扫描粒径级配方法及系统与流程

1.本技术属于水利水电工程领域，涉及一种颗粒粒径检测，特别是涉及一种扫描粒径级配的方法及系统。


背景技术：

2.近年来，我国的水利水电工程大规模开发。在水利水电工程建设过程中，固体颗粒构成土骨架，它对土的物理力学性质起决定性作用。而研究固体颗粒就要分析粒径大小及其在土中所占的百分比，称为土的粒径级配。颗粒的粒径级配即表示各粒组的相对含量，用质量百分数表示。其常用的分析方法包括筛分法、水分法、显微镜图像法等。
3.但是，目前现有的测定粒径级配的方法都不能快速、精准测量颗粒的粒径级配。例如筛分法，其采用不同孔径的筛子对粉料进行筛分，操作简单。但是，筛分法的可重复性差，且获得的信息单一，误差较大，只能获得粉末材料的平均粒度，无法获知颗粒的形状等信息。又例如，显微镜图像法，采用光学或电子显微镜直接观察颗粒形状大小。其测量的是颗粒的表观粒度，即颗粒的投影尺寸。即只能通过平面图像进行处理，无法获知粉末材料的三维结构信息。同时，该方法对混合颗粒处理难度较大。混合颗粒的测量中，往往会有多个颗粒粘连现象，若不分开检测结果就会存在较大的误差。因此，现有技术中缺少一种在混合颗粒中能够快速、精准测量各个颗粒粒径级配的方法。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本技术的目的在于提供一种扫描粒径级配的方案，用于解决现有技术中不能在混合颗粒中快速、精准测量各个颗粒粒径级配的技术问题。
5.第一方面，本技术提供一种扫描粒径级配方法，包括：利用发射源拍摄颗粒以建立所述颗粒三维图像；对所述颗粒三维图像进行小波降噪处理；将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线；对所述颗粒级配曲线进行小波降噪处理。
6.本技术中，通过建立三维图像并对其进行小波降噪处理，能够更好的优化图像质量，使得颗粒在图像中更加清晰。并将处理好的图像输入机器学习模型中，对颗粒粒径进行计算，并对形成的颗粒级配曲线进行小波降噪处理。如此一来，能够加精准、快速的测定颗粒的粒径级配。
7.在第一方面的一种实现方式中，所述利用发射源拍摄颗粒以建立所述颗粒三维图像包括：所述发射源从三个角度对所述颗粒进行全方位拍摄以获得三个角度的颗粒投影图像，所述三个角度之间各自为120
°
，将所述三个角度的颗粒投影图像重建以形成颗粒三维图像。
8.本实现方式中，通过互为120
°
的发射源对颗粒进行全方位的拍摄，并将由此得到的三个角度的颗粒投影图像进行重建，最终形成该颗粒的三维图像，从而能够直接观察混合颗粒的形貌，可以准确地得到球型度、长径比等特殊数据。
9.在第一方面的一种实现方式中，所述对所述颗粒三维图像进行小波降噪处理包括：选取合适阈值；对所述颗粒三维图像进行降噪处理；对大于所述阈值的所述颗粒三维图像予以保留，形成各所述颗粒的分布情况。
10.本实现方式中，先设置一个合适的图像阈值，使得在该阈值之下的图像能够清晰辨别颗粒形状。再利用小波降噪这一方法对三维图像进行降噪处理，保留大于所述阈值的三维图像，在去除图像噪声背景的情况下，使得混合颗粒中的各颗粒的分布情况清晰可见，从而能够更好的去计算各个颗粒的粒径。
11.在第一方面的一种实现方式中，所述将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线包括：通过所述机器学习模型，分析所述颗粒的实际形态，并对所述颗粒进行自动分割；对被自动分割的所述颗粒粒径进行计算，形成所述颗粒级配曲线。
