• <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 ?

    基于輕量化YOLOv5-GCDNet的航拍絕緣子掉串檢測

    2023-12-01 03:43:58齊向明葉松發(fā)
    軟件導(dǎo)刊 2023年11期
    關(guān)鍵詞:幻象絕緣子輕量化

    齊向明,葉松發(fā)

    (遼寧工程技術(shù)大學(xué) 軟件學(xué)院,遼寧 葫蘆島 125105)

    0 引言

    絕緣子作為高壓輸電線路上不可或缺的電力設(shè)備,經(jīng)常處于復(fù)雜地理條件和惡劣氣候環(huán)境下,容易出現(xiàn)自爆、掉串、裂紋、破損和閃絡(luò)放電等缺陷,且檢測困難。因此,快速識別絕緣子缺陷對供電系統(tǒng)的穩(wěn)定運行至關(guān)重要。

    目前,絕緣子缺陷檢測方式包括傳統(tǒng)檢測方法與深度學(xué)習(xí)檢測方法兩種。其中,傳統(tǒng)絕緣子缺陷檢測方法通常利用設(shè)計算子提取絕緣子圖像的紋理與形狀特征信息以定位絕緣子缺陷[1]。例如,張晶晶等[2]設(shè)計一種自底向上的聚類分析方法,將絕緣子串形態(tài)特征一致的線段劃為平行線組,計算慣性矩方差特征量與慣性矩均值特征量,檢測絕緣子缺陷;劉子英等[3]基于可見光的絕緣子圖像特征結(jié)合最小二乘法的支持向量機(LS-SVM),對絕緣子的污穢等級進行識別判斷;孫磊等[4]為了解決支持向量機在污穢識別中出現(xiàn)的誤檢與漏檢情況,設(shè)計一種雙超球數(shù)據(jù)域描述模型,該方法有效降低了誤檢與漏檢概率;趙振兵等[5]在閾值分割基礎(chǔ)上結(jié)合二值形狀特征解決復(fù)雜背景下絕緣子的定位問題;Yin 等[6]采用基于雙奇偶形態(tài)梯度的邊緣檢測算法以識別紅外線圖像中的陶瓷絕緣子串;王磊等[7]提出一種Hough 檢測結(jié)合C-V 模型的協(xié)同分割方法以解決圖像分辨低、目標(biāo)數(shù)目多的問題。雖然這些方法在不同程度上提高了絕緣子的檢測精度,但是檢測效率和實時性無法達到實際工程應(yīng)用要求。

    而在基于深度學(xué)習(xí)的絕緣子缺陷檢測方法中,深度學(xué)習(xí)通過強大的神經(jīng)網(wǎng)絡(luò)建模能力,可以提取更豐富的語義信息[8],解決了傳統(tǒng)算法因提取特征有限而導(dǎo)致的檢測效率和實時性方面的問題。例如,Zhao 等[9]通過微調(diào)Faster R-CNN 網(wǎng)絡(luò)模型,改進錨框的生成方法與非極大值抑制,提高了多尺度絕緣子互相遮擋情況下的檢測效果。Chen等[10]設(shè)計出一種使用二階全卷積網(wǎng)絡(luò)的絕緣子故障檢測方法,采用全卷積層學(xué)習(xí)圖像特征,通過形態(tài)學(xué)重構(gòu)對目標(biāo)進行定位。王紀(jì)良[11]為解決無人機巡檢污穢絕緣子檢測過程中定位不準(zhǔn)確、精度較低等難題,提出一種改進R3Det 的絕緣子污穢細粒度旋轉(zhuǎn)目標(biāo)檢測算法。楊焰飛等[12]針對人才巡檢效率低且魯棒性差等問題,YOLOv3 目標(biāo)檢測算法與Inception-Resnet-v2 分類算法構(gòu)建YOLOv3-Dense 網(wǎng)絡(luò)用于絕緣子檢測,改進了網(wǎng)絡(luò)的寬度與損失函數(shù),提高了檢測速度,以滿足實效性。高健宸等[13]在YOLOv4 中使用混合卷積塊替換其中的卷積層,改進函數(shù)避免造成梯度消失,從而提高模型性能并減少模型的體積。劉翀豪等[14]提出輕量化YOLOv5-MBF,用于人臉口罩檢測,使用MoMobileNetV3 網(wǎng)絡(luò)替換YOLOv5s 主干網(wǎng)絡(luò),降低了模型的參數(shù)量并提高了檢測速度,并使用GELU激活函數(shù)替換MobileNetV3 激活函數(shù),同時添加BiFPN 特征金字塔結(jié)構(gòu),提高了檢測精度。謝靜等[15]為了能夠更好地滿足輸電線路的實時檢測要求,使用Mish 優(yōu)化YOLOv5的激活函數(shù),將CBAM 注意力機制融合到特征提取網(wǎng)絡(luò)中,以篩選更多有價值的特征,同時將Transformer 編碼結(jié)構(gòu)嵌入到C3 模塊中,以加強高低層網(wǎng)絡(luò)特征融合。為融合多尺度的圖像特征,Wang 等[16]基于YOLOv5 加入自適應(yīng)空間特征融合(ASFF)以改進模型,并通過引入卷積注意力模塊(CBAM)模塊提高模型性能。以上檢測方法在工程應(yīng)用中難以滿足實時檢測要求,在模型部署時需消耗大量內(nèi)存,且算法精度和檢測速度還有進一步提高的空間。

    針對以上問題,本文提出一種基于輕量化YOLOv5-GCDNet 模型的航拍絕緣子掉串缺陷檢測方法。主要工作包括:①采用數(shù)據(jù)增強、高斯模糊、圖像融合等方法,構(gòu)建復(fù)雜背景下的絕緣子數(shù)據(jù)集;②采用幻象卷積和倒殘差結(jié)構(gòu),設(shè)計新型特征提取網(wǎng)絡(luò)GCDNet,在減少參數(shù)量和復(fù)雜度的同時,提高絕緣子缺陷檢測精度;③添加激勵因子α-IoU 以優(yōu)化目標(biāo)框損失函數(shù),加速損失值收斂;④通過消融實驗結(jié)果與不同算法的對比,驗證本文方法的絕緣子缺陷檢測性能。

    1 輸電線路掉串絕緣子數(shù)據(jù)集構(gòu)建

    文中實驗所用輸電線路掉串絕緣子數(shù)據(jù)集的原始圖像數(shù)據(jù)源自于兩個方面:一部分來源于網(wǎng)絡(luò)公開航拍絕緣子數(shù)據(jù)集共746 張,其中包含515 張正常絕緣子圖像與231張缺陷絕緣子圖像;另一部分來源于某電網(wǎng)公司無人機真實巡檢輸電線路航拍絕緣子圖像。數(shù)據(jù)集中包含玻璃、陶瓷、復(fù)合材料3 種不同材料的絕緣子,但總體掉串絕緣子圖像較少。

