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)運營的一線實戰(zhàn)洞察。

水稻葉病蟲害分類數(shù)據(jù)集整理與YOLO11cls訓練避坑指南

水稻葉病蟲害分類數(shù)據(jù)集整理與YOLO11cls訓練避坑指南 簡介面向水稻葉病蟲害識別任務(wù)的中文分類數(shù)據(jù)集資源適合算法工程師與農(nóng)業(yè)AI研究者用于模型訓練與場景驗證。數(shù)據(jù)集包含細菌性葉枯病、褐斑病、健康葉片、葉瘟病、葉鞘腐病、窄褐斑病、穗頸瘟、稻飛虱、紋枯病、鎢黃病毒病共10個類別共15000張真實環(huán)境下的高質(zhì)量水稻葉片圖片按類別文件夾整理標注規(guī)范可直接用于YOLO11cls等分類算法的訓練與評估。壓縮包內(nèi)僅含1個PDF文件大小2.32MB因原始數(shù)據(jù)體量較大托管在百度網(wǎng)盤PDF內(nèi)附數(shù)據(jù)集基本情況說明及百度網(wǎng)盤獲取方式。目前已有318人學習適合作為水稻病蟲害實際項目落地或通用分類數(shù)據(jù)集擴充的參考。附贈YOLO11cls一鍵訓練腳本及博主訓練結(jié)果日志可幫助讀者快速復現(xiàn)訓練流程并觀察各類別識別效果降低從數(shù)據(jù)到模型的搭建門檻。1. 水稻葉病蟲害分類數(shù)據(jù)集配YOLO11cls15000張圖真正要解決的是數(shù)據(jù)組織問題真正的瓶頸從來不是YOLO11cls模型本身而是你手頭有一堆水稻葉病蟲害照片時不知道哪些圖該歸到哪一類、病斑長相近的類別怎么和模型說清楚。目標分類任務(wù)看名字簡單做起來卻很現(xiàn)實15000張圖如果只是堆在一個目錄里YOLO11cls訓練時就會把背景、光照、拍攝角度一起學進去準確率再高也不敢下田用。這套分類文件夾整理與YOLO11cls一鍵訓練腳本的組合解決的正是從散裝圖片到可復用分類模型之間的臟活先把圖按類別歸好再用腳本完成劃分、訓練、驗證。適合剛拿到水稻葉病蟲害圖像、準備訓練第一個分類模型的工程師也適合用yolov5或yolov8訓練過自己數(shù)據(jù)集、想轉(zhuǎn)到Y(jié)OLO11cls的從業(yè)者。2. 先弄懂分類文件夾整理的含義YOLO11cls需要的只是目錄不是標注文件2.1 分類文件夾為什么比任何標注格式都省心檢測任務(wù)要畫框分割任務(wù)要畫mask而目標分類任務(wù)只需要一個約定同一類別的圖片放在同名文件夾里文件夾名就是標簽。這個約定在深度學習里叫ImageNet風格目錄結(jié)構(gòu)YOLO11cls的classification模式原樣繼承了這個設(shè)計。你不需要寫xml不需要寫txt不需要標注框坐標分類任務(wù)的全部標注信息都藏在目錄名里。數(shù)據(jù)格式選什么直接決定后面腳本的復雜程度。我見過不少從檢測轉(zhuǎn)過來的朋友第一反應(yīng)是給圖片寫標注文件其實分類任務(wù)根本不需要。你只要保證數(shù)據(jù)集根目錄下每個類別一個文件夾里面放好對應(yīng)圖片即可。15000張圖聽起來很多但如果按8個類別來分平均每個類別不到2000張這個量級做微調(diào)是夠用的。真正要小心的不是總數(shù)而是類別之間有沒有人肉眼都分不清的相近病斑這會在第五章驗證部分細說。如果數(shù)據(jù)已經(jīng)按類別分好文件夾最終要形成的標準目錄結(jié)構(gòu)是這樣的rice_leaf_dataset_split/ ├── train/ │ ├── leaf_blast/ # 稻葉瘟 │ │ ├── leaf_blast_0001.jpg │ │ ├── leaf_blast_0002.jpg │ │ └── ... │ ├── leaf_blight/ # 白葉枯 │ ├── brown_spot/ # 胡麻葉斑病 │ ├── sheath_blight/ # 紋枯病 │ └── healthy/ # 健康葉 └── val/ ├── leaf_blast/ ├── leaf_blight/ ├── brown_spot/ ├── sheath_blight/ └── healthy/注意我們用的是train和val兩層結(jié)構(gòu)而不是把15000張圖全部塞進類別文件夾里直接開訓。Ultralytics的classify接口接收data參數(shù)時默認按train和val兩個子目錄去找圖如果你的數(shù)據(jù)一開始沒有劃分腳本里就得自己切。這也解釋了為什么對應(yīng)分類文件夾整理這么重要——目錄結(jié)構(gòu)對了后面腳本能寫得很薄目錄結(jié)構(gòu)不對腳本會寫出一堆補丁邏輯來收拾數(shù)據(jù)。2.2 別把整理任務(wù)做成手工活用Python把散圖歸到類別文件夾手里圖片的命名通常是不規(guī)律的常見有一批按采集時間命名一批按病害拼音縮寫命名。最穩(wěn)妥的做法是先寫一個掃描腳本把圖片預(yù)覽和文件名輸出成清單人工確認幾輪再交給腳本去搬。單純的復制粘貼在Windows資源管理器里做幾千張還行做到上萬張就容易漏而且無法復現(xiàn)。下面是一個整理腳本它假設(shè)你的原始圖片已經(jīng)按類別放了子目錄類別子目錄名就是要用的標簽import os import shutil from collections import Counter src_root raw_images # 原始圖片目錄里面按類別分好了子目錄 dst_root rice_leaf_dataset # 整理后的數(shù)據(jù)集根目錄 class_labels sorted([ d for d in os.listdir(src_root) if os.path.isdir(os.path.join(src_root, d)) ]) for cls in class_labels: src_cls_dir os.path.join(src_root, cls) for img_name in os.listdir(src_cls_dir): if not img_name.lower().endswith((.jpg, .jpeg, .png)): continue dst_cls_dir os.path.join(dst_root, cls) os.makedirs(dst_cls_dir, exist_okTrue) shutil.copy2( os.path.join(src_cls_dir, img_name), os.path.join(dst_cls_dir, img_name), ) stat Counter() for cls in os.listdir(dst_root): cls_dir os.path.join(dst_root, cls) if os.path.isdir(cls_dir): stat[cls] len([ f for f in os.listdir(cls_dir) if f.lower().endswith((.jpg, .jpeg, .png)) ]) print(整理完成各類別圖片數(shù)) for cls, n in stat.most_common(): print(f{cls}: {n})這段腳本的邏輯是先掃描原始目錄下有哪些類別子目錄類別名直接作為標簽然后把每張圖片復制到目標目錄的對應(yīng)類別文件夾里。復制而不是移動是為了保留原始素材萬一類別分錯了還能重來。最后用Counter統(tǒng)計每個類別的圖片數(shù)量這一步非常重要類別不平衡會讓模型看起來準確率很高、實際卻在偷懶第四章會專門講。有個高頻翻車點文件名里帶中文或空格。