日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

Python工業(yè)視覺實(shí)戰(zhàn):紡織布匹缺陷檢測系統(tǒng)源碼與架構(gòu)詳解

Python工業(yè)視覺實(shí)戰(zhàn):紡織布匹缺陷檢測系統(tǒng)源碼與架構(gòu)詳解 簡介本資源是一個面向Python初學(xué)者與工業(yè)視覺入門者的紡織布匹表面缺陷檢測實(shí)踐項目聚焦于計算機(jī)視覺在制造業(yè)質(zhì)檢場景中的落地應(yīng)用。系統(tǒng)基于OpenCV、Pillow及Tkinter等主流庫構(gòu)建涵蓋圖像預(yù)處理、瑕疵識別、GUI交互與SQLite本地數(shù)據(jù)庫管理全流程適合課程設(shè)計、畢業(yè)設(shè)計或中小企業(yè)輕量級質(zhì)檢工具開發(fā)參考。壓縮包共117個文件3.04MB包含27個核心Python源碼如MainWindow.py、Database.py、app.py、9個UI界面文件、7個測試圖像、4個SQLite數(shù)據(jù)庫文件及多個配置與啟動腳本如setup-cpu.bat、布匹瑕疵檢測.bat結(jié)構(gòu)清晰模塊職責(zé)分明。目前已有32人學(xué)習(xí)下載資源附帶說明.txt文檔與完整可運(yùn)行環(huán)境配置方案提供從部署到檢測的端到端實(shí)操路徑并含.zbak備份文件便于版本回溯與代碼對比學(xué)習(xí)。1. 項目緣起從“人眼”到“算法眼”的工業(yè)質(zhì)檢革命在紡織行業(yè)干了十幾年最頭疼的環(huán)節(jié)之一就是布匹的質(zhì)檢。早些年全靠老師傅的火眼金睛在驗(yàn)布機(jī)前一坐就是一天盯著高速移動的布面尋找那些細(xì)如發(fā)絲的斷經(jīng)、斷緯、破洞、污漬。效率低、標(biāo)準(zhǔn)不一、人眼疲勞導(dǎo)致的漏檢和誤判是每個廠長心里的痛。后來機(jī)器視覺技術(shù)開始普及但很多方案要么是昂貴的進(jìn)口“黑箱”設(shè)備一套下來上百萬要么是集成商提供的封閉系統(tǒng)算法不透明出了問題只能干等售后想根據(jù)自家布料的特性調(diào)整一下檢測靈敏度難上加難。所以當(dāng)看到“基于Python的紡織布匹表面缺陷檢測系統(tǒng)源碼”這個標(biāo)題時我第一反應(yīng)是這玩意兒太實(shí)用了。它戳中的正是行業(yè)里“想要自主可控、靈活可調(diào)、成本可控的智能質(zhì)檢方案”這個剛需。Python作為當(dāng)下最火的膠水語言生態(tài)豐富從圖像處理OpenCV, scikit-image到深度學(xué)習(xí)PyTorch, TensorFlow一應(yīng)俱全給了我們這些一線工程師自己動手搭建系統(tǒng)的可能。拿到源碼意味著你拿到了理解整個檢測流程的鑰匙而不僅僅是擰螺絲的扳手。你可以知道算法為什么在這里設(shè)置閾值模型是怎么做出判斷的數(shù)據(jù)需要怎么預(yù)處理效果最好。這對于工藝優(yōu)化、質(zhì)量追溯、甚至訓(xùn)練針對特殊面料比如提花、蕾絲的專用模型價值巨大。今天我就結(jié)合自己過去在類似項目上的踩坑經(jīng)驗(yàn)把這個“源碼級”系統(tǒng)的核心骨架、關(guān)鍵模塊、以及那些文檔里不會寫的實(shí)操細(xì)節(jié)給你徹底拆解明白。無論你是工廠的技術(shù)員想搞自動化升級還是算法工程師想切入工業(yè)視覺領(lǐng)域抑或是學(xué)生想做一個有工業(yè)價值的畢業(yè)設(shè)計這篇內(nèi)容都能給你提供一個從零到一的、可落地的參考框架。2. 系統(tǒng)核心架構(gòu)一個工業(yè)級檢測系統(tǒng)的五臟六腑一套能上生產(chǎn)線的布匹缺陷檢測系統(tǒng)絕不是幾個Python腳本的簡單堆砌。它需要穩(wěn)定、高效、可擴(kuò)展并能與生產(chǎn)線其他設(shè)備如PLC、MES聯(lián)動?;诔R姷墓I(yè)實(shí)踐我們可以將其架構(gòu)分為五層從下到上環(huán)環(huán)相扣。2.1 硬件感知與圖像采集層這是系統(tǒng)的“眼睛”。布匹在驗(yàn)布機(jī)上高速運(yùn)動速度可達(dá)每分鐘上百米我們需要穩(wěn)定、清晰地“抓住”每一幀圖像。工業(yè)相機(jī)與鏡頭選型這是第一個坑。千萬別用普通的USB攝像頭。必須選擇千兆網(wǎng)口GigE或Camera Link接口的工業(yè)面陣或線陣相機(jī)。面陣相機(jī)適用于間歇式拍攝或低速場景對于連續(xù)高速運(yùn)動的布匹線陣相機(jī)是更專業(yè)的選擇。它像掃描儀一樣一次拍攝一條線通過布匹的運(yùn)動合成完整圖像能有效避免運(yùn)動模糊。鏡頭要根據(jù)布匹的寬度視場和缺陷的最小尺寸分辨率來計算。一個簡單公式傳感器尺寸 / 視場 像元尺寸 / 分辨率。比如你要檢測最小0.5mm的破洞那么你的像元分辨率至少要能達(dá)到0.1mm/pixel以下。光源與打光方案“檢測成敗一半在光”。布匹表面有紋理如何讓缺陷如斷經(jīng)、油污與背景紋理形成高對比度常用的有同軸光用于檢測表面凹凸、背光用于檢測孔洞、稀密路、低角度環(huán)形光用于突出劃痕、毛羽。對于紡織布匹低角度漫射光結(jié)合偏振鏡往往是好選擇它能有效抑制布面纖維的反光讓結(jié)構(gòu)性的缺陷更明顯。觸發(fā)與同步相機(jī)不能亂拍必須由編碼器或光電傳感器在布匹運(yùn)動到固定位置時觸發(fā)確保每幀圖像對應(yīng)布匹的實(shí)際物理長度這是后續(xù)缺陷定位和計長的基礎(chǔ)。硬件觸發(fā)信號的穩(wěn)定性直接決定了系統(tǒng)能否長時間無故障運(yùn)行。2.2 數(shù)據(jù)預(yù)處理與增強(qiáng)管道原始圖像不能直接喂給算法。這一層是“化妝師”負(fù)責(zé)把圖像處理成算法喜歡的樣子。ROI感興趣區(qū)域提取布匹在傳送帶上可能有輕微抖動或偏移我們需要先通過圖像處理如邊緣檢測、模板匹配找到布匹的精確邊界裁掉無用的背景。這能大幅減少后續(xù)計算量。圖像標(biāo)準(zhǔn)化光照不均校正即使打光再好圖像邊緣也可能偏暗。常用方法是先對圖像進(jìn)行高斯模糊得到一個“光照背景圖”然后用原圖除以這個背景圖實(shí)現(xiàn)平場校正。色彩空間轉(zhuǎn)換對于彩色布匹缺陷可能體現(xiàn)在顏色差異上。通常將RGB圖像轉(zhuǎn)換到HSV或Lab色彩空間分離亮度L/V和顏色信息ab針對不同缺陷使用不同通道。噪聲濾波使用中值濾波、高斯濾波去除椒鹽噪聲和高斯噪聲但要注意力度避免模糊了細(xì)小的缺陷邊緣。數(shù)據(jù)增強(qiáng)針對深度學(xué)習(xí)如果采用深度學(xué)習(xí)模型訓(xùn)練數(shù)據(jù)的多樣性至關(guān)重要。除了常規(guī)的旋轉(zhuǎn)、翻轉(zhuǎn)、縮放對于布匹缺陷更需要模擬工業(yè)現(xiàn)場的特有情況運(yùn)動模糊模擬布匹高速運(yùn)動。亮度抖動模擬光源老化或電壓波動。添加隨機(jī)紋理噪聲模擬不同批次布料的底紋差異。彈性形變模擬布匹的輕微褶皺。2.3 核心檢測算法層這是系統(tǒng)的“大腦”分為傳統(tǒng)算法和深度學(xué)習(xí)算法兩條技術(shù)路線。一個成熟的系統(tǒng)往往兩者結(jié)合。2.3.1 傳統(tǒng)圖像處理算法快、準(zhǔn)、解釋性強(qiáng)適用于規(guī)則、對比度明顯的缺陷。其核心思想是“找不同”。閾值分割最簡單有效的方法。通過全局閾值、自適應(yīng)閾值如OTSU或局部閾值將圖像二值化缺陷區(qū)域變?yōu)榘咨熬啊jP(guān)鍵技巧預(yù)處理后的圖像質(zhì)量直接影響閾值效果??梢韵茸鲆淮雾斆弊儞QTop-hat來增強(qiáng)暗背景上的亮缺陷或底帽變換Bottom-hat增強(qiáng)亮背景上的暗缺陷。Blob分析連通域分析對二值圖像進(jìn)行用于找出獨(dú)立的缺陷區(qū)域并計算其特征如面積、周長、圓形度、位置等。通過設(shè)定這些特征的閾值如面積10像素圓形度0.7來過濾噪聲確認(rèn)真正的缺陷。紋理分析對于底紋復(fù)雜的布匹如牛仔布、格子布缺陷可能表現(xiàn)為紋理的斷裂或紊亂。常用方法有灰度共生矩陣GLCM計算圖像的對比度、相關(guān)性、能量、同質(zhì)性等紋理特征在缺陷區(qū)域這些特征值會發(fā)生突變。Gabor濾波器一種方向性和尺度可調(diào)的邊緣檢測器能有效捕捉特定方向和頻率的紋理異常。模板匹配與差分法適用于周期性紋理如梭織布。先獲取一小塊無缺陷的“黃金模板”然后用當(dāng)前圖像與模板進(jìn)行逐像素差分或歸一化互相關(guān)匹配差異大的區(qū)域即為缺陷。這種方法對光照變化非常敏感必須配合嚴(yán)格的光照標(biāo)準(zhǔn)化。2.3.2 深度學(xué)習(xí)算法復(fù)雜、泛化能力強(qiáng)適用于缺陷種類多、形態(tài)不規(guī)則、與背景對比度低的場景。目標(biāo)檢測模型如YOLO系列、Faster R-CNN直接輸出缺陷的類別和位置框。這是目前的主流方向。在布匹檢測中的特殊考量輸入分辨率布匹缺陷通常很小需要高分辨率輸入。