• <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)的儲糧害蟲檢測研究進展

    2024-01-13 03:05:58陳衛(wèi)東范冰冰李宛玉
    中國糧油學(xué)報 2023年11期
    關(guān)鍵詞:儲糧害蟲特征

    陳衛(wèi)東, 王 瑩, 范冰冰, 劉 超, 李宛玉

    (河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院1,鄭州 450001)

    (河南工業(yè)大學(xué)糧油標(biāo)準(zhǔn)化研究所2, 鄭州 450001)

    2021 年10 月31 日,中共中央辦公廳、國務(wù)院辦公廳印發(fā)《糧食節(jié)約行動方案》,對進一步保障國家糧食安全作出重大部署,成為提高糧食安全保障水平,堅持開源與節(jié)流并重、增產(chǎn)與減損并行的行動指南[1]。儲糧害蟲是造成糧食儲存環(huán)節(jié)損耗的主要原因之一,高效地檢測儲糧害蟲的種類和數(shù)量,已經(jīng)成為保障安全儲糧的一項重要任務(wù)[2]。經(jīng)過多年的發(fā)展,儲藏物害蟲檢測已取得一定進展。常見的方法包括聲測法、人工識別法、近紅外法、化學(xué)試劑法、圖像處理法等。其中,基于圖像處理的害蟲檢測具有無污染、實時性好、效率高等優(yōu)勢,受到眾多科研工作者的關(guān)注。

    傳統(tǒng)的圖像處理方法(如支持向量機和反向 BP 神經(jīng)網(wǎng)絡(luò))往往無法達到令人滿意的效果[3],基于深度學(xué)習(xí)的圖像處理方法避免了手工設(shè)計糧蟲特征的煩瑣步驟[4],可以自動學(xué)習(xí)和泛化大量圖像數(shù)據(jù)的特征,對糧蟲的特征向量進行分類,快速識別不同儲糧害蟲種類。將深度學(xué)習(xí)模型應(yīng)用到儲糧害蟲的小目標(biāo)檢測中,將會高效的檢測儲糧害蟲,減少經(jīng)濟損失,提升儲糧環(huán)境質(zhì)量[5,6]。

    隨著深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)不斷優(yōu)化,基于卷積神經(jīng)網(wǎng)絡(luò)的儲糧害蟲識別研究較傳統(tǒng)方式雖然具有識別準(zhǔn)確性高、適應(yīng)性好、學(xué)習(xí)能力強、可移植性能好等特點[7],但仍存在計算量較大、模型設(shè)計復(fù)雜、實時性一般等問題。近年來,不少學(xué)者對目標(biāo)檢測算法進行改進,并取得了很好的效果。因此,本文借助前人學(xué)者的經(jīng)驗對基于深度學(xué)習(xí)的儲糧害蟲檢測研究進行綜述,分別從儲糧害蟲數(shù)據(jù)集的獲取與預(yù)處理、儲糧害蟲目標(biāo)檢測算法研究、儲糧害蟲檢測結(jié)果應(yīng)用研究進展進行介紹,并對以后的研究發(fā)展方向進行預(yù)測。

    1 儲糧害蟲數(shù)據(jù)集的獲取與預(yù)處理

    深度學(xué)習(xí)由CNN自動提取儲糧害蟲特征然后進行預(yù)測,而深度學(xué)習(xí)的關(guān)鍵是訓(xùn)練數(shù)據(jù),沒有數(shù)據(jù),機器無法訓(xùn)練學(xué)習(xí),進而無法預(yù)測。因此,為保證儲糧害蟲檢測的準(zhǔn)確率,高質(zhì)量的數(shù)據(jù)集是關(guān)鍵。制作數(shù)據(jù)集時,主要分為數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理2個部分。

    1.1 數(shù)據(jù)獲取

    由于公開的儲糧害蟲數(shù)據(jù)集較少,研究者大多按照自己的需求,從拍攝方式、設(shè)備、環(huán)境、單張圖片中害蟲的數(shù)量和種類,以及圖像的分辨率等方面入手獲取實驗所需的數(shù)據(jù)集。

    我國已經(jīng)記錄的儲糧害蟲種類很多,其中象甲科、長蠹科、谷盜科、擬步甲科、鋸谷盜科、竊蠹科、麥蛾科、卷螟科等害蟲比較常見,且對糧食危害較大,常常被選為研究對象,建立糧蟲數(shù)據(jù)集。害蟲原始圖像可以從流行的搜索引擎、參考書上的照片、公開數(shù)據(jù)集、實驗室或者實地拍攝等多種方式獲取,通常選擇實驗室或者實地拍攝。在拍攝時,需要考慮拍攝設(shè)備(工業(yè)相機、一般智能手機、昆蟲采集設(shè)備、監(jiān)控等)、拍攝環(huán)境(白紙/實際糧蟲背景、不同時間段、不同天氣等)、每張圖像上儲糧害蟲的數(shù)量和種類(單個或者多個、一類或多類糧蟲等)、圖像的數(shù)量、圖像的分辨率和拍攝方式(拍照片或者視頻截屏等)等因素。

    Shen等[8,9]建立了儲糧害蟲圖像數(shù)據(jù)集IDSGP,對6種儲糧害蟲進行識別,并人為標(biāo)記害蟲種類及坐標(biāo)。趙文君[10]從多種渠道搜集糧蟲圖片建立數(shù)據(jù)集,選取常見6種儲糧害蟲,每個類別100張。劉治財[11]在白板背景下對8種糧蟲進行拍攝,圖片上的糧蟲平均密度約為14只/張。許德剛等[12]將糧蟲夾出放置在實驗平臺上,固定手機,垂直平臺進行拍攝,包括白板背景和實際儲糧背景。Li等[13]使用已建立的數(shù)據(jù)集,包含6屬10類害蟲,拍攝時使用了2種設(shè)備。糧蟲檢測數(shù)據(jù)集相關(guān)比較如表1所示。

    表1 糧蟲檢測數(shù)據(jù)集

    1.2 數(shù)據(jù)預(yù)處理

    預(yù)處理對于神經(jīng)網(wǎng)絡(luò)的有效性已經(jīng)在提高識別性能和學(xué)習(xí)效率等實驗中得到證明[14]。數(shù)據(jù)預(yù)處理的目的就是讓數(shù)據(jù)更加符合網(wǎng)絡(luò)的需求,從廣義上來說,可以認(rèn)為是輸入特征網(wǎng)絡(luò)前的一切操作,包括對數(shù)據(jù)集分割、規(guī)整化處理、數(shù)據(jù)標(biāo)注、圖像增強(數(shù)據(jù)擴充)等。

