马铃薯种薯制备系统

1.本技术涉及农业种植领域，尤其涉及一种马铃薯种薯制备系统。


背景技术：

2.马铃薯是我国第四大主要粮食作物之一，提高马铃薯的种植面积对确保全球粮食安全至关重要。但马铃薯播种环节由于缺乏成熟的种署智能化切块技术，在很大程度上影响了马铃薯生产的产量和质量，进而严重影响了农民的生产效益。
3.目前，马铃薯的切块仍以人工为主，存在作业效率低、劳动强度大、生产成本高、容易延误农时等问题，无法满足马铃薯的大规模种植的需求。


技术实现要素：

4.本技术的目的是提供一种马铃薯种薯制备系统，用于快速完成对马铃薯的切种操作，并且切割后的马铃薯的每个薯块上均包含有芽眼、且不同薯块的大小相近。
5.本技术提供一种马铃薯种薯制备系统，包括：
6.切种装置，图像采集装置以及切割决策模块；所述切种装置包括：刀具和托盘，以及控制所述刀具和所述托盘移动的驱动机构；所述图像采集装置，用于采集放置在所述托盘上的待切割马铃薯的目标图像；所述切割决策模块，用于根据所述图像采集装置采集的所述目标图像，生成目标切割策略；所述驱动机构，用于控制所述刀具按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯，使得切割后的马铃薯的每个薯块上均包含有芽眼、且不同薯块的大小相近。
7.可选地，所述刀具包括多个固定在刀轴上刀刃；任一两个刀刃之间的夹角相同；所述托盘上设置有与刀刃相匹配的等间距切割槽、且切割槽的数量为刀刃数量的整数倍；所述托盘的中心设置有圆形孔隙、且所述圆形孔隙的轴心线与所述刀轴在同一直线上；所述托盘的边缘设置有多个定位标识；所述多个定位标识用于确定所述刀具的中心在所述待切割马铃薯上的目标落刀点；所述驱动机构，具体用于控制所述刀具和所述托盘相向运动。
8.可选地，所述托盘上还设置有开口槽；所述马铃薯种薯制备系统，还包括：托盘脱离传感器；所述驱动机构，还用于在所述切种装置完成对所述待切割马铃薯的切割后，控制所述托盘改变运动方向，使得所述刀轴从所述开口槽处滑出；所述驱动机构，还用于在所述托盘脱离传感器检测所述刀轴从所述开口槽处滑出的情况下，控制所述刀具和所述托盘复位。
9.可选地，所述图像采集装置包括多个图像采集单元；所述多个图像采集单元中的各个图像采集单元分别用于采集所述待切割马铃薯的不同角度的图像；所述马铃薯种薯制备系统，还包括：位置传感器；所述位置传感器用于检测所述托盘的位置。
10.可选地，所述图像采集装置，具体用于在所述位置传感器指示所述托盘位于第一位置的情况下，控制图像采集装置采集所述目标图像，并将所述目标图像发送至所述切割决策模块；其中，所述目标图像包括所述各个图像采集单元采集的所述待切割马铃薯的不
同角度的图像。
11.可选地，所述切割决策模块，具体用于根据所述图像采集装置采集的所述目标图像，生成多个切割方案，并从所述多个切割方案中筛选出所述目标切割方案。
12.可选地，所述切割决策模块，具体用于在接收到所述目标图像后，将所述目标图像中的各个图像进行图像拼接，生成包含所述待切割马铃薯的最大视角的拼接图像；所述切割决策模块，具体还用于提取所述拼接图像中所述待切割马铃薯的轮廓，并确定所述拼接图像中包含所述待切割马铃薯的目标区域；所述切割决策模块，具体还用于根据所述拼接图像以及所述目标区域，生成所述待切割马铃薯的芽眼信息；所述切割决策模块，具体还用于根据所述多个切割槽的分布情况，将所述目标区域沿每个切割槽中心分割为多个第一子区域；所述切割决策模块，具体还用于计算每个第一子区域所覆盖的所述待切割马铃薯的面积以及每个第一子区域内所包含的芽眼的数量；其中，所述拼接图像为基于所述目标图像中各个图像所包含的定位标识对应的像素点作为特征点进行特征匹配后得到的。
