• <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 ?

    基于機(jī)器視覺(jué)的盆栽微型月季品質(zhì)分級(jí)方法研究

    2024-04-30 11:15:07張閣蘭升劉新偉賈彪張黎
    安徽農(nóng)業(yè)科學(xué) 2024年7期
    關(guān)鍵詞:機(jī)器視覺(jué)特征提取

    張閣 蘭升 劉新偉 賈彪 張黎

    摘要建立準(zhǔn)確高效的品質(zhì)分級(jí)方法,對(duì)于花卉產(chǎn)業(yè)的標(biāo)準(zhǔn)化發(fā)展具有重要的意義。針對(duì)人工分級(jí)勞動(dòng)強(qiáng)度大、經(jīng)驗(yàn)要求高、缺乏統(tǒng)一性等問(wèn)題,提出了基于機(jī)器視覺(jué)技術(shù)的盆栽微型月季品質(zhì)分級(jí)方法。該方法根據(jù)盆栽微型月季的株高、花朵數(shù)、整齊度、花蓋度和病蟲(chóng)害狀況特征的不同,分別提取其相應(yīng)的特征參數(shù),并利用最小二乘支持向量機(jī)作為分類(lèi)器,對(duì)其品質(zhì)等級(jí)進(jìn)行評(píng)價(jià)。經(jīng)試驗(yàn)研究,單獨(dú)利用株高、花朵數(shù)、整齊度、花蓋度和病蟲(chóng)害狀況特征進(jìn)行分級(jí)的準(zhǔn)確率分別為95.65%、94.68%、94.68%、94.20%、96.61%,而綜合特征分級(jí)準(zhǔn)確率為99.50%,驗(yàn)證了特征提取和分類(lèi)模型的有效性,利用綜合特征進(jìn)行分級(jí)時(shí)間為10 s,明顯提高了分級(jí)效率,該方法為建立準(zhǔn)確高效的智能盆栽微型月季分級(jí)方法提供了理論參考。

    關(guān)鍵詞機(jī)器視覺(jué);盆栽微型月季;品質(zhì)分級(jí);特征提取

    中圖分類(lèi)號(hào)S126? 文獻(xiàn)標(biāo)識(shí)碼A? 文章編號(hào)05176611(2024)07023005

    doi:10.3969/j.issn.05176611.2024.07.053

    Research on Quality Grading Method of Potted Mini Rose Based on Machine Vision

    ZHANG Ge1,2,LAN Sheng3,LIU Xin-wei1,2 et al

    (1.Yinchuan Aibida Horticulture Co.,Ltd.,Yinchuan,Ningxia 750005;2.Ningxia Flower Engineering Technology Research Center,Yinchuan,Ningxia 750005;3.School of Automation,Tsinghua University,Beijing 100084)

    AbstractPotted mini rose has the characteristics of varieties,difficult of storage and large quality gap.Therefore,the establishment of accurate and efficient quality grading technology is of great significance for the standardized development of flower industry.As the traditional manual grading method need high labor intensity,high experience and lack of unity,we proposed a new quality grading method of potted mini rose based on machine vision.According to the different characteristics of plant height,flower number,uniformity,flower coverage and pest status of potted mini roses,the corresponding characteristic parameters were extracted,and the least squares support vector machine was used as a classifier to evaluate the quality grade.Through the experiment,the accuracy of a single characteristic were 95.65%,94.68%,94.68%,94.20% and 96.61%,respectively,while the accuracy of grading using the synthetic features was 99.50%,which verified the effectiveness of the proposed method.Generally,the manual grading method took several days,while the time of grading by the proposed method was 10 s,which obviously improved the efficiency.This method could provide basis for establishing an accurate and efficient intelligent grading method of potted mini rose.

    Key wordsMachine vision;Potted mini rose;Quality grading;Feature extraction

    微型月季具有株型矮小、色彩豐富等特點(diǎn)[1]。小型化緊湊型的盆栽成為新興的花卉熱門(mén)產(chǎn)品,盆栽微型月季因其嬌小美麗、寓意美好而受到人們喜愛(ài)[2]。目前,我國(guó)每年盆栽微型月季產(chǎn)量可達(dá)4 000萬(wàn)盆,但由于其品種多、不易存儲(chǔ)、品質(zhì)差距大等特點(diǎn),在包裝環(huán)節(jié)對(duì)其進(jìn)行品質(zhì)分級(jí)存在瓶頸。目前我國(guó)盆栽微型月季分級(jí)包裝主要依靠人工分選,該方法勞動(dòng)強(qiáng)度大、分級(jí)效率低、分級(jí)成本高,而且對(duì)工作人員要求高、缺乏統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)[3]。

    隨著計(jì)算機(jī)技術(shù)的發(fā)展,機(jī)器視覺(jué)的方法因其精度高、成本低和性能穩(wěn)定等特點(diǎn),越來(lái)越多地被應(yīng)用到植物的病害檢測(cè)和分類(lèi)中[47]。目前國(guó)內(nèi)外已有一些蔬菜的自動(dòng)化分級(jí)系統(tǒng),如郝敏[8]通過(guò)機(jī)器視覺(jué)技術(shù),將遺傳算法與概率神經(jīng)網(wǎng)絡(luò)結(jié)合,實(shí)現(xiàn)了基于重量、薯形和外部缺陷3個(gè)指標(biāo)的馬鈴薯外觀品質(zhì)分級(jí)系統(tǒng),對(duì)大、中、小3種尺寸的馬鈴薯分類(lèi)準(zhǔn)確率分別達(dá)到97%、96%和98%。任銳等[9]根據(jù)辣椒的形狀和顏色特征,采用霍夫森林分類(lèi)器實(shí)現(xiàn)了辣椒的外部品質(zhì)分級(jí)模型,得到了一種適合有一定彎曲度、帶柄農(nóng)作物的研究方法。Tokuda等[10]通過(guò)研究開(kāi)發(fā)了一個(gè)可用于西瓜自動(dòng)收獲的機(jī)器視覺(jué)系統(tǒng),將樣本圖像的顏色模型由 RGB 模型轉(zhuǎn)換成 HSI 模型,對(duì) HSI顏色模型中飽和度 S的觀察發(fā)現(xiàn),當(dāng)西瓜成熟度增加時(shí),對(duì)應(yīng)圖像飽和度的平均值會(huì)線性下降,同時(shí)在彩色直方圖中到達(dá)峰值的像素個(gè)數(shù)和達(dá)到峰值的左側(cè)像素的個(gè)數(shù)之間的比值將會(huì)減少,運(yùn)用該原理可以建立一個(gè)機(jī)器視覺(jué)系統(tǒng)來(lái)對(duì)西瓜的成熟程度進(jìn)行分級(jí)。王巧華等[11]通過(guò)機(jī)器視覺(jué),建立了鴨蛋大小的自動(dòng)分級(jí)系統(tǒng),研究表明不論蛋殼顏色以及蛋芯顏色,鴨蛋的大小和重量都與像素面積成正比,相關(guān)性達(dá)到0.97。孟繁佳等[12]設(shè)計(jì)了一種實(shí)時(shí)分選霉變玉米種子的系統(tǒng),根據(jù)玉米種子表面顏色的差異,設(shè)計(jì)了一種基于HSV顏色空間的霉變玉米種子分級(jí)算法,準(zhǔn)確率達(dá)到94%。國(guó)內(nèi)關(guān)于植物分級(jí)已有一些研究,但鮮見(jiàn)基于機(jī)器視覺(jué)的有關(guān)盆栽微型月季的分級(jí)方法。因此,結(jié)合機(jī)器視覺(jué)研究一種快速、準(zhǔn)確的盆栽微型月季分級(jí)方法,對(duì)于推動(dòng)我國(guó)花卉產(chǎn)業(yè)的標(biāo)準(zhǔn)化、智能化發(fā)展具有重要的意義。

