欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

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(gè)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(xiàng)目聚焦于計(jì)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(shí)別、GUI交互與SQLite本地?cái)?shù)據(jù)庫管理全流程適合課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)或中小企業(yè)輕量級(jí)質(zhì)檢工具開發(fā)參考。壓縮包共117個(gè)文件3.04MB包含27個(gè)核心Python源碼如MainWindow.py、Database.py、app.py、9個(gè)UI界面文件、7個(gè)測試圖像、4個(gè)SQLite數(shù)據(jù)庫文件及多個(gè)配置與啟動(dòng)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(duì)比學(xué)習(xí)。1. 項(xiàng)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(dòng)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(gè)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(gè)標(biāo)題時(shí)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(gè)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(dòng)手搭建系統(tǒng)的可能。拿到源碼意味著你拿到了理解整個(gè)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(duì)于工藝優(yōu)化、質(zhì)量追溯、甚至訓(xùn)練針對(duì)特殊面料比如提花、蕾絲的專用模型價(jià)值巨大。今天我就結(jié)合自己過去在類似項(xiàng)目上的踩坑經(jīng)驗(yàn)把這個(gè)“源碼級(jí)”系統(tǒng)的核心骨架、關(guān)鍵模塊、以及那些文檔里不會(huì)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(dòng)化升級(jí)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(gè)有工業(yè)價(jià)值的畢業(yè)設(shè)計(jì)這篇內(nèi)容都能給你提供一個(gè)從零到一的、可落地的參考框架。2. 系統(tǒng)核心架構(gòu)一個(gè)工業(yè)級(jí)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(gè)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(dòng)?;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(dòng)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(gè)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(duì)于連續(xù)高速運(yùn)動(dòng)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(dòng)合成完整圖像能有效避免運(yùn)動(dòng)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(jì)算。一個(gè)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(duì)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(duì)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(dòng)到固定位置時(shí)觸發(fā)確保每幀圖像對(duì)應(yīng)布匹的實(shí)際物理長度這是后續(xù)缺陷定位和計(jì)長的基礎(chǔ)。硬件觸發(fā)信號(hào)的穩(wěn)定性直接決定了系統(tǒng)能否長時(shí)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(dòng)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(jì)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(duì)圖像進(jìn)行高斯模糊得到一個(gè)“光照背景圖”然后用原圖除以這個(gè)背景圖實(shí)現(xiàn)平場校正。色彩空間轉(zhuǎn)換對(duì)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(duì)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(duì)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(duì)于布匹缺陷更需要模擬工業(yè)現(xiàn)場的特有情況運(yùn)動(dòng)模糊模擬布匹高速運(yùn)動(dòng)。亮度抖動(dòng)模擬光源老化或電壓波動(dòng)。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(gè)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(duì)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?。