    由于模型性能與訓(xùn)練輸入圖像樣本息息相關(guān),故本文采用數(shù)據(jù)增強方法,擴充掉串絕緣子樣本,以提高模型魯棒性與避免樣本不均衡問題。具體包括:①對原始掉串絕緣子圖像進行隨機旋轉(zhuǎn)、鏡像、翻轉(zhuǎn)縮放、裁剪、仿射變換等,擴充更符合實際場景的樣本;②通過使用高斯模糊中不同大小的高斯核過濾圖像,模擬由對焦不精確的相機所拍攝的圖像;③采用交互式全分算法提取出掉串絕緣子,再將其輸入U-Net 分割網(wǎng)絡(luò)中進行訓(xùn)練,最后將其融合至輸電線路實際巡檢場景中。通過以上方法進行數(shù)據(jù)增廣,其效果如圖1所示。

    Fig.1 Schematic of image augmentation圖1 圖像增廣效果

    在原始數(shù)據(jù)的基礎(chǔ)上添加更多復(fù)雜背景、模糊和光照情況下的圖像樣本,以避免圖像過少、過擬合、訓(xùn)練結(jié)果不準(zhǔn)確等問題。數(shù)據(jù)增強后數(shù)據(jù)集共計2 503 張,隨后通過LabelImg 工具進行標(biāo)注,并將數(shù)據(jù)集按9∶1 的比例隨機劃分成訓(xùn)練集和驗證集,再從訓(xùn)練集隨機選取1/10 的圖片作為測試集,其具體樣本分布情況如表1所示。

    Table 1 The specific distribution of the sample表1 樣本具體分布

    2 輕量化YOLOv5檢測模型

    YOLOv5 檢測模型是從YOLOv4[17]網(wǎng)絡(luò)演變而來的YOLO 系列最新目標(biāo)檢測模型,包含YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x 4 個版本,而YOLOv5s 具有檢測精度高且推理速度快的特點,故本文基于該模型進行改進:首先采用幻象卷積與倒殘差瓶結(jié)構(gòu)設(shè)計GCDNet,同時使用自適應(yīng)上采樣以及激勵因子α-IoU[18]等方法改進YOLOv5s 模型,從而提出YOLOv5-GCDNet 輕量化模型,其具體結(jié)構(gòu)如圖2所示。

    Fig.2 Structure of YOLOv5-GCDNet model圖2 YOLOv5-GCDNet模型結(jié)構(gòu)

    2.1 GCDNet特征提取網(wǎng)絡(luò)

    YOLOv5 的特征提取網(wǎng)絡(luò)CSPDarkNet53 的CSPNet 殘差結(jié)構(gòu)采用了大量的標(biāo)準(zhǔn)卷積組成,造成了大量的計算資源浪費,同時特征提取網(wǎng)中的標(biāo)準(zhǔn)卷積中生成冗余特征圖也浪費了大量計算資源,因此采用幻象卷積代替標(biāo)準(zhǔn)卷積與倒殘差結(jié)構(gòu)GCD 設(shè)計GCDNet 代替YOLOv5 中的CSPDarkNet53網(wǎng)絡(luò)。GCDNet特征提取網(wǎng)絡(luò)如表2所示。

    Table 2 GCDNet network structure表2 GCDNet網(wǎng)絡(luò)結(jié)構(gòu)

    在GCDNet 特征提取網(wǎng)絡(luò)中,首先在輸入端沿用YOLOv5 中的Focus 操作,原始640×640×3 的圖像輸入Focus 結(jié)構(gòu),采用切片操作,變成640×640×12 的特征圖,達到了降低圖像維度的目的;然后使用幻象卷積代替檢測網(wǎng)絡(luò)中的普通卷積,減少模型參數(shù)量,同時將深度可分離卷積與倒殘差結(jié)構(gòu)相結(jié)合設(shè)計GCD 倒殘差結(jié)構(gòu),并結(jié)合幻象卷積組成GCD 殘差迭代結(jié)構(gòu),應(yīng)用于提取特征提取網(wǎng)絡(luò)中,便于提取到較全面的特征信息。其網(wǎng)絡(luò)結(jié)構(gòu)如表2所示。

    2.1.1 輕量化幻象卷積模塊

    為減少模型參數(shù)量和計算復(fù)雜度,采用幻象卷積(Ghost Convolution,GConv)代替?zhèn)鹘y(tǒng)卷積實現(xiàn)絕緣子缺陷檢測的輕量化以提升檢測速度。其核心為利用標(biāo)準(zhǔn)卷積操作生成幻象特征圖,然后將其進行線性組合以降低標(biāo)準(zhǔn)卷積中生成冗余特征圖時產(chǎn)生的計算資源,如圖3所示。

    Fig.3 Structure diagram of GConv圖3 GConv結(jié)構(gòu)示意圖

    然而,當(dāng)采用幻象卷積進行特征提取時,首先通過m個k×k標(biāo)準(zhǔn)卷積進行卷積操作,生成部分真實特征層作為原始特征Y′∈Rm×h′×w′,其中m≤n。為保證輸出大小不變,超參數(shù)設(shè)定與標(biāo)準(zhǔn)卷積相同,同時對m層通道的原始特征圖Y′進行幻象操作,通過式(1)線性運算生成s個幻象特征圖。

    其中,yi′為Y′中第i層特征,Φij為第i層特征中第j個線性運算,yi,j為生成的幻象特征圖。最后采用s·m=s·n/s個d×d的線性內(nèi)核經(jīng)過s次線性運算得到特征圖Y∈Rn×h′×w′={y11,y12,…,yms},因而線性部分的參數(shù)量n=s·n/s·d·d=n·d·d,計算量為(s-1)·(n/s)·h′·w′·d·d。則標(biāo)準(zhǔn)卷積與幻象卷積的計算量比值rs計算如式(2)所示。

    其中,其中d·d的大小與k·k和s·c相似。同樣,標(biāo)準(zhǔn)卷積與幻象卷積的參數(shù)量比值rc計算如式(3)所示。

    因此,在絕緣子實時檢測中采用幻象卷積可以在保證精度的情況下,大幅度降低計算量和內(nèi)存消耗,使得整體檢測模型達到輕量化的效果。

    2.1.2 倒殘差GCD結(jié)構(gòu)

