一种用于实验操作的导线检测方法及装置与流程

1.本发明涉及导线检测技术领域，具体涉及一种用于实验操作的导线检测方法及装置。


背景技术：

2.物理实验可以培养学生的操作能力和创新能力。目前的物理电学实验评分方法都是按照一定的关键操作步骤和评分要点，由老师进行主观评分，需要大量的专业学科老师进行一对一的评分，老师的工作量巨大,实验过程中需要学科老师对关键步骤和评分要点进行确认，由于不同老师对同一考点的评分标准存在一定的差异，很难做到评分标准的完全统一，因此，实现物理电学实验的自动化评分意义重大。
3.判断学生操作步骤是否正确和电学仪器是否正确连接是物理电学实验操作的重要评分要点,因此如何判断学生操作步骤是否正确和电学仪器是否正确连接能准确检测出导线是至关重要的。
4.由于导线比较细长，在图像中跨度较大，导线可以任意弯折，形状不固定，会造成目标检测算法识别导线误差大等问题，识别的目标检测框可能包含多根导线，对后续判断导线接入什么设备存在一定困难，传统图像处理方法，如边缘检测，通过颜色识别导线的方法，需要滤除很多和导线颜色相同的噪声，而且在实验操作过程中导线存在交叉，如何区分出不同导线也是不理想的。


技术实现要素：

5.因此，本发明要解决的技术问题在于克服现有技术利用目标检测算法对图像中的导线识别误差大、噪声大的缺陷，从而提供一种用于实验操作的导线检测方法及装置。
6.本发明实施例提供了一种用于实验操作的导线检测方法，包括如下步骤：
7.获取待检测图像，对所述待检测图像中的导线插头进行检测，生成插头特征向量；
8.基于所述插头特征向量判断同一根导线对应的所述导线插头，生成导线检测结果。
9.由于导线跨度大和形状不固定的特性，因此通过对导线的导线插头进行检测，并通过插头特征向量判断插头是否属于同一根导线，导线插头尺度唯一，准确率高，降低对导线的检测误差，减小检测噪声。
10.可选地，所述将所述待检测图像输入目标检测模型中，生成插头特征向量，包括：
11.将所述待检测图像输入目标检测模型中，生成导线插头图像坐标位置；
12.将所述待检测图像输入特征提取模型中，生成图像特征图，其中所述图像特征图包括各个图像坐标位置对应的特征向量长度特征；
13.将所述导线插头图像坐标位置与所述图像特征图进行匹配，生成插头特征向量。
14.本发明将待检测图像输入目标检测模型中，生成导线插头图像坐标位置，提高了对导线插头的检测效率与检测准确度，并利用特征提取模型对待检测图像法进行特征提
取，生成了待检测图像对应的图像特征图，为后续导线插头图像坐标位置与图像特征图的匹配奠定了基础。
15.可选地，所述将所述待检测图像输入特征提取模型中，生成所述图像特征图，包括：
16.基于预设图像尺寸对所述待检测图像进行尺寸调整；
17.将尺寸调整后的所述待检测图像输入至所述特征提取模型中，生成所述图像特征图。
18.本发明通过对待检测图像的尺寸调整，使得待检测图像与图像特征图的大小相等，为后续导线插头图像坐标位置与图像特征图的匹配奠定了基础。
19.可选地，所述将所述导线插头图像坐标位置与所述图像特征图进行匹配，生成插头特征向量，包括：
20.基于所述导线插头图像坐标位置调取特征向量长度特征作为所述插头特征向量。
21.本发明基于导线插头图像坐标位置，进而从特征图上调取导线插头图像坐标位置对应的特征向量长度特征，提高了对导线插头对应特征向量的提取准确度。
22.可选地，所述基于所述插头特征向量判断同一根导线对应的所述导线插头，生成导线检测结果，包括：
23.基于多个所述插头特征向量确定多个导线插头之间的相似度；
24.将多个相似度进行排序，基于排序结果对同一根导线对应的两个导线插头进行判断，以生成所述导线检测结果。
25.本发明通过导线插头之间的相似度判断导线插头与导线的连接是否正确，降低了对导线的检测误差，为物理电学实验操作的自动化评分提供了基础。
26.可选地，所述基于多个所述插头特征向量确定多个导线插头之间的相似度，包括：
27.基于多个所述插头特征向量，利用欧氏距离算法计算多个导线插头之间的相似度。
28.可选地，所述基于排序结果对同一根导线对应的两个导线插头进行判断，以生成所述导线检测结果，包括：
29.选取最小相似度对应的两个导线插头，以得到所述两个导线插头连接同一根导线。
30.在本技术的第二个方面，还提出了一种用于实验操作的导线检测装置，包括：
31.检测模块，用于获取待检测图像，对所述待检测图像中的导线插头进行检测，生成插头特征向量；
32.判断模块，用于基于所述插头特征向量判断同一根导线对应的所述导线插头，生成导线检测结果。