13.可选地，所述切割决策模块，具体还用于根据所述刀具的多个刀刃的初始位置生成与刀刃数量和位置相对应的多个分隔线；所述切割决策模块，具体还用于将所述多个分隔线以所述目标落刀点为旋转中心进行旋转，生成多个切割方案；一次旋转生成一个切割方案，每次旋转的角度相同；每个分割方案均可以将所述目标区域划分为多个第二子区域；一个第二子区域至少覆盖一个第一子区域；每个第二子区域所覆盖的第一子区域的数量相同；所述切割决策模块，具体还用于根据每个切割方案对应的每个第二子区域所覆盖的第一子区域，计算每个切割方案对应的每个第二子区域内所述待切割马铃薯的面积以及芽眼的数量；所述切割决策模块，具体还用于基于每个切割方案对应的每个第二子区域内所述待切割马铃薯的面积，计算每个切割方案的面积方差；所述切割决策模块，具体还用于将所述多个切割方案中面积方差最小、且每个第二子区域内均包含有芽眼的切割方案确定为所述目标切割方案。
14.可选地，所述驱动机构，具体用于在所述位置传感器指示所述托盘位于第二位置的情况下，按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯。
15.可选地，所述切割决策，具体用于基于改进的轻量化目标检测网络，从所述拼接图像中识别出所述待切割马铃薯的芽眼，并生成所述芽眼信息；其中，所述改进的轻量化目标检测网络为基于yolox-nano网络改进的；所述改进的轻量化目标检测网络中删除了所述yolox-nano网络的骨干网络中的部分特征层，并在所述yolox-nano网络的空间金字塔池化模块中添加了注意力机制模块，形成了改进后的骨干网络；改进的轻量化目标检测网络将所述yolox-nano网络中的特征融合网络替换为深浅融合特征模块作为特征网络实现特征融合。
16.本技术提供的马铃薯种薯制备系统，首先，图像采集装置采集放置在所述托盘上的待切割马铃薯的目标图像。之后，切割决策模块根据所述图像采集装置采集的所述目标图像，生成目标切割策略。最后，驱动机构控制所述刀具按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯，从而实现马铃薯种薯的快速制备，同时使得切割后的马铃薯的每个薯块上均包含有芽眼、且不同薯块的大小相近。
附图说明
17.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例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技术的一些实施例，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。
18.图1是本技术提供的马铃薯种薯制备系统的结构示意图；
19.图2是本技术提供的马铃薯种薯制备系统的托盘的结构示意图；
20.图3是本技术提供的马铃薯种薯制备系统对拼接图像中马铃薯所在区域的划分示意图。
具体实施方式
21.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术中的附图，对本技术中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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
22.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
23.在相关技术中，马铃薯的人工切块方式存在切割的署块大小不一、均匀性差、且无法保证切块中至少留有芽眼等问题，导致很大一部分薯块无法满足播种要求，造成资源的浪费，同时也增加了播种的成本。
24.针对相关技术中存在的上述技术问题，本技术实施例提供了一种马铃薯种薯制备系统，能够自动完成对马铃薯的切割，得到的种薯均含有芽眼、且大小相近，非常适合马铃薯的播种。
