• <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 ?

    基于可穿戴傳感器組合部署的豬只行為識別研究

    2025-04-29 00:00:00何金成楊萬林劉濤莊俊瑋
    中國農機化學報 2025年4期

    摘要:豬只行為監(jiān)測是實現豬只智能化、精細化養(yǎng)殖的關鍵技術。采用姿態(tài)傳感器,設計兩種可穿戴設備,分別部署在試驗豬的背部和頸部,采集俯臥、側臥、采食、站立、行走、犬坐和排泄7種日常行為數據。采集的行為數據集有3種,分為單源部署(背部或頸部)和組合部署(背部+頸部)。采集的信號進行小波降噪、數據信號的選取、數據分割、時域特征提取、Relief算法特征選擇等數據處理,其中Relief算法特征選擇結合BP神經網絡和隨機森林算法確定特征保留數,以處理好的數據進行輸入,建立BP神經網絡、隨機森林、卷積神經網絡和極限學習機4種分類模型,比較各模型性能。結果表明,組合部署的總體準確率明顯高于單源部署。BP神經網絡、隨機森林、卷積神經網絡和極限學習機在組合部署的分類準確率分別為90.59%、87.14%、91.67%和82.5%。綜合各種評價指標,組合部署的分類模型以CNN卷積神經網絡最佳。兩個姿態(tài)傳感器組合部署及融合信息可以很好地對豬只行為進行分類,研究結果對豬只日常行為監(jiān)測和健康評估有重要意義。

    關鍵詞:豬只行為;部署位置;可穿戴設備;姿態(tài)傳感器;Relief算法;卷積神經網絡

    中圖分類號:TP391.41; S828" " " 文獻標識碼:A" " " 文章編號:2095?5553 (2025) 04?0042?08

    Research on pig behavior recognition based on the combination of wearable sensors

    He Jincheng Yang Wanlin Liu Tao Zhuang Junwei

    (1. College of Mechanical and Electrical Engineering, Fujian Agriculture and Forestry University, Fuzhou, 350002, China;

    2. Engineering Research Center of Modern Agricultural Equipment, Fujian University, Fuzhou, 350002, China)

    Abstract: Pig behavior monitoring is a key technology to realize intelligent and refined pig breeding. In this study, two wearable devices were designed by using posture sensors, which were deployed on the backs and necks of experimental pigs to collect data on seven daily behaviors, including lying prostrate, side lying, feeding, standing, walking, dog sitting and excretion. There are 3 types of behavioral datasets collected, which are divided into single?source deployment (back or neck) and combined deployment (back+neck). The collected signals were processed by wavelet domain denoising, data signal selection, data segmentation, time?domain feature extraction, and feature selection of Relief algorithm, in which the feature selection of Relief algorithm combined with BP neural network and random forest algorithm to determine the feature retention number k, and then the processed data were sent to four classification models of BP neural network, random forest, convolutional neural network and extreme learning machine for analysis. The overall accuracy of the combined deployment (back+neck) was significantly higher than that of single?source deployment (back or neck). The classification accuracy of behavior by using BPNN, RF, CNN, and ELM in the combined deployment was 90.59%, 87.14%, 91.67%, and 82.5%. In this study, the characteristics of the duration of each behavior in pigs were analyzed, and the classification effect of different behaviors required different evaluation indexes for analysis. Combining various evaluation indicators, the classification model deployed by combination is the best CNN convolutional neural network. The combined deployment and fusion of the two attitude sensors can classify pig behavior, and the results of this study are of great significance for the daily behavior monitoring and health assessment of pigs.

    Keywords: pig behavior; deployment location; wearable devices; posture sensors; Relief algorithm; CNN

    0 引言

    豬只的日?;顒优c其健康狀況密不可分,豬只行為可以有效反映其身體狀態(tài),是評估其生長福利條件的直觀體現[1]。豬只行為監(jiān)測是實現豬只智能化、精細化養(yǎng)殖的關鍵技術,通過適時了解豬只行為,優(yōu)化養(yǎng)殖管理方式[2]。

    目前對畜禽行為識別的研究主要以接觸式傳感器[3]和機器視覺[4]兩種技術為主,也有研究結合聲音信號[5]進行分析。接觸式傳感器常見的部署位置有頸部[6, 7]、背部[8]、腿部[9]、耳朵[10]等,國內對畜禽行為研究一般是以單個傳感器部署位置為主,也有國外研究學者使用兩個傳感器組合部署來提高牛的行為準確率[11]。閆麗等[6]將傳感器固定頸部,使用支持向量機對豬只的立臥、傾臥、側臥和立姿進行分類。李欣等[5]將加速度傳感器與聲音采集器相結合,采集了運動信息和聲音信息,提取兩者的特征數據,使用支持向量機算法對生豬的采食、飲水和咳嗽等行為進行分類。王凱等[7]將傳感器固定頸部,使用MFO—LSTM算法對母豬發(fā)情行為(立姿、臥姿和爬跨)進行研究。Sun等[12]對母豬夜間活動(站立、趴臥、側臥和低頭)進行分析。潘芷欣等[10]將傳感器綁在耳根后,采用隨機森林識別體動、飲水、采食、哺乳、熟睡和靜臥,這種固定方式不可靠,實際豬只在甩頭后傳感器容易脫落。曹麗桃等[8]將傳感器部署在背部,使用支持向量機對羊的靜止、行走和采食進行分類。王俊等[9]將傳感器用尼龍綁帶固定在腿部,使用最優(yōu)二叉決策樹對奶牛的站立、平躺、慢走、快走、站立和躺臥進行研究。機器視覺用于畜禽行為識別在近幾年興起,Nasirahmadi等[13]通過獲取RGB攝像機的圖片,將豬從背景分離出來,計算豬在圖片中的周長和面積,使用支持向量機對豬的俯臥和側臥進行分類。機器視覺雖然與豬只無接觸,但是豬只的清潔度、復雜的環(huán)境、豬只粘連、光線變化和攝像頭安裝角度都會影響算法檢測行為的準確性。接觸式傳感器一般為加速度傳感器或姿態(tài)傳感器,其具備抗干擾能力強、連續(xù)記錄數據和信息數據傳輸穩(wěn)定等優(yōu)點,與機器視覺技術相比,不受環(huán)境背景、光線等影響。