但高分辨率會極大增加計算量。一個折中方案是先用一個輕量級網(wǎng)絡(luò)或傳統(tǒng)方法做疑似區(qū)域推薦Region Proposal再對候選區(qū)域進(jìn)行高分辨率裁剪并送入檢測網(wǎng)絡(luò)。錨框Anchor設(shè)計布匹缺陷多為細(xì)長型斷經(jīng)、斷緯或小圓點(diǎn)破洞、結(jié)頭需要自定義更貼合這些形狀的錨框尺寸和比例而不是用COCO數(shù)據(jù)集的通用錨框。數(shù)據(jù)不平衡無缺陷的“好布”圖片遠(yuǎn)多于有缺陷的圖片。需要采用過采樣、Focal Loss等策略緩解類別不平衡問題。語義分割模型如U-Net, DeepLab輸出每個像素的類別能精確勾勒出缺陷的輪廓。這對于需要量化缺陷面積如污漬大小的場景非常有用。U-Net的編碼器-解碼器結(jié)構(gòu)特別適合這種像素級任務(wù)。一個實(shí)用的混合策略在實(shí)際系統(tǒng)中我推薦“傳統(tǒng)算法初篩 深度學(xué)習(xí)精判”的級聯(lián)架構(gòu)。先用速度快、計算量小的傳統(tǒng)方法如閾值Blob分析過濾掉絕大部分正常區(qū)域只把可疑區(qū)域可能只占全圖的1%送入深度學(xué)習(xí)模型進(jìn)行精細(xì)分類和定位。這樣既能保證實(shí)時性50fps又能保證復(fù)雜缺陷的檢出率。2.4 業(yè)務(wù)邏輯與決策層算法給出了“有什么”和“在哪里”這一層要決定“怎么辦”。缺陷分類與評級根據(jù)算法輸出的類別和特征面積、長度、對比度結(jié)合國標(biāo)如GB/T或廠標(biāo)對缺陷進(jìn)行嚴(yán)重程度分級。例如破洞面積大于4mm2為致命缺陷A類1-4mm2為嚴(yán)重缺陷B類。位置映射與標(biāo)記將圖像中的像素坐標(biāo)通過相機(jī)標(biāo)定和編碼器信息映射到布匹的實(shí)際物理位置如第150米左起20cm處。驅(qū)動打標(biāo)器噴墨、貼標(biāo)在布匹邊緣進(jìn)行標(biāo)記方便后道工序處理。統(tǒng)計與報表生成實(shí)時統(tǒng)計各類缺陷的數(shù)量、頻率、分布位置生成批次質(zhì)量報告。更高級的系統(tǒng)能進(jìn)行SPC統(tǒng)計過程控制繪制缺陷率的控制圖當(dāng)缺陷率異常升高時預(yù)警可能意味著前道紡紗或織布工序出現(xiàn)了問題。聯(lián)動控制與PLC通信在檢測到致命缺陷時輸出信號控制驗(yàn)布機(jī)自動停機(jī)或降速。2.5 系統(tǒng)服務(wù)與人機(jī)交互層這是系統(tǒng)的“臉面”和“神經(jīng)系統(tǒng)”保證穩(wěn)定運(yùn)行和易于操作。服務(wù)化與進(jìn)程管理圖像采集、處理、通信等模塊應(yīng)作為獨(dú)立的服務(wù)如使用Python的multiprocessing或celery通過消息隊列如RabbitMQ, Redis進(jìn)行通信。這樣單個模塊崩潰不會導(dǎo)致整個系統(tǒng)宕機(jī)也便于分布式部署。配置化管理所有參數(shù)相機(jī)參數(shù)、算法閾值、分類規(guī)則必須通過配置文件如YAML或數(shù)據(jù)庫管理提供友好的GUI界面供工藝員調(diào)整而無需修改代碼。日志與監(jiān)控詳細(xì)的運(yùn)行日志Logging模塊至關(guān)重要用于故障回溯。系統(tǒng)健康看板實(shí)時顯示CPU/內(nèi)存占用、處理幀率、檢測統(tǒng)計等。數(shù)據(jù)管理建立缺陷樣本庫自動保存每一處缺陷的原圖、處理過程圖和特征數(shù)據(jù)。這是后續(xù)優(yōu)化算法、訓(xùn)練模型最寶貴的資產(chǎn)。3. 源碼核心模塊拆解與關(guān)鍵代碼實(shí)現(xiàn)光講架構(gòu)是紙上談兵我們直接切入代碼看看各個核心模塊具體怎么實(shí)現(xiàn)。這里我會用Python和OpenCV、PyTorch等庫來演示關(guān)鍵片段并解釋為什么這么寫。3.1 圖像采集與預(yù)處理模塊假設(shè)我們使用opencv-python和pypylon用于Basler等工業(yè)相機(jī)進(jìn)行采集。import cv2 import numpy as np from pypylon import pylon class ImageAcquisition: def __init__(self, camera_config): # 初始化相機(jī)例如Basler GigE相機(jī) self.camera pylon.InstantCamera(pylon.TlFactory.GetInstance().CreateFirstDevice()) self.camera.Open() # 配置參數(shù)曝光時間、增益、觸發(fā)模式等 self.camera.ExposureTime.SetValue(camera_config[exposure_time]) self.camera.AcquisitionMode.SetValue(Continuous) # 配置硬件觸發(fā) if camera_config[trigger] hardware: self.camera.TriggerMode.SetValue(On) self.camera.TriggerSource.SetValue(Line1) self.converter pylon.ImageFormatConverter() self.converter.OutputPixelFormat pylon.PixelType_BGR8packed self.converter.OutputBitAlignment pylon.OutputBitAlignment_MsbAligned def grab_image(self): 采集一幀圖像 grab_result self.camera.RetrieveResult(5000, pylon.TimeoutHandling_ThrowException) if grab_result.GrabSucceeded(): image self.converter.Convert(grab_result) img_array image.GetArray() # 得到numpy數(shù)組 grab_result.Release() return cv2.cvtColor(img_array, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)為灰度圖處理 return None def release(self): self.camera.Close() class ImagePreprocessor: staticmethod def flat_field_correction(img, blur_kernel_size51): 平場校正消除光照不均 # 使用大核高斯模糊估計背景光照 background cv2.GaussianBlur(img, (blur_kernel_size, blur_kernel_size), 0) # 防止除零并歸一化 corrected img.astype(np.float32) / (background.astype(np.float32) 1e-7) corrected np.clip(corrected * 128, 0, 255).astype(np.uint8) # 調(diào)整到合適亮度范圍 return corrected staticmethod def enhance_defect(img, methodtophat, kernel_size5): 增強(qiáng)缺陷對比度 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size)) if method tophat: # 頂帽變換突出比背景亮的細(xì)小區(qū)域如白點(diǎn)、亮線 return cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) elif method blackhat: # 底帽變換突出比背景暗的細(xì)小區(qū)域如黑點(diǎn)、暗線 return cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel) return img關(guān)鍵點(diǎn)解析硬件觸發(fā)在__init__中配置觸發(fā)模式這是實(shí)現(xiàn)圖像與布匹位置同步的關(guān)鍵。Line1通常對應(yīng)相機(jī)物理接口的觸發(fā)信號線。平場校正flat_field_correction函數(shù)是預(yù)處理的核心。用大核模糊模擬光照背景原圖除以背景后光照均勻的區(qū)域值接近1暗區(qū)變亮亮區(qū)變暗整體亮度趨于一致。1e-7是為了防止背景圖某像素為零導(dǎo)致除零錯誤。形態(tài)學(xué)增強(qiáng)enhance_defect函數(shù)使用形態(tài)學(xué)操作。頂帽變換原圖 - 開運(yùn)算能提取比背景亮的小物體非常適合檢測白斑、亮絲底帽變換閉運(yùn)算 - 原圖則用于檢測黑點(diǎn)、暗痕。