    采用深度可分離卷積與MobileNetV2[19]的倒殘差結(jié)構(gòu)設(shè)計GCD 倒殘差結(jié)構(gòu),從而提高模型提取缺陷絕緣子特征的能力并降低網(wǎng)絡(luò)計算復(fù)雜度,其結(jié)構(gòu)如圖4所示。

    Fig.4 Schematic diagram of GCD residual structure圖4 GCD殘差結(jié)構(gòu)示意圖

    GCD 倒殘差結(jié)構(gòu)首先對輸入特征圖進行1×1 的幻象卷積以擴展特征圖的維度,并經(jīng)過批正則化(batch normalization,BN)與SiLU 激活函數(shù),再利用5×5 深度可分離卷積層提取深層維度的絕緣子特征,最后再通過1×1 幻象卷積降低特征圖維度以達到與shortcut 路徑相同的通道數(shù)。為減少多余通道數(shù)帶來的特征信息損失,激活函數(shù)采用SiLU代替原ReLU 函數(shù),并將最后一層的SiLU 替換為線性層,減少非線性激活函數(shù)ReLU 對絕緣子特征的破壞,同時輸入特征圖經(jīng)過shortcut 路徑的深度可分離卷積之后以保留上層的特征信息,從而有效地提取更細微的絕緣子特征,同時減少特征遺漏和計算復(fù)雜度。

    基于上述幻象卷積(GConv)和GCD 倒殘差結(jié)構(gòu),構(gòu)建GCDNet 輕量化倒殘差特征提取網(wǎng)絡(luò),改進了YOLOv5 檢測網(wǎng)絡(luò)。

    2.2 CARAFE自適應(yīng)上采樣結(jié)構(gòu)優(yōu)化特征融合網(wǎng)絡(luò)

    由于最鄰近上采樣僅通過像素點的空間位置決定上采樣核,特征圖中各位置應(yīng)用相同的上采樣核,不僅未能利用特征圖的語義信息,還增加了大量的參數(shù)與計算量。因此,為更好地結(jié)合上采樣核尺寸與特征圖語義信息,同時達到輕量化效果,在使用GCDNet 特征提取網(wǎng)絡(luò)改進YOLOv5s 檢測算法后采用高效、輕量化的自適應(yīng)上采樣算法(Content-Aware Re Assembly of FEatures,CARAFE)[20]優(yōu)化了特征融合網(wǎng)絡(luò),對特征圖的信息進行提取。其主要由上采樣核預(yù)測模塊與特征重組模塊組成,如圖5所示。

    Fig.5 Schematic diagram of CARAFE structure圖5 CARAFE結(jié)構(gòu)示意圖

    在上采樣核預(yù)測模塊中,假設(shè)輸入特征圖X∈Rc×h×w與上采樣倍率為σ,則該模塊原理為:①利用1×1 卷積將輸入特征圖的通道壓縮至Cm,減少后續(xù)運算中產(chǎn)生的計算量;②內(nèi)容編碼器將壓縮后的特征圖作為輸入,采用kenconder×kenconder的卷積層進行上采樣核預(yù)測,其中上采樣核大小為kup×kup,輸出通道數(shù)為σ2×,上采樣核尺寸為σh×σw×,當(dāng)kup越大時感受野越大,但計算量更大,本文kup取值為3;③采用Softmax 函數(shù)對上采樣核作歸一化處理,使得卷積核的權(quán)重之和為1。

    而在特征重組模塊中,針對輸出特征圖中的每個位置,將其映射回輸入特征圖wl′,同時取出以l′為中心,中心點為為l(i,j)的kup×kup區(qū)域N(xl,kup),與預(yù)測出該點的上采樣核作點積,即為輸出值,其中r=kup/2,其公式如式(4)所示。

    因此,在YOLOv5 中引入CARAFE 上采用輕量級上采樣方法,可以在較大的圖像特征信息中聚合上下文信息并動態(tài)生成自適應(yīng)內(nèi)核,來自局部區(qū)域中相關(guān)點的信息可以得到更多關(guān)注,同時引入?yún)?shù)較少、計算速度快,在減少模型參數(shù)量和降低計算代價的前提下,較好地捕捉到特征圖內(nèi)容信息,優(yōu)化了特征融合網(wǎng)絡(luò)。

    2.3 添加α-IoU激勵因子改進目標(biāo)框損失函數(shù)

    YOLOv5 算法通常使用GIoU、DIoU、CIoU[21]計算預(yù)測框和目標(biāo)框的坐標(biāo)誤差,但在實驗過程中發(fā)現(xiàn),以上3 種損失函數(shù)在小型數(shù)據(jù)集及圖像中存在復(fù)雜噪聲的情況下,會出現(xiàn)定位不精準(zhǔn)問題,從而降低絕緣子檢測的回歸精度。

    為解決該問題,本文基于DIoU 損失函數(shù)結(jié)合α-IoU參數(shù)設(shè)計出Lα-DIoU損失函數(shù),提高預(yù)測框和目標(biāo)框交并比的損失和梯度,從而提高檢測框的回歸精度。因此,絕緣子檢測的損失值由Lα-DIoU預(yù)測框和目標(biāo)框的坐標(biāo)誤差、Lobj目標(biāo)置信度誤差和Lcls分類誤差3 部分組成,計算公式如式(5)所示。

    其中,目標(biāo)置信度誤差與分類誤差均使用二進制交叉熵損失函數(shù)進行評價。原始LDIoU計算預(yù)測框和目標(biāo)框的坐標(biāo)誤差,在重疊面積的基礎(chǔ)上增加了目標(biāo)框和預(yù)測框中心點距離與長寬比的影響,通過目標(biāo)框與預(yù)測框之間的歐式距離,使得模型更快收斂。

    因此,基于LDIoU引入α-IoU 激勵因子,設(shè)計Lα-DIoU損失函數(shù)以提高檢測模型的收斂速度,其公式如式(6)所示,因為α-IoU 因子中的α>1時能夠幫助檢測器更快地自適應(yīng)于目標(biāo)中檢測框的交并比,從而提高其相對損失的權(quán)重,更加關(guān)注高交并比的目標(biāo)。

    其中,α損失函數(shù)激勵因子參數(shù),A為目標(biāo)框的面積,B為預(yù)測框的面積,ρ為目標(biāo)框與預(yù)測框中心點的歐氏距離,即圖6 中的l1,c為目標(biāo)框A和預(yù)測框B的最小外接矩形框C的對角線長度,即為圖6中的l2。