    鑒于此,筆者研究基于機(jī)器視覺(jué)技術(shù),以盆栽微型月季的株高、花朵數(shù)、整齊度、花蓋度和病蟲(chóng)害狀況作為特征,以最小二乘支持向量機(jī)作為分類(lèi)器,實(shí)現(xiàn)其外觀品質(zhì)的自動(dòng)分級(jí),從而提高包裝環(huán)節(jié)的效率和準(zhǔn)確度,推動(dòng)我國(guó)花卉產(chǎn)業(yè)的發(fā)展。

    1材料與方法

    1.1試驗(yàn)材料

    試驗(yàn)材料為寧夏銀川市本地種植的盆栽微型月季“歐布”,在白天遮光環(huán)境下使用華為Honor 30手機(jī)自帶相機(jī)拍攝,攝像頭為索尼IMX 700型4 000萬(wàn)像素。共拍攝660組圖像,每組圖像包括盆栽月季的側(cè)視圖和俯視圖,圖像大小為4 608×3 456。

    將試驗(yàn)盆栽按照3∶1的比例進(jìn)行劃分,其中440組作為訓(xùn)練組,其余220組作為預(yù)測(cè)組。圖像的選擇采用隨機(jī)方式,以避免拍攝順序以及人為因素對(duì)試驗(yàn)造成的影響。

    1.2分級(jí)標(biāo)準(zhǔn)

    參考GB/T 18247.2—2000國(guó)家盆栽花卉產(chǎn)品等級(jí)標(biāo)準(zhǔn)和 NY/T 1656.3—2008花卉檢驗(yàn)技術(shù)規(guī)范,制定了適用于該研究對(duì)象的企業(yè)分級(jí)標(biāo)準(zhǔn),如表1所示。根據(jù)盆栽微型月季高度、花朵數(shù)量、整齊度、花蓋度、病蟲(chóng)害狀況等特征的綜合情況將樣本分為3類(lèi):A類(lèi)為最優(yōu)級(jí)別,B類(lèi)次之,C類(lèi)最差。

    1.3試驗(yàn)方法

    通過(guò)圖像采集系統(tǒng)采集盆栽月季的側(cè)視圖和俯視圖,并隨機(jī)分為訓(xùn)練集和預(yù)測(cè)集。然后,將采集的圖像進(jìn)行預(yù)處理,分別提取其高度、花朵數(shù)量、整齊度、花蓋度、病蟲(chóng)害狀況特征。最后,采用最小二乘支持向量機(jī)(LSSVM)作為分類(lèi)器,基于特征值對(duì)其進(jìn)行訓(xùn)練和預(yù)測(cè),得到最優(yōu)的分級(jí)模型,并進(jìn)行相應(yīng)的品質(zhì)分級(jí)軟件的開(kāi)發(fā)與測(cè)試。

    圖像采集系統(tǒng)包括相機(jī)、光源及遮光暗箱[13],如圖1所示。拍攝時(shí),相機(jī)分別處于頂部和側(cè)面的固定位置,使用黑色遮光布作為拍攝背景,從而避免相機(jī)抖動(dòng)和背景噪聲對(duì)圖像采集的影響。

    2圖像預(yù)處理

    2.1圖像濾波與去噪

    在圖像采集的過(guò)程中,由于空氣灰塵、葉片掉落、濕度變化等因素,往往會(huì)導(dǎo)致圖像中存在一定的噪聲,進(jìn)而對(duì)后續(xù)的特征提取產(chǎn)生不利的干擾。為了避免這種負(fù)面的影響因素,采取中值濾波算法[14]對(duì)圖像進(jìn)行預(yù)處理。通過(guò)濾波處理,可以較好地消除圖像中的噪聲,同時(shí)保留有用的顏色和形狀信息。由圖2可知,進(jìn)行中值濾波后的圖像中無(wú)關(guān)顏色分量減少,同時(shí)保留了有用顏色信息,有利于消除非關(guān)鍵信息的干擾,從而便于后續(xù)圖像特征的提取。

    2.2圖像的Itti顏色顯著圖

    Itti顯著圖是根據(jù)早期靈長(zhǎng)類(lèi)動(dòng)物的視覺(jué)神經(jīng)系統(tǒng)構(gòu)造的一種視覺(jué)注意力機(jī)制模型[15]。人腦具有通過(guò)分析對(duì)圖像中的區(qū)域產(chǎn)生不同顯著等級(jí)的能力,而Itti模型[1617]就模擬了這種自下而上的注意力機(jī)制。該方法主要是先通過(guò)高斯采樣方法構(gòu)建圖像的多個(gè)尺寸的高斯金字塔,然后由高斯金字塔分別計(jì)算圖像的顏色特征圖,最后將不同尺寸的特征圖進(jìn)行融合得到顏色顯著圖。

    在計(jì)算Itti顏色顯著圖時(shí),首先設(shè)定1個(gè)圖像像素值大小的閾值,這里為圖像中像素最大值的1/10。當(dāng)像素值小于閾值時(shí),將該像素點(diǎn)的R、G、B值設(shè)為0,當(dāng)像素值大于閾值時(shí),分別計(jì)算其R、G、B顏色分量的值如公式(1)所示:

    RR=R(G+B)2GG=G(R+B)2BB=B(R+G)2(1)

    對(duì)于高斯金字塔中的每層圖像,其顏色分量分別表示為RR(n)、GG(n)、BB(n)和Y(n),其中n∈{0,1,2,…,6,7,8}。接著計(jì)算總顏色分量如公式(2)所示:

    RR=8n=0RR(n)GG=8n=0GG(n)BB=8n=0BB(n)???? (2)

    由于該研究中試驗(yàn)樣本花朵為紅色,而葉片顏色為綠色,在提取其花朵數(shù)量、整齊度、病蟲(chóng)害特征時(shí)使用了俯視圖的紅色顯著圖,提取其高度特征時(shí)使用了側(cè)視圖的綠色顯著圖,提取其花蓋度特征時(shí)則同時(shí)使用了俯視圖的紅色顯著圖和綠色顯著圖,如圖3所示。