Ultralytics框架本身能處理中文路徑但不同操作系統(tǒng)的路徑編碼不統(tǒng)一容易出現(xiàn)能找到文件但打不開的怪問題。我一般會在整理階段就把文件名統(tǒng)一改成英文字母加數(shù)字例如leaf_blast_0001.jpg這樣做的好處是后面換服務(wù)器、換操作系統(tǒng)都不會因為路徑編碼問題突然報錯。2.3 數(shù)據(jù)體檢損壞圖片與重復圖片的排查整理完目錄后不要急著訓練先跑一遍體檢。最常見的雷是下載或拷貝過程中圖片文件損壞PIL讀不出來或者同一張圖被保存了多個尺寸版本導致訓練集和驗證集之間出現(xiàn)近重復樣本讓驗證指標虛高。from PIL import Image import os data_root rice_leaf_dataset bad_files [] for cls in os.listdir(data_root): cls_dir os.path.join(data_root, cls) if not os.path.isdir(cls_dir): continue for img_name in os.listdir(cls_dir): img_path os.path.join(cls_dir, img_name) try: with Image.open(img_path) as im: im.verify() # 只檢查文件結(jié)構(gòu)不加載完整像素 except Exception: bad_files.append(img_path) print(f發(fā)現(xiàn) {len(bad_files)} 個損壞文件) for p in bad_files[:20]: print(p)這里有個小坑Image.verify()調(diào)用之后這張圖的句柄就失效了如果你想繼續(xù)對圖像做處理需要重新open一次。所以上面代碼里用with Image.open包住就是為了防止后續(xù)誤用同一個句柄。重復圖片的去重我一般不在這一步做因為分類任務(wù)對少量重復并不敏感。但需要注意如果某個類別的圖大量來自同一塊田、同一個拍攝角度就要警惕了。最粗暴的檢查方法是把圖片縮小到16x16再算哈希把相似度高的圖挑出來。這個動作不是必須的但能防止驗證集里混入訓練圖的影子后面判斷模型是否真的泛化時會省很多力氣。3. 拆解YOLO11cls一鍵訓練腳本五個關(guān)鍵參數(shù)與一條能真正跑通的命令3.1 從一堆文件夾到開始訓練腳本替你做了哪三步Ultralytics提供的YOLO11cls用法核心其實就一行把數(shù)據(jù)根目錄傳給train方法模型用預(yù)訓練權(quán)重初始化。但真正的一鍵訓練腳本不應(yīng)該只是封裝這一行。常見做法是腳本要先做三件事檢查目錄結(jié)構(gòu)、按固定種子劃分訓練驗證集、把模型和超參固定下來保證兩次訓練之間只改一個變量。用yolov5或yolov8訓練過自己數(shù)據(jù)集的人對這套流程肯定不陌生先準備data.yaml再寫train命令然后盯日志。YOLO11cls把data.yaml弱化了分類模式下直接給根目錄內(nèi)部按train和val兩個子目錄去讀圖。這也是為什么整理階段的目錄結(jié)構(gòu)會直接影響腳本復雜度——目錄對了腳本可以寫得很薄目錄不對腳本就得花一堆代碼去補數(shù)據(jù)坑。下面這份是我常用的訓練腳本骨架可以直接改成自己的數(shù)據(jù)集路徑import argparse import os import random import shutil from ultralytics import YOLO def prepare_split(root: str, val_ratio: float 0.2, seed: int 42) - str: 確保數(shù)據(jù)目錄是 train/val 結(jié)構(gòu)返回可直接傳給 YOLO 的目錄。 entries os.listdir(root) if train in entries and val in entries: print(已存在 train/val 結(jié)構(gòu)直接使用原目錄) return root out_root root _split random.seed(seed) classes sorted([ d for d in entries if os.path.isdir(os.path.join(root, d)) ]) for cls in classes: cls_dir os.path.join(root, cls) images sorted([ f for f in os.listdir(cls_dir) if f.lower().endswith((.jpg, .jpeg, .png)) ]) random.shuffle(images) n_val max(1, int(len(images) * val_ratio)) for split_name, split_images in ( (train, images[n_val:]), (val, images[:n_val]), ): dst_dir os.path.join(out_root, split_name, cls) os.makedirs(dst_dir, exist_okTrue) for f in split_images: shutil.copy2( os.path.join(cls_dir, f), os.path.join(dst_dir, f), ) print(f已生成劃分后的數(shù)據(jù)集目錄: {out_root}) return out_root def parse_args(): parser argparse.ArgumentParser(descriptionYOLO11cls 水稻葉病蟲害分類訓練) parser.add_argument(--data, typestr, defaultrice_leaf_dataset, help數(shù)據(jù)集根目錄包含 train/val 或直接是類別文件夾) parser.add_argument(--model, typestr, defaultyolo11cls.pt, help預(yù)訓練權(quán)重支持本地路徑或框架內(nèi)置名稱) parser.add_argument(--epochs, typeint, default100) parser.add_argument(--batch, typeint, default16) parser.add_argument(--imgsz, typeint, default224) parser.add_argument(--seed, typeint, default42) parser.add_argument(--val-ratio, typefloat, default0.2) parser.add_argument(--workers, typeint, default4) return parser.parse_args() def main(): args parse_args() data_dir prepare_split(args.data, args.val_ratio, args.seed) model YOLO(args.model) model.train( datadata_dir, epochsargs.epochs, batchargs.batch, imgszargs.imgsz, seedargs.seed, workersargs.workers, ) model.val() if __name__ __main__: main()這段代碼里prepare_split函數(shù)是關(guān)鍵。