• <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 ?

    基于深度學(xué)習(xí)的甘蔗生長(zhǎng)監(jiān)測(cè)模型設(shè)計(jì)

    2023-11-02 10:31:10唐偉萍黃欣陳泳锨
    廣西糖業(yè) 2023年3期
    關(guān)鍵詞:計(jì)算機(jī)視覺卷積神經(jīng)網(wǎng)絡(luò)蔗糖

    唐偉萍 黃欣 陳泳锨

    摘 要:蔗糖作為重要的食用糖和再生能源,在世界糖產(chǎn)業(yè)鏈中占有舉足輕重的地位。文章旨在通過設(shè)計(jì)一個(gè)準(zhǔn)確、高效的模型來監(jiān)測(cè)甘蔗生長(zhǎng)狀況,進(jìn)而有效指導(dǎo)科學(xué)培育,這是提高甘蔗產(chǎn)量的重要途徑。利用深度學(xué)習(xí)方法構(gòu)建甘蔗生長(zhǎng)監(jiān)測(cè)模型,以解決傳統(tǒng)監(jiān)測(cè)方式存在的問題。通過調(diào)研了解蔗糖的重要性及傳統(tǒng)的甘蔗生長(zhǎng)監(jiān)測(cè)方法,詳細(xì)分析深度學(xué)習(xí)在計(jì)算機(jī)視覺等領(lǐng)域的應(yīng)用,提出基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的甘蔗生長(zhǎng)監(jiān)測(cè)模型架構(gòu);設(shè)計(jì)基于CNN的圖像分類模型監(jiān)測(cè)甘蔗生長(zhǎng),并通過試驗(yàn)對(duì)比驗(yàn)證模型的有效性。最后總結(jié)基于CNN的深度學(xué)習(xí)模型監(jiān)測(cè)甘蔗生長(zhǎng)的有效性,并探討如何進(jìn)一步提高甘蔗生長(zhǎng)監(jiān)測(cè)的準(zhǔn)確性。

    關(guān)鍵詞:蔗糖;甘蔗生長(zhǎng)監(jiān)測(cè);深度學(xué)習(xí);計(jì)算機(jī)視覺;卷積神經(jīng)網(wǎng)絡(luò)

    中圖分類號(hào):S566.1;S126? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):2095-820X(2023)03-0014-06

    0 引言

    甘蔗是重要的糖料作物和能源作物[1],作為世界上主要的糖源,對(duì)于全球食品產(chǎn)業(yè)具有重要意義。我國(guó)是世界第一蔗糖生產(chǎn)國(guó)和消費(fèi)國(guó),甘蔗糖業(yè)在保障我國(guó)食糖安全中的地位舉足輕重[2],蔗糖產(chǎn)業(yè)對(duì)促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展和保障農(nóng)村經(jīng)濟(jì)穩(wěn)定具有重要作用,對(duì)廣西的農(nóng)業(yè)經(jīng)濟(jì)和社會(huì)發(fā)展而言同樣意義重大。據(jù)統(tǒng)計(jì),2022年廣西年甘蔗種植面積超過666666.7 hm2(1000萬畝),位居全國(guó)第一;蔗糖產(chǎn)量600萬t,占全國(guó)蔗糖產(chǎn)量一半以上,年產(chǎn)值達(dá)到數(shù)百億元。甘蔗的種植、加工和銷售形成了完整的產(chǎn)業(yè)鏈,涉及到農(nóng)業(yè)生產(chǎn)、食品加工、糖業(yè)、酒業(yè)和生物燃料等多個(gè)領(lǐng)域,為廣西經(jīng)濟(jì)發(fā)展帶來了巨大的貢獻(xiàn)。

    甘蔗生產(chǎn)受氣候變化、病蟲害等多種因素的影響,因此甘蔗生長(zhǎng)監(jiān)測(cè)尤為重要。我國(guó)作為甘蔗生產(chǎn)大國(guó),近年來甘蔗糖量已得到明顯提升[3]。甘蔗種植的全程機(jī)械化和自動(dòng)化是產(chǎn)業(yè)發(fā)展的趨勢(shì)[4],提高甘蔗糖產(chǎn)量和糖分離不開強(qiáng)化甘蔗生長(zhǎng)的監(jiān)測(cè)、及時(shí)防治病蟲害及科學(xué)合理的方式培育和管理甘蔗作物。傳統(tǒng)的甘蔗生長(zhǎng)監(jiān)測(cè)方法主要依賴于人工觀察和定期抽樣,效率低、耗時(shí)長(zhǎng)且容易受人為因素的影響。因此,開發(fā)一種高效、準(zhǔn)確的甘蔗生長(zhǎng)監(jiān)測(cè)方法對(duì)于提高甘蔗產(chǎn)量和優(yōu)化農(nóng)業(yè)資源配置具有重要意義。

    1 甘蔗生長(zhǎng)監(jiān)測(cè)模型設(shè)計(jì)的概述

    1.1 甘蔗生長(zhǎng)監(jiān)測(cè)信息化概述

    長(zhǎng)期以來,傳統(tǒng)的甘蔗生長(zhǎng)監(jiān)測(cè)方法主要依賴于人工觀察和定期抽樣,該方法優(yōu)點(diǎn)在于直觀、易于操作,但存在諸多局限性,如效率低、耗時(shí)長(zhǎng)、容易受到人為因素影響等,很難保證結(jié)果的準(zhǔn)確可靠。同時(shí),人工監(jiān)測(cè)方式勞動(dòng)強(qiáng)度大且成本高,難以實(shí)現(xiàn)對(duì)大規(guī)模甘蔗種植區(qū)域的實(shí)時(shí)監(jiān)測(cè),限制了其在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的應(yīng)用。

    近年來,遙感技術(shù)的發(fā)展為甘蔗生長(zhǎng)監(jiān)測(cè)提供了新的手段。通常使用光學(xué)和SAR衛(wèi)星數(shù)據(jù)監(jiān)測(cè)甘蔗生育狀況、病蟲害發(fā)生情況及應(yīng)對(duì)措施效果。這些方法可定量化和客觀化地獲取作物生育參數(shù)信息,但也面臨一定的問題,比如光學(xué)數(shù)據(jù)容易受天氣影響,其中云層覆蓋會(huì)極大降低監(jiān)測(cè)精度;SAR數(shù)據(jù)分辨率有限,難以精確提取甘蔗生育參數(shù);衛(wèi)星數(shù)據(jù)存在時(shí)滯性,精度較高的監(jiān)測(cè),圖像通常難以及時(shí)獲取。