    數(shù)據(jù)集不同的分割方式和分割比例可能會導(dǎo)致模型最終的結(jié)果出現(xiàn)差異,因此恰當(dāng)?shù)姆指钍鞘钟斜匾?。大多?shù)情況下,訓(xùn)練集,測試集的劃分比例在8∶2到7∶3之間。如果存在驗證集,可按照合適的比例進行分割。在進入特征網(wǎng)絡(luò)之前,要把圖片的調(diào)整到相同尺寸,便于統(tǒng)一處理,通常將圖像像素resize到800以下,可以提高模型精度,提升收斂速度。數(shù)據(jù)標(biāo)注大都使用開源軟件LabelImg軟件進行人工標(biāo)注,每個糧蟲目標(biāo)的大小、種類、位置等各種信息都會被保存在xml格式文件中,最終生成標(biāo)準(zhǔn)的數(shù)據(jù)集。

    因為儲糧害蟲樣本數(shù)量較少,數(shù)據(jù)集需要人工拍攝進行自制,常選用擴充圖片的方式豐富數(shù)據(jù)集,增加樣本的多樣性,常用的包括空間幾何變換(翻轉(zhuǎn),移位,旋轉(zhuǎn),裁剪,變形,縮放等)、色彩變換(噪聲、模糊、隨機擦除[15]、顏色變換、填充等[16])等。這些方法雖然簡捷易于實現(xiàn),但是也有一定的局限性,例如,空間幾何變換產(chǎn)生的圖像比較單一,不具備多樣性;有的檢測任務(wù)不適合做翻轉(zhuǎn)旋轉(zhuǎn)的操作;縮放會導(dǎo)致失真等。鑒于此,一種更有效的數(shù)據(jù)增強方式,即無監(jiān)督數(shù)據(jù)增強方式受到眾多科研工作者的關(guān)注,從沒有標(biāo)記的訓(xùn)練數(shù)據(jù)中推斷結(jié)論,產(chǎn)生新的高質(zhì)量樣本,為解決害蟲訓(xùn)練樣本不足提供了新思路,其中最具代表性的為生成新數(shù)據(jù)和學(xué)習(xí)增強策略。Lu等[17]在進行害蟲識別時,針對害蟲圖像數(shù)據(jù)過少,提出了一種在圖像中合成蟲害訓(xùn)練圖像并通過生成對抗網(wǎng)絡(luò)(GAN)增強蟲害卷積神經(jīng)網(wǎng)絡(luò)(CNN)分類器模型性能的方法,有效減少了工作量。Gandhi 等[18]使用生成對抗網(wǎng)絡(luò)擴充數(shù)據(jù)集,并將擴充的數(shù)據(jù)集饋送到訓(xùn)練的CNN模型中,該模型實現(xiàn)了92%的害蟲分類準(zhǔn)確率。糧蟲圖片預(yù)處理比較如表2所示。

    表2 糧蟲圖片預(yù)處理

    2 儲糧害蟲目標(biāo)檢測算法研究

    由于儲糧害蟲為小目標(biāo),檢測時存在的問題有:目標(biāo)尺寸過小,分辨率低,圖像模糊,可提取特征因素少;糧蟲自身易聚集粘連,影響圖像識別效果;糧蟲訓(xùn)練數(shù)據(jù)量較少,缺少大規(guī)模數(shù)據(jù)集的支持;糧蟲在糧食表面等復(fù)雜環(huán)境,檢測易受干擾[25]等。因此要選擇合適的CNN 網(wǎng)絡(luò),才能更好地提取糧蟲特征,提高模型的檢測精度。常用的骨干網(wǎng)絡(luò)有ResNet、GoogLeNet、VGGNet、DenseNet等[26-29],近年來學(xué)者不斷優(yōu)化網(wǎng)絡(luò)模型,改進學(xué)習(xí)策略,出現(xiàn)了許多優(yōu)秀的網(wǎng)絡(luò)結(jié)構(gòu)。選取具有代表性的網(wǎng)絡(luò)進行介紹(表3)。

    表3 常用的卷積神經(jīng)網(wǎng)絡(luò)

    目標(biāo)檢測算法主要分為兩類,基于區(qū)域建議的兩階段目標(biāo)檢測方法和基于回歸的單階段目標(biāo)檢測方法。最具代表性的兩階段目標(biāo)檢測算法主要是 RCNN 系列,單階段目標(biāo)檢測算法為YOLO系列,SSD系列等。無論是兩階段還是單階段目標(biāo)檢測算法,在糧蟲小目標(biāo)檢測方面都存在著較大挑戰(zhàn),因此需要對檢測算法進行優(yōu)化,提高檢測的準(zhǔn)確率。

    2.1 Faster-RCNN目標(biāo)檢測算法優(yōu)化

    RCNN系列網(wǎng)絡(luò)經(jīng)過多年發(fā)展,到Faster-RCNN時已經(jīng)形成了具體的兩階段檢測框架。Faster-RCNN結(jié)構(gòu)如圖 1所示。儲糧害蟲圖像先通過主干網(wǎng)絡(luò)進行特征提取,再將特征送入 RPN 獲得候選框;其次Feature map與提取的候選框進行映射和ROI Pooling,不同候選框得到相同尺寸的特征層;最后再送入網(wǎng)絡(luò)進行分類和定位。

    圖1 Faster-RCNN網(wǎng)絡(luò)模型結(jié)構(gòu)[62]

    盡管Faster-RCNN性能較RCNN 系列網(wǎng)絡(luò)提升很多,但仍存在很多問題:主干網(wǎng)絡(luò)不論使用VGGNet 還是ResNet ,其提取到的特征圖都是單層的,分辨率也比較小;區(qū)域生成網(wǎng)絡(luò)(RPN)生成的候選建議框與真實小目標(biāo)的定位之間存在偏差,造成漏檢[30]; Faster-RCNN 的原始ROI pooling 2次取整會降低準(zhǔn)確率;全連接層,參數(shù)量較大,計算耗費時間等。因此Faster-RCNN 算法應(yīng)該從更好的CNN 特征,更精準(zhǔn)的RPN,更完善ROI 分類和樣本后處理等方面進行改進。

