• <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YOLOv5s的輕量級絕緣子缺失檢測

    2024-02-02 14:54:14池小波張偉杰賈新春續(xù)澤晉
    測試技術(shù)學(xué)報 2024年1期
    關(guān)鍵詞:絕緣子注意力特征

    池小波,張偉杰,賈新春,續(xù)澤晉

    (1.山西大學(xué) 自動化與軟件學(xué)院,山西 太原 030013;2.山西大學(xué) 數(shù)學(xué)科學(xué)學(xué)院,山西 太原 030006)

    0 引言

    絕緣子狀態(tài)檢測和安全防護對保障輸電線路的正常運行起著至關(guān)重要的作用。為了提高絕緣子的檢測效率,無人機巡檢已經(jīng)代替人工巡檢成為主流的巡檢方式。由于無人機采集到的圖片數(shù)量繁多且圖像中的背景復(fù)雜,絕緣子尺寸大小存在很大差異,如果采用人工判讀的方式極有可能出現(xiàn)誤檢和漏檢。因此,利用計算機視覺和圖像處理的技術(shù)進行絕緣子定位和故障檢測成為目前主要研究方向。Dalal N等[1]采用方向梯度直方圖(HOG)的方法提取目標(biāo)特征,然后利用提取到的特征訓(xùn)練圖像特征分類器;李衛(wèi)國等[2],廖圣龍[3],劉洋等[4]分別從絕緣子的紋理特征、顏色以及輪廓入手,采用邊緣計算的方法對絕緣子進行檢測;黃新波等[5]針對玻璃絕緣子在光照條件下顏色特征不明顯的問題,提出采用聯(lián)合分量灰度化算法來進行目標(biāo)增強。上述傳統(tǒng)檢測方法雖然可以識別絕緣子,但是其泛化性和魯棒性較差,識別準(zhǔn)確率也較低。

    目前應(yīng)用廣泛的基于深度學(xué)習(xí)的目標(biāo)檢測模型主要分為兩大類:一類是基于回歸的一階段(one-stage)檢測方法,該類方法直接對圖像上的目標(biāo)進行預(yù)測和分類,不需要預(yù)先生成候選框,常見的one-stage 模型有SSD[6]以及YOLO 系列的改進模型,如YOLOv2[7],YOLOv3[8]等;另一類是基于候選區(qū)域的兩階段(two-stage)檢測算法,首先通過算法生成一些候選框,進而對候選區(qū)域進行分類和位置修正,R-CNN[9]、Faster-RCNN[10]等是two-stage 的代表模型。Tao X 等[11]提出一種深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)級聯(lián)架構(gòu),用于定位和檢測絕緣子缺陷;何寧輝等[12]采用改進的Faster-RCNN 網(wǎng)絡(luò)捕獲圖像中絕緣子和缺失部位。隨著YOLOv4[13]和YOLOv5 等方法的提出,不論是檢測精度還是速度,one-stage 均大幅度優(yōu)于two-stage。劉行謀等[14]提出一種基于K-means和YOLOV4 的復(fù)雜背景下絕緣子缺失檢測方法;王年濤等[15]利用GhostNet 模塊改進YOLOv5 主干網(wǎng)絡(luò),提升了模型的檢測精度;田慶等[16]通過引入注意力模塊,提出基于SE-YOLOv5s的絕緣子檢測模型,顯著提升模型的準(zhǔn)確率和召回率。盡管上述文獻已經(jīng)取得了一些有價值的研究成果,但在實際應(yīng)用場景中,這類目標(biāo)檢測模型均存在參數(shù)量大、計算復(fù)雜度高、推理速度較慢等問題。針對這些問題以及考慮到航拍絕緣子圖像背景復(fù)雜、小目標(biāo)檢測困難等現(xiàn)狀,本文提出一種基于改進YOLOv5s 的輕量級絕緣子缺失檢測模型,實驗結(jié)果表明,所提模型對小目標(biāo)、遮擋目標(biāo)以及模糊等場景有著較強的魯棒性,且在保證近似檢測精度的同時極大減少了計算量。

    1 YOLOv5s模型結(jié)構(gòu)

    YOLOv5s 模型由輸入端(Input)、主干網(wǎng)絡(luò)(Backbone)、Neck 模塊、輸出端(Output)4 個部分組成。YOLOv5s 模型輸入端采用Mosaic 數(shù)據(jù)增強和自適應(yīng)圖片縮放等方法對圖像進行預(yù)處理。主干部分包括切片模塊(Focus)、卷積模塊(Conv)、C3 模塊和空間金字塔池化模塊(SPP)。其中,F(xiàn)ocus模塊是YOLOv5系列所特有的結(jié)構(gòu),當(dāng)進行切片操作時,可確保下采樣不會丟失信息;SPP 模塊解決了卷積神經(jīng)網(wǎng)絡(luò)對圖像特征重復(fù)提取的問題,提高了產(chǎn)生備選框的速度;C3模塊主要起到了精簡網(wǎng)絡(luò)結(jié)構(gòu),減少計算量的作用。Neck模塊部分采用特征金字塔網(wǎng)絡(luò)(FPN)+路徑聚合網(wǎng)絡(luò)(PAN)的多尺度特征融合結(jié)構(gòu),F(xiàn)PN 通過上采樣操作融合高層特征和底層特征信息;PAN則采用下采樣的方式傳達信息。