    2.3圖像的二值化與形態(tài)學(xué)處理

    經(jīng)過(guò)中值濾波和Itti顏色顯著圖的處理,已基本可以區(qū)分開(kāi)圖像中的關(guān)鍵區(qū)域與背景區(qū)域,但是由于圖像中像素點(diǎn)的值為0~255,進(jìn)行特征提取時(shí)計(jì)算量較大。實(shí)際上,在數(shù)字圖像處理中,常常對(duì)圖像進(jìn)行二值化處理[1819],從而提高算法的運(yùn)算效率。在圖像二值化之后,由于圖像像素值被壓縮到0和1這2種數(shù)值,往往會(huì)使得一些區(qū)域的噪聲被放大而形成孔洞,不利于特征的進(jìn)一步提取。因此,對(duì)二值化后的圖像進(jìn)行形態(tài)學(xué)的處理,包括腐蝕和膨脹等開(kāi)運(yùn)算,也是圖像預(yù)處理的重要部分。圖4所示為進(jìn)行二值化和形態(tài)學(xué)處理后的圖像。

    3特征的提取與分級(jí)

    3.1特征提取

    3.1.1高度特征。

    一株盆栽的高度是指植株頂部與其根頸部之間的距離。在圖像中,則對(duì)應(yīng)其側(cè)視圖中像素不為0的點(diǎn)的縱坐標(biāo)最大值與最小值之間的差。在該研究中,通過(guò)側(cè)視圖的綠色二值顯著圖來(lái)計(jì)算植株的株高特征,如公式(3)所示:

    H=(TmaxTmin)α(3)

    式中:Tmax、Tmin分別為非零像素點(diǎn)的縱坐標(biāo)最大值與最小值;α為歸一化系數(shù),根據(jù)圖像的大小而定。

    3.1.2花朵數(shù)量特征。

    一株盆栽中的花朵數(shù)量是衡量其品質(zhì)級(jí)別的重要依據(jù),花朵數(shù)越多,其成為優(yōu)質(zhì)級(jí)別的可能性就越大。由于試驗(yàn)樣本的花朵顏色為紅色,主要基于俯視圖的紅色二值顯著圖來(lái)計(jì)算花朵數(shù)量。通過(guò)觀察發(fā)現(xiàn),在紅色二值顯著圖中,每一個(gè)花朵區(qū)域都是一個(gè)連通的白色區(qū)域,通過(guò)統(tǒng)計(jì)其中白色連通區(qū)域的數(shù)量,即可得到該盆栽中的花朵數(shù)量:

    N=σNσ(4)

    式中,σ表示圖像區(qū)域;Nσ為區(qū)域連通狀態(tài),即Nσ=1,σ連通Nσ=0,σ連通

    3.1.3整齊度特征。

    整齊度是盆栽中的花朵分布整齊程度的量化特征,是影響盆栽整體觀感的一個(gè)重要因素。整齊度越高,則盆栽整體看起來(lái)越規(guī)則而具有美感,相反,整齊度較低時(shí)盆栽整體看起來(lái)會(huì)比較雜亂,影響其外部觀感。當(dāng)在圖像中計(jì)算整齊度時(shí),該研究使用花朵區(qū)域的縱坐標(biāo)的統(tǒng)計(jì)標(biāo)準(zhǔn)差,即盆栽俯視圖的紅色二值顯著圖中連通區(qū)域中心的縱坐標(biāo)標(biāo)準(zhǔn)差作為衡量的標(biāo)準(zhǔn):

    V=σ(TσiT)2Ni=0,1,…,N(5)

    T=σTσiNi=0,1,…,N(6)

    式中:N為花朵數(shù)量;T為連通區(qū)域中心縱坐標(biāo)的平均值;Tσi表示第i個(gè)連通區(qū)域的中心縱坐標(biāo)。

    3.1.4花蓋度特征。

    盆栽的花蓋度反映了花朵在植株中的密集程度,一般是指一株盆栽中花朵所占的總面積與植冠總面積之間的比值,而植冠總面積可以看成是花朵面積與枝葉面積的和。對(duì)應(yīng)到圖像中,花朵的面積可以通過(guò)俯視圖的紅色二值顯著圖中連通區(qū)域的總面積計(jì)算得到,而植冠的總面積可以通過(guò)俯視圖的綠色二值顯著圖中非零區(qū)域的總面積得到。用Rσ表示俯視圖的紅色二值顯著圖中的連通區(qū)域,Gσ表示俯視圖的綠色二值顯著圖中的非零區(qū)域,S表示區(qū)域面積,則花蓋度可以表示為:

    D=SRσSGσ(7)

    3.1.5病蟲(chóng)害狀況特征。

    由于農(nóng)作物在生長(zhǎng)過(guò)程中常常會(huì)受到病蟲(chóng)害侵?jǐn)_,使其外觀和品質(zhì)產(chǎn)生較大的影響,病蟲(chóng)害狀況也是衡量盆栽品質(zhì)等級(jí)的一個(gè)不可或缺的因素。通常來(lái)說(shuō),可以由花朵上的蟲(chóng)害咬食痕跡來(lái)判斷植株的病蟲(chóng)害狀況,痕跡越嚴(yán)重的受害程度越嚴(yán)重。在圖像中,本文通過(guò)盆栽俯視圖的紅色二值顯著圖中的孔洞數(shù)量來(lái)作為計(jì)算病蟲(chóng)害狀況特征的依據(jù):

    B=σBσ(8)

    式中,σ表示圖像區(qū)域,Bσ為區(qū)域連通狀態(tài),即Bσ=1,σ是孔洞Bσ=0,σ不是孔洞

    3.2分級(jí)模型

    3.2.1連續(xù)投影法特征篩選。

    對(duì)每一組盆栽月季樣本,分別提取其高度、花朵數(shù)量、整齊度、花蓋度和病蟲(chóng)害等特征后,將其組成一個(gè)特征向量:

    x=[H,N,V,D,B](9)

    由于在進(jìn)行分級(jí)操作時(shí),特征向量中的各個(gè)特征分量對(duì)于分級(jí)結(jié)果的重要程度各不相同,需要對(duì)特征進(jìn)行篩選來(lái)減少原始特征矩陣中的冗余信息,從而提高模型的計(jì)算效率。在本文中,利用連續(xù)投影法[20](SPA)對(duì)樣本的特征向量進(jìn)行篩選。

    連續(xù)投影法是一種使向量空間共線性最小化的前向變量選擇算法,早期被用于光譜分析技術(shù)對(duì)農(nóng)作物和食品重要成分含量的分析中[2123]。對(duì)于初始的特征矩陣X,假設(shè)為初始的特征向量,n為篩選后的特征個(gè)數(shù),J為篩選前的特征個(gè)數(shù),則SPA算法首先選擇任意一個(gè)樣本特征作為初始特征向量:

    xk0=Xk,k∈1,…,N(10)

    然后,分別計(jì)算xk0對(duì)其他特征向量的投影:

    Pxk0=xk0(xk0Txk(n1))xk(n1)(xk(n1)Txk0)1(11)