關(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(duì)二值圖像進(jìn)行用于找出獨(dú)立的缺陷區(qū)域并計(jì)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(duì)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(jì)算圖像的對(duì)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(huì)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(duì)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(duì)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(huì)極大增加計(jì)算量。一個(gè)折中方案是先用一個(gè)輕量級(jí)網(wǎng)絡(luò)或傳統(tǒng)方法做疑似區(qū)域推薦Region Proposal再對(duì)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(jì)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(gè)像素的類別能精確勾勒出缺陷的輪廓。這對(duì)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(jí)任務(wù)。一個(gè)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(jí)聯(lián)架構(gòu)。先用速度快、計(jì)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(shí)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(píng)級(jí)根據(jù)算法輸出的類別和特征面積、長度、對(duì)比度結(jié)合國標(biāo)如GB/T或廠標(biāo)對(duì)缺陷進(jìn)行嚴(yán)重程度分級(jí)。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(dòng)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(jì)與報(bào)表生成實(shí)時(shí)統(tǒng)計(jì)各類缺陷的數(shù)量、頻率、分布位置生成批次質(zhì)量報(bào)告。更高級(jí)的系統(tǒng)能進(jìn)行SPC統(tǒng)計(jì)過程控制繪制缺陷率的控制圖當(dāng)缺陷率異常升高時(shí)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(dòng)控制與PLC通信在檢測到致命缺陷時(shí)輸出信號(hào)控制驗(yàn)布機(jī)自動(dòng)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(duì)列如RabbitMQ, Redis進(jìn)行通信。這樣單個(gè)模塊崩潰不會(huì)導(dǎo)致整個(gè)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(shí)顯示CPU/內(nèi)存占用、處理幀率、檢測統(tǒng)計(jì)等。數(shù)據(jù)管理建立缺陷樣本庫自動(dòng)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(gè)核心模塊具體怎么實(shí)現(xiàn)。這里我會(huì)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(shí)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(jì)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(duì)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(duì)應(yīng)相機(jī)物理接口的觸發(fā)信號(hào)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(cuò)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(duì)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(gè)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(gè)缺陷是一個(gè)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(duì)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(jì)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(shí)表現(xiàn)更好它計(jì)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(gè)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(píng)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(jì)算節(jié)省內(nèi)存和計(jì)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(duì)檢測結(jié)果進(jìn)行過濾和坐標(biāo)映射。 