33.可选地，所述检测模块，包括：
34.第一生成子模块，用于将所述待检测图像输入目标检测模型中，生成导线插头图像坐标位置；
35.第二生成子模块，用于将所述待检测图像输入特征提取模型中，生成图像特征图，其中所述图像特征图包括各个图像坐标位置对应的特征向量长度特征；
36.匹配子模块，用于将所述导线插头图像坐标位置与所述图像特征图进行匹配，生
成插头特征向量。
37.可选地，所述第二生成子模块，包括：
38.调整单元，用于基于预设图像尺寸对所述待检测图像进行尺寸调整；
39.生成单元，用于将尺寸调整后的所述待检测图像输入至所述特征提取模型中，生成所述图像特征图。
40.可选地，所述匹配子模块，包括：
41.基于所述导线插头图像坐标位置调取特征向量长度特征作为所述插头特征向量。
42.可选地，所述判断模块，包括：
43.确定子模块，用于基于多个所述插头特征向量确定多个导线插头之间的相似度；
44.判断子模块，用于将多个相似度进行排序，基于排序结果对同一根导线对应的两个导线插头进行判断，以生成所述导线检测结果。
45.可选地，所述确定子模块，包括：
46.基于多个所述插头特征向量，利用欧氏距离算法计算多个导线插头之间的相似度。
47.可选地，所述判断子模块，包括：
48.选取最小相似度对应的两个导线插头，以得到所述两个导线插头连接同一根导线。
49.在本技术的第三个方面，还提出了一种计算机设备，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序，所述处理器被配置用于调用所述计算机程序，执行上述第一方面的方法。
50.在本技术的第四个方面，本发明实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述第一方面的方法。
附图说明
51.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
52.图1为本发明实施例1中一种用于实验操作的导线检测方法的流程图；
53.图2为本发明实施例1中步骤s101的流程图；
54.图3为本发明实施例1中导线插头图像坐标位置的示意图；
55.图4为本发明实施例1中步骤s1012的流程图；
56.图5为本发明实施例1中步骤s102的流程图；
57.图6为本发明实施例2中一种用于实验操作的导线检测装置的原理框图。
具体实施方式
58.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术
人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
60.此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
61.实施例1
62.本实施例提供一种用于实验操作的导线检测方法，如图1所示，包括如下步骤：
63.s101、获取待检测图像，对所述待检测图像中的导线插头进行检测，生成插头特征向量。
64.其中，摄像头布置在物理电学实验台正上方，实时获取待检测图像，待检测图像用于呈现学生进行物理电学实验操作的操作信息。
65.s102、基于所述插头特征向量判断同一根导线对应的所述导线插头，生成导线检测结果。
66.上述一种用于实验操作的导线检测方法，由于导线跨度大和形状不固定的特性，因此通过对导线的导线插头进行检测，并通过插头特征向量判断插头是否属于同一根导线，导线插头尺度唯一，准确率高，降低对导线的检测误差，减小检测噪声。
67.优选地，如图2所示，步骤s101中上述对所述待检测图像中的导线插头进行检测，生成插头特征向量，包括：
68.s1011、将所述待检测图像输入目标检测模型中，生成导线插头图像坐标位置。
69.其中，如图3所示，导线插头图像坐标位置是二维坐标，待检测图像的原点为左上角图像坐标(0，0)，图2中包围目标的边界框是目标检测识别的图像位置可视化的结果，目标检测模型的输出为(x，y，w，h)，x表示边界框左上角的横坐标，y表示边界框左上角的纵坐标，w、h分别表示边界框的宽高，可视化后为图2中包围待检测目标的方框，其中，图2中目标名字后边的数字表示目标检测模型将该目标识别为特定目标的概率，例如，灯泡0.91表示将边界框包围的物体识别为灯泡的概率为0.91；进而，基于目标检测模型对导线插头的识别结果，即各个导线插头的边界框左上角的横坐标，纵坐标，边界框的宽高计算边界框的中心图像坐标，将该图像坐标作为导线插头图像坐标位置，例如导线插头图像坐标位置为(80，80)。