    根據(jù)投影值的大小取最大值作為篩選后的特征向量:

    k(0)=arg(max‖Pxk0‖)xk0=Xk(0)(12)

    由此類(lèi)推,可以得到:

    k(n)=arg(max‖Pxkn‖)xkn=Xk(n)(13)

    在該研究中,經(jīng)過(guò)SPA算法篩選后的特征向量記作x′。

    3.2.2最小二乘支持向量機(jī)分級(jí)。Chandra等[24]提出的最小二乘支持向量機(jī)(LSSVM)是一種通過(guò)核函數(shù)變換后,在高維空間對(duì)所有樣本利用最小二乘誤差進(jìn)行擬合的方法。在該研究中,利用LSSVM作為篩選后特征的分類(lèi)器,在樣本訓(xùn)練集上對(duì)其進(jìn)行訓(xùn)練,得到最優(yōu)的分類(lèi)器模型,并將其在樣本預(yù)測(cè)集上的預(yù)測(cè)類(lèi)別作為分級(jí)的級(jí)別。

    LSSVM分類(lèi)器以機(jī)器學(xué)習(xí)的損失函數(shù)作為著眼點(diǎn),在其最優(yōu)化問(wèn)題的目標(biāo)函數(shù)中使用二范數(shù),并使用等式約束取代SVM方法中的不等式約束條件,使優(yōu)化問(wèn)題的求解變?yōu)橐唤M線性方程組的求解。對(duì)于分類(lèi)問(wèn)題,LSSVM的約束條件為:

    minw,b,eJ(w,e)=12wTw+12γNk=1ek2(14)

    s.t. yk[wTφ(x′k)+b]=1ek, k=1,…,N

    式中:x′k為第k個(gè)樣本篩選后的特征向量;w為分類(lèi)器模型權(quán)重;e為一個(gè)松弛變量,主要用于表示優(yōu)化過(guò)程中離群點(diǎn)的影響;而γ是懲罰系數(shù),其值越大,對(duì)誤差的限制越大,越容易過(guò)擬合,反之,則越容易欠擬合。優(yōu)化問(wèn)題的目標(biāo)在于尋找使目標(biāo)誤差函數(shù)最小的最優(yōu)參數(shù),這里利用Lagrange 乘數(shù)法[25]將該優(yōu)化問(wèn)題轉(zhuǎn)化為對(duì)單一參數(shù)α的極大值求解問(wèn)題:

    L(w,be;α)=J(w,e)Nk=1αk{yk[WTφ(x′k)+b]1+ek}(15)

    分別對(duì)參數(shù)w,b,e,求導(dǎo),可以得到:

    Lw=0→w=Nk=1αkykφ(x′k)

    Lb=0→Nk=1αkyk=0Lek=0→αk=γek, k=1,…,NLαk=0→yk[wTφ(x′k)+b]1+ekw=0(16)

    根據(jù)公式(16)中的條件,可以列出一個(gè)關(guān)于a,b的線性方程組:

    0yTyΩ+I/yba=0IV(17)

    其中,Ω為核矩陣:

    Ωkg=ykygφ(x′k)Tφ(x′g)=ykygK(x′kx′g), k=1,…,N(18)

    求解該方程組,即可得到最優(yōu)的參數(shù)a,b,最后LSSVM分類(lèi)器的模型為:

    y(x′)=sign[∑Nk=1αkykK(x′,x′k)+b](19)

    對(duì)于輸出y,對(duì)應(yīng)于盆栽月季品質(zhì)等級(jí)劃分標(biāo)準(zhǔn)中的A、B和C級(jí),分別標(biāo)記為1、2和3類(lèi),并將其預(yù)測(cè)結(jié)果與人工標(biāo)注的標(biāo)簽進(jìn)行對(duì)比,來(lái)統(tǒng)計(jì)得到分級(jí)模型的準(zhǔn)確度評(píng)價(jià)。

    4結(jié)果與分析

    利用預(yù)處理后的440組盆栽月季訓(xùn)練集圖像對(duì)特征提取和分級(jí)模型進(jìn)行訓(xùn)練,然后使用訓(xùn)練得到的模型對(duì)預(yù)處理后的220組盆栽月季測(cè)試集圖像進(jìn)行分級(jí)預(yù)測(cè)試驗(yàn),分級(jí)結(jié)果如表2所示。

    使用高度、花朵數(shù)量、整齊度、花蓋度和病蟲(chóng)害狀況單一特征和綜合特征分別進(jìn)行分級(jí)時(shí),A級(jí)基于綜合特征的分級(jí)準(zhǔn)確率最高達(dá)99.5%,高度、花朵數(shù)量、整齊度、花蓋度和病蟲(chóng)害狀況單一特征的分級(jí)準(zhǔn)確率分別為95.65%、94.68%、94.68%、94.20%、96.61%,均低于綜合特征的分級(jí)準(zhǔn)確率;B級(jí)基于綜合特征的分級(jí)準(zhǔn)確率最高達(dá)90.0%,高度、花朵數(shù)量、整齊度、花蓋度和病蟲(chóng)害狀況單一特征的分級(jí)準(zhǔn)確率分別為

    60.00%、80.00%、70.00%、60.00%、60.00%,均低于綜合特征的分級(jí)準(zhǔn)確率;C級(jí)基于綜合特征、高度、花蓋度的分級(jí)準(zhǔn)確率均為60.00%,花朵數(shù)量、整齊度和病蟲(chóng)害狀況的分級(jí)準(zhǔn)確率均為40.00%。綜上所述,基于綜合特征分級(jí)的準(zhǔn)確率相較于5個(gè)單一特征均有所提高,預(yù)測(cè)結(jié)果產(chǎn)生差異的原因主要如下:①盆栽月季人工分級(jí)是通過(guò)綜合各個(gè)特征指標(biāo),經(jīng)過(guò)觀察后對(duì)其總體生長(zhǎng)狀況做出的評(píng)價(jià),因此使用單一特征指標(biāo)無(wú)法全面地表示其總體品質(zhì),分級(jí)的準(zhǔn)確率也就較低。

    ②使用單一特征時(shí),樣本個(gè)體之間的差異可能較小,例如高度差異可能只有幾毫米,花朵數(shù)量差異可能只有1或2朵,整齊度和花蓋度差異只有不到百分之一等,這導(dǎo)致單一特征無(wú)法全面表示樣本個(gè)體之間的差異。③使用綜合特征的分級(jí)結(jié)果中B和C類(lèi)正確率較低,這是由于公司種植的樣本中A類(lèi)的優(yōu)質(zhì)樣本較多,而B(niǎo)和C類(lèi)樣本較少造成的,未來(lái)將考慮進(jìn)一步完善訓(xùn)練樣本庫(kù)。

    5結(jié)論

    針對(duì)盆栽微型月季的品質(zhì)分級(jí)問(wèn)題,該研究綜合考慮高度、花朵數(shù)量、整齊度、花蓋度和病蟲(chóng)害狀況等多種特征指標(biāo),提出基于一套完整的基于機(jī)器視覺(jué)的分級(jí)方法。該方法初步實(shí)現(xiàn)了盆栽微型月季的自動(dòng)分級(jí),準(zhǔn)確率達(dá)到98%,分級(jí)模型較為穩(wěn)定,彌補(bǔ)了國(guó)內(nèi)盆栽微型月季分級(jí)的不足,為機(jī)器視覺(jué)方法在該領(lǐng)域的應(yīng)用打下基礎(chǔ),有利于推動(dòng)我國(guó)花卉產(chǎn)業(yè)的標(biāo)準(zhǔn)化、智能化發(fā)展。

    參考文獻(xiàn)

    [1]陳俊愉.中國(guó)花卉品種分類(lèi)學(xué)[M].北京:中國(guó)林業(yè)出版社,2001:32-148.