    1.2 深度學(xué)習(xí)技術(shù)

    深度學(xué)習(xí)是通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法對(duì)數(shù)據(jù)進(jìn)行有效處理分析。深度學(xué)習(xí)模型通過大量的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)數(shù)據(jù)的規(guī)律與特征,還可通過反向傳播算法來調(diào)整網(wǎng)絡(luò)參數(shù),從而提升模型的準(zhǔn)確性和泛化能力。近年來,深度學(xué)習(xí)在計(jì)算機(jī)視覺和自然語(yǔ)言處理等領(lǐng)域取得了重要的成果。在計(jì)算機(jī)視覺領(lǐng)域,深度學(xué)習(xí)模型可實(shí)現(xiàn)圖像分類、物體檢測(cè)、語(yǔ)義分割等任務(wù),已經(jīng)成為了許多實(shí)際應(yīng)用的核心技術(shù)。在自然語(yǔ)言處理領(lǐng)域,深度學(xué)習(xí)模型可實(shí)現(xiàn)文本分類、情感分析和機(jī)器翻譯等任務(wù),為人工智能技術(shù)的發(fā)展提供了重要支持。

    隨著計(jì)算能力的提高和大數(shù)據(jù)的匯集,深度學(xué)習(xí)模型已經(jīng)超過人類在圖像分類比賽中的識(shí)別準(zhǔn)確率,著名的深度學(xué)習(xí)模型如LeNet[5]、AlexNet[6]、VGG[7]、ResNet8]、Inception[9]等相繼提出,有效推動(dòng)了機(jī)器視覺的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks,CNN)是一種深度學(xué)習(xí)模型,能有效地進(jìn)行圖像分類和物體檢測(cè)等任務(wù)。2012年Alex Krizhevsky等提出了AlexNet模型,利用CNN進(jìn)行圖像分類和物體檢測(cè),在ImageNet數(shù)據(jù)集上測(cè)試取得了顯著的結(jié)果[10],標(biāo)志著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的崛起。除CNN之外,目標(biāo)檢測(cè)和語(yǔ)義分割也是深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的重要應(yīng)用。目標(biāo)檢測(cè)是計(jì)算機(jī)視覺中的一個(gè)重要任務(wù),可識(shí)別圖像中物體并確定其位置。深度學(xué)習(xí)在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用主要有2個(gè)重要的發(fā)展方向:一是Faster R-CNN,一種基于區(qū)域提取的目標(biāo)檢測(cè)框架,能在準(zhǔn)確率和速度之間取得良好的平衡[11];二是YOLO(You only look once),一種端到端的目標(biāo)檢測(cè)模型,可在較短時(shí)間內(nèi)實(shí)現(xiàn)高精度的目標(biāo)檢測(cè)[12]。語(yǔ)義分割任務(wù)旨在將圖像中的每個(gè)像素進(jìn)行分類,從而實(shí)現(xiàn)對(duì)圖像的完全理解。深度學(xué)習(xí)在語(yǔ)義分割領(lǐng)域的應(yīng)用主要有2種方法:一是基于CNN的全卷積網(wǎng)絡(luò)(Fully convolutional networks,F(xiàn)CNs),可對(duì)整個(gè)圖像進(jìn)行像素級(jí)的分類[13];二是基于編碼器—解碼器(Encoder-Decoder)[14]結(jié)構(gòu)的模型,可對(duì)圖像進(jìn)行分層解碼,從而實(shí)現(xiàn)更加準(zhǔn)確的語(yǔ)義分割。

    深度學(xué)習(xí)模型采用CNN能自動(dòng)學(xué)習(xí)數(shù)據(jù)的特征并進(jìn)行分類或識(shí)別,但也存在一定的局限性。采用傳感器技術(shù)的方法受到傳感器的精度和數(shù)量限制,同時(shí)需要進(jìn)行復(fù)雜的數(shù)據(jù)處理和分析。采用圖像處理技術(shù)的方法需要高質(zhì)量的甘蔗圖像,且對(duì)于甘蔗生長(zhǎng)過程中的其他因素(氣候、土壤等)的影響不夠敏感。

    1.3 基于深度學(xué)習(xí)的農(nóng)作物生長(zhǎng)監(jiān)測(cè)研究

    深度學(xué)習(xí)在農(nóng)業(yè)上的應(yīng)用前景非常廣闊,近年來在農(nóng)業(yè)方面取得了不少的成就[15],其中計(jì)算機(jī)視覺技術(shù)在農(nóng)業(yè)應(yīng)用中最廣泛[16],涵蓋農(nóng)業(yè)生產(chǎn)的各方面。如幫助農(nóng)民進(jìn)行農(nóng)業(yè)生產(chǎn)管理,通過識(shí)別農(nóng)田中的作物種植情況,預(yù)測(cè)作物的生長(zhǎng)趨勢(shì)等,此外,深度學(xué)習(xí)還可幫助農(nóng)民優(yōu)化農(nóng)業(yè)生產(chǎn)的各環(huán)節(jié),從而提高整個(gè)農(nóng)業(yè)生產(chǎn)系統(tǒng)的效率和質(zhì)量,為基于深度學(xué)習(xí)的甘蔗生長(zhǎng)監(jiān)測(cè)模型提供了有力的技術(shù)基礎(chǔ)。

    隨著深度學(xué)習(xí)技術(shù)的發(fā)展,越來越多的研究者開始關(guān)注基于深度學(xué)習(xí)的農(nóng)作物生長(zhǎng)監(jiān)測(cè)。通過利用衛(wèi)星遙感圖像、無人機(jī)航拍圖像等數(shù)據(jù),設(shè)計(jì)多種基于深度學(xué)習(xí)的農(nóng)作物生長(zhǎng)監(jiān)測(cè)模型,運(yùn)用于預(yù)測(cè)農(nóng)作物生長(zhǎng)、檢測(cè)病蟲害等方面。深度學(xué)習(xí)對(duì)甘蔗生長(zhǎng)檢測(cè)模型發(fā)展的影響主要包含2個(gè)方面:(1)深度學(xué)習(xí)模型可利用其強(qiáng)大的特征提取和分類能力,對(duì)甘蔗生長(zhǎng)過程中的圖像進(jìn)行準(zhǔn)確的分類和檢測(cè),從而提高甘蔗生長(zhǎng)檢測(cè)模型的準(zhǔn)確率;(2)深度學(xué)習(xí)模型可實(shí)現(xiàn)對(duì)甘蔗生長(zhǎng)過程中的圖像進(jìn)行自動(dòng)化檢測(cè),從而極大減少人工操作的時(shí)間和成本,并實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè),及時(shí)發(fā)現(xiàn)甘蔗生長(zhǎng)過程中的問題。