    目前對豬只行為的研究,幾乎是對站立、俯臥、側臥、采食等容易區(qū)分的行為進行研究。立姿包括采食、站立、行走和排泄等,這些行為往往靠一個傳感器不容易分類,采食和排泄的準確分類對于豬只健康又十分重要。因此,為更全面地研究豬只日常行為,本文提出對姿態(tài)傳感器進行組合部署,研究豬只的俯臥、側臥、采食、站立、行走、犬坐和排泄7種日常行為。

    1 試驗方法與數據采集

    1.1 試驗環(huán)境及條件

    2023年10月在養(yǎng)殖專家的建議和指導下于福建農林大學試驗園搭建一處豬舍,豬舍主體為3 m×3 m×3 m的集裝箱,豬舍內部的豬欄規(guī)格為2.6 m×1.6 m。豬舍內部的裝置有食槽、小型立式空調、排氣扇、攝像監(jiān)控、碗式飲水器、溫濕度傳感器等。試驗對象為兩只體重約50 kg的育肥豬,豬只品種為三元豬。通過空調將豬舍環(huán)境溫度控制到20 ℃左右;每日定時開啟排氣扇進行通風,排除舍內有害氣體和異味。豬舍內部環(huán)境如圖1所示。

    1.2 數據采集系統(tǒng)的搭建

    豬只行為數據采集系統(tǒng)主要包括可穿戴數據采集裝置和監(jiān)視攝像頭??纱┐鲾祿杉b置為維特智能藍牙姿態(tài)傳感器,型號為BWT901 BLECL5.0,集成高精度的3軸加速度計、3軸陀螺儀和3軸地磁場傳感器,測量范圍分別是±16 g、±2 000 °/s、±2 Gauss。電源模塊為3.7 V鋰電池,容量大小為260 mA,續(xù)航時長為10 h。姿態(tài)傳感器尺寸(長×寬×高)為36 mm×36 mm×15 mm。姿態(tài)傳感器的俯仰角(θ)、橫滾角(φ)、航向角(ψ)的詳細參數見表1。豬舍頂部中間安裝型號為CW400的小米高清攝像頭,攝像頭像素為400萬,分辨率為2 560像素×1 440像素,存儲方式為Micro SD卡存儲,可以全天候對豬只活動進行監(jiān)視,為后期人工標記豬只行為分類標簽提供有效的依據。

    為獲取豬只背部和頸部上的行為數據,設計兩種佩戴方式:(1)部署在背部的姿態(tài)傳感器通過背帶固定在試驗豬的背部前方。許多研究使用松緊將傳感器固定在背部,通過研究試驗,該佩戴方式容易受到試驗豬的蹭墻、蹭欄桿等行為的影響而導致傳感器偏轉不易復原。背帶的佩戴方式在上述行為的影響下也可以進行輕微的調整和復原。(2)部署在頸部的姿態(tài)傳感器通過綁帶綁在頸部下方,為保證采集數據準確性和試驗豬的舒適度,根據試驗豬的頸部大小調節(jié)綁帶的松緊程度。部署在背部和頸部的姿態(tài)傳感器的坐標系如圖2所示,其中部署在背部的姿態(tài)傳感器的X軸、Y軸、Z軸分別指向試驗豬的右側、前方和上方,部署在頸部的姿態(tài)傳感器的X軸、Y軸、Z軸分別指向試驗豬的左側、前方和下方。

    1.3 試驗數據采集

    試驗于2023年11月5—17日進行,試驗期間,兩只試驗豬可以在豬欄內自由活動,每日喂食3次,分別在07:30—08:00,12:00—12:30和17:30—18:00喂食濕拌料。試驗前兩日,將可穿戴式裝置佩戴在兩只試驗豬身上使其適應,期間不采集數據。采集數據前,兩個姿態(tài)傳感器均設置相同的參數和初始校準。姿態(tài)傳感器的采集頻率為20 Hz,帶寬頻率為42 Hz,波特率為115 200 bps。初始校準分為加計校準和磁場校準:姿態(tài)傳感器放置水平面進行加計校準,采用東北坐標系通過橢圓擬合法進行磁場校準。加計校準后,X軸、Y軸角度就更加精確;磁場校準后,Z軸角度會更加精確。兩個傳感器分別部署在豬的背部和頸部,上位機可以同時連接兩個姿態(tài)傳感器,每次采樣后通過藍牙模塊向上位機軟件發(fā)送數據,上位機軟件接收數據之后實時保存,兩個數據集分別保存在不同的文件夾。豬只行為數據采集試驗場景如圖3所示。

    通過試驗觀察發(fā)現,豬只日?;顒拥男袨橹饕幸韵?種行為:俯臥、側臥、采食、站立、行走、犬坐和排泄,這些行為所占時間比例涵蓋豬只所有行為時間的95%以上。豬只日?;顒哟蟛糠謺r間主要以俯臥、側臥這兩類休息行為為主。豬只7種典型行為的定義與描述如表2所示。

    試驗結束后,將背部和頸部所獲取的數據和視頻的時間相匹配,對照視頻里豬只活動狀態(tài),在相應的行為數據中標記分類標簽。試驗一共采集4.2 G的姿態(tài)傳感器原始數據和25 G的視頻錄像。傳感器原始數據包含20種元素,分別為時間、三軸加速度、三軸角加速度、三軸角度、三軸磁場、溫度和四元數等。

    為保證各種行為數據集的豐富性、多樣性和真實性,在同一只豬上采集不同的行為數據,每種行為數據在背部和頸部的數據集中選取10~20個時間段,每個時間段20~30 s的數據集。部署在背部的傳感器數據集記為WTA;部署在頸部的數據集記為WTB。每種行為在WTA和WTB上的數據和時間對應。經過后期數據處理,每種行為有400個樣本,總計2 800個樣本。

    2 數據處理

    2.1 數據降噪

    姿態(tài)傳感器在采集豬只的行為數據集時,由于受到周圍環(huán)境或者豬只突然的抖動行為等影響,這些干擾因素會使加速度、角速度和角度等信號產生一定的噪聲,對真實行為數據的精度造成影響,從而干擾對豬只行為的分析和識別。因此,選擇軟件MATLAB R2022a中的小波降噪算法[14]對噪聲信號進行過濾,小波基函數為sym4,分解層為4層,閾值處理方法選擇“sqtwolog”。

