效地識別病蟲害是有效解決農(nóng)作物病蟲害問題的重要前提。當前對水稻病蟲害的診斷主要依靠人工鑒別,其主觀性強、效率低下,難以滿足糧食生產(chǎn)防控的需求[3]。因此,亟需一種快速、準確的水稻病害智能識別方法。

    基于人工智能技術(shù)的圖像識別一直以來都是備受關(guān)注的研究熱點[4]。近年來,隨著深度學(xué)習(xí)研究在計算機視覺領(lǐng)域的深入,基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法在目標識別、實時定位上的表現(xiàn)日益優(yōu)異,并且被廣泛應(yīng)用于遙感圖像處理[5-6]、橋梁破壞評估[7]、醫(yī)學(xué)診斷[8-9]、果實采摘[10]、雜草識別[11-12]等諸多領(lǐng)域,然而目前有關(guān)自然環(huán)境下農(nóng)作物病害目標檢測的研究較少。

    目標檢測算法主要分為2種:一種是基于區(qū)域建議框預(yù)測的兩階段算法,首先生成候選框,再進行特征提取與分類,其代表有Fast R-CNN、Faster R-CNN等。李就好等以ResNet-50作為Faster R-CNN 的特征提取網(wǎng)絡(luò),融入了特征金字塔結(jié)構(gòu),實現(xiàn)了自然環(huán)境下苦瓜病害的定位與識別[13]。徐信羅等修改原始區(qū)域生成網(wǎng)絡(luò)中的錨框(anchor)尺寸,發(fā)現(xiàn)改進后的方法對松材線蟲病受害木冠幅的識別精度提高了6.78百分點[14]。王云露等改進了Faster R-CNN的網(wǎng)絡(luò)結(jié)構(gòu),解決了蘋果葉片病斑尺度小等難以定位、識別的問題[15]。另一種是基于回歸問題的單階段算法,即直接回歸目標邊界矩形框位置和類別的端到端算法,其代表有SDD、RetinaNet和YOLO系列。李善軍等采用ResNet-18作為SSD算法的主干網(wǎng)絡(luò),最終對柑橘的檢測精確率達到了87.89%,檢測時間也較原先的方法得到縮短[16]。佘顥等提出基于改進的SDD模型的水稻害蟲識別方法,提高了模型識別率、檢測速度[17]。閆建偉等改進RetinaNet模型框架的損失函數(shù),運用 K-means++算法找出合適的anchor,實現(xiàn)了刺梨果實的快速識別[18]。郭陽等以5種常見水稻蟲害為研究對象,通過試驗對比發(fā)現(xiàn),YOLOv3算法比較適用于田間水稻蟲害的識別[19]??傮w來看,兩階段算法的相對精度更高,但耗時長,單階段算法的識別精度較低,但檢測速度較快。

    由于目前有關(guān)大田環(huán)境下農(nóng)作物病害目標檢測的研究較少,而且存在檢測速度慢、精度低等問題,本研究提出了一種基于改進的YOLOv4的水稻葉部病害檢測方法,使用MobileNet V3替換主干網(wǎng)絡(luò)CSPDarkNet-53,并引入坐標注意力機制以增加目標檢測模型對水稻病斑的注意力,減少對背景的關(guān)注,改進后的模型在識別準確率、檢測速度方面都有所提高,能夠?qū)崿F(xiàn)大田環(huán)境中水稻病害的識別,對水稻安全生產(chǎn)具有重要意義。

    1 基于改進YOLOv4的水稻葉片病害檢測方法

    1.1 YOLOv4的基本模型

    如圖1所示,YOLOv4基本模型包括3個部分,第1個是主干特征提取網(wǎng)絡(luò),選用CSPDarknet-53網(wǎng)絡(luò)初步提取其中間層、中下層和底層特征層,分別對應(yīng)(52,52,256)、(26,26,512)和(13,13,1 024),將這3個特征層作為第2部分網(wǎng)絡(luò)結(jié)構(gòu)的輸入。第2個是頸部網(wǎng)絡(luò),用于加強特征提取,使用融合空間金字塔池化層(spatial pyramid pooling,SPP)的路徑聚合網(wǎng)絡(luò)(path aggregation network,PANet),在SPP模塊里,對于第1部分底層輸出的特征層進行3次標準卷積操作后,分別用5×5、9×9、13×13、無處理4個不同大小的卷積核進行最大池化處理,有效地拓寬了感受野,沒有加深網(wǎng)絡(luò)深度從而讓訓(xùn)練速度減慢;在PANet模塊里,對于主干網(wǎng)絡(luò)中間層、中下層輸出的特征層,在完成特征金字塔從下到上的特征提取后,接著從上到下提取特征,在整個過程中有效融合了低層信息、高層語義信息,避免了淺層細節(jié)特征的丟失。第3個是頭部網(wǎng)絡(luò),利用YOLO Head對第2部分輸出的3個有效特征層進行結(jié)果預(yù)測,分別檢測小、中、大3種目標,每個目標對應(yīng)3個錨框,利用錨框偏移預(yù)測目標位置,同時輸出目標的類別概率。