    2 改進的YOLOv5s模型結(jié)構(gòu)

    2.1 主干網(wǎng)絡(luò)輕量化

    原始的YOLOv5s 模型各模塊的層數(shù)及參數(shù)量如表1 所示。其中C3 模塊通過引入1×1 的卷積核來降低整個模型的參數(shù)量。通過比較可知,主干網(wǎng)絡(luò)中C3模塊的層數(shù)較多且參數(shù)量大。為了降低網(wǎng)絡(luò)計算復(fù)雜度,同時考慮小目標(biāo)難以檢測以及有遮擋物、相似目標(biāo)干擾等問題,本文提出一種融合的輕量級絕緣子缺失檢測模型。

    表1 各模塊層數(shù)及參數(shù)量Tab.1 Layers and parameters of each module

    2.2 CBAM注意力機制

    由于所采集的圖像存在分辨率和像素值較低以及目標(biāo)通道特征信息較少等問題,本文在Concat 模塊之后嵌入CBAM(Convolutional Block Attention Module)模塊[17],使網(wǎng)絡(luò)能夠更好地關(guān)注絕緣子缺失部位的特征信息。CBAM 結(jié)合了空間(spatial)和通道(channel)的注意力機制,結(jié)構(gòu)如圖1 所示。

    圖1 CBAM整體結(jié)構(gòu)Fig.1 Overall structure of CBAM

    CBAM的整體注意力過程表示如下

    式中:將中間特征圖F∈RC×H×W作為輸入,CBAM依次輸出一維通道注意力圖MC∈RC×1×1和二維空間注意力圖MS∈R1×H×W;?表示逐元素相乘;C為特征圖通道數(shù);H和W分別為特征圖的高度和寬度。如圖2 所示,通道注意力模塊MC(F)為

    圖2 通道注意力模塊Fig.2 Channel attention module

    圖3 空間注意力模塊Fig.3 Spatial attention module

    式中:σ為sigmoid 函數(shù);MLP(Multi-Layer Perceptron)表示多層感知器;AvgPool 和MaxPool 分別表示對特征圖進行平均池化和最大池化操作;分別為平均池化特征和最大池化特征;W0∈RC/r×C,W1∈RC×C/r為MLP的權(quán)重。

    式中:σ為sigmoid 函數(shù);f7×7為大小為7×7 的卷積運算。

    2.3 雙向特征金字塔網(wǎng)絡(luò)多尺度特征融合

    隨著檢測網(wǎng)絡(luò)層數(shù)的不斷加深,特征逐漸由低層轉(zhuǎn)向高層。其中,低層特征由于分辨率較大,具有更強的位置信息,適合對目標(biāo)進行定位;高層特征由于感受野較大,具有更強的語義信息,適合對目標(biāo)進行分類。然而,在特征轉(zhuǎn)變過程中會造成低層特征信息的丟失,因此需要對不同尺度的特征進行融合,豐富特征的語義信息。不同特征融合網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示。其中,PAN 和FPN 均未考慮不同分辨率下特征的貢獻差異問題。因此,本文采用加權(quán)雙向特征金字塔網(wǎng)絡(luò)(WBiFPN)[18]構(gòu)造雙向通道,對特征進行跨尺度連接來實現(xiàn)加權(quán)融合。如圖4(c)中所示,對于同層級的原始輸入和輸出節(jié)點,WBiFPN 對兩者進行了連接,在增加極小計算量的情況下融合更多特征。

    圖4 不同特征融合網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Network structure of different feature fusion

    由于不同的輸入特征分辨率不同,所以,對輸出特征的貢獻程度也不同。WBiFPN 為每個輸入特征賦予可學(xué)習(xí)的權(quán)重,令網(wǎng)絡(luò)可根據(jù)輸入特征的重要程度自主調(diào)整權(quán)重。

    式中:ωi為可學(xué)習(xí)的權(quán)重,使用ReLU激活函數(shù)來保證ωi≥0;O為輸出特征;Ii為輸入特征;ε=0.000 1是一個很小的值,以保證數(shù)值的穩(wěn)定。以層級6為例,式(6)和式(7)描述了WBiFPN網(wǎng)絡(luò)的雙向跨尺度連接和加權(quán)特征融合的過程。

    式中:Resize通常指上采樣或下采樣操作;為自上而下路徑第6層的中間特征;為由底向上路徑第6層的輸出特征;Pin和Pout分別為輸入和輸出特征。為了滿足輕量化的要求,本文使用Add融合模塊,在不增加參數(shù)量的情況下對特征進行跨尺度加權(quán)融合,保證所提取特征的完整性。

    2.4 SIoU損失函數(shù)

    傳統(tǒng)的目標(biāo)檢測損失函數(shù)僅考慮了真實框和預(yù)測框之間的距離、重疊區(qū)域和縱橫比這幾類指標(biāo),未考慮預(yù)測框收斂時的方向特征。本文使用SIoU 損失函數(shù),其由Angle cost,Distance cost,Shape cost,IoU cost 4 個Cost 函數(shù)組成。Angle cost 對損失函數(shù)的貢獻方案如圖5 所示,其中B為預(yù)測框,BGT為真實框,若收斂過程將優(yōu)先最小化α,否則最小化β。

