• <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
    长腿黑丝高跟| 国产1区2区3区精品| 一个人看视频在线观看www免费 | 在线永久观看黄色视频| av视频在线观看入口| 一级作爱视频免费观看| 欧美大码av| 又黄又爽又免费观看的视频| 亚洲专区中文字幕在线| ponron亚洲| 国产人伦9x9x在线观看| 看黄色毛片网站| 夜夜看夜夜爽夜夜摸| 美女免费视频网站| 国产一区二区激情短视频| 天天躁日日操中文字幕| 亚洲人成电影免费在线| 美女 人体艺术 gogo| 亚洲国产中文字幕在线视频| 91九色精品人成在线观看| 又紧又爽又黄一区二区| av天堂在线播放| 久久中文看片网| 叶爱在线成人免费视频播放| 丝袜人妻中文字幕| 久久久久性生活片| 最新美女视频免费是黄的| 搡老熟女国产l中国老女人| 激情在线观看视频在线高清| 午夜福利高清视频| 国产又色又爽无遮挡免费看| 丰满的人妻完整版| 极品教师在线免费播放| 99在线视频只有这里精品首页| 成人三级做爰电影| 欧美一级a爱片免费观看看| 日韩欧美在线乱码| 亚洲乱码一区二区免费版| 综合色av麻豆| 亚洲精品456在线播放app | 免费高清视频大片| 亚洲人成伊人成综合网2020| 在线国产一区二区在线| 最好的美女福利视频网| 国产高清有码在线观看视频| 亚洲第一电影网av| 国产极品精品免费视频能看的| 宅男免费午夜| 亚洲国产色片| netflix在线观看网站| 又粗又爽又猛毛片免费看| 19禁男女啪啪无遮挡网站| 麻豆成人午夜福利视频| 午夜日韩欧美国产| 神马国产精品三级电影在线观看| 亚洲片人在线观看| 搡老岳熟女国产| 一级毛片高清免费大全| 天堂网av新在线| www日本在线高清视频| 久久久国产欧美日韩av| 久久中文字幕人妻熟女| 人妻久久中文字幕网| 天天一区二区日本电影三级| 国产伦精品一区二区三区视频9 | 欧美成人一区二区免费高清观看 | 国产欧美日韩精品亚洲av| 男人和女人高潮做爰伦理| 制服人妻中文乱码| 999精品在线视频| 天堂√8在线中文| av女优亚洲男人天堂 | 精品国产乱码久久久久久男人| av片东京热男人的天堂| 欧美激情久久久久久爽电影| 国产精品免费一区二区三区在线| 麻豆成人午夜福利视频| 亚洲专区字幕在线| 国产精品香港三级国产av潘金莲| 男人的好看免费观看在线视频| 日本一本二区三区精品| 神马国产精品三级电影在线观看| cao死你这个sao货| 久久热在线av| 亚洲av成人不卡在线观看播放网| 亚洲av电影在线进入| 欧美黄色淫秽网站| 婷婷亚洲欧美| 国产高清视频在线观看网站| 很黄的视频免费| 香蕉久久夜色| 男女做爰动态图高潮gif福利片| 在线十欧美十亚洲十日本专区| 男人舔奶头视频| 黄色视频,在线免费观看| 老司机午夜福利在线观看视频| 免费看光身美女| 国产不卡一卡二| 亚洲国产欧美一区二区综合| 久久久精品大字幕| ponron亚洲| 黄色视频,在线免费观看| 少妇的丰满在线观看| 国产毛片a区久久久久| 国产高清激情床上av| 色精品久久人妻99蜜桃| 99热这里只有是精品50| 国产av在哪里看| 亚洲精品中文字幕一二三四区| 日韩欧美在线二视频| 夜夜看夜夜爽夜夜摸| 亚洲熟妇熟女久久| 老司机午夜福利在线观看视频| 成年版毛片免费区| 久久精品影院6| 国产成人一区二区三区免费视频网站| 少妇熟女aⅴ在线视频| 热99在线观看视频| 国产真实乱freesex| 人人妻人人看人人澡| 久久国产乱子伦精品免费另类| 