    1.2 MobileNet V3的基本結(jié)構(gòu)

    MobileNet V3模型有效結(jié)合了MobileNet V1、MobileNet V2這2個模型的優(yōu)勢,進一步提高了模型的精度,是效率更高的輕量型卷積神經(jīng)網(wǎng)絡(luò)。MobileNet V2采用線性瓶頸結(jié)構(gòu)結(jié)合反向殘差結(jié)構(gòu),利用逐點卷積將低維空間映射到高維空間,在高維特征空間后接線性激活函數(shù)(rectified linear unit,ReLU),由此避免激活層ReLU丟失低維度特征信息。由于ReLU在低維空間內(nèi)的工作效率低,不利于特征的提取,易丟失特征信息,因此在逐點卷積結(jié)束后使用線性激活層來代替ReLU函數(shù),以此保證提取到的特征信息更加充足。

    基于MobileNet V2的網(wǎng)絡(luò)結(jié)構(gòu),MobileNet V3在瓶頸結(jié)構(gòu)中引入了SE注意力模塊來突出有用特征。采用h-swish激活函數(shù),大大降低了計算量。網(wǎng)絡(luò)的最后1層去掉了1×1的卷積層,將平均池化層向前移動。MobileNet V3主體部分由11個瓶頸結(jié)構(gòu)組成,前3個結(jié)構(gòu)中采用卷積核數(shù)為3的深度卷積,后面8個采用卷積核數(shù)為5的深度卷積,瓶頸結(jié)構(gòu)中的其他設(shè)置均相同。

    1.3 坐標注意力

    注意力機制是機器學(xué)習(xí)領(lǐng)域中一種特殊的信息選擇網(wǎng)絡(luò)結(jié)構(gòu),其本質(zhì)是通過自主學(xué)習(xí),將有限的計算資源分配給圖像中信息量占比最大的區(qū)域,突出重點區(qū)域的信息,減少不相干背景的干擾,其有效性已在許多圖像識別研究中得到了充分驗證[20]。然而,對于復(fù)雜環(huán)境下的目標檢測任務(wù),由于存在大量無關(guān)的背景信息,引入注意力機制能達到事半功倍的目的。

    在視覺空間中,坐標位置信息往往很少被關(guān)注到。坐標注意力模塊(CAM)的本質(zhì)是在捕獲通道信息的同時,也關(guān)注位置信息的遠程依賴關(guān)系。為了避免平均池化操作造成位置信息的丟失,對于輸入特征圖分別沿著水平、垂直2個空間方向通過平均池化層聚合特征,池化后的特征圖經(jīng)過一系列維度移位、維度拼接等編碼操作得到2組方向感知和位置敏感的注意映射,將這2組注意映射加權(quán)融合后可得到高質(zhì)量特征圖。坐標注意力流程如圖2所示。

    1.4 改進的YOLOv4模型

    在實際應(yīng)用中,不僅要考慮模型的準確率,還要解決檢測時間長的問題。由于主干網(wǎng)絡(luò)是網(wǎng)絡(luò)模型提取目標特征的關(guān)鍵結(jié)構(gòu),原始YOLOv4的主干網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜,總參數(shù)量相對較大,因此,考慮用一種性能優(yōu)異且結(jié)構(gòu)相對精簡小巧的網(wǎng)絡(luò)替換原始網(wǎng)絡(luò),與其他輕量級網(wǎng)絡(luò)相比,MobileNet V3模型特征提取能力強、參數(shù)極少、計算量小,能夠有效地提高模型的運行速度,在目標分類任務(wù)中表現(xiàn)良好,因此使用MobileNet V3作為主干網(wǎng)絡(luò)可以提高模型的檢測速度。此外,由于本研究使用的水稻數(shù)據(jù)集背景復(fù)雜,病斑的形狀不規(guī)則,因此在頸部網(wǎng)絡(luò)的8個位置加入CAM模塊,這樣可以在注意力的分布上提高模型性能,而且CAM屬于輕量級模塊,沒有帶來過多的運算成本。模型的整體結(jié)構(gòu)如圖3所示。

    2 結(jié)果與分析

    2.1 數(shù)據(jù)集的獲取與預(yù)處理

    本研究對象為稻瘟病、胡麻斑病和白葉枯病,其病害特征如表1所示。使用的水稻病害圖像數(shù)據(jù)大部分來源于科學(xué)數(shù)據(jù)銀行,少數(shù)用網(wǎng)絡(luò)上獲取的圖像作為補充,共獲取水稻病害圖像770張,圖4為部分數(shù)據(jù)集。為了增強模型的泛化能力、減少過擬合,對原始數(shù)據(jù)集進行調(diào)節(jié)光照度、隨機旋轉(zhuǎn)、增加高斯噪聲和圖像拼接等預(yù)處理操作,將原始圖像擴充至3 000張作為最終的水稻病害數(shù)據(jù)集。使用LabelImg圖像工具標注病害圖像的病斑位置和類別,生成XML類型的標注文件。在最終生成的水稻病害數(shù)據(jù)集里隨機選取300張作為測試集,剩下的2 700張按照9∶1的比例劃分為訓(xùn)練集、驗證集,其中訓(xùn)練集有2 430張。