    圖5 Angle cost示意圖Fig.5 Schematic diagram of Angle cost

    Angle cost表達式為

    Distance cost對損失函數(shù)表達式為

    式中:cw為預(yù)測框和真實框的水平距離;ch為預(yù)測框和真實框的豎直距離??梢钥闯?,當(dāng)α→0時,Distance cost 的貢獻程度隨之變??;而當(dāng)時,貢獻程度則越來越大。

    Shape cost表達式為

    IoU cost表達式為

    最后,回歸損失函數(shù)表達式為

    總的損失函數(shù)表達式為

    式中:Lcls為Focal loss;Wbox,Wcls分別為框和分類損失權(quán)重,可用遺傳算法進行選擇。圖6 為改進的YOLOv5s模型結(jié)構(gòu)圖。

    圖6 改進的YOLOv5s模型結(jié)構(gòu)圖Fig.6 Improved YOLOv5s model structure diagram

    3 實驗結(jié)果與分析

    3.1 數(shù)據(jù)集設(shè)置

    本文所使用的數(shù)據(jù)集一部分來自于中國電力線絕緣子數(shù)據(jù)集(CPLID)[11],另一部分利用背景融合、隨機旋轉(zhuǎn)、添加噪聲等數(shù)據(jù)增強的方式對數(shù)據(jù)集進行擴充。圖像中包含完整的絕緣子串以及有缺失部分的故障絕緣子。數(shù)據(jù)集共包含4 618 張圖片,訓(xùn)練集、測試集、驗證集按照8∶1∶1的比例劃分。

    3.2 深度學(xué)習(xí)環(huán)境配置

    本文所提方法是在pytorch框架上實現(xiàn)的。操作系統(tǒng)為Ubuntu,CPU 為24 核AMD EPYC 7642 48-Core Processor,內(nèi) 存80 G,GPU 為NVIDIA GeForce RTX 3090,顯存24 G。

    3.3 參數(shù)設(shè)置

    對輸入圖像進行Mosic 增強,增加訓(xùn)練數(shù)據(jù)的多樣性,提高模型的泛化能力。初始學(xué)習(xí)率Ir0=0.001,采用余弦退火策略更新學(xué)習(xí)率,終止學(xué)習(xí)率Irf=0.2;優(yōu)化器選用SGD,動量momentum=0.937,避免網(wǎng)絡(luò)出現(xiàn)局部最優(yōu)解的情況;輸入圖像的尺寸、batch_size和訓(xùn)練輪數(shù)分別為640*640,16和300。

    3.4 評價指標(biāo)

    本文選用mAP@0.5 和mAP@0.5:0.95 作為模型檢測精度的評價指標(biāo),mAP@0.5 為IOU=0.5 時的平均精度均值,mAP@0.5:0.95表示IOU 從0.5 到0.95,步長 為0.05 時mAP 的平均值。其中,IOU 為交并比,mAP綜合考慮了模型的精確率P(Precision)和召回率R(Recall);使用浮點運算數(shù)(GFLOPS)作為模型計算量的評價指標(biāo);使用參數(shù)量(Parameters)作為衡量模型大小的指標(biāo);使用每秒處理圖像的數(shù)量(FPS)來評價模型的檢測速度。選用評價指標(biāo)計算公式為

    式中:A為真實框;B為預(yù)測框;TP為正例被正確判斷為正例的數(shù)量;FP為負(fù)例被錯誤判斷為正例的數(shù)量;FN為正例被錯誤判斷為負(fù)例的數(shù)量;AP為P-R曲線所圍成的面積;mAP為各類別AP的平均值,mAP越高,表示模型的精確度越好。

    3.5 消融實驗

    為驗證本文所提 4 種改進策略的有效性,使用上述數(shù)據(jù)集進行消融實驗,分別測試每種改進以及混合使用的效果。消融實驗結(jié)果如表2 所示,其中表2 第 1 行為原始YOLOv5s的實驗結(jié)果。

    表2 消融實驗結(jié)果Tab.2 Ablation experiment results

    通過分析可知,去除C3模塊之后模型的浮點運算數(shù)是2.8 GFLOPS,僅為原始模型的17.2%,參數(shù)量為1.22 M,是原始模型的18.1%,精確度下降了約1.6%。實驗表明去除C3模塊可以有效減小模型的計算量和參數(shù)量,達到輕量化的目的,但是也帶來了一些精度上的損失。接下來在去除C3模塊的基礎(chǔ)上對檢測精度進行提升。由表2 可以看出,每一處改進之后模型的檢測精度都會有提高,且計算量與參數(shù)量沒有增大。綜合來看,當(dāng) 4 處改進同時進行時的效果最佳,精確度相較原始模型降低約0.8%,浮點運算數(shù)依然為2.8 GFLOPS。結(jié)果表明,計算量和參數(shù)量明顯降低,精確度損失極小,符合本文所提出輕量化檢測的目標(biāo)。

