• <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
    国产中年淑女户外野战色| 在线播放无遮挡| 国内精品久久久久精免费| 国产精品野战在线观看| 99久国产av精品| 欧美丝袜亚洲另类 | 日本成人三级电影网站| 人妻夜夜爽99麻豆av| 国内精品美女久久久久久| 又粗又爽又猛毛片免费看| 99国产极品粉嫩在线观看| 成人三级黄色视频| 国内揄拍国产精品人妻在线| 97超视频在线观看视频| 久久精品综合一区二区三区| 禁无遮挡网站| 观看免费一级毛片| 国语自产精品视频在线第100页| 少妇人妻一区二区三区视频| 成人特级av手机在线观看| 精品欧美国产一区二区三| 熟女少妇亚洲综合色aaa.| 成人永久免费在线观看视频| 精品久久久久久,| 国产精品爽爽va在线观看网站| 别揉我奶头~嗯~啊~动态视频| 亚洲天堂国产精品一区在线| 欧美区成人在线视频| 久久亚洲精品不卡| 免费人成视频x8x8入口观看| 特大巨黑吊av在线直播| 伊人久久精品亚洲午夜| 精华霜和精华液先用哪个| 18禁在线播放成人免费| 久久久久性生活片| 中文字幕高清在线视频| 精品电影一区二区在线| 国产成人福利小说| 一进一出抽搐动态| 亚洲中文日韩欧美视频| 午夜福利在线在线| 露出奶头的视频| 黄色片一级片一级黄色片| 真人一进一出gif抽搐免费| 精品久久久久久久久久久久久| 亚洲最大成人中文| 成人三级黄色视频| 观看美女的网站| 最新在线观看一区二区三区| 国产精品亚洲美女久久久| 女人高潮潮喷娇喘18禁视频| 免费大片18禁| 亚洲第一欧美日韩一区二区三区| 久久久久国产精品人妻aⅴ院| 国产成人系列免费观看| 两个人视频免费观看高清| 狂野欧美激情性xxxx| 国产精品亚洲美女久久久| 国产野战对白在线观看| 亚洲熟妇熟女久久| 成人av在线播放网站| 免费人成在线观看视频色| av在线蜜桃| 久久精品影院6| tocl精华| av专区在线播放| 老熟妇仑乱视频hdxx| 哪里可以看免费的av片| bbb黄色大片| 看片在线看免费视频| 精品电影一区二区在线| 99国产综合亚洲精品| 国产视频内射| 伊人久久精品亚洲午夜| 男女做爰动态图高潮gif福利片| 中亚洲国语对白在线视频| 欧美国产日韩亚洲一区| 日本黄色视频三级网站网址| 天堂√8在线中文| 精品一区二区三区视频在线 | 嫩草影院精品99| 久久久久性生活片| 少妇熟女aⅴ在线视频| 午夜福利欧美成人| 中亚洲国语对白在线视频| 国产高清videossex| 国产亚洲精品久久久久久毛片| 91麻豆精品激情在线观看国产| www.www免费av| 级片在线观看| 动漫黄色视频在线观看| 女生性感内裤真人,穿戴方法视频| 女警被强在线播放| 一本综合久久免费| 午夜a级毛片| 成人无遮挡网站| 欧美大码av| 不卡一级毛片| 欧美日韩中文字幕国产精品一区二区三区| 黄色片一级片一级黄色片| netflix在线观看网站| 欧美日本亚洲视频在线播放| 欧美激情在线99| 成人18禁在线播放| 三级国产精品欧美在线观看| 成人特级av手机在线观看| e午夜精品久久久久久久| 国产伦一二天堂av在线观看| 亚洲片人在线观看| 给我免费播放毛片高清在线观看| 窝窝影院91人妻| 亚洲av成人不卡在线观看播放网| 搡老妇女老女人老熟妇| 亚洲精品乱码久久久v下载方式 | 97超级碰碰碰精品色视频在线观看| 国产午夜精品论理片| 18禁黄网站禁片免费观看直播| 欧美在线一区亚洲| 国产在线精品亚洲第一网站| 好男人电影高清在线观看| 天天添夜夜摸| 欧美色视频一区免费| 