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
99视频这里有精品| 天天情天天狠天天透| 国产Va视频| 五月丁香久久网| 五月天堂六月丁香亚州中文字幕久久| 丁香五月婷婷色| 天天色情站| 六月丁香婷婷综合色播| 日本一级一级一级一级| 五月天色婷婷小说| 97操碰在线97| 人人摸人人澡人人| 亚洲一级色电影| 五月色色网| 玖玖精品婷婷| 97干视频| 婷婷激情中文综合| 亚洲偷| 天天色综合色| 久久九九99视频| 国产另类综合| 亚洲免费成人电影AV| 99久久久| 亚洲综合碰| 开心五月婷| 综合激情五月丁香| 五月婷婷人妻| 久久激情天堂| 91久久精品无码一区二区三区| 色九九七七| 久久五月天婷婷| 婷婷五月天毛片| 色五月婷婷91| 婷婷区日本| 婷婷色色综合| 婷婷成人AV| 啪啪91| 五月天综合在线| 五月色丁香国产在线视频| 久久一级AV| 激情婷婷六月| 五月婷精品| 五月婷婷激情综合| 婷婷色基地| 五月丁香婷婷综合视频| 我爱大香蕉| 五月婷婷熟女| 玖玖精品婷婷| 办公室少妇激情呻吟A片在线观看| 呦呦v线| 亚洲国产精品VA在线看黑人| 五月丁香综合中文| 激情五月天无码| 久久五月情| 91精品在线看| 色播婷婷五月天| 色一情一乱一乱91Av| 色色五月婷| 五月婷婷色丁香| 爱狠射| 久久婷婷成人| 五月天婷婷视频30| 大香蕉久久伊人婷婷五月丁香| 五月综合激情| 久久WW| 激情视频婷婷五月花| 第四色五月天| 五月婷婷开心亚州在线| 91中文在线| 五月婷婷啪啪| 曰日爽日日操| 亚洲女婷婷五月基地综合久久久| 色域五月婷婷丁香| 亚洲综合欧美色丁香婷婷888月图片| 97久久精品| 五月色情网| 久久久99日本大片| 91热久88| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 亚洲啪啪视频| 婷婷色5月激情网| 99精品热视频| 日本一区二区三区精品视频| 国产人妻777人伦精品HD| 天天色天天爱天天爱天天爱y| 99色在线观看| 97人操人免费视频| 中文字幕成人日韩| 色色色激情网| 天天做夜夜爽| 免费国产视频| 99爱视频在线| 天天撸天天干天天插| 亚洲成人在线播放| 日本久久精品18| 亚洲妇女熟BBW| 日韩三级高清无码| 婷婷五月天资源| 婷婷丁香五月天哟啪| 亚洲国产黄色电影| 超碰成人在线免费观看| 级人人91| 日韩成人中文| 天天操夜夜操| 色吧五月| 996er热| 天天爽天天摸天天爱| 婷婷久久免费看| 久久色五月| 中文字幕av网站| 亚洲亚洲人成综合网络| 亚洲激情四射| 五月天婷婷基地| 日日夜夜天天综合| 色色五月婷婷丁香| 综合综合网| 99亚洲综合| 99热亚洲| 五月丁香婷婷中文| 久久久久久久97| 五月丁香六月片| 婷婷91| 丁香五月综合婷婷| 九九九九毛片| 99re热在线视频| 五月婷婷草| 99视频一区| www色婷婷久久综合久色 | 婷婷五月天亚洲综合| 五月天激情网址| 色色五月天激情| 色情五月婷| 青青日韩| 婷婷久久五月天丁香| 欧美超碰亚洲| 97超级碰碰碰| 999精品乱码77777| 特黄三级片| 99爱99操| 国产精品大香蕉| 中文字幕,综合,91| Caop在线| 超碰操网| 激情深愛五月視頻| 天天综合.com| 五月天婷婷五月| 色五月丁香婷婷综合| 色婷婷视频| 开心 五月 综合| 国产色丁香| 欧美A级网站| 中文字幕,综合,91| 日韩精品电影| 色色色婷婷五月| 一起草无码| 激情文学第四色婷婷丁香五月| 一区二区三区四区牛| 