這是增強(qiáng)低對比度缺陷的經(jīng)典手法。3.2 傳統(tǒng)算法檢測模塊我們實(shí)現(xiàn)一個結(jié)合閾值和Blob分析的檢測器。class TraditionalDefectDetector: def __init__(self, threshold_typeadaptive, min_area10, max_area1000): self.threshold_type threshold_type self.min_area min_area self.max_area max_area def detect(self, img): 返回缺陷列表每個缺陷是一個字典包含輪廓、外接矩形、面積等。 # 1. 圖像增強(qiáng) (可選) enhanced ImagePreprocessor.enhance_defect(img, methodtophat) # 2. 閾值分割 if self.threshold_type global: _, binary cv2.threshold(enhanced, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) elif self.threshold_type adaptive: # 自適應(yīng)閾值對光照不均更魯棒 binary cv2.adaptiveThreshold(enhanced, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2) # 3. 噪聲去除形態(tài)學(xué)開運(yùn)算 kernel np.ones((3,3), np.uint8) binary cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations1) # 4. 查找輪廓 (Blob分析) contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) defects [] for cnt in contours: area cv2.contourArea(cnt) # 5. 面積過濾 if self.min_area area self.max_area: x, y, w, h cv2.boundingRect(cnt) # 可以計算更多特征周長、圓形度、長寬比等用于后續(xù)分類 perimeter cv2.arcLength(cnt, True) circularity 4 * np.pi * area / (perimeter ** 2) if perimeter 0 else 0 defect_info { contour: cnt, bbox: (x, y, w, h), # 外接矩形 area: area, circularity: circularity, centroid: (int(xw/2), int(yh/2)) # 中心點(diǎn) } defects.append(defect_info) return defects, binary關(guān)鍵點(diǎn)解析閾值選擇提供了全局閾值OTSU和自適應(yīng)閾值兩種方式。OTSU適用于雙峰直方圖自適應(yīng)閾值A(chǔ)DAPTIVE_THRESH_GAUSSIAN_C在光照不均時表現(xiàn)更好它計算像素鄰域的高斯加權(quán)均值作為閾值。形態(tài)學(xué)開運(yùn)算cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)。先腐蝕后膨脹能有效去除二值圖像中的小白點(diǎn)噪聲而不影響大的缺陷區(qū)域。輪廓分析與特征提取cv2.findContours找到所有連通域。然后通過面積過濾掉太小的噪聲和太大的非缺陷區(qū)域可能是陰影或圖像邊緣。提取的特征如圓形度是后續(xù)區(qū)分破洞圓形度高和劃痕圓形度低的關(guān)鍵。3.3 深度學(xué)習(xí)模型集成模塊這里以集成一個PyTorch訓(xùn)練的YOLOv5模型為例。import torch import numpy as np class DeepLearningDetector: def __init__(self, model_path, devicecuda:0 if torch.cuda.is_available() else cpu): self.device torch.device(device) # 加載自定義訓(xùn)練的YOLOv5模型 self.model torch.hub.load(ultralytics/yolov5, custom, pathmodel_path, force_reloadFalse) self.model.to(self.device).eval() # 設(shè)置為評估模式 # 設(shè)置推理參數(shù) self.model.conf 0.25 # 置信度閾值 self.model.iou 0.45 # NMS的IoU閾值 def detect(self, img_bgr): img_bgr: BGR格式的numpy圖像 返回: results.pandas().xyxy[0] DataFrame包含bbox和置信度等信息 # YOLOv5期望RGB圖像 img_rgb cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # 進(jìn)行推理 with torch.no_grad(): # 禁用梯度計算節(jié)省內(nèi)存和計算 results self.model(img_rgb, size640) # 可以調(diào)整size平衡速度和精度 # 解析結(jié)果 detections results.pandas().xyxy[0] # DataFrame: xmin, ymin, xmax, ymax, confidence, class, name return detections def filter_and_map(self, detections, roi_maskNone): 對檢測結(jié)果進(jìn)行過濾和坐標(biāo)映射。 roi_mask: 可選一個二值掩碼只保留在掩碼內(nèi)的檢測框。 filtered [] for idx, det in detections.iterrows(): x1, y1, x2, y2, conf, cls_id, cls_name det # 1. 置信度過濾 (已在模型中設(shè)置這里可做二次過濾) if conf 0.5: # 比模型conf更嚴(yán)格的閾值 continue # 2. ROI區(qū)域過濾 if roi_mask is not None: # 計算檢測框中心點(diǎn) cx, cy int((x1x2)/2), int((y1y2)/2) if roi_mask[cy, cx] 0: # 中心點(diǎn)不在ROI內(nèi) continue # 3. 可以添加其他過濾規(guī)則如最小面積等 bbox_area (x2 - x1) * (y2 - y1) if bbox_area 20: continue filtered.append({ bbox: (int(x1), int(y1), int(x2), int(y2)), confidence: conf, class_name: cls_name, class_id: int(cls_id) }) return filtered關(guān)鍵點(diǎn)解析模型加載與配置使用torch.hub方便地加載YOLOv5。model.to(device).eval()是關(guān)鍵將模型移到GPU并設(shè)置為評估模式關(guān)閉Dropout等訓(xùn)練層。model.conf和model.iou是控制檢測靈敏度和重疊框合并的重要參數(shù)。推理與后處理with torch.no_grad()上下文管理器在推理時必不可少能顯著減少內(nèi)存占用。results.pandas().xyxy[0]是YOLOv5提供的便捷方法直接將結(jié)果轉(zhuǎn)為Pandas DataFrame包含邊界框、置信度和類別。結(jié)果過濾filter_and_map函數(shù)展示了如何對原始檢測結(jié)果進(jìn)行二次加工。除了置信度過濾ROI過濾非常實(shí)用可以確保只檢測布匹區(qū)域內(nèi)的目標(biāo)忽略傳送帶邊緣等干擾。計算框中心點(diǎn)是否在ROI內(nèi)是一個高效的方法。3.4 主控與業(yè)務(wù)邏輯模塊這是將各個模塊串聯(lián)起來的“調(diào)度中心”。