它先檢查數(shù)據(jù)根目錄下是否已經(jīng)有train和val兩個子目錄有就直接用沒有就按類別文件夾自動切分。注意兩點一是classes和images都做了sorted排序再在隨機種子下shuffle避免不同操作系統(tǒng)里os.listdir返回順序不一致導致劃分結(jié)果對不上二是生成的新目錄是root加上_split后綴不污染原始類別文件夾。為什么不直接在原目錄里創(chuàng)建train和val因為原始類別文件夾還留在根目錄里如果Ultralytics掃描根目錄可能會把train、val之外的多余文件夾也當成類別。把劃分結(jié)果放到獨立的root_split目錄從結(jié)構(gòu)上避開這個坑。train部分直接調(diào)用YOLO(args.model)再train模型參數(shù)可以傳本地權(quán)重路徑也可以傳框架預(yù)置的模型名。如果你不想讓腳本每次下載權(quán)重就把權(quán)重文件放在腳本同級目錄并把--model改成對應(yīng)的路徑。訓練結(jié)束后model.val()會加載best.pt做驗證省得手動換權(quán)重。3.2 五個必調(diào)參數(shù)epochs、batch、imgsz、model、seed理解和調(diào)整參數(shù)是腳本里真正值錢的部分。先看參數(shù)表參數(shù)常見取值范圍影響備注modelyolo11cls.pt / yolo11s-cls.pt模型容量與速度的取舍數(shù)據(jù)量小選輕量版epochs50200訓練輪次決定擬合程度看val曲線收斂再停batch864顯存占用與梯度穩(wěn)定性batch太小loss震蕩imgsz224 / 256 / 320輸入分辨率影響細粒度紋理病斑小的建議256起seed固定一個整數(shù)復現(xiàn)性不固定沒法對比實驗epochs不要無腦開大。水稻葉病蟲害分類里類間差異往往集中在病斑的紋理和顏色上如果訓練集只有一兩千張一類跑200輪很容易過擬合。我一般先跑100輪看val的top1曲線在哪個epoch后不再上升再用早停或直接在該輪數(shù)附近重跑。Ultralytics本身不自動早停腳本里可以觀察日志后手動決定也可以外部包一層early stopping。batch和imgsz之間是顯存博弈。imgsz224時batch32大概需要6到8GB顯存如果顯卡只有8GB優(yōu)先把batch降到16而不是把imgsz降到160——分辨率太低時水稻葉片上毫米級的病斑紋理細節(jié)會直接丟失。目標分類模型對輸入分辨率比檢測任務(wù)更敏感因為整張圖只產(chǎn)出一個類別判斷特征全在全局信息和紋理統(tǒng)計里。model參數(shù)看起來簡單實際上決定了下限。選yolo11cls.pt作為預(yù)訓練權(quán)重相當于把ImageNet上訓練的通用視覺特征遷移過來對細粒度病害識別幫助很大。如果你的類別數(shù)和圖量都不大不需要從隨機權(quán)重開始練那會慢得讓人懷疑人生。seed這個參數(shù)最容易被忽略。很多人用yolov8訓練自己的數(shù)據(jù)集時發(fā)現(xiàn)同樣代碼跑兩次accuracy差兩三個點其實不是代碼寫錯了而是數(shù)據(jù)劃分、增強、權(quán)重初始化里的隨機性沒有被鎖住。YOLO11cls的train方法支持seed參數(shù)腳本里務(wù)必把它暴露成命令行參數(shù)我的默認值是42至少保證同一份數(shù)據(jù)、同一個種子下結(jié)果可復現(xiàn)。3.3 訓練中斷與續(xù)訓last.pt和best.pt的分工訓練到一半斷電或顯存溢出是家常便飯。Ultralytics在訓練過程中會同時保存兩份權(quán)重last.pt用來續(xù)訓best.pt用來做最終評估。續(xù)訓命令很簡單python train.py --model runs/classify/train/weights/last.pt --data rice_leaf_dataset --epochs 100這里有個容易誤解的地方--epochs在續(xù)訓時表示的是總輪次而不是剩余輪次。如果你上次跑了80輪這次想補20輪要把epochs設(shè)成100不是20否則相當于又從頭跑了100輪。這個細節(jié)我在初用Ultralytics時踩過翻車的原因就是想當然地以為傳剩余輪次就行。另一個常見問題是修改batch后繼續(xù)訓。加載last.pt繼續(xù)訓練時優(yōu)化器的學習率狀態(tài)會延續(xù)但如果把batch從16改成32學習率最好也按比例調(diào)整否則loss曲線可能突然跳變。分類任務(wù)對學習率沒那么敏感但遇到loss反而升高的情況先檢查是不是這個原因。4. 避坑水稻葉分類訓練最常翻車的五個位置4.1 類別不平衡96%的準確率可能只是稻瘟病猜對了現(xiàn)象訓練結(jié)束打印accuracy讀到0.96很興奮。打開混淆矩陣一看leaf_blast類別的recall接近1而brown_spot類別的recall只有0.3多數(shù)類把少數(shù)類完全淹沒了。原因數(shù)據(jù)集中稻瘟病圖特別多比如有7000張胡麻葉斑病只有500張。模型優(yōu)化的是整體loss少數(shù)類貢獻的梯度占比太小學到一定程度后模型就選擇偷懶——把不確定的樣本都猜成多數(shù)類。這就是為什么分類任務(wù)里單看accuracy會騙人。解決先看類別統(tǒng)計再決定要不要做平衡。常見做法有三種一是給少數(shù)類做離線增強旋轉(zhuǎn)、裁剪、顏色擾動都可以但注意不要把增強樣本直接復制粘貼進原始文件夾否則訓練集和驗證集可能混入近似重復圖二是在腳本里給少數(shù)類加權(quán)YOLO11cls的分類頭沒有直接暴露class_weight參數(shù)我一般用采樣策略三是硬性設(shè)定每個類別的最小訓練張數(shù)不足的用同一病斑的多個角度補拍。和PlantDoc這類公開植物病害集不同水稻葉病蟲害分類沒有開箱即用的標準庫自己采集整理仍然是主流這反而要求你在采集階段就盡量均勻。4.2 背景噪聲被當成病害特征換塊田就失效現(xiàn)象訓練集上accuracy很高但拿手機新拍幾張不同背景的水稻葉照片去推理預(yù)測結(jié)果明顯亂掉甚至把健康的葉子判成稻瘟病。原因拍攝時稻葉后面有土壤、水面、稻穗模型學到的是有土壤和水面的圖等于稻瘟病而不是病斑本身。分類模型不會自動忽略背景它只會統(tǒng)計哪個區(qū)域和標簽最相關(guān)。尤其水稻葉病害的早期病斑面積很小背景像素在整張圖里占比極大模型很容易走捷徑。解決整理階段統(tǒng)一把葉片主體裁出來或者至少把背景面積控制在一小部分。裁剪時不要用固定框硬切因為水稻葉細長最好先做簡單的顏色分割或直接人工框出葉片。比裁剪更省力的替代方案是加大imgsz讓模型能看到更多紋理細節(jié)但背景干擾嚴重的場景里這只能緩解不能根治。我自己的血淚經(jīng)驗是采集時盡量用純色墊板墊在葉子下面一張白紙都行數(shù)據(jù)集質(zhì)量立刻上一個大臺階。4.3 驗證集劃分不固定兩次實驗的差異說不清來源現(xiàn)象只把batch從16改成32accuracy從0.92變成0.94你以為是batch的功勞。把batch改回去再跑accuracy卻回不到0.92而是0.93。原因每次訓練腳本都重新隨機劃分train/val驗證集里具體包含哪些圖在變結(jié)果根本沒有可比性。這個坑在yolov8訓練自己的數(shù)據(jù)集時特別常見因為很多人習慣了框架自動劃分沒意識到隨機種子會變。