丁香婷婷浪潮AV久久综合| 春色激情| 色婷婷色综合激情91| 久9精品| 色你久久| 26uuu国产色| 婷婷五月丁香综合激情小说| 五月丁香六月婷婷视频| 超碰猛烈的性猛交| 综合五月婷婷| 超碰免费人人肏| 97涩婷婷婷婷基地| www.99成人视频| 涩涩五月天| 囯产精品久久欠久久久久久九大| 在线观看免费观看在线9久| 色五月激情五月| 九九精品9| 国内久久婷婷| 国产激情视频在线观看| 激情五月综亚网| 五月婷婷香蕉| 婷婷成人视频| 很很干天天干| 人人操人人妻| 操人无码| 六月色丁香中文字幕| 婷婷五月综合亚洲| 丁香五月欧美| 超碰在线资源| 欧美精品999| 丁香女人五月天| 亚洲开心激情网| 亚洲综合色丁香五月天| 综合XX网| 中文字幕无码人妻少妇免费视频| 97超级碰碰碰久久久| bukadeavzaixian| 九色PORNY自拍成人精彩视频| 婷婷五月成人色综合| 国产精品蜜臀99| 午夜爱爱网站| 超碰婷婷色| 亚洲AVwwwwwww| 色综合久久久久| 五月丁香婷婷婷婷综合网| 婷婷五月天天天| 色综合五月| 97日本在线播放| 五月天丁香久久| 丁香桃色综合网| www夜夜操| 99热只有| 久久久久久久久久91| 麻豆科斗777| 婷婷五月天高清无码| 伊人久久艹| 九九视频在线观看视频6| 久久久免费图片视频| 久色网| WWW.99热| wwwss在线观看| 五月五月婷婷| 色婷婷丁香五月色综合网| 丁香五月日韩| 久久精品女人天堂AAA| 丁香五月综合色婷婷| 五月婷婷啪| 激情五月丁香五月| 日韩在线9| 五月天婷婷成人资源站| 久久婷五月天| 99热9999| 亚洲成人无码网站| 天天久久婷婷| 五月婷婷婷婷婷婷艺术| 97人人干| 亚洲另类电影| 色婷婷丁香五月| 99A片| 欧美美女视频| 97香蕉碰碰人妻国产欧美| 99r这里| www.天天干| 丁香五月婷婷综合激情啪啪啪啪啪啪啪| 久久这里这里有精品免费视频| 色偷偷五月天| 色婷婷亚洲综合av| \\五月天婷婷激情| 大香蕉人妻| 99热精品观看| 久久伦乱| 热99精品视频五月| 99啪啪网| 色婷婷五月影院| 天天日天天干天天插天天射| 天堂在线观看视频| 色五月婷婷啪啪五月| 丁香九月激情| 国产精品久久99| 狼人婷婷综合| 亚洲第一成人无码A片| 五月丁香成人视频| 五月丁香综合久久夜夜| 人妻无码精品一区| 国产女生爱爱AA| 人人看人人要| 激情婷婷五月在线合集| 5月婷婷五月天| 风流少妇A片一区二区蜜桃 | 热99re| 久久久久9| 九色91视频| 色天堂在线| 9伊人网| 丁香婷婷色| 人妻丰满精品一区二区A片| 激情五月综合网| 久久三级视频| 久久中文人妻系列| 高清无码网址| 欧美综合五月丁香六月婷| 人妻丰满精品一区二区A片| 精a品a视a频| 色五月婷婷五月| 九九性视频| 五月色影院| 婷婷中文字幕| 成人做爰A片免费看网站找不到了| 天天日天天舔天天摸| 色色吧综合| 色丁香五月婷婷| 色婷婷久久| 久热大香蕉| 激情伊人五月天| 五月婷婷色白丝| 五月天激情图片| 综合久久久婷| 久久九九99| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 色人久夂| 可以看的av网站| 久久色五月| 开心五月色婷婷综合开心网| 婷婷综合网站| 香蕉97碰碰碰超视精品| www.99热这里只有精品| 啪啪婷婷五月天激情| 夜夜操加勒比| 五月亭亭网成人在线视频| 五月婷六月| 深爱婷婷网| 丁香五月日啪| 久久久久视剧HD| 色99在线| 日韩成人免费电影| 欧美色片中文字幕久久久久| 