    2.2 數據信號選取

    加速度數據反映豬只的運動狀態(tài)和姿態(tài)變化,角速度數據反映轉身、點頭等細微變化,角度數據反映豬只的姿態(tài)信息。試驗豬在豬欄可以自由活動,同一種行為在Z軸上可以表現為任意角度,Z軸的同一角度也可能對應不同的行為,即Z軸的角度ψ只能表示豬只的身體朝向,對行為分類沒有幫助。為減少數據的冗余和提高分析的準確性,去除在兩個部署位置上姿態(tài)傳感器獲取的原始數據中Z軸角度數據。引入合加速度A,綜合反映豬只行為運動變化情況,計算如式(1)所示。

    2.3 數據分割

    姿態(tài)傳感器某個時刻的數據只能反映豬只的姿態(tài)信息,只有持續(xù)一段時間的數據才能很好地表現豬只的行為活動,故需要對傳感器數據進行數據分割。

    滑窗處理是信號處理最常用的數據分割方法[15],主要用于對時間序列數據進行分段處理和分析?;谝苿哟翱诘母拍?,通過在時間序列數據上滑動固定大小的窗口,將數據分割成連續(xù)的子序列進行處理。窗口大小和滑動步長是滑窗處理的兩個重要參數,窗口大小決定每個子序列的長度,而滑動步長決定窗口之間的重疊程度。窗口大小主要通過豬只的運動頻率來確定,也就是窗口大小基本能涵蓋豬只各種行為的完整數據。通過觀察豬只各行為的持續(xù)周期,7種豬只行為均在2 s內至少完成一個周期,在2 s的窗口內提取特征能很好地保留行為的有效信息,所以確定窗口時間為2 s,滑動間隔為1 s。姿態(tài)傳感器的采樣頻率為20 Hz,故窗口大小設為40,滑動步長設為20,能夠較好地保留原始信號曲線的特征,即傳感器每1 s的信號數據作為1個樣本。

    2.4 特征提取

    2.5 特征選擇

    由于初步提取的特征集其維度較高,包含許多冗余的特征。這些特征對于模型訓練和泛化能力沒有明顯幫助,反而會影響模型性能。高維特征集不僅會增加計算和存儲成本,還可能導致維度災難和過擬合問題。通過特征選擇,減少數據集的維度,提高模型的訓練效率、魯棒性和泛化能力。通過特征選擇出的重要特征可以更好地理解模型預測結果,并得到合理的解釋。本文選擇Relief算法作為特征選擇方法。Relief特征選擇算法是一種經典的特征選擇算法[16],用于從高維數據中選擇對于目標變量預測有顯著區(qū)分度的特征。

    為確定保留特征數k在3個特征數據集(F1、F2和F3)的取值,將Relief特征選擇算法結合BP神經網絡和RF隨機森林對3個特征集進行分析。

    Relief算法在3種數據集不同k下的測試集準確率如圖4所示。由圖4(a)可知,對于背部特征數據集F1,BP神經網絡在k=40時,準確率最高為84.62%,之后趨于穩(wěn)定;RF隨機森林在k=50時,準確率最高為86.16%,隨后下降,但是與k=40的準確率86%比較接近。綜合考慮下,對背部特征數據集F1的k取值為40。由圖4(b)可知,對于頸部特征數據集F2,BP神經網絡和RF隨機森林均在k=40時,取得準確率最高,分別為75.72%和79.04%。故對頸部特征數據集F2的k取值為40。由圖4(c)可知,對于背部和頸部組合特征數據集F3,BP神經網絡和RF隨機森林均在k=60時,準確率最高,分別為89.34%和88.12%。故對組合特征數據集F3的k取值為60。

    如表3所示,3種特征數據集F1、F2和F3分別在k值取40、40和60下的特征重要性排序,相對應地,更新特征集變?yōu)镕4、F5和F6。即新的特征數據集F4、F5和F6的特征維度為40、40和60。

    2.6 分類模型

    使用BP神經網絡[17]、隨機森林[18]、卷積神經網絡[19]和極限學習機[20]4種分類模型對豬只行為進行分類。訓練集和測試集按照7∶3進行劃分,總樣本為2 800個,訓練集1 960個,測試集840個。為消除數據特征之間的量綱差異并且提升模型的性能和收斂速度,對輸入數據進行歸一化。通過網格搜索選擇F4、F5和F6三種特征數據集在4種分類模型的最佳參數組合。

    BP神經網絡的結構和參數為:輸入層和輸出層根據3種特征集確定,隱藏層設置兩層,每層隱藏層神經元為10個;RF隨機森林的結構和參數為:決策數目為100,F4、F5特征數據集的最小葉子數為20,F6特征數據集的最小葉子數為30;卷積神經網絡的結構和參數為:輸入層根據3種特征集特征維度確定,第1個卷積層的卷積核大小為2×1,卷積核深度為16;使用ReLU函數作為激活函數層;第1層和第2層池化層過濾器大小為2×1,步長為2;第2個卷積層的卷積核大小為2×1,卷積核深度為32;全連接層為7層,通過Sofmax連接輸出層;極限學習機的結構和參數為:隱藏層節(jié)點個數設為50,激活函數選用sigmoid函數。

    3 試驗結果分析

    3.1 模型評價指標

    常見的分類模型評價指標為準確率、精確率、召回率、F1—score和混淆矩陣。準確率表示分類模型在所有樣本中正確分類的比例,準確率越高說明分類模型的分類結果越準確。精確率表示被預測為正類樣本中真實為正類樣本所占的比例。召回率表示正類樣本中被預測為正類樣本所占的比例。通常精確率和召回率是一組矛盾指標,往往提高其中一個指標就會降低另一個指標,所以需要根據具體情況,選擇重視精確率還是召回率。F1—score作為精確率和召回率的調和平均值,是二者結合的綜合指標?;煜仃噷⒎诸惸P托阅苓M行可視化,可以更清晰觀察分類結果信息。

    實際上豬只主要以俯臥、側臥這類休息行為為主,采食、站立、行走、犬坐的時間次之,排泄時間最少。在這種情況下,俯臥和側臥的召回率比精確率更重要,即分類器能準確檢測到這兩種行為。對于采食、站立、行走和犬坐,精確率比召回率更重要,如果幾個分類算法的精確率相近,以F1—score評價指標為主。由于排泄時間太少,不希望其他行為數據誤判為排泄,故更看重精確率,即分類器將這些行為標記為對應行為應該更加準確。