    [2] 謝磊.盆栽月季栽培研究進(jìn)展[J].現(xiàn)代園藝,2017(5):35.

    [3] 何東健,楊青,薛少平,等.果實(shí)表面顏色計(jì)算機(jī)視覺(jué)分級(jí)技術(shù)研究[J].農(nóng)業(yè)工程學(xué)報(bào),1998,14(3):202-205.

    [4] 曹樂(lè)平.基于機(jī)器視覺(jué)的植物病蟲(chóng)害實(shí)時(shí)識(shí)別方法[J].中國(guó)農(nóng)學(xué)通報(bào),2015,31(20):244-249.

    [5] 蔣豐千,李旸,余大為,等.基于Caffe的生姜病害識(shí)別系統(tǒng)研究與設(shè)計(jì)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2019,40(1):126-131.

    [6] 郭小清,范濤杰,舒欣.基于圖像融合特征的番茄葉部病害的識(shí)別[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,45(2):212217,224.

    [7] 黨滿意,孟慶魁,谷芳,等.基于機(jī)器視覺(jué)的馬鈴薯晚疫病快速識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2020,36(2):193-200.

    [8] 郝敏.基于機(jī)器視覺(jué)的馬鈴薯外部品質(zhì)檢測(cè)技術(shù)研究[D].呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué),2009.

    [9] 任銳,張淑娟,趙華民,等.基于機(jī)器視覺(jué)的辣椒外部品質(zhì)檢測(cè)[J].食品與機(jī)械,2021,37(1):165-168.

    [10] TOKUDA M,KAWAMURA T,YAMAMOTO H,et al.Development of visual system for watermelon harvesting robot (Part 1):Relationship between lighting and detectability[J].Journal of the Japanese society of agricultural machinery,1997,59(3):29-36.

    [11] 王巧華,余佑生,宗望遠(yuǎn),等.鴨蛋大小等級(jí)模型研究[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào),2001,20(6):579-583.

    [12] 孟繁佳,羅石,孫紅,等.玉米種子實(shí)時(shí)檢測(cè)分選裝置設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2021,52(3):153159,177.

    [13] 王躍文.基于機(jī)器視覺(jué)的觀葉盆栽分級(jí)方法研究[D].廣州:華南農(nóng)業(yè)大學(xué),2017.

    [14] 趙高長(zhǎng),張磊,武風(fēng)波.改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J].應(yīng)用光學(xué),2011,32(4):678-682.

    [15] ITTI L,KOCH C.Computational modelling of visual attention[J].Nature reviews neuroscience,2001,2:194-203.

    [16] VINAY M B,REKHA K S.A model of saliency-based visual attention for rapid scene analysis[J].International journal of recent technology and engineering,2019,7(6s4):412-415.

    [17] CHEN Z S,TU Y,WANG L L.An improved saliency detection algorithm based on Ittis model[J].Tehniki vjesnik,2014,21(6):1337-1344.

    [18] 田凱,張連寬,熊美東,等.基于葉片病斑特征的茄子褐紋病識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(S1):184-189.

    [19] 吳娜,李淼,陳晟,等.基于融合多特征圖切割的作物病害圖像自動(dòng)分割[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(17):212-219.

    [20] 陳斌,孟祥龍,王豪.連續(xù)投影算法在近紅外光譜校正模型優(yōu)化中的應(yīng)用[J].分析測(cè)試學(xué)報(bào),2007,26(1):66-69.

    [21] 張津源,張德賢,張苗.基于連續(xù)投影算法的小麥蛋白質(zhì)含量近紅外光譜預(yù)測(cè)分析[J].江蘇農(nóng)業(yè)學(xué)報(bào),2019,35(4):960-964.

    [22] 董哲,楊武德,朱洪芬,等.基于連續(xù)投影算法與BP神經(jīng)網(wǎng)絡(luò)的玉米葉片SPAD值高光譜估算[J].山西農(nóng)業(yè)科學(xué),2019,47(5):751-755.

    [23] 何鴻舉,王洋洋,王魏,等.NIR高光譜成像技術(shù)聯(lián)用SPA算法快速檢測(cè)五花肉的過(guò)氧化值[J].食品工業(yè)科技,2020,41(8):236-241.

    [24] CHANDRA M A,BEDI S S.Benchmarking tree-based least squares twin support vector machine classifiers[J].International journal of business intelligence and data mining,2020,16(3):381-395.

    [25] 葉正麟,潘璐璐.拉格朗日乘數(shù)法是怎樣導(dǎo)出的[J].高等數(shù)學(xué)研究,2020,23(3):11-13.

    基金項(xiàng)目??寧夏自然科學(xué)基金項(xiàng)目(2022AAC03756);第五批寧夏回族自治區(qū)青年科技人才托舉工程項(xiàng)目。