25.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的马铃薯种薯制备系统进行详细地说明。
26.本技术实施例提供的一种马铃薯种薯制备系统，该系统可以包括：切种装置，图像采集装置以及切割决策模块。如图1所示，所述切种装置包括：刀具和托盘，以及控制所述刀具和所述托盘移动的驱动机构。
27.示例性地，所述图像采集装置，用于采集放置在所述托盘上的待切割马铃薯的目标图像；所述切割决策模块，用于根据所述图像采集装置采集的所述目标图像，生成目标切割策略；所述驱动机构，用于控制所述刀具按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯，使得切割后的马铃薯的每个薯块上均包含有芽眼、且不同薯块的大小相近。
28.示例性地，如图1所示，所述刀具包括多个固定在刀轴上刀刃；任一两个刀刃之间的夹角相同；所述托盘上设置有与刀刃相匹配的等间距切割槽、且切割槽的数量为刀刃数
量的整数倍；所述托盘的中心设置有圆形孔隙、且所述圆形孔隙的轴心线与所述刀轴在同一直线上；所述托盘的边缘设置有多个定位标识；所述多个定位标识用于确定所述刀具的中心在所述待切割马铃薯上的目标落刀点；所述驱动机构，具体用于控制所述刀具和所述托盘相向运动。
29.在本技术实施例中，以刀具所包含的刀刃的数量为n为例，刀刃均匀固定在刀轴上，刀刃线把平面均匀分割为大小为360
°
/n的平面。刀具在驱动机构作用下可以做旋转、左右以及上下运动。托盘用于放置待切割马铃薯，且托盘的中间凹陷，便于切种过程中马铃薯的稳定放置。如图2所示，托盘上有与切割刀刃匹配的等间距切割槽1，两相邻切割槽的夹角为θ度且满足kθ＝360
°
/n，其中k为整数。即托盘上的切割槽的数量为刀具上刀刃数量的整数倍。
30.举例说明，以刀具的刀刃数量为4(即n＝4)为例，切割槽的数量可以为1、2、3
…
k，假设k＝2，那么任意两个相邻的切割槽的夹角为θ＝360
°
/(k
×
n)＝45
°
。
31.需要说明的是，切割槽与刀刃之间的数量关系，能够确保将刀具从初始位置旋转至目标切割策略指示的角度后，能够完成对待切割马铃薯的切割操作，并顺利通过托盘上的切割槽，而不会与切割槽发生干涉。
32.在本技术实施例中，如图2所示，托盘的中心处有圆形孔隙2，孔隙的轴心线与刀具的轴线在同一直线上，切种时刀具由垂直于地面从上而下，托盘与刀具相向运动。刀具从托盘中心孔和切割槽穿过托盘，托盘的边缘上设置多个凸起的定位标识3。利用这些定位标识，可在图像采集装置采集的图像中确定刀轴的中心在马铃薯上的落刀点。
33.示例性地，如图2所示，所述托盘上还设置有开口槽4；所述马铃薯种薯制备系统，还包括：托盘脱离传感器。所述驱动机构，还用于在所述切种装置完成对所述待切割马铃薯的切割后，控制所述托盘改变运动方向，使得所述刀轴从所述开口槽处滑出；所述驱动机构，还用于在所述托盘脱离传感器检测所述刀轴从所述开口槽处滑出的情况下，控制所述刀具和所述托盘复位。
34.在本技术实施例中，驱动机构根据切割决策模块生成的目标切割策略，将刀具从初始位置旋转至目标切割策略指示的角度，刀具直线运动控制器控制切刀直线向下运行运动，穿过托盘，将马铃薯切割成n块；当托盘上行到一定位置，托盘运动改为向斜上方运动，刀杆从托盘开口槽4滑出，托盘脱离传感器立即给出信号，刀具直线运动控制器收到该信号后，收缩刀具回到原位，随后，刀具旋转角度控制器使得刀具旋转角复位。
35.示例性地，所述图像采集装置包括多个图像采集单元；所述多个图像采集单元中的各个图像采集单元分别用于采集所述待切割马铃薯的不同角度的图像；所述马铃薯种薯制备系统，还包括：位置传感器；所述位置传感器用于检测所述托盘的位置。