    3.2 部署方式評價

    不同部署方式的姿態(tài)傳感器數據在對豬只行為分類識別的效果各有不同。表4為不同部署方式的特征數據集在BP、RF、CNN和ELM四種分類模型下的對比試驗結果。對于背部F4特征數據集來說,RF分類模型的測試集準確率最高,為86.78%,相較于BP、CNN和ELM分別提升2.14%、0.83%、6.31%。對于頸部F5特征數據集來說,CNN分類模型的測試集準確率最高,為82.68%,相較于BP、RF和ELM分別提升7.62%、4.65%、12.62%。對于組合部署的F6特征數據集來說,CNN分類模型的測試集準確率最高,為91.67%,相較于BP、RF和ELM分別提升1.08%、4.53%、9.17%。通過3種數據集的測試準確率對比可知,組合部署的準確率gt;背部部署的準確率gt;頸部部署的準確率。

    單源部署下背部F4特征集和頸部F5特征集的算法對比結果如表5所示。背部F4特征集在4種分類模型下精確率、召回率、F1—score均比頸部F5特征集的效果好。背部F4特征集在RF隨機森林的準確率最高,頸部F5特征集在CNN卷積神經網絡的準確率最高(圖5)。

    圖5展示背部F4特征集在RF隨機森林的混淆矩陣和頸部F5特征集在CNN卷積神經網絡的混淆矩陣,混淆矩陣右邊為各分類標簽的召回率,下面為各分類標簽的精確率。如圖5(a)所示,背部F4特征集在俯臥、側臥和犬坐分類效果較好,但是同為站姿的采食、站立和走動3種行為區(qū)分效果不是很好,三者精確率分別為80.5%、63.1%和84.9%。排泄行為的精確率為85.2%,有部分采食和站立標記為排泄,可能是因為有時候采食和站立出現低頭導致弓著身子,與排泄姿態(tài)數據相似。如圖5(b)所示,頸部F5特征集在俯臥和側臥的召回率不到90%,采食、站立、走動和犬坐的精確率為81%、72.3%、76.4%和79.6%。綜合指標分析,頸部F5特征集的分類效果比背部F4特征集的分類效果差。

    組合部署特征集F6在4種算法下的豬只行為識別結果由表6所示。從總體準確率的角度上看,CNN卷積神經網絡的分類效果最好,為91.67%;BP神經網絡分類效果比CNN卷積神經網絡差一點點,為90.59%;其次是RF隨機森林模型和極限學習機ELM,分別為87.14%和82.5%。對比CNN卷積神經網絡和BP神經網絡的行為分類效果,兩者俯臥和側臥的召回率均在95%以上,CNN卷積神經網絡在站立、行走、犬坐和排泄的精確率分別比BP神經網絡高11.92%、6.13%、0.76%、0.77%,但是采食的精確率卻低6.5%。CNN卷積神經網絡在采食、站立、行走和排泄的F1—score均比BP神經網絡高,只有犬坐略低。

    圖6展示組合部署特征集F6在4種分類模型的混淆矩陣。如圖6(c)所示,CNN卷積神經網絡對于120個采食行為樣本正確判斷105個,對于120個站立行為樣本正確判斷82個,可能是有些時候站立姿勢和頭部輕微運動,會與采食和慢走進行混淆,分類模型不能較好地進行分類,其余行為都有很高的正確判斷率。圖6(a)與圖6(c)分類情況類似,圖6(b)和圖6(d)中站立的識別率很低。結合各種評價指標,CNN卷積神經網絡在組合部署的行為分類效果最好。

    3.3 分類模型在不同豬只適用性的探討

    由3.2節(jié)可確定使用姿態(tài)傳感器組合部署(背部+頸部)的方式并采用卷積神經網絡分類模型取得的行為分類效果最好。為探討不同豬只可能存在的行為差異對分類模型泛化能力的影響,對兩只豬采用姿態(tài)傳感器組合部署(背部+頸部)的方式各采集每種行為200個樣本,然后使用卷積神經網絡分類模型進行行為分類。兩只豬的行為分類結果對比見表7,同品種的育肥豬日常行為表現沒有明顯差異,使用卷積神經網絡分類模型的行為分類效果一致。

    4 結論

    1) 設計兩種可穿戴設備,分別部署在試驗豬的背部和頸部,采集俯臥、側臥、采食、站立、行走、犬坐和排泄7種豬只行為數據。將采集的行為信號通過小波降噪、數據信號的選取、數據分割、特征提取、特征選擇等數據處理,在特征選擇階段,采用Relief算法結合BP神經網絡和RF隨機森林,確定背部特征數據集、頸部特征數據集和組合部署特征數據集的特征保留數為40、40和60。

    2) 將降維后的特征數據集分別送入BP神經網絡、RF隨機森林、CNN卷積神經網絡和ELM極限學習機的分類模型進行分析。試驗結果表明,組合部署(背部+頸部)的總體準確率明顯高于單源部署(背部或頸部)。綜合各種評價指標,組合部署的分類模型以CNN卷積神經網絡最佳,總體準確率達到91.67%。其中,俯臥和側臥的召回率為98.33%和99.17%,采食、站立、行走、犬坐和排泄的精確率為80.77%、82.00%、91.13%、99.12%和96.77%。

    參 考 文 獻

    [ 1 ] 何東健, 劉冬, 趙凱旋. 精準畜牧業(yè)中動物信息智能感知與行為檢測研究進展[J]. 農業(yè)機械學報, 2016, 47(5): 231-244.

    He Dongjian, Liu Dong, Zhao Kaixuan. Review of perceiving animal lnformation and behavior in precision livestock farming [J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(5): 231-244.

    [ 2 ] Mao A, Huang E, Wang X, et al. Deep learning?based animal activity recognition with wearable sensors: Overview, challenges, and future directions [J]. Computers and Electronics in Agriculture, 2023, 211: 108043.

    [ 3 ] 汪開英, 趙曉洋, 何勇. 畜禽行為及生理信息的無損監(jiān)測技術研究進展[J]. 農業(yè)工程學報, 2017, 33(20): 197-209.

    Wang Kaiying, Zhao Xiaoyang, He Yong. Review on noninvasive monitoring technology of poultry behavior andphysiological information [J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20): 197-209.