    表1 水稻的病害特征

    2.2 試驗平臺與超參數(shù)設(shè)置

    本試驗平臺的配置如表2所示。為了加快模型的收斂速度,主干網(wǎng)絡(luò)部分采用遷移學(xué)習(xí)的訓(xùn)練方法,使用基于ImageNet數(shù)據(jù)集預(yù)訓(xùn)練的權(quán)重文件。在試驗過程中,輸入之前將圖像尺寸調(diào)整為416×416,保證輸入圖像的統(tǒng)一性,采用自適應(yīng)矩估計(adaptive moment estimation,Adam)優(yōu)化器, 優(yōu)化器的權(quán)重衰減因子設(shè)置為0,開啟馬賽克數(shù)據(jù)增強和余弦退火衰減算法。在本研究的整個訓(xùn)練過程中有300個訓(xùn)練輪次(epoch),前50個epoch凍結(jié)主干網(wǎng)絡(luò)進行訓(xùn)練,學(xué)習(xí)速率為1×10-3,批次大小(batch_size)為8,每個epoch迭代次數(shù)為303次,后250個epoch解凍參數(shù)訓(xùn)練,batch_size為4,每個epoch的迭代次數(shù)為607次,整個訓(xùn)練中的總迭代次數(shù)是182 650次。

    表2 試驗平臺配置

    本試驗選用平均精度均值(mAP)、檢測速度(FPS)作為目標檢測模型的評價指標。mAP綜合考慮了精確度和召回率的評分,用來評價多目標分類準確率;FPS是指每秒鐘檢測圖像的幀數(shù),其值越大,表明模型的檢測速度越快。

    2.3 對比試驗的結(jié)果分析

    2.3.1 算法優(yōu)化對比試驗分析 為了縮短檢測時間,達到實時性的目的,本研究擬采用輕量級網(wǎng)絡(luò)替換原始YOLOv4模型的主干網(wǎng)絡(luò)CSPDarkNet-53。首先選取MobileNet V1、MobileNet V2和MobileNet V3等3種輕量級網(wǎng)絡(luò)進行對比試驗,試驗結(jié)果見表3。可以看出,將主干網(wǎng)絡(luò)替換成輕量級網(wǎng)絡(luò)后,檢測時間大大縮減,并且MobileNet V3作為主干網(wǎng)絡(luò)的計算量(FLOPs)不到原始YOLOv4模型的1/2,mAP也小幅度增加了0.07%,FPS增加了17.8幀/s,相較于其他網(wǎng)絡(luò),MobileNet V3在識別準確率上有明顯優(yōu)勢,因此選用MobileNet V3作為主干網(wǎng)絡(luò)。對MobileNet V3-YOLOv4模型進行優(yōu)化,將CAM注意力機制嵌入MobileNet V3-YOLOv4模型中,算法優(yōu)化后的最終表現(xiàn)表4。將改進后的算法與MobileNet V3-YOLOv4算法進行對比發(fā)現(xiàn),即使增加了注意力機制,改進后算法的檢測速度(FPS)與MobileNet V3-YOLOv4算法相差不大,平均每張圖像的檢測時間只增加了0.1 ms,然而改進后算法的平均精度均值(mAP)提高了1.25%。將改進后算法與原始YOLOv4算法對比發(fā)現(xiàn),改進后算法的速度提升了17.72幀/s,mAP也增加了1.32%。由此可見,在優(yōu)化了模型的主干網(wǎng)絡(luò)、引入CAM之后,網(wǎng)絡(luò)的識別精度、檢測速度得到了明顯提升。

    表3 YOLOv4網(wǎng)絡(luò)輕量化結(jié)果對比

    表4 算法優(yōu)化結(jié)果對比

    基于300張水稻病害圖像作為測試集進行評估,圖5給出了每類目標的平均精度(AP)和平均精度均值(mAP),可以看出,本研究算法較MobileNet V3-YOLOv4算法提高了總類別平均檢測精度。隨后引入誤檢率進一步驗證改進模型的性能,將本研究算法與MobileNet V3-YOLOv4算法進行誤檢率的對比,結(jié)果(圖6)表明,本研究算法有效減少了大多數(shù)目標類別的誤檢率,使MobileNet V3-YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)得到了顯著優(yōu)化。