    但現(xiàn)階段針對(duì)甘蔗的深度學(xué)習(xí)監(jiān)測(cè)模型研究仍相對(duì)較少,因此文章提出建立一種使用深度學(xué)習(xí)方法自動(dòng)監(jiān)測(cè)和分類甘蔗生長(zhǎng)圖像的方法,以實(shí)現(xiàn)更加準(zhǔn)確、高效的生育監(jiān)測(cè)。構(gòu)建基于CNN的深度學(xué)習(xí)模型,采用甘蔗生長(zhǎng)期的高光譜圖像作為模型的訓(xùn)練和測(cè)試數(shù)據(jù),建立甘蔗生長(zhǎng)階段分類模型,從而達(dá)到監(jiān)測(cè)甘蔗生長(zhǎng)動(dòng)態(tài)的目的,以提高甘蔗生產(chǎn)效率并為農(nóng)業(yè)生產(chǎn)提供科學(xué)依據(jù)。

    2 甘蔗生長(zhǎng)監(jiān)測(cè)模型設(shè)計(jì)方法

    本研究提出的甘蔗生長(zhǎng)監(jiān)測(cè)模型,能及時(shí)發(fā)現(xiàn)并解決可能影響生長(zhǎng)效率的問題,指導(dǎo)農(nóng)民在合適的時(shí)間和地點(diǎn)進(jìn)行灌溉和施肥,分析生長(zhǎng)環(huán)境和甘蔗生長(zhǎng)狀態(tài)的變化,及早發(fā)現(xiàn)病蟲害的存在并預(yù)測(cè)其發(fā)展趨勢(shì),提前采取相應(yīng)的防治措施,幫助農(nóng)民做出科學(xué)合理的決策,從而提高甘蔗的產(chǎn)量、質(zhì)量和農(nóng)業(yè)可持續(xù)發(fā)展水平。

    2.1 總體思路

    采集甘蔗從萌發(fā)期到成熟期不同生育階段的高光譜圖像作為模型的訓(xùn)練集。采用基于CNN的模型對(duì)這些圖像進(jìn)行分類訓(xùn)練,建立甘蔗生育分類模型。將新采集的待測(cè)圖像輸入模型,模型可判斷圖像屬于哪個(gè)生育階段,從而實(shí)現(xiàn)對(duì)甘蔗生長(zhǎng)的監(jiān)測(cè)。

    2.2 數(shù)據(jù)獲取與預(yù)處理

    為了訓(xùn)練和驗(yàn)證甘蔗生長(zhǎng)監(jiān)測(cè)模型,首先需要獲取大量的甘蔗生長(zhǎng)圖像數(shù)據(jù)。本研究將利用無人機(jī)航拍圖像作為數(shù)據(jù)來源,并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,包括圖像裁剪、縮放和旋轉(zhuǎn)等操作,以增強(qiáng)模型的泛化能力。同時(shí)采集甘蔗的生長(zhǎng)數(shù)據(jù),包括溫度、濕度和光照等環(huán)境因素及甘蔗的生長(zhǎng)狀態(tài)。最后將這些數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集,其中訓(xùn)練集占總數(shù)據(jù)量的80%,測(cè)試集占20%。在數(shù)據(jù)預(yù)處理階段,對(duì)數(shù)據(jù)進(jìn)行歸一化處理,將所有數(shù)據(jù)縮放到0~1,以便于模型的訓(xùn)練和預(yù)測(cè)。

    2.3 模型架構(gòu)

    采用CNN作為基礎(chǔ)架構(gòu),設(shè)計(jì)甘蔗生長(zhǎng)監(jiān)測(cè)模型。CNN是一類用于圖像識(shí)別和分類的深層神經(jīng)網(wǎng)絡(luò),其包括輸入層、卷積層、池化層、全連接層和輸出層。卷積層采用卷積核對(duì)輸入數(shù)據(jù)進(jìn)行特征抽取;池化層用于進(jìn)一步提取圖像的空間信息;全連接層對(duì)抽取的特征進(jìn)行分類或回歸。CNN具有強(qiáng)大的圖像特征提取能力,能有效地捕捉甘蔗生長(zhǎng)過程的關(guān)鍵信息。具體而言,模型將包括多個(gè)卷積層、池化層和全連接層等組件,以實(shí)現(xiàn)對(duì)甘蔗生長(zhǎng)狀態(tài)的自動(dòng)識(shí)別和預(yù)測(cè)。

    如圖1所示,甘蔗生長(zhǎng)監(jiān)測(cè)模型包括以下7層:(1)輸入層。輸入甘蔗生長(zhǎng)的圖片數(shù)據(jù)和時(shí)間序列數(shù)據(jù)。(2)卷積層。用于提取圖像特征,包括多個(gè)卷積核和激活函數(shù)。(3)池化層。用于降低特征圖的維度和大小,減少參數(shù)數(shù)量。(4)LSTM層。用于處理時(shí)間序列數(shù)據(jù),捕捉序列中的時(shí)序信息。(5)GRU層。用于處理時(shí)間序列數(shù)據(jù),與LSTM相似,但計(jì)算復(fù)雜度更小。(6)全連接層。用于將卷積和時(shí)序的特征進(jìn)行融合和分類。(7)輸出層。輸出甘蔗生長(zhǎng)狀態(tài)的預(yù)測(cè)結(jié)果。

    2.4 訓(xùn)練與優(yōu)化

    在獲取并預(yù)處理數(shù)據(jù)后,將使用隨機(jī)梯度下降(Stochastic gradient descent,SGD)等優(yōu)化算法對(duì)模型進(jìn)行訓(xùn)練。SGD算法的迭代更新過程如下:

    Step 1:隨機(jī)初始化模型參數(shù);

    Step 2:對(duì)每個(gè)訓(xùn)練樣本作如下工作:(1)計(jì)算損失函數(shù)關(guān)于參數(shù)的梯度,(2)根據(jù)學(xué)習(xí)率和梯度方向更新模型參數(shù)。

    Step 3:是否達(dá)到最大迭代次數(shù)或損失函數(shù)收斂。是則停止,否則重復(fù)執(zhí)行Step 2。

    在訓(xùn)練過程中,模型將根據(jù)損失函數(shù)的梯度信息不斷調(diào)整參數(shù),以提高對(duì)甘蔗生長(zhǎng)狀態(tài)的預(yù)測(cè)準(zhǔn)確性。