    作者簡(jiǎn)介? 張閣(1992—),女,寧夏石嘴山人,中級(jí)園藝師,碩士,從事設(shè)施園藝相關(guān)研究。

    通信作者,教授,博士,從事信息技術(shù)與精準(zhǔn)農(nóng)業(yè)研究。

    猜你喜歡
    機(jī)器視覺(jué)特征提取
    基于Gazebo仿真環(huán)境的ORB特征提取與比對(duì)的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    一種基于LBP 特征提取和稀疏表示的肝病識(shí)別算法
    全自動(dòng)模擬目標(biāo)搜救系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    基于機(jī)器視覺(jué)的自動(dòng)澆注機(jī)控制系統(tǒng)的研究
    科技視界(2016年26期)2016-12-17 17:31:58
    大場(chǎng)景三維激光掃描儀在研究生實(shí)踐教學(xué)培養(yǎng)中的應(yīng)用
    基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)
    軟件工程(2016年8期)2016-10-25 15:55:22
    基于機(jī)器視覺(jué)技術(shù)的動(dòng)態(tài)“白帶”常規(guī)檢測(cè)系統(tǒng)的開(kāi)發(fā)
    科技視界(2016年20期)2016-09-29 11:11:40
    基于DSP的直線特征提取算法
    機(jī)器視覺(jué)技術(shù)在煙支鋼印檢測(cè)中的應(yīng)用
    热re99久久精品国产66热6| 亚洲国产最新在线播放| 欧美人与性动交α欧美精品济南到 | 国产成人精品在线电影| 赤兔流量卡办理| 久久久a久久爽久久v久久| 亚洲美女搞黄在线观看| 国产精品蜜桃在线观看| 青春草国产在线视频| 国产精品一区www在线观看| 春色校园在线视频观看| 最后的刺客免费高清国语| 99九九在线精品视频| 欧美日韩视频高清一区二区三区二| 又粗又硬又长又爽又黄的视频| 亚洲熟女精品中文字幕| 欧美日韩视频精品一区| 欧美亚洲 丝袜 人妻 在线| 精品久久久久久久久亚洲| 一级,二级,三级黄色视频| 街头女战士在线观看网站| 少妇被粗大猛烈的视频| 国产精品国产三级国产av玫瑰| 欧美精品国产亚洲| 黑人猛操日本美女一级片| 国产国拍精品亚洲av在线观看| 久久人人爽人人爽人人片va| 中文精品一卡2卡3卡4更新| 日韩av免费高清视频| 午夜久久久在线观看| 亚洲国产精品一区三区| 久久青草综合色| 99九九在线精品视频| av女优亚洲男人天堂| 久久精品国产亚洲网站| 啦啦啦啦在线视频资源| 在线免费观看不下载黄p国产| 毛片一级片免费看久久久久| 国产亚洲午夜精品一区二区久久| 一区二区av电影网| 视频在线观看一区二区三区| 99国产综合亚洲精品| 亚洲成人av在线免费| 99国产综合亚洲精品| 国产精品久久久久久久电影| 永久网站在线| 亚洲欧美精品自产自拍| 成年美女黄网站色视频大全免费 | 观看美女的网站| 少妇猛男粗大的猛烈进出视频| 亚洲精品国产av成人精品| 美女福利国产在线| 亚洲精品久久午夜乱码| 欧美日韩视频高清一区二区三区二| 一级a做视频免费观看| 男女高潮啪啪啪动态图| 午夜激情久久久久久久| 国产黄频视频在线观看| 亚洲激情五月婷婷啪啪| 18在线观看网站| 免费播放大片免费观看视频在线观看| av免费在线看不卡| 亚洲欧洲国产日韩| 亚洲美女黄色视频免费看| 视频在线观看一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲欧美精品自产自拍| a级片在线免费高清观看视频| 久久久精品免费免费高清| 国产伦理片在线播放av一区| 免费看光身美女| 波野结衣二区三区在线| 高清午夜精品一区二区三区| 国产免费一级a男人的天堂| 久久久久久久久久久久大奶| 一区二区三区精品91| 欧美bdsm另类| 我的女老师完整版在线观看| 精品久久国产蜜桃| 黑人欧美特级aaaaaa片| 99九九在线精品视频| 国产在视频线精品| 亚洲美女视频黄频| 国产乱来视频区| av不卡在线播放| 人人澡人人妻人| 人人澡人人妻人| 黑人猛操日本美女一级片| 少妇被粗大猛烈的视频| 亚洲精品乱码久久久久久按摩| 免费av不卡在线播放| 另类亚洲欧美激情| videos熟女内射| 中文字幕久久专区| 亚洲在久久综合| 乱码一卡2卡4卡精品| 新久久久久国产一级毛片| 99久久人妻综合| 狂野欧美白嫩少妇大欣赏| 色婷婷久久久亚洲欧美| 国产免费一区二区三区四区乱码| 热99国产精品久久久久久7| 少妇人妻精品综合一区二区| 人妻少妇偷人精品九色| 日本-黄色视频高清免费观看| 女人久久www免费人成看片| 人妻夜夜爽99麻豆av| 18在线观看网站| 在线观看免费日韩欧美大片 | 国产 一区精品| 91aial.com中文字幕在线观看| 日韩伦理黄色片| 亚洲综合色网址| 男女国产视频网站| 一二三四中文在线观看免费高清| 日本黄色片子视频| 久久av网站| 交换朋友夫妻互换小说| 国产精品 国内视频| 少妇人妻久久综合中文| 丰满迷人的少妇在线观看| 一级毛片电影观看| 男女高潮啪啪啪动态图| 久久久国产一区二区| 一本—道久久a久久精品蜜桃钙片| 亚洲av福利一区| av天堂久久9| 日韩欧美精品免费久久| 女性被躁到高潮视频| 超碰97精品在线观看| 国产成人精品一,二区| 99久久精品一区二区三区| 性高湖久久久久久久久免费观看| 亚洲第一区二区三区不卡| 久久人妻熟女aⅴ| 日本av免费视频播放| 街头女战士在线观看网站| 国产国拍精品亚洲av在线观看| 18禁在线播放成人免费| 欧美日韩亚洲高清精品| 久久久久久人妻| 中文字幕免费在线视频6| 美女中出高潮动态图| 欧美激情极品国产一区二区三区 | 制服诱惑二区| 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| 卡戴珊不雅视频在线播放| 久久久精品区二区三区| 又黄又爽又刺激的免费视频.| 国产在线视频一区二区| 国产精品国产三级专区第一集| 日韩精品有码人妻一区| 五月玫瑰六月丁香| 成人漫画全彩无遮挡| 亚洲成人手机| 建设人人有责人人尽责人人享有的| 国产日韩欧美亚洲二区| 亚洲无线观看免费| .