import time import json from dataclasses import dataclass, asdict from typing import List, Optional dataclass class DefectRecord: 缺陷記錄數(shù)據(jù)類 defect_id: int frame_id: int timestamp: float bbox: tuple # (x, y, w, h) 或 (x1, y1, x2, y2) defect_type: str confidence: float physical_position_m: float # 物理位置單位米 image_patch: Optional[np.ndarray] None # 可選的缺陷小圖 class InspectionSystem: def __init__(self, config_pathconfig.yaml): self.load_config(config_path) self.cam ImageAcquisition(self.config[camera]) self.preprocessor ImagePreprocessor() # 可以選擇性初始化傳統(tǒng)和深度學(xué)習(xí)檢測器 self.trad_detector TraditionalDefectDetector(**self.config[traditional]) if self.config[deep_learning][enable]: self.dl_detector DeepLearningDetector(**self.config[deep_learning]) self.defect_records: List[DefectRecord] [] self.frame_counter 0 self.total_length_m 0.0 # 假設(shè)編碼器每幀脈沖對應(yīng)布匹運(yùn)動距離米 self.meter_per_pulse self.config[encoder][meter_per_pulse] def run_inspection_cycle(self): 主檢測循環(huán) try: while True: start_time time.time() # 1. 采集 raw_img self.cam.grab_image() if raw_img is None: time.sleep(0.001) continue self.frame_counter 1 # 更新布匹累計長度 (簡化模型實(shí)際應(yīng)根據(jù)編碼器脈沖) self.total_length_m self.meter_per_pulse # 2. 預(yù)處理 corrected_img self.preprocessor.flat_field_correction(raw_img) roi_img self._extract_roi(corrected_img) # 3. 檢測 (混合策略) all_defects [] # 3.1 傳統(tǒng)算法快速初篩 trad_defects, binary_mask self.trad_detector.detect(roi_img) for d in trad_defects: # 將傳統(tǒng)檢測結(jié)果轉(zhuǎn)換為統(tǒng)一格式 x,y,w,h d[bbox] all_defects.append({ bbox: (x,y,w,h), type: self._classify_by_features(d), # 根據(jù)特征簡單分類 confidence: 0.9, # 傳統(tǒng)算法給一個固定高置信度 source: traditional }) # 3.2 深度學(xué)習(xí)精判 (只在傳統(tǒng)算法發(fā)現(xiàn)可疑區(qū)域或定時觸發(fā)) if self.config[deep_learning][enable] and (len(trad_defects) 0 or self.frame_counter % 10 0): # 將ROI圖像轉(zhuǎn)為BGR供YOLO使用 roi_img_bgr cv2.cvtColor(roi_img, cv2.COLOR_GRAY2BGR) dl_detections self.dl_detector.detect(roi_img_bgr) filtered_dl self.dl_detector.filter_and_map(dl_detections) for d in filtered_dl: all_defects.append({ bbox: d[bbox], type: d[class_name], confidence: d[confidence], source: deep_learning }) # 4. 去重與融合 (避免傳統(tǒng)和深度學(xué)習(xí)重復(fù)報告同一缺陷) fused_defects self._fuse_detections(all_defects) # 5. 業(yè)務(wù)處理 for defect in fused_defects: record DefectRecord( defect_idlen(self.defect_records)1, frame_idself.frame_counter, timestamptime.time(), bboxdefect[bbox], defect_typedefect[type], confidencedefect[confidence], physical_position_mself.total_length_m, # 簡化計算 ) self.defect_records.append(record) self._trigger_action(record) # 觸發(fā)打標(biāo)、報警等 # 6. 性能監(jiān)控與日志 cycle_time (time.time() - start_time) * 1000 # 毫秒 fps 1.0 / (cycle_time / 1000) if cycle_time 0 else 0 if self.frame_counter % 100 0: print(fFrame: {self.frame_counter}, FPS: {fps:.1f}, Defects found: {len(fused_defects)}) # 控制循環(huán)頻率模擬實(shí)時性 time.sleep(max(0, 1/self.config[target_fps] - (time.time()-start_time))) except KeyboardInterrupt: print(Inspection stopped by user.) finally: self.cam.release() self._generate_report() def _fuse_detections(self, detections, iou_threshold0.5): 使用NMS融合重疊的檢測框 if not detections: return [] # 簡化的基于IoU的融合 boxes [d[bbox] for d in detections] scores [d[confidence] for d in detections] # 這里可以使用標(biāo)準(zhǔn)的NMS算法如torchvision.ops.nms # 為簡化假設(shè)我們只保留每個重疊群中置信度最高的那個 fused [] # ... (實(shí)現(xiàn)NMS邏輯) return fused def _trigger_action(self, record): 根據(jù)缺陷記錄觸發(fā)相應(yīng)動作 if record.confidence 0.7 and record.defect_type in [hole, oil_stain]: # A類缺陷 # 發(fā)送信號給PLC控制打標(biāo)或停機(jī) # 例如通過socket或modbus TCP print(f[ALARM] A類缺陷于位置 {record.physical_position_m:.2f}m: {record.defect_type}) # 保存缺陷小圖到數(shù)據(jù)庫或文件系統(tǒng) if self.config[save_defect_patch]: self._save_defect_image(record) def _generate_report(self): 生成檢測報告 report { total_length_m: self.total_length_m, total_frames: self.frame_counter, total_defects: len(self.defect_records), defects_by_type: {}, defect_positions: [asdict(r) for r in self.defect_records] } for r in self.defect_records: report[defects_by_type][r.defect_type] report[defects_by_type].get(r.defect_type, 0) 1 with open(finspection_report_{int(time.time())}.json, w) as f: json.dump(report, f, indent2) print(f報告已生成。)關(guān)鍵點(diǎn)解析數(shù)據(jù)流封裝使用DefectRecord這個數(shù)據(jù)類來統(tǒng)一管理缺陷信息包括物理位置這為后續(xù)的質(zhì)量追溯和報表生成提供了結(jié)構(gòu)化數(shù)據(jù)。混合檢測策略在run_inspection_cycle中先運(yùn)行快速的傳統(tǒng)檢測只有當(dāng)發(fā)現(xiàn)可疑目標(biāo)或每隔N幀self.frame_counter % 10 0時才調(diào)用計算量大的深度學(xué)習(xí)模型。