36.在本技术实施例中，如图1所示，以图像采集装置包括两个图像采集单元(即摄像头a和摄像头b)为例，上述两个摄像头分别用于采集托盘上放置的待切割马铃薯的不同角度的图像。
37.需要说明的是，基于本技术实施例中的技术方案，本领域技术人员还可以在多个不同的位置设置多个图像采集单元，以采集待切割马铃薯的各个角度的图像。
38.可以理解的是，由于从正上方采集的待切割马铃薯的图像不能完整的展示出待切割马铃薯的不同区域的芽眼分布情况，因此，本技术实施例中采用两个不同位置的摄像头
来采集待切割马铃薯的不同区域的图像。
39.具体地，所述图像采集装置，具体用于在所述位置传感器指示所述托盘位于第一位置的情况下，控制图像采集装置采集所述目标图像，并将所述目标图像发送至所述切割决策模块；其中，所述目标图像包括所述各个图像采集单元采集的所述待切割马铃薯的不同角度的图像。
40.在本技术实施例中，如图1所示，在摄像头下方的某个位置安装位置传感器，当自下而上的运动的托盘经过位置传感器时，该位置传感器产生第一触发信号，该第一触发电信号传输到两个摄像头的触发控制电路中，控制两个摄像头分别从两个不同的角度拍摄两张图像。之后，将采集到的图像传输至切割决策模块，以识别出待切割马铃薯上的芽眼。
41.具体地，所述切割决策模块，具体用于在接收到所述目标图像后，将所述目标图像中的各个图像进行图像拼接，生成包含所述待切割马铃薯的最大视角的拼接图像；
42.具体地，所述切割决策模块，具体还用于提取所述拼接图像中所述待切割马铃薯的轮廓，并确定所述拼接图像中包含所述待切割马铃薯的目标区域。
43.具体地，所述切割决策模块，具体还用于根据所述拼接图像以及所述目标区域，生成所述待切割马铃薯的芽眼信息。
44.示例性地，上述芽眼信息可以包括芽眼的数量，以及每个芽眼的位置信息等。
45.具体地，所述切割决策模块，具体还用于根据所述多个切割槽的分布情况，将所述目标区域沿每个切割槽中心分割为多个第一子区域。
46.在一种可能的实现方式中，所述多个第一子区域的数量与所述切割槽的数量相同。
47.可以理解的是，切割槽与刀刃的数量倍数决定了切割方案的多少，数量倍数越大，能够实现的切割方案的数量越多。
48.具体地，所述切割决策模块，具体还用于计算每个第一子区域所覆盖的所述待切割马铃薯的面积以及每个第一子区域内所包含的芽眼的数量。
49.其中，所述拼接图像为基于所述目标图像中各个图像所包含的定位标识对应的像素点作为特征点进行特征匹配后得到的。
50.本技术实施例提供的马铃薯种薯制备系统中生成目标切割方案的步骤可以包括以下步骤301至步骤305：
51.步骤301、将待切割的马铃薯放置到托盘上，控制图像采集单元分别采集左右两个视角的马铃薯图像。将两个视角的马铃薯图像进行融合拼接，获得大视角范围马铃薯拼接图像，以展现更加完整的芽眼信息。
52.步骤302、使用改进的轻量化目标检测网络在拼接图像的目标区域识别出芽眼目标，并生成所述芽眼信息。
53.步骤303、在拼接图像上，马铃薯区域由被切割槽的中心线划分为i个子区，构造一个二维数组。若芽眼检测网络(即上述改进的轻量化目标检测网络)在b[1,i]所属的子区域检测到芽眼，则设置b[1,i]＝“true”，否则设置b[1,i]＝“false”。计算第i个子区的马铃薯面积，存储在b[2,i]中。
[0054]
示例性地，在拼接图像上，包含待切割马铃薯的目标区域由被切割槽的中心线划分为k
×
n个子区(即上述第一子区域)。构造一个m
×
2的数组b，代表这些子区。其中，m＝k
×
n。以逆时针方向增大数组b的索引，第一个子区从托盘开口槽中心线开始计算：若芽眼检测网络在b[1,i]所属的区域检测到芽眼，则设置置b[1,i]＝“true”，否则为“false”，i＝1,
…