    [ 4 ] 肖德琴, 馮愛晶, 楊秋妹, 等. 基于視頻追蹤的豬只運動快速檢測方法[J]. 農業(yè)機械學報, 2016, 47(10): 351-357.

    Xiao Deqin, Feng Aijing, Yang Qiumei, et al. Fast motion detection for pigs based on video trackin [J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(10): 351-357.

    [ 5 ] 李頎, 王丹聰. 基于多傳感器的豬只行為辨識[J]. 黑龍江畜牧獸醫(yī), 2018(9): 95-99.

    [ 6 ] 閆麗, 沈明霞, 姚文, 等. 基于MPU6050傳感器的哺乳期母豬姿態(tài)識別方法[J]. 農業(yè)機械學報, 2015, 46(5): 279-285.

    Yan Li, Shen Mingxia, Yao Wen, et al. Recognition method of lactating sows' posture based on sensor MPU6050 [J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(5): 279-285.

    [ 7 ] 王凱, 劉春紅, 段青玲. 基于MFO—LSTM的母豬發(fā)情行為識別[J]. 農業(yè)工程學報, 2020, 36(14): 211-219.

    Wang Kai, Liu Chunhong, Duan Qingling. Identification of sow oestrus behavior based on MFO—LSTM [J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(14): 211-219.

    [ 8 ] 曹麗桃, 程曼, 袁洪波, 等. 可穿戴設備部署位置對羊只行為識別的影響與分析[J]. 中國農機化學報, 2022, 43(12): 133-141.

    Cao Litao, Cheng Man, Yuan Hongbo, et al. Influence and analysis of deployment location of wearable devices on sheep behavior recognition [J]. Journal of Chinese Agricultural Mechanization, 2022, 43(12): 133-141.

    [ 9 ] 王俊, 張海洋, 趙凱旋, 等. 基于最優(yōu)二叉決策樹分類模型的奶牛運動行為識別[J]. 農業(yè)工程學報, 2018, 34(18): 202-210.

    Wang Jun, Zhang Haiyang, Zhao Kaixuan, et al. Cow movement behavior classification based on optimal binary decision?tree classification model [J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(18): 202-210.

    [10] 潘芷欣, 陳薈慧, 鐘委釗. 基于可穿戴設備的母豬產后行為識別[J]. 農業(yè)工程學報, 2022, 38(S1): 209-217.

    Pan Zhixin, Chen Huihui, Zhong Weizhao. Recognition of the behaviour of lactating sows using wearable devices [J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(S1): 209-217.

    [11] Tran D, Nguyen T N, Khanh P C P, et al. An iot?based design using accelerometers in animal behavior recognition systems [J]. IEEE Sensors Journal, 2021, 22(18): 17515-17528.

    [12] Sun G, Shi C, Liu J, et al. Behavior recognition and maternal ability evaluation for sows based on triaxial acceleration and video sensors [J]. IEEE Access, 2021, 9: 65346-65360.

    [13] Nasirahmadi A, Sturm B, Olsson A, et al. Automatic scoring of lateral and sternal lying posture in grouped pigs using image processing and support vector machine [J]. Computers and Electronics in Agriculture, 2019, 156: 475-481.

    [14] 陳曉曦, 王延杰, 劉戀. 小波閾值去噪法的深入研究[J]. 激光與紅外, 2012, 42(1): 105-110.

    [15] Banos O, Galvez J, Damas M, et al. Window size impact in human activity recognition [J]. Sensors, 2014, 14(4): 6474-6499.

    [16] 姜萬錄, 王友榮, 王振威, 等. 基于Relief F算法和相關度計算結合的故障特征降維方法及其應用[J]. 液壓與氣動, 2015(12): 18-24.

    [17] Hecht?Nielsen R. Theory of the backpropagation neural network [J]. Neural Networks, 1988: 593-605.

    [18] Breiman L. Random forests [J]. Machine Learning, 2001, 45: 5-32.

    [19] Basha S S, Dubey S R, Pulabaigari V, et al. Impact of fully connected layers on performance of convolutional neural networks for image classification [J]. Neurocomputing, 2020, 378: 112-119.

    [20] Huang G, Zhu Q, Siew C. Extreme learning machine: theory and applications [J]. Neurocomputing, 2006, 70(1-3): 489-501.