這是平衡速度和精度的經(jīng)典模式。結(jié)果融合_fuse_detections函數(shù)至關(guān)重要。傳統(tǒng)算法和深度學(xué)習(xí)模型可能對同一個缺陷都做出報告需要通過NMS非極大值抑制基于IoU交并比進(jìn)行去重只保留置信度最高的一個。業(yè)務(wù)聯(lián)動_trigger_action函數(shù)將檢測結(jié)果轉(zhuǎn)化為實(shí)際的生產(chǎn)動作如報警、打標(biāo)。這里需要與硬件PLC進(jìn)行通信通常使用Socket、Modbus TCP/IP或OPC UA等工業(yè)協(xié)議。性能與日志循環(huán)中計算并打印FPS是監(jiān)控系統(tǒng)實(shí)時性的重要手段。定期生成結(jié)構(gòu)化的JSON報告便于集成到MES系統(tǒng)。4. 從實(shí)驗(yàn)室到產(chǎn)線部署、優(yōu)化與避坑指南有了源碼和核心模塊只是萬里長征第一步。讓系統(tǒng)在嘈雜、震動的工業(yè)現(xiàn)場穩(wěn)定運(yùn)行才是真正的挑戰(zhàn)。這部分分享的都是真金白銀換來的經(jīng)驗(yàn)。4.1 部署架構(gòu)與性能優(yōu)化邊緣計算與工控機(jī)選型不建議用普通的辦公電腦。選擇工業(yè)級工控機(jī)具備堅固、防塵、寬溫特性。CPU至少i7以上GPU根據(jù)深度學(xué)習(xí)模型需求選擇如NVIDIA RTX A2000, A4000等專業(yè)卡。如果產(chǎn)線有多臺驗(yàn)布機(jī)可以考慮“邊緣工控機(jī)中心服務(wù)器”的模式。邊緣機(jī)負(fù)責(zé)實(shí)時采集和輕量級處理將可疑圖像和結(jié)果上傳至中心服務(wù)器進(jìn)行深度學(xué)習(xí)分析和數(shù)據(jù)存儲。軟件環(huán)境固化使用Docker容器化部署是絕佳選擇。將Python環(huán)境、依賴庫、模型文件全部打包進(jìn)一個鏡像。這保證了開發(fā)、測試、生產(chǎn)環(huán)境的一致性避免了“在我機(jī)器上好好的”這類問題。配合docker-compose可以輕松管理多個服務(wù)。實(shí)時性保障Python GIL問題Python的全局解釋器鎖GIL會影響多線程性能。對于計算密集型的圖像處理使用multiprocessing創(chuàng)建多個進(jìn)程或者將核心算法用C編寫如使用OpenCV的C接口通過ctypes或pybind11供Python調(diào)用。推理加速對于PyTorch模型使用TorchScript或ONNX格式導(dǎo)出并利用TensorRT或OpenVINO進(jìn)行推理優(yōu)化能獲得數(shù)倍的性能提升。對于Intel平臺OpenVINO對OpenCV操作也有很好的加速效果。流水線并行將采集、預(yù)處理、檢測、后處理等步驟設(shè)計成生產(chǎn)者-消費(fèi)者模式用隊列queue.Queue連接實(shí)現(xiàn)流水線并行充分利用多核CPU。4.2 數(shù)據(jù)模型效果的基石模型的上限由數(shù)據(jù)決定算法的價值在于逼近這個上限。數(shù)據(jù)采集的“臟”與“凈”一定要在真實(shí)的產(chǎn)線環(huán)境下采集數(shù)據(jù)包含各種光照條件、布料顏色、機(jī)器振動狀態(tài)下的圖像。干凈的實(shí)驗(yàn)室數(shù)據(jù)訓(xùn)練出的模型一到產(chǎn)線就“瞎了”。缺陷樣本的稀缺性與合成A類致命缺陷可能萬米布匹才出現(xiàn)一次。怎么辦主動制造缺陷在征得同意后在布匹上人工制造一些典型的缺陷如用針戳小洞、滴一滴油進(jìn)行采集。這是獲取真實(shí)形態(tài)缺陷最快的方法。數(shù)據(jù)合成Data Augmentation不僅僅是旋轉(zhuǎn)翻轉(zhuǎn)。使用Copy-Paste技術(shù)從已有的缺陷圖片中摳出缺陷區(qū)域隨機(jī)粘貼到正常布匹圖像上并施加光照、模糊等變換能極大地擴(kuò)充數(shù)據(jù)集。生成對抗網(wǎng)絡(luò)GAN訓(xùn)練一個GAN來生成各種逼真的缺陷圖像。但這需要較強(qiáng)的算法功底和計算資源。標(biāo)注工具與規(guī)范推薦使用LabelImg,CVAT,Roboflow等工具。標(biāo)注時要制定嚴(yán)格的規(guī)范對于破洞是標(biāo)整個不規(guī)則區(qū)域還是外接矩形對于細(xì)長的斷經(jīng)是標(biāo)成線條還是標(biāo)出其最小外接矩形統(tǒng)一的標(biāo)注規(guī)范是模型訓(xùn)練一致性的前提。4.3 模型訓(xùn)練與調(diào)參實(shí)戰(zhàn)從預(yù)訓(xùn)練模型開始千萬不要從零開始訓(xùn)練。使用在ImageNet或COCO上預(yù)訓(xùn)練的模型如YOLOv5的yolov5s.pt進(jìn)行遷移學(xué)習(xí)。這能極大加快收斂速度提升小數(shù)據(jù)集上的表現(xiàn)。損失函數(shù)的選擇對于布匹缺陷檢測正負(fù)樣本極不平衡。使用Focal Loss可以自動降低容易分類樣本的權(quán)重讓模型更關(guān)注難例那些不明顯的小缺陷。學(xué)習(xí)率與優(yōu)化器使用AdamW優(yōu)化器并配合CosineAnnealingLR或OneCycleLR等學(xué)習(xí)率調(diào)度策略。初始學(xué)習(xí)率可以設(shè)得小一些如1e-4避免“沖過頭”。驗(yàn)證與早停將數(shù)據(jù)分為訓(xùn)練集、驗(yàn)證集、測試集。驗(yàn)證集用于訓(xùn)練過程中的模型選擇和調(diào)參測試集只在最后評估一次模擬真實(shí)場景。監(jiān)控驗(yàn)證集損失當(dāng)其連續(xù)多個epoch不下降時啟動早停Early Stopping防止過擬合。模型輕量化如果部署在算力有限的邊緣設(shè)備考慮使用輕量級模型如YOLOv5的yolov5nnano版本或MobileNet、ShuffleNet作為Backbone的檢測網(wǎng)絡(luò)。也可以使用模型剪枝、量化等技術(shù)來壓縮模型。4.4 現(xiàn)場調(diào)試與持續(xù)維護(hù)參數(shù)的可視化調(diào)整開發(fā)一個簡單的GUI工具能實(shí)時調(diào)整預(yù)處理參數(shù)如高斯模糊核大小、閾值、檢測參數(shù)置信度閾值、NMS閾值并實(shí)時看到處理效果和檢測結(jié)果。這能極大提高工藝員調(diào)試的效率。誤報與漏報分析建立一個“問題樣本庫”專門存放系統(tǒng)誤報好布報缺陷和漏報有缺陷沒檢出的圖片。定期分析這些樣本找出原因是光照變化是新型缺陷還是模型能力不足針對性地補(bǔ)充數(shù)據(jù)、調(diào)整參數(shù)或重新訓(xùn)練模型。模型的在線學(xué)習(xí)與迭代系統(tǒng)運(yùn)行一段時間后會積累大量新的、標(biāo)注好的數(shù)據(jù)包括誤報漏報樣本??梢远ㄆ谌缑恐苡眯聰?shù)據(jù)對模型進(jìn)行增量訓(xùn)練Fine-tuning讓模型持續(xù)進(jìn)化適應(yīng)布料品種、季節(jié)變化帶來的影響。穩(wěn)定性監(jiān)控除了監(jiān)控系統(tǒng)本身的CPU/內(nèi)存還要監(jiān)控業(yè)務(wù)指標(biāo)如“每百米缺陷數(shù)”的波動是否在正常范圍內(nèi)如果突然飆升可能是傳感器臟了、光源老化也可能是前道工序真的出了問題。將檢測系統(tǒng)作為生產(chǎn)質(zhì)量監(jiān)控的“哨兵”。從一行行代碼到一個在產(chǎn)線上穩(wěn)定運(yùn)行的“AI質(zhì)檢員”中間充滿了工程細(xì)節(jié)的魔鬼。但正是對這些細(xì)節(jié)的掌控區(qū)分了一個玩具Demo和一個工業(yè)級的產(chǎn)品。希望這份超詳細(xì)的拆解能為你打開一扇門不僅僅是獲得一套源碼更是理解如何打造一個真正可用的工業(yè)視覺系統(tǒng)。剩下的就是結(jié)合你自己的具體場景去調(diào)試、去優(yōu)化、去踩坑然后收獲那份讓機(jī)器代替人眼穩(wěn)定工作的成就感。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