,k
×
n；计算第i个子区的马铃薯面积，存储在b[2,i]中。
[0055]
具体地，所述切割决策模块，具体还用于根据所述刀具的多个刀刃的初始位置生成与刀刃数量和位置相对应的多个分隔线。
[0056]
具体地，所述切割决策模块，具体还用于将所述多个分隔线以所述目标落刀点为旋转中心进行旋转，生成多个切割方案。
[0057]
其中，一次旋转生成一个切割方案，每次旋转的角度相同；每个分割方案均可以将所述目标区域划分为多个第二子区域；一个第二子区域至少覆盖一个第一子区域；每个第二子区域所覆盖的第一子区域的数量相同。
[0058]
具体地，所述切割决策模块，具体还用于根据每个切割方案对应的每个第二子区域所覆盖的第一子区域，计算每个切割方案对应的每个第二子区域内所述待切割马铃薯的面积以及芽眼的数量；每个第二子区域所覆盖的第一子区域的数量相同。
[0059]
具体地，所述切割决策模块，具体还用于基于每个切割方案对应的每个第二子区域内所述待切割马铃薯的面积，计算每个切割方案的面积方差。
[0060]
具体地，所述切割决策模块，具体还用于将所述多个切割方案中面积方差最小、且每个第二子区域内均包含有芽眼的切割方案确定为所述目标切割方案。
[0061]
可以理解的是，本技术实施例中，每个切割策略均可以看做是对待切割马铃薯的一次模拟切割操作，通过计算每个模拟切割操作的切割结果，筛选出最优的切割策略。
[0062]
步骤304、在拼接图像增中识别托盘的定位标识，利用定位标识延长线的交点确定刀具中心落在马铃薯上的落刀点，并通过图像分割法从拼接图像中提取出马铃薯轮廓。
[0063]
示例性地，以落刀点为中心，呈放射状画n条放射线，在刀具处于初始位置的情况下，第一条放射线经过拼接图像中的切割槽，n条放射线逆时针方向将马铃薯区域均匀划分为n个分离区(即上述第二子区域)，模拟刀具落下时将马铃薯分割成n块的情形。
[0064]
步骤305、构造一个数组c，其维数为(m-1)
×n×
2，存放模拟刀具旋转p次(p＝1,
…
,m-1)，每次旋转θ时第j个分离区aj的面积和aj覆盖的子区(即上述第一子区域)是否有芽眼。
[0065]
举例说明，如图3所示，将拼接图像中马铃薯所在的目标区域分割为n个区域(即上述多个第二子区域)后，可以以上述目标落刀点为旋转中心，通过旋转的方式调整上述n个区域的分布情况，以便计算每种分布情况下对应的详细信息。
[0066]
在本技术实施例中，当n条放射线从初始位置时，每个分离区覆盖t个子区，根据以下公式一和公式二计算c[1,sj,yj]：
[0067][0068][0069]
其中sj为第j个分离区所包含马铃薯的面积，yj用于表示第j个分离区内是否含有芽眼；b表示当p＝1时第j个分离区(即上述第二子区域)所覆盖的t个子区(即上述第一子区域)。模拟刀具的射线每次旋转角度为θ，旋转到第p次时，根据以下公式三、公式四和公式五计算c[p,sj,yj]：
[0070][0071][0072]
q＝mod(p-1+(j-1)*t+i,m)
ꢀꢀ
(公式五)
[0073]
其中，b为旋转了p次时第j个分离区覆盖的t个子区。
[0074]
在本技术实施例中，根据上述数组c的计算方式，基于以下公式六依次计算模拟刀具旋转第p次时，n个分离区所覆盖马铃薯的面积sj的方差：
[0075][0076]
其中，为模拟刀具旋转第p次时的n个分离区所包含的马铃薯的面积的方差，sn为模拟刀具旋转第p次时第n个分离区所覆盖的马铃薯的面积。
[0077]
之后，根据上述数组c和和每次旋转后得到的面积方差确定最优的切割位置。若存在模拟刀具的第r次旋转，满足n个分离区覆盖的马铃薯的面积方差最小，且n个分离区内均含有芽眼(即yj＝“true”)，则模拟刀具的第r次旋转的位置为最优的切种位置。
[0078]