青草久久国产| 久久欧美精品欧美久久欧美| 在线观看av片永久免费下载| 最好的美女福利视频网| 久久精品夜夜夜夜夜久久蜜豆| 2021天堂中文幕一二区在线观| 美女免费视频网站| 99在线人妻在线中文字幕| 日本 欧美在线| 首页视频小说图片口味搜索| 美女被艹到高潮喷水动态| 九九在线视频观看精品| 少妇人妻一区二区三区视频| 国产黄a三级三级三级人| 久久天躁狠狠躁夜夜2o2o| 欧美中文日本在线观看视频| 岛国在线观看网站| 亚洲av免费在线观看| 在线观看免费午夜福利视频| 国产亚洲精品av在线| 精华霜和精华液先用哪个| 国模一区二区三区四区视频| 午夜精品一区二区三区免费看| 久久精品人妻少妇| 女人十人毛片免费观看3o分钟| 国产aⅴ精品一区二区三区波| 三级国产精品欧美在线观看| 天美传媒精品一区二区| 国产精品一区二区免费欧美| 国产av在哪里看| 亚洲欧美日韩卡通动漫| 亚洲欧美日韩高清在线视频| 亚洲美女黄片视频| 美女cb高潮喷水在线观看| 欧美一级a爱片免费观看看| 午夜两性在线视频| 久久精品夜夜夜夜夜久久蜜豆| 俄罗斯特黄特色一大片| 18美女黄网站色大片免费观看| bbb黄色大片| 国产色婷婷99| 九九在线视频观看精品| 午夜影院日韩av| 欧美日韩中文字幕国产精品一区二区三区| 午夜福利视频1000在线观看| 欧美中文综合在线视频| 韩国av一区二区三区四区| 一区二区三区高清视频在线| 精品乱码久久久久久99久播| 精品久久久久久久末码| 久久人妻av系列| 成年版毛片免费区| 中文字幕人妻丝袜一区二区| 欧美中文日本在线观看视频| 国产午夜福利久久久久久| 久久久精品欧美日韩精品| 精品99又大又爽又粗少妇毛片 | 国产高清三级在线| 亚洲欧美日韩无卡精品| 黄片大片在线免费观看| 国产伦在线观看视频一区| 97人妻精品一区二区三区麻豆| 久久久久久久午夜电影| 午夜福利免费观看在线| 国产亚洲av嫩草精品影院| 尤物成人国产欧美一区二区三区| 久久香蕉精品热| 亚洲色图av天堂| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美三级三区| 亚洲五月天丁香| 成熟少妇高潮喷水视频| 久久久久国产精品人妻aⅴ院| 日韩成人在线观看一区二区三区| 嫩草影院精品99| 老司机午夜十八禁免费视频| 一区二区三区国产精品乱码| 日本黄大片高清| 日韩欧美一区二区三区在线观看| 日日干狠狠操夜夜爽| 校园春色视频在线观看| 中文字幕av成人在线电影| 91久久精品国产一区二区成人 | 亚洲精品一区av在线观看| 18禁美女被吸乳视频| 女人被狂操c到高潮| 人人妻人人看人人澡| 国产高清视频在线播放一区| 天堂动漫精品| 午夜福利视频1000在线观看| 观看免费一级毛片| 午夜两性在线视频| 精品乱码久久久久久99久播| 高清毛片免费观看视频网站| 亚洲天堂国产精品一区在线| 亚洲专区国产一区二区| 他把我摸到了高潮在线观看| 十八禁人妻一区二区| 中文在线观看免费www的网站| 国产老妇女一区| 免费av毛片视频| 亚洲五月天丁香| 法律面前人人平等表现在哪些方面| 国产精品国产高清国产av| 免费电影在线观看免费观看| 好男人在线观看高清免费视频| 日日摸夜夜添夜夜添小说| 不卡一级毛片| 久久中文看片网| 日本一二三区视频观看| 真实男女啪啪啪动态图| 日本黄大片高清| 女生性感内裤真人,穿戴方法视频| 精品熟女少妇八av免费久了| 99久久精品一区二区三区| 日韩免费av在线播放| 欧美性猛交黑人性爽| 亚洲欧美激情综合另类| 欧美乱色亚洲激情| 国产真人三级小视频在线观看| 