99热色精品| 五月婷婷综合激情网| 99热这里只有精品青草| 激情黄色小说五月天| 国产探花一片区| 九色啦蜜臀| 任你草| 无码人妻少妇色欲AV一区二区| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 99色在线观看视频| 日本狠狠爽| 99视频啪啪| 久草热在线视频| 99日韩| 无码一区精品一区视频| 高清无码网址| 色五月天综合| 婷婷五月精品中文字幕| 99国产精品久久久久久久久久久 | www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 午夜激情五月天| 久久久99婷婷久久久久久| 性一交一乱一交A片久久四色| 激情婷婷五月色| CAoub青青超碰| 五月天丁香| 激情色情五月天| 99热精品超碰| 国产人妻777人伦精品HD| 五月色俺婷婷| 那里有AV网址| 91chinese 在线| 99性爱视频| 深爱五月激情| 六月米奇色综合| 激情婷婷九月| 68热超碰在线| 狠狠操狠狠爱| 色婷婷五月在线| 亚洲色欲欧美一区二区三区| 大香蕉久艹| 97超美国视频在线观看| 九九色精品| 丁香五月亚综合图片| 婷婷五月色花丁香社区| 婷婷涩涩五月天| 激情网 久久| 性色婷婷| 婷婷日日夜夜| 丁香五月成人论坛| 婷婷黄色| WWW·色色色·COM| 北条麻妃伊人 | 26uuu精品一区二区| 亚洲成色综合网站免费观看| 色99在线视频| 色色色色色日韩午夜激情 | 色情综合网| 天天色天天日天天舔| 婷色五月| 97超碰在线免费观看| 五月天激情色色| 婷婷啪啪| 九九碰九九爱97超| 色五月大| 狠狠高潮精品亚洲1| 久久婷五月综合色| 亚洲视频a| 天天综合网~91| 综合狠久久| 日本三级日本三级99| 天天做天天爽| 五月丁香色| 开心五月丁香啪| 安息电影在线观看完整版| 久久精品4| 久久加勒比| 97午夜一区二区| 99国产精品白浆在线观看免费| 翔田千里 50岁 无码| 五月亭亭性| 九玖欧洲亚洲| WWW.桔色成人.COM| 丁香五月日啪| 欧美va精品va老师va| 色婷婷第四色| 色综久久久| 亚洲操操操| 99亚洲视频| 丁香婷婷色情社区成人小说| 丁香激情六月天婷婷| 九月婷婷久久| 丁香五月激情宗合网| 九九色播五月丁香| 爆乳熟女一区二区三区爆乳| 人人操人人看97干| 男人視頻站| 最新高清无码专区| 日韩AV免费电影在线播放| 九九热精品| 五月天激情综合| 狠狠做深爱婷婷久久综合一区| 久久色五月| 久色大| 日韩淑女人妻luan伦激情精品一区二| 色婷婷色99国产综合精品| 亚州操人在线视频| 综合在线色婷婷| 99色网站| 黄色三级日本| 亚洲另类在线观看| 五月天激情四射| 九九碰九九爱97超碰| 337p大胆噜噜噜噜噜91Av| 五月天婷婷社区| 久久婷婷综合五月天| 亚洲精品成人| 婷婷五月天av| 在线观看视频1区| 九九Y精品热播| 久久婷婷东京热大香樵| 996er热| a网站免费观看| 天天天操天天天爰| 日日夜夜小色哥| 五月婷婷激情综合网| 99这里只有精品视频| 99热只有| 五月天色五月| 婷婷丁香激情五月天色色色| 丁香五月激情月| 99在线免费视频| 日韩九九视频| 天天摸天天高潮天天爽| 婷婷五月影院| 97香蕉碰碰人妻国产欧美| 婷婷97狠狠成人网站| 麻豆观看夏晴子| 久久全色| 婷婷久久网| 开心久久爱五月天| 99久在线精品99re8| 99热综合在线| 亚洲精品V天堂中文字幕| 91制片厂久久久国产电影| 超碰人人操人人9| 久久伊人婷婷| 五月婷婷深爱六月| 丁香五月婷婷综合精品素人| 