    此外,為防止過擬合現(xiàn)象,還采用正則化(Regularization)和dropout等技術(shù)對(duì)模型進(jìn)行優(yōu)化,幫助提高模型的泛化能力,并在處理復(fù)雜數(shù)據(jù)集時(shí)減少過擬合問題的發(fā)生。

    3 甘蔗生長(zhǎng)檢測(cè)試驗(yàn)與評(píng)估

    3.1 試驗(yàn)設(shè)置

    為評(píng)估甘蔗生長(zhǎng)監(jiān)測(cè)模型的性能而進(jìn)行多組試驗(yàn)。試驗(yàn)數(shù)據(jù)將分為訓(xùn)練集、驗(yàn)證集和測(cè)試集,用于模型的訓(xùn)練、參數(shù)調(diào)整和評(píng)估。模型包括4個(gè)模塊:輸入模塊、特征提取模塊、深度學(xué)習(xí)模塊和輸出模塊(圖2)。試驗(yàn)步驟如下:

    Step 1:將采集到的萌發(fā)期到成熟期不同生育階段的高光譜圖像作為模型的訓(xùn)練集,結(jié)合時(shí)間序列數(shù)據(jù)作為模型的訓(xùn)練數(shù)據(jù)。

    Step 2:對(duì)高光譜圖像使用主成分分析(PCA)降維,將降維后的數(shù)據(jù)作為特征提取模塊的輸入。

    Step 3:將特征提取后的數(shù)據(jù)和甘蔗生長(zhǎng)周期數(shù)據(jù)作為模型訓(xùn)練數(shù)據(jù)集,進(jìn)行模型的訓(xùn)練。

    Step 4:使用訓(xùn)練后的模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè),從而得到甘蔗生長(zhǎng)周期預(yù)測(cè)結(jié)果。

    通過將樣本分為5個(gè)子集,進(jìn)行5折交叉驗(yàn)證,每次選擇其中一折作為驗(yàn)證集,其余的折作為訓(xùn)練集。重復(fù)5次,每次使用不同的驗(yàn)證集,最后將5次評(píng)估結(jié)果進(jìn)行平均,得到模型的性能評(píng)估。

    將訓(xùn)練的Epoch設(shè)為200輪,隨著訓(xùn)練次數(shù)的增加,該模型的邊界損失、目標(biāo)損失、分類精度和召回率如圖3所示,通過該圖可見,在訓(xùn)練150輪后,模型開始逐漸收斂,精度在95%以上。訓(xùn)練出來的模型可對(duì)甘蔗的生長(zhǎng)周期做出判斷,分別為萌芽期、幼苗期、分蘗期、伸長(zhǎng)期和成熟期。農(nóng)場(chǎng)主更具甘蔗不同的生長(zhǎng)周期做出合理的決策,從而提高甘蔗作物產(chǎn)量。

    3.2 試驗(yàn)結(jié)果

    為了驗(yàn)證所提出的深度學(xué)習(xí)模型相較于其他方法的優(yōu)勢(shì),將本研究提出的模型與1D-CNN、2D-CNN和ResNet進(jìn)行對(duì)比。所提出方法與其他3種方法的算法準(zhǔn)確率,試驗(yàn)對(duì)比如圖4所示。通過試驗(yàn)發(fā)現(xiàn),文章所構(gòu)建的深度學(xué)習(xí)模型通過結(jié)合ResNet和2D-CNN,在提升分類精度的同時(shí),減少了模型的復(fù)雜度,實(shí)現(xiàn)較高精度地分類甘蔗生育階段。相對(duì)于2D-CNN和ResNet,該模型在測(cè)試集上精度提升幅度分別為5.1%和2.4%。同時(shí)將訓(xùn)練好的甘蔗生長(zhǎng)監(jiān)測(cè)模型應(yīng)用于實(shí)際場(chǎng)景中,對(duì)甘蔗的生長(zhǎng)狀態(tài)進(jìn)行了預(yù)測(cè),結(jié)果表明,該模型具有較高的準(zhǔn)確率,能有效監(jiān)測(cè)和判斷甘蔗的生長(zhǎng)階段,為科學(xué)培育甘蔗提供了重要依據(jù)。

    4 結(jié)語(yǔ)

    本研究基于分析蔗糖的重要性及傳統(tǒng)監(jiān)測(cè)方法的不足,提出利用深度學(xué)習(xí)自動(dòng)監(jiān)測(cè)和分類甘蔗生長(zhǎng)圖像的方法,構(gòu)建了基于CNN的深度學(xué)習(xí)模型,并進(jìn)行驗(yàn)證其監(jiān)測(cè)甘蔗生長(zhǎng)的有效性。就進(jìn)一步提升深度學(xué)習(xí)模型的能力,提出以下幾點(diǎn)建議:(1)采用更大規(guī)模和多樣化的數(shù)據(jù)集訓(xùn)練深度學(xué)習(xí)模型,提高模型的泛化能力??山Y(jié)合更長(zhǎng)時(shí)間跨度的甘蔗生育數(shù)據(jù),同時(shí)加入不同品種、不同區(qū)域等數(shù)據(jù)進(jìn)行訓(xùn)練。(2)采用更深和復(fù)雜的網(wǎng)絡(luò)架構(gòu),如DenseNet等[17],提高模型的特征學(xué)習(xí)能力,也可在原模型基礎(chǔ)上加入注意力機(jī)制或記憶機(jī)制,進(jìn)一步優(yōu)化模型。(3)將深度學(xué)習(xí)模型與時(shí)間序列模型或推薦系統(tǒng)相結(jié)合,實(shí)現(xiàn)對(duì)甘蔗全生育周期的精準(zhǔn)監(jiān)測(cè)和預(yù)警。如利用廣西某地區(qū)甘蔗歷史生育數(shù)據(jù)預(yù)測(cè)生育趨勢(shì),一旦發(fā)現(xiàn)異常情況及時(shí)發(fā)出預(yù)警。(4)將深度學(xué)習(xí)模型部署至終端設(shè)備,實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)。通過邊緣計(jì)算的方式,將模型運(yùn)行在現(xiàn)場(chǎng)的終端設(shè)備上,可減少數(shù)據(jù)傳輸和提高監(jiān)測(cè)響應(yīng)速度。(5)探索將深度學(xué)習(xí)與遙感監(jiān)測(cè)相結(jié)合,發(fā)揮兩者優(yōu)勢(shì)。深度學(xué)習(xí)模型可高精度提取生育參數(shù),而遙感可定期監(jiān)測(cè)較大范圍內(nèi)甘蔗生長(zhǎng)狀況,結(jié)合使用能實(shí)現(xiàn)對(duì)更加廣泛區(qū)域內(nèi)甘蔗高效和精準(zhǔn)監(jiān)測(cè)。