解決固定seed只是第一步。更強硬的做法是把劃分好的數(shù)據(jù)集目錄固化下來比如第一次劃分時把train和val作為獨立目錄保存之后所有實驗都用這套劃分不再重新切。第三章腳本里的prepare_split已經(jīng)做了這件事——第一次運行時生成rice_leaf_dataset_split目錄之后運行檢測到train和val就跳過劃分。注意看腳本輸出里有沒有已存在train/val結(jié)構(gòu)這句話確認它確實在復用同一套劃分。4.4 resize把細長葉片壓變形病斑紋理被拉伸后不可信現(xiàn)象稻葉是典型的細長形狀長寬比經(jīng)常超過5比1而imgsz默認會把它直接縮放到224x224的正方形。原本長條狀的病斑在圖上被壓扁或拉長模型學到的是變形后的紋理。訓練時看不出來因為所有訓練圖都被同樣地變形但下田識別時采集到的原始比例不同模型就懵了。原因Ultralytics分類模式的默認預(yù)處理是resize到正方形不會保持原始長寬比也沒有像檢測任務(wù)那樣自動letterbox的邏輯。對方形輸入而言細長葉片的空白區(qū)域會被強行拉伸病斑形態(tài)完全失真。解決有兩種思路。一種是采集階段盡量把葉片橫過來或豎起來統(tǒng)一方向讓長寬比差異變小另一種是在訓練時用更大的imgsz比如320再用隨機裁剪增強給模型機會學到局部病斑紋理而不是整片葉子的全局形狀。如果病斑本身只有幾毫米把圖放大到256以上基本是必須的。4.5 訓練集里混入水印與網(wǎng)絡(luò)重復圖指標高全是假象現(xiàn)象val的top1有0.95但你手動拿真實大田照片一測準確率掉到0.7以下。仔細翻訓練集發(fā)現(xiàn)不少圖來自搜索引擎角落還留著網(wǎng)站水印或截圖邊框。原因模型忠實學到了水印和邊框的特征。這些特征在訓練集里和標簽強相關(guān)但在真實場景中不存在所以一落地就翻車。解決整理階段做一次水印和邊框巡檢把帶水印的圖剔除或裁掉邊緣。重復圖的處理可以用感知哈希去重方法簡單把每張圖縮到8x8或16x16比較哈希距離距離小于閾值就刪掉一張。這一步不需要特別精確目標只是防止同一張圖同時出現(xiàn)在train和val里導致驗證指標虛高。順手檢查有沒有從第三方平臺截圖的圖這類圖通常自帶界面元素模型會把按鈕和進度條也當成特征。5. 訓練完別急著下田用混淆矩陣、Top-1/Top-5和單圖推理做三重驗證5.1 混淆矩陣比accuracy誠實得多畫出每個類別的真實表現(xiàn)訓練日志里的accuracy是一個加權(quán)平均值看不出哪個類別在拖后腿。我每次做完訓練都會先用val目錄跑一遍推理直接出混淆矩陣和分類報告這一步能看出模型到底是會判斷還是只會猜多數(shù)類。import os from ultralytics import YOLO from sklearn.metrics import classification_report model YOLO(runs/classify/train/weights/best.pt) data_root rice_leaf_dataset_split/val class_names sorted([ d for d in os.listdir(data_root) if os.path.isdir(os.path.join(data_root, d)) ]) y_true, y_pred [], [] for cls in class_names: cls_dir os.path.join(data_root, cls) for img_name in os.listdir(cls_dir): img_path os.path.join(cls_dir, img_name) result model.predict(img_path, verboseFalse)[0] pred_cls class_names[int(result.probs.argmax())] y_true.append(cls) y_pred.append(pred_cls) print(classification_report(y_true, y_pred, target_namesclass_names))這段邏輯是遍歷驗證目錄下每個類別文件夾對每張圖調(diào)用model.predict得到概率分布用probs.argmax()取概率最高的類別。注意pred_cls這里用class_names做下標映射而不是直接拿模型的names字段——雖然兩者通常一致但如果訓練時的類別順序和當前目錄的排序不一致就會發(fā)生錯位。多數(shù)類準確率高、少數(shù)類召回率低的情況下classification_report里一眼就能看出來。給模型打包前我會保留這份報告和混淆矩陣圖作為這一版權(quán)重的體檢檔案。5.2 Top-1和Top-5分開看相似病斑類別的容錯設(shè)計水稻葉病蟲害分類里有相當一部分類別人眼都容易混淆比如稻葉瘟的初期病斑和胡麻葉斑病的小病斑顏色和形狀都很接近。這種場景下Top-1準確率會顯得很苛刻模型其實已經(jīng)給出了正確的候選只是把兩個相近類別的概率排序搞反了。Ultralytics在驗證輸出里會計算Top-1和Top-5兩個指標。Top-5的意思是只要正確類別出現(xiàn)在概率最高的5個預(yù)測中就認為正確。我建議把兩個指標一起打印出來如果Top-5比Top-1高很多說明類別定義之間本身存在語義重疊此時可以考慮合并類別或者把細分類別改成疑似稻瘟或胡麻斑這類聯(lián)合標簽而不是急著堆更多訓練數(shù)據(jù)。Top-5也有它的迷惑性當類別總數(shù)本身很少時比如只有4類Top-5幾乎永遠等于100%沒有參考價值。水稻葉分類如果有8到12個類別Top-5才有意義。類別越多Top-5和Top-1之間的差值越能反映數(shù)據(jù)定義的模糊程度。5.3 單圖推理的固定套路給新照片一個可信區(qū)間驗證集的圖雖然和訓練圖不同但拍攝環(huán)境與采集習慣一致。真要判斷模型能不能下田得拿一批完全不在已知數(shù)據(jù)集里的實拍照片單圖推理看概率分布。from ultralytics import YOLO model YOLO(runs/classify/train/weights/best.pt) img field_test/IMG_20250401_153000.jpg result model.predict(img, verboseFalse)[0] probs result.probs for i in range(len(probs)): class_name result.names[i] p probs[i].item() print(f{class_name}: {p:.3f})這段代碼會把每個類別的概率都打出來??锤怕史植紩r我關(guān)注兩點一是最高概率是否明顯超過第二高如果只差零點零幾說明模型自己也不確定二是所有類別的概率排布是否集中如果模型輸出的分布非常平坦說明這張圖里根本沒有它認識的特征不要硬猜。真實田間場景的照片光照復雜偶爾出現(xiàn)一張低置信度預(yù)測是正常的只要比例控制在可接受范圍內(nèi)就可以部署。6. 讓YOLO11cls少翻車的三個習慣訓練前自檢與下田部署前的最后一輪驗證6.1 訓練前自檢清單六件事五分鐘核對完檢查項操作方法通過標準類別數(shù)量運行2.3的統(tǒng)計腳本每類不低于300張背景一致性隨機抽看20張圖每類葉片主體居中背景不雜亂重復圖感知哈希粗查一遍無同一圖跨train和valtrain/val結(jié)構(gòu)查看是否存在兩個子目錄已存在且不自動重切文件名規(guī)范全部英文字母和數(shù)字無空格、無中文seed固定腳本參數(shù)默認42二次訓練指標一致這套清單是我每次訓練前都會過一遍的固定動作。