roi_mask: 可選一個(gè)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(jì)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(píng)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(shí)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(duì)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(jì)算框中心點(diǎn)是否在ROI內(nèi)是一個(gè)高效的方法。3.4 主控與業(yè)務(wù)邏輯模塊這是將各個(gè)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(duì)應(yīng)布匹運(yùn)動(dòng)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(jì)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(gè)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(shí)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(bào)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(jì)算 ) self.defect_records.append(record) self._trigger_action(record) # 觸發(fā)打標(biāo)、報(bào)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(shí)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(gè)重疊群中置信度最高的那個(gè) 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(dòng)作 if record.confidence 0.7 and record.defect_type in [hole, oil_stain]: # A類缺陷 # 發(fā)送信號(hào)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(bào)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(bào)告已生成。)關(guān)鍵點(diǎn)解析數(shù)據(jù)流封裝使用DefectRecord這個(gè)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(bào)表生成提供了結(jié)構(gòu)化數(shù)據(jù)?;旌蠙z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(shí)才調(diào)用計(jì)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(duì)同一個(gè)缺陷都做出報(bào)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(gè)。業(yè)務(wù)聯(lián)動(dòng)_trigger_action函數(shù)將檢測結(jié)果轉(zhuǎn)化為實(shí)際的生產(chǎn)動(dòng)作如報(bào)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(jì)算并打印FPS是監(jiān)控系統(tǒng)實(shí)時(shí)性的重要手段。定期生成結(jié)構(gòu)化的JSON報(bào)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(dòng)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(jì)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(jí)工控機(jī)具備堅(jiān)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(tái)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(shí)采集和輕量級(jí)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(chǔ)。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(gè)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(gè)服務(wù)。實(shí)時(shí)性保障Python GIL問題Python的全局解釋器鎖GIL會(huì)影響多線程性能。對(duì)于計(jì)算密集型的圖像處理使用multiprocessing創(chuàng)建多個(gè)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(duì)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(duì)于Intel平臺(tái)OpenVINO對(duì)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(jì)成生產(chǎn)者-消費(fèi)者模式用隊(duì)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(jià)值在于逼近這個(gè)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(dòng)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(dòng)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?cái)U(kuò)充數(shù)據(jù)集。