色99视频| 九九久久污| 色色丁香婷婷| 婷婷五月天成人网站| 激情5月婷婷| 日韩超碰在线| av中文字幕免费观看| 久久宗合影| 五月天婷婷激情网| 丁香六月婷婷综合欧美| 激情色播| 五月丁香婷婷激情爱爱| 激情四射五月天偷偷看婷婷| 天天干天天射色综合| 久久久WWW| 丰满少妇乱A片无码| 亚洲AV无码成人精品区电影网| 色情五月丁香| 色久五月天| 五月婷婷综合激情| av人人操| 亚洲精品操一操、噜一噜、摸一摸、爽 | .comwww在线观看免费操| 97人人超| 国产婷婷五月色情综合| CHINESE熟女老女人HD视频| 五月婷丁香久久综合| 99re66热这里只有精品| 五月丁香六月婷婷的女人| 99综合视频一体| 日本成人内射| 99热精在线九九久久保| 精品成人在线观看| 色色色色色色色五月| 99久久婷婷国产综合| 五月婷婷啪啪啪啪| 99综合视频一体| 亚洲九九99精品视频在线播放| 国产 亚洲 在线| 99er精品视频| 国自产拍偷拍精品啪啪一区二区| 亚洲成人网在线观看| 好激情在线综合网| 深爱激情五月天| 五月婷婷色综图片| 久久99热这里只有精品| 五月婷婷涩涩爱| 99re热在线视频| 视频色色色色色色| 日韩AV免费电影在线播放| 五月丁香999| 日日天天干| 天堂伊人干| 人人草成人视频| 熟女网站久久| 婷婷丁香91| 国产精品久久久丁香五月八戒视频| 四色99久久| 亚洲成人超碰| 天天狠狠六月婷丁香影院| 国产精品色情AAAAA片软件| 婷婷黄色五月| 青草热视频这里只有精品| 国产精品色色| 亚洲性受XXXX五月丁香| 亚洲成人影视在线观看| 99久精品视频| www.婷婷五月天| 九色综合五月天婷五月| www.激情五月天com| 婷婷五月天成人网| 激情涩涩网| 五月丁香| 少妇激情基地| 97婷婷丁香| 九月大香蕉| www.sezonghe| 噼里啪啦完整版中文在线观看| 丁香五月婷婷偷拍| 久婷五月| 五月天天综合| 婷婷六月综合基地| 色色激情五月| 天天操婷婷| 色色色五月婷| 久热一本| 91狠狠色丁香婷婷综合久久| 久久婷婷五月| 五月丁香色婷婷伊人| 久久精品系列| 成人五月天丁香婷| 91操片| 国产.亚洲.欧洲视频在线| 婷婷成人五月天成人文学| 99热99| 五月激情婷婷丁香| 哇嘎成人久久| 大香蕉久艹| 亚洲另类电影| 九色婷婷| 开心婷婷五月激情网小说 | 1024操逼视频| 日本精品99| www.激情| 乱岳熟女50岁| 九九色视频| 操逼综合网| 99热精品在线观看| 77777亚洲午夜久久| 天天操天天草天天草天天| 婷婷五六日| 国产精品第一国产精品| www开心激情网| 日韩欧美成人网| 久久金品黃色| 久99视频在线观看| 亚洲成人免费在线| 狠狠狠激情网| 婷婷久久色| 久久亚洲无码| 97精品综合久久| 激情综合婷婷| 丁香五月婷婷骚视屏| 第1影院之五月婷婷| 色色AV色色色东莞| 亚洲综合九九| 92久久精品一区二区| 五月婷丁香亚洲| 色yeye色综合| 亚洲精品国产成人AV在线| 五月丁香网av| 97操女视频| 色99热| 日韩黄黄| 一本狠婷婷综合| 九九 激情 网| 天天艹天天综合网| seav天堂| 天天操天天操天天操天天操天天操| 黄久久久| 蜜桃人妻无码AV天堂三区 | 五月天婷婷色播在线网| 超碰人人99| 久久精品性爱| 色色色国产| 色综合久久88色综合天天99| 国产精品久久久久9999小说| 天天日天天日天天搞| 99亚洲视频| 久热99| 91婷婷五月天嫩女| 婷婷综合| 亚洲图色五月天| 玖玖资源在线视频| 久色欧美| 色婷婷狠狠干| 久久9999| 