70.进一步地，对目标检测模型进行训练的过程为：训练样本为标注好的图像，将标注前的原始图像作为输入数据，将标注后的图像(即导线插头图像坐标位置)作为输出结果；将标注前的原始图像输入至上述图像检测模型中，输出图像插头位置，将图像插头位置与训练样本中的导线插头图像坐标位置进行比较，当图像插头位置与训练样本中的导线插头图像坐标位置相同时，则目标检测模型训练完成；当图像插头位置与训练样本中的导线插头图像坐标位置不相同时，对目标检测模型的各卷积神经网络层的参数进行调整，继续将标注前的原始图像输入至调整参数后的目标检测模型中进行训练，直至图像插头位置与训练样本中的导线插头图像坐标位置相同，输出训练好的目标检测模型。
71.s1012、将所述待检测图像输入特征提取模型中，生成图像特征图，其中所述图像特征图包括各个图像坐标位置对应的特征向量长度特征。
72.其中，图像特征图有64个通道，表示提取待检测图像中每个位置的64个隐含的特征。
73.s1013、将所述导线插头图像坐标位置与所述图像特征图进行匹配，生成插头特征向量(64维)。
74.优选地，如图4所示，步骤s1012中将上述待检测图像输入特征提取模型中，生成图像特征图，包括：
75.s10121、基于预设图像尺寸对上述待检测图像进行尺寸调整。
76.具体的，预设图像尺寸为(3，640，640)，基于上述预设图像尺寸将待检测图像进行缩放，缩放为(3，640，640)，3表示图像通道数，640表示图像宽高。
77.进一步地，当待检测图像进行尺寸调整时，仅调整图像通道数，不对检测图像的宽高进行调整，保证导线插头图像坐标位置的固定。
78.s10122、将尺寸调整后的上述待检测图像输入至上述特征提取模型中，生成上述图像特征图。
79.具体的，利用卷积神经网络对特征提取模型进行训练，训练过程为：提前采集原始图像和与原始图像对应的图像特征图；将采集的原始图像作为输入量输入卷积神经网络中，通过滤波器与可加偏置向量进行卷积运算，在第一层卷积神经网络生成特征映射图，然后对每个特征映射图的局部区域进行加权平均求和，增加偏置后通过一个非线性激活函数在第一层的子采样层得到新的特征映射图；进而将特征映射图与第二层卷积神经网络的可训练的滤波器进行卷积，并进一步通过第二层的子采样层输出新的特征映射图，将新的特征映射图向量化，输入神经网络进行训练，输出图像特征向量，将该图像特征向量与原始图像对应的图像特征图中的特征向量进行比较，当该图像特征向量与原始图像对应的图像特征图中的特征向量相符时，输出特征提取模型；当该图像特征向量与原始图像对应的图像特征图中的特征向量不相符时，调整神经网络的相关参数，直至该图像特征向量与原始图像对应的图像特征图中的特征向量相符，输出训练好的特征提取模型。
80.其中，上述图像特征图，包括各个图像坐标位置特征对应的特征向量长度特征，其中，图像特征图为(64，640，640)，64表示图像中各个图像坐标位置的特征向量长度为64，640表示特征图的宽高(即图像坐标位置特征)，每个像素点的特征是一个64维的特征向量。
81.进一步地，调取上述导线插头图像坐标位置对应的特征向量长度特征作为上述插头特征向量。例如，调取导线插头图像坐标位置特征(80，80)对应的64维特征向量长度特征作为插头特征向量。
82.上述通过对待检测图像的尺寸调整，使得待检测图像与图像特征图的大小相等；并且利用特征提取模型对待检测图像法进行特征提取，生成了待检测图像对应的图像特征图，其包含的图像坐标位置特征与特征向量长度特征为后续导线插头图像坐标位置与图像特征图的匹配奠定了基础，并且基于导线插头图像坐标位置选取上述导线插头图像坐标位置特征，进而调取导线插头图像坐标位置特征对应的特征向量长度特征，提高了对导线插头对应特征向量的提取准确度。
83.优选地，如图5所示，步骤s102中上述基于所述插头特征向量判断同一根导线对应
的所述导线插头，生成导线检测结果，包括：
84.s1021、基于多个所述插头特征向量确定多个导线插头之间的相似度。
85.具体的，基于所有的导线插头对应的插头特征向量(64维)，利用欧式距离两两计算所有导线插线之间的相似度，具体计算公式如下所示：
[0086][0087]
上式中，d表示相似度，xn表示导线插头对应的插头特征向量，n＝1,2,3,
…
64，yn表示另一导线插头对应的插头特征向量，n＝1,2,3,
…
64。
[0088]
s1022、将多个相似度进行排序，基于排序结果对同一根导线对应的两个导线插头进行判断，以生成上述导线检测结果。
[0089]