    成人亚洲精品一区在线观看 | 又大又黄又爽视频免费| 精品久久国产蜜桃| 国产在视频线精品| 久久精品国产鲁丝片午夜精品| 亚洲精品一二三| 亚洲欧美精品自产自拍| 国产成年人精品一区二区| 色播亚洲综合网| 人妻系列 视频| 免费少妇av软件| 精品国产一区二区三区久久久樱花 | 九草在线视频观看| 国产精品福利在线免费观看| 激情五月婷婷亚洲| 亚洲人与动物交配视频| 国产精品国产av在线观看| 三级国产精品欧美在线观看| 国产男女内射视频| 国产美女午夜福利| 国产欧美日韩精品一区二区| 亚洲av中文av极速乱| 国产亚洲91精品色在线| 下体分泌物呈黄色| tube8黄色片| 欧美最新免费一区二区三区| 成人国产av品久久久| 伦精品一区二区三区| 91午夜精品亚洲一区二区三区| 欧美精品国产亚洲| 人妻少妇偷人精品九色| 少妇的逼水好多| 国产女主播在线喷水免费视频网站| 18禁裸乳无遮挡动漫免费视频 | 91久久精品电影网| 亚洲精品国产成人久久av| 99久久精品国产国产毛片| 三级国产精品片| 国产日韩欧美亚洲二区| 日韩一区二区视频免费看| 18+在线观看网站| 高清视频免费观看一区二区| 国产黄片美女视频| 亚洲第一区二区三区不卡| 国内少妇人妻偷人精品xxx网站| 日韩av不卡免费在线播放| 亚洲自拍偷在线| 99久久精品热视频| 777米奇影视久久| 国产亚洲最大av| 日韩成人av中文字幕在线观看| 亚洲aⅴ乱码一区二区在线播放| 禁无遮挡网站| 亚洲精品中文字幕在线视频 | 丰满少妇做爰视频| 蜜桃久久精品国产亚洲av| 国产欧美日韩精品一区二区| 亚洲成人av在线免费| 天天躁夜夜躁狠狠久久av| 久久国产乱子免费精品| 午夜激情久久久久久久| 久久ye,这里只有精品| 大片免费播放器 马上看| 国产成人aa在线观看| 成年av动漫网址| 另类亚洲欧美激情| 人人妻人人澡人人爽人人夜夜| 2022亚洲国产成人精品| 亚洲av男天堂| 一区二区三区四区激情视频| 国产片特级美女逼逼视频| 内地一区二区视频在线| 免费av观看视频| 国内精品美女久久久久久| 国产免费一级a男人的天堂| 欧美日韩一区二区视频在线观看视频在线 | 边亲边吃奶的免费视频| 亚洲精品日韩在线中文字幕| 18禁裸乳无遮挡动漫免费视频 | 亚洲欧美日韩东京热| 美女脱内裤让男人舔精品视频| 亚洲熟女精品中文字幕| 亚洲精品色激情综合| 国产av国产精品国产| 好男人在线观看高清免费视频| 国产中年淑女户外野战色| 天堂俺去俺来也www色官网| 久久精品国产鲁丝片午夜精品| 成人欧美大片| 成人免费观看视频高清| 国产av码专区亚洲av| 22中文网久久字幕| 国产精品无大码| 中文字幕制服av| tube8黄色片| av在线亚洲专区| 国产免费福利视频在线观看| 亚洲一级一片aⅴ在线观看| 最近手机中文字幕大全| 青春草视频在线免费观看| 日韩人妻高清精品专区| 亚洲欧美日韩卡通动漫| 国产亚洲av片在线观看秒播厂| 精品国产露脸久久av麻豆| 国产精品国产三级国产av玫瑰| 一本一本综合久久| 色5月婷婷丁香| 国产一区二区三区av在线| 亚洲av一区综合| 香蕉精品网在线| 网址你懂的国产日韩在线| 亚洲av.av天堂| 一本一本综合久久| 在线精品无人区一区二区三 | 午夜亚洲福利在线播放| av在线app专区| 国产成人精品久久久久久| 精品久久国产蜜桃| 午夜精品国产一区二区电影 | 少妇裸体淫交视频免费看高清| 男人狂女人下面高潮的视频| 亚洲人成网站在线观看播放| 国产又色又爽无遮挡免| 51国产日韩欧美| 国产中年淑女户外野战色| 亚洲av在线观看美女高潮| 亚洲在线观看片| 熟女电影av网| 久久久久久久久大av| videossex国产| 亚洲不卡免费看| 老司机影院毛片| 久久久成人免费电影| 丰满少妇做爰视频| 免费黄频网站在线观看国产| 欧美日韩综合久久久久久| 亚洲欧美成人综合另类久久久| 久久97久久精品| 欧美成人午夜免费资源| 日韩,欧美,国产一区二区三区| 亚洲精品日韩av片在线观看| 三级经典国产精品| 国产欧美日韩一区二区三区在线 | 欧美97在线视频| 国产熟女欧美一区二区| 日韩制服骚丝袜av| 激情五月婷婷亚洲| 狂野欧美激情性bbbbbb| 国产午夜精品一二区理论片| 天堂中文最新版在线下载 | 丝袜脚勾引网站| 国产高清三级在线| av在线蜜桃| 麻豆国产97在线/欧美| 偷拍熟女少妇极品色| 国产黄色视频一区二区在线观看| 中国美白少妇内射xxxbb| 91久久精品电影网| 久久久久久久午夜电影| 亚洲国产色片| 亚洲精品一区蜜桃| 三级经典国产精品| 亚洲欧美成人综合另类久久久| 嫩草影院新地址| 午夜精品国产一区二区电影 | 99视频精品全部免费 在线| 亚洲电影在线观看av| 身体一侧抽搐| 国产伦精品一区二区三区视频9| 久久国产乱子免费精品| 亚洲av一区综合| 极品教师在线视频| 国产伦在线观看视频一区| 人体艺术视频欧美日本| 26uuu在线亚洲综合色| 欧美性猛交╳xxx乱大交人| 青春草国产在线视频| 看黄色毛片网站| 日韩欧美 国产精品| 丰满人妻一区二区三区视频av| 少妇人妻 视频| 亚洲av电影在线观看一区二区三区 | 国产在线一区二区三区精| 夜夜看夜夜爽夜夜摸| 爱豆传媒免费全集在线观看| 18禁在线无遮挡免费观看视频| 亚洲图色成人| h日本视频在线播放| 日韩大片免费观看网站| 在线 av 中文字幕| 成人午夜精彩视频在线观看| 日韩av在线免费看完整版不卡| 免费不卡的大黄色大毛片视频在线观看| 观看美女的网站| 亚洲欧美中文字幕日韩二区| 亚洲三级黄色毛片| 国产高清不卡午夜福利| 五月玫瑰六月丁香| 能在线免费看毛片的网站| 乱码一卡2卡4卡精品| 波野结衣二区三区在线| 日韩大片免费观看网站| 色婷婷久久久亚洲欧美| 91精品国产九色| 黄色一级大片看看| 国产成人91sexporn| 