最近最新中文字幕大全免费视频| 精品久久久久久久久久免费视频| 最好的美女福利视频网| a在线观看视频网站| 亚洲欧美日韩高清在线视频| 日韩成人在线观看一区二区三区| 免费观看的影片在线观看| 脱女人内裤的视频| 97人妻精品一区二区三区麻豆| 亚洲黑人精品在线| 日韩大尺度精品在线看网址| 欧美av亚洲av综合av国产av| 久久午夜亚洲精品久久| 日本熟妇午夜| 国产成年人精品一区二区| 在线观看日韩欧美| 岛国在线观看网站| 变态另类丝袜制服| 婷婷丁香在线五月| 三级国产精品欧美在线观看 | 国产黄片美女视频| 变态另类丝袜制服| 蜜桃久久精品国产亚洲av| 成年女人看的毛片在线观看| 亚洲九九香蕉| 国产人伦9x9x在线观看| 最好的美女福利视频网| 免费观看的影片在线观看| 亚洲中文日韩欧美视频| 欧美午夜高清在线| e午夜精品久久久久久久| 免费无遮挡裸体视频| 深夜精品福利| 桃色一区二区三区在线观看| 成人特级黄色片久久久久久久| 亚洲精品国产精品久久久不卡| 欧美丝袜亚洲另类 | 两性夫妻黄色片| 在线国产一区二区在线| 久久精品国产清高在天天线| 国产亚洲欧美98| 国产精品一区二区精品视频观看| 成人特级av手机在线观看| 特大巨黑吊av在线直播| 午夜两性在线视频| 久久久国产精品麻豆| 精品久久蜜臀av无| 99久久久亚洲精品蜜臀av| 黄色视频,在线免费观看| 国产精品 欧美亚洲| 一进一出抽搐gif免费好疼| 天天添夜夜摸| 天堂网av新在线| 日本与韩国留学比较| 嫩草影院入口| 韩国av一区二区三区四区| 国产精品香港三级国产av潘金莲| 在线免费观看不下载黄p国产 | 1024手机看黄色片| 亚洲午夜精品一区,二区,三区| 国产91精品成人一区二区三区| 99热6这里只有精品| 亚洲国产精品合色在线| 90打野战视频偷拍视频| 欧美国产日韩亚洲一区| av中文乱码字幕在线| 国产精品久久视频播放| 老司机深夜福利视频在线观看| 国产精品久久久人人做人人爽| 亚洲国产色片| 国产精品亚洲一级av第二区| 一个人免费在线观看电影 | 极品教师在线免费播放| 两个人看的免费小视频| 亚洲精品在线美女| 一进一出好大好爽视频| 亚洲精品美女久久av网站| 欧美xxxx黑人xx丫x性爽| 国产成人欧美在线观看| 国产1区2区3区精品| 麻豆久久精品国产亚洲av| 亚洲av免费在线观看| 日韩高清综合在线| www.熟女人妻精品国产| 国产精品国产高清国产av| 97人妻精品一区二区三区麻豆| 久久中文字幕一级| 国产视频内射| 亚洲成av人片在线播放无| www.自偷自拍.com| 国产一区二区在线av高清观看| 欧美日韩福利视频一区二区| 国产精品野战在线观看| 悠悠久久av| 91av网站免费观看| 麻豆一二三区av精品| 日本 av在线| 亚洲成人久久爱视频| 亚洲av五月六月丁香网| 黄色视频,在线免费观看| 久久热在线av| 亚洲国产精品sss在线观看| 美女cb高潮喷水在线观看 | 亚洲精品久久国产高清桃花| 亚洲中文日韩欧美视频| 亚洲av成人av| 观看免费一级毛片| 日本 av在线| 久久这里只有精品19| 黄色日韩在线| 亚洲欧美一区二区三区黑人| 啦啦啦观看免费观看视频高清| 亚洲成人中文字幕在线播放| 免费在线观看亚洲国产| 日韩中文字幕欧美一区二区| а√天堂www在线а√下载| 窝窝影院91人妻| 岛国在线观看网站| 国产一区二区在线av高清观看| 日本三级黄在线观看| 又粗又爽又猛毛片免费看| 国产精品久久视频播放| 特级一级黄色大片| 嫩草影院精品99| 