    綜上所述,本研究構(gòu)建的深度學(xué)習(xí)模型為高效和精準(zhǔn)監(jiān)測(cè)甘蔗生長(zhǎng)提供了可能。模型具有較高的準(zhǔn)確率和精確度,能有效地監(jiān)測(cè)甘蔗的生長(zhǎng)狀態(tài),為甘蔗生長(zhǎng)管理和決策提供了參考依據(jù)。今后不斷改進(jìn)模型的性能,將其應(yīng)用于更廣泛的農(nóng)業(yè)領(lǐng)域中,以提高作物生產(chǎn)的效率和質(zhì)量。

    參考文獻(xiàn)

    [1] 楊婷, 沈石妍, 王智能,等. 100份甘蔗種質(zhì)資源營(yíng)養(yǎng)品質(zhì)分析及評(píng)價(jià)[J]. 熱帶作物學(xué)報(bào),2023,44(3):484-493.

    [2] 張華, 羅俊, 袁照年,等. 甘蔗機(jī)械化種植的農(nóng)藝技術(shù)分析[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào),2013,34(1):78-81.

    [3] 馮麗鋼. 農(nóng)藝技術(shù)在甘蔗機(jī)械化種植中的應(yīng)用[J]. 廣西農(nóng)業(yè)機(jī)械化,2023(1):5-7.

    [4] 凡云雷, 周德強(qiáng), 鄧干然, 等. 基于機(jī)器視覺的甘蔗切種裝備設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)機(jī)化研究,2021,43(5):55-60.

    [5] LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Procee-dings of the IEEE,1998,86(11):2278-2324.

    [6] Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[J]. Communications of the ACM,2017,60(6):84-90.

    [7] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[C]//Computational and Biological Learning Society. International Conference on Learning Representations,2015. doi:10.48550/arXiv.1409.1556.

    [8] He K M, Zhang X Y, Ren S Q, et al. Deep residual learning for image recognition[C]//IEEE. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016. doi:10.1109/CVPR.2016.90.

    [9] Szegedy C, Vanhoucke V, Ioffe S, et al. Rethinking the inception architecture for computer vision[C]//IEEE. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016. doi:10.1109/CVPR. 2016.308.

    [10] Ballester P, Araú R M. On the performance of GoogLeNet and AlexNet applied to ketches[C]//AAAI. AAAI'16: Proceedings of the Thirtieth AAAI Confe-rence on Artificial Intelligence,2016:1124-1128.

    [11] Ren S Q, He K M, Girshick R, et al. Faster R-CNN: Towards real-time object detection with region propo-sal networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.

    [12] Redmon J, Divvala S, Girshick R, et al. You only look once: Unified, real-time object detection[C]//IEEE. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2016. doi:10.1109/CVPR. 2016.91.

    [13] Long J, Shelhamer E, Darrell T. Fully convolutional networks for semantic segmentation[C]//IEEE. IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2015),2015. doi:10.1109/TPAMI.2016. 2572683.

    [14] Badrinarayanan V, Kendall A, Cipolla R. Segnet: A deep convolutional encoder-decoder architecture for image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(12):2481-2495.

    [15] 徐衍向,張敬智,蘭玉彬,等. 基于紅外熱成像和機(jī)器學(xué)習(xí)的作物早期病害識(shí)別研究進(jìn)展[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào),2023,44(5):188-197.

    [16] 邊柯橙,楊海軍,路永華. 深度學(xué)習(xí)在農(nóng)業(yè)病蟲害檢測(cè)識(shí)別中的應(yīng)用綜述[J]. 軟件導(dǎo)刊,2021,20(3):26-33.

    [17] Huang G, Liu Z, van der Maaten L, et al. Densely connected convolutional networks[C]//IEEE. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR),2017:751-759.

    (責(zé)任編輯 鄧慧靈)