    3.6 魯棒性檢測實驗

    為了更直觀地展示所提模型的性能,本文選取了小目標(biāo)、遮擋目標(biāo)以及模糊 3 個特殊場景進行檢測,檢測結(jié)果如圖7 所示,左邊為原始YOLOv5s 檢測結(jié)果圖,右邊為改進后的YOLOv5s 檢測效果圖。由圖7(a)可以看出,原始YOLOv5s 漏檢了圖像上占比較小的絕緣子部分,改進后的模型可以順利檢測出小目標(biāo);圖7(b)是在有遮擋物的場景中,原始YOLOv5s沒有檢測出桿塔遮擋下的絕緣子,由于本文引入WBiFPN 結(jié)構(gòu),使得模型能夠在融合了不同層次語義信息的全局特征中進行學(xué)習(xí),從而使模型在預(yù)測時能更好地區(qū)分背景和目標(biāo),提高了在有遮擋物情況下目標(biāo)的識別率。因此,改進之后的模型可以很好地檢測出有遮擋物的絕緣子;圖7(c)中,原始YOLOv5s 誤將圖像右上角的一排樹木看作絕緣子,在存在相似目標(biāo)的場景中,本文所提YOLOv5s 模型能精確地識別絕緣子。實驗表明,原始YOLOv5s 模型在復(fù)雜多樣的檢測場景下出現(xiàn)了較多的漏檢以及誤檢的情況,而本文所提模型對此類特殊場景有很好的魯棒性,檢測效果明顯優(yōu)于原始YOLOv5s模型。

    圖7 特殊場景檢測結(jié)果對比圖Fig.7 Comparison of detection results in special scenes

    3.7 對比實驗

    為了證明所提模型的優(yōu)越性,本節(jié)將從模型輕量化、注意力機制以及檢測性能 3 個角度設(shè)計對比實驗。首先,在主干網(wǎng)絡(luò)中分別對shuffle-NetV2,ghost,mobileNetV3 3 種輕量級模型進行對比,試驗結(jié)果如表3 所示。

    表3 不同輕量化模型的性能對比Tab.3 Performance comparison of different lightweight models

    由表3 可知,本文所提算法的精確度為96.8%,浮點運算數(shù)為2.8 GFLOPS,均優(yōu)于其他3種輕量級模型。實驗結(jié)果驗證了本文所提算法在保證較高目標(biāo)識別精確度的同時具有較低的計算量。其次,在改進YOLOv5s 模型中分別引入CBAM、CA(Coordinate Attention)、SE(Squeeze-and-Excitation)和ECA(Efficient Channel Attention)4 種注意力機制進行對比研究,具體結(jié)果如表4 所示。

    表4 不同注意力機制下改進YOLOv5s模型的性能對比Tab.4 Performance comparison of improved YOLOv5s model under different attention mechanisms

    分析數(shù)據(jù)可知,由于選用的都為輕量級注意力機制,因此,在浮點運算數(shù)和參數(shù)量方面差別較小。由于CBAM注意力機制可以同時關(guān)注到空間和通道信息,抓取重點特征,抑制一般特征,因此,融合了CBAM注意力機制的改進YOLOv5s模型的目標(biāo)識別精確度明顯優(yōu)于其他 3 種注意力機制。

    為了進一步評估所提模型的有效性,使用上述數(shù)據(jù)集分別對YOLOv3,F(xiàn)aster-RCNN,SSD,YOLOv5s、改進的YOLOv5s進行對比實驗,結(jié)果如表5 所示。通過對比可以看出,本文模型因減少了神經(jīng)網(wǎng)絡(luò)的深度,檢測精度相較于原始YOLOv5s下降了0.8%,但仍高于YOLOv3和SSD等模型。在計算量、參數(shù)量和推理速度方面表現(xiàn)出極大的優(yōu)越性,實驗結(jié)果驗證了所提模型的有效性。

    表5 與現(xiàn)有目標(biāo)檢測模型性能對比結(jié)果Tab.5 Performance comparison results with existing target detection models

    4 結(jié)論

    本文提出了一種基于改進的YOLOv5s 輕量級絕緣子缺失檢測模型。為了彌補主干網(wǎng)絡(luò)輕量化所帶來的精度損失,在Neck部分融合了輕量級CBAM 注意力模塊,并采用WBiFPN 機制有效提高了模型對重點信息的感知能力,最后利用SIoU損失函數(shù)提高模型的收斂速度。實驗結(jié)果表明,本文所提模型很好地解決了現(xiàn)有絕緣子故障檢測模型存在的計算量大、復(fù)雜度高以及對小目標(biāo)漏檢和誤檢的問題;在保證近似檢測精度的情況下,極大減小了計算量和復(fù)雜度,使得該模型更適用于實際工作場景。后續(xù)將針對因相機抖動而導(dǎo)致圖像模糊難以檢測的問題進行深入研究。