色五月婷婷777| 另类精品视频在线观看| 性爱网久久| 99视频| 免费看欧美成人A片无码| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 精品一二三区视频立| 色九九一二| 99操视频| 激情六月丁香| A久网| 秋霞电影一级黄| 国产44页| 色丁香五月婷婷| 人妻肉射免费观看| 伊人五月天综合网| 日本在线wwww| 国产五月视频| 丁香五月婷婷五月| 色婷婷精品视频| 清色五月天| 久热综合| 综合久久久婷| 久久婷综| 日韩精品AV一区二区三区| 九热免费视频| 夜夜骑夜夜撸| 色丁香久综合在线久综合在线观看| 99热这里只有精品1025| 丁香五月婷婷高清| 影音先锋91在线资源站| 六月激情网| 色情久久久| 香蕉色色网| 99热这里只有精品青草| 丝袜激情网| 天天日人人爽| 99热福利| 99久免费视频| 欧美成人AAA片一区国产精品| 91视频一起草| 第六色在线| 五月婷婷久久久| 精品九九网| 色色亚洲99com| 成人精品一区日本无码网| 97人人射| 久九色| 丁香五月激情五月| 婷婷综合五月天亚洲综合| 春色激情第四色| 色五月xxx| 人妻人人操| 六月丁香色色色| 久久久免费图片视频| 99精品视频播放| 亚洲精品第一色色色色色色| 国产做A爰片毛片A片美国| 激情五月天社区| 亚洲黄色影视| 日本久久99| 91性高潮久久久久久久久| 婷婷丁香六月天| 丁香婷婷五月| 99精品视频网| 婷婷五月天免费| 色五月丁香婷婷综合| 成人五月天在线观看| 91日韩在线| 青草青草久热这里只有精品| 4399欧美另类视频| 五月激情婷婷国产精品久久久久久| 丁香婷婷久久综合在线| 激情五月婷婷她| 五月婷婷亚洲色图| 亚洲蜜乳AV| 国产三级在线播放| www:99热视频| 色九月婷婷丁香| 久久五月激情综合| 九九热AV| 精品人妻伦| 色播五月丁香婷婷| 五月婷婷无码专区| 丁香五月激情综合啪啪| 婷婷激情五月天激情| 久色资源| 九九热自拍| 五月丁香啪啪啪| 婷婷亚洲综合| 狠狠爱青青草| 丁香社92视频| 97在线刺激| 久久久精品视频79| 婷婷五月天少妇| 狠狠色婷婷六月激情网| 天天色,天天日,天天做| 婷婷五月婷婷| 婷婷综合在线| 色五月激情五月| 久久一级AV| 亚洲AV电影av| 五月丁香欧美综合| 怕怕av| 伊人色欲五月天| 亚洲九九夜夜| 呦呦v线| 亚洲精品99| 超碰成人黄色网| 久久免费干| 色婷婷五月天成人网| www一起操| www.99久久久| 欧美综合激情五月丁香| 六月天无码网址| 先锋男人99资源| 色噜噜,噜噜色| 蜜乳.comcom| 99视频这里只有久久精品| 五月天 无码| 日本久久99| 欧美性猛交99久久久久99按摩 | 激情综合五月天| WWW.国产| 大香蕉Av在线| 婷婷五月综合婷婷| 丁香五月激情综合啪啪| 超碰在线免费| 中文字幕网伦射乱中文| 人人操人人干AV| 99这里只有免费的精品| 无码任你操| 久久99热这里只有精品| 丁香九月激情在线视频| 丁香五月婷婷黑人妻黄色电影院| 成人婷婷五月| 婷婷五月av| www.