    沈馭風(fēng)[8]針對Faster-RCNN檢測糧蟲時存在網(wǎng)絡(luò)訓(xùn)練較慢、耗費顯存、準(zhǔn)確率較低的問題,提出了一種改進的 Inception 深度神經(jīng)網(wǎng)絡(luò),采用了Shortcut Connection 的方式,對小目標(biāo)更加敏感,同時使用 SVD 算法,精簡了網(wǎng)絡(luò)模型。張銀松等[31]在Faster-RCNN的基礎(chǔ)上進行改進,用深度殘差網(wǎng)絡(luò)(ResNet50)代替VGG16網(wǎng)絡(luò),Soft-NMS[32]算法代替?zhèn)鹘y(tǒng)的 NMS 算法,提高了模型識別和計數(shù)的準(zhǔn)確率。在張銀松[33]的研究中對模型進行改進時,在 VGG16 網(wǎng)絡(luò)的基礎(chǔ)上引入 Top-Down 結(jié)構(gòu)進行多層融合,使模型更好地檢測小目標(biāo),同時使用了 Soft-NMS算法,改進后的模型識別精度較原來提高了 4.37%,但在速度上有所下降。

    張詩雨等[34]為解決糧蟲檢測結(jié)果不精準(zhǔn)的問題,提出了一種基于聚類特征的區(qū)域提案網(wǎng)絡(luò),并采用多尺度的糧蟲數(shù)據(jù)集進行訓(xùn)練,優(yōu)化后的糧倉害蟲檢測模型能夠在糧倉背景下檢測和識別糧蟲,并且獲得96.63%的mAP。Shi等[35]在Faster-RCNN的改進模型上(R-FCN[36])繼續(xù)優(yōu)化,采用改進的 DenseNet-121 + Soft-NMS,提高了檢測效率。李衡霞[37]利用 Faster-RCNN 檢測油菜蟲害同樣存在準(zhǔn)確率低的問題,將Conv3_3、Conv4_3 以及 Conv5_3 進行多層特征融合,引入新的特征融合金字塔作為 RPN 的輸入,添加2組 32 × 32、64 × 64 錨點來增加錨框的數(shù)量,并再次引入難負樣本挖掘機制解決正負樣本失衡的問題,提升了模型的檢測性能。

    Jiao等[38]提出了一種AF-RCNN檢測模型,將無錨區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(AF-RCNN)和 Faster-RCNN進行融合,選擇VGG 16 的Conv4_3和Conv5_3作為特征融合模塊,無錨區(qū)域建議網(wǎng)絡(luò)(AFRPN)以獲得害蟲區(qū)域建議,改進后的模型適用于精確和實時的智能害蟲檢測。王露[20]利用 Faster-RCNN檢測糧蟲,通過增加上下文的金字塔池化 PPM模塊,有助于提升檢測性能,同時采用Focal loss損失函數(shù),使糧蟲相似度高的問題得到解決,對比未改進的算法可發(fā)現(xiàn),改進后的算法精度有了一定提升,同時避免了一些漏檢。

    2.2 YOLO、SSD目標(biāo)檢測算法優(yōu)化

    YOLO算法模型如圖2所示。它的核心思想是將整張圖輸入網(wǎng)絡(luò)中進行特征提取,直接在輸出層回歸邊界框的類別,檢測速度比Faster-RCNN提升很多。另外,因為YOLO沒有進行區(qū)域采樣,所以對全局信息有較好的表現(xiàn)。憑借高效且實用的檢測機制和網(wǎng)絡(luò)結(jié)構(gòu),YOLO算法在很多工程中應(yīng)用廣泛。

    圖2 YOLO算法模型[63]

    YOLO系列算法存在的問題也不容忽視:損失函數(shù)設(shè)置不恰當(dāng),導(dǎo)致物體定位精準(zhǔn)性較差,影響檢測效果;框架設(shè)計對Bounding Boxes強加了空間約束,導(dǎo)致小目標(biāo)或鄰近物體檢測效果較差;在同一類物體出現(xiàn)的新的不常見長寬比泛化能力偏弱;YOLO算法召回率較低等。

    SSD是目前的主流檢測框架之一,算法模型如圖3所示。它的設(shè)計思想是特征分層提取,并依此進行邊框回歸和分類。SSD同時結(jié)合了Faster-RCNN與YOLO的設(shè)計思想:借鑒YOLO的回歸模式,直接回歸出物體的類別和位置[39],同時參考Faster-RCNN中的錨框設(shè)計機制[40],綜合性能有較大的提升。

    圖3 SSD網(wǎng)絡(luò)模型結(jié)構(gòu)[64]

    圖4 面向移動終端的農(nóng)業(yè)害蟲智能識別系統(tǒng)設(shè)計圖[57]

    SSD目標(biāo)檢測算法優(yōu)勢明顯,缺點也顯而易見:該算法損失函數(shù)的設(shè)計未考慮正負樣本不均衡所帶來的問題[41],導(dǎo)致召回率較低,對小尺寸的目標(biāo)識別比較差;網(wǎng)絡(luò)特征學(xué)習(xí)能力不足,導(dǎo)致小目標(biāo)檢測精度不高;同時存在需要人工設(shè)置先驗框的最大、最小值和寬高比,導(dǎo)致調(diào)試過程比較費力等。

    因此,單階段目標(biāo)檢測算法的優(yōu)化方向可以從損失函數(shù)loss(focal_loss、IoU_loss等)和網(wǎng)絡(luò)結(jié)構(gòu)(backbone、FPN、Attention等)2個大方向進行優(yōu)化,還可以考慮anchor設(shè)置和分配的問題,也是單階段目標(biāo)檢測算法能大幅度提升和改進漲點的方向。