中文在线观看免费www的网站| 午夜福利高清视频| 性色avwww在线观看| 国产精品亚洲美女久久久| 久久精品影院6| 色尼玛亚洲综合影院| 久久人人精品亚洲av| 国产精华一区二区三区| 国产精品99久久99久久久不卡| 露出奶头的视频| 久久久久久久久免费视频了| 久久精品aⅴ一区二区三区四区| 国产成人一区二区三区免费视频网站| 色哟哟哟哟哟哟| 老鸭窝网址在线观看| 亚洲av片天天在线观看| 国产亚洲欧美在线一区二区| 中文字幕最新亚洲高清| 巨乳人妻的诱惑在线观看| 三级毛片av免费| 精品国产超薄肉色丝袜足j| 欧美成人性av电影在线观看| 亚洲中文日韩欧美视频| 美女高潮喷水抽搐中文字幕| av黄色大香蕉| 99久久精品热视频| 欧美另类亚洲清纯唯美| 啦啦啦免费观看视频1| 热99re8久久精品国产| 精品国产亚洲在线| 高清毛片免费观看视频网站| 又黄又爽又免费观看的视频| 91在线精品国自产拍蜜月 | 欧美+亚洲+日韩+国产| a在线观看视频网站| 又黄又爽又免费观看的视频| а√天堂www在线а√下载| 亚洲中文日韩欧美视频| 久久久久久久午夜电影| 淫妇啪啪啪对白视频| 国产高清激情床上av| 国产单亲对白刺激| 成人国产一区最新在线观看| 国产美女午夜福利| 国产乱人视频| 精品熟女少妇八av免费久了| 日本黄大片高清| 免费看十八禁软件| 精品福利观看| 欧美在线一区亚洲| 757午夜福利合集在线观看| 一个人免费在线观看的高清视频| 窝窝影院91人妻| 久久久久久久久久黄片| 国产又黄又爽又无遮挡在线| 九九久久精品国产亚洲av麻豆 | 91字幕亚洲| 久久九九热精品免费| 国产毛片a区久久久久| 叶爱在线成人免费视频播放| 好看av亚洲va欧美ⅴa在| 九色成人免费人妻av| 久久热在线av| 深夜精品福利| 国内精品久久久久精免费| 国产蜜桃级精品一区二区三区| 特大巨黑吊av在线直播| 中文字幕人成人乱码亚洲影| 成人亚洲精品av一区二区| 色在线成人网| www国产在线视频色| 国产av在哪里看| 一进一出抽搐动态| 18禁观看日本| 操出白浆在线播放| 欧美+亚洲+日韩+国产| 麻豆成人午夜福利视频| 午夜视频精品福利| 麻豆成人午夜福利视频| 精品国产超薄肉色丝袜足j| 久久精品91无色码中文字幕| 麻豆成人av在线观看| 岛国在线免费视频观看| 色老头精品视频在线观看| 性色av乱码一区二区三区2| 人人妻人人看人人澡| 国产午夜精品久久久久久| 欧美一级a爱片免费观看看| 黄片小视频在线播放| 国产精品 欧美亚洲| 一a级毛片在线观看| 女人被狂操c到高潮| www.自偷自拍.com| 日本撒尿小便嘘嘘汇集6| 国产乱人视频| 久久久久性生活片| 久久久国产欧美日韩av| 精品久久蜜臀av无| 一a级毛片在线观看| 久久久久国产一级毛片高清牌| 99国产极品粉嫩在线观看| 可以在线观看的亚洲视频| 久久香蕉精品热| 中国美女看黄片| 成年版毛片免费区| 中国美女看黄片| 黄色成人免费大全| 黄片大片在线免费观看| 久久精品91蜜桃| 禁无遮挡网站| 悠悠久久av| 久久久国产成人免费| 人妻夜夜爽99麻豆av| tocl精华| 18禁观看日本| 国产日本99.