    為了檢驗改進后模型的泛化能力,從300張測試集中選出4類具有代表性的圖像,這些圖像的拍攝角度不同、病斑大小和數(shù)量不一,分別為低光照度、單種類小目標、單種類多目標和多種類多目標圖像。從圖7-a可以看出,本研究模型能夠全部檢測出弱光線情況下的稻瘟病病斑。由圖7-b可以看出,本研究模型比YOLOv4更能捕捉到小病斑,且邊界矩形框位置較為準確。如圖7-c所示,對于包含不同角度、不同大小的多目標圖像,大部分稻瘟病病斑都能被本研究模型檢測出來,包括遠處模糊的、被遮擋的小病斑,但邊界矩形框位置有偏差。圖7-d包含了多種水稻病斑,其中YOLOv4模型、本研究模型沒有出現(xiàn)誤檢的情況,但仍有少量尺寸小的胡麻斑病斑沒有被檢測出來。經(jīng)過上述分析發(fā)現(xiàn),本研究提出的水稻病害識別模型相較于原始YOLOv4模型更能準確地檢測出病斑的類別與位置。

    2.3.2 不同模型的水稻病害檢測結(jié)果分析 基于相同的水稻病害數(shù)據(jù)集,對本研究模型與其他3種目標檢測模型進行試驗對比。由表5可知,本研究模型雖然在FLOPs和檢測速度上小于YOLOv5模型,但在識別準確率上比YOLOv5模型高1.15百分點,并且在識別精度、檢測速度上明顯優(yōu)于RetinaNet模型、CenterNet模型,同時兼顧了識別精度和檢測速度。

    表5 不同模型的水稻病害檢測結(jié)果

    3 結(jié)論

    農(nóng)業(yè)智能化對農(nóng)作物病害的檢測精度、實時性提出了新要求。為了解決水稻病害圖像中復(fù)雜田間環(huán)境背景造成的識別準確率低和檢測速度慢的問題,對原有的YOLOv4算法進行改進,提升其對病斑的識別能力和效率。在使用特征提取能力強的MobileNet V3作為主干網(wǎng)絡(luò)的同時,引入輕量型注意力模塊CAM,精簡了模型的網(wǎng)絡(luò)結(jié)構(gòu),減少了模型網(wǎng)絡(luò)權(quán)重和計算量。試驗結(jié)果表明,與未改進的模型相比,改進后模型的mAP提升了1.32百分點,表明改進的措施有效;識別單張圖像所用的平均時間為18.7 ms,表明具有一定的實時性。

    綜上,本研究方法滿足了檢測精度高、檢測速度快的需求,貼近實際生活中關(guān)于水稻安全生產(chǎn)的需要,為后期部署到嵌入式設(shè)備奠定了基礎(chǔ)。此外,本研究模型在定位被遮擋的病斑時,病斑的邊界矩形框有偏差,因而在精準定位方面還有很大進步空間,有待進一步探究。