    猜你喜歡
    計(jì)算機(jī)視覺卷積神經(jīng)網(wǎng)絡(luò)蔗糖
    2019年來賓市蔗糖業(yè)總產(chǎn)值近100億元
    摻HRA 對(duì)蔗糖超緩凝水泥基材料性能的影響
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用
    危險(xiǎn)氣體罐車液位計(jì)算機(jī)視覺監(jiān)控識(shí)別報(bào)警系統(tǒng)設(shè)計(jì)
    計(jì)算機(jī)視覺在交通領(lǐng)域的應(yīng)用
    瀾滄縣蔗糖產(chǎn)業(yè)發(fā)展的思考
    基于計(jì)算機(jī)視覺的細(xì)小顆粒團(tuán)重量測(cè)量的研究
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    色噜噜av男人的天堂激情| 男人舔奶头视频| 国语自产精品视频在线第100页| 99精品在免费线老司机午夜| 中文在线观看免费www的网站| 免费不卡的大黄色大毛片视频在线观看 | 51国产日韩欧美| 色播亚洲综合网| 色综合站精品国产| 久久精品国产清高在天天线| 亚洲成人中文字幕在线播放| 久久欧美精品欧美久久欧美| 不卡一级毛片| 99视频精品全部免费 在线| 国产伦理片在线播放av一区 | 免费无遮挡裸体视频| 日韩国内少妇激情av| 国产精品人妻久久久久久| 国产欧美日韩精品一区二区| 丝袜喷水一区| 精品人妻一区二区三区麻豆| 国产91av在线免费观看| 蜜桃亚洲精品一区二区三区| 美女 人体艺术 gogo| 亚洲欧美日韩高清专用| 夜夜爽天天搞| 日韩av在线大香蕉| 亚洲av第一区精品v没综合| 国产视频首页在线观看| 精品久久久久久久久av| 亚洲国产欧美在线一区| 久久99热这里只有精品18| 久久精品夜夜夜夜夜久久蜜豆| 国产午夜精品久久久久久一区二区三区| 大型黄色视频在线免费观看| 国产成人精品久久久久久| 欧美日韩综合久久久久久| 国产精品国产高清国产av| 特级一级黄色大片| 国产伦理片在线播放av一区 | 国产女主播在线喷水免费视频网站 | 91av网一区二区| 日产精品乱码卡一卡2卡三| 男女啪啪激烈高潮av片| 我的老师免费观看完整版| 人体艺术视频欧美日本| 欧美区成人在线视频| 岛国毛片在线播放| 久久鲁丝午夜福利片| 成人高潮视频无遮挡免费网站| 国产在线男女| 免费av观看视频| 亚洲成av人片在线播放无| 亚洲精华国产精华液的使用体验 | 亚州av有码| 99热只有精品国产| 亚洲自偷自拍三级| 久久久久久久久久黄片| 久久久久久伊人网av| 亚洲av.av天堂| 国产精品免费一区二区三区在线| 国产成人91sexporn| 男女做爰动态图高潮gif福利片| 少妇丰满av| 一区福利在线观看| 久久精品国产自在天天线| 精华霜和精华液先用哪个| 免费观看a级毛片全部| av免费观看日本| 国产一区二区在线观看日韩| 男人舔女人下体高潮全视频| 国产亚洲5aaaaa淫片| 两性午夜刺激爽爽歪歪视频在线观看| 国产大屁股一区二区在线视频| 国产精品一区www在线观看| 日韩 亚洲 欧美在线| 欧美xxxx性猛交bbbb| 麻豆乱淫一区二区| 一级黄片播放器| 麻豆乱淫一区二区| 欧美丝袜亚洲另类| 99热全是精品| 国产精品一二三区在线看| 久久精品久久久久久久性| 又爽又黄无遮挡网站| 成人二区视频| 亚洲欧美精品综合久久99| 亚洲久久久久久中文字幕| 国产乱人偷精品视频| 成人美女网站在线观看视频| 国产激情偷乱视频一区二区| 亚洲人成网站在线观看播放| 国产午夜精品论理片| 伊人久久精品亚洲午夜| 欧美不卡视频在线免费观看| 三级男女做爰猛烈吃奶摸视频| 日本-黄色视频高清免费观看| 亚洲国产高清在线一区二区三| 性欧美人与动物交配| 中出人妻视频一区二区| 人妻久久中文字幕网| 成人亚洲精品av一区二区| 欧洲精品卡2卡3卡4卡5卡区| 国产精品永久免费网站| 观看免费一级毛片| 免费人成在线观看视频色| 麻豆一二三区av精品| 91精品一卡2卡3卡4卡| 特级一级黄色大片| 国产精品1区2区在线观看.| 三级国产精品欧美在线观看| 久久热精品热| 免费看a级黄色片| 男人舔女人下体高潮全视频| 久久久久久久久久黄片| 色哟哟·www| 日本爱情动作片www.在线观看| 嫩草影院入口| 国产美女午夜福利| 国产精品一二三区在线看| 国产91av在线免费观看| 99热这里只有是精品50| 99久久精品一区二区三区| 伦精品一区二区三区| 99久久九九国产精品国产免费| 一级黄色大片毛片| 一区二区三区高清视频在线| 最好的美女福利视频网| 最新中文字幕久久久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日韩在线高清观看一区二区三区| 欧美+日韩+精品| 久久久久国产网址| 国产亚洲精品久久久久久毛片| 三级国产精品欧美在线观看| 国产精品久久久久久亚洲av鲁大| 国产精品福利在线免费观看| 久久人人精品亚洲av| 18禁黄网站禁片免费观看直播| 搡女人真爽免费视频火全软件| 爱豆传媒免费全集在线观看| 天堂√8在线中文| 青青草视频在线视频观看| 亚洲av第一区精品v没综合| 国产成人影院久久av| 美女 人体艺术 gogo| 亚洲欧美精品综合久久99| 真实男女啪啪啪动态图| 少妇的逼水好多| 欧美人与善性xxx| 夫妻性生交免费视频一级片| 不卡一级毛片| 成人三级黄色视频| 国产精品,欧美在线| 久久久久久大精品| 免费搜索国产男女视频| 亚洲欧美日韩高清专用| 麻豆av噜噜一区二区三区| 99热这里只有精品一区| 国产精品野战在线观看| 少妇高潮的动态图| 不卡一级毛片| 深夜a级毛片| 99热网站在线观看| 舔av片在线| 欧美xxxx黑人xx丫x性爽| 人妻少妇偷人精品九色| 嘟嘟电影网在线观看| 亚洲久久久久久中文字幕| 午夜精品一区二区三区免费看| 久久亚洲国产成人精品v| 日本成人三级电影网站| 欧美一区二区精品小视频在线| av天堂在线播放| 国产精品av视频在线免费观看| 国产成人精品婷婷| 亚洲av第一区精品v没综合| 亚洲精品久久国产高清桃花| 一本久久中文字幕| 热99re8久久精品国产| 欧洲精品卡2卡3卡4卡5卡区| 日韩视频在线欧美| 91狼人影院| 国产成人精品久久久久久| 