免费观看| 婷婷精品国产亚洲av在线| 亚洲人与动物交配视频| 97碰自拍视频| 精品一区二区三区四区五区乱码| av中文乱码字幕在线| 欧美色欧美亚洲另类二区| 神马国产精品三级电影在线观看| 国产亚洲欧美98| 亚洲美女黄片视频| xxxwww97欧美| 国产成人系列免费观看| 亚洲avbb在线观看| 久久天堂一区二区三区四区| 国产成人av激情在线播放| 日本精品一区二区三区蜜桃| 日韩大尺度精品在线看网址| 琪琪午夜伦伦电影理论片6080| 真人做人爱边吃奶动态| 久久久精品欧美日韩精品| 亚洲国产日韩欧美精品在线观看 | 两人在一起打扑克的视频| 国产野战对白在线观看| 精品日产1卡2卡| av国产免费在线观看| 成人亚洲精品av一区二区| 在线观看一区二区三区| 午夜久久久久精精品| 国产精品一及| 日韩大尺度精品在线看网址| 国产一区二区在线av高清观看| 看片在线看免费视频| 亚洲精品美女久久av网站| 日日摸夜夜添夜夜添小说| 欧美性猛交黑人性爽| 国产亚洲精品av在线| 最近视频中文字幕2019在线8| 国产亚洲精品一区二区www| 国产伦人伦偷精品视频| 国产精品98久久久久久宅男小说| 桃红色精品国产亚洲av| 日韩免费av在线播放| 中文字幕精品亚洲无线码一区| 97碰自拍视频| 美女高潮的动态| 国产真人三级小视频在线观看| 蜜桃久久精品国产亚洲av| 色综合亚洲欧美另类图片| 午夜久久久久精精品| 亚洲av免费在线观看| 啦啦啦韩国在线观看视频| 久久久久久久午夜电影| 国产精品野战在线观看| 丰满人妻一区二区三区视频av | 国产精品乱码一区二三区的特点| 免费电影在线观看免费观看| 操出白浆在线播放| 亚洲欧美精品综合一区二区三区| 女生性感内裤真人,穿戴方法视频| 国产精品久久电影中文字幕| 亚洲真实伦在线观看| 一边摸一边抽搐一进一小说| 香蕉久久夜色| 久久久水蜜桃国产精品网| 国产亚洲精品综合一区在线观看| 97超视频在线观看视频| 熟女少妇亚洲综合色aaa.| 亚洲精品一区av在线观看| 国产淫片久久久久久久久 | 亚洲欧美日韩卡通动漫| 亚洲中文日韩欧美视频| 亚洲精品美女久久久久99蜜臀| 国产成人啪精品午夜网站| 无遮挡黄片免费观看| 国产真实乱freesex| 欧美激情久久久久久爽电影| 99在线人妻在线中文字幕| 最新美女视频免费是黄的| 国产精品一区二区三区四区久久| 国产 一区 欧美 日韩| 国产一区二区在线观看日韩 | 精品国内亚洲2022精品成人| 叶爱在线成人免费视频播放| 亚洲精品一卡2卡三卡4卡5卡| 给我免费播放毛片高清在线观看| 亚洲专区中文字幕在线| 亚洲欧美精品综合久久99| 国产精品av视频在线免费观看| 日韩欧美国产在线观看| 亚洲国产欧美人成| 99国产精品一区二区三区| 亚洲国产欧美一区二区综合| 成人av一区二区三区在线看| 性欧美人与动物交配| 九九久久精品国产亚洲av麻豆 | 黄色女人牲交| 可以在线观看毛片的网站| 久久中文字幕一级| av福利片在线观看| 久9热在线精品视频| 亚洲真实伦在线观看| 熟女人妻精品中文字幕| 久久久久亚洲av毛片大全| www国产在线视频色| 黄色女人牲交| 国产1区2区3区精品| 一个人免费在线观看电影 | 女警被强在线播放| 一级a爱片免费观看的视频| 精品久久久久久久久久久久久| 长腿黑丝高跟| 超碰成人久久| 久久性视频一级片| 神马国产精品三级电影在线观看| 国产精品久久电影中文字幕| 哪里可以看免费的av片| 国产精品亚洲美女久久久| 中亚洲国语对白在线视频| 每晚都被弄得嗷嗷叫到高潮| 欧美丝袜亚洲另类 | 一级毛片女人18水好多| 国产精品爽爽va在线观看网站| 国产毛片a区久久久久| 久久九九热精品免费| 人人妻,人人澡人人爽秒播| 亚洲男人的天堂狠狠| 五月玫瑰六月丁香| 无限看片的www在线观看| 国模一区二区三区四区视频 | 老司机午夜福利在线观看视频| 午夜免费观看网址| 9191精品国产免费久久| 嫩草影院入口| 男人舔女人的私密视频| 亚洲av电影不卡..