狠狠狠狠99中文字幕| 日本三级黄在线观看| 在线观看av片永久免费下载| 黄片大片在线免费观看| 亚洲色图av天堂| 中文字幕熟女人妻在线| 人妻丰满熟妇av一区二区三区| eeuss影院久久| 欧美日韩一级在线毛片| 午夜两性在线视频| 亚洲黑人精品在线| 韩国av一区二区三区四区| 黄片小视频在线播放| 蜜桃亚洲精品一区二区三区| 国产99白浆流出| 成年女人永久免费观看视频| 夜夜夜夜夜久久久久| 小蜜桃在线观看免费完整版高清| 久久国产乱子伦精品免费另类| 99国产精品一区二区蜜桃av| 色av中文字幕| 手机成人av网站| 18禁国产床啪视频网站| 在线观看免费午夜福利视频| 日韩av在线大香蕉| 亚洲av第一区精品v没综合| 欧美中文日本在线观看视频| 亚洲中文日韩欧美视频| 亚洲 国产 在线| 免费观看人在逋| 午夜福利成人在线免费观看| 日本成人三级电影网站| 国产欧美日韩精品亚洲av| 国产美女午夜福利| 国产熟女xx| 啦啦啦免费观看视频1| 午夜福利在线观看吧| 国产成人av激情在线播放| 91字幕亚洲| 精品免费久久久久久久清纯| 成人18禁在线播放| 亚洲一区二区三区色噜噜| 丰满乱子伦码专区| 亚洲不卡免费看| 久久精品人妻少妇| 亚洲七黄色美女视频| 国产精品永久免费网站| 亚洲专区国产一区二区| 波多野结衣高清作品| 亚洲成av人片免费观看| 国产欧美日韩精品一区二区| 男女午夜视频在线观看| 99久久无色码亚洲精品果冻| 国产 一区 欧美 日韩| 久久久久久人人人人人| 深爱激情五月婷婷| 色av中文字幕| 日本黄色视频三级网站网址| 哪里可以看免费的av片| e午夜精品久久久久久久| 亚洲av五月六月丁香网| 一进一出好大好爽视频| 好男人在线观看高清免费视频| 小蜜桃在线观看免费完整版高清| 成人三级黄色视频| 久久久久国内视频| 成人欧美大片| 亚洲乱码一区二区免费版| 日本 欧美在线| 熟妇人妻久久中文字幕3abv| 男女午夜视频在线观看| 色播亚洲综合网| 91在线观看av| 一个人免费在线观看的高清视频| 午夜视频国产福利| 成人特级av手机在线观看| 啦啦啦观看免费观看视频高清| 国产免费av片在线观看野外av| 99久国产av精品| 日本与韩国留学比较| 热99re8久久精品国产| 12—13女人毛片做爰片一| a在线观看视频网站| 亚洲av二区三区四区| 一夜夜www| 国产熟女xx| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 国产成人福利小说| a级一级毛片免费在线观看| 99热只有精品国产| 久久久精品大字幕| 一二三四社区在线视频社区8| 黄色丝袜av网址大全| 国产精品香港三级国产av潘金莲| 欧美另类亚洲清纯唯美| 国产高清激情床上av| 老司机福利观看| 搡老岳熟女国产| 亚洲一区高清亚洲精品| 国产真实伦视频高清在线观看 | 18禁在线播放成人免费| 欧美乱色亚洲激情| 搡老妇女老女人老熟妇| 岛国在线观看网站| 夜夜爽天天搞| 国产精品98久久久久久宅男小说| 免费看十八禁软件| 成人特级黄色片久久久久久久| 日韩高清综合在线| 久久国产精品影院| 十八禁人妻一区二区| 欧美日韩综合久久久久久 | 色噜噜av男人的天堂激情| 国产成人欧美在线观看| 国产真人三级小视频在线观看| 老司机午夜福利在线观看视频| 亚洲成人精品中文字幕电影| 91麻豆av在线| 男人舔女人下体高潮全视频| svipshipincom国产片| 精品国产三级普通话版| 精品人妻一区二区三区麻豆 | 国产视频内射| 亚洲国产精品sss在线观看| 欧美黄色淫秽网站| 国产一区二区在线观看日韩 | 亚洲真实伦在线观看| aaaaa片日本免费| 亚洲精品亚洲一区二区| 国产日本99.