    Fig.6 Schematic diagram of DIoU principle圖6 DIoU原理示意圖

    改進后的Lα-DIoU與原始LDIoU損失函數(shù)對比如圖7 所示,可以看出Lα-DIoU較LDIoU具有更快的收斂速度,且當(dāng)α=2時模型收斂效果最佳,因此本文選取α=2 用于絕緣子缺陷檢測損失函數(shù)計算。

    Fig.7 Comparison of loss values between Lα-DIoU and LDIoU圖7 Lα-DIoU與LDIoU損失值比較

    3 實驗與結(jié)果分析

    3.1 實驗平臺搭建

    本文所涉及到的實驗部分均在同一個實驗環(huán)境下完成,實驗平臺包括硬件與軟件兩大部分組成,其具體參數(shù)如表3和表4所示。

    Table 4 Specific parameters of software表4 軟件部分具體參數(shù)

    3.2 訓(xùn)練過程與參數(shù)設(shè)置

    訓(xùn)練過程與參數(shù)設(shè)計分成以下4 個步驟:①初始階段,借助遷移學(xué)習(xí)可以將已經(jīng)訓(xùn)練好的模型權(quán)重遷移到新的模型以幫助新模型訓(xùn)練,采用COCO 數(shù)據(jù)集對YOLOv5模型進行預(yù)訓(xùn)練,從而得到訓(xùn)練后的權(quán)重,在此過程中,設(shè)置批大小為32,訓(xùn)練周期為300 個epoch,初始和最后學(xué)習(xí)率分別為0.01 和0.000 1;②將預(yù)訓(xùn)練權(quán)重遷移至輸電線路航拍絕緣子數(shù)據(jù)集上進行重新訓(xùn)練,其中輸入圖像要求尺寸為640×640×3,訓(xùn)練周期100 個epoch,學(xué)習(xí)率、動量、權(quán)重衰減分別為0.015、0.9 和0.000 4,采用Adam 隨機優(yōu)化算法更新網(wǎng)絡(luò)參數(shù),使參數(shù)更新不受梯度變化影響,同時啟用早停機制避免訓(xùn)練導(dǎo)致過擬合;③在同等條件下,對其他目標(biāo)檢測算法進行實驗,利用訓(xùn)練獲得的不同檢測模型對同一測試集圖片進行檢測,計算獲得F1-score、mAP、FPS 等性能評價指標(biāo);④對比分析不同檢測算法模型的評價指標(biāo),驗證輕量化改進YOLOv5 模型在檢測精度、速度與空間復(fù)雜度上的優(yōu)勢。

    3.3 實驗結(jié)果比較分析

    為驗證輕量化YOLOv5-GCDNet 算法模型的優(yōu)越性,將其與其他現(xiàn)有主流算法如SSD、Faster R-CNN 進行比較,同時還與現(xiàn)有輕量化YOLOv5 改進算法進行比較,通過mAP、F1-score、FPS 等性能評價指標(biāo)比較算法整體性能。

    3.3.1 輕量化模塊驗證實驗

    為驗證模型的輕量化效果,在YOLOv5s 檢測模型的基礎(chǔ)上,通過替換不同的輕量化特征提取網(wǎng)絡(luò),分析模型參數(shù)量、占用內(nèi)存量、計算量對檢測精度(mAP)的影響,其結(jié)果如表5所示。

    Table 5 Results of different lightweight improvements表5 不同輕量化改進結(jié)果

    分析可知,將特征提取網(wǎng)絡(luò)替換成主流的Mobilen-NetV3 與ShuffleNetV2 網(wǎng)絡(luò),模型參數(shù)量較YOLOv5-Gconv(將YOLOv5 的普通卷積替換成幻象卷積)方法分別高出1.0M、0.2M,同時檢測精度分別降低3.1%、5.3%。雖然ShuffleNetV2 的計算量比GConv 低2.3G,但mAP 降低顯著。與基礎(chǔ)YOLOv5s 相比,YOLOv5-GConv 雖然mAP 降低了0.5%,但是減少耗費2.9M 的參數(shù)量和7.1G 的浮點計算量,可以平衡參數(shù)量與檢測精度,滿足絕緣子檢測設(shè)備的輕量化需求。

    3.3.2 消融實驗

    為進一步驗證輕量化YOLOv5-GCDNet 在各種改進方法下的效果,開展消融實驗,如表6 所示。并且,在YOLOv5-GConv 的基礎(chǔ)上,根據(jù)不同改進方法構(gòu)建了另外5種模型,分別為YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5e。YOLOv5a 模型為在YOLOv5s 的基礎(chǔ)上優(yōu)化目標(biāo)框損失函數(shù)引入激勵因子α-DIoU;YOLOv5b 模型為在YOLOv5s 的基礎(chǔ)上優(yōu)化特征提取網(wǎng)絡(luò)采用了GCDNet;YOLOv5c 在YOLOv5s 的基礎(chǔ)上引入自適應(yīng)上采樣CARAFE方法;YOLOv5d模型為在YOLOv5s的基礎(chǔ)上引入激勵因子α-DIoU 與GCDNet 特征提取網(wǎng)絡(luò);YOLOv5e 為在YOLOv5s的基礎(chǔ)上引入激勵因子α-DIoU 及自適應(yīng)上采樣CARAFE方法。

    Table 6 Results of different improvement methods表6 不同改進方法的結(jié)果

    由表6 消融實驗結(jié)果分析可知,YOLOv5a 模型、YOLOv5b 與YOLOv5c 的mAP 值相較于YOLOv5 網(wǎng)絡(luò)分別上升0.9%、2.3%、1.0%,驗證出引入激勵因子α-DIoU、GCDNet 以及自適應(yīng)上采樣CARAFE 能夠提高模型檢測精度。而通過YOLOv5d 與YOLOv5e 的實驗可以發(fā)現(xiàn),改進方法的疊加效果并不會帶來模型性能的直接疊加,而是在上一個改進的基礎(chǔ)上小幅度提升,當(dāng)同時采用3 種改進方法獲得的YOLOv5-GCDNet 模型具有最高的檢測精度(為93.6%)與檢測速度(為68FPS)。

    3.3.3 不同檢測算法對比實驗

    通過將改進后獲得的輕量化檢測模型YOLOv5-GCDNet 與其他主流檢測算法、現(xiàn)有輕量化YOLOv5 改進算法進行性能比較,其具體結(jié)果如表7所示。