生成對(duì)抗網(wǎng)絡(luò)GAN訓(xùn)練一個(gè)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(jì)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(shí)要制定嚴(yán)格的規(guī)范對(duì)于破洞是標(biāo)整個(gè)不規(guī)則區(qū)域還是外接矩形對(duì)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(duì)于布匹缺陷檢測正負(fù)樣本極不平衡。使用Focal Loss可以自動(dòng)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(píng)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(gè)epoch不下降時(shí)啟動(dòng)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(jí)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(gè)簡單的GUI工具能實(shí)時(shí)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(shí)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(bào)與漏報(bào)分析建立一個(gè)“問題樣本庫”專門存放系統(tǒng)誤報(bào)好布報(bào)缺陷和漏報(bào)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(duì)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(shí)間后會(huì)積累大量新的、標(biāo)注好的數(shù)據(jù)包括誤報(bào)漏報(bào)樣本??梢远ㄆ谌缑恐苡眯聰?shù)據(jù)對(duì)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(dòng)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(gè)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(duì)這些細(xì)節(jié)的掌控區(qū)分了一個(gè)玩具Demo和一個(gè)工業(yè)級(jí)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(gè)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
五月婷婷啪啪| 少妇人妻人伦A片| 精品网站:999WWW| 在线可以看的av网址| 婷婷五月天激情网| 精品福利911| 婷婷基地爱| 天堂色婷婷| 婷婷五月天亚洲综合| 婷婷久久伊人| 噜噜视频| 五月婷婷深爱六月| 日韩天堂久久| 操一区| 97电影99热| 五月天成人免费视频| 色色影院黄大片| 五月天婷婷AV| 六月丁香婷婷拍拍| 蒲京久久无码视频| 99狠狠| 日本久久视频| 成人做爰A片免费看网站找不到了 噼里啪啦在线观看免费完整版视频 | 综合婷婷都市激情| 丁香五月激情婷婷视频| 少妇出轨做爰高潮A片| 亚洲欧洲色色| 日本操B片| 99热思思| 六月婷婷成人| 五月天堂六月丁香亚州中文字幕久久 | 六月婷婷日| 99热这里只有免费精品| 久久五月网| 色色a| 五月激激网w'w'w| 日日操夜夜操中国无码| www.色五月| 色久免费| 久色网址| 婷婷婷久久| 丁香五月激情啪| 丁香五月成人论坛| 色色丁香婷婷综合| 9热在线| 欧美乱码国产一级A片| 色综合色综合网| 五月天色婷伊人| www.99精品日操伊人乱碰在线| 激情五月婷婷五月| 亚洲五月天伊人| 热99久| 成人丁香五月| 色爱综合网| 五月婷婷丁香深深爱| 中文AV网站| 亚洲不卡| 婷婷五月六月丁香| 26uuu亚洲欧美| 欧美人久久| 91919191919久久成人视频| 天天日天天干天天操| 色六月天天激情综合网| 五月丁香色色| 东北黄色一级| 91九色PORNY肉丝在线| 亚洲成人在线免费| 亚洲第一综合| 久久这里只有国产视频| 九九免费视频在线| 99色在线视频| 婷婷五月综合社区| 日韩成人无码片| 99久久综合网| www.久久爱| 色色丁香激情五月| 久久亭亭电影| 日本少妇裸体做爰高潮片| 色色五月婷婷久久| 久久九九热视频| 99精品这里只有免费视频| 射琪琪| 国内一级片| 丁香五月天堂网| 色五月人妻| 人人天堂操| 丁香五月激情啪啪| 亚洲综合在线视频| 色婷久久| 玖玖综合色| 五月婷婷精品| 丁香久久九九99| 精品久久久中文字幕大豆网推荐理由| 777米奇影视第四色| 成人看片网站| 大香蕉520| 久久五月天综合| 99热只有精品在线观看| 思思热在线精品视频网站| 久久曰曰| 丁香婷婷人妻| 久久五月天激情美女| 亚州操操| 久操无码| 伊人婷婷青青cao| 六月婷婷香蕉| 五月天综合久久| 久久久无码精品成人A片小说| 性99网站| 精品久久艹| 婷婷六月五月天综合| 久久婷婷五月天激情| 日本怕怕视频| 欧美色骚婷婷五月天| 午夜丁香丁香婷婷| www.五月天婷婷.com| 丁香婷婷久久| 五月丁香| 激情婷婷综合| 开心综合激情综合| 女人天堂 AV| 丁香五月 六月婷婷首页| 天天舔天天摸天天射| 亚洲小视频免费观看| 99热91| www久久99| 五月丁香好婷婷A片网| 99热精品观看| 超碰在线99| 五月天丁香网| 婷婷日| www.