    呂宗旺等[42]基于YOLOv3對算法進行改進,利用 GIoU算法優(yōu)化損失函數(shù),并采用K-means算法對自制數(shù)據(jù)集進行聚類,改進后的模型檢測效果有很大的提升。孫妍[43]構(gòu)建了P-YOLOv4( Pets-YOLOv4 ) 算法模型,添加卷積塊注意力模塊(CBAM)[44]和空間金字塔池化( SPP ),專注對害蟲特征的學(xué)習(xí),結(jié)合 Mish 激活函數(shù),并優(yōu)化先驗框,mAP提升了5.41%。孫海燕等[4]設(shè)計了輕量化YOLOv4模型,用輕量級網(wǎng)絡(luò)(MobileNet)[45-47]替代主干網(wǎng)絡(luò),SPP模塊和PANet網(wǎng)絡(luò)相結(jié)合,然后添加CBAM注意力模型進行特征提取融合,并再次引入Focal Loss優(yōu)化損失函數(shù),提升了模型的綜合性能。陳道懷等[48]利用YOLOv4算法進行林業(yè)害蟲檢測,采用K-means 算法得到合適的錨框,然后基于DIoU- NMS(Distance-IoU-NMS)算法專注對害蟲的計數(shù),其次在路徑聚合網(wǎng)絡(luò)(PANet) 結(jié)構(gòu)上增加特征融合和104×104層級特征檢測圖來增強對小目標(biāo)害蟲的檢測效果,最后調(diào)整模型中的尺度特征圖組合,提升了檢測效率并精簡了模型。Pang等[49]構(gòu)建F-D-YOLOv4-PEST檢測網(wǎng)絡(luò),引入遷移學(xué)習(xí)提高模型的性能,Mish函數(shù)用于特征提取,同時使用K-means 算法,在此基礎(chǔ)上使DIoU-NMS 算法替代 NMS, 將訓(xùn)練方法升級為2次微調(diào)訓(xùn)練,并增強訓(xùn)練數(shù)據(jù),改進后的F-D-YOLOv4-PEST的mAP為92.86%,可以滿足實時檢測要求。

    鄧壯來等[50]為了對糧蟲進行有效檢測,設(shè)計了一種基于SSD算法的檢測模型,修改 VGG16網(wǎng)絡(luò),將網(wǎng)絡(luò)分支改為Conv4_3、Conv5_3、Conv6_2、Conv7_2、Conv8_2、Conv9_2 ,對模型結(jié)構(gòu)進行輕量化,同時對損失函數(shù)進行優(yōu)化,平衡了正負樣本,提高了訓(xùn)練效率。鐘良建[51]構(gòu)建KF-SSD算法,在網(wǎng)絡(luò)結(jié)構(gòu)上僅保留相對尺度在目標(biāo)范圍內(nèi)的預(yù)測特征圖38×38,19×19,10×10,設(shè)計特征融合結(jié)構(gòu),充分提取特征;先驗框設(shè)計上采用兩種距離度量的 K-means 算法,設(shè)計適合當(dāng)前檢測目標(biāo)的先驗框;后處理部分使用Soft-NMS算法取代 NMS 算法,有效改善了漏檢誤檢的情況。胡可柏[52]選取ResNet-34 作為骨干網(wǎng)絡(luò),并提出了一個循環(huán)注意力模塊來替換ResNet-34中每個階段的最后一個殘差模塊,提取了更加豐富的上下文信息。Lü等[53]提出了新的特征融合SSD網(wǎng)絡(luò)模型,使用自頂向下模塊融合Conv4和Conv5的輸出特性,并刪除不適用于小對象檢測的block11,同時使用 K-means 聚類算法,提高了糧食害蟲小目標(biāo)檢測的性能。

    Faster-RCNN、YOLO、SSD算法優(yōu)化比較如表4所示。無論是Faster-RCNN還是YOLO,SSD原始的目標(biāo)檢測算法,檢測小目標(biāo)儲糧害蟲時都會存在檢測效果較差的問題,要提高檢測性能,都需要進行一定的優(yōu)化。分析各個目標(biāo)檢測算法的網(wǎng)絡(luò)結(jié)構(gòu),都可以從主干網(wǎng)絡(luò)(backbone)、特征金字塔網(wǎng)絡(luò)(FPN)[54]、注意力機制(Attention)、損失函數(shù)(loss)等方向進行改進,Faster-RCNN和SSD具有錨框設(shè)計機制需要考慮anchor設(shè)置和分配的問題,Faster-RCNN的RPN和ROI也是可以優(yōu)化的方向。優(yōu)化后基于Faster-RCNN的檢測模型算法準(zhǔn)確率較高,但是檢測速度有所下降,基于YOLO和SSD的目標(biāo)檢測算法模型綜合性能都有較大的提升,能夠進行實時檢測。

    表4 Faster-RCNN、YOLO 、SSD算法優(yōu)化比較

    3 儲糧害蟲檢測結(jié)果應(yīng)用研究進展

    及時準(zhǔn)確地識別儲糧害蟲的最終目的就是對害蟲進行智能化監(jiān)測進而準(zhǔn)確預(yù)警,做到科學(xué)防治,安全儲糧。研究人員基于互聯(lián)網(wǎng)平臺開發(fā)害蟲管理網(wǎng)站、手機App、微信小程序、公眾號等相關(guān)系統(tǒng),用戶可以通過電腦,手機應(yīng)用程序等多終端實現(xiàn)害蟲信息的遠程瀏覽查詢,減輕了農(nóng)業(yè)相關(guān)人員的工作量,具有較高的實用性。

    Zhong等[55]針對人工識別和計數(shù)飛行昆蟲效率低下的問題,設(shè)計完成了一種基于視覺的飛行昆蟲計數(shù)和分類系統(tǒng),將YOLO深度學(xué)習(xí)目標(biāo)檢測和支持向量機分類器相結(jié)合,并將測試結(jié)果發(fā)送到農(nóng)業(yè)監(jiān)測服務(wù)平臺,提供了高效準(zhǔn)確的識別數(shù)據(jù),為農(nóng)業(yè)工作者提供合適的防治措施。

    羅強等[56]等提出了糧庫蟲害實時監(jiān)測預(yù)警系統(tǒng) (RMPS),利用模型將檢測到的糧蟲種類和概率以Web服務(wù)的形式發(fā)布給手機客戶端, 達到實時監(jiān)測預(yù)警的目的。邵澤中等[57]設(shè)計了一個面向移動終端的農(nóng)業(yè)害蟲智能識別系統(tǒng),方便農(nóng)民或基層植保人員在系統(tǒng)的 Android 移動終端(手機或 PAD)拍攝害蟲圖像,實現(xiàn)對害蟲的自動識別,除此之外,系統(tǒng)還提供害蟲地圖可視化和專家鑒定服務(wù),為防治工作提供了便利。害蟲智能識別系統(tǒng)設(shè)計如圖 4 所示。