    Table 7 Results of different detection methods表7 不同檢測算法的結(jié)果

    根據(jù)表7 結(jié)果可知,所提YOLOv5-GCDNet 模型的mAP 值最高達93.6,相比于原始YOLOv5s 提高了3.6%,且較其他算法明顯提高。其內(nèi)存消耗只有7.1M,遠低于Faster R-CNN、SSD,且改進后的模型內(nèi)存消耗較YOLOv5s減少了54.2%,同時與現(xiàn)有輕量化YOLOv5 絕緣子掉串檢測算法進行對比,在mAP 相當(dāng)時,本文的內(nèi)存消耗低于其他輕量化YOLOv5 算法,因此適合搭載在絕緣子缺陷邊緣檢測設(shè)備上。以一張航拍輸電線路絕緣子圖像為例,利用不同算法進行檢測,其檢測結(jié)果如圖8 所示。其中,F(xiàn)aster RCNN 與SSD 均不能檢測出絕緣子掉串缺陷,且與YOLOv5 和兩個現(xiàn)在有的輕量化改進算法相比,所提YOLOv5-GCDNet模型檢測絕緣子掉串缺陷的置信度最高。

    Fig.8 Detection results of different models圖8 不同模型檢測結(jié)果

    針對不同絕緣子檢測方法的空間復(fù)雜度參數(shù)和檢測速度,其對比結(jié)果如圖9 所示??梢钥闯?,單階目標(biāo)檢測模型的檢測速度(FPS)遠高于兩階目標(biāo)檢測模型Faster RCNN。YOLOv5-GCDNet 的FPS 比最快的YOLOv5s 模型高出14FPS,同時YOLOv5-GCDNet 的參數(shù)量與計算量比YOLOv5s降低3.8M、7.7G,因此滿足實際應(yīng)用的輕量化與實時性要求。

    Fig.9 Comparison of complexity and detection speed圖9 復(fù)雜度與檢測速度比較

    3.3.4 YOLOv5-GCDNet算法檢測效果

    為直觀表現(xiàn)本文所提輕量化YOLOv5-GCDNet 模型對絕緣子缺陷圖像的檢測結(jié)果,本文分別選取復(fù)合絕緣子、陶瓷絕緣體和玻璃絕緣子3 種圖像進行檢測結(jié)果比較,結(jié)果如圖10所示。

    Fig.10 Detection results of YOLOv5-GCDNet model圖10 YOLOv5-GCDNet模型檢測結(jié)果

    圖10(a)、(c)、(e)表示YOLOv5-GCDNet 模型檢測到3種正常絕緣子,且置信度都能達到90%以上。圖10(a)反映出本文模型針對復(fù)合絕緣子圖像存在一片掉串缺陷,盡管缺陷部分目標(biāo)較小,難以通過肉眼觀察到,但本文模型仍能檢測出且置信度達到92%;而且,本文模型在圖10(d)缺陷陶瓷絕緣子與圖10(f)缺陷玻璃絕緣子圖像中細小的掉串缺陷檢測上,置信度分別達到84%與91%。本文所提輕量化YOLOv5-GCDNet 模型在實際航拍的復(fù)合絕緣子、陶瓷絕緣體和玻璃絕緣子圖像上的缺陷平均精度如表8所示。根據(jù)檢測結(jié)果可知,YOLOv5-GCDNet 模型在絕緣子掉串缺陷檢測上能夠達到較高的檢測精度,有助于巡檢人員檢測絕緣子掉串缺陷。

    Table 8 Average detection accuracy of various types of insulator defects表8 各類絕緣子缺陷的平均檢測精度

    4 結(jié)語

    本文提出一種輕量化YOLOv5-GC 檢測模型并將其用于實現(xiàn)絕緣子掉串缺陷的智能化檢測,可為實時檢測絕緣子掉串缺陷提供技術(shù)參考。通過實驗結(jié)果比較與分析,得出以下結(jié)論:①輕量化YOLOv5-GCDNet 模型的檢測精度mAP 優(yōu)于其他檢測方法,且與原始YOLOv5s 模型相比,該方法的mAP 與F1-score 分別提高了3.3%、0.047,表明所提模型的檢測精度顯著提高;②在絕緣子的檢測時間與復(fù)雜度上,本文所提方法的檢測速度可達68FPS,相比于原始YOLOv5s 的檢測速度提高了14FPS,同時模型參數(shù)量僅為YOLOv5s 的1/2,內(nèi)存消耗量僅占用7.1M,表明所提輕量級模型可應(yīng)用于絕緣子邊緣檢測。

    綜上所述,所提輕量化YOLOv5-GCDNet 絕緣子檢測模型能夠為絕緣子的實時檢測作出較大貢獻,并應(yīng)用于邊緣檢測設(shè)備。未來工作中,將側(cè)重于YOLOv5-GCDNet 網(wǎng)絡(luò)的精度優(yōu)化和復(fù)雜環(huán)境下絕緣子的實時缺陷檢測。