国产精品久久| 欧美日韩综合久久久久久| 午夜福利网站1000一区二区三区| 亚洲怡红院男人天堂| 免费观看无遮挡的男女| 国产 精品1| 蜜桃久久精品国产亚洲av| 国产午夜精品一二区理论片| 女性生殖器流出的白浆| 日产精品乱码卡一卡2卡三| 这个男人来自地球电影免费观看 | 国产成人精品无人区| 亚洲av二区三区四区| 91久久精品电影网| 久久99精品国语久久久| 一本—道久久a久久精品蜜桃钙片| 91在线精品国自产拍蜜月| 熟女人妻精品中文字幕| 欧美 日韩 精品 国产| 在线观看一区二区三区激情| 尾随美女入室| 人成视频在线观看免费观看| 亚洲综合色惰| 黄色怎么调成土黄色| 国产精品久久久久久精品电影小说| 久久精品国产鲁丝片午夜精品| 在线精品无人区一区二区三| 只有这里有精品99| 久久ye,这里只有精品| 亚洲四区av| 内地一区二区视频在线| 久久鲁丝午夜福利片| 亚洲av欧美aⅴ国产| 99热国产这里只有精品6| 亚洲欧洲日产国产| a级毛片免费高清观看在线播放| 天天操日日干夜夜撸| 美女xxoo啪啪120秒动态图| 久久热精品热| 日本黄大片高清| 日韩成人伦理影院| 免费黄网站久久成人精品| 欧美成人午夜免费资源| 日韩一区二区三区影片| 午夜福利视频精品| 3wmmmm亚洲av在线观看| 插逼视频在线观看| 一区二区日韩欧美中文字幕 | 国产精品.久久久| 亚洲精品日韩在线中文字幕| 亚洲欧洲日产国产| 曰老女人黄片| 精品亚洲乱码少妇综合久久| 国产精品一区二区三区四区免费观看| 亚洲成人av在线免费| 蜜臀久久99精品久久宅男| av播播在线观看一区| 3wmmmm亚洲av在线观看| av在线播放精品| 最近2019中文字幕mv第一页| 18禁动态无遮挡网站| 亚洲国产毛片av蜜桃av| 考比视频在线观看| 你懂的网址亚洲精品在线观看| 久久久久久久久久久久大奶| 少妇丰满av| 国产精品无大码| 亚洲精品aⅴ在线观看| av播播在线观看一区| 日韩av在线免费看完整版不卡| 精品久久久久久电影网| 亚洲国产精品专区欧美| 亚洲av成人精品一区久久| 成年女人在线观看亚洲视频| 中国美白少妇内射xxxbb| 黄色一级大片看看| 午夜免费男女啪啪视频观看| 大香蕉97超碰在线| 国产男人的电影天堂91| 黄色欧美视频在线观看| 国模一区二区三区四区视频| 天美传媒精品一区二区| 亚洲,一卡二卡三卡| 亚洲av免费高清在线观看| 我要看黄色一级片免费的| 嘟嘟电影网在线观看| 中文字幕人妻熟人妻熟丝袜美| 免费大片黄手机在线观看| 69精品国产乱码久久久| 国产综合精华液| 国产乱来视频区| 麻豆成人av视频| av在线观看视频网站免费| 久久人人爽av亚洲精品天堂| 青春草国产在线视频| 中国美白少妇内射xxxbb| 亚洲精品视频女| 91精品一卡2卡3卡4卡| 亚洲精品一二三| 一级,二级,三级黄色视频| 又粗又硬又长又爽又黄的视频| 精品少妇久久久久久888优播| 51国产日韩欧美| 日韩在线高清观看一区二区三区| 亚洲精品亚洲一区二区| 91久久精品国产一区二区三区| 亚洲欧美一区二区三区国产| 熟女av电影| 如日韩欧美国产精品一区二区三区 | videosex国产| 日本wwww免费看| 一区二区三区免费毛片| 国产高清三级在线| 成人毛片a级毛片在线播放| 一级毛片电影观看| 国产精品一二三区在线看| 精品国产露脸久久av麻豆| 国产综合精华液| 大又大粗又爽又黄少妇毛片口| 最黄视频免费看| 久久精品夜色国产| 在线看a的网站| 亚洲欧美日韩卡通动漫| 久久久精品免费免费高清| 七月丁香在线播放| 美女视频免费永久观看网站| 在线看a的网站| 男男h啪啪无遮挡| 日韩成人伦理影院| 欧美国产精品一级二级三级| 久久久久久久久久久丰满| 这个男人来自地球电影免费观看 | 天天操日日干夜夜撸| 亚洲成人手机| 九草在线视频观看| 在线观看美女被高潮喷水网站| 精品一区二区三卡| 最近最新中文字幕免费大全7| 欧美 日韩 精品 国产| 亚洲精品亚洲一区二区| 精品人妻熟女av久视频| 大话2 男鬼变身卡| 久久午夜福利片| 不卡视频在线观看欧美| 国产片内射在线| 久久国产精品男人的天堂亚洲 | 极品人妻少妇av视频| 51国产日韩欧美| av有码第一页| 日韩av免费高清视频| 成年av动漫网址| 欧美日韩成人在线一区二区| 美女国产高潮福利片在线看| 99视频精品全部免费 在线| 亚洲欧美日韩卡通动漫| 人妻制服诱惑在线中文字幕| 国产精品一区二区在线不卡| 老女人水多毛片| 哪个播放器可以免费观看大片| 免费黄色在线免费观看| 久久久亚洲精品成人影院| 国产亚洲精品久久久com| 国产一区二区三区综合在线观看 | 狠狠精品人妻久久久久久综合| 乱码一卡2卡4卡精品| 我的老师免费观看完整版| 国产国拍精品亚洲av在线观看| 少妇熟女欧美另类| 蜜桃在线观看..| 日韩av不卡免费在线播放| 18禁裸乳无遮挡动漫免费视频| 黄片播放在线免费| 免费观看的影片在线观看| 特大巨黑吊av在线直播| 国产高清不卡午夜福利| 九九久久精品国产亚洲av麻豆| 美女内射精品一级片tv| 少妇精品久久久久久久| 久久99一区二区三区| 少妇的逼好多水| 建设人人有责人人尽责人人享有的| 性高湖久久久久久久久免费观看| 国产欧美另类精品又又久久亚洲欧美| 秋霞在线观看毛片| 久久久久国产网址| 桃花免费在线播放| 水蜜桃什么品种好| 久久久久国产网址| 啦啦啦在线观看免费高清www| 亚洲欧美日韩另类电影网站| 大香蕉久久网| 亚洲综合色网址| 国产精品久久久久久精品古装| .国产精品久久| 免费av中文字幕在线| 亚洲精品乱码久久久v下载方式| 国产精品 国内视频| 老司机亚洲免费影院| 大陆偷拍与自拍| 色视频在线一区二区三区| 国产精品不卡视频一区二区| 激情五月婷婷亚洲| 少妇被粗大的猛进出69影院 | av又黄又爽大尺度在线免费看| 涩涩av久久男人的天堂| 一本色道久久久久久精品综合| 免费黄网站久久成人精品| av福利片在线| 午夜精品国产一区二区电影| 老司机影院毛片| 2018国产大陆天天弄谢| 蜜桃国产av成人99| 全区人妻精品视频| 久久久精品94久久精品| 999精品在线视频| 夜夜看夜夜爽夜夜摸| 久久久国产一区二区| 晚上一个人看的免费电影| 久久久久久久大尺度免费视频| 国产白丝娇喘喷水9色精品| 高清av免费在线| 卡戴珊不雅视频在线播放| 在线观看三级黄色| 久久99热6这里只有精品| 国产av码专区亚洲av| 九色成人免费人妻av| 亚洲人成网站在线播| 精品熟女少妇av免费看| 日韩不卡一区二区三区视频在线| 