    Yun 等[58]開發(fā)了一種基于深度學(xué)習(xí)的害蟲監(jiān)測系統(tǒng),同時得到智能手機應(yīng)用程序的幫助,有效的對害蟲密度進行自動測量。鄧壯來[59]設(shè)計并實現(xiàn)了糧倉害蟲監(jiān)測系統(tǒng),對害蟲進行自動檢測,計數(shù)和預(yù)警等,檢測平均mAP 值達到82.11%,平均耗時3.53 s,系統(tǒng)整體性能較好。Chen 等[60]開發(fā)了一種基于云平臺的智能害蟲識別系統(tǒng),該系統(tǒng)采用物聯(lián)網(wǎng)技術(shù),通過Wi-Fi或4G網(wǎng)絡(luò)將訓(xùn)練后的模型上傳到云存儲平臺,該平臺與Web界面和智能手機應(yīng)用程序相結(jié)合進行實時檢測,及時準(zhǔn)確地給用戶提供了幫助。

    基于圖像處理的害蟲監(jiān)測系統(tǒng)能夠?qū)οx進行智能測報,提高了害蟲監(jiān)測的效率,具有廣闊的應(yīng)用空間,但是也存在監(jiān)測時只能檢測到糧食表面的害蟲,而無法檢測到內(nèi)部害蟲的問題,未來智能化害蟲監(jiān)測系統(tǒng)可重點從幾點考慮:監(jiān)測環(huán)境多變,如濕度、溫度、光照、二氧化碳濃度、微生物、儲藏物種類等因素都會影響害蟲檢測的準(zhǔn)確度,需建立害蟲發(fā)生的多場耦合模型,根據(jù)耦合規(guī)律和模型,建立害蟲的預(yù)測預(yù)警模型,基于機理驅(qū)動和數(shù)據(jù)驅(qū)動的人工智能識別系統(tǒng),以支撐檢測、預(yù)警、防治這一完整鏈條,做到及時發(fā)現(xiàn),合理防治[61];監(jiān)測系統(tǒng)是在理想實驗室條件下設(shè)計完成的,是否能夠代表真實糧倉的檢測結(jié)果,還需要進一步驗證完善;可進一步擴大害蟲識別的種類,進一步提高害蟲監(jiān)測普適性。

    4 總結(jié)與展望

    相對于傳統(tǒng)的儲糧害蟲檢測方法,基于深度學(xué)習(xí)的方法可自動學(xué)習(xí)糧蟲特征并快速識別分類,具有廣闊的發(fā)展前景。然而,在背景、光照等外界因素影響較大時,存在難以獲得優(yōu)越的分類性能,同時存在糧蟲小目標(biāo)檢測效果較差的問題。儲糧害蟲檢測從學(xué)術(shù)研究向真實場景的農(nóng)業(yè)應(yīng)用過渡還需繼續(xù)研究,未來可以從幾個方面進行優(yōu)化:豐富的儲糧害蟲種類、真實的背景、以及大量的害蟲圖片數(shù)量是機器訓(xùn)練的基礎(chǔ);高效、快速的儲糧害蟲圖像預(yù)處理技術(shù)是提升檢測精度的重要基礎(chǔ);可調(diào)整目標(biāo)檢測算法的主干網(wǎng)絡(luò)、特征金字塔函數(shù)、損失函數(shù)、網(wǎng)絡(luò)參數(shù)等使深度學(xué)習(xí)能更好的應(yīng)用到糧蟲小目標(biāo)檢測;可使用輕量化模型來解決深度學(xué)習(xí)模型復(fù)雜、計算量較大、進行特征提取時耗費大量硬件資源等問題;便捷實用的糧蟲實時監(jiān)測預(yù)警系統(tǒng)、識別網(wǎng)站等可以更好地為農(nóng)業(yè)相關(guān)人員服務(wù),保障儲糧安全。