    猜你喜歡
    幻象絕緣子輕量化
    汽車輕量化集成制造專題主編
    李彩云 湯麗 作品:城市幻象
    大眾文藝(2019年24期)2019-12-25 12:05:34
    特別篇:幻象前線(下)
    特別篇:幻象前線(上)
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計
    智富時代(2019年2期)2019-04-18 07:44:42
    瞄準(zhǔn)掛車輕量化 鑼響掛車正式掛牌成立
    專用汽車(2016年1期)2016-03-01 04:13:19
    漂浮之物(2)
    海燕(2014年6期)2016-01-22 00:20:33
    1000kV耐張絕緣子串單片絕緣子的帶電更換技術(shù)
    用戶:輕量化掛車的使用體驗
    專用汽車(2015年4期)2015-03-01 04:09:07
    500kV絕緣子串含零值絕緣子時的電暈放電分析
    電測與儀表(2014年6期)2014-04-04 11:59:46
    亚洲国产欧美网| av有码第一页| 免费在线观看黄色视频的| 国产视频首页在线观看| 国产 精品1| 在线观看一区二区三区激情| 国产成人精品在线电影| 国产欧美日韩综合在线一区二区| 精品少妇内射三级| 香蕉精品网在线| 欧美变态另类bdsm刘玥| 天堂中文最新版在线下载| 亚洲欧洲国产日韩| 咕卡用的链子| 午夜影院在线不卡| 国产高清不卡午夜福利| 亚洲欧美日韩另类电影网站| 丝袜美腿诱惑在线| 欧美激情极品国产一区二区三区| 国产成人一区二区在线| 伦精品一区二区三区| 亚洲精华国产精华液的使用体验| 国产探花极品一区二区| 中文字幕人妻丝袜一区二区 | 日本91视频免费播放| 亚洲国产毛片av蜜桃av| 一级爰片在线观看| 男人添女人高潮全过程视频| 国产av一区二区精品久久| 亚洲男人天堂网一区| 波野结衣二区三区在线| 成人毛片60女人毛片免费| 免费不卡的大黄色大毛片视频在线观看| av国产久精品久网站免费入址| 妹子高潮喷水视频| 一区二区三区激情视频| 日本vs欧美在线观看视频| 日本vs欧美在线观看视频| 亚洲美女视频黄频| 中国三级夫妇交换| 熟女少妇亚洲综合色aaa.| 黄网站色视频无遮挡免费观看| 亚洲第一区二区三区不卡| 国产男女超爽视频在线观看| 色94色欧美一区二区| 中文字幕另类日韩欧美亚洲嫩草| 天天操日日干夜夜撸| 亚洲精品,欧美精品| 亚洲国产av影院在线观看| 18禁裸乳无遮挡动漫免费视频| 国产成人91sexporn| 国产男女内射视频| 观看美女的网站| 久久午夜福利片| 亚洲欧美一区二区三区国产| 亚洲av综合色区一区| 国产乱人偷精品视频| 18禁国产床啪视频网站| 国产精品无大码| 亚洲情色 制服丝袜| 久久人人爽人人片av| 一边摸一边做爽爽视频免费| 女人高潮潮喷娇喘18禁视频| 午夜福利网站1000一区二区三区| 成人影院久久| 欧美成人精品欧美一级黄| 亚洲国产日韩一区二区| 日韩伦理黄色片| 中文字幕av电影在线播放| 久久久久久久国产电影| 天堂中文最新版在线下载| xxx大片免费视频| 女性被躁到高潮视频| 久久精品国产a三级三级三级| 国产免费现黄频在线看| 精品久久蜜臀av无| 亚洲欧美日韩另类电影网站| 久久亚洲国产成人精品v| 亚洲一区二区三区欧美精品| 久久久久久久精品精品| 亚洲精品一区蜜桃| 国产高清不卡午夜福利| 午夜久久久在线观看| 天天躁日日躁夜夜躁夜夜| 精品一区在线观看国产| 制服诱惑二区| 在线看a的网站| 深夜精品福利| 中文字幕人妻丝袜制服| 爱豆传媒免费全集在线观看| 国产极品天堂在线| 亚洲av男天堂| 黑人欧美特级aaaaaa片| 免费观看无遮挡的男女| 丝袜美足系列| 国产精品99久久99久久久不卡 | 色婷婷久久久亚洲欧美| 三级国产精品片| 日本91视频免费播放| 午夜福利乱码中文字幕| 国产av精品麻豆| 汤姆久久久久久久影院中文字幕| 日本爱情动作片www.在线观看| 亚洲精品在线美女| 叶爱在线成人免费视频播放| 97在线视频观看| 麻豆精品久久久久久蜜桃| 99re6热这里在线精品视频| 五月伊人婷婷丁香| 超碰成人久久| 18禁国产床啪视频网站| 一区二区av电影网| 日韩欧美精品免费久久| 久久久精品免费免费高清| 日产精品乱码卡一卡2卡三| 国产精品女同一区二区软件| av在线app专区| 国产成人精品久久久久久| 国产激情久久老熟女| 国产日韩欧美视频二区| 午夜福利在线免费观看网站| 97在线视频观看| 性色av一级| 精品酒店卫生间| 久久久久久伊人网av| 国产片特级美女逼逼视频| 18+在线观看网站| 香蕉国产在线看| 久久青草综合色| 亚洲av在线观看美女高潮| 你懂的网址亚洲精品在线观看| 国产激情久久老熟女| 热re99久久精品国产66热6| 国产一区二区激情短视频 | 成年动漫av网址| 边亲边吃奶的免费视频| 久久精品久久精品一区二区三区| 国产成人精品一,二区| 日韩av不卡免费在线播放| 亚洲av电影在线观看一区二区三区| 国产精品久久久久久精品古装| 久久精品人人爽人人爽视色| 免费久久久久久久精品成人欧美视频| 久久久久久久大尺度免费视频| 夫妻性生交免费视频一级片| 国产亚洲最大av| 美女视频免费永久观看网站| 熟女少妇亚洲综合色aaa.| 欧美日韩av久久| 国产伦理片在线播放av一区| 国产精品亚洲av一区麻豆 | 午夜免费观看性视频| 国产黄频视频在线观看| 国产在视频线精品| 久久亚洲国产成人精品v| 国产黄频视频在线观看| 国产精品成人在线| 日韩免费高清中文字幕av| 国产精品香港三级国产av潘金莲 | 亚洲国产精品一区二区三区在线| 久久久久久伊人网av| 亚洲国产色片| 美女高潮到喷水免费观看| 女人精品久久久久毛片| 天堂俺去俺来也www色官网| 国产男女超爽视频在线观看| 制服人妻中文乱码| 日日啪夜夜爽| 欧美亚洲 丝袜 人妻 在线| av在线播放精品| 国产亚洲精品第一综合不卡| 成人手机av| 丝袜美足系列| 宅男免费午夜| 中国三级夫妇交换| 亚洲成人一二三区av| 成人亚洲欧美一区二区av| av又黄又爽大尺度在线免费看| 久久人人爽人人片av| 久久精品人人爽人人爽视色| 国产精品一区二区在线不卡| 国产精品久久久av美女十八| 2022亚洲国产成人精品| 国产在视频线精品| 