在线观看| www.999成人在线观看| 亚洲午夜理论影院| 18美女黄网站色大片免费观看| 国产爱豆传媒在线观看| 欧美另类亚洲清纯唯美| 变态另类丝袜制服| 色老头精品视频在线观看| 男人和女人高潮做爰伦理| 亚洲乱码一区二区免费版| 久久久久精品国产欧美久久久| 久久精品综合一区二区三区| 又黄又爽又免费观看的视频| 麻豆成人午夜福利视频| 五月伊人婷婷丁香| 国产探花在线观看一区二区| 最近最新中文字幕大全免费视频| 三级国产精品欧美在线观看 | 久久久久久久久久黄片| 国产午夜精品论理片| 99riav亚洲国产免费| 99国产极品粉嫩在线观看| 亚洲第一电影网av| 中文字幕熟女人妻在线| 变态另类成人亚洲欧美熟女| 精品无人区乱码1区二区| 久久亚洲精品不卡| 美女被艹到高潮喷水动态| 最近最新中文字幕大全免费视频| 麻豆久久精品国产亚洲av| 久久久久国产一级毛片高清牌| 99精品欧美一区二区三区四区| 欧美日韩国产亚洲二区| 桃红色精品国产亚洲av| 久久久国产欧美日韩av| 久久热在线av| 黄频高清免费视频| 国产极品精品免费视频能看的| 成人鲁丝片一二三区免费| 久久久久久久久久黄片| 老司机深夜福利视频在线观看| 毛片女人毛片| 亚洲成人中文字幕在线播放| 啦啦啦韩国在线观看视频| 欧美激情在线99| ponron亚洲| 午夜成年电影在线免费观看| 一个人免费在线观看的高清视频| 女同久久另类99精品国产91| av片东京热男人的天堂| 亚洲精品色激情综合| 不卡av一区二区三区| tocl精华| 一a级毛片在线观看| 免费一级毛片在线播放高清视频| 日本 欧美在线| 欧美又色又爽又黄视频| 国产久久久一区二区三区| 国产精品日韩av在线免费观看| 亚洲专区字幕在线| 国产淫片久久久久久久久 | 欧美日韩综合久久久久久 | 日韩欧美国产一区二区入口| 日本在线视频免费播放| 国产精品精品国产色婷婷| 亚洲国产高清在线一区二区三| 又爽又黄无遮挡网站| 老汉色av国产亚洲站长工具| 成人国产综合亚洲| 美女 人体艺术 gogo| 1024香蕉在线观看| 免费在线观看视频国产中文字幕亚洲| 毛片女人毛片| 国产一区二区在线观看日韩 | 免费无遮挡裸体视频| 国产成人一区二区三区免费视频网站| 久久精品国产清高在天天线| 又黄又粗又硬又大视频| 好男人在线观看高清免费视频| 国产又色又爽无遮挡免费看| 中文字幕av在线有码专区| 国产成人影院久久av| 亚洲国产精品sss在线观看| 日日夜夜操网爽| 国产精品久久视频播放| 亚洲美女黄片视频| 精品国内亚洲2022精品成人| 日本 欧美在线| 欧美日本亚洲视频在线播放| 高潮久久久久久久久久久不卡| 成人午夜高清在线视频| 男人舔奶头视频| 男女那种视频在线观看| 久久久久久久精品吃奶| 人人妻,人人澡人人爽秒播| 91老司机精品| 免费人成视频x8x8入口观看| 又粗又爽又猛毛片免费看| 国产综合懂色| 国产成人精品久久二区二区91| 97碰自拍视频| 亚洲在线自拍视频| 夜夜爽天天搞| 人人妻人人澡欧美一区二区| 亚洲在线自拍视频| 欧美黑人巨大hd| 午夜福利18| 99久久精品一区二区三区| 久久精品91无色码中文字幕| 无遮挡黄片免费观看| 国产精品野战在线观看| 俺也久久电影网| 18禁黄网站禁片免费观看直播| 成人精品一区二区免费| 久久性视频一级片| 国内揄拍国产精品人妻在线| 搡老熟女国产l中国老女人| 午夜精品久久久久久毛片777| 丰满的人妻完整版| 欧美精品啪啪一区二区三区| 免费在线观看亚洲国产|