六項里花時間最多的是背景一致性和重復圖排查其余都是腳本自動完成的。很多人在YOLO11cls上翻車翻的根本不是模型參數(shù)而是這些沒被檢查到的數(shù)據(jù)問題。6.2 部署前的大田模擬測試用陌生照片做一次冒煙測試正式交付之前我最看重的一步是拿一臺手機去田間拍20到50張和訓練集風格完全不同的照片。拍攝時不要刻意追求和訓練集一致的構(gòu)圖就按實際使用習慣去拍背景可能帶天空、帶水面、帶稻穗。之后用5.3段的單圖推理腳本逐張過一遍記錄每張圖的置信度和Top-1命中情況。如果陌生照片上的準確率和val集差距過大先不要懷疑模型參數(shù)回頭查訓練集是不是太多來自同一塊田、同一時段、同一設(shè)備的照片。這比盲目調(diào)超參數(shù)有用得多。分類模型的泛化能力很大程度在數(shù)據(jù)采集時就定了訓練腳本只能幫你把這批數(shù)據(jù)的潛力發(fā)揮出來。6.3 三個讓我少翻車的小習慣第一每次訓練在runs目錄外另存一份劃分后的數(shù)據(jù)集路徑文本文件里面記錄seed、各類數(shù)量、數(shù)據(jù)來源時間。第二把best.pt和驗證時的混淆矩陣、分類報告放進同一個文件夾命名帶上日期。第三訓練完成的權(quán)重不直接覆蓋老版本保留最近兩個版本方便回滾。這三個動作加起來不超過十分鐘但能在幾周后完全忘了當時怎么訓練時把整個過程的來龍去脈拉回來。我自己在目標分類項目上翻過不少車最深刻的一條教訓就是數(shù)據(jù)整理階段省下的時間都會在驗證和部署階段加倍還回來。把目錄整理、劃分固定、數(shù)據(jù)體檢這幾件事做到位YOLO11cls的一鍵訓練才能真正一鍵。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99成人| 日本本土色网第一区| 亚洲精品国产成人AV在线| 最新av在线观看| 中文av网| 婷婷涩五月天综合| 4399在线观看免费高清黄色视频| 99热精品在线| 激情综合在线观看| 日本色色网| 青青五月天婷婷| aaaa久久| 亚洲欧美综合7777色婷婷| 色狠狠激情五月| 日日影院 | 丁香婷婷色情社区成人小说| 99久久久久| 99精品视频在线观看| 天天做天天爱天天玩夜夜爽| 91无码视频| 中文字幕永久在线| 亚洲欧美另类在线23p| 99在线热视频| 久久久国产精品黄毛片| 久久东京热婷婷五月| 丁香六月婷月91婷月| 大香焦啪啪啪| 婷婷午夜丁香| 久久精品66| 婷婷天堂视频| 九九无码AV| 99综合| 色播丁香| 色婷婷人人| 色综合丁香| 开心四月婷婷在线色播播| 性爱网五月天| www.日韩艹| 性爱网六月丁香| 丁香婷婷六月| 婷婷五月天激情五月天网站| 亚洲免费看片| 综合 蜜月 婷婷| 激情小说在线视频| 五月丁香六月婷婷激情视频在线观看免费 | 无码一区二区日韩| 丁香五月婷婷99| 五月天com| 色五月影视| 天天色月| 97五月天婷婷综合激情网| 97久久超碰| 亚洲六月色| 女同激情久久av久久| 狠狠插.com| 婷婷娌伦网| 亚州激情网站无码| 无码人妻激情| 丁香花成人区| 婷婷五月丁香青青草在线| w婷婷五月婷婷w| 人人干AV| 亚洲小视频免费看| 久久3p| 99久热这里只有精品| 色五月天丁香| 九九热婷婷| 国产熟妇乱子伦hd| 九九热欧美| 艾小青av| 99热 免费| 国产99久9在线| 99国产精品白浆在线观看免费| 五月精品| 久久久久久久久人妻| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 黄网在线播放| 大天天伊人| 婷婷狠狠五月综合| 色。 婷婷婷| 91精品国产91久久久久青草| 伊人影院久久网| 91丨九色丨大屁股| 亚洲综合激情五月久久| 91色在线/日韩| 五月婷婷激情久久| 婷婷五月噜噜| 婷婷五月精品在线| 欧洲激情五月天婷婷| 1024婷婷综合久久五月天| 91九色PORNY肉丝在线| 激情六月综合| 天天操无码| 天天草天天摸| 99久久综合| 亚洲综合干| 婷婷五月天免费小说| 亚洲色激情| 色婷婷狠狠久久综合五月| 亚洲AV成人在线| 久久99网| 天天天综合网| 九九精品视频在线观看| 五月花亭亭| 丁香五月天激情五月天激情五月天激情网| www.久久| 9+1视频网址| 丁香五月婷婷激情尤物| 丁香五月开心亚洲| 婷婷 伊人 久久| 欧美久久久中文字幕| 超碰日韩成人| 碰97 久| 九九色色| 内射爽无广熟女亚洲| www色婷婷| 婷婷五月天综合AV| 婷婷丁香色情| 97在线精品视频| 一本色道久久综合狠狠躁小说| 人人操人av| 我要色综合五月婷婷| 久鲁鲁色网 | 97操在线资源| 丁香六月激情毛片| 久婷婷五月综合欧美| 色婷婷另类| 五月天播播| 久久宗合影| 中文字幕在线免费观看视频| 青青草成人网| 久操操| 色99网站| 国产成人网址| 538任你爽视频不一样的| 日本人妻伦在线中文字幕| 五月婷在线| 久久婷婷五月| 国产精品国产成人国产三级| 国产五月视频| 色九九九综合| 综合 蜜月 婷婷| 九九热青青草| 97色欧美| 亚洲不卡| 亚洲成人色五月天| 丁香网五月网| 久久婷婷综合五月趴| 99只有这里是精品| 五月天激情网开心网| 久久开心五月婷婷| 五月丁香无码视频| 99热国产这里只有精品| 激情六月丁| 99热这里有精品| 97操碰在线视频| 97香蕉久久超级碰碰高清版| www夜夜| a在线观看| 婷婷五月天成人网| 久久人人添人人爽添人人片αV| 在线观看日韩12345区| 婷婷五月激情小说| 亚洲一区国产传媒| 日韩三级片一区二区| 激情综合网,婷婷| 人人射av| 五月婷婷五月丁香| 色99日韩| 被男人添B超爽视频| 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 | 青青草性爱视频| 人妻性爱av网站| 天天色综合色| 色婷婷六月天在线| 97色欧美| 精品一二三区久久AAA片| AA片在线观看视频在线播放| 9久热在线精品| 婷婷内射视频在线| 国产色色网站网址| 思思热精品在线视频| 国产这里只有精品| 91人操| 99热最新精品| 桃色成人网| 色综合女人99| 一逼色综合| 五月婷婷深深爱爱| 欧美婷婷五月天| 99久在线精品| 拍真实国产伦偷精品| 亚洲传媒在线观看| 97综合在线| 婷婷久久五月天亚洲欧美国产日韩在线观看| 亭亭五月激情亚洲在线| 日本3级片一区2区| 99无码精品| 91a片爽| 另类亚洲电影| 五月丁香久久网| 婷婷综合五月激情| 日本成人噜噜噜| 人妻综合网| 乱精品一区字幕二区| 久久久潮喷-久久久九九-成人AV| 欧美日综合| 天天干天天日日| 五月婷婷六月丁香色| 婷婷五月色综合| 婷婷午夜天| 人妻激情久久| 激情综合网五月在线播放| 丁香五月宝贝激情网| 五月婷婷中文字幕| 午夜少妇在线观看视频| 亚洲激情综| 五月天国产成人| 99热的无码| 成片免费播放| Av免费网站在线| 午夜大香蕉| 成人丁香婷婷五月天| 色色五月丁香婷婷| 影音先锋AV男人站| 欧美激情 日韩无码 婷婷 五月天| 婷婷五月花西瓜| 深爱五月中文字幕| 99热综合在线| 玖玖@三月天天丁香婷婷| 日韩综合天堂| 欧美丁香婷婷五月天| 99视频精品| 大香蕉九操| 九九人人精品| 特级片神马电影| 九九久久99| 丁香五月亚洲综合| 美妞av| 99免费| 996热| 777久久久| 色五月婷婷狠狠撸| 99在线精品视频| 99热思思| 国精产品一区一区三区免费视频| 91日本在线| 丁香成人色情五月天| 丁香六月婷婷| 丁香婷婷六月天| 激情狠狠丁香月| 天天肏视频| 超碰啪啪网| 99er免费在线观看| 婷婷五月激情小说| 美女黄频aⅴ视频| www色综合| 日本色婷婷| 日本一级| 五月激情在线| 午夜福利8055| 色噜噜婷婷| 色一情一乱一伦一区二区三区| 亚洲无线视频| 欧日韩成人| 欧美va亚洲va| 婷婷综合五月天| 亚洲中文字幕翔田千里| 五月激情丁香五月宗合| www色色com| 激情亚洲色图片丁香综合| 丁香六月婷婷开心婷婷网| 久久99网站| 午夜爱爱爱成人| 影音先锋男人资源站一区二区| 婷婷六月综合激情| av免费人人| 91婷婷色五月| 最新无码专区| 亚洲精品婷婷| 五月天天视频| 一级片sese片.COM| 亲子乱AV-区二区三区| 色停停香蕉视频| 日韩按摩二区| 五月婷婷熟女| 久久se 综合网| 超级碰碰91| 五月丁香六月综合情在线观看| 国产性av| 日韩aaaaa| www久热com| 99热69| 婷婷色综合| 99热亚洲精品| 丁香八月综合激情| 开心五月婷| 婷婷色在线播放| 精品色色| 超碰资源在线| 色播五月婷婷| www.