    猜你喜歡
    絕緣子注意力特征
    讓注意力“飛”回來
    如何表達“特征”
    不忠誠的四個特征
    抓住特征巧觀察
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    1000kV耐張絕緣子串單片絕緣子的帶電更換技術(shù)
    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
    絕緣子的常見故障及排除方法
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    尤物成人国产欧美一区二区三区| 在线观看美女被高潮喷水网站| 日本午夜av视频| 美女脱内裤让男人舔精品视频| 免费无遮挡裸体视频| 91狼人影院| 尾随美女入室| 成人一区二区视频在线观看| 一级爰片在线观看| 尤物成人国产欧美一区二区三区| 观看免费一级毛片| 久久久久久久久久久丰满| 蜜桃久久精品国产亚洲av| 成人亚洲精品av一区二区| 久久久久久久国产电影| 女人被狂操c到高潮| 麻豆av噜噜一区二区三区| 一级黄片播放器| 国产中年淑女户外野战色| 亚洲四区av| av女优亚洲男人天堂| 丰满少妇做爰视频| 久久久午夜欧美精品| 国产成人a∨麻豆精品| 亚洲18禁久久av| 亚洲精品国产成人久久av| 一级av片app| 午夜亚洲福利在线播放| 91久久精品国产一区二区三区| 久久久久久久午夜电影| 国产黄a三级三级三级人| 91久久精品国产一区二区三区| 我要看日韩黄色一级片| 久久精品综合一区二区三区| 色综合站精品国产| av又黄又爽大尺度在线免费看| 亚洲综合色惰| 亚洲av福利一区| 97超视频在线观看视频| 久久久久久伊人网av| 日韩大片免费观看网站| 亚洲av福利一区| 国产午夜精品久久久久久一区二区三区| 纵有疾风起免费观看全集完整版 | 内射极品少妇av片p| 久久热精品热| av免费在线看不卡| 婷婷六月久久综合丁香| 国产高清三级在线| 精品人妻一区二区三区麻豆| 精品久久久久久成人av| 伊人久久国产一区二区| 国产成人精品一,二区| 成人美女网站在线观看视频| 精品一区二区三卡| 80岁老熟妇乱子伦牲交| 高清视频免费观看一区二区 | 日韩精品青青久久久久久| 只有这里有精品99| 3wmmmm亚洲av在线观看| 色综合亚洲欧美另类图片| 亚洲18禁久久av| a级毛片免费高清观看在线播放| 一级二级三级毛片免费看| 嫩草影院新地址| 18禁在线无遮挡免费观看视频| 国产亚洲精品久久久com| 能在线免费观看的黄片| 建设人人有责人人尽责人人享有的 | 一个人免费在线观看电影| 久久6这里有精品| 婷婷色综合www| 国产成人aa在线观看| 啦啦啦啦在线视频资源| 亚洲国产成人一精品久久久| av线在线观看网站| 国产成人精品一,二区| 中文资源天堂在线| 国产伦在线观看视频一区| 看十八女毛片水多多多| 国产老妇女一区| 一区二区三区高清视频在线| 日韩精品青青久久久久久| 精品久久久久久久久亚洲| 成人国产麻豆网| 久久精品夜夜夜夜夜久久蜜豆| 97超视频在线观看视频| av在线天堂中文字幕| 国产成人a∨麻豆精品| 精品欧美国产一区二区三| 精品人妻熟女av久视频| 韩国高清视频一区二区三区| 嘟嘟电影网在线观看| 久久精品国产亚洲av天美| 99热这里只有是精品50| 看黄色毛片网站| 91狼人影院| 国产男女超爽视频在线观看| 国产精品久久久久久久电影| 日韩一本色道免费dvd| 婷婷色综合大香蕉| 免费电影在线观看免费观看| 亚洲最大成人av| 性插视频无遮挡在线免费观看| 国产亚洲精品久久久com| 免费在线观看成人毛片| 久久精品国产亚洲av天美| 亚洲天堂国产精品一区在线| 欧美高清成人免费视频www| 国产黄片美女视频| 亚洲精品自拍成人| 亚洲成人中文字幕在线播放| 国产成年人精品一区二区| 久久精品综合一区二区三区| 国产高清有码在线观看视频| 亚洲欧美清纯卡通| 国产精品一二三区在线看| 久久久久久久久久久丰满| 日韩欧美一区视频在线观看 | 亚洲精品日韩在线中文字幕| 精品久久久久久久久亚洲| 精品午夜福利在线看| 综合色丁香网| 午夜福利在线观看吧| 好男人在线观看高清免费视频| 97精品久久久久久久久久精品| 免费看日本二区| 国产综合懂色| 午夜视频国产福利| 欧美日韩综合久久久久久| 免费看a级黄色片| 免费电影在线观看免费观看| 亚洲av一区综合| 男插女下体视频免费在线播放| 建设人人有责人人尽责人人享有的 | 国产高清三级在线| 搞女人的毛片| 