男女边吃奶边做爰视频| 午夜福利影视在线免费观看| 久久这里有精品视频免费| 91国产中文字幕| 一本大道久久a久久精品| h视频一区二区三区| 人妻夜夜爽99麻豆av| av国产精品久久久久影院| 国产色爽女视频免费观看| 欧美日韩成人在线一区二区| 国语对白做爰xxxⅹ性视频网站| 日韩视频在线欧美| 日本与韩国留学比较| 热re99久久国产66热| 美女xxoo啪啪120秒动态图| 王馨瑶露胸无遮挡在线观看| 午夜影院在线不卡| 欧美日韩在线观看h| 母亲3免费完整高清在线观看 | 国产伦精品一区二区三区视频9| 成人无遮挡网站| 男女无遮挡免费网站观看| av福利片在线| 日韩 亚洲 欧美在线| 女人久久www免费人成看片| 国产精品欧美亚洲77777| 99热这里只有精品一区| av网站免费在线观看视频| 国产免费一区二区三区四区乱码| 国产精品不卡视频一区二区| 午夜激情久久久久久久| 三上悠亚av全集在线观看| 黑丝袜美女国产一区| 国产精品欧美亚洲77777| 国产亚洲av片在线观看秒播厂| 成人手机av| 国产 精品1| 国产精品一区二区在线观看99| 亚洲av电影在线观看一区二区三区| 亚洲欧美色中文字幕在线| 最黄视频免费看| 亚洲精品第二区| 精品熟女少妇av免费看| 美女福利国产在线| 熟女av电影| 久久久久人妻精品一区果冻| 伦精品一区二区三区| 亚洲,一卡二卡三卡| 亚洲av二区三区四区| 午夜福利影视在线免费观看| 满18在线观看网站| 狂野欧美激情性bbbbbb| 国产黄频视频在线观看| 久久久久久人妻| 一级毛片 在线播放| 夜夜爽夜夜爽视频| 国产精品三级大全| 热99久久久久精品小说推荐| 国产日韩一区二区三区精品不卡 | 中国国产av一级| 97在线人人人人妻| 自拍欧美九色日韩亚洲蝌蚪91| 成人午夜精彩视频在线观看| 校园人妻丝袜中文字幕| 久久久久久久久久人人人人人人| 中文乱码字字幕精品一区二区三区| 亚洲精品亚洲一区二区| 特大巨黑吊av在线直播| 99热国产这里只有精品6| 美女视频免费永久观看网站| av播播在线观看一区| 国产精品一二三区在线看| 天天躁夜夜躁狠狠久久av| 久久久久精品性色| 全区人妻精品视频| 99九九在线精品视频| 久久av网站| 成人影院久久| 一级爰片在线观看| 亚洲伊人久久精品综合| 婷婷色av中文字幕| 婷婷色麻豆天堂久久| 亚洲四区av| 亚洲av二区三区四区| 激情五月婷婷亚洲| 亚洲av成人精品一区久久| 国产伦精品一区二区三区视频9| 国产精品一二三区在线看| 在线观看免费日韩欧美大片 | 黑人高潮一二区| 亚洲人成网站在线观看播放| 亚洲,一卡二卡三卡| 国产熟女欧美一区二区| 51国产日韩欧美| av免费观看日本| av线在线观看网站| 日韩av免费高清视频| 亚洲性久久影院| 热re99久久国产66热| 大话2 男鬼变身卡| 欧美丝袜亚洲另类| 免费播放大片免费观看视频在线观看| 欧美一级a爱片免费观看看| 国国产精品蜜臀av免费| 国产在线免费精品| 大香蕉97超碰在线| 国产黄频视频在线观看| 精品人妻一区二区三区麻豆| 欧美少妇被猛烈插入视频| 不卡视频在线观看欧美| 我要看黄色一级片免费的| 午夜日本视频在线| 丝瓜视频免费看黄片| 大片电影免费在线观看免费| 亚洲国产精品999| 美女内射精品一级片tv| 国产永久视频网站| 三上悠亚av全集在线观看| 视频区图区小说| 国产爽快片一区二区三区| 日韩在线高清观看一区二区三区| 蜜臀久久99精品久久宅男| 丝袜脚勾引网站| 亚洲精品亚洲一区二区| 亚洲欧美一区二区三区国产| 久久久久久久久久人人人人人人| 在线观看国产h片| 老女人水多毛片| 又大又黄又爽视频免费| a级毛色黄片| 永久免费av网站大全| 黄色毛片三级朝国网站| 91精品三级在线观看| 色哟哟·www| 高清在线视频一区二区三区| 五月伊人婷婷丁香| 欧美少妇被猛烈插入视频| 涩涩av久久男人的天堂| 国产精品人妻久久久影院| 国产不卡av网站在线观看| 亚洲成人手机| 男女免费视频国产| 亚洲国产欧美日韩在线播放| 国产精品国产三级国产av玫瑰| 另类亚洲欧美激情| 亚洲高清免费不卡视频| 亚洲av中文av极速乱| 久久人妻熟女aⅴ| 亚洲欧美日韩另类电影网站| 精品久久久久久电影网| 国产成人午夜福利电影在线观看| 一区二区三区免费毛片| 18在线观看网站| 黑人巨大精品欧美一区二区蜜桃 | 午夜久久久在线观看| 人妻制服诱惑在线中文字幕| 男人爽女人下面视频在线观看| 黄片无遮挡物在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧洲精品一区二区精品久久久 | 日韩av在线免费看完整版不卡| 自线自在国产av| 黑人猛操日本美女一级片| 久久久久久久久久久免费av| 少妇人妻精品综合一区二区| 少妇人妻久久综合中文| 91精品一卡2卡3卡4卡| 日韩欧美精品免费久久| 男女免费视频国产| 欧美xxxx性猛交bbbb| 大香蕉久久成人网| 韩国高清视频一区二区三区| 三上悠亚av全集在线观看| 久久久久久久久久人人人人人人| 亚洲婷婷狠狠爱综合网| 色网站视频免费| 亚洲欧美清纯卡通| 天堂中文最新版在线下载| 日韩亚洲欧美综合| 天天躁夜夜躁狠狠久久av| 久久久久国产精品人妻一区二区| 蜜臀久久99精品久久宅男| 亚洲av综合色区一区| 视频区图区小说| 丁香六月天网| 少妇的逼好多水| 另类亚洲欧美激情| 色视频在线一区二区三区| 亚洲国产日韩一区二区| 国产精品99久久99久久久不卡 | 亚洲精品第二区| 国产成人免费观看mmmm| 亚洲国产精品999| 免费日韩欧美在线观看| 国产欧美日韩综合在线一区二区| 国产免费又黄又爽又色| 成人漫画全彩无遮挡| 全区人妻精品视频| 另类精品久久| 国产精品免费大片| 免费av不卡在线播放| 一边摸一边做爽爽视频免费| 亚洲精品乱久久久久久| 亚洲无线观看免费| 久久久久网色| 亚洲国产av新网站| 亚洲精华国产精华液的使用体验| 我要看黄色一级片免费的| 欧美日韩精品成人综合77777| 一区二区日韩欧美中文字幕 | 热99国产精品久久久久久7| 成人手机av| 久久婷婷青草| 欧美日韩国产mv在线观看视频| 国产黄频视频在线观看| 久久狼人影院| videossex国产| 欧美日韩成人在线一区二区| 夜夜爽夜夜爽视频| 美女内射精品一级片tv| 亚洲美女黄色视频免费看| 一级毛片aaaaaa免费看小| 国模一区二区三区四区视频| 制服诱惑二区| 80岁老熟妇乱子伦牲交| 高清欧美精品videossex| 欧美日韩成人在线一区二区|