老汉色av国产亚洲站长工具| 亚洲av福利一区| 蜜桃国产av成人99| 边亲边吃奶的免费视频| 国产精品久久久久久av不卡| 男女无遮挡免费网站观看| 亚洲美女黄色视频免费看| 亚洲成人手机| 欧美老熟妇乱子伦牲交| 亚洲伊人久久精品综合| 麻豆乱淫一区二区| 欧美日韩一区二区视频在线观看视频在线| 我的亚洲天堂| 久久婷婷青草| 亚洲av男天堂| 青春草国产在线视频| 欧美最新免费一区二区三区| 有码 亚洲区| 久热久热在线精品观看| 欧美精品人与动牲交sv欧美| 久久韩国三级中文字幕| 1024香蕉在线观看| 国产97色在线日韩免费| 国产乱来视频区| 久久久国产精品麻豆| 国产亚洲欧美精品永久| 亚洲美女搞黄在线观看| 一区二区三区精品91| 咕卡用的链子| a级片在线免费高清观看视频| 国产成人91sexporn| 少妇人妻精品综合一区二区| 黄频高清免费视频| 啦啦啦视频在线资源免费观看| 在线观看一区二区三区激情| 人人妻人人澡人人看| 成年人午夜在线观看视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲一区中文字幕在线| 欧美日本中文国产一区发布| 亚洲精品国产色婷婷电影| 高清在线视频一区二区三区| 亚洲色图 男人天堂 中文字幕| 又黄又粗又硬又大视频| 国产白丝娇喘喷水9色精品| 色哟哟·www| 黑人巨大精品欧美一区二区蜜桃| av在线观看视频网站免费| 久久精品国产综合久久久| 免费看不卡的av| 亚洲av.av天堂| 99热全是精品| 大话2 男鬼变身卡| 色视频在线一区二区三区| 国产亚洲av片在线观看秒播厂| 国产精品无大码| 亚洲精品日本国产第一区| 不卡视频在线观看欧美| 免费av中文字幕在线| 韩国精品一区二区三区| 91aial.com中文字幕在线观看| 天天躁日日躁夜夜躁夜夜| 人妻一区二区av| 自拍欧美九色日韩亚洲蝌蚪91| 如何舔出高潮| 成人手机av| 日本欧美国产在线视频| 老司机影院毛片| 丰满迷人的少妇在线观看| 亚洲第一av免费看| 日韩大片免费观看网站| 久久精品国产a三级三级三级| 汤姆久久久久久久影院中文字幕| a级毛片黄视频| 久久久国产精品麻豆| 亚洲av电影在线观看一区二区三区| 亚洲国产毛片av蜜桃av| 国产精品秋霞免费鲁丝片| 一二三四在线观看免费中文在| 成人免费观看视频高清| 观看美女的网站| 美女视频免费永久观看网站| 欧美激情高清一区二区三区 | av国产久精品久网站免费入址| h视频一区二区三区| 久久久精品国产亚洲av高清涩受| 欧美成人午夜精品| 男的添女的下面高潮视频| 久久午夜福利片| 亚洲久久久国产精品| 国产精品欧美亚洲77777| av在线app专区| 欧美日韩视频精品一区| 亚洲欧美日韩另类电影网站| 成人毛片a级毛片在线播放| 久久韩国三级中文字幕| 国产在线视频一区二区| 亚洲国产精品一区三区| 久久久欧美国产精品| 最近最新中文字幕免费大全7| 999精品在线视频| 精品人妻偷拍中文字幕| 亚洲精品日本国产第一区| 90打野战视频偷拍视频| 一区二区三区四区激情视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产爽快片一区二区三区| 日韩av在线免费看完整版不卡| 日韩免费高清中文字幕av| 亚洲国产日韩一区二区| 国产成人av激情在线播放| 久久这里有精品视频免费| 十分钟在线观看高清视频www| 亚洲精品国产av蜜桃| 最新的欧美精品一区二区| 一本久久精品| 精品国产一区二区三区久久久樱花| 日本av手机在线免费观看| 午夜免费观看性视频| 一级毛片 在线播放| 免费少妇av软件| 日本vs欧美在线观看视频| 丝袜在线中文字幕| 国产精品无大码| 狂野欧美激情性bbbbbb| 亚洲av欧美aⅴ国产| 一本久久精品| 美女脱内裤让男人舔精品视频| 久久97久久精品| a级片在线免费高清观看视频| 一级片'在线观看视频| 黄色 视频免费看| 天天躁夜夜躁狠狠久久av| 亚洲欧美清纯卡通| 欧美日韩一区二区视频在线观看视频在线| 午夜91福利影院| 在线天堂中文资源库| av天堂久久9| 精品一品国产午夜福利视频| 2018国产大陆天天弄谢| 天天影视国产精品| 精品久久蜜臀av无| 国产日韩欧美在线精品| 国产一区二区在线观看av| 香蕉精品网在线| 欧美日韩视频精品一区| 飞空精品影院首页| 五月伊人婷婷丁香| 欧美成人精品欧美一级黄| 久久精品亚洲av国产电影网| 亚洲av综合色区一区| 日产精品乱码卡一卡2卡三| 人妻少妇偷人精品九色| 交换朋友夫妻互换小说| 亚洲国产色片| 男女啪啪激烈高潮av片| 亚洲精品成人av观看孕妇| 国产福利在线免费观看视频| av女优亚洲男人天堂| 在线天堂最新版资源| 国产免费一区二区三区四区乱码| 美女脱内裤让男人舔精品视频| 国产免费视频播放在线视频| 国产一区二区三区综合在线观看| 91在线精品国自产拍蜜月| 国产成人一区二区在线| 看免费av毛片| 欧美激情极品国产一区二区三区| 一二三四中文在线观看免费高清| www.av在线官网国产| 日本爱情动作片www.在线观看| 欧美+日韩+精品| av天堂久久9| 久久毛片免费看一区二区三区| 2018国产大陆天天弄谢| 日韩一区二区视频免费看| 中文精品一卡2卡3卡4更新| 精品亚洲成国产av| 中国三级夫妇交换| 亚洲第一av免费看| 少妇的丰满在线观看| 日本91视频免费播放| 一级毛片 在线播放| 国产野战对白在线观看| 国产精品亚洲av一区麻豆 | 免费观看av网站的网址| 欧美国产精品va在线观看不卡| 国产熟女欧美一区二区| 国产精品久久久久成人av| 国产熟女欧美一区二区| 免费日韩欧美在线观看| 人成视频在线观看免费观看| a 毛片基地| 人成视频在线观看免费观看| 亚洲精品第二区| 最新的欧美精品一区二区| 久久久久国产精品人妻一区二区| 伊人亚洲综合成人网| 女性被躁到高潮视频| 成人毛片60女人毛片免费| 国产精品熟女久久久久浪| 国产成人精品无人区| 美女国产高潮福利片在线看| 国产精品 国内视频| 亚洲欧美精品综合一区二区三区 | 在线 av 中文字幕| 国产精品 国内视频| 最近2019中文字幕mv第一页| 汤姆久久久久久久影院中文字幕| 亚洲成人一二三区av| 欧美人与性动交α欧美精品济南到 | 自线自在国产av| 搡女人真爽免费视频火全软件| 亚洲美女搞黄在线观看| 最近最新中文字幕免费大全7| 