免费观看| 午夜免费成人在线视频| 久久精品国产99精品国产亚洲性色| 亚洲美女黄片视频| 色综合欧美亚洲国产小说| 亚洲精品成人久久久久久| 少妇的丰满在线观看| 在线视频色国产色| 亚洲男人的天堂狠狠| 久久亚洲精品不卡| 天堂影院成人在线观看| 日本精品一区二区三区蜜桃| 国产精品野战在线观看| 欧美性猛交╳xxx乱大交人| 亚洲无线观看免费| 偷拍熟女少妇极品色| 久久精品国产综合久久久| 一个人免费在线观看的高清视频| 无限看片的www在线观看| 国产伦人伦偷精品视频| 欧美日韩精品网址| 成人无遮挡网站| 日韩中文字幕欧美一区二区| 麻豆成人午夜福利视频| 日韩精品青青久久久久久| 非洲黑人性xxxx精品又粗又长| 99国产极品粉嫩在线观看| 国产亚洲欧美98| 成人三级黄色视频| 精品99又大又爽又粗少妇毛片 | 午夜影院日韩av| 久久久国产成人精品二区| 无遮挡黄片免费观看| 精品午夜福利视频在线观看一区| 午夜a级毛片| 国产av一区在线观看免费| 美女黄网站色视频| 成人欧美大片| 深爱激情五月婷婷| 亚洲av五月六月丁香网| 男插女下体视频免费在线播放| 三级国产精品欧美在线观看| 可以在线观看的亚洲视频| 日韩欧美国产一区二区入口| 免费看日本二区| 男人舔女人下体高潮全视频| 观看免费一级毛片| 天堂√8在线中文| 免费一级毛片在线播放高清视频| 欧美性感艳星| 日韩精品中文字幕看吧| 日韩欧美精品免费久久 | 亚洲av成人av| 午夜视频国产福利| 18禁美女被吸乳视频| 老司机在亚洲福利影院| 亚洲最大成人手机在线| 日本成人三级电影网站| 一个人免费在线观看电影| 成人欧美大片| 欧美bdsm另类| 三级毛片av免费| 三级男女做爰猛烈吃奶摸视频| 欧美一区二区亚洲| 成人欧美大片| 日韩欧美三级三区| 亚洲精品乱码久久久v下载方式 | 久久精品国产99精品国产亚洲性色| 日本免费一区二区三区高清不卡| 最后的刺客免费高清国语| 岛国在线观看网站| 免费看美女性在线毛片视频| 看片在线看免费视频| 深夜精品福利| 欧美中文综合在线视频| 一级a爱片免费观看的视频| 中文字幕精品亚洲无线码一区| 人人妻,人人澡人人爽秒播| 亚洲欧美精品综合久久99| 九九久久精品国产亚洲av麻豆| 九色国产91popny在线| 国产精品三级大全| 伊人久久精品亚洲午夜| a在线观看视频网站| 欧美一区二区精品小视频在线| 两人在一起打扑克的视频| 3wmmmm亚洲av在线观看| 国产 一区 欧美 日韩| 床上黄色一级片| 在线播放无遮挡| 岛国在线免费视频观看| 成人特级黄色片久久久久久久| 亚洲成人久久爱视频| 在线视频色国产色| 国产又黄又爽又无遮挡在线| 亚洲无线在线观看| 国内精品一区二区在线观看| 国产亚洲精品久久久com| 日本免费一区二区三区高清不卡| 欧美一级毛片孕妇| 国产精品免费一区二区三区在线| 中文字幕av在线有码专区| 国产高清有码在线观看视频| 国产精品亚洲一级av第二区| 国产美女午夜福利| 欧美bdsm另类| 怎么达到女性高潮| 午夜亚洲福利在线播放| 精品乱码久久久久久99久播| 看免费av毛片| 我要搜黄色片| 在线天堂最新版资源| 国产成人av教育| 3wmmmm亚洲av在线观看| 亚洲欧美日韩高清在线视频| 免费观看人在逋| 精品不卡国产一区二区三区| 久久天躁狠狠躁夜夜2o2o| 1000部很黄的大片| 免费看日本二区| 18禁国产床啪视频网站| 免费av观看视频| 老鸭窝网址在线观看| 