综合色色婷婷| 精品超碰国产| 亚洲色 国产 欧美 日韩| 久久肏大逼| 亚洲精品天天影视综合网| 亚洲精品久久久久久| 久久成人国产精品| 射 色综合| 99re这里只有| 久久久久精| 少好三P| 国产精品4p在线观看| 亚洲精品 大香蕉| 亚洲熟女少妇免费视频| 色色色天美视频| 天天影视射综合网| 十八禁av无码免费网站APP| julia在线观看久久| 一二区在线观看视频| av在线观看不卡网站| 成人免费性爱视视| 人妻夜夜爽天天爽麻豆三区网站| 亚洲高清视频在线免费观看| 91在线限制级| 操操逼视频| 日本不卡高清免v欧美日韩在线观看| 抽插一区二区视频| 亚洲欧洲另类| 92久久| 欧美熟女少妇| 可乐操亚洲蜜911| 国产成人在线观看综合| 天美传媒精品一区二区三区| 探花激情视频| 丝袜美腿操av| 男人的天堂2018.| 亚洲午夜未满十八勿入网站日本又色又爽又黄 | 久久亚洲不卡| 97色碰| 欧美1727免费观看视频| 亚洲精品三区在线观看| 成年在线视频日本亚洲在线视频区精品江靖宇公司 | 国产又大又粗又色生活片亚洲国产精品成人久久久综合免费 | 另类综合另类| 日韩成人精品| 老熟女91视频| 天色综合网| 色就色综合| 久久久久国产精品人妻aⅴ天堂| 操逼操逼逼操操逼91| 熟女高潮合集-永久久久-成人AV | 人妻色偷色噜| 青娱乐手机日韩在线视频| 国产免a费看黄片在线| 九草九九九| 亚洲精品日日夜夜52| 97视频播放| 人妻在线中出视频| 久久久久国产精品片区无码直播 | 美国久久一二三四| 欧美性爱另类综合| 青春草莓视频在线观看网址| 天堂伊人久久| 亚洲色图超碰在线| 日本亚洲熟女视频| 人人干黄色| 久久网亚洲| 狠狠狠狠狠干| 亚洲成人免费中文字幕| 婷婷爽人人婷婷爽视频| 亚洲的天堂网| 五月天伊人| 亚洲色 国产 欧美 日韩| 91痴汉| 少妇三P| 激情开心五月天| 中文字幕人妻资源在线| 中文字幕第7页| 欧美AB在线观看| AAAAAAAAA黄片| 91内射| 亚洲色图 图片| 午夜精品久久久久久久男人的天堂 | 中出人妻中文字幕91在线| 狠狠色综合网| 亚洲天堂无码| 无码聚合| 不卡av在线中文字幕| 亚洲少妇视频| 天天天操天天天爱| 欧美综合网1| 麻豆乱码久久精| 4399成人黄A片| 家庭乱伦国产精品| 天天久久| 一二三区操逼国产91| 亚洲色图片区| 九99久久| 亚州中文字幕超碰97| 欧美午夜精品久久久久久超碰| av在线免费一区二区| 色婷婷一区二区三区久久| 亚洲欧美综合网站| 中文字幕av丝袜| 操人妻逼91| 日日日日日| 久久久久久AⅤ无码免费肉站| www.亚洲黄色| 在线日韩日本亚洲国产| 精品一区二区三区丰满熟女-亚洲欧美一区| 农村妇女精品一区二区| 国产精品久久久蜜臀| 夜夜肏2021| 依人大香蕉| 日韩中文字幕视频在线观看| 婷婷激情五月天小说网| WWW黄片COM| 免费作爱一级视频| 欧美十八禁网站| 人妻 丝袜美腿 中文字幕| 日韩黄片影院| 啪啪AV导航| 亚洲成人无码影院| 激情视屏国产乱伦强奸| 国产三级电影免费观看| 无码日韩网站| 天天综合精品| 中文字幕在线观看AV| 国产白领连续中出在线观看| 热久日综合| 色老牛| 美女91av| 少妇贴图| 欧美一区二区男人天堂| AA级电影三区| 亚洲性爱成人| 九九久久一区二区伦理| 五月开心网| 欧美亚州手机在线| 亚洲电影91| 久久9999 | 用力操死我| 久久一区,青青青青草视频在线播放| 97香焦色区| 夜夜高潮夜夜爽| 啊啊啊啊啊啊好湿好爽视频| 亭亭在线资源| 天天综合欧美| 青娱乐亚洲自拍| 啪啪啪东京| 久久久久久久亚洲Av无码| 亚欧国产无码精品在线| 91在线美女| 五月天综合网| 91美女高潮| 中文字幕视频在线观看| 午夜性生活av免费在线看| 18禁在线视频| 婷婷五月天基地| 蜜奶av| 色天欧美| 一级性爱视频免费观看| 亚洲天堂无码| 美熟女逼导航AV操逼| 大香蕉伊人75| 丰满人妻一区二区三区四区| 极品尤物在线观看| 诱惑人妻欧美一区在线播放| 视频在线97| 精品人妻一二三| 亚洲成人无码影院| 老鸭窝亚洲毛片| 国产乱码久久久久久| 96麻豆精品一区二区三区| 国产超碰AV在线精品| 色香色欲天天综合网天天来吧| 91 刺激在线| 日韩欧亚中文在线| 亚洲国产精品成人综合| 日本熟人妻中文字幕在线|...久久国产精品-国产精品_日本一区二区三区中文字幕 | 噜噜噜噜天天狠狠| 蜜乳Av成人片网站| 超碰国产情侣自拍网| 国产精品97超碰| 欧美呦呦性爱| 在线啊啊啊啊| 欧美在线电影| 国产综合永久精品日韩鬼片| 亚洲日韩青青草色月| 超碰97综合在线| 囯产操逼片| 乱老熟女一区二区三区| 黄色操人| 熟女中出视频| 精品人成视频在线观看| 综合网欧美在线| 女上位精品在线| 最新日日夜夜天天干干| 中文字幕在线观看AV| 91岛国动作片| 9久久精品| 精品无码一区二区人妻久久蜜桃| 免费人成在线观看网站品爱网| 最新一二三区视频| 校园春色 亚洲| 人人操人人大香蕉| 清纯唯美综合亚洲| 欧美刺激色黄片免费看| 好涩综合| 亚洲五月丁香花狠狠干一区二区三区| 96超碰网| 蜜桃天美传媒AV一区二区三区| 亚洲一区二区三区中文字幕| 欧洲一区二区三区免费| 亚洲成人免费中文字幕| www.男人天堂| blacked精品一区国产| 久偷拍| 百度百度日本操逼| 日韩专区数据列表-第3230页-精品国产一区二区三区香蕉 久久99熟女人妻中文字 | 欧美熟妇精品黑人巨大91| 澳门特级毛片免费观看| 另类专区加勒比| 看免费的黄片| 久草老司机| 日本网色| 国产女大学生AV| 色爱欲亚洲| 久久午夜鲁丝片| ai欧美亚洲小说| 91精品女厕偷拍视频| 亚州再线| 免费一级a毛片久久久久久鸭绿欲| 第二页中文字幕| 婷婷久久五月综合激情| 91美女视频| 九九九午夜| 蜜臀无码视频在线观看 | 性色AV蜜色av色欲av| 天天操天天插| 天美传媒AV在线播放| 嗯嗯啊啊视频在线看| 老熟女91| 在线亚洲丝袜视频网站| www.天天干| 久久伊人最新网址视频| av久日| 国产免费一区在线观看| 尤物av网站免费在线播放| 亚洲无码超碰免费| 蜜桃网熟妇| 操狠狠| 伊人久久大香线蕉无码| 久久久久久人体| 99热超碰| 欧美系列在线一区二区| 操逼操2| 好爽免费视频,| 丁香五月激情综合| 欧美婷婷五月天| 香伊人在线| 欧美日日人人天天| 久久综合18p| 久久成人国产| 一级性爱视频免费观看 | www.操| 人妻熟女av国产网站| 国产乱子伦一区二区三区在线观看| 欧美大香蕉97| 精品精品精品| 国产福利小视频高清在线观看| 99热在线播放| 丰满少妇一区二区三区免费看| www.91欧美| 婷婷五月花| 草草影院最新网址| 少妇一级无码精品| 久久国产乱子伦精品免费女,网站| 嗯嗯嗯啊啊啊操的我好爽| 黄片在线免费在线观看| 免费自拍三级综合| 少妇一区二区三区| 色欲色香天天天综合网www-亚洲综合国| 六月激情网| 亚洲二区精品在线观看| 无码久久亚洲高清,| 成人情色综合网| 98精品国产乱码久久久久久| 天美一二三在线观看Av| 久久精品欧美一区蜜桃| 日韩在线观看字幕精品| 强奸乱伦亚洲第一页| 日韩成人高清一区二区| 亚洲 欧美 色图| 青草伊人网| 1区2区3区中文字幕日韩| 婷婷综合网| 五月综合婷婷久久网站| 上海一级黄片| 一类无码操逼视频| 欧美少妇性爱网站| 国产成人无码久久精品| 国产懂色精品国产av| 凹凸久久人人| 先锋色眉乱伦资源| 日本高清_区二区三区| 亚洲免费在线探花| 欧美婷婷五月天| 精品一区二区成人动漫| h无码动漫在线观看| 日韩亚洲国产视频| av国产无码| 国产热RE99久久6国产精品首| 亚洲国产奇米影视久久| 韩日性爱av| 国产一区二区精品久久99| 国产日韩欧美中文在线播放| 日本精品不卡一二三区| 制服乱伦| japan日本高清乱xxxx| 色综合久久88色综合久久天天| www国产天美久久久| 日韩精品亚洲专区在线影视| 五月天啪啪| 亚洲五月丁香花狠狠干一区二区三区| 免费观看欧美日韩操逼视频| 国产传媒日本欧美专区| 丁香婷婷激情五月天无毒不卡 | 99精品视频在线观看| 99久久久99久久91熟女| 男人天堂.AB| 曰本精品久久久| 九九九九九九九九九九精品视频| 九九九九九九九| 久久性爱城| 国产乱伦一二三区| 国产999精品久久久久久| 色一射色一射| 欧美一二级| 青草地一本线一区二区三区| 国产精品成久久久久午夜午夜| 蜜臀99久久精品久久久懂爱| 美女视频尤物网在线看| 日本精品一区二区中文字幕| 欧美 亚洲 综合 制服| 九九英色视频| 999久久芭蕾| 亚洲欧洲激情卡通另类文学四射小说网站 | 日逼国产| 毛片17S| 中国的操老妇女| 中文三一区| 国产中出内射一区二区| 亚洲成人美女无吗| 骚货| 色男人色天堂东京热| 精品美女少妇一区二区| 草草影院最新网址| 大香蕉 222| 一本大道综合伊人精品热热| 91综合网站| a级成人毛片免费视频高清| Julia在线播放亚洲久久| 日韩紧密久久| 四虎免费看黄| 无人区高清电影免费观看一区二区三 www.qmcai2.com | 一区不卡在线观看av| 伊人一区二区在线播放| 久久综合99| 亚洲日韩熟女人妻高清在线| 日韩亚洲欧美中文字幕| 人人扣人人操| 综合激情一一91| 18禁止看精品中文字幕| 一本一道人妻久久一区二区三区| 黑人精品欧美一区二区蜜桃| 日韩人妻中文视频| 成人精品视频| 国产精品成人无码a v毛片| 97色五月天完| 插入逼91| 操我啊啊啊啊啊| 欧美AB在线| 色噜噜狠狠色综合日日| 久操频道免费在线呗看| 五月丁香综合激情| 欧美色97| 加勒比在线视频| 狠狠色五月亚洲91| 丁香五月天社区| 国产后入式在线观看| 日韩性爱免费视频在线网站| 亚洲成人帖图| 国产亚洲精品自在线亚洲情侣| 久久久噜噜噜久久人妻| 亚洲欧美日韩夜夜| 正宗无毛一线天嫩逼| 日韩一级免费性爱| 欧美色图另类图片| 国产精品色色| 久久久亚洲熟妇熟女| 日韩无码嘿咻黑热久| 国产女同在线观看视频| 亚洲综合码| 欧美呦呦性爱| 国产免费久久精品99re韩国| 中文字幕狠狠玩| 国产精品另类一区大香蕉| 