婷婷五月天| 色婷综合| 婷婷综合五月| 99视频这里有精品免费观看| 欧美婷婷| 99玖玖视频| 九九蜜臀精品| 天天日天天色| 激情五月婷| 99九九免费精品| 亚洲美女婷婷五月天| 日本人人xxx| 婷婷五月丁香五月| 99热网址| 天天天摸夜夜夜玩| 99热这里只有精品23| 伊人在线视频| 这里有精品| 色七七九九| 99久久er| 99操逼| 99色在线观看视频| 丁香五月六月激情| 99爱在线视频| 琪琪色热色色| 另类激情网| av大香蕉| 久久在这里99| 激情网综合| 六月丁香网| 玖玖玖婷婷婷| 丁香六月婷婷综合色| 丁香五月婷婷基地| 三级三久久线久久99久目本WW| 五月丁香婷婷老司机| 另类五月婷婷| 在线另类视频| 婷婷五月综合基地| 99热这里只有精品268| 天天天综合网| 丁香五月欧美成人| 5Www色5夜| 91精品综合久久久久久五月丁香| 婷婷五月六| 香蕉影院色| 激情五月综合视频| 超碰在线成人| se色综合网| 激情婷婷丁香色五月| 精品人妻伦一二三区久久| 久久曰曰| 五月婷婷五月天| 99视频这里有精品| 天天日综合网射| 26UUU欧美| 99热99天堂| 午夜无码精品色综合久久| 婷婷五月综合在线| 9久久精品视频| 色五月婷婷久久| 欧美日本国产| 在线播放 精品| 天天干夜夜操A片| 五月天桃色深爱网| 伊人激情| 亚洲情欲| 久热九九| 中文字幕综合网| 超碰无码318604| 色吧五月婷婷| 激情五月综合| 亚洲av网站| 天天人人人人人人人人人人人| 月色色综合婷婷网| 天天舔天天操| 日韩成人综合| 欧美综合激情丁香五月六月婷| 天堂网操| 五月天婷婷在线AN| 欧美五月婷婷综合| 亚洲激情97五月天| 超碰97在线操| 亭亭五月激情亚洲在线| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 九九热婷婷| 9精品视频在线观看| 综合网啪| 婷婷涩五月| 激情文学久久| 这里只有精彩小视频视频网站| 久久性爱视频网站| 欧美色婷婷| 99热免费| 五月丁香网中文字幕| 亚洲欧美在线观看| 五月天五月婷五月激情网| 久久九九思思| 欧美婷婷成人| 综合一区二区三区| 丁香五月久久| 丁香六月婷婷开心| 国产成人精品亚洲线观看| 五月天婷婷导航| 超碰啪啪网| 婷婷激情综合| 亚洲在线操| www.色五月| 久久视频这里都是精品| 97资源碰碰| 人人干天天舔| 九九成人电影婷婷| 欧洲亚洲精品| 色色色综合色| 99综合免费视频| 五月婷六月天| 欧美日韩五月婷婷| 91久久久久久久| 久久久久久久久久久久久久人妻视频| 精品香蕉99久久久久网站| 99热在线观看亚洲区| 丁香五月天亚洲综合| 亚洲天堂啪啪| 99热日韩这里只有精品| 91丨九色丨国产| AVDV久久| 一级片sese片.COM| 99精品视频免费观看近期发布| 吉澤明步Av一區二區| 五月婷婷导航| 六月色婷婷| 蜜乳A√| 欧美人人草草| 玖玖综合色| 色五月丁香激情视频| 99色在线视频观看| 亚洲另类电影| 国产精品久久久60086| 五月婷婷日本| 爱射综合| 丁香六月激情国产| 亚洲成人在线播放| 九九热123| 天天天天操| 五月色婷婷影院| 国产古装妇女野外A片| 99热这里是精品| 婷婷五月天视| 97亚洲精品| 五月激情小说网| 97色婷婷五月天| 激情综合区| 一本色道久久综合狠狠躁一二三| 五月天婷婷社区| 久久激情综合| 69人妻人人澡人人爽久久| 五月色色网| 五月婷婷六月奇米网丁香| 丁香五月综合激情啪啪| 日韩在线观看网址| 日韩在线视频中文字幕| 夜夜操狠狠操天天操| 99网址在线看| 精品综合网在线| 国产成人AV在线播放| 婷婷五月天AV激情| 免费看片操逼| 亚洲操操操| 操骚货在线| 五月婷色丁香| 综合久久97| 色婷婷狠狠久久综合五月| 第四色五月天| 五月天激情小说| 色五月婷婷啪啪五月| 少妇高潮一区二区三区99欧美| 99热亚州综合| 婷婷五月天综合网| 激情人妻综合| 五月婷无码| 91AV婷婷| 久久全色| 狠狠爱青青草| 婷婷成人视频| 91色噜噜狠狠狠狠色综合| www.