天堂中文最新版在线下载 | 午夜视频国产福利| 国产老妇女一区| av网站免费在线观看视频 | 国语对白做爰xxxⅹ性视频网站| 午夜激情欧美在线| 亚洲人成网站在线播| 国产激情偷乱视频一区二区| av天堂中文字幕网| 网址你懂的国产日韩在线| 国产午夜精品一二区理论片| 精品国产一区二区三区久久久樱花 | 丰满人妻一区二区三区视频av| 一级a做视频免费观看| 亚洲国产精品成人综合色| 国产淫片久久久久久久久| 国产精品蜜桃在线观看| 小蜜桃在线观看免费完整版高清| 最近中文字幕2019免费版| 只有这里有精品99| 国产成人精品婷婷| av卡一久久| 亚洲欧美一区二区三区国产| av在线老鸭窝| 成人高潮视频无遮挡免费网站| 男的添女的下面高潮视频| 一级毛片 在线播放| av在线播放精品| 在线免费观看不下载黄p国产| 亚洲在线自拍视频| 少妇高潮的动态图| 2021天堂中文幕一二区在线观| 欧美精品国产亚洲| 日韩av在线大香蕉| 久久久久性生活片| 99热这里只有是精品50| 白带黄色成豆腐渣| 国产午夜精品久久久久久一区二区三区| 亚洲国产欧美在线一区| 欧美激情在线99| 免费黄色在线免费观看| 一级爰片在线观看| 看十八女毛片水多多多| 国产黄频视频在线观看| 国产国拍精品亚洲av在线观看| 欧美激情在线99| 女人被狂操c到高潮| 夜夜爽夜夜爽视频| 女人久久www免费人成看片| 日日啪夜夜撸| 久久久国产一区二区| 久久精品久久精品一区二区三区| 国产老妇伦熟女老妇高清| 久久久久久久久久久丰满| 麻豆成人av视频| 久久久亚洲精品成人影院| 精品午夜福利在线看| 国产精品久久视频播放| 欧美极品一区二区三区四区| 欧美日本视频| 三级国产精品欧美在线观看| 九九久久精品国产亚洲av麻豆| 搡老妇女老女人老熟妇| 免费在线观看成人毛片| 天堂av国产一区二区熟女人妻| 日本黄大片高清| 久久久久久伊人网av| 国产黄片视频在线免费观看| 韩国av在线不卡| 成人欧美大片| 免费观看在线日韩| 成人国产麻豆网| 国产精品女同一区二区软件| 大香蕉97超碰在线| 又爽又黄a免费视频| 久久久久免费精品人妻一区二区| 午夜福利网站1000一区二区三区| 亚洲一级一片aⅴ在线观看| 亚洲高清免费不卡视频| 亚洲精品乱码久久久v下载方式| 免费看光身美女| 欧美日韩在线观看h| 色综合站精品国产| 国产精品一区www在线观看| 乱码一卡2卡4卡精品| .国产精品久久| 搡女人真爽免费视频火全软件| 毛片一级片免费看久久久久| 亚洲成人一二三区av| 亚洲,欧美,日韩| 人人妻人人澡欧美一区二区| 国产一区二区亚洲精品在线观看| 久久久色成人| 精品国内亚洲2022精品成人| 国产精品一区二区性色av| av免费在线看不卡| 精品久久久久久久末码| 内地一区二区视频在线| 日韩国内少妇激情av| 汤姆久久久久久久影院中文字幕 | 欧美激情在线99| 国产精品久久久久久久久免| 高清视频免费观看一区二区 | 99热这里只有是精品在线观看| 国产激情偷乱视频一区二区| 欧美精品一区二区大全| 亚洲内射少妇av| 亚洲精品日本国产第一区| 国产高清三级在线| 精品国产露脸久久av麻豆 | 国模一区二区三区四区视频| 熟妇人妻不卡中文字幕| 黄色一级大片看看| 亚洲精品,欧美精品| 18禁在线播放成人免费| 嘟嘟电影网在线观看| 不卡视频在线观看欧美| 中文欧美无线码| 女人十人毛片免费观看3o分钟| 亚洲精品第二区| 国产午夜精品论理片| 国产黄色免费在线视频| 成人特级av手机在线观看| 亚洲成人久久爱视频| 免费少妇av软件| 国产午夜福利久久久久久| 99久久精品热视频| 一二三四中文在线观看免费高清| 嘟嘟电影网在线观看| 中文字幕制服av| 亚洲国产精品国产精品| 三级男女做爰猛烈吃奶摸视频| 黄片wwwwww| 69人妻影院| 国产精品蜜桃在线观看| 国产一区二区三区综合在线观看 | 欧美日本视频| 男人舔奶头视频| 搡老乐熟女国产| 久久99热6这里只有精品| 久久精品国产亚洲网站| 日韩欧美国产在线观看| 亚洲成色77777| 亚洲国产精品sss在线观看| 精品久久久久久久久亚洲| 亚洲av一区综合| 两个人视频免费观看高清| 天堂俺去俺来也www色官网 | 亚洲经典国产精华液单| 久久99蜜桃精品久久| 最近视频中文字幕2019在线8| 国产中年淑女户外野战色| 秋霞伦理黄片| 在线观看av片永久免费下载| 日韩三级伦理在线观看| 国模一区二区三区四区视频| 精品亚洲乱码少妇综合久久| 亚洲色图av天堂| 九九久久精品国产亚洲av麻豆| 嫩草影院入口| 亚洲不卡免费看| 黄色日韩在线| 