    猜你喜歡
    主干病斑卷積
    全球首條1.2T超高速下一代互聯(lián)網(wǎng)主干通路
    軍事文摘(2024年2期)2024-01-10 01:58:34
    抓主干,簡化簡單句
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    二代支架時代數(shù)據(jù)中糖尿病對無保護左主干患者不同血運重建術(shù)預(yù)后的影響
    高齡無保護左主干病變患者血運重建術(shù)的長期預(yù)后
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    改進自適應(yīng)分水嶺方法分割棉花葉部粘連病斑
    一種桑輪紋病病葉發(fā)病程度的評價指數(shù)
    9種藥劑防治山核桃干腐病試驗研究
    基于傅里葉域卷積表示的目標跟蹤算法
    一区二区三区四区激情视频 | 色在线成人网| 久久欧美精品欧美久久欧美| 美女被艹到高潮喷水动态| 精品午夜福利在线看| 欧美日本亚洲视频在线播放| 人人妻人人澡欧美一区二区| 身体一侧抽搐| 亚洲经典国产精华液单 | 国内毛片毛片毛片毛片毛片| 一级黄片播放器| 观看免费一级毛片| 99久久九九国产精品国产免费| 久久精品91蜜桃| 搞女人的毛片| 久久久久国内视频| 亚洲av第一区精品v没综合| 淫秽高清视频在线观看| 久久久久久国产a免费观看| 欧美一区二区国产精品久久精品| 九九热线精品视视频播放| 亚洲av电影在线进入| 嫩草影院精品99| а√天堂www在线а√下载| 亚洲aⅴ乱码一区二区在线播放| 嫩草影院入口| 午夜老司机福利剧场| 在线免费观看不下载黄p国产 | 日日摸夜夜添夜夜添av毛片 | 美女 人体艺术 gogo| 一级a爱片免费观看的视频| 亚洲av成人不卡在线观看播放网| av天堂在线播放| 色综合亚洲欧美另类图片| 国产黄a三级三级三级人| 亚洲av电影在线进入| 嫩草影院入口| 成人无遮挡网站| 在线观看美女被高潮喷水网站 | 18禁裸乳无遮挡免费网站照片| 欧美3d第一页| 国产色爽女视频免费观看| 精品人妻一区二区三区麻豆 | 亚洲乱码一区二区免费版| 国产男靠女视频免费网站| av国产免费在线观看| 草草在线视频免费看| 国产精品一及| 国产一区二区激情短视频| 国产一区二区三区在线臀色熟女| av视频在线观看入口| 97热精品久久久久久| 国产人妻一区二区三区在| 午夜福利成人在线免费观看| 亚洲三级黄色毛片| 国产伦一二天堂av在线观看| 国内精品美女久久久久久| 国产高清视频在线观看网站| 美女cb高潮喷水在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产亚洲欧美在线一区二区| bbb黄色大片| 免费一级毛片在线播放高清视频| av中文乱码字幕在线| 午夜福利免费观看在线| 性色avwww在线观看| 亚洲国产色片| 亚洲成av人片免费观看| 很黄的视频免费| 国产日本99.免费观看| 亚洲av免费高清在线观看| 有码 亚洲区| 搡老岳熟女国产| 夜夜看夜夜爽夜夜摸| 国产精品不卡视频一区二区 | 精品一区二区三区人妻视频| 国产色爽女视频免费观看| 色视频www国产| 免费在线观看成人毛片| 亚洲av电影不卡..在线观看| 国产色爽女视频免费观看| 午夜视频国产福利| 老司机深夜福利视频在线观看| 亚洲av二区三区四区| 色哟哟哟哟哟哟| 精品人妻1区二区| 少妇丰满av| 88av欧美| 男人的好看免费观看在线视频| 国产色爽女视频免费观看| 精品一区二区三区人妻视频| 18禁在线播放成人免费| 国产单亲对白刺激| 757午夜福利合集在线观看| 在线观看一区二区三区| av在线天堂中文字幕| 噜噜噜噜噜久久久久久91| 亚洲七黄色美女视频| 午夜激情福利司机影院| 看免费av毛片| 亚洲国产精品合色在线| 日韩精品青青久久久久久| 天堂动漫精品| a在线观看视频网站| 老司机福利观看| 久久久久免费精品人妻一区二区| 亚洲国产高清在线一区二区三| 国产高清激情床上av| 我要搜黄色片| 欧美色视频一区免费| 又爽又黄a免费视频| 国产亚洲精品综合一区在线观看| 一个人看视频在线观看www免费| 麻豆久久精品国产亚洲av| 国产成年人精品一区二区| 亚洲av熟女| 好男人电影高清在线观看| 国产精品1区2区在线观看.