人人操人人看人人想人人摸 人人人人操,COM | www.99婷婷| 丁香色综合| 99热免费精品| 偷偷与邻居做爰完整视频| 国产成人网站在线观看| 国产成人综合亚洲| 午夜av网| 玖玖色综合网| 日韩五月天婷婷| 激情五月综合色婷婷| 五月丁香色五月| 99久久er| 久久婷婷丁香| 天天干一干| 精品国产AV色一区二区深夜久久 | 五月激情久久| 成人av在线电影| 日本91在线| 婷婷久久久| 国产亚洲色婷婷99精品| 五月天精品综合| 爱草人视频| 九九精品综合| 国产肥白大熟妇BBBB视频 | www.亚洲激情.com| www.色综合| 激情网五夜婷婷| 五月丁香天天| 婷婷精品综合| 男人天堂99| www激情| 欧美狠狠地| 99热成人| 色婷婷五月天偷拍| 中字幕视频在线永久在线观看免费| 99热热这里只精品996小说| 激情五月综合ì香亚洲| 色五月激情综合网| 9久精品视频| 久久九久久| 婷婷五月情| 色九九综合| 日韩久久色| 日韩成人精品中文字幕| 色 色 色综合com| 婷婷五月天美女21p| www.五月天婷婷| 婷婷五月丁香基地| 九九99偷拍视频| 9l视频自拍9l九色9l成人| 伊人狠狠综合| 97人人操人人干| 激情98色婷婷五| 一区二区三区XXXXXX| 亲子乱AV一区二区三区下载| 台湾佬天天日丁香婷婷五月天| 99热综合| 无码激情AAAAA片-区区| 久久女人天堂| 夜夜夜夜夜骑撸| 亚洲国产99| 欧美色必爱| 啊v视频在线观看| 久久五月婷天天干| 日本狠狠干| 婷婷六月丁综合| 五月色色色| 天天做综合网色综合| 久久视频婷婷| www.cao.com久久| 色狠狠综合| 色狠狠色噜噜噜a天堂一区| 大香蕉五月婷婷| 国产精品日本一区二区在线播放| 五月天综合在线| 亚洲激情综合免费| 久久综合久色欧美综合狠狠| 五月丁香色色网| 996热re视频精品视频这里| 色婷婷19| 99re青青草| 成人婷婷五月天| 色综合久久88色综合天天看| 久久久久97| 五月欧美色播| 97精品欧美91久久久久久久| 欧美操我| 性生活视频98791| 99热综合网| 国产99久9在线| 婷婷四色五月| 26uuu欧美| 丁香婷婷色六月| 狠狠草综合网| 日逼AV影音先锋男人资源站| 婷婷五月成年人| 五月丁香啪啪网| 色婷婷色人人射| 亚洲欧洲99| 日本精品干| 丁香综合网| 强辱丰满人妻HD中文字幕| 婷婷丁香社区网| 91日婷婷在线| 日韩成人网址| 色色色婷婷五月| 精品人妻久久久久| 婷婷激情五月色综合| 色婷婷国色天香综合| 婷婷五月天av| AV九九| 久久久久网站| 第四色网婷婷| 3p久久| 国内在线99视频| 激情人妻蜜夜系列区| 99re在线观看| 午夜少妇在线观看视频| 1000部毛片A片免费观看| 人人干人人看| 色色色图| 欧美99热| 国产AV一区二区三区最新精品 | 97视频91| 97干免费视频| 亚洲激情综合| 天天做天天爱天天爽| 另类小说五月天| 操碰99| 婷婷五月丁香色综合| 永久精品| 亚洲乱码w在线观看| 丁香婷婷五月天在线视频| www激情五月天| 99热这里只有在线| 天天操婷婷| 色噜噜狠狠色综合日日| 97热这里精品在线视频| 欧美久热| 五月婷婷无码| 激情五月天久久| 五月天丁香婷婷视频网址| 91久久久久久久久久18| 99热亚州综合| 午夜九九九九九九九九九九九九九| 激情视频综合| 337p大胆噜噜噜噜噜91Av| 婷婷导航| 五月天婷婷丁香蜜桃91| 日本va欧美va欧美| 欧美性色视频| 婷婷五月丁香五月| 黄桃AV无码免费一区二区三区| www.狠狠操| 欧美槡BBBB槡BBB少妇| 亚洲欧洲中文日韩久久AV乱码| 五月婷婷操操| 91pornav在线| 精品久久99| ss五月天激情| 99色最新在线视频网站| 999久久久国产精品| 婷婷丁香五另类网站| 婷婷综合激情| 无码激情AAAAA片-区区| AV免费在线网站| 玖玖婷婷色五月| 色五月首页| 国产成人AV人人爽人人澡Va| 成人精品99| 人妻精品一区二区三区| 久久丁香五月天| www.99视频| 婷婷婷婷午夜| 色婷婷88| 5月丁香综合网| 日韩操| 天天做天天爽| 亭亭玉月丁香| www。五月,com| 91在线视频综合| 99久久久久| 激情99。| 天天操综合网| 九九aV| 新激情婷婷| se99热久久一本| 九九综合色| 99在线看片| 开心五月网 | 人人人操Av| 五月天婷婷黄色| 久久视频婷婷| 野战J办公桌椅H| 岛国资源站| 久久婷婷精品| 色狠狠色噜噜噜a天堂一区| 丁香五月综合激情性爱| 日本操B视频在线观看| 色五月五月婷婷| 五月婷婷六月激情| 狠狠色九月| 另类激情五月天。| 久色欧美| 伊人91| 涩玖玖免费视频| 五月天久久久| 五月天伊人网| 国产午夜伦鲁鲁| 玖玖婷婷综合| 五月天婷网| 综合色播| 97在线视频 欧美| 婷婷五月综合色中文字幕| 亚洲经典小视频| 99久久久久| 综合网精品99| 五月天激情播播网| 综合网啪| 日韩无码亚欧无码| 丁香狠狠| 九九九九国产| 韩国97天堂| 五月色婷婷亚洲 | 久色资源| 午夜亚洲AV日韩无码| 97视频.干com| 婷婷草| 久久久97| www99精品| 久久机热这里只有精品| 日日天天天| 国产精品视频| 99ri久久| 六月色日韩| 大香蕉久久久久| 狠狠草综合网| 九九成人| 思思热久久阴99| 丁香久久| 久久桃花网色婷婷| 日本色婷婷久久99精品91| 久久艹99| 亚洲成人av在线观看| 亚洲激情99| 五月色色网| 91jiuseshunv| 久99热| 婷婷精品视频| 五月婷婷性爱| 无码区婷婷五月花开| 91传媒无码人妻精| 天天爽夜夜爽| 亚洲视频在线网站| oumeisesewang| 欧美色色色色色| 色99www.| 色色AV色色色东莞| 日韩av高清| 丁香五月天五码婷婷| 青青草成人网| 狠狠干综合| 久久综合影院| 亚洲成人网站在线| 五月天综合在线观看视频| 欧美槡BBBB槡BBB少妇| 色婷婷婷av| 成人av在线电影| 激情丁香五月AV| 亚洲激情网站| 亚洲成人日韩无码精品| 五月天婷婷高清无码| 成人美女网| 激情六月丁香综合| 99在线观看| 午夜婷婷丁香| 六月丁香网| 亚洲综合九九| 色五月综合在线| 99热这里只有精品1025| 少妇高潮一区二区三区99欧美| 操逼巨乳91| 天天精品视频免费观看| 日本123区日韩欧美不卡在线看| 99国产小视频| 色久一| 丁香五月婷婷色情综合| 99碰在线视频| 五月婷婷激情网| 色婷婷AⅤ| 五月婷婷六月天| 中文在线成人| 996er热| 国产av影片| 2025年最新亚洲在线欧美| 成人AV播放| 亚洲va在线| 丁香六月婷婷缴情欧美| 日本操逼九九九九58日本操逼| 我淫我色婷婷五月天激情四射| 激情五月丁香在线观看直播| 九九精品9| www.26uuu.com亚洲电影| 国产片XXXXA片国语对白| 婷婷在线操| XX色综合| 韩国三级五月天婷婷。