国产精品久久久久久精品电影| 欧美日韩国产mv在线观看视频 | 免费看美女性在线毛片视频| 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| 少妇被粗大猛烈的视频| 一级毛片我不卡| 国产欧美日韩精品一区二区| 日韩av在线免费看完整版不卡| 国产精品精品国产色婷婷| 亚洲精品国产av蜜桃| 国产高清不卡午夜福利| 亚洲av免费在线观看| 亚洲国产色片| 赤兔流量卡办理| 久久国产乱子免费精品| 91久久精品国产一区二区成人| 精品99又大又爽又粗少妇毛片| h日本视频在线播放| 七月丁香在线播放| 午夜福利视频1000在线观看| 国产激情偷乱视频一区二区| 亚洲精品久久久久久婷婷小说| 91在线精品国自产拍蜜月| 婷婷色综合www| 99久久精品一区二区三区| 国产午夜精品久久久久久一区二区三区| 91久久精品国产一区二区成人| 中文字幕人妻熟人妻熟丝袜美| 亚洲av日韩在线播放| 噜噜噜噜噜久久久久久91| 极品教师在线视频| 色网站视频免费| 午夜激情久久久久久久| 亚洲精品成人av观看孕妇| 亚洲欧美日韩东京热| 国产国拍精品亚洲av在线观看| 久久99热6这里只有精品| av天堂中文字幕网| 国产成人福利小说| 欧美丝袜亚洲另类| 熟妇人妻久久中文字幕3abv| 看非洲黑人一级黄片| 亚洲精品国产av成人精品| 亚洲丝袜综合中文字幕| av网站免费在线观看视频 | 免费看av在线观看网站| 国产成人精品福利久久| 国产精品无大码| 精品久久久久久久末码| 欧美潮喷喷水| 2021天堂中文幕一二区在线观| 久久韩国三级中文字幕| 99热这里只有是精品50| 国产极品天堂在线| 亚洲高清免费不卡视频| 国产淫语在线视频| 亚洲精品,欧美精品| 天天躁日日操中文字幕| 乱码一卡2卡4卡精品| 亚洲精品日韩在线中文字幕| 国产精品女同一区二区软件| 高清毛片免费看| 肉色欧美久久久久久久蜜桃 | 国产精品爽爽va在线观看网站| 99久国产av精品| 精品一区二区三区人妻视频| 99九九线精品视频在线观看视频| 高清在线视频一区二区三区| 纵有疾风起免费观看全集完整版 | 亚洲精品中文字幕在线视频 | 精品少妇黑人巨大在线播放| 日本午夜av视频| 国产亚洲精品久久久com| 看黄色毛片网站| 2021天堂中文幕一二区在线观| 六月丁香七月| 可以在线观看毛片的网站| 日韩欧美精品v在线| 亚洲高清免费不卡视频| 天堂影院成人在线观看| 国产黄色免费在线视频| 美女内射精品一级片tv| a级一级毛片免费在线观看| 久久国产乱子免费精品| 午夜福利视频1000在线观看| 特级一级黄色大片| 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 | 国产av不卡久久| 蜜桃久久精品国产亚洲av| 全区人妻精品视频| 在线观看av片永久免费下载| 欧美不卡视频在线免费观看| 日韩av免费高清视频| 中文字幕制服av| 街头女战士在线观看网站| 国产老妇伦熟女老妇高清| 国产男女超爽视频在线观看| 少妇猛男粗大的猛烈进出视频 | 成人二区视频| 亚洲电影在线观看av| 久久6这里有精品| 精品国内亚洲2022精品成人| 国产不卡一卡二| 久久久色成人| 日韩国内少妇激情av| 久久久国产一区二区| 日韩大片免费观看网站| 91在线精品国自产拍蜜月| 亚洲在线观看片| 亚洲精品日韩av片在线观看| 精品欧美国产一区二区三| 看免费成人av毛片| 丰满乱子伦码专区| 国产在线一区二区三区精| 国产成人精品久久久久久| 69av精品久久久久久| 亚洲精品一二三| 一级毛片 在线播放| 久久草成人影院| 午夜福利网站1000一区二区三区| av在线播放精品| 亚洲丝袜综合中文字幕| 久久这里只有精品中国| 国产精品熟女久久久久浪| 女人久久www免费人成看片| 床上黄色一级片| 亚洲精品一区蜜桃| 国产午夜精品久久久久久一区二区三区| 亚洲欧美清纯卡通| 亚洲在久久综合| 国产一区二区亚洲精品在线观看| 国产在线一区二区三区精| 久久99蜜桃精品久久| 国产老妇伦熟女老妇高清| h日本视频在线播放| 国产精品精品国产色婷婷| 又黄又爽又刺激的免费视频.