其中，由于同一根导线上的两个插头特征向量的欧式距离尽可能的近，不同导线上的插头特征向量的欧氏距离尽可能的远，因此将导线插头之间的相似度从小到大排序，选取最小的相似度对应的导线插头为同一根导线连接的两个导线插头。
[0090]
进一步地，获取同一根导线连接的两个导线插头接入的设备，进而判断不同设备之间的导线连接，以此判断学生操作步骤是否正确和电学仪器是否正确连接。
[0091]
上述通过插头特征向量计算导线插头之间的相似度，并对相似度进行排序，基于排序结果对同一根导线对应的上述导线插头进行判断，基于导线插头之间的相似度判断导线插头与导线的连接是否正确，降低了对导线的检测误差，为物理电学实验操作的自动化评分提供了基础。
[0092]
实施例2
[0093]
本施例提供一种用于实验操作的导线检测装置，如图6所示，包括：
[0094]
检测模块61，用于获取待检测图像，对所述待检测图像中的导线插头进行检测，生成插头特征向量。
[0095]
其中，摄像头布置在物理电学实验台正上方，实时获取待检测图像，待检测图像用于呈现学生进行物理电学实验操作的操作信息。
[0096]
判断模块62，用于基于所述插头特征向量判断同一根导线对应的所述导线插头，生成导线检测结果。
[0097]
上述一种用于实验操作的导线检测装置，由于导线跨度大和形状不固定的特性，因此通过对导线的导线插头进行检测，并通过插头特征向量判断插头是否属于同一根导线，导线插头尺度唯一，准确率高，降低对导线的检测误差，减小检测噪声。
[0098]
优选地，上述检测模块61，包括：
[0099]
第一生成子模块611，用于将所述待检测图像输入目标检测模型中，生成导线插头图像坐标位置。
[0100]
其中，如图3所示，导线插头图像坐标位置是二维坐标，待检测图像的原点为左上角图像坐标(0，0)，图2中包围目标的边界框是目标检测识别的图像位置可视化的结果，目标检测模型的输出为(x，y，w，h)，x表示边界框左上角的横坐标，y表示边界框左上角的纵坐标，w、h分别表示边界框的宽高，可视化后为图2中包围待检测目标的方框，其中，图2中目标名字后边的数字表示目标检测模型将该目标识别为特定目标的概率，例如，灯泡0.91表示将边界框包围的物体识别为灯泡的概率为0.91；进而，基于目标检测模型对导线插头的识
别结果，即各个导线插头的边界框左上角的横坐标，纵坐标，边界框的宽高计算边界框的中心图像坐标，将该图像坐标作为导线插头图像坐标位置，例如导线插头图像坐标位置为(80，80)。
[0101]
进一步地，对目标检测模型进行训练的过程为：训练样本为标注好的图像，将标注前的原始图像作为输入数据，将标注后的图像(即导线插头图像坐标位置)作为输出结果；将标注前的原始图像输入至上述图像检测模型中，输出图像插头位置，将图像插头位置与训练样本中的导线插头图像坐标位置进行比较，当图像插头位置与训练样本中的导线插头图像坐标位置相同时，则目标检测模型训练完成；当图像插头位置与训练样本中的导线插头图像坐标位置不相同时，对目标检测模型的各卷积神经网络层的参数进行调整，继续将标注前的原始图像输入至调整参数后的目标检测模型中进行训练，直至图像插头位置与训练样本中的导线插头图像坐标位置相同，输出训练好的目标检测模型。
[0102]
第二生成子模块612，用于将所述待检测图像输入特征提取模型中，生成图像特征图，其中所述图像特征图包括各个图像坐标位置对应的特征向量长度特征。
[0103]
其中，图像特征图有64个通道，表示提取待检测图像中每个位置的64个隐含的特征。
[0104]
匹配子模块613，用于将所述导线插头图像坐标位置与所述图像特征图进行匹配，生成插头特征向量。
[0105]
优选地，上述生成模块612，包括：
[0106]
调整单元6121，用于基于预设图像尺寸对上述待检测图像进行尺寸调整。
[0107]
具体的，预设图像尺寸为(3，640，640)，基于上述预设图像尺寸将待检测图像进行缩放，缩放为(3，640，640)，3表示图像通道数，640表示图像宽高。
[0108]
进一步地，当待检测图像进行尺寸调整时，仅调整图像通道数，不对检测图像的宽高进行调整，保证导线插头图像坐标位置的固定。
[0109]
生成单元6122，用于将尺寸调整后的上述待检测图像输入至上述特征提取模型中，生成上述图像特征图。
[0110]