| 久久综合婷| EEUSS鲁片一区二区三区| 91在线日本| 九九青草热| 久青操| 欧美三级欧美一级| 开心五月六月婷婷| 少妇高潮呻吟A片免费看软件| 天天插夜夜爽| 九九爱精品网站| 婷婷涩涩五月天| 丁香九色不卡aaa| 激情五月久久| www色五月| 天天操天天曰| 蜜臀九九九九| WWW.久久99| 天天玩夜夜操| 情色婷婷五月天| 夜夜骑夜夜操| 九九爱看亚洲| 九九精品系列| 亚洲AV成人在线| 亚洲 综合中文| 欧美大肥婆大肥BBBBB| 操操啪| 六月色婷婷| 99热精品9| 色综啪啪啪啪啪啪| 国产 亚洲 在线| 欧美丁香婷婷天天操| 涩五月婷婷| 五月花丁香婷婷| 国产99久9在线| 中文激情网| 色五月婷婷、老熟女| 婷婷丁香精品视频在线观看| 日本一级特黄大片AAAAA级| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 久久在这里99| 麻豆AV一区二区三区| 婷婷五月天亚洲综合| 久久激情五月网| 久久久久9| 婷婷香五月| 五月婷婷,狠狠操| 久久538| 99久久九九| 182TV亚洲| 99ri精品| 色婷婷激情| 综合狠狠伊人| 在线成人国产| 色色五月天网站| 婷婷五月天激情在线观看 | 久久狠狠干| 色播丁香五月婷婷操:屄| 狠狠色婷婷综合开心影视| 丁香狠狠色婷婷| 97婷婷丁香五月天激情图片| 97干在线看| 婷婷伊人綜合中文字幕| 婷婷激情啪啪| 99re99热| 97自拍99| 97色婷婷| 91久热| 乱色色色| 激情五婷精品网在线观看网址| 婷婷五月乱交换| 色屌丝中文字幕| 五月婷婷丁香综合| 天天做天天视天天谢| 婷婷五月综合色小姐小说| 日日噜狠狠| 五月丁香在线婷婷蜜桃| 久久婷婷五月天懂色| 色九四色| 久综合网| 91色综合| 五月天婷婷在线AN| 77799热| 天天综合色丁香| 国产精产国品一二三在观看| 国产.亚洲.欧洲视频在线| 天天射天天射一道本日本社区| 色婷婷啪啪啪啪啪啪| 国产精品a无线| 色综合网址| 色五月视频,小说| 久久丝丝热| 欧美操综合| 超碰在线网站9| 91性高潮久久久久久久久| 久久性爱视频这里只有精品 | 亚洲色亚洲精品| WWW.五月天9999| AAA久久久AAA久久久AAA| 91色呦哟| 久久免费精彩视频| 爱射综合| 婷婷五月天小说| 视色综合| 天堂婷婷五月色| 91九色国产| 黄色99热| 99在线视频喷水| 色五月情| 色播丁香| AA丁香综合激情| 97综合在线| 人人爽天天爽| 亚洲五月色| 婷婷深爱五月天在线| 色五月天丁香| 91精品久久久久久久| 精品99在线观看| 丁香五月婷婷五月基地| 伊人婷婷大香蕉在线| 丁香六月激情综合| 可以看的av网站| 色八月婷婷| 婷婷成人AV| 在线成人av播放| 天天操天天插天天射| 黄色热99| 99热在线观看| 超碰日韩成人| 欧美性生交A片免费看| 亚洲中文乱字字幕在线永久| 尔尔AV一区| 99ri在线| 天天久久狠狠色综合| 国产成人亚洲综合A∨婷婷| 五月天在线视频尤物视频在线看| 五月丁香成人| 久久五月丁香激情综合| 欧美综合婷婷网| 婷婷伊人激情婷婷| 天天爽天天爽天天爽天天爽天天爽| 色综合久久久久| 嫩模aV在线| 大香蕉人在线65| 丁香五月婷婷Av| 亚洲成人网站在线| 欧美日韩国产一区二区| 丁香激情五月| 亚洲一区国产传媒| 中文精品在| 最新av在线观看| 久久婷婷色色| 国产精品久久99| 色VA| 99久久a线观| 婷婷5月色| 欧洲婷婷五月天| www..com色爱| 天天檫天天爽| 亚洲热综合| 婷婷丁香五月婷婷| 五月丁香好婷婷A片网| 久久婷婷亚洲| 99在线观看精品视频| 日韩啪啪网| 少妇性按摩无码中文A片| 91|疯狂丨高潮丨对白| 人人摸人人操人人爱| 婷婷婷久久| 开心五月婷婷综合在线精品素人| 天堂综合久| 99在线热| 天天爽夜夜爽夜夜爽精| 思思热精品免费视频| 丁香综合网| 成人在线不卡| 午夜婷婷| 久久五月天黄色五月天色网址| 精品人妻久久久| 丁香婷婷六月在线资源观看| 欧美色色色色色色| 六月丁香五月婷婷| 国产精产国品一二三在观看| 亚洲久艹| AAA久久久| 婷婷五月丁香综合激情小说| 99视频只有这里精品| 五月精品| 天天日天天舔| 日韩专区五月天婷婷丁香| 五月丁香天堂| 91欧美| 清色五月天| 99久久玖玖| 五月丁香婷婷中文| 成人做爰A片免费看网站找不到了| 123日本不卡在线| 婷婷五月中文字幕| 五月婷婷激情四季| 自拍盗摄 另类| 日本久久高清| 欧美日韩二区在线| 久久婷婷久久| 丁香久色| 五月天婷久精视频| 亚洲成人在线播放| 五月婷久草| 欧美综合123区| 欧美韩日AAA网站| 五月丁香成人小说| 狠狠狠狠狠| 91综合网| 丁香婷婷综合精品六月初| 婷婷五月天激情综合深爱激情| 伊人狠狠丁香婷婷综合尤物| 国产AV一区二区三区最新精品| 婷婷五月天首页激情| 欧洲毛片基地c区| 亚洲AAAA网| 天天综合色丁香| 99精品国产在热久久| 毛片九九九九九九| 好好干Av| 五月丁香色| 五月天播播| www色哟哟| 色婷婷影院| 五月激情婷婷六月| 97色碰| 亚洲区1| a色色色色色| 五月天狠狠| 99热精品在线在线| 久久久精品99| 天天操天天爽天天爱| 99色精品| 婷婷丁香五月综合久久| 99亚色色色| www.五月.com| 午夜成人片400| 色色色区| 五月婷婷丁香色播网| 极品人妻VideOssS人妻| 91性人人| 五月综合六月婷婷| www.久久久久| 久久免费丁香| AAA亚洲AV| 综合激情视频| 色婷婷亚洲综合av| 91dy.av| 九九综合| 四色五月视频| 久久人人人人妻| 99久久性爱| 日本99视频精品免费播放| 婷婷5月天av| 91碰碰视频| 婷婷丁香综合在线| 五月激情婷婷六月丁香| 综合网激情| 午夜婷婷久久 | 色色婷| 色五月婷婷五月天激情综合| 中文字幕网伦射乱中文| 9|无码久久久久久| 一本色道久久综合狠狠躁小说| 国产婷婷婷| 亚洲欧洲色色| 99热这里有精力| 激情五月天色色色| 99热这里只有国产精品| 无码人妻少妇色欲AV一区二区| 天天噜日日噜综合无码| 亚洲色婷婷五月天| 91av成人| 五月婷婷无码专区| 激情99| 色5月婷婷| 亚洲碰碰碰| 亚洲蜜乳AV| 99成人精品视频| 黄色国久久| www.