能在线免费看毛片的网站| 老女人水多毛片| 国产男女超爽视频在线观看| 精品一区二区免费观看| 日日摸夜夜添夜夜爱| 51国产日韩欧美| 99re6热这里在线精品视频| 男女下面进入的视频免费午夜| 少妇的逼好多水| 亚洲aⅴ乱码一区二区在线播放| 国产高清三级在线| 亚洲最大成人中文| 免费看a级黄色片| 中国国产av一级| 2021少妇久久久久久久久久久| 亚洲精品中文字幕在线视频 | 免费人成在线观看视频色| 久久女婷五月综合色啪小说 | 热99国产精品久久久久久7| 日韩一区二区视频免费看| 哪个播放器可以免费观看大片| 久久久久九九精品影院| 久久这里有精品视频免费| av播播在线观看一区| 欧美日韩国产mv在线观看视频 | 亚洲经典国产精华液单| 国产亚洲91精品色在线| 又爽又黄无遮挡网站| 亚洲成人av在线免费| 男女边吃奶边做爰视频| 中文字幕亚洲精品专区| 天堂中文最新版在线下载 | 精品亚洲乱码少妇综合久久| 中文天堂在线官网| 亚洲最大成人av| 九九爱精品视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 国产精品国产三级国产av玫瑰| 嫩草影院入口| tube8黄色片| 男女啪啪激烈高潮av片| 免费大片18禁| 九九爱精品视频在线观看| 永久网站在线| 久久影院123| 99热这里只有是精品在线观看| 九草在线视频观看| 色吧在线观看| 精品一区二区三区视频在线| 中国美白少妇内射xxxbb| 久久精品久久久久久噜噜老黄| 国产在视频线精品| 小蜜桃在线观看免费完整版高清| 亚洲自拍偷在线| 超碰av人人做人人爽久久| 简卡轻食公司| 波多野结衣巨乳人妻| 欧美日韩在线观看h| 嫩草影院入口| 在线观看一区二区三区激情| 身体一侧抽搐| 男女国产视频网站| 嘟嘟电影网在线观看| 看黄色毛片网站| 国产精品偷伦视频观看了| 综合色av麻豆| 秋霞在线观看毛片| 久久久久久久久久成人| 国产黄频视频在线观看| 久久97久久精品| 成人二区视频| 国产成人一区二区在线| 黄片wwwwww| 国精品久久久久久国模美| 亚洲美女搞黄在线观看| 国产高清不卡午夜福利| 色吧在线观看| 日韩 亚洲 欧美在线| 国产探花极品一区二区| 草草在线视频免费看| 亚洲色图综合在线观看| 亚洲不卡免费看| 久久久久久久久久人人人人人人| 美女国产视频在线观看| 精品久久久精品久久久| 精品一区二区三卡| 亚洲激情五月婷婷啪啪| 国产精品精品国产色婷婷| 在线 av 中文字幕| 国产探花在线观看一区二区| 国产乱人视频| 美女xxoo啪啪120秒动态图| 下体分泌物呈黄色| 欧美激情国产日韩精品一区| av在线观看视频网站免费| 男人和女人高潮做爰伦理| 欧美最新免费一区二区三区| 嫩草影院入口| 一个人看的www免费观看视频| 欧美一区二区亚洲| 亚洲欧美成人精品一区二区| 久久久精品94久久精品| 午夜免费观看性视频| 黑人高潮一二区| 亚洲久久久久久中文字幕| 国产av码专区亚洲av| 一本色道久久久久久精品综合| 色视频www国产| av在线蜜桃| 亚洲欧美清纯卡通| 在线天堂最新版资源| 男男h啪啪无遮挡| 国产成人freesex在线| 狂野欧美激情性xxxx在线观看| 国产探花在线观看一区二区| 国产国拍精品亚洲av在线观看| av在线老鸭窝| 免费不卡的大黄色大毛片视频在线观看| 丝瓜视频免费看黄片| 日产精品乱码卡一卡2卡三| 国产精品99久久99久久久不卡 | 美女内射精品一级片tv| 久久鲁丝午夜福利片| 偷拍熟女少妇极品色| 国产成人午夜福利电影在线观看| 一级a做视频免费观看| 黄色欧美视频在线观看| 五月玫瑰六月丁香| 青春草视频在线免费观看| 亚州av有码| 国产 一区 欧美 日韩| 亚洲欧美成人综合另类久久久| 如何舔出高潮| 少妇丰满av| 如何舔出高潮| 久久久久精品久久久久真实原创| 高清毛片免费看| 婷婷色综合大香蕉| 欧美日韩亚洲高清精品| 深夜a级毛片| 热re99久久精品国产66热6| 国产精品国产三级专区第一集| 熟女人妻精品中文字幕| 久久精品人妻少妇| 人妻系列 视频| freevideosex欧美| 久久99热6这里只有精品| 日日啪夜夜撸| 久久精品国产亚洲网站| 亚洲欧美精品专区久久| 日日撸夜夜添| 国产91av在线免费观看| 又大又黄又爽视频免费| 精品亚洲乱码少妇综合久久| 99久久中文字幕三级久久日本| 亚洲精品乱码久久久v下载方式| 婷婷色综合大香蕉| 亚洲美女搞黄在线观看| 久久久久久伊人网av| 高清毛片免费看| 亚洲欧美成人综合另类久久久| 成年av动漫网址| 久久久久精品久久久久真实原创| 久久精品国产a三级三级三级| 成人国产麻豆网| 中文字幕免费在线视频6| 国产黄色免费在线视频| 成人鲁丝片一二三区免费| 国产午夜精品久久久久久一区二区三区| 99热6这里只有精品| 国产免费一级a男人的天堂| 中文乱码字字幕精品一区二区三区| 在线看a的网站| 中文乱码字字幕精品一区二区三区| 人妻夜夜爽99麻豆av| 国产淫片久久久久久久久| 国产女主播在线喷水免费视频网站| 中文乱码字字幕精品一区二区三区| 在线看a的网站| 麻豆成人午夜福利视频| 日韩一本色道免费dvd| 少妇人妻精品综合一区二区| 自拍偷自拍亚洲精品老妇| 久久99热6这里只有精品| 中文欧美无线码| 久热久热在线精品观看| 国产伦精品一区二区三区视频9| 久久久久久久久久久丰满| 七月丁香在线播放| 国产一区有黄有色的免费视频| 国产精品国产三级国产av玫瑰| 国产高清三级在线| 色哟哟·www| 欧美变态另类bdsm刘玥| 欧美一区二区亚洲| 99久久九九国产精品国产免费| 丝袜美腿在线中文| 人体艺术视频欧美日本| 国内精品宾馆在线| 国产永久视频网站| 国产视频内射| 久久精品久久久久久噜噜老黄| 别揉我奶头 嗯啊视频| 一级毛片 在线播放| 久久久久久久亚洲中文字幕| 久久精品综合一区二区三区| 欧美+日韩+精品| 女人十人毛片免费观看3o分钟| 亚洲av二区三区四区| 97热精品久久久久久| 成年女人看的毛片在线观看| 简卡轻食公司| 街头女战士在线观看网站| 国产精品伦人一区二区| 菩萨蛮人人尽说江南好唐韦庄| 国产日韩欧美亚洲二区| 日本猛色少妇xxxxx猛交久久| 少妇的逼水好多| 久久人人爽av亚洲精品天堂 | 免费观看a级毛片全部| 精品99又大又爽又粗少妇毛片| 亚洲美女视频黄频| 精品久久久噜噜| 日本猛色少妇xxxxx猛交久久| 国产成人午夜福利电影在线观看| 免费观看性生交大片5| 久久女婷五月综合色啪小说 | 亚洲经典国产精华液单| 大香蕉97超碰在线| 神马国产精品三级电影在线观看| 久热久热在线精品观看| 高清日韩中文字幕在线| 又黄又爽又刺激的免费视频.