    猜你喜歡
    儲糧害蟲特征
    蝸牛一覺能睡多久?
    好孩子畫報(2021年9期)2021-09-26 12:26:31
    冬季果樹常見蛀干害蟲的防治
    如何表達“特征”
    不忠誠的四個特征
    渭南農(nóng)戶儲糧的調(diào)查與分析
    棗樹害蟲的無公害防治
    中儲糧企業(yè)全面預(yù)算管理之我見
    國內(nèi)首座球形糧倉儲糧效果及特性
    抓住特征巧觀察
    農(nóng)業(yè)害蟲的冬季防治
    少妇人妻一区二区三区视频| 亚洲七黄色美女视频| www.自偷自拍.com| 国产一区在线观看成人免费| 18禁黄网站禁片免费观看直播| 中文字幕人成人乱码亚洲影| 久久久水蜜桃国产精品网| or卡值多少钱| 中文字幕熟女人妻在线| 天天添夜夜摸| 99riav亚洲国产免费| 女警被强在线播放| 夜夜看夜夜爽夜夜摸| 成人高潮视频无遮挡免费网站| 欧美日本视频| 久久精品亚洲精品国产色婷小说| √禁漫天堂资源中文www| 女人被狂操c到高潮| 免费高清视频大片| 国产三级黄色录像| 午夜福利在线在线| 99在线视频只有这里精品首页| 日韩精品免费视频一区二区三区| 国产成人系列免费观看| 久热爱精品视频在线9| 亚洲欧美日韩东京热| 免费在线观看日本一区| 国产av又大| 国产av在哪里看| 国产主播在线观看一区二区| 一本大道久久a久久精品| 在线观看www视频免费| 身体一侧抽搐| 亚洲精品色激情综合| 一个人观看的视频www高清免费观看 | 久热爱精品视频在线9| 又粗又爽又猛毛片免费看| 一级a爱片免费观看的视频| 欧美黑人欧美精品刺激| 久久天躁狠狠躁夜夜2o2o| 久久久久国产一级毛片高清牌| 欧美高清成人免费视频www| 国产一级毛片七仙女欲春2| 757午夜福利合集在线观看| 久久午夜综合久久蜜桃| 99热6这里只有精品| 黄频高清免费视频| 神马国产精品三级电影在线观看 | 亚洲av熟女| 亚洲九九香蕉| 床上黄色一级片| 亚洲精品美女久久av网站| 日韩三级视频一区二区三区| 亚洲中文av在线| 亚洲av日韩精品久久久久久密| 午夜福利免费观看在线| 久久久久久久久久黄片| 国产成年人精品一区二区| 国产亚洲欧美在线一区二区| 亚洲性夜色夜夜综合| 在线观看美女被高潮喷水网站 | 在线观看免费视频日本深夜| 国产主播在线观看一区二区| 国产成人精品久久二区二区91| 在线观看日韩欧美| 中文字幕高清在线视频| 国内精品久久久久精免费| 国产精品野战在线观看| 天天躁夜夜躁狠狠躁躁| 91成年电影在线观看| a级毛片在线看网站| 国产v大片淫在线免费观看| 国产亚洲精品av在线| 久久精品人妻少妇| 久久中文字幕人妻熟女| 欧美中文日本在线观看视频| 亚洲一区中文字幕在线| 日韩欧美一区二区三区在线观看| 十八禁人妻一区二区| 黄色丝袜av网址大全| 亚洲最大成人中文| 国产免费av片在线观看野外av| 日韩av在线大香蕉| 级片在线观看| 久久婷婷成人综合色麻豆| 男女床上黄色一级片免费看| 99久久国产精品久久久| 国产精品亚洲美女久久久| 午夜福利18| 嫩草影院精品99| 久久这里只有精品19| 国产在线精品亚洲第一网站| 精品国产亚洲在线| 久久天堂一区二区三区四区| cao死你这个sao货| 中文在线观看免费www的网站 | 亚洲成人国产一区在线观看| 俺也久久电影网| 国产高清videossex| 黄色成人免费大全| 国产精品一及| 精品熟女少妇八av免费久了| 久久精品国产综合久久久| 日本五十路高清| 久久久精品欧美日韩精品| 两人在一起打扑克的视频| 欧美高清成人免费视频www| av中文乱码字幕在线| 亚洲无线在线观看| 又爽又黄无遮挡网站| netflix在线观看网站| 精品人妻1区二区| 91成年电影在线观看| 国产视频内射| 婷婷精品国产亚洲av| 久久99热这里只有精品18| 国产精品久久视频播放| 丁香六月欧美| 成人三级黄色视频| 高清毛片免费观看视频网站| 中文字幕久久专区| 亚洲精品一区av在线观看| 丝袜美腿诱惑在线| 欧美极品一区二区三区四区| 麻豆成人av在线观看| 国产高清激情床上av| 免费搜索国产男女视频| 国产精品永久免费网站| 在线观看www视频免费| 亚洲熟妇熟女久久| 在线看三级毛片| 国产亚洲精品av在线| 美女大奶头视频| 亚洲一码二码三码区别大吗| 91老司机精品| 久久人人精品亚洲av| 国产精品av久久久久免费| 亚洲一区高清亚洲精品| 色老头精品视频在线观看| 美女大奶头视频| av超薄肉色丝袜交足视频| 一卡2卡三卡四卡精品乱码亚洲| 激情在线观看视频在线高清| 亚洲精品美女久久久久99蜜臀| 一级作爱视频免费观看| 免费在线观看视频国产中文字幕亚洲| 两个人免费观看高清视频| 免费人成视频x8x8入口观看| 久久久久精品国产欧美久久久| 亚洲精品一卡2卡三卡4卡5卡| 91麻豆精品激情在线观看国产| www.www免费av| 夜夜躁狠狠躁天天躁| 亚洲全国av大片| 日韩欧美免费精品| 最新美女视频免费是黄的| 久久精品91蜜桃| 欧美黑人精品巨大| 好男人在线观看高清免费视频| 日韩欧美在线乱码| 亚洲精品久久成人aⅴ小说| 在线观看午夜福利视频| 国产激情偷乱视频一区二区| 啦啦啦免费观看视频1| 中亚洲国语对白在线视频| 国产又黄又爽又无遮挡在线| 久久婷婷成人综合色麻豆| 亚洲性夜色夜夜综合| 久久精品国产99精品国产亚洲性色| 日韩国内少妇激情av| 男女做爰动态图高潮gif福利片| www.www免费av| 麻豆一二三区av精品| 在线视频色国产色| 在线观看午夜福利视频| 韩国av一区二区三区四区| 在线视频色国产色| 99精品久久久久人妻精品| 国产亚洲精品av在线| 国产av一区二区精品久久| 99在线视频只有这里精品首页| 成人永久免费在线观看视频| 草草在线视频免费看| 亚洲人成电影免费在线| 成年版毛片免费区| 90打野战视频偷拍视频| 亚洲人成网站高清观看| 日韩 欧美 亚洲 中文字幕| 亚洲色图 男人天堂 中文字幕| 黑人操中国人逼视频| 美女大奶头视频| 亚洲aⅴ乱码一区二区在线播放 | 少妇裸体淫交视频免费看高清 | av国产免费在线观看| 给我免费播放毛片高清在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产高清激情床上av| 可以在线观看的亚洲视频| 在线十欧美十亚洲十日本专区| 久久精品国产清高在天天线| 国产精品亚洲av一区麻豆| 国产亚洲av高清不卡| 欧美性猛交黑人性爽| 精品无人区乱码1区二区| 亚洲av五月六月丁香网| 视频区欧美日本亚洲| 色av中文字幕| 嫩草影视91久久| 欧美成人性av电影在线观看| 九色国产91popny在线| av天堂在线播放| 久久精品国产亚洲av高清一级| 观看免费一级毛片| 99re在线观看精品视频| e午夜精品久久久久久久| 亚洲专区国产一区二区| 舔av片在线| 高清在线国产一区| 亚洲成人中文字幕在线播放| 一进一出抽搐动态| 久久久久久免费高清国产稀缺| 免费观看人在逋| www.