| eeuss影院久久| 99热全是精品| 国产精品一区二区性色av| 少妇猛男粗大的猛烈进出视频 | 久久精品国产鲁丝片午夜精品| 亚洲精品日韩av片在线观看| 午夜激情福利司机影院| 夜夜看夜夜爽夜夜摸| 色吧在线观看| 国产精品福利在线免费观看| 久久久久网色| 国内精品一区二区在线观看| 久久久精品94久久精品| videos熟女内射| 日韩伦理黄色片| 久久精品国产亚洲网站| 国产有黄有色有爽视频| 视频中文字幕在线观看| 国产在线男女| 国产精品国产三级国产av玫瑰| 成年av动漫网址| 国产精品无大码| 国产成人aa在线观看| 精品不卡国产一区二区三区| 国精品久久久久久国模美| 人妻一区二区av| 色哟哟·www| 国产综合懂色| 日韩不卡一区二区三区视频在线| 日本黄色片子视频| av在线蜜桃| 好男人视频免费观看在线| 亚洲在久久综合| 亚洲av电影在线观看一区二区三区 | 舔av片在线| 黄色欧美视频在线观看| 亚洲国产av新网站| 嘟嘟电影网在线观看| 亚洲真实伦在线观看| 成人性生交大片免费视频hd| 最近中文字幕2019免费版| 91久久精品国产一区二区成人| 国产伦理片在线播放av一区| 亚州av有码| 极品少妇高潮喷水抽搐| eeuss影院久久| 建设人人有责人人尽责人人享有的 | 亚洲自拍偷在线| 亚洲人与动物交配视频| 1000部很黄的大片| 成人无遮挡网站| 精品酒店卫生间| 久久综合国产亚洲精品| 日韩电影二区| av又黄又爽大尺度在线免费看| 国产69精品久久久久777片| 午夜日本视频在线| 国产精品嫩草影院av在线观看| 国产熟女欧美一区二区| 亚洲婷婷狠狠爱综合网| 一个人看视频在线观看www免费| 嫩草影院精品99| 欧美变态另类bdsm刘玥| 美女国产视频在线观看| 99热这里只有精品一区| 91av网一区二区| 女人被狂操c到高潮| av在线观看视频网站免费| 少妇人妻精品综合一区二区| 欧美精品一区二区大全| 毛片女人毛片| 一级毛片黄色毛片免费观看视频| 一区二区三区乱码不卡18| 精品国产露脸久久av麻豆 | 国产 一区 欧美 日韩| 男女下面进入的视频免费午夜| 久久草成人影院| 久久99精品国语久久久| 亚洲精品成人av观看孕妇| 日韩av不卡免费在线播放| 人妻少妇偷人精品九色| 欧美精品一区二区大全| 好男人在线观看高清免费视频| 寂寞人妻少妇视频99o| 2021天堂中文幕一二区在线观| 能在线免费看毛片的网站| av福利片在线观看| 午夜福利视频精品| 少妇高潮的动态图| 免费观看无遮挡的男女| 国产精品一区二区三区四区免费观看| 日韩成人av中文字幕在线观看| 亚洲国产日韩欧美精品在线观看| 国产亚洲91精品色在线| 老女人水多毛片| 日韩三级伦理在线观看| 国产 一区 欧美 日韩| 亚洲18禁久久av| 国产精品麻豆人妻色哟哟久久 | 日日啪夜夜爽| 最新中文字幕久久久久| 亚洲av不卡在线观看| 亚洲欧洲国产日韩| av线在线观看网站| 国产精品久久久久久精品电影| 亚洲av在线观看美女高潮| 精品久久久久久电影网| av黄色大香蕉| 在线免费观看的www视频| 国产高清三级在线| 七月丁香在线播放| 日本一本二区三区精品| 亚洲18禁久久av| 成人综合一区亚洲| 亚洲av成人av| 亚洲丝袜综合中文字幕| 一级毛片电影观看| 国产伦理片在线播放av一区| 99九九线精品视频在线观看视频| 欧美人与善性xxx| 国产av国产精品国产| 网址你懂的国产日韩在线| 69人妻影院| 精品久久久久久久人妻蜜臀av| 精品久久久久久电影网| 成人二区视频| 少妇人妻一区二区三区视频| 国产精品蜜桃在线观看| 少妇丰满av| 国产精品伦人一区二区| 我的老师免费观看完整版| 亚洲高清免费不卡视频| 国产老妇女一区| 免费观看性生交大片5| 国产探花在线观看一区二区| 午夜激情久久久久久久| 赤兔流量卡办理| 超碰av人人做人人爽久久| 少妇熟女aⅴ在线视频| 亚洲av一区综合| 日韩在线高清观看一区二区三区| 天堂√8在线中文| 国产乱人偷精品视频| 自拍偷自拍亚洲精品老妇| 大香蕉97超碰在线| 欧美激情久久久久久爽电影| 欧美精品国产亚洲| 久久久久久久久久久丰满| 国产一区二区三区av在线| 久久久久精品性色| 美女脱内裤让男人舔精品视频| 乱人视频在线观看| 日本一本二区三区精品| 久久精品国产自在天天线| 99久久人妻综合| 国产欧美另类精品又又久久亚洲欧美| 成人欧美大片| 我要看日韩黄色一级片| 亚洲在久久综合| 国模一区二区三区四区视频| 日本-黄色视频高清免费观看| 久久久久九九精品影院| 纵有疾风起免费观看全集完整版 | 亚洲人成网站在线观看播放| 嫩草影院精品99| 九草在线视频观看| 精品久久久精品久久久| 国产女主播在线喷水免费视频网站 | 成人一区二区视频在线观看| or卡值多少钱| 黄色配什么色好看| 男插女下体视频免费在线播放| av网站免费在线观看视频 | 天天一区二区日本电影三级| 久久午夜福利片| 欧美日韩综合久久久久久| 在现免费观看毛片| 久久99精品国语久久久|