日韩欧美国产高清视频| 久久九九久精品国产尤物|国产精品爽黄69天堂A片潘金莲,国产亚洲精品第一综合 | 在线观看午夜婷婷久久久久清性观看| 天天综合网日韩7799| 无码男人天堂| 超碰在线人妻| 亚洲影院成人| 欧美成人一区二区| 久久婷婷影院| 一级性爱视频免费观看| 国产视频第2页| 青青操轻轻| 蜜臀一区二区三区亚洲最新章节在线观看 - 高清蜜臀一区二区三区亚洲全集播放 | 欧美综合 站| 欧美成人性爱视频大全| 色色毛片| 大干人妻| 97人人爱人人做人人乐| 蜜乳AV网址| 久久中文字幕在线观看| AV在线资源| 亚洲各类熟们中文字幕| 成人免费毛片| 麻豆色约约| 91视频观看网站| 国精精品无码一二三区水多多| 欧美少妇高潮视频| 黑丝日韩av丝袜av| 久久女婷| 色成人Www精品永久观看| 亚洲Av诱惑| 丁香婷婷激情五月天无毒不卡 | 97任你吞精| 天天草天天日| 精品十八在线观看| 97超碰免费人人性爱| 色五月综合网| 免费一级黄色录像影片| 天美传媒AV在线播放| 亚州综合AⅤ| 99热| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 快播久久人人aV| 亚州操操穴网| 9999免费精彩视频| 美中日韩无码| 亚洲天堂在线怕怕视频 | 好看的久久不射无码影视影院| 90后性网国产欧美| 亚洲乱色熟女一区| 在线免费观看高清无码视频| 中出20p| 亚洲色图欧美色图制服丝袜| 超碰av人人人| 精品人妻av在线播放| 久久久人妻| 亚洲欧美综合图片| 超碰综合色| 999日韩中文精品观看视频。| 日本精品第一视频在'| 麻豆国产视频精品观看| 香蕉人欧美综合| 伊人久久蜜月| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 欧美人人天天网| 天堂av2019| 成人国产精品三级A片| 日韩亚洲精品一区二区| 中文字幕人妻资源在线| 伊人九九九| 欧美日韩小说| 亚洲有薄码区久久在线一区| 欧美97日韩精品| 夜夜高潮夜夜爽高清视频一 | 丰满的三级少妇欧美久久久| 国产精品一区二区 尿失禁| 国产一级内射无挡观看| 精品国产Av无码久久久亚洲| 欧美亚州综合网图片| 国产精品乱码久久久久久| 亚洲天堂美臀在线| 日韩精品作爱导航| 一二三四视频在线社区中文字幕| 牛牛久久国产精品视频一二三| 久久超碰亚洲人| 日韩三级网址| 日逼五月天| 久久亚洲不卡一区二区三区| 91在线视频免费中出| 一二三啪啪专区| 精品少妇一区二区三区免费观看| 99热精品免费| 亚洲精品视频二区| 一道本久久棕合爱| 野狼激情网| 91人妻视频在线| 嗯嗯嗯啊啊啊在线免费观看| 北京专精特新企业招聘信息| 久久国99999| 欧美暴力猛交| 久久久久久中文| 欧美 色 亚洲| 污色区网站| 亚洲AV麻豆Aⅴ无码电影一 | 91丰满| 91另类| 人人操人人插 - 百度 - 百度| AⅤ片水多多| 中国一级特黄大片护士| 极品白嫩美女白浆成人福利在线看| 一级黄色牲爱A级片| 一级A啪啪啪啪| 97人肏| 97超碰热线| 在线亚洲丝袜视频网站| 激情欧美97| 26uuu成人影片| 日本熟女中文字幕一区| 簧片免费看视频| 美女刺激久久国产欧美| 天天日日本| 91天堂丝袜美腿| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区 | 97se亚洲| 在线岛| 九色PORNY9l原创自拍| 亚洲熟女乱色| 黄久在线| 九色97| 97超碰中文| 超碰久超碰久| 中日亚韩免费视频| 91精品成人www| 综合97亚洲| 蜜臀一区二区三区亚洲最新章节在线观看 - 高清蜜臀一区二区三区亚洲全集播放 | aaaa少妇高潮大片| 91在线视频免费中出| 91草草草| 97国产人人| 欧美黑人精品在线播放| 中文字幕日本久久| 激情文学欧美| 日日骚一区二区三区| 国产成人亚洲精品无码最新在线| 久久精品三级影视| 日韩国产十八禁| 欧美韩日精品99综合| 大二网站亚洲| 怡红院视频在线| 天天综合影院91| 一本色道久久综合精品婷婷| 久操com| 婷婷五月天补不补| 少妇内射www在线观看视频 | 亚洲丝袜99| jazzjazz国产精品麻豆| 久热免费视频| 天美传媒精品久久视频| 婷婷五月天激情网| 最新av在线| 久久久久亚洲Av无码专区老牛影视 | 亚欧洲日韩国产精品| 欧美黑人精品在线播放| 日韩AV中文字幕电影| 男女啊啊啊啊啊| 亚洲天堂无码| 屁股久久久久久久久| 少妇熟女1区2区3区| 亚洲午夜免费狠狠干| 97色欧洲| 一个国产在线综合网站| 日本裸体久久色噜噜| 欧美色图综合网| AAA久久| 俺也射| 婷婷AV一区二区三区| 久干网| A 天堂| 国内精品久久国产,www香蕉久久五月丁香,亚洲欧美日韩精品永久在线,日本精品一 | 三级三级三级日本99| 日本熟妇自慰性高潮一区二区三区| 性饥渴少妇av无码毛片| 91色爽欧美| 亚洲日韩人妻中文字幕一区| 欧美一区二区情色| 无码137片内射在线影院| 德国一二三不卡| 欧美一级在线观看成人| 久久久久性熟视频| 精品国产乱码久久| 免费视频在线观看啊啊啊啊啊| 夜色综合| 中文字幕一区 二 区 三 四 五 区日 日 骚 | 超碰午夜在线| 懂色av色欲av蜜臀av| 超碰综合色| 8050午夜少妇无码| 9精品久久久久| 天天做日日爱夜夜爽| 国产麻豆91欧美一区二区久久婷婷国产精品| 中文字幕成人理论在线| 青青草五月份天| 婷婷五月天成人| 美女啊啊啊啊啊| 9/A片 | 欧美狠狠操| av网站免费线看| 欧美激情色婷婷花野真衣一区二区| 亚洲色图欧美色图日韩色图| 福利大香蕉| 920日本午夜免费| 日韩三级伊人| 久久精品中文| 久热99| 9色国产精品一区粉嫩| 另类图片亚洲加勒比另类图片亚洲加勒比另类图片亚洲加勒比 | 91丝袜在线观看| 色婷婷成人综合| 人妻日日干| 日韩精品-原创伙伴| 久久这里精品国产99丫e6| 成人一级性爱| 天天影视91看看| 欧美 中文字幕 一区| 欧美精品一区二区少妇免费A片| 天天综合网入口~91| 黄片直播三级黄片两女一男| 欧美翘臀视频网站一区二区三区| 久草资源欧美在线视频| 熟女视频久久| 97资源亚洲| 东京热视频网| 激情婷婷丁香网| 97视频在线免费看| 中国探花熟女| 亚洲精品性爱片| 校园春色第一页| 欧洲亚洲人妻无码中字久久三区四区| 国产呦精品一区二区三区下载| 偷拍导航视频网站| 日韩精品9999| 操逼操操操91| 国产精品露脸在线观看| 久久久久久久| 久久AV色| 久久久久久久久久久久黄色| 99视频只有精品| 国产亚洲日本精品在线| 乱伦熟女论坛| 国产精品日日摸天天碰| 国产美女口爆吞精| 色综合美国| 日日干夜夜欢| 天天色香欲综合网| 免费1级a做爰片观看| 亚洲男人天堂AV| 人人九九精| 亚洲AO在线| 熟女性视频| 久草免费福利在线播放| 黑人美精品 A片| 色欲天天综合久久久无码网中文| 久草电影网| 亚洲人码13| 啊啊啊啊啊在线观看网址| 五月婷婷六月色| 韩国三级理论在线| 日本免费专区| 翔田千里无码中出中文字幕| 男人的天堂久久久| 91男人综合| 天天干1区2区在线| 久草线上视频免费看| 日本性交操一区二区不卡系列| 国产sv美女内射| 成人情色综合网| 欧美性Fer办公室秘书| 亚洲日韩久久精品一区| 成人在线午夜视频一区| 韩日精品福利视频一区不卡在线免| 粘花网06av视频| 中文字暮97| 91国产精品熟女| 中日无幕一二三四区| 97超碰国产精品| 偷拍 精品另类 凸凹了四区| 99热精品在线在线| 美女刺激久久国产欧美| 6080yy午夜理论三级一区二区三区无码 | 青青草原成人| 97精品视频在线| 果冻传媒A片一二三区| 欧美日本不卡| 蜜臀亚洲综合一二三四区| 91N综合网在线| 一区二区不卡免费| 男人天堂新| 熟妇乱伦一区二区| 亚洲精品国产日韩无码AV永久免| 囯戸精品高潮呻吟旡码| 尹人免费观看视频在线| www.91理论| 人人透人人操| 丝袜制服字幕在线| 台湾大香蕉99热| 久久精9| 99re6在线视频精品免费完整版安卓版| 人妻素股| 亚洲综合伊人无码久久| 97超碰久久| 岛国A V在线免费看| 欧美激情另类一区二区| 国产偷拍自拍在线视频| 日本色色色| 九九九久千久久激情蜜桃在线看 | 亚州再线| 欧美性五月| 日夜伊人网| 色翁荡息又大又硬又粗又爽| 亚洲操逼无码| 青青国产精品在线| 综合欧美日韩在线| 60秒不遮不挡| 777AV电影| 国产农村妇女精品一| 亚洲精品 欧美精品| 啊啊啊啊啊啊在线| 7777奇米影视久久| 国产99 中文字幕日韩小视频| 久久久久久久一级黄色打同平台| 色九九九综合| 欧美九九九| 国产在线观看一区二区三区| 婷婷激情五月天小说网| 在线观看一卡二卡| 亚洲电影91| 97久久国产精品女不卡| 黄页视频网站野外| 婷婷中文字幕| 久久99精品国产| 97超碰中文在线| 奇米四色影视777久久久| 九九性视频| 玖玖爱综合| 夜夜嗨一区二区三区直播内容| 日本三级A片网站com| 嗯啊不要在线观看嗯啊| 日韩综合97P| 国产精品爱欲| 97天天爽| 亚洲毛片久久| 韩日无码在线观看| 久久国产对白激情浪潮 | 欧亚乱色熟一区二区三四区| 人妻91少妇| 欧美大香蕉同搞| 玖玖爱综合| 国产视频第二页| 国产一级作爱毛片| 97色诱| 91综合色| 色噜噜综合在线| 日韩大香蕉精品在线视频| 欧美97色| 国产动漫操逼视频| 欧美综合777| 欧美1区二区三区公司| 久热伊人| 