狠狠操| 五月综合激情图片| 五月天堂色| 色婷婷亚洲综合网站| 欧美一级色| 五月色丁香视频精品| 超碰在线免费9| www婷婷色| 五月丁香婷婷基地| 色婷婷偷拍| 婷婷综合伊人丁香| 成人五月天色天堂| 日韩综合网络男女香蕉a片| www.丁香黄色五月天人与| se99视频| 色综合久久中文| 五月丁香色婷婷综合| 亚洲 综合中文| 操逼巨乳91| 99热在线观看成人| 欧美 日韩 人妻 高清 中文| 在线另类| 综合性爱网| 色噜噜狠狠狠综合曰曰曰| 精品久热| 国产免费一区二区三区三州老师F1F1.CC | 思思w99| 91狠狠色丁香婷婷综合久久| 99热狠狠操| 岛国AAAV| 疯狂做受XXXX高潮A片| 丁香五月电影| 99啪| 91日视频| 五月天综合婷婷| 五月丁香在线婷婷蜜桃| 深情六月婷婷综合久久| 337p大胆噜噜噜噜噜91Av| 99热999| 日日操夜夜擼| 免费看欧美成人A片无码| 综合色图区| 成人在线视频一区| 天天综合网在线| 丁香欧美| 麻豆五月丁香婷婷| 日本黄色精品| 中文字幕成人版| 专区无日本视频高清8| 夜夜夜夜夜操| 操操啪| 亚洲AV网址| 五月亭亭直播| 久久六月综合| 五月亭亭六月天| 午夜电影网VA内射| 天天操夜夜肏| 五月天电影网| 天天操夜夜肏| 五月综合六月婷婷| 99久久综合精品五月天| 啪啪激情网站| 婷婷丁香五月天小说| 琪琪理论片| 亚洲综合激情五月天婷婷| 婷婷伊人久久| 91精品久久久久| 无码人妻电影| 九九人妻福利| 丁香婷婷色六月| 久久这里在精品视频| 热99国产精品| 丁香五月婷婷啪啪视频| 五月丁香花激情综合网| 丁香丝袜五月| 色婷婷激情五月天| 丁香午夜天| 婷婷激情五月综合| 99热都是精品| 久艹大香蕉| 综合色影院| 九九热视频这里只有精品| 中文乱子伦视频| 中文字幕乱轮| 国产午夜一区二区三区| 久久综合人妻| 丁香婷婷六月男男| 我去色色网五雨天| 99在线播放视频| 五月丁香无码| 九九色综合九九色| 欧美色色色| 欧美99热| 成人无码髙潮喷水A片| 风流少妇A片一区二区蜜桃| 婷婷五月天激情小说| 色欲天天综合网| 激情五月激情综合网| 成AV人片一区二区三区久久| 亚洲AV在线免费看| 另类国产欧美视频| 成人AV中文字幕| 久久婷婷色综合| 97久久人人| 久久er视频6| 亚洲精久久| 色婷婷综合网站| www.色综合| 婷婷丁香五月亚洲欧美| 五月丁香久久久日婷婷久久婷婷日| 性婷婷| 开心五月色婷| 婷婷五月天第三页| 五月丁香色| 99热这里只有精品22| 婷婷香蕉| 黄色片avv| 97偷拍对白视频| 国产91九色| 日本久久综合| 开心深爱五月天| 甈你aaaaa| 色丁香五月天婷婷| 五月天婷婷操逼视频| 久久一热| 九九热青草| 日本韩国视频在线观看社区免费的9| 五月婷视频在线观看| 综合99在线| 99A级片| 蜜桃婷婷五月| 日日夜夜小色哥| 99热精品免费| 99热只有| 91精品国产综合久久久不卡电影| Caoub青青超碰 | 777.色色| 五月情色天| www.henhenl| 99热手机在线精品| 精国产品一区二区三区A片| 中文字幕精品无码一区二区| 国产美女主播vip| 九色婷婷| 情涩婷婷五月天| 婷婷情爱五月天6| 五月丁香黄色视频| 99热xx| 99操无码视频观看| 婷婷五月天伦理| 丁香婷婷在线| 91九色精品熟女内射| 99精品国产在热久久| 亚洲AV电影美洲AV电影| 夜夜夜天天操| 五月丁香激情婷婷综合| 啪啪综合| 婷婷欠久少妇| 久久五月天视频| 性小说五月天| 丁香五月婷婷视频| 婷婷性爱| 九色无码| wwccc久久久| 天天干天天操天天射| 五月丁香六月| 亚洲av网址| 丁香丁婷五月激情| 天天草天天摸| 99热官网精品在线| 人操91在线| 色婷婷五月色| WWW.99热| 亚洲天堂久久| 五月深情久久| 5月色亭亭视频| 99只有这里有精品在线视频| 五月丁香久久丝袜啪啪| 久久99网| 欧美成人AAA片一区国产精品| tingtingseav| 9.1综合网| 婷婷五月天干干| 狠狠丁香| 五月丁香婷婷老司机| 五月婷婷激情| 婷婷五月视频| 欧美在线干| 97亚洲精品| 丁香五月婷婷久久综合激情网| 人人人人人人人草| 婷婷五月天影院| 色五月婷婷伊人| 久久这有这里精品| 色色激情网| 婷婷五月天成人视频| 久久久人妻不卡| 日日日日操| 深爱婷婷网| 人妻五月天激情开心网| 五月激激网w'w'w| 久久最新色| 久久婷婷五月天丁香| 五月婷婷xxx| 丁香五月婷婷AV在线| 亚洲字幕AV一区二区三区四区| 日韩精品999| 91精品久久久久久综合五月天| 久久久久9| 色综合中文综合网| 久色成人| 五月天色影院| 五月丁香黄色| 人人爱国产| 欧美丰满熟妇BBB久久久| 久久色婷婷| 丁香色婷婷五月天| 激情六月婷婷啪啪| 五月婷婷成人网首页| 99精品久久久久久久婷婷| 欧美人人草草| 久久小视频免费| 激情综合网五月丁香| 国产探花一片区| 丁香五月综合图片在线观看| 99在线免费观看| 久久婷网| 色五月综合| 人人操婷婷| 午夜不卡成人一区二区| 国产 码在线成人网站| 92久久| 天天操天爱综合| 二色av| 99热老网站| 亚洲天堂色色| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看 | 超碰com| 噜噜网免费视频| 激情五月成年| 超碰AAAAAAV| 色五月综合网| 玖玖资源站国产| 综激情网| 丝袜激情网| 激情综合激情综合| 超级碰人人操人人干| 九九色视频| 婷婷伊人久久无码色五月| 色色色视频| 激情综合五月婷婷| 超碰超碰在线| 成人网站免费在线播放| 91丨九色丨熟女丰满| 99热激情| 十区av| 久草五月天| 色欲久久99精品久久久久久| 开心五月激情五月丁香五月婷婷| 99热99艹在线观看| 日韩六六久久电影| 99五月香婷婷丁香在线视频| 五月天自拍视频| 九九aV| 免费国产VA国产免费| www.minyis.com【JT】实力收量可预付QQ2101460746| 日日日日日| 婷婷五月天激情小说| 天堂va久久久噜噜噜久久Va| 五月天久久丁香| 五月天婷婷婷| 99爱精品视频| 99热亚洲只有色| 色婷婷激情小说网| 六月婷婷五月丁香| 99在线观看亚洲| 五月婷婷激情久久| 9久精品| 97久久视频| 国产精品久久..4399| 97综合在线| 99碰碰| 99热国产这里只有精品| 五月丁香综合啪啪| 激情五月婷婷| 九九亚洲小视频| 99热在这里只有精品| 9 9热这里有精品| 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 | 激情五月天久久| 天天草天天日| 亚洲成人AV电影网| www.