色窝| 九九国产视频| 操婷婷久久| 热久久99热欧美国产亚洲| 五月婷婷深爱六月| 欧美久热| 六月激情丁香一道本7777| 色丁香五月| 99亚洲色色| 激情久久婷婷| 国产精品第一国产精品| 色欲一二三| 五月天婷婷黄色| 亚洲视频在线观看99| 色五月婷婷基地| 天天综合网~91| 黄色片avv| 色婷婷五月综合| 99精品热视频| 五月天婷婷免费视频| 99爱在线视频观看| 五月婷婷激情69| 77799热| 啪啪综合网| 色色色婷| 久久香蕉丁香| 99久久五月天| 99玖玖视频| 97色色色| 九九热最新地址| VA色婷婷| 久操综合| 97人人操| 国产免费一区二区三区三州老师F1F1.CC| 婷婷五月综合视频免费播放| 日韩av网址大全| 5月色亭亭视频| 久久之人妻| www.五月天色色.com| 97热在线精品| 小骚穴电影| 99re热在线视频观看| 激情久久网 | 五月婷婷亞洲中文| 婷婷免费无视频| 一二三区视频韩国| 五月激情综合五月| 亚洲五月丁| 成人五月天色天堂| 日本本土色网第一区| 99rewww| yazhou seshipin| 色热久资源| 五月婷婷激情综合在线| 婷婷激情五月天7| 久9久9热久热| 97久久人人| 亚洲激情在线| 美女天天久久| 安息电影在线观看完整版| 99热99成人| 婷婷欧美色| 天天操夜夜啊| 五月天亚洲最大成人| 99热久| 婷婷五月天黄色| 久久曰曰| 五月色综合网欧美网| 思思99热在线| 天天摸日日舔狠狠添婷婷婷| 五月激情综合深爱| 99色热综合| 五月天婷爱综合| 亚洲色色精品| 天天色天天爱天天爱天天爱y| 深爱激情综合网| 五月婷婷激情中文字幕| 成人视屏在线观看| 99热网站| 精品婷婷| 成人综合视频网址| 九九精品re免费视频| 另类激情五| 丁香婷婷色五月| www.五月激情.com| 99热久久这里只有精品2010| 综合婷婷五月天| 婷婷久草| 丁香五月激情网| 日本美女97在线视频| www.99操.com| 超碰色婷婷| 99热成人永久免费| 婷婷五月天性| 日韩aaaaa| 天天干天干| 久久伊人大香蕉| 1级欧美日韩| 怡春院久操| 99这里精品| 99热无码| 婷婷99狠狠躁天天| 五月婷婷六月丁香| 思思热在线视频精品| 色婷婷激情| 天天肏在线| 色综合网页| 激情五月婷婷色综合| 婷婷五月色色| 久这里只有精品| 九九九九这里只有精品| 碰97久久| 一本大道嫩草AV无码专区| 色婷狠狠| 五月婷婷干干干| 色婷婷色人人射| 在线中文字幕视频| 激情五月激情综合网| 色婷婷另类| 人人草成人视频| 337午夜福利| 色婷婷丁香五月| 99热精品在线| 亚洲成人中文字幕| 欧美大奶熟女噜噜噜噜| 俺去也五月天婷婷| 久久作爱| 51精品国自产在线| 五月天婷婷免费| 久久这里有精品99| 激情久久久久| 九九热狼人| 婷婷久草| 五月激情网五月综合网| 激情色色色| 五月天激情综合| 99热综合在线观看| 久久久久久9| 天天操夜夜玩!| 激情五月婷婷丁香| 夜夜干天天干| 色色色色色色网| 9色免费网| 另类激情五月天。| 亚洲aV写真天天综合网久久| 五月天激情婷婷| 日本99视频精品免费播放| 亚洲欧洲自拍图片专区五月天| www.日本91| 99精彩视频| 影视av久久久噜噜噜噜噜三级| 伦99热| 亚洲色视频| 五月婷婷日本| 婷婷丁香激情| 丁香婷婷六月| 99精品超在线播放| 六月伊人婷婷| 激情文学久久| 综合玖玖偷拍| 伊人久久五月天| 99热偷拍| 色播五月丁香综合| 婷婷五月天手机版视频| 26uuu国产| 真实熟女-91九色| 色色五月天婷婷| 日日夜夜久| 97色色色| 久99热在线观看| 色五月视频无码播放| 欧美影院婷婷| 天堂久久久久天堂网| 激情综合九月| 色综合色欲综合天天免费| 精品婷婷| 亚洲无码www| 丁香五月乱中文字幕| 噼里啪啦完整版中文在线观看| www.