久久五月天.com| 色五月 五月婷婷| 五月天堂色| 六月丁香中文字幕| 色色色97| 精品色色| 97艹| 丁香色婷婷五月天| 99操不停| 深夜激情网| 久久婷婷艹| 99热丁香五月| 亚洲综合色色色| 丁香六月婷婷久久亚洲天堂| 无码色色| 久久99久久99久久99| 五月婷婷婷婷婷婷艺术| 伊人高清无码| 天天爽人人爽| 欧美黄色一级录像| 狠狠干青青草| 91在线视频观看午夜福利| 热99这里只有精品视频| 日韩日比视频在线| 五月丁香婷婷成人综合网| 伊人大香蕉毛片| 婷婷五月天综合色| 97涩婷婷| 九九热在线精品| ...婷婷五月综合不卡,国产在线手机| 人人摸人人摸| 色婷婷情片| 六月婷婷久久| 99男人天堂| 丁香五月区| 成人av在线电影| 五月激情啪啪| 五月丁香日本一抹本| 操一区| 国产婷婷综合| 97人碰人操| 色五月在线视频观看| 色婷婷另类| 天天色99| 99久久99久久综合| 疯狂做受XXXX高潮A片动画| 亚洲热综合网在线观看| 天天日天天肏天天奸| 17.c黄色| 超碰色天堂| 久99热在线观看| 综合AV在线| 99只有精品| 丁香五月天在线直播观看| 婷婷婷狠狠| 婷婷天天婷婷天天澡| 六月婷欧美| 99精品在线观看视频| 99热这里只有精品98| 六月五月天婷婷涩播在线| 丁香六月无码播放| 久艹大香蕉| 日日噜噜夜夜狠狠久久丁香五月| 99re思思精品视频在线观看| 伊人网色婷婷五月天| 色五月天成人| 中文字幕在线日亚洲9| 婷婷在线播放| 亚洲AV无码影院| 五月天婷婷色| 婷婷亚洲丁香五月| 婷婷中文字幕在线| 中文字幕在线资源| 亚洲99综合| 无码日本精品XXXXXXXXX | 丁香五月婷婷激情中文| 99在线视频免费| 99精品视频免费观看| 亚洲综合色丁香五月天| 婷婷综合av| 久9久9热久热| 深爱五月亚洲| 丁香五月停停基地| 中文字幕日产A片在线看| 五月丁香婷婷三级| 亚洲成人免费在线| 婷婷五月丁香图片人人操| 五月丁香亚洲综合| 五月婷婷无码| 97碰碰九九视频| 99久精品视频| 色久在| 日本色超碰| 99九色视频在线观看| 久久99最新| 激情亭亭五月| 国产亚洲精品久久久久久郑州| 99热久| 色噜噜狠狠色综| 亚洲精品另类| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 色色婷婷五月天| 亚洲精级| 亚洲精品99| 日日插日日干| 久久98| 成片免费观看大全| 色色性爱视频| 激情五月小说婷婷| 日日干日日色| 大香蕉欧美在线| 久久99热网| 国产在线黄色| 婷婷精品综合| 亚洲性爱干干| 久99热在线观看| 不卡在线中文字幕无| 五月婷精品| 人人人va亚洲视频在线| 综合激情肏逼网| 免费在线观看AV网站| 91干| 俺也去在线视频| 五月天婷a在线| 国产色视频网站2| 亚洲最大五月天成人网| 丁香五月天网站| 91碰碰碰久久久久| 大香蕉久久| 激情五月天偷拍综合网| 丁香五月天欧美在线| 九九99免费视频| 国产三级在线播放| 一点色成人网| 婷婷91| 激情色色色| 伊人五月人妻精品| 色婷婷综合网站| 免费AV在线网址| 国产成人综合电影| 99精品网| 久久婷婷视频| 久久婷婷久久| 五月婷六月婷婷| 激情的五月| 91欧美| 91综合色| 免费看片在线观看| 99热爆在线| 99性爱| 久久六月综合| 国产激情在线| 这里精品| 亚洲人人操BD| 激情文学 综合 色| 99色天堂| 日本美女上人| 亚洲AV无码影院| 九九色黄色| 国产黄大片在线观看画质优化| 婷婷丁香五月亚洲17cao| 操逼巨乳91| 天天摸色吧天天摸色吧| 青青福利网| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 极品另类| 9999热在线观看| xxxx五月天色色| 久久免费高| 免费看成人AA片无码视频吃奶| 婷婷五月天久久| 七七色色综合| 天天影院色| 色中色综合| 伊人五月成人| 久久丁香五月婷婷| 六月亚洲婷婷6月中文字幕| 狼人久草| 色色操| 婷婷永久在线| 亚洲综合激情五月久久| 综合色情网| 色综合激情| 久久婷婷五月综合伊人| 色五月开心久久网| 久久久亚洲成人无码A片| 色色五月婷婷狠狠| 丁香五月天AV在线| 激情五月成年| 色色网站日本91| 七月丁香婷婷 色色| 夜色热久| 26uuu亚洲| 狠狠狠狠操| 狠狠久综合| 26uuu激情五月天| 五月开心婷婷| 日夜夜久久| 五月天五月天激情网| 夜夜骑天天操| 色99在线视频| 五月天婷婷久久| 婷婷五月丁香欧洲| 91日日日| 久久婷婷亚洲| 夜夜操天天干| 狠狠色色| 另类小说五月天| 老师的粉嫩小又紧水又多A片视频| 国产av一区二区三区| 噢美99| 亚洲AV久久久久久久久久久久久久久久| 96丁香婷婷九月蜜桃综合久久| 亚洲五月六月婷婷| 99热最新国内| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 色婷婷影视| 五月色亚洲| 激情开心五月天| 色狠狠婷婷| 婷婷久久女人| 热99在线精品| 色欲婷婷五月天丁香| 九色视频91疯狂| 日本三级大片| 五月婷婷开心色伊人| 狠狠va| 少妇人妻凹凸视频| www99热| 99re免费精品视频| www.天天干| 五月丁香久久久| 色很久综合| 日本在线视频www色| 97干97色| 激情婷婷亚洲五月| 久久久久人妻精选| 色香久久| 九九碰九九爱97| 久久婷婷超碰| 激情六月天婷婷| 天天搞夜夜叫| 久热播这里只有精品| 五月综合激情| 婷婷五月激情中文字幕| 婷婷丁香激情五月天色色色| 亚洲人妻电影| 婷婷激情伍月网| 丁香社区婷婷五月| www.