每晚都被弄得嗷嗷叫到高潮| 99久国产av精品| 99热只有精品国产| 亚洲一区二区三区不卡视频| 久久久久九九精品影院| 亚洲真实伦在线观看| 欧美国产日韩亚洲一区| 色综合站精品国产| h日本视频在线播放| 麻豆成人午夜福利视频| 97人妻精品一区二区三区麻豆| 国产综合懂色| 深夜精品福利| 国产伦一二天堂av在线观看| 一本久久中文字幕| 女人高潮潮喷娇喘18禁视频| 亚洲天堂国产精品一区在线| 国产一区二区三区在线臀色熟女| 在线a可以看的网站| 成人性生交大片免费视频hd| 午夜福利欧美成人| 国产精品电影一区二区三区| 欧美成人性av电影在线观看| 国内精品美女久久久久久| 首页视频小说图片口味搜索| 久久久久久久久久黄片| 搡老熟女国产l中国老女人| 欧美成人一区二区免费高清观看| 日韩欧美国产一区二区入口| 在线播放国产精品三级| 久久久国产精品麻豆| 国语自产精品视频在线第100页| 在线观看免费午夜福利视频| 精品国产三级普通话版| 一区二区三区国产精品乱码| 色精品久久人妻99蜜桃| 神马国产精品三级电影在线观看| 99久久成人亚洲精品观看| 淫秽高清视频在线观看| 麻豆成人av在线观看| 一级黄片播放器| 丰满的人妻完整版| 中文字幕av在线有码专区| 欧美成人a在线观看| 国产爱豆传媒在线观看| 亚洲人成网站在线播| 有码 亚洲区| 激情在线观看视频在线高清| 亚洲人与动物交配视频| 国产伦精品一区二区三区视频9 | 日韩欧美一区二区三区在线观看| 国产亚洲精品综合一区在线观看| 欧美成人一区二区免费高清观看| 国产男靠女视频免费网站| 中文字幕人妻熟人妻熟丝袜美 | 欧美日韩综合久久久久久 | 免费大片18禁| 欧美日韩黄片免| 国产成人欧美在线观看| 国产欧美日韩精品亚洲av| 欧美激情久久久久久爽电影| 成人性生交大片免费视频hd| 国产精品av视频在线免费观看| 国产精品野战在线观看| 色精品久久人妻99蜜桃| 女人高潮潮喷娇喘18禁视频| 九色国产91popny在线| 一个人免费在线观看电影| 我的老师免费观看完整版| 欧美极品一区二区三区四区| 19禁男女啪啪无遮挡网站| 精品福利观看| 久久久久性生活片| 亚洲av免费在线观看| 亚洲欧美日韩东京热| 亚洲人成电影免费在线| 99久久精品热视频| 亚洲无线观看免费| 精品欧美国产一区二区三| 少妇丰满av| 免费一级毛片在线播放高清视频| 欧美xxxx黑人xx丫x性爽| 国产av在哪里看| 淫妇啪啪啪对白视频| 久久久久久久精品吃奶| 日韩欧美国产一区二区入口| xxx96com| 欧美激情在线99| 久久欧美精品欧美久久欧美| 欧美大码av| 亚洲欧美一区二区三区黑人| 悠悠久久av| 丰满人妻熟妇乱又伦精品不卡| 叶爱在线成人免费视频播放| 三级国产精品欧美在线观看| 法律面前人人平等表现在哪些方面| 中文字幕熟女人妻在线| 国产一级毛片七仙女欲春2| 婷婷丁香在线五月| 亚洲无线在线观看| 欧美三级亚洲精品| 欧美成人免费av一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 女同久久另类99精品国产91| 久久草成人影院| 国产三级黄色录像| 在线观看免费视频日本深夜| 国产精品亚洲av一区麻豆| 变态另类丝袜制服| 一级黄色大片毛片| 成年女人毛片免费观看观看9| 国产亚洲欧美在线一区二区| 亚洲成人免费电影在线观看| 成熟少妇高潮喷水视频| 国产一区二区三区在线臀色熟女| 亚洲中文字幕一区二区三区有码在线看| 亚洲人成网站在线播| 俄罗斯特黄特色一大片| 成人av一区二区三区在线看| 国产在视频线在精品|