老女人水多毛片| 桃花免费在线播放| 欧美在线黄色| 一级毛片电影观看| 亚洲精品美女久久久久99蜜臀 | 搡老乐熟女国产| a级片在线免费高清观看视频| 久久热在线av| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产免费又黄又爽又色| √禁漫天堂资源中文www| 国产成人午夜福利电影在线观看| 久久人人爽av亚洲精品天堂| 在线观看免费视频网站a站| 国产熟女午夜一区二区三区| 亚洲av免费高清在线观看| 香蕉丝袜av| 亚洲四区av| 亚洲精品aⅴ在线观看| 国产精品免费视频内射| 91国产中文字幕| 黄色 视频免费看| 免费在线观看黄色视频的| 日韩制服丝袜自拍偷拍| 中国三级夫妇交换| 久久精品aⅴ一区二区三区四区 | 天天影视国产精品| 欧美国产精品一级二级三级| 国产成人一区二区在线| 男男h啪啪无遮挡| 波野结衣二区三区在线| av不卡在线播放| 交换朋友夫妻互换小说| 久久精品久久久久久久性| 精品国产乱码久久久久久小说| 免费黄网站久久成人精品| 色婷婷av一区二区三区视频| 在线观看一区二区三区激情| 黑人猛操日本美女一级片| a级片在线免费高清观看视频| 黑人欧美特级aaaaaa片| 女人久久www免费人成看片| 欧美成人午夜免费资源| 一区二区av电影网| 日本91视频免费播放| 啦啦啦在线观看免费高清www| 美女中出高潮动态图| 国产人伦9x9x在线观看 | 国产精品久久久久成人av| 纵有疾风起免费观看全集完整版| 99热全是精品| 99热国产这里只有精品6| 国产乱人偷精品视频| 可以免费在线观看a视频的电影网站 | 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品一品国产午夜福利视频| 久久综合国产亚洲精品| 国产成人精品福利久久| 一级毛片我不卡| 满18在线观看网站| 秋霞在线观看毛片| 欧美人与性动交α欧美精品济南到 | 国产精品.久久久| 99九九在线精品视频| 大话2 男鬼变身卡| 一区二区三区激情视频| 精品国产一区二区久久| 久久久国产欧美日韩av| 夫妻午夜视频| 亚洲在久久综合| av卡一久久| 高清黄色对白视频在线免费看| 一级黄片播放器| 久久精品国产自在天天线| 精品亚洲乱码少妇综合久久| 久久久国产一区二区| 18禁国产床啪视频网站| 美女福利国产在线| 天堂中文最新版在线下载| 少妇 在线观看| 波多野结衣一区麻豆| 伊人久久国产一区二区| www.精华液| 午夜福利,免费看| 午夜福利视频精品| 男女免费视频国产| 777久久人妻少妇嫩草av网站| 国产精品一国产av| 亚洲国产最新在线播放| 伊人亚洲综合成人网| 热re99久久精品国产66热6| 亚洲av成人精品一二三区| 国产xxxxx性猛交| 精品第一国产精品| 黄片小视频在线播放| 国产av国产精品国产| 国产av码专区亚洲av| 亚洲欧美一区二区三区国产| 欧美bdsm另类| 亚洲第一av免费看| 黑人欧美特级aaaaaa片| 国产高清不卡午夜福利| 九色亚洲精品在线播放| 五月伊人婷婷丁香| 国产色婷婷99| 人人澡人人妻人| 老汉色av国产亚洲站长工具| 一本大道久久a久久精品| 麻豆av在线久日| 成年av动漫网址| 久久久国产一区二区| 亚洲久久久国产精品| 性色avwww在线观看| 这个男人来自地球电影免费观看 | 女性生殖器流出的白浆| 亚洲欧美中文字幕日韩二区| 亚洲天堂av无毛| 久久久a久久爽久久v久久| 多毛熟女@视频| 国产成人精品福利久久| 丝袜脚勾引网站| 哪个播放器可以免费观看大片| 国产精品麻豆人妻色哟哟久久| 亚洲精品国产色婷婷电影| 色94色欧美一区二区| 国产 精品1| 婷婷色综合大香蕉| 欧美在线黄色| 一区二区三区四区激情视频| 边亲边吃奶的免费视频| 三上悠亚av全集在线观看| 亚洲国产欧美在线一区| 91精品三级在线观看| 亚洲av免费高清在线观看| 街头女战士在线观看网站| 国产亚洲av片在线观看秒播厂| 国产高清国产精品国产三级| 国产精品av久久久久免费| 水蜜桃什么品种好| 视频区图区小说| 在线观看免费视频网站a站| 亚洲精品av麻豆狂野| 中文天堂在线官网| 成年av动漫网址| 日本猛色少妇xxxxx猛交久久| 久久鲁丝午夜福利片| 老司机亚洲免费影院| 亚洲精品,欧美精品| 男女午夜视频在线观看| 成人影院久久| 国产有黄有色有爽视频| 啦啦啦啦在线视频资源| 国产精品亚洲av一区麻豆 | 亚洲天堂av无毛| 亚洲第一av免费看| 精品少妇久久久久久888优播| 寂寞人妻少妇视频99o| 美女视频免费永久观看网站| 日韩中文字幕视频在线看片| 亚洲久久久国产精品| 日本欧美国产在线视频| 欧美bdsm另类| 久久这里有精品视频免费| 毛片一级片免费看久久久久| 日韩av在线免费看完整版不卡| 丝瓜视频免费看黄片| www.熟女人妻精品国产| 亚洲av电影在线进入| 日韩一区二区三区影片| 成年女人毛片免费观看观看9 | 国产欧美日韩一区二区三区在线| 熟女少妇亚洲综合色aaa.| 日韩熟女老妇一区二区性免费视频| 午夜激情av网站| 搡女人真爽免费视频火全软件| 午夜免费男女啪啪视频观看| 日韩免费高清中文字幕av| 91aial.com中文字幕在线观看| 午夜影院在线不卡| 高清不卡的av网站| 亚洲精品视频女| 极品少妇高潮喷水抽搐| 亚洲情色 制服丝袜| 亚洲av日韩在线播放| 18禁观看日本| 精品一区在线观看国产| 人体艺术视频欧美日本| 国产精品久久久久久精品古装| 国产精品免费大片| 90打野战视频偷拍视频| 欧美成人午夜精品| 国产一区亚洲一区在线观看| 欧美激情极品国产一区二区三区| 最近的中文字幕免费完整| 亚洲伊人久久精品综合| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 91精品三级在线观看| 丝袜脚勾引网站| 国产成人免费观看mmmm| 99国产精品免费福利视频| 亚洲精品日本国产第一区| 一区二区av电影网| 欧美人与善性xxx| 男人爽女人下面视频在线观看| 久久久精品国产亚洲av高清涩受| 欧美黄色片欧美黄色片| 久久久久网色| 一区二区av电影网| 亚洲第一青青草原| 美女国产高潮福利片在线看| 国产精品秋霞免费鲁丝片| 午夜福利,免费看| 欧美日韩av久久| 女人精品久久久久毛片| 国产一区二区三区综合在线观看| 久久久久国产精品人妻一区二区|