色五月| 激情亚洲婷婷| 激情丁香五月AV| va亚洲中文在线| 成人精品视频99在线观看免费| 综合婷婷| 婷婷伊人综合中文字幕| 久久影视婷婷五月| 国产日韩亚洲欧美在线观看| 天天玩夜夜操| 九九热黄色| 婷婷五月综合久久中文字幕| 97操| 激情五月天 婷婷| 亚洲天堂玖玖| 开心五月激情婷婷| 婷婷成人基地| 九九视频这里是精品五月| 中文字幕成人影视| 超碰丁香五月| 五月激情基地| 成AV人片一区二区三区久久| 婷婷五月天激情四射五月天激情| www夜夜| 免费色婷婷| 伊人狠狠干| 久久婷婷五月综合色区| 久久机热这里只有 | 色八月婷婷| 91Chinese在线| 人妻久久做| 99精品在线观看| 久久婷婷成人视频| 久热9| 日本美女天天日天天爽| 五月丁香色| 99热99在线| 婷婷啪啪| 五月天开心激情网色欲无码| 久久曰曰| www色婷婷久久综合久色| 综合久久久| 青青草原亚洲天堂| 九九综合久久| 国产精品操| 97干欧美| 国产欧美日韩性爱| 14色综合婷婷| 激情骚五月| 五月丁香综合激情网| 久久影视婷婷五月| 五月婷婷三级| 久草婷婷网| 五月婷高清视频| 亚洲三级无码| 5月婷婷五月天| 色婷在线视频| 五月丁香久久久久| 婷婷和五月天| 国产乱妇无乱码大黄AA片| 日韩av大全| 91国产精品视频播放| 日本va欧美va国产激情| 激情六月天婷婷| 99精品热| www.婷婷网| 久久婷婷青青草| 久久婷婷五月天蜜桃| 9月色婷婷| 成人短视频在线观看| 亚洲天堂AV免费片| 色www99| 色婷婷的五月天| 六月丁香啪啪| 狠狠色五月激情| 日日操夜夜擼| 婷婷五月天天天| 91男同| 成人精品视频99在线观看免费| 五月婷在线视频免费播放| 久久久久九九九九视屏小说88| 五月天成人免费视频| 色欲久久综合| 少妇水多A片太爽了| 五月婷婷视频ab| 在线看黄色| 亚洲综合在线视频| 操逼123网| 色涩影院六月丁香| 色色色色网站| 少妇激情五月婷婷| 丁香五月婷婷操逼| 99碰碰| 国产在线另类五月婷婷| 99九九热视频| 色五月综合网| 婷婷五月天激情网站| 婷婷丁香色情| 丰满少妇猛烈A片免费看观看| 久久六月综合| 五月丁香六月色婷婷综合五月天| 久久九九激情五月天| 成人综合AV| 99热综合在线观看| 91在线日本| 婷婷五月在线视频| 五月丁香六月成人| 99九九综合久久九九| 超碰av在线| 五月天成人小说网| 亚洲视频二区| 日韩精品视频中文字幕| 五月婷婷色播| 午夜不卡成人一区二区| 成人综合视频在线| 国产肥白大熟妇BBBB视频| 丁香五月六月婷婷综合| 99re思思精品视频在线观看| 99精品偷拍视频| 大香蕉综合网| 婷婷激情五月| 呦呦AV| 五月丁香另类图片| 五月丁香婷婷狠狠操| 天天干天天色综合| 亚洲精品激情| 免费亚洲成人电影AV| AA片在线观看视频在线播放| 九九热re99re6在线精品| 色婷丨日丨天丨综合久久| 久久婷婷婷| 激情五月天社区| 色综合久久88色综合天天99| 九九热视频首页/这里只有精品| 色婷婷丁香社综合| 国产超碰在线| 六月 丁香 视频| 色亚洲中文| 九九九九综合| 久久久久久久久久久久久久久久久精典| 综合狠狠干| www.色窝| 激情久久久久久久久久久| 亚洲成人av中文| 裸睡玩奶头(高H)| 色五月天丁香|