示例性地，所述驱动机构，具体用于在所述位置传感器指示所述托盘位于第二位置的情况下，按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯。
[0079]
具体地，在所述位置传感器指示所述托盘位于第二位置的情况下，产生第二触发信号，该第二触发信号用于指示切种装置按照目标切割策略指示的刀具旋转角度控制驱动机构调整刀具的旋转角度，再通过驱动机构控制刀具以及托盘完成对所述待切割马铃薯的切割操作。
[0080]
示例性地，所述切割决策模块，具体用于基于改进的轻量化目标检测网络，从所述拼接图像中识别出所述待切割马铃薯的芽眼，并生成所述芽眼信息。
[0081]
其中，所述改进的轻量化目标检测网络为基于yolox-nano网络改进的；所述改进的轻量化目标检测网络中删除了所述yolox-nano网络的骨干网络中的部分特征层，并在所述yolox-nano网络的空间金字塔池化模块中添加了注意力机制模块，形成了改进后的骨干网络；改进的轻量化目标检测网络将所述yolox-nano网络中的特征融合网络替换为深浅融合特征模块作为特征网络实现特征融合。
[0082]
在相关技术中，yolox-nano原始网络基本结构由骨干网络backbone，特征融合网络pafpn和yolox-head构成。以减少网络深度和提升小目标检测精度的思路改进和精简检测网络结构，设计出适合芽眼的轻量化检测网络。
[0083]
在本技术实施例中，改进的轻量化目标检测网络在yolox-nano原始网络的backbone中删除了大小为13
×
13的特征层，且在空间金字塔赤化(spatial pyramid pooling，spp)模块中添加注意力机制模块，形成改进的骨干网络improve-backbone。利用简单、高效的深浅融合特征模块(dsfm)代替yolox-nano中的pafpn作为特征网络实现特征融合。
[0084]
之后，利用上述improve-backbone、dsfm以及yolox-head形成改进的yolox-nano网络，并利用改进后的yolox-nano网络对图像中马铃薯的芽眼进行识别。
[0085]
在本技术实施例中，上述深浅融合特征模块msfd输入为improve-backbone提取的不同尺度的特征图，其中特征图的大小分别为208
×
208，104
×
104、52
×
52和26
×
26。利用双重注意的多尺度融合(mfda)算法对三个不同尺度的特征图进行融合，输出104
×
104、52
×
52和26
×
26三个尺寸的预测特征图。
[0086]
本技术实施例提供的马铃薯种薯制备系统，首先，图像采集装置采集放置在所述托盘上的待切割马铃薯的目标图像。之后，切割决策模块根据所述图像采集装置采集的所述目标图像，生成目标切割策略。最后，驱动机构控制所述刀具按照所述目标切割策略指示的切割方案切割所述托盘上的待切割马铃薯，从而实现马铃薯种薯的快速制备，同时使得切割后的马铃薯的每个薯块上均包含有芽眼、且不同薯块的大小相近。
[0087]
需要说明的是，本技术实施例中，上述各个方法附图所示的。马铃薯种薯制备系统均是以结合本技术实施例中的一个附图为例示例性的说明的。具体实现时，上述各个方法附图所示的马铃薯种薯制备系统还可以结合上述实施例中示意的其它可以结合的任意附图实现，此处不再赘述。
[0088]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0089]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的系统。
[0090]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。