| 精品一区二区免费观看| 99热这里只有精品一区| 亚洲精品日韩av片在线观看| 亚洲欧美一区二区三区国产| 人体艺术视频欧美日本| 日本猛色少妇xxxxx猛交久久| 精品人妻一区二区三区麻豆| 黄片wwwwww| 晚上一个人看的免费电影| 91aial.com中文字幕在线观看| 欧美xxxx性猛交bbbb| 国产av码专区亚洲av| av卡一久久| 亚洲精华国产精华液的使用体验| 大码成人一级视频| 国产在线一区二区三区精| 久久人人爽人人片av| a级一级毛片免费在线观看| 色吧在线观看| 男女那种视频在线观看| 亚洲怡红院男人天堂| 99热这里只有是精品在线观看| 麻豆久久精品国产亚洲av| 亚洲高清免费不卡视频| a级一级毛片免费在线观看| 久久久久久国产a免费观看| a级一级毛片免费在线观看| 中国三级夫妇交换| 日日啪夜夜爽| 亚洲欧美成人综合另类久久久| 男人爽女人下面视频在线观看| 国产高潮美女av| 丝袜脚勾引网站| 永久网站在线| 成人无遮挡网站| 日韩,欧美,国产一区二区三区| 久久综合国产亚洲精品| 老师上课跳d突然被开到最大视频| 成人国产av品久久久| 大香蕉久久网| 久久人人爽av亚洲精品天堂 | 亚洲色图av天堂| 精品少妇久久久久久888优播| 欧美日本视频| 久久久国产一区二区| 欧美97在线视频| 成人特级av手机在线观看| 免费看av在线观看网站| 国产乱人视频| 下体分泌物呈黄色| 黄色配什么色好看| 天天躁日日操中文字幕| 亚洲欧美日韩东京热| 免费大片18禁| 中文资源天堂在线| 男女边吃奶边做爰视频| 国产欧美日韩精品一区二区| 嫩草影院精品99| 人人妻人人看人人澡| 2018国产大陆天天弄谢| 一级毛片aaaaaa免费看小| 黑人高潮一二区| 丝袜脚勾引网站| 只有这里有精品99| 国产视频内射| 蜜臀久久99精品久久宅男| 人妻少妇偷人精品九色| 欧美xxⅹ黑人| 国内精品宾馆在线| 亚洲成人av在线免费| 亚洲最大成人手机在线| 伊人久久精品亚洲午夜| 综合色丁香网| 久久久久久久久久成人| 成人漫画全彩无遮挡| 91狼人影院| 亚洲,一卡二卡三卡| 欧美+日韩+精品| 美女xxoo啪啪120秒动态图| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久av| 日韩在线高清观看一区二区三区| 男女国产视频网站| 午夜精品一区二区三区免费看| 各种免费的搞黄视频| 真实男女啪啪啪动态图| 亚洲精品色激情综合| 国产一区有黄有色的免费视频| 大码成人一级视频| 日韩电影二区| 国产黄a三级三级三级人| 国产伦精品一区二区三区四那| 中国三级夫妇交换| 免费人成在线观看视频色| 狂野欧美激情性xxxx在线观看| 国产伦理片在线播放av一区| 嫩草影院精品99| 伊人久久精品亚洲午夜| 国产av国产精品国产| 夫妻性生交免费视频一级片| 亚洲av国产av综合av卡| 午夜爱爱视频在线播放| 两个人的视频大全免费| 一本一本综合久久| 中文字幕av成人在线电影| 简卡轻食公司| 日韩av在线免费看完整版不卡| 午夜激情福利司机影院| 天天躁夜夜躁狠狠久久av| 97精品久久久久久久久久精品| 男人舔奶头视频| 国产精品99久久99久久久不卡 | 超碰97精品在线观看| 黄片wwwwww| 亚洲国产精品国产精品| 国产欧美另类精品又又久久亚洲欧美| 亚洲人成网站高清观看| 亚洲欧洲日产国产| 91狼人影院| 亚洲国产精品成人综合色| h日本视频在线播放| 亚洲va在线va天堂va国产| 成年女人看的毛片在线观看| 在线免费十八禁| 国产精品福利在线免费观看| 下体分泌物呈黄色| 日韩av在线免费看完整版不卡| 国产视频内射| 五月伊人婷婷丁香| 国产大屁股一区二区在线视频| 亚洲av男天堂| 男人添女人高潮全过程视频| 搡老乐熟女国产| 色综合色国产| 亚洲精品日本国产第一区| 午夜日本视频在线| 中文字幕亚洲精品专区| 97超视频在线观看视频| 久久这里有精品视频免费| 狂野欧美激情性xxxx在线观看| 亚洲最大成人中文| 成人无遮挡网站| 22中文网久久字幕| 青春草国产在线视频| 国产一区二区在线观看日韩| 乱码一卡2卡4卡精品| 国国产精品蜜臀av免费| 国产成人一区二区在线| 欧美成人a在线观看| 亚洲欧美精品自产自拍| 熟女人妻精品中文字幕| 亚洲欧美日韩无卡精品| 久久精品国产鲁丝片午夜精品| 午夜激情久久久久久久| 欧美激情国产日韩精品一区| 六月丁香七月| 国产永久视频网站| 国产精品久久久久久精品古装| 99久久精品热视频| 一级毛片aaaaaa免费看小| 久久99热这里只频精品6学生| 三级男女做爰猛烈吃奶摸视频| 午夜爱爱视频在线播放| 欧美日韩视频精品一区| 成年av动漫网址| 自拍欧美九色日韩亚洲蝌蚪91 | 老司机影院成人| 婷婷色麻豆天堂久久| 久热久热在线精品观看| 国产成年人精品一区二区| 国产精品不卡视频一区二区| 欧美成人a在线观看| 午夜福利网站1000一区二区三区| 国产亚洲一区二区精品| 免费av毛片视频| 亚洲av中文字字幕乱码综合|