清纯唯美综合亚洲| 久久久久久69国产一区二区| 偷拍亚洲高清图片| 探花精品 一区二区| 久久国内| 亚洲色图欧美色图制服诱惑| 国产精品 久久久精品一牛| 啪啪视频mP4| 人人妻人人澡人人爽久久av| 国产亚洲综合欧美一区| 欧美女同在线| 性色av网站| 中文字幕诱惑制服人妻丝袜美丝袜美| 亚洲AV无码乱码| 99re69| 黄片视频,下载| 伊人aaa| av绯色| 久久久96精品| 日本 欧美 国产一区| 久久久月天| 色999五月色| 久久伊人影院| 天堂精品在线| 麻豆国产精品午夜视频| 一区中文字幕二区日韩| 色色九区| 九九视品黄色| 成人国产视频在线观看| 9 7超碰在线免费观看| 婷婷av在线中文字幕| 日韩情色AV| 国产欧美精选激情视频| 国产一区二区久久| 一级久久久久久久久久久| 99热国产精品| 69精品人人人人| 抽插亚洲无码| 日本熟妇熟色97一本在线观看| 97综合在线| 欧美成人色| 国产亚洲日本精品在线| 久操免费观看| 天美一二三在线观看Av| 91成人久久| 精品人妻少妇| 精品国产一区二区三区久久久蜜臀 | 国产AV线| 91精品黄在线观看| 老女人综合网| 久艹伊人精品综合在线| 熟女色综合久久| 色97干| 97一区二区三区视频| 免费一级毛片在线视频观看| 东北少妇高潮zzzz| 后入福利视频| 蜜桃臀 后入 一区 二区 三区 在线| 日韩乱伦AⅤ| 校园春色亚洲色图| 欧洲乱码视频| 亚洲精品99| 欧美黄页| 四虎免费视频| 亚洲欧美天堂在线| 亚洲第一成人影院色播| 老熟妇乱轮| 亚洲亚洲亚洲天堂天堂| 久久a久久| 精品黑人一区二区| 小说区 图片区色 综合区| 97国产色图| 久久女人一区二区三区| 99国产精品视频尤物| 人人澡人人干| 九九热五区| 97人人射| 国产欧美精选激情视频| 麻豆成人AV| 久久久不卡区一区二区三区久久久| 色综合天天| 无码操逼网| 国产综合在线视频网站| 精品日韩产品在线,日韩在线不卡视频,欧美日韩免费专区/久, | 一区二区影视| 日日噜噜夜夜久久亚洲一区二区| 九九综合| 99热在线观看| 翔田千里AⅤHD无码| 九久9精品| 99re6在线视频精品免费完整版安卓版| 久久久久久久久久久97| 国产99热| 熟女五十路一区二区三| 国产在线综合网| 亚洲美女精品九九视频| 欧美九一精品久久久熟妇| 精品人妻视频一区二区三区蜜桃视频| 国产大学生口爆吞精合集| 97亚洲自在精品在线观看| 中文字幕人乱码中文字的预防方法 | 亚洲成人一二三区| 天天做天天爱| wwwss在线观看| 成人av动漫在线观看| 91小视频| 国岛片视频| 亚洲最大AV网| 欧美亚洲另类在线蜜桃| 国产精品女久久久久av爽| www.99色| 中文精品一区二去| 欧美日韩午夜精品一区二区三区 | 欧美性爱一级操| 人人扣人人操| 久久超碰爱| 色情五月综合婷婷| 国产一级黄色片在线观看| 中日亚韩免费视频| 少妇一区二区三区精选| 中文AV制服乱伦| 国产精品久久久久久亚洲色欲| 碰碰97| 国产91精品在线免费| 丰满少妇一区二区三区免费看| 国产精品久久久久久久久久久久久久| 凹凸 69堂 在线播放| 变态综合色| 91亚洲综合在线| 亚洲?V高清一区二区三区尤物| 97精品中文字幕| 久草线上视频免费看| 久久久性少妇| 国产农村妇女毛片精品久久| 97天天摸天天爽| 精品高潮| 免费看黄视频亚洲网站| 久草免费福利在线播放| 影音先锋中文字幕日本好一区二区| 亚洲美女自拍偷拍视频| 五月丁香激情综合网| 91色综| 亚洲熟妇丝袜在线观看| 东北老女人的激情视频| 人人噜夜夜操| 97久久国产精品| aV中文麻| 97色网| 国产91福利小视频在线观看| 日本人妻中文字幕 | 北京美女一区二区| 蜜臀一二三区| 蜜臀一区二区三区亚洲最新章节在线观看 - 高清蜜臀一区二区三区亚洲全集播放 | 高跟丝袜AV专区国产| 人人做人人妻人人夜视频| 99久久综合网| 亚洲最大黄网| 999九九精品| 九九九九九九综合| 久久岛国| 免费国产电影一区二区| 日本性爱少妇| 色色色网站| 亚洲第一二区另类图| 公司1区2区3区精产精| 97天天摸天天爽| 久久精品福利影院| 久久东京国产精品视频| 中文字幕在线观看AV| 综合久久99亚洲人妻中文在线| 国产馆| 欧美精品一区二区少妇免费A片 | 欧美99999| 欧美人与性动交a美精品| 性色一线| 校园春色欧美| 日韩免费在线观看不卡| 国产亚洲精品第一最新| 欧美狠狠弄| 夜夜嗨老熟女AV一区二区三区| 久九色| 狠狠躁天天躁日日躁| 97在线日韩中文字幕| 人人弄人人摸| 一区二区娱乐网站| 99精品网站| 嗯嗯啊啊好爽| 成人免费不卡在线视频| 中文字幕91综合| 天天操天天7| 91丨国产丨白浆秘 洗澡动漫| 顶级丝袜熟女一区二区三区| 伊人97超碰| 成人青青草原伊人| 成人aⅴ一区二区三区| 亚洲aw毛茸茸在线| 99久久久| 91精品国产高清久久久久久,亚洲成人| 91嫩草欧美| 亚洲综合第一页| 色播丁香| 97欧美色| 欧美人妻一区| 久久久久ab| 中文视频在线观看| 亚洲超碰在线| 美女大乳久久久久久久女人18| 欧美丝袜中文字幕07在线| 在线欧美69V免费观看视频| 91欧美成人色站| 97久久网| 欧美专区在线| 2017天天插| 精品性爱无码在线播放| 亚洲日产专区婷婷| 无码精品久久| 天天日天天插| 久久超碰天天| 1769精品一区二区三区| 色哟哟1区2区| 日韩无码a片| 青青操在线亚洲视频观看欧美在线| 天天激清| 色色五月天婷婷| 日韩精品资源| 久久透逼视频| 91成人国产综合久久精品蜜月| 亚洲影院成人| 黄页18禁| 亚洲伊人久久综合97| 少妇高潮99p| 老熟妇乱轮| 婷婷操逼| 91国模| 67914在线精品观看| 人人搞人人插人人操| 99国产精品在线观看| 精品久久久av无码免费| 久久超碰、| 国产精品久久久无码aV去| 日韩三级在线观看mp4| 天天干干天天干干| 强奸熟女一区二区三区| 一区二区三区精品视频| 大香蕉2017| 四虎AV在线观看| 蜜桃臀一区二区三区久久| a级理论午夜日本| 欧美传媒一区| 91在线精品| 美女91网址| 精品亚洲国产成人精品| 日韩专区久久久| 精品婷婷| 屁股久久久久久| 国产天天看| 午夜120视频在线观看| 少妇久久久免费| 欧美|91色综合| 五月丁香六月综合缴清无码 | 黄色av片三级三级三级免费看| 国产精品第一页国产大屁股视频免费区i| 大香蕉综合| suv精产一二三区| 亚洲av总站| 欧美丰满少妇xx高潮| 欧美日韩国产色五月综合在线| 精品一区二区三区蜜桃臀赵总 | 1769一区| 激情小说亚洲视频| 五月天激情网站| 天天看精品动漫视频一区| 久久久99999久网站| 91九色首页| 2018天天日天天日| 好一吊区二区| 天综合中文| 国产精品成人无码av无码免费| av中亚| 天堂综合| 国产精品久久发布| 成人a大片在线观看| 韩日欧亚a级| 欧美日日夜夜| 欧美视频边做饭边橾| 啊啊啊好想要| 成人天天爽| 国产精品制服丝袜中文字幕日韩一区二区三区| 欧美黄色手机在线观看| 91精品少妇搡搡搡| 亚洲美女精品| 欧美综合区| 亚洲性爱免费电影| 国产精品无码AV网站| 91黑丝美女| 国产精品久久久久久久毛片1| 超碰78| 99草精| 都市激情人妻一区二区青青操视频| 免费观看欧美日韩操逼视频| 狠狠色噜噜狠狠狠狠狠色综合久久 | 亚洲天堂少妇| 欧美青青视频| 操九九九九九九| 九色视频91| 日日噜噜夜夜狠狠视频无| 青草精品视频日本久久久久网站在线| 亚洲综合一| 成人夜夜爽| 99热国产| 日韩成人精品| 亚洲动态色图| 欧美少妇高潮视频| 精品久久久不卡一区二区| 熟妇女人妻呻吟久久AV| 亚洲日产专区| 日本国产成人亚洲精品无码| 一级片在线观看高清无码| 欧美91在线| 亚洲 欧美 色图| 色综合1991| 香蕉免费一区二区三区不读| 黑丝日韩av丝袜av| 日本熟妇一区二区三区| 无套内射性感少妇视频| 俺去俺来也在线www| 十八禁av无码免费网站APP| 欧美日韩性爱电影在线| 看免费一级在线播放毛片| 1区2区3区视频| 五十路熟女人妻一区二区在线观看 | 91在线免费观看处女| 亚洲男人的天堂亚洲| 丁香六月天| 98色网| 亚洲精品99| 蜜臀久久99精品久久久老,,| 欧美系列在线一区二区| 中文字幕少妇色| 久久AV无码1区2区3区| 久草精品热视| 97网址www| 国产农村妇女精品1区二区| 亚洲国产欧美日韩精品一区二区三区,国产一区二区三区在线看片,欧美性猛交 XXX | 小电影欧美91| 欧美色图99| 久久久久久久| 久久久青青草| 97精品一区二区三区免费| 国产400孕妇孕交群| 亚洲欧美另类图片| 小电影欧美91| 呻吟 欧美 日本 中出| 性生活性生大爱77AV国产| 午夜福利在线合集| 国产成人精品一区| 欧美丰满少妇交换91欧美精品| x97av| 少好三P| 久久伊人影院| 91天天| 999精品国产高清一区二区| 精品久久久久久中文| 综合一区中亚洲国产成人综合精品| 国产亚洲禁久一区二区| 亚洲综合五月天| 国产超碰人人爽人人做| 日本日逼视频网| 99热色这里只有精品| 色女99一级片在线观看| 色麻豆AV| 91色插| 亚洲无码国产探花在线观看| 国产av又色又爽又黄| 激情四射五月天| 日韩欧美亚洲国产日韩| 大香蕉免费3| 久久五月天婷婷丁香中文字幕| 久久91精品国产9丨久久分亭| 亚洲国产成人精品无码专区| 久久五月视频| 婷婷午夜| 天天干天天日天天射黄色大片| 操淫穴亚洲五月丁香|