| 日本黄色视频三级网站网址| 国产精品久久久久久亚洲av鲁大| 国产欧美日韩一区二区三| 18禁在线播放成人免费| 亚洲五月婷婷丁香| 中出人妻视频一区二区| 日本一本二区三区精品| 欧美绝顶高潮抽搐喷水| 日本免费一区二区三区高清不卡| 黄色女人牲交| 国产亚洲欧美在线一区二区| 亚洲五月天丁香| 欧美色欧美亚洲另类二区| 天堂影院成人在线观看| 内射极品少妇av片p| 亚洲美女视频黄频| 久久久色成人| 亚洲va日本ⅴa欧美va伊人久久| 欧美bdsm另类| 国产精华一区二区三区| 日日摸夜夜添夜夜添小说| 亚洲精品一区av在线观看| 欧美zozozo另类| 最近最新中文字幕大全电影3| 国产免费一级a男人的天堂| or卡值多少钱| 国产又黄又爽又无遮挡在线| 婷婷精品国产亚洲av在线| 男女之事视频高清在线观看| 国产高清三级在线| 男人舔奶头视频| 日本a在线网址| 在线播放国产精品三级| 精品不卡国产一区二区三区| 亚洲国产精品999在线| 成人午夜高清在线视频| www.熟女人妻精品国产| 国产免费一级a男人的天堂| 最新中文字幕久久久久| 欧美zozozo另类| 极品教师在线视频| 91在线观看av| 黄色女人牲交| 国产视频内射| 变态另类成人亚洲欧美熟女| 琪琪午夜伦伦电影理论片6080| 成人鲁丝片一二三区免费| 看十八女毛片水多多多| 亚洲18禁久久av| 最新在线观看一区二区三区| 国产一级毛片七仙女欲春2| 九九热线精品视视频播放| 成人亚洲精品av一区二区| 午夜福利在线观看免费完整高清在 | 国产精品日韩av在线免费观看| 桃色一区二区三区在线观看| 亚洲中文字幕日韩| 亚洲av电影在线进入| 国产精品久久电影中文字幕| 久久久久久九九精品二区国产| 嫩草影院新地址| 精品人妻一区二区三区麻豆 | 欧美高清成人免费视频www| 美女大奶头视频| 我要看日韩黄色一级片| 精品熟女少妇八av免费久了| 99热这里只有精品一区| 婷婷亚洲欧美| 99热精品在线国产| 天天一区二区日本电影三级| 日韩欧美国产一区二区入口| 成人特级av手机在线观看| 18美女黄网站色大片免费观看| 亚洲久久久久久中文字幕| 老司机深夜福利视频在线观看| 国产三级在线视频| 一个人免费在线观看的高清视频| 好男人在线观看高清免费视频| 免费在线观看日本一区| 久久精品91蜜桃| 黄片小视频在线播放| 嫁个100分男人电影在线观看| 天堂影院成人在线观看| 99久久九九国产精品国产免费| 18禁黄网站禁片免费观看直播| 免费搜索国产男女视频| 国产色婷婷99| 男女下面进入的视频免费午夜| 午夜精品久久久久久毛片777| 老司机深夜福利视频在线观看| 美女高潮喷水抽搐中文字幕| 欧美高清性xxxxhd video| 久久热精品热| a在线观看视频网站| 国产亚洲精品av在线| 一进一出好大好爽视频| x7x7x7水蜜桃| 欧美区成人在线视频| 舔av片在线| 尤物成人国产欧美一区二区三区| 日本与韩国留学比较| 男人的好看免费观看在线视频| 搡老熟女国产l中国老女人| 免费电影在线观看免费观看| 亚洲av电影不卡..在线观看| av中文乱码字幕在线| 18禁裸乳无遮挡免费网站照片| 久久久久免费精品人妻一区二区| 有码 亚洲区| 免费黄网站久久成人精品 | 欧美色欧美亚洲另类二区| 在线观看免费视频日本深夜| 99国产精品一区二区蜜桃av| 欧美日本视频| 少妇的逼好多水| 人妻久久中文字幕网| 人妻夜夜爽99麻豆av| 免费人成视频x8x8入口观看| 亚洲国产日韩欧美精品在线观看| 日韩欧美三级三区| 人妻久久中文字幕网| 日本免费一区二区三区高清不卡| 青草久久国产| .国产精品久久| 亚洲av电影在线进入| 国产综合懂色| 九九久久精品国产亚洲av麻豆| 老司机午夜十八禁免费视频| 一区二区三区激情视频| 欧美zozozo另类| 成人精品一区二区免费| 黄片小视频在线播放| 老司机午夜福利在线观看视频| 12—13女人毛片做爰片一| 久久亚洲真实| 欧美一级a爱片免费观看看| 国产高清视频在线播放一区| 免费高清视频大片| a在线观看视频网站| www.熟女人妻精品国产| 在线观看免费视频日本深夜| 亚洲18禁久久av| 成人av在线播放网站| 久久人妻av系列| 亚洲 欧美 日韩 在线 免费| 美女高潮喷水抽搐中文字幕| 午夜精品久久久久久毛片777| 小蜜桃在线观看免费完整版高清| 久久精品人妻少妇| 国产精品自产拍在线观看55亚洲| 狂野欧美白嫩少妇大欣赏| 看黄色毛片网站| 精品久久久久久,| а√天堂www在线а√下载| 亚洲第一电影网av| 国产老妇女一区| 国产黄色小视频在线观看| 美女被艹到高潮喷水动态| 一进一出好大好爽视频| 精品午夜福利视频在线观看一区| 亚洲精品一区av在线观看| 最近在线观看免费完整版| 国产精品98久久久久久宅男小说| 丝袜美腿在线中文| 人妻丰满熟妇av一区二区三区| 91午夜精品亚洲一区二区三区 | 乱人视频在线观看| 夜夜躁狠狠躁天天躁| 久久这里只有精品中国| 中出人妻视频一区二区| 日本五十路高清| 久久久国产成人免费| 