夜夜操| 婷婷五月综合久久中文字幕| 99视频内射三四| 丁香六月婷婷开心| 操人91| 狠狠人人| 久久曰9| 99热这里只有精品免费观看| 激情四射婷婷色色色| 婷婷五月在线视频| 91精品国产91久久久久青草| 99∨VTV| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 99这里有精品视频| 色 五月婷婷基地| 丁香深五月婷婷| 狠狠狠色激情综合适合| 激情综合婷婷| 国产肥白大熟妇BBBB视频| 久久这里99| 久热天堂| 久九色| 天天操夜夜啊| 大香蕉AV电影在线| 丁香五月播播| 色综合区| 久久99国产综合精品免费| 色婷婷六月天在线| 97日在线视频| 超碰91在线| 综合五月天天天天天五月| 天天操天天插天天射| 综合色影院| 天天五月丁香五月| 色五月,com| 成人va视频| 婷婷综合网| 大香蕉综合网| 天天综合社区| 久久久www| 国产成人精品123区免费视频| 六月色丁香中文字幕| 激情国产综合| 色婷婷六月| 婷婷激情五月综合丁香社| 影音先锋综合网| 婷婷五月成人| www.lingjunshare.com| 任你操精品免费| 色偷偷五月天| 九九热视频免费| 亚洲 视频 导航 一区| 新激情五月天| 天天久久综合| 人人插9| 九九无码| 五月花激情| 人人爱操| 婷婷最新地址| 九九精品99| 婷婷六月丁香色| 伊人影院久久网| 色综合天天综合成人网| 人人视频色| 日本久久综合| 美女久久天堂| 99在线精品免费视频| 婷婷丁香激情| 国产精品色婷婷久久久精品| 色五月激情五月| 丁婷婷五月天在线播放| 小视频在线亚洲| 色色婷婷婷丁香五月天| 天天干,天天日| 99精品视频网站| 婷香五月网在线| 九九综合五月欧美| 激情婷婷五月天| 五月丁香在线综合| 狠狠艹狠狠艹| 五月婷婷日本| 国产偷人爽久久久久久老妇APP | 天天日天天狠狠操| 激情AV中文| 国产亚洲精品AAAAAAA片| 婷婷五月激情丁香| 婷婷五月天va| 久久 婷婷 五月天| 亚洲成人日韩无码精品| 色婷久久| 亚洲99热| 久久综合网免费视频| 丁香五月婷婷大香蕉| 99热91| 日本女人久久| 丁香五月天激情AV| 婷婷五月天奸女| 亚洲99热| 五月丁香六月激情| 91视频综合网| 五月天婷婷视频30| 天天插综合在线| 青青草Avb在线| 中文字幕 中文字幕明步 | 久久婷婷综合基地| 色婷婷AV在线观看| A片试看120分钟做受视频红杏| 人人九色| 天天摸色吧天天摸色吧| 免费日韩99| 玖玖激情五月天| 91精品刘玥| 五月丁香啪| 日本超碰在线| 久久久久er热| 天天干天天操天天上| AV色五月婷婷| 婷婷射图五月天| 丁香婷婷婷婷十二月在线观看视频| 五月婷婷啪啪| 91九色丨国产丨爆乳| 99热.com| 一区二区三区四区无码| 激情五月综合网| 日韩无码性爱| 国产精品成人网址| 五月婷婷色男女| 日韩aaaaa| 天堂五月婷婷| 激情五月色在线播放| 色色丁香五月婷婷| 五月激情五月丁香| 任我鲁这里有精品视频| 丁香激情综合| 成人午夜视频精品一区| 色色国产| 亚洲色在线观看| xx久久| 婷婷开心激情| 日日操天天| 狠狠狠狠狠狠狠狠狠狠狠色宗合图片| 99色色热| 五月丁香婷婷色| 伊人婷婷综合| 欧美日韩国产日本精品四虎网网站物| 激情婷婷激情在线不卡| 在线成人va| 五月综合色| 99色在线视频| 欧美人妻一区二区| 婷婷五月激情网| 热99这就是精品视频| 婷婷五月六月丁香综合| 26UUU精品一区二区c〇m| 五月婷婷天天色| 操操操av| 梁铮版蜘蛛女在线观看| 狠狠做六月爱婷婷综合aⅴ| 91久久久久久久| 热久久91| 日韩成人av在线| AV操逼网| 九色PORNY自拍成人精彩视频| 五月丁香色婷婷色| 日韩在线观看亚洲| 91九色 婷婷| 97干综合网| 97日在线视频| 中文字幕精品在线观看| 激情综合99| 91日本在线免费| 日韩黄色中文字幕| 亚洲电影在线观看| 亚洲三级无码| 天天干天天日蜜臀av| 综合 激情 婷婷| 偷拍九九热| 性色九九| 狠狠色综合无线观看| 狠狠色中色| 亚洲区1| 98热精品| 九九色院| yellow视频在线观看91| 97九色| 狠狠搞五月天| 九九免费精品在线视频| 色婷婷色五月色丁香| 欧美激情五月天在线观看| 五月天色综合服务平台| 婷婷五月天色网久| 免费试看小视频 99| 激情综合网 激情五月天| 色婷婷视频综合| 色色AV色色色东莞| 色婷婷国产精品综合在线观看| 97九色视频| 玖玖婷婷五月天| 精品久久99| 亚洲天堂久久| 国产一二区爆乳_1国产日韩一区二区三-成人AV | 天天综合网~91综合网| 大香蕉婷婷五月天| 高潮毛片遮挡费高一百度| 99热 免费| 中文网av| 丁香五月在线人妻| 涩涩五月天综合| 婷婷色天香| 开心激情站婷婷五月天| 激情VA视频| 免费播放片大片| 婷婷99| 天天干天天爽| 色欧美色色色| 97狠狠碰| 九九亚洲综合| 怡红院 久久| 狠狠 婷婷| 女力报到正好爱上你| 99热一区| 亚洲激情av| 色婷婷www| 欧美性生交A片免费看| 婷婷综合色| 射区导航| 色婷婷基地在线| 色丁香久综合在线久综合在线观看| 插插五月天| 五月丁香六月婷婷激情视频在线观看免费| 色噜噜狠狠色综合成人99| 天天日天天干天天操| 少妇水多A片太爽了| 97碰91| 丁香激情四射| 思思99精品视频| 天天xxxxxx天天日| 丁香五月情| www久久久| 极品少妇XXXX精品少妇偷拍| 在线看AV| 激情丁香六月| 天天婷婷综合| 五月丁香基地| 亚韩在线视频| 欧洲电影在线观看免费版英语版 | 久久色午夜在线导航| 大香蕉网站,大香蕉综合| 狠狠五月丁香色婷| 天天五月天综合网址| 久久婷婷五月天| 亚洲精品a成人在线播放| 啪精品| 久久精彩免费视频精彩免费视频| 激情婷婷丁香色五月综合| 五月丁香在线综合| 激情五月天在线视频| 这里只有精品96| 日本久久人| 99热免费精品热久久66| 十月丁香九月婷婷综合| 五月天婷婷色色| 大香蕉在九| 91在线视频综合| 99久久这里只有精品免费官网| 六月丁香激情网| 亚洲国产99| 天天操天天插天天射| 九九综合精品| 激情五月www| 亲子乱AV一区二区三区下载| 97碰碰碰免费公开在线视频| 五月婷婷婷| 婷婷五月天Av| 另类激情五月在线视频欧美| 亚洲日韩一页精品发布| 五月婷婷六月丁香首页| 2050人人操免费工开爱| 伊人久久五月天| 色五月欧美| 97碰在线视频| 99热精品超碰| 五月激情婷婷开心五月| 五月丁香龟婷婷| www.minyis.com【JT】实力收量可预付QQ2101460746 | 天天爽夜夜爽夜夜爽精品视频| 天天射影院| 六月婷婷最新网址| 婷婷五月丁香综合激情小说| www.9797国产| 色色欧美色色色| 大香蕉五月天婷婷| 久久五月综合| 99热只有这里有精品| 狠狠色噜噜色狠狠狠综合色| 六月丁香婷婷视频综合在线观看| 思思热久热| 久久99热这里只频精品6学生| 超碰成人av| 任你搞在线观看视频| 九九爱精品网站| 精品日本视频444| 色婷婷丁香AV综合| 操人精品| 日韩欧洲亚洲| 日本色婷婷久久99精品91| 俺去也在线官网| 成人网站免费sxj| 91日视频| 成人在线精品| 丁香五月-激情综合| 久久狠狠欧美| 五月婷婷六月天| 国产性爱在线| www.