亚洲乱码一区二区免费版| 久久久久久久久大av| 欧美性猛交╳xxx乱大交人| 性色avwww在线观看| 日本黄色片子视频| 成人美女网站在线观看视频| 欧美激情国产日韩精品一区| 免费观看在线日韩| 日韩中字成人| 床上黄色一级片| 一个人观看的视频www高清免费观看| 1024手机看黄色片| 国产久久久一区二区三区| 亚洲精华国产精华液的使用体验 | 国产一区二区三区在线臀色熟女| 成人无遮挡网站| 欧美3d第一页| 真实男女啪啪啪动态图| 看免费成人av毛片| 国内少妇人妻偷人精品xxx网站| av国产免费在线观看| 超碰av人人做人人爽久久| 嫩草影院入口| 久久人人爽人人片av| 中文字幕人妻熟人妻熟丝袜美| 欧美高清成人免费视频www| 变态另类成人亚洲欧美熟女| 人人妻人人澡欧美一区二区| 高清日韩中文字幕在线| 观看美女的网站| 成人性生交大片免费视频hd| 中文字幕免费在线视频6| 欧美变态另类bdsm刘玥| 你懂的网址亚洲精品在线观看 | 22中文网久久字幕| 日韩欧美一区二区三区在线观看| 深爱激情五月婷婷| 久久国内精品自在自线图片| 久久久国产成人精品二区| 国产av麻豆久久久久久久| 99视频精品全部免费 在线| 中文欧美无线码| 97在线视频观看| 最后的刺客免费高清国语| 成人鲁丝片一二三区免费| 十八禁国产超污无遮挡网站| 国产精品一区二区三区四区免费观看| 2022亚洲国产成人精品| av又黄又爽大尺度在线免费看 | 亚洲乱码一区二区免费版| 亚洲av免费在线观看| 夜夜爽天天搞| 日本撒尿小便嘘嘘汇集6| 啦啦啦观看免费观看视频高清| 天天一区二区日本电影三级| 又粗又爽又猛毛片免费看| 我的女老师完整版在线观看| 搡老妇女老女人老熟妇| 国产真实乱freesex| 高清在线视频一区二区三区 | 日韩一区二区三区影片| 日韩视频在线欧美| av天堂中文字幕网| 国产三级在线视频| 哪里可以看免费的av片| 亚洲精品国产av成人精品| 国产91av在线免费观看| 久久亚洲国产成人精品v| 天天躁夜夜躁狠狠久久av| 国产精品一及| 日日摸夜夜添夜夜爱| 亚洲一区高清亚洲精品| 日韩一区二区视频免费看| 国产一级毛片七仙女欲春2| 久久精品国产亚洲av香蕉五月| 免费看美女性在线毛片视频| 99热6这里只有精品| 99精品在免费线老司机午夜| 精品不卡国产一区二区三区| 一区福利在线观看| 日韩成人av中文字幕在线观看| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久久久免费视频| 老熟妇乱子伦视频在线观看| 成人三级黄色视频| 亚洲最大成人av| 老司机影院成人| 国产成人a区在线观看| 亚洲经典国产精华液单| 在线观看一区二区三区| 青青草视频在线视频观看| 少妇人妻精品综合一区二区 | 欧美激情久久久久久爽电影| 亚洲欧美日韩无卡精品| 偷拍熟女少妇极品色| 午夜爱爱视频在线播放| 99热这里只有是精品50| 日本黄色视频三级网站网址| 男女做爰动态图高潮gif福利片| 欧美激情在线99| 免费看日本二区| 日韩国内少妇激情av| 国产亚洲5aaaaa淫片| 噜噜噜噜噜久久久久久91| 一进一出抽搐动态| 欧美最黄视频在线播放免费| 精品熟女少妇av免费看| 99热只有精品国产| 性色avwww在线观看| 久久精品国产亚洲av天美| 亚洲欧美日韩东京热| 亚洲国产精品sss在线观看| 中文字幕熟女人妻在线| 午夜激情欧美在线| 免费人成在线观看视频色| 国产免费一级a男人的天堂| 国产一区亚洲一区在线观看| 成人无遮挡网站| 亚洲国产精品久久男人天堂| 三级经典国产精品| eeuss影院久久| а√天堂www在线а√下载| 国产一级毛片在线| 成人永久免费在线观看视频| 国产极品天堂在线| 丰满乱子伦码专区| 国产人妻一区二区三区在| 可以在线观看毛片的网站| 我的老师免费观看完整版| 国产精品,欧美在线| 午夜免费激情av| av在线老鸭窝| 欧美三级亚洲精品| 国产精品免费一区二区三区在线| 一边摸一边抽搐一进一小说| 国产久久久一区二区三区| 女同久久另类99精品国产91| 久久99热这里只有精品18| 天天躁日日操中文字幕| 色尼玛亚洲综合影院| av天堂中文字幕网| 国产成人91sexporn| 成人无遮挡网站| 午夜久久久久精精品| 亚洲成人av在线免费| 久久99热这里只有精品18| 国产成人影院久久av| 国产日韩欧美在线精品| 国产午夜福利久久久久久| 长腿黑丝高跟| 日韩 亚洲 欧美在线| 国产精品人妻久久久久久| 人人妻人人澡欧美一区二区| 听说在线观看完整版免费高清| 国产视频内射| 伊人久久精品亚洲午夜| 亚洲欧美成人综合另类久久久 | 亚洲av熟女| 99久久人妻综合| 小说图片视频综合网站| 国产成年人精品一区二区| 麻豆国产av国片精品| 欧美变态另类bdsm刘玥| 免费看a级黄色片| 两个人视频免费观看高清| 久久久久久久久久久丰满| 熟女电影av网| 中文精品一卡2卡3卡4更新| 国产真实乱freesex| 18+在线观看网站| 少妇人妻一区二区三区视频| 日日干狠狠操夜夜爽| 久久精品国产亚洲av天美| 国产精品免费一区二区三区在线| 欧美xxxx黑人xx丫x性爽| 久久人妻av系列| 成人毛片60女人毛片免费| 久久久精品94久久精品| 麻豆av噜噜一区二区三区| 亚洲国产精品合色在线| 精品一区二区免费观看| 亚洲四区av| 在线国产一区二区在线| 精品久久久久久久久亚洲| 97热精品久久久久久| 天堂网av新在线| 波多野结衣高清无吗| 免费大片18禁| 亚洲不卡免费看| h日本视频在线播放| 国产高清视频在线观看网站| 少妇人妻精品综合一区二区 | 亚洲激情五月婷婷啪啪| 午夜亚洲福利在线播放| 天堂影院成人在线观看| 欧美精品一区二区大全| 美女xxoo啪啪120秒动态图| 国产精品伦人一区二区| 少妇高潮的动态图| 99久久中文字幕三级久久日本| 精品一区二区三区视频在线| 亚洲精华国产精华液的使用体验 | 色视频www国产| 99久久九九国产精品国产免费| 91麻豆精品激情在线观看国产| 国产精华一区二区三区| 精品久久久久久久人妻蜜臀av| 人人妻人人澡欧美一区二区| 91久久精品国产一区二区成人| 久久精品国产亚洲av天美| 天堂中文最新版在线下载 | 日韩av不卡免费在线播放| 校园人妻丝袜中文字幕| 国内久久婷婷六月综合欲色啪| 寂寞人妻少妇视频99o| 淫秽高清视频在线观看| 