亚洲av二区三区四区| 在线观看美女被高潮喷水网站 | 亚州av有码| 亚洲不卡免费看| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 全区人妻精品视频| av在线天堂中文字幕| 精品人妻一区二区三区麻豆 | 亚洲国产精品成人综合色| 亚洲不卡免费看| 动漫黄色视频在线观看| 麻豆国产97在线/欧美| 日韩 亚洲 欧美在线| 欧美绝顶高潮抽搐喷水| 精品国产三级普通话版| 桃红色精品国产亚洲av| 99热精品在线国产| 村上凉子中文字幕在线| 欧美激情在线99| 级片在线观看| 中文字幕av成人在线电影| 观看美女的网站| 日本三级黄在线观看| 1000部很黄的大片| 午夜亚洲福利在线播放| 99久久成人亚洲精品观看| 一区二区三区高清视频在线| 69人妻影院| 国产探花在线观看一区二区| 18禁黄网站禁片免费观看直播| 亚洲精品久久国产高清桃花| 真人做人爱边吃奶动态| www日本黄色视频网| 午夜福利视频1000在线观看| 波多野结衣巨乳人妻| 精品乱码久久久久久99久播| 18禁裸乳无遮挡免费网站照片| 99精品在免费线老司机午夜| 美女大奶头视频| 老鸭窝网址在线观看| 十八禁国产超污无遮挡网站| 久久精品人妻少妇| 一区二区三区高清视频在线| 99国产综合亚洲精品| 欧美极品一区二区三区四区| 欧美最新免费一区二区三区 | 国产成人aa在线观看| 欧美绝顶高潮抽搐喷水| 精品午夜福利在线看| 在线看三级毛片| 亚洲国产精品合色在线| 88av欧美| aaaaa片日本免费| 波野结衣二区三区在线| 床上黄色一级片| 18禁黄网站禁片午夜丰满| 国产精品国产高清国产av| 国产欧美日韩精品亚洲av| 日本黄色片子视频| 波野结衣二区三区在线| 九色成人免费人妻av| 如何舔出高潮| 亚洲一区二区三区色噜噜| 露出奶头的视频| 午夜久久久久精精品| 久久精品91蜜桃| 亚洲自偷自拍三级| 老司机午夜福利在线观看视频| 大型黄色视频在线免费观看| 日日干狠狠操夜夜爽| 成人一区二区视频在线观看| av国产免费在线观看| 好男人在线观看高清免费视频| 国产午夜福利久久久久久| 免费观看的影片在线观看| 全区人妻精品视频| 美女cb高潮喷水在线观看| 亚洲国产高清在线一区二区三| 桃红色精品国产亚洲av| 亚洲中文字幕一区二区三区有码在线看| 午夜福利视频1000在线观看| 两个人的视频大全免费| 可以在线观看的亚洲视频| 日韩人妻高清精品专区| 99热6这里只有精品| 日韩欧美国产一区二区入口| 亚洲欧美清纯卡通| 又黄又爽又免费观看的视频| 欧美日韩中文字幕国产精品一区二区三区| x7x7x7水蜜桃| 日本黄色视频三级网站网址| 黄色视频,在线免费观看| 别揉我奶头 嗯啊视频| 日韩人妻高清精品专区| 毛片一级片免费看久久久久 | 欧美日韩亚洲国产一区二区在线观看| 成人毛片a级毛片在线播放| 欧美日韩乱码在线| 99热这里只有是精品50| 18禁黄网站禁片免费观看直播| 国产淫片久久久久久久久 | 最新中文字幕久久久久| 99热6这里只有精品| 亚洲专区国产一区二区| 亚洲av一区综合| 成人一区二区视频在线观看| 黄色女人牲交| 精品日产1卡2卡| 午夜福利高清视频| 久久6这里有精品| 少妇的逼水好多| 国产91精品成人一区二区三区| 国产精品美女特级片免费视频播放器| 激情在线观看视频在线高清| 有码 亚洲区| 青草久久国产| 国产综合懂色| 久久欧美精品欧美久久欧美| 亚洲精品影视一区二区三区av| 久久久久久久亚洲中文字幕 | 精品无人区乱码1区二区| 亚洲专区国产一区二区| 国产精品精品国产色婷婷| 看免费av毛片| 亚洲最大成人av| 一本综合久久免费| 国产精品久久久久久人妻精品电影| 神马国产精品三级电影在线观看| 乱人视频在线观看| 精品久久久久久久久久免费视频| 欧美bdsm另类| 97超级碰碰碰精品色视频在线观看| 国产精品久久久久久久电影| 日本a在线网址| 午夜日韩欧美国产| 亚州av有码| 别揉我奶头 嗯啊视频| www日本黄色视频网| 亚洲美女搞黄在线观看 | 国产av在哪里看| 极品教师在线视频| 香蕉av资源在线| 人妻丰满熟妇av一区二区三区| 国产亚洲欧美在线一区二区| 亚洲,欧美,日韩| 久久久精品欧美日韩精品| 天堂av国产一区二区熟女人妻| 99在线人妻在线中文字幕| 精品久久久久久成人av| 午夜福利在线在线| 国产精品一区二区三区四区久久| 国产v大片淫在线免费观看| 日本免费一区二区三区高清不卡| 成年人黄色毛片网站| 成年版毛片免费区| 在线观看美女被高潮喷水网站 | 欧洲精品卡2卡3卡4卡5卡区| 亚洲av.av天堂| 国产在线精品亚洲第一网站| 色综合站精品国产| 老司机深夜福利视频在线观看| 