婷婷,com| 五月天婷婷成人网| 欧美五月停| 亚洲性受XXXX五月丁香| 九九热视频这里只有精品| 全部老头和老太XXXXX| 91尤物九色在线| 久久久久思思热| 欧洲色区| 婷婷少妇激情| 国产综合网在线| 1024人妻| 91人人爽狠狠狠| 色婷婷的五月天| 婷婷精品视频| 激情五月综合网最新| 婷婷综合五月天亚洲综合| 青草青草视频2免费观看| 色综合网址| 久久婷婷亚洲| 97偷拍对白视频| 五月天天天开心激情网| 中文色婷婷| 久9热在线免费观看| 99无码免费视频| 日日.c| 99久久婷婷五月综合| 色色色无码| 99视频免费播放| www久久99com| 9久久精品| 五月丁香花视频| 偷拍五月丁香| 99久久喉9| 亚洲色色在线| 五月婷婷成人| 99综合在线| 久热69| 九月丁香欧美综合| 五月婷婷开心综合| 丁香六月在线综合| 五月婷婷综合色拍| 成人做爰A片免费看网站找不到了| 97资源欧美日韩大香蕉超碰一区| 五月婷婷中文字幕| 色激情网| 五月综合婷婷网| 性爱视频久久| 五月天激情站| 91色色色| 色色自拍视频网站| 久久综合爱| 97精品欧美91久久久久久久| 性生活视频98791| 97成人在线视频| 欧美综合激情五月| 操人妻AV| 插插网爽妇五月丁香| 99在线精品视频| 台湾综合丁香五月蜜桃| 亚洲超碰在线| 五月婷婷AV| 99九九精品| 色婷婷九月| 另类 在线| 玖玖激情网| 激情五月五月婷婷| 婷婷色情五月| 婷婷五月天免费视频| 97综合视频在线| 婷婷五月天干干| 五月丁香 狠狠爱| av在线色五月丁香婷区久| 99福利视频| 久久婷婷五月综合伊人| 白人荫道BBWBBB大荫道| 六月丁香五月激情亚洲AV| 99精品在线播放| 九九九这里只有精品| 色色色色色色色色网站| 久热9| 五月激情啪啪啪| 99色热视频| 成人丁香色| 91玖玖| 五月婷婷六月天| 亚洲操人| 婷婷91| 日日夜夜青青草| 激情AV网| 天天爽日日爽夜夜爽| 91日综合欧美| 五月激情天| 欧美综合五月丁香六月婷| 五月香婷婷| 五月丁香啪啪| 激情四射五月天| 狠狠色情婷婷| 欧美成人AAA片一区国产精品| 中文字幕性爱视频| 成人va在线播放| 大香蕉婷婷五月| 色婷婷基地| 丁香午月AV中文字幕| 亚洲精品V天堂中文字幕| 婷婷热婷婷色| JAPANRCEP老熟妇乱子伦视频 | 婷婷五月天六点丁香五月| 热99在线| 综合色天天| 久草x色在线观看99| 爱草人视频| 91人人网| 97av在线视频| 激情开心五月婷婷| 婷婷色色综合| 久久这里只有精品视频1| 国产第99页| 色色五月丁香婷婷| 六月丁香五月激情亚洲AV| 疯狂做受XXXX高潮A片动画| 日本成人小说婷婷六月| 婷婷激情啪啪| 色噜噜五月天| 激情综合网五月婷婷| 丁香五月电影| 色婷婷五月天天天干天天操天天爽| 超热久碰.com| 97在线精品| caopeng超碰| 激情综合五月丁香六月婷婷| 久草大| www.婷婷六月天| 五月丁香网站| 女人天堂 AV| 中文资源在线a| 99精品在线观看| 色五月婷激情| 99精品97| 伊人久久婷婷| 无码一区二区三区四区五区| 超碰99热精品在线| 五月丁香六月色| 婷五月天天| www,99视频| 人人妻人人澡| 五月丁香六月婷婷,婷| 亚洲12p| 天天在线XXX| 色999亚洲人成色| 成人无码免费一区二区中文| 无人精品在线视频| 六月丁香综合| 丰满少妇猛烈A片免费看观看| 另类激情五月天| 人妻综合网| 超碰97在线操| 亚洲综合另类| www.99热国产| 婷婷久久女人| 婷婷五月色天| 天天干天天色天天干| 91超级碰在线| 亚洲精品99| 天天爽夜夜爽夜夜爽精品视频 | 欧美激情伊人| 91一起操| 天天爽天天摸天天爱| 亭亭色色五月天| 99色综合久久| 五月丁香色色网| 天天夜天天色天天| 粉嫩av懂色av蜜臀av熟妇| 人与禽A片啪啪| 第四色五月婷婷| 99热国品免费| 五月综合激情图片| 久久这里有精品| aaaaaa片| 99热精品10| 精国产品一区二区三区A片| 天天舔天天摸| 色欲婷婷夜夜| 狠狠色噜噜色狠狠狠综合色| 99色色网| 99九九视频| 97热九九| 婷婷五月激情基地| 国产日产亚洲系列最新| 国产亚洲色婷婷久久99精品91| 色婷五月天网站| seuuu婷婷| 91人操人人人操人| 亚洲看av的网站| 六月婷婷九月丁香| 9久热精品在线视频| 久久人人九九| www.五月瑟| 很很干天天干| 99热色在线精品| 99人人操人人摸| 色欲Av五月天| 色五月天影视| 久久婷婷网| 婷婷五月天黄色| 99久久精彩视频| 欧美性生交xXxX久久久| 天天干天天做| 欧美槡BBBB槡BBB少妇| 亚洲尤物在线| 久久人人九九| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 综合另类激情| 婷婷五月天av| 夜色综合网| 天天日天天日天天搞| 99色在线观看免费| 色综合狠狠色| 我淫我色婷婷五月天激情四射| 色五月色五天色情网| 怡红院精品视频久久久久久久久| 色色色干| 无码动漫AV| 久99999热视频在线观看免费| 色99视频| 五月天婷婷综合免费| 亚洲中文无码成人| 99在线69| Www.狠狠| 涩丁香| 激情五月天色色网| 精品成人在线观看| 中文字幕丁香五月| 成人AV在线电影| 五月婷婷六月综合| 九九色插| 成人综合网站| 第五色婷婷| 99久在线精品99re8| 99久久成人| 日本女天天爽| 久久久香| 97超级操操| 五月天婷婷丁香成人网| 五月婷婷激情| 五月停亭六月,六月停亭的英语| 久久久这里有精品| 日日夜夜小色哥| 日本激情91| 一起草aV| 激情五月婷婷丁香综合网| 亚洲熟妇AV乱码在线观看| 天天拍天天操| 啪啪综合| 五月丁香在线| 嫩草乱码一区三区四区| 操你av| 婷婷玉月丁香五月在线视频| 久热这里只精品| 人妻AV在线观看| 激情五月综合第一页| 丁香六月婷婷久久亚洲天堂| 亚洲中文字幕在线观看| 一级黄色影片| 欧洲亚洲免费视频9| 国产精品色色| 九九热视频这里只有精品| 五月五婷婷| 99热精品综合| 丁香六月婷婷综合麻豆| 【乱子伦】黄色| 亚洲激情亚洲激情| 五月丁香激情啪啪| 婷婷综合九月| 欧美月久久| 丁香六月成人网| 人妻六月天| 五月色亭丁香| 欧美激情综合五月色丁香| 欧美日本日韩| 亚洲V国产V欧美V久久久久久| 91丨九色丨国产打屁股| 激情影院丁香五月| 色综合色综合网| 激情亚洲网| 亚洲精品乱码久久久久99| 先锋资源婷婷| 99综合成人视频在线观看 | 婷婷五月天综合色| 狠狠狠狠狠狠狠狠草| 久久五月丁香六月婷| 99视频在线观看视频| 久久婷婷丁香六月天| 天天日人人爽| 丁香五月婷在线| 六月丁香色婷婷| 九九九九这里只有精品| 日韩色五月| 99色热视频在线| 日韩 中文 欧美| 激情床戏| 色婷婷丁香| 99热这里只有精品8| 激情婷婷五月天| 性一交一乱一交A片久| 亚洲国产精品VA在线看黑人| 婷婷五月激情黄色| 五月丁香色色色| 一区二区传媒视频| 丁香五婷| 51成人| 99热自拍| 九九精品片一| AV五月丁香| wwwwww.色| 丁香五月婷中字幕| 91九色国产熟女| 强伦轩人妻一区二区电影| 欧美婷婷| 99这里只有精品| 国产午夜精品一区二区三区四区 | 色情综合网| 国产无遮挡又黄又爽免费网站| 三日本无码| 欧美啪啪网| 综合激情五月婷婷| 色婷婷XXXXX| 伊人天天色| 丁香五月天五码婷婷| 日韩操| 五月综合色| 俺去也五月天| 天天肏在线| 日韩精品呦呦va| 99热在线资源| 99久久久国产大片| 精品九九视频| 色五XX| 欧美激情综合色综合啪啪五月| 激情综合网激情五月天| 激情九月婷婷九月| 人妻视频一区而且二区| 四月婷婷五月丁香| 五月丁香六月综合情在线观看| 99热在线这里只有精品| 91精品综合久久久久久五月丁香| 天天插天天干| 五月丁香五月婷婷| 久久R激情| 色99婷婷五月天| 五月丁香婷婷色色| 伊人五月久久| 婷婷五月天无码| 色色射| 久久97| 色婷婷另类| 九九99在线免费在线观看视频| 天天噪夜夜爽| 激情綜合W W W,激情五月天|