一卡2卡三卡四卡精品乱码亚洲| 亚洲中文字幕日韩| 国产一区二区三区在线臀色熟女| 欧美极品一区二区三区四区| 国产精品久久久久久久电影| 成年女人永久免费观看视频| 色视频www国产| 国产高清不卡午夜福利| 国产一区二区在线av高清观看| 成人二区视频| 欧美日韩一区二区视频在线观看视频在线 | 欧美高清性xxxxhd video| 亚洲电影在线观看av| 国国产精品蜜臀av免费| 成人亚洲精品av一区二区| 亚洲一区二区三区色噜噜| 免费看美女性在线毛片视频| 内地一区二区视频在线| 精品一区二区三区人妻视频| 综合色丁香网| 最近最新中文字幕大全电影3| 日产精品乱码卡一卡2卡三| 色播亚洲综合网| 国产探花在线观看一区二区| 精品人妻视频免费看| 日本一二三区视频观看| 欧美高清成人免费视频www| 男女做爰动态图高潮gif福利片| 久久久国产成人免费| 成人性生交大片免费视频hd| 黄色欧美视频在线观看| 久久人人精品亚洲av| 久久久久九九精品影院| 日韩在线高清观看一区二区三区| 一区福利在线观看| 麻豆国产av国片精品| 人妻制服诱惑在线中文字幕| 我的女老师完整版在线观看| 国产麻豆成人av免费视频| 伦理电影大哥的女人| 国产成人精品婷婷| 人妻久久中文字幕网| 亚洲欧美精品自产自拍| 欧美性感艳星| 内地一区二区视频在线| 亚洲精品自拍成人| 午夜福利在线观看吧| 亚洲精华国产精华液的使用体验 | 69人妻影院| 国产精品人妻久久久久久| 亚洲av免费在线观看| 亚洲成a人片在线一区二区| 欧美日韩综合久久久久久| 嫩草影院精品99| 中文字幕人妻熟人妻熟丝袜美| 日本五十路高清| 午夜免费激情av| 成人永久免费在线观看视频| 日韩三级伦理在线观看| 久久精品国产99精品国产亚洲性色| 国产亚洲精品久久久久久毛片| 欧美日韩乱码在线| 日韩大尺度精品在线看网址| 男女下面进入的视频免费午夜| 国产精品一区www在线观看| av天堂中文字幕网| 我要看日韩黄色一级片| 又黄又爽又刺激的免费视频.| 哪个播放器可以免费观看大片| 日本欧美国产在线视频| 亚洲国产精品合色在线| 黑人高潮一二区| 99热这里只有精品一区| 亚洲精品久久久久久婷婷小说 | 亚洲精品成人久久久久久| 最近2019中文字幕mv第一页| 欧美日韩综合久久久久久| 一个人免费在线观看电影| 天堂网av新在线| 国产伦精品一区二区三区视频9| 久久精品国产亚洲网站| 国产成人精品久久久久久| 日韩av在线大香蕉| 91精品一卡2卡3卡4卡| 国产男人的电影天堂91| 欧洲精品卡2卡3卡4卡5卡区| 99国产极品粉嫩在线观看| 在现免费观看毛片| 伊人久久精品亚洲午夜| 狂野欧美激情性xxxx在线观看| 十八禁国产超污无遮挡网站| 看非洲黑人一级黄片| 日韩一区二区三区影片| 精品熟女少妇av免费看| 国产精品久久久久久av不卡| kizo精华| 哪里可以看免费的av片| 亚洲图色成人| 精品久久久久久久久亚洲| 国产麻豆成人av免费视频| 亚洲中文字幕日韩| 成人午夜高清在线视频| 中文资源天堂在线| 波多野结衣高清作品| 高清毛片免费看| 亚洲成人精品中文字幕电影| 能在线免费观看的黄片| 国产老妇女一区| 69人妻影院| 久久久久免费精品人妻一区二区| 精品一区二区免费观看| 晚上一个人看的免费电影| 亚洲激情五月婷婷啪啪| 亚洲av免费高清在线观看| 久久鲁丝午夜福利片| 国产精品女同一区二区软件| 国产精品野战在线观看| 国产私拍福利视频在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产三级在线视频| 国产真实乱freesex| 午夜福利在线观看免费完整高清在 | 久久午夜亚洲精品久久| 亚洲色图av天堂| а√天堂www在线а√下载| 国产午夜精品一二区理论片| 国产精品国产三级国产av玫瑰| 中文字幕免费在线视频6| 2021天堂中文幕一二区在线观| 日韩 亚洲 欧美在线| 三级国产精品欧美在线观看| 中国美女看黄片| 免费无遮挡裸体视频| 一个人免费在线观看电影| 欧美日本视频| 久久久久久久午夜电影| 国产色婷婷99| av又黄又爽大尺度在线免费看 | 女人十人毛片免费观看3o分钟| 色5月婷婷丁香| 国产精品爽爽va在线观看网站| 久久久精品大字幕| 国产精品国产三级国产av玫瑰| 亚洲久久久久久中文字幕| 色噜噜av男人的天堂激情| 国产精品伦人一区二区| av在线观看视频网站免费| 日本撒尿小便嘘嘘汇集6| 亚洲精品乱码久久久久久按摩| 亚洲av免费高清在线观看| 国产亚洲精品久久久久久毛片| 一边摸一边抽搐一进一小说| 国产高清不卡午夜福利| 亚洲精品影视一区二区三区av| 国产精品乱码一区二三区的特点| 欧美性猛交╳xxx乱大交人| 亚洲成av人片在线播放无| 亚洲精品国产成人久久av| 天堂av国产一区二区熟女人妻| 欧美精品国产亚洲| 天堂网av新在线| 日韩欧美三级三区| 又爽又黄a免费视频| 久久婷婷人人爽人人干人人爱| 国产久久久一区二区三区| 国产伦精品一区二区三区视频9| 亚洲图色成人| 色综合亚洲欧美另类图片| 日本在线视频免费播放| 婷婷六月久久综合丁香| 欧美另类亚洲清纯唯美| 精品久久久久久久久亚洲| 亚洲av不卡在线观看| 26uuu在线亚洲综合色| 午夜福利成人在线免费观看| 精华霜和精华液先用哪个| 久久精品久久久久久久性| 亚洲精品久久久久久婷婷小说 | 国产黄a三级三级三级人| 联通29元200g的流量卡| 99在线人妻在线中文字幕| 国产成人a区在线观看| 99热只有精品国产| 国产 一区 欧美 日韩| 国产精品一及| 亚洲人成网站高清观看| 亚洲熟妇中文字幕五十中出| 成人综合一区亚洲| 国产黄a三级三级三级人| 99久久精品一区二区三区| 国产精品日韩av在线免费观看| 欧美最黄视频在线播放免费| 少妇的逼好多水| 亚洲av中文字字幕乱码综合| 国产视频首页在线观看| 91精品一卡2卡3卡4卡| 亚洲av一区综合| 日本熟妇午夜| 97在线视频观看| 国产探花在线观看一区二区| 国产高清视频在线观看网站| 99精品在免费线老司机午夜| 一级毛片电影观看 | 久久国内精品自在自线图片| 永久网站在线| 成人av在线播放网站| 亚洲激情五月婷婷啪啪| 麻豆乱淫一区二区| 亚洲乱码一区二区免费版| 免费看日本二区| avwww免费| 日韩欧美国产在线观看| 黑人高潮一二区| 国产精品电影一区二区三区| 一级毛片电影观看 |