熟女人妻精品国产| 日韩欧美精品v在线| 在线观看免费日韩欧美大片| 一本综合久久免费| videosex国产| 成人18禁在线播放| 午夜视频精品福利| 亚洲精品久久国产高清桃花| 老司机深夜福利视频在线观看| 亚洲五月天丁香| 成人欧美大片| 国产免费av片在线观看野外av| x7x7x7水蜜桃| 麻豆成人av在线观看| 叶爱在线成人免费视频播放| www国产在线视频色| 妹子高潮喷水视频| 欧美成人性av电影在线观看| 日日爽夜夜爽网站| 欧美黄色片欧美黄色片| 一卡2卡三卡四卡精品乱码亚洲| 亚洲全国av大片| 久久久久国内视频| 亚洲专区字幕在线| videosex国产| 欧美最黄视频在线播放免费| 丰满的人妻完整版| 亚洲一区高清亚洲精品| 午夜福利在线在线| 久9热在线精品视频| 国产精品乱码一区二三区的特点| 欧美性猛交黑人性爽| 天堂影院成人在线观看| 男人舔女人下体高潮全视频| 可以免费在线观看a视频的电影网站| 免费在线观看影片大全网站| av视频在线观看入口| 中出人妻视频一区二区| 婷婷精品国产亚洲av在线| 免费看十八禁软件| 一级a爱片免费观看的视频| 桃红色精品国产亚洲av| 亚洲av成人一区二区三| 国产亚洲欧美在线一区二区| 免费在线观看日本一区| 国产91精品成人一区二区三区| 国产成人一区二区三区免费视频网站| 亚洲一区二区三区色噜噜| 亚洲一码二码三码区别大吗| 免费在线观看视频国产中文字幕亚洲| 黄色视频,在线免费观看| 日本一本二区三区精品| 亚洲精品久久成人aⅴ小说| 夜夜夜夜夜久久久久| 亚洲中文字幕一区二区三区有码在线看 | 叶爱在线成人免费视频播放| 日日摸夜夜添夜夜添小说| 久久精品国产亚洲av香蕉五月| 美女 人体艺术 gogo| 精品少妇一区二区三区视频日本电影| 老鸭窝网址在线观看| 亚洲专区字幕在线| 久久人妻福利社区极品人妻图片| 国产激情欧美一区二区| 亚洲18禁久久av| 成人18禁在线播放| 国产精品av视频在线免费观看| 亚洲一区高清亚洲精品| 国产亚洲精品第一综合不卡| 国产熟女午夜一区二区三区| 黄色 视频免费看| 色精品久久人妻99蜜桃| 激情在线观看视频在线高清| 国产成人精品久久二区二区91| 中文资源天堂在线| 九九热线精品视视频播放| 高清在线国产一区| 日韩欧美一区二区三区在线观看| 日本在线视频免费播放| 美女午夜性视频免费| 免费在线观看成人毛片| 国产精品综合久久久久久久免费| tocl精华| 黄色 视频免费看| 久久久久九九精品影院| 在线观看66精品国产| 一个人免费在线观看电影 | 国产精品久久久久久亚洲av鲁大| 狂野欧美白嫩少妇大欣赏| 熟女电影av网| 亚洲精品久久国产高清桃花| 欧美成人午夜精品| 人成视频在线观看免费观看| 757午夜福利合集在线观看| 久久中文字幕人妻熟女| 女人爽到高潮嗷嗷叫在线视频| 国产一区二区激情短视频| 精品第一国产精品| 久久中文看片网| 亚洲精品国产一区二区精华液| 国产野战对白在线观看| aaaaa片日本免费| 午夜视频精品福利| 一进一出抽搐动态| 此物有八面人人有两片| aaaaa片日本免费| 又粗又爽又猛毛片免费看| 欧美人与性动交α欧美精品济南到| 日本成人三级电影网站| 高清毛片免费观看视频网站| 亚洲 欧美 日韩 在线 免费| 午夜免费激情av| 手机成人av网站| 两个人视频免费观看高清| 99久久99久久久精品蜜桃| 久久久久久久午夜电影| 一级毛片精品| 久久精品综合一区二区三区| 国产激情偷乱视频一区二区| videosex国产| 国产熟女xx| 色综合站精品国产| 中文字幕高清在线视频| 国产精品自产拍在线观看55亚洲| 欧美日韩国产亚洲二区| 亚洲av第一区精品v没综合| 欧美日本视频| 成在线人永久免费视频| 又黄又粗又硬又大视频| 男女之事视频高清在线观看| 岛国在线观看网站| 亚洲黑人精品在线| 色老头精品视频在线观看| 日日干狠狠操夜夜爽| 91九色精品人成在线观看| 视频区欧美日本亚洲| 亚洲av中文字字幕乱码综合| 嫩草影院精品99| netflix在线观看网站| 亚洲人成77777在线视频| 国产精品野战在线观看| 久久久精品欧美日韩精品| 午夜日韩欧美国产| 亚洲人成77777在线视频| 亚洲av片天天在线观看| 我要搜黄色片| 成人国产综合亚洲| 久久久久久久精品吃奶| 又紧又爽又黄一区二区| 毛片女人毛片| 精品电影一区二区在线| 操出白浆在线播放| 男人舔奶头视频| 99久久国产精品久久久| 最好的美女福利视频网| 又爽又黄无遮挡网站| 欧美av亚洲av综合av国产av| 亚洲精品国产一区二区精华液| 久久亚洲精品不卡| www国产在线视频色| 在线视频色国产色| 国产精品久久电影中文字幕| 1024香蕉在线观看| 看免费av毛片| 久久香蕉国产精品| 色综合婷婷激情| 听说在线观看完整版免费高清| 国产激情偷乱视频一区二区| 国产精品av久久久久免费| 无限看片的www在线观看| 欧美性猛交╳xxx乱大交人| 亚洲中文日韩欧美视频| 听说在线观看完整版免费高清| 香蕉久久夜色| 欧美性猛交黑人性爽| 午夜日韩欧美国产| 18禁美女被吸乳视频| 日韩精品中文字幕看吧| 老鸭窝网址在线观看| av福利片在线观看| 午夜精品在线福利| 亚洲专区中文字幕在线| 成人国语在线视频| 国产精品av视频在线免费观看| 