具体的，利用卷积神经网络对特征提取模型进行训练，训练过程为：提前采集原始图像和与原始图像对应的图像特征图；将采集的原始图像作为输入量输入卷积神经网络中，通过滤波器与可加偏置向量进行卷积运算，在第一层卷积神经网络生成特征映射图，然后对每个特征映射图的局部区域进行加权平均求和，增加偏置后通过一个非线性激活函数在第一层的子采样层得到新的特征映射图；进而将特征映射图与第二层卷积神经网络的可训练的滤波器进行卷积，并进一步通过第二层的子采样层输出新的特征映射图，将新的特征映射图向量化，输入神经网络进行训练，输出图像特征向量，将该图像特征向量与原始图像对应的图像特征图中的特征向量进行比较，当该图像特征向量与原始图像对应的图像特征图中的特征向量相符时，输出特征提取模型；当该图像特征向量与原始图像对应的图像特征图中的特征向量不相符时，调整神经网络的相关参数，直至该图像特征向量与原始图像对应的图像特征图中的特征向量相符，输出训练好的特征提取模型。
[0111]
其中，上述图像特征图，包括：图像坐标位置特征和与上述图像坐标位置特征对应的特征向量长度特征，其中，图像特征图为(64，640，640)，64表示图像中每个坐标位置的特征向量长度特征为64，640表示特征图的宽高(即图像坐标位置特征)，每个像素点的特征是
一个64维的特征向量。
[0112]
进一步地，调取上述导线插头图像坐标位置对应的特征向量长度特征作为上述插头特征向量。例如，调取导线插头图像坐标位置特征(80，80)对应的64维特征向量长度特征作为插头特征向量。
[0113]
上述通过对待检测图像的尺寸调整，使得待检测图像与图像特征图的大小相等；并且利用特征提取模型对待检测图像法进行特征提取，生成了待检测图像对应的图像特征图，其包含的图像坐标位置特征与特征向量长度特征为后续导线插头图像坐标位置与图像特征图的匹配奠定了基础，并且基于导线插头图像坐标位置选取上述导线插头图像坐标位置特征，进而调取导线插头图像坐标位置特征对应的特征向量长度特征，提高了对导线插头对应特征向量的提取准确度。
[0114]
可选地，上述判断模块62，包括：
[0115]
确定子模块621，用于基于多个所述插头特征向量确定多个导线插头之间的相似度。
[0116]
具体的，基于所有的导线插头对应的插头特征向量(64维)，利用欧式距离两两计算所有导线插线之间的相似度，具体计算公式如下所示：
[0117][0118]
上式中，d表示相似度，xn表示导线插头对应的插头特征向量，n＝1,2,3,
…
64，yn表示另一导线插头对应的插头特征向量，n＝1,2,3,
…
64。
[0119]
判断子模块622，用于将多个相似度进行排序，基于排序结果对同一根导线对应的两个导线插头进行判断，以生成所述导线检测结果。
[0120]
其中，由于同一根导线上的两个插头特征向量的欧式距离尽可能的近，不同导线上的插头特征向量的欧氏距离尽可能的远，因此将导线插头之间的相似度从小到大排序，选取最小的相似度对应的导线插头为同一根导线连接的两个导线插头。
[0121]
进一步地，获取同一根导线连接的两个导线插头接入的设备，进而判断不同设备之间的导线连接，以此判断学生操作步骤是否正确和电学仪器是否正确连接。
[0122]
上述通过插头特征向量计算导线插头之间的相似度，并对相似度进行排序，基于排序结果对同一根导线对应的上述导线插头进行判断，基于导线插头之间的相似度判断导线插头与导线的连接是否正确，降低了对导线的检测误差，为物理电学实验操作的自动化评分提供了基础。
[0123]
实施例3
[0124]
本施例提供一种计算机设备，包括存储器和处理器，处理器用于读取存储器中存储的指令，以执行以下操作上述任意方法实施例中的一种用于实验操作的导线检测方法。
[0125]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0126]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0127]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0128]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0129]
实施例4
[0130]
本实施例提供一种计算机可读存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的一种用于实验操作的导线检测方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0131]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。