日韩国产| 国产美女无遮挡裸体毛片A片| AV片在线观看| 99热综合在线| 男人天堂亚洲综合| 牛牛碰免费| 五月丁香无码| 噼里啪啦完整版中文在线观看 | 日熟女| 婷婷五月花免费视频在线| 五月婷婷六月基地| 五月丁香啪综合| BBWCUCKOLD精品熟妇| 日本人妻操| 婷婷丁香69精华| 俺去也在线视频| 大香蕉520| 五月丁香色停停啪啪啪| 亚洲一级色电影| 色婷婷色久综| 99热亚洲| 国产毛片精品一区二区色欲黄A片| 五月婷婷黄色毛片| 久久草人妻| 色五月丁香六月欧美综合| 久久久com| 国产女18毛片多18精品| 九九综合| 99思思| 天天插天天爱| 99er热精品视频| 欧美天天干五月丁香| 婷婷五月天天天| 免费看欧美成人A片无码| 婷婷中文字幕在线| 伊人六月无码视频| 五月丁香婷草| 欧美内射AAAAAAXXXXX| 五月丁香六月婷婷成人| 婷婷五月天成人动漫| 丁香五月天堂网| 91人久| 婷婷五月丁香啪啪| 九九精品在线观看视频6| 色五月大香蕉| 欧美婷婷丁香五月| A一级操| 天堂综合久久 | 色婷狠狠| 风流少妇A片一区二区蜜桃| 夜夜爱影院| 日韩无码人妻一区二区三区综合| 五月丁香免费视频| 日韩无码亚欧无码| 五月色丁香婷婷中文字幕| 婷婷五月激情图片| 极品五月天| 婷婷舔| 久久九色| 久久婷婷五月天激情| 激情五月com| 99re8在这里只有精品| 久久婷婷激情四射五月天| 丁香综合伊人AV| 99热精品在线播放| 综合久久高清| 天天日,天天插| 亚洲电影在线观看| 激情丁香社区| 泰州成人视频| 婷婷五月丁香基| tingtingjiqingwuyue| 91丨九色丨熟女丰满| 色爱爱综合网| 极品 少妇 内射| 天天爱天天操| 中美月韩免费A片| 精品人妻一区二区三区四区不卡在| 中国女人内射6XXXXX| 婷婷九九| 99热成人| 久婷自拍视频| 丁香五月五婷| 伊人婷婷福利网| 五月情四婷婷| 丁香桃色网| 久久停停超碰| 无码髙清| 人碰91| 丁香婷婷中文字幕| 无码免费人妻A片AAA毛片西瓜 | 久久久久思思热| 国产欧美熟妇另类久久久| 丁香五月亚洲AV| 天天色色天天| 久久久99视频| 玖玖爱资源站| 亚洲 成人 电影av在线观看| 色五月天在线| 婷婷丁香成人色综合| 深爱激情九九五月天| 疯狂做受XXXX高潮A片| 99re熱| 午夜五月天| 91AV婷婷| 9久国产| 国产九九一区二区三区| 亚洲最大视频| 97操| 婷婷六月激情| 97干在线看| 色老久久| 铁牛TV人妻| 婷婷99中文字幕| 七七九色| 天天操加勒比| 色婷婷综合电影| 十月色综合| 婷婷丁香视频| www.五月天婷婷| 日本人妻操| 激情五月天激情小说| 69精品人人人人人人| 国产精品人人妻人人爽| 欧美日本高清视频99| 少妇人妻人伦A片| 99热99精品| 婷婷综合| 夜夜骑日日操| 北京熟妇搡BBBB搡BBBB| 国熟女视频| 亚洲综合网在线| 激情综合色婷婷啪啪六月天| 色色欧美。| 亚洲第一精品成人999久久精品| 五月丁香六月停停停| 欧美激情综合五月色丁香| 五月天婷婷社区久久综合| www.maotanji.com| 婷婷激情五月| www.91久久| 激情婷婷丁香色五月综合| 五月天丁香啪啪网| 五月天俺去也| 六月丁香狠狠爱| 91丨九色丨大屁股| 亚洲午夜AV| 婷婷五月天色| www.日韩艹| 婷婷色网址| 综合色影院| 99热自拍| 丁香五月综合| 亭亭五月激情亚洲在线| 婷婷丁香五月天色色| 色婷婷综合影院| 久久99网站| 香蕉AV777XXX色综合一区| http://www.lingjunshare.com/| 1024成人免费看| 看全色黄大色大片| 久久婷婷影院| 国产精品人人做人人爽人人添| 色情免费视频播放| 九九99男女视频在线观看| 亚洲中文字幕AV| 五月婷婷综合网在线播放| 欧美偷偷操| 91九色丨国产丨爆乳| 免费的日逼视频| 91怕怕网| 玖玖在线视| 丁香五月婷婷色五月| 人人操操97| 日本三级日本三级99| 森林影视大全,最好看的2019年视频 | 色播综合| www,五月天com| 98国产精品综合一区二区三区| 三级大香蕉网| 任你擦免费视频| 中文字幕无码人妻少妇免费视频 | 五月婷久久| 国产欧美精品AAAAAA片| 久久九九热视频| 丁香色六月| 成人做爰A片免费看视频| 韩国天天婷婷| 亚洲中文字幕av| 99热这里有精品| 丁香六月婷婷综合缴| 五月婷成人| 超碰在线个人观看| 欧美久久婷婷| 五月丁香激情综合六月涩涩爱| 色婷婷综合在线| 99热这里只有精品4| 99热国产在线| 久操干| 99色婷婷| 99热都是精品| 亚洲国产婷婷色五月| 99视频| 夜夜 操无码| 99色视频在线观看| 9久国产精品| 4399啪啪视频| 婷婷五月天AV在线| 麻豆123区| 五月天婷婷网站888| 丁香香蕉射射射| 日本不卡中文字幕| 妻久久久久| 久久色五月| 4399无码视频| 99毛片| 五月色丁香激情| 综合婷婷| 五月婷综合| 丁香五月性爱| 激情久久久久久久久| 亚洲AV无码久久精品色欲| 久热AA| 国产偷人爽久久久久久老妇APP| 天天爱天天狠天天透| 婷婷丁香午夜综合影视| 5五月综合网亚洲| 精品亚洲国产成AV人片传媒| 噜噜噜狠狠色综| 丁香婷婷在线| 精品国产人人爱人人| 99热在线精品播放| 9久热精品在线视频| 玖玖综合网| 久久99热这里只有精品| 插插干干干色| 99九九综合久久九九| 精品九九婷婷| 午夜69成人做爰视频| 99热精品在线播放| 天天日综合| 九九五月天| 亚洲婷婷视频| 91无码高清| 大香蕉久久综合网| 丁香六月激情| 高清不卡一区| www.天天干| www,婷婷五月天,com| 婷婷99狠狠躁天天躁| 国产黄色一级片| 99色热综合| 亚洲综合五月天婷婷| 婷婷五月色惰| www.亭亭五月天| 日本色婷婷久久99精品91| 婷婷射丁香| aV欲望人妻中文字幕| 午夜丁香久久久久久| 精品亚洲国产成AV人片传媒| 久婷婷| 天天爽天天摸| 色婷婷丁香六月| 五月婷激情影院| www.婷婷com| 综合色久| 久久色9| 欧美日本va| 久久亚洲色导航| 亚洲综合无码| 九色地址91视频| 9 9热这里有精品| 久久综合26p| 五月丁香六月片| 日本欧美成人片AAAA | 日韩免费视频| 婷婷丁香18| 久久作爱| 91久久九久久九久久九久久九久久| 亚洲天堂aaa| 激情婷婷五月天日本系列| 激情亚洲五月| AV激情五月| 六月婷婷天天操夜夜爽视频| 97超碰综合| 99久在线精品99re8| 99久久99视频| 在线资源av-超碰中文在线-成人AV| 激情色情五月天| 九月丁香婷婷网| 无码激情AAAAA片-区区| 一点色成人网| www色色色com| 无码少妇高潮喷水A片免费| 午夜丁香| 99热精品在线播放|