精品久久久久久久久久久久久| 美女黄网站色视频| 观看免费一级毛片| av有码第一页| netflix在线观看网站| 久久精品影院6| 一级毛片精品| 91av网站免费观看| 成年版毛片免费区| 毛片女人毛片| 悠悠久久av| 久久性视频一级片| 老汉色∧v一级毛片| 一进一出抽搐动态| 欧美av亚洲av综合av国产av| 欧美国产日韩亚洲一区| 男人舔女人下体高潮全视频| 热99re8久久精品国产| 中文亚洲av片在线观看爽| 一个人观看的视频www高清免费观看 | 亚洲精品久久成人aⅴ小说| 99热6这里只有精品| 日韩中文字幕欧美一区二区| 亚洲精品中文字幕一二三四区| 精品国产乱子伦一区二区三区| 国产精品香港三级国产av潘金莲| 亚洲人成伊人成综合网2020| 亚洲精品中文字幕在线视频| 久久精品91无色码中文字幕| 久久久久国产精品人妻aⅴ院| 俄罗斯特黄特色一大片| 免费在线观看日本一区| 美女黄网站色视频| 亚洲国产中文字幕在线视频| 亚洲真实伦在线观看| 最近在线观看免费完整版| 日韩精品中文字幕看吧| 久久人妻福利社区极品人妻图片| 99精品在免费线老司机午夜| 夜夜爽天天搞| 天天一区二区日本电影三级| 日韩大码丰满熟妇| 日韩欧美 国产精品| 中文字幕精品亚洲无线码一区| 久久国产乱子伦精品免费另类| 国产精品久久电影中文字幕| 日本精品一区二区三区蜜桃| 精品高清国产在线一区| 欧美日韩乱码在线| 精品福利观看| 成人手机av| 日韩精品青青久久久久久| 最新在线观看一区二区三区| 国产高清激情床上av| 国产在线精品亚洲第一网站| 亚洲狠狠婷婷综合久久图片| 欧美精品啪啪一区二区三区| 在线观看免费日韩欧美大片| 国产精品影院久久| www.精华液| 国产成年人精品一区二区| 看黄色毛片网站| 性色av乱码一区二区三区2| 婷婷亚洲欧美| 亚洲av第一区精品v没综合| 久久精品国产综合久久久| 国产成人精品无人区| 亚洲中文字幕日韩| 一本久久中文字幕| 每晚都被弄得嗷嗷叫到高潮| 亚洲人成伊人成综合网2020| 欧美黑人精品巨大| 亚洲精品av麻豆狂野| 欧美日韩乱码在线| 全区人妻精品视频| 制服诱惑二区| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲第一电影网av| 国产亚洲欧美在线一区二区| 日韩精品中文字幕看吧| 好男人在线观看高清免费视频| 免费看a级黄色片| 国产v大片淫在线免费观看| 宅男免费午夜| 韩国av一区二区三区四区| 日韩av在线大香蕉| 黄色 视频免费看| 欧美3d第一页| 在线免费观看的www视频| 日日爽夜夜爽网站| 国产三级黄色录像| 免费观看精品视频网站| 欧美一区二区国产精品久久精品 | 此物有八面人人有两片| 国产69精品久久久久777片 | 黄片大片在线免费观看| 97碰自拍视频| 国产精品久久电影中文字幕| 88av欧美| 中文资源天堂在线| 18禁裸乳无遮挡免费网站照片| 久久久久久人人人人人| 免费看日本二区| 欧美午夜高清在线| 亚洲午夜理论影院| a级毛片在线看网站| 久久久久久九九精品二区国产 | 亚洲av美国av| 又黄又粗又硬又大视频| 给我免费播放毛片高清在线观看| 亚洲自拍偷在线| 精品久久久久久久久久久久久| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av五月六月丁香网| 免费在线观看黄色视频的| 丁香欧美五月| 中文字幕久久专区| 亚洲第一电影网av| 91成年电影在线观看| 国产精品一区二区精品视频观看| 欧美日韩一级在线毛片| 五月伊人婷婷丁香| 亚洲欧美日韩高清在线视频| 一个人免费在线观看电影 | 少妇被粗大的猛进出69影院| 亚洲av中文字字幕乱码综合| 日本 欧美在线| 一进一出抽搐gif免费好疼| 国产97色在线日韩免费| 18禁国产床啪视频网站| 国产伦在线观看视频一区| 久久久久国内视频| 一区二区三区高清视频在线| 欧美另类亚洲清纯唯美| 亚洲av日韩精品久久久久久密| 国产精品99久久99久久久不卡| bbb黄色大片| avwww免费| 成人一区二区视频在线观看| 最近最新中文字幕大全免费视频| 身体一侧抽搐| 一卡2卡三卡四卡精品乱码亚洲| 国产黄a三级三级三级人| 久久久久国产精品人妻aⅴ院| 一级作爱视频免费观看| 久久这里只有精品中国| 亚洲av中文字字幕乱码综合| 18美女黄网站色大片免费观看| av天堂在线播放| 午夜成年电影在线免费观看| 欧美性猛交黑人性爽| 一级黄色大片毛片| 亚洲人成伊人成综合网2020| 免费电影在线观看免费观看| 亚洲自偷自拍图片 自拍| 国产免费av片在线观看野外av| 欧美高清成人免费视频www| 丝袜人妻中文字幕| 日韩欧美精品v在线| 啦啦啦观看免费观看视频高清| 久久精品国产亚洲av高清一级| 老熟妇仑乱视频hdxx| 美女扒开内裤让男人捅视频| 淫秽高清视频在线观看| 国产精品久久久久久久电影 | 国产成人一区二区三区免费视频网站| 国产欧美日韩一区二区三| 99国产精品99久久久久| 啪啪无遮挡十八禁网站| 婷婷精品国产亚洲av在线| 日本一本二区三区精品| 亚洲av熟女| 日本免费一区二区三区高清不卡| 亚洲精品国产一区二区精华液| 90打野战视频偷拍视频| 一区二区三区激情视频| 老司机福利观看| 亚洲无线在线观看| 夜夜看夜夜爽夜夜摸| 久久久国产成人精品二区| 日本精品一区二区三区蜜桃| 欧美不卡视频在线免费观看 | 国内揄拍国产精品人妻在线| 一区二区三区国产精品乱码| 久久久久九九精品影院| 欧美在线黄色| 亚洲av片天天在线观看| 毛片女人毛片| av欧美777| 看黄色毛片网站| 久久九九热精品免费| 少妇人妻一区二区三区视频| 99热这里只有是精品50| 欧美日韩乱码在线| 精品电影一区二区在线| 国产又黄又爽又无遮挡在线| 岛国在线免费视频观看| 天天躁夜夜躁狠狠躁躁| 观看免费一级毛片| 69av精品久久久久久| 国产av在哪里看| 免费观看精品视频网站| 1024视频免费在线观看| 国产野战对白在线观看| 国产激情欧美一区二区| 日韩高清综合在线| 少妇人妻一区二区三区视频| 99国产精品99久久久久| 两性夫妻黄色片|