亚洲五月天丁香| 身体一侧抽搐| 欧美色欧美亚洲另类二区| 国产一区二区在线观看日韩| 亚洲人成网站高清观看| 亚洲最大成人av| 日韩精品中文字幕看吧| 亚洲欧美清纯卡通| 亚洲精品在线观看二区| 国产成人啪精品午夜网站| 99热只有精品国产| 少妇的逼水好多| 狠狠狠狠99中文字幕| 久久香蕉精品热| 一级作爱视频免费观看| 深夜a级毛片| 色尼玛亚洲综合影院| 长腿黑丝高跟| 老司机深夜福利视频在线观看| 国产精品久久视频播放| 中文字幕av成人在线电影| 成年女人毛片免费观看观看9| 免费av毛片视频| 日日摸夜夜添夜夜添小说| 欧美日韩乱码在线| 日韩中文字幕欧美一区二区| 99热6这里只有精品| 在线观看一区二区三区| 免费观看精品视频网站| 一夜夜www| 午夜两性在线视频| aaaaa片日本免费| 草草在线视频免费看| 99精品在免费线老司机午夜| 91在线精品国自产拍蜜月| 国产视频一区二区在线看| 一进一出抽搐动态| 少妇被粗大猛烈的视频| 中文字幕久久专区| 最近中文字幕高清免费大全6 | 国产精品久久久久久亚洲av鲁大| 免费黄网站久久成人精品 | 欧美绝顶高潮抽搐喷水| 亚洲五月婷婷丁香| 国产三级在线视频| 午夜久久久久精精品| 成人特级av手机在线观看| 日韩精品中文字幕看吧| 别揉我奶头~嗯~啊~动态视频| 亚洲成人精品中文字幕电影| 久久国产精品人妻蜜桃| av在线天堂中文字幕| 久久国产精品影院| 国内精品久久久久久久电影| 国产免费av片在线观看野外av| 国产伦精品一区二区三区四那| 欧美成人性av电影在线观看| 免费在线观看影片大全网站| 蜜桃亚洲精品一区二区三区| 天堂动漫精品| 亚洲欧美日韩东京热| 成年人黄色毛片网站| 精品久久久久久,| 九色国产91popny在线| 久久久久久大精品| 在线观看66精品国产| bbb黄色大片| av欧美777| 可以在线观看毛片的网站| 69人妻影院| 人妻夜夜爽99麻豆av| 中出人妻视频一区二区| 久久人人爽人人爽人人片va | 国产精品自产拍在线观看55亚洲| 在线观看免费视频日本深夜| 亚洲成a人片在线一区二区| 亚洲av.av天堂| 国产激情偷乱视频一区二区| 女人十人毛片免费观看3o分钟| 国产一区二区三区视频了| 久久精品国产99精品国产亚洲性色| 香蕉av资源在线| 9191精品国产免费久久| 午夜老司机福利剧场| 婷婷精品国产亚洲av在线| 又爽又黄a免费视频| 国产精品自产拍在线观看55亚洲| 在线天堂最新版资源| 最新在线观看一区二区三区| 国产成年人精品一区二区| 老司机深夜福利视频在线观看| 男人和女人高潮做爰伦理| 亚洲自拍偷在线| 精品一区二区三区av网在线观看| 日日干狠狠操夜夜爽| 99久久久亚洲精品蜜臀av| 一卡2卡三卡四卡精品乱码亚洲| 久久人人爽人人爽人人片va | 亚洲最大成人av| 久久香蕉精品热| 欧美3d第一页| 十八禁网站免费在线| 免费看光身美女| 麻豆成人午夜福利视频| 热99在线观看视频| 亚洲中文日韩欧美视频| 国产精品久久视频播放| 国产三级在线视频| 天堂网av新在线| 69av精品久久久久久| 午夜福利高清视频| 99久久成人亚洲精品观看| 极品教师在线免费播放| 亚洲一区二区三区色噜噜| 欧美日韩亚洲国产一区二区在线观看| 国产一区二区亚洲精品在线观看| 亚洲av二区三区四区| 日本撒尿小便嘘嘘汇集6| 国产精品免费一区二区三区在线| 两性午夜刺激爽爽歪歪视频在线观看| 国产淫片久久久久久久久 | 国产成人欧美在线观看| 亚洲国产欧洲综合997久久,| 白带黄色成豆腐渣| 国产日本99.免费观看| 国产成年人精品一区二区| 又黄又爽又免费观看的视频| 三级毛片av免费| 丰满人妻一区二区三区视频av| 国产精品亚洲美女久久久| 99在线视频只有这里精品首页| 一区福利在线观看| 欧美日本视频| 精品欧美国产一区二区三| 亚洲自拍偷在线| 可以在线观看毛片的网站| 欧美xxxx黑人xx丫x性爽| 村上凉子中文字幕在线| 99精品在免费线老司机午夜| 国产精品久久视频播放| 亚洲成人精品中文字幕电影| 可以在线观看毛片的网站| 性插视频无遮挡在线免费观看| 久久久久亚洲av毛片大全| 精品一区二区三区av网在线观看| 亚洲黑人精品在线| 国产男靠女视频免费网站| 中文字幕久久专区| 18美女黄网站色大片免费观看| 久久国产乱子伦精品免费另类| 窝窝影院91人妻| 一边摸一边抽搐一进一小说| 亚洲国产精品999在线| 看片在线看免费视频| 嫩草影院新地址| 一区二区三区激情视频| 99热6这里只有精品| 欧美在线黄色| 乱码一卡2卡4卡精品| 国产一区二区在线av高清观看| 久久精品国产亚洲av涩爱 | 中出人妻视频一区二区| 色综合亚洲欧美另类图片|