12.本实现方式中，通过机器学习模型，分析混合颗粒中各个颗粒的实际形态，并对不同的颗粒进行自动分割，从而避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大。并且通过机器学习，还能够对被自动分割的单个颗粒粒径进行计算，形成精确的颗粒级配曲线。
13.在第一方面的一种实现方式中，所述对被自动分割的所述颗粒粒径进行计算，形成颗粒级配曲线包括：计算所述颗粒体积和最长长度，其中，所述最长长度为所述颗粒粒径；根据所述颗粒体积得到颗粒总质量；根据所述颗粒粒径和所述颗粒总质量得到所述颗粒级配曲线。
14.本实现方式中，机器学习能够计算三维图像中各个单颗粒的体积和最长长度。其中，最长长度也就是颗粒的粒径。同时，因为已知混合颗粒的密度，便能够根据体积和密度测量出颗粒的总质量，结合颗粒粒径就能得出需要的颗粒级配曲线。这一方法，能够精准、快速的获得各颗粒的粒径，并基于此获得颗粒级配曲线，有效解决了混合颗粒中常因为多个颗粒黏连而导致的误差过大问题。
15.在第一方面的一种实现方式中，多次执行所述方法以获取多次所述颗粒粒径测量值；计算多次所述颗粒粒径测量值的平均值以作为所述颗粒粒径的最终值。
16.本实现方式中，为了更加精准的获取颗粒的粒径级配，通过多次执行拍摄、处理优化图像、分割、计算再优化的过程，能够得到多组颗粒粒径的测量值，去除异常检测结果并求得平均值，最终得到需要的颗粒粒径最终值和颗粒级配曲线。这样能够更好地避免异常检测结果，使得到的测量值更加精准。
17.第二方面，本技术提供一种扫描粒径级配系统，包括：拍摄模块，用于拍摄颗粒以建立所述颗粒三维图像；第一优化模块，用于对所述颗粒三维图像进行小波降噪处理；图像计算模块，用于将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线；第二优化模块，用于对所述颗粒级配曲线进行小波降噪处理。
18.本技术中，这一扫描粒径级配的系统通过拍摄模块拍摄颗粒形成三维图像，能够看见颗粒的三维形状。通过第一优化模块对三维图像进行小波降噪这一优化处理，从而使得颗粒形状更加清晰可见。通过图像计算模块，利用机器学习模型对颗粒粒径进行准确计算，并基于此形成颗粒级配曲线。通过第二优化模块，对得到的颗粒级配曲线降噪处理，去
除异常检测成果，最终得到精确的颗粒粒径级配。通过四模块相结合，能够在混合颗粒的测量中，避免有多个颗粒粘连粘连、絮凝、联接而引起颗粒检测数据偏大问题，从而更加快速、精准的得到颗粒粒径级配。
19.在第二方面的一种实现方式中，所述拍摄模块包括第一拍摄单元、第二拍摄单元、第三拍摄单元和处理单元；所述第一拍摄单元、所述第二拍摄单元与所述第三拍摄单元之间各自为120
°
放置，以获得三个角度的颗粒投影图像；所述处理单元，用于将所述三个角度的颗粒投影图像重建以得到颗粒三维图像。
20.本实现方式中，三个拍摄单元互为120
°
，从而对颗粒进行全方位的拍摄，并将由此得到的图像进行融合重建以形成该颗粒的三维图像，从而能够直接观察混合颗粒的形貌，便于后续的精准计算颗粒的粒径级配。
21.在第二方面的一种实现方式中，所述图像计算模块包括分割单元和计算单元；所述分割单元用于分析所述颗粒的实际形态，并对所述颗粒进行自动分割；所述计算单元用于对被自动分割的所述颗粒粒径进行计算，形成颗粒级配曲线。
22.本实现方式中，图像计算模块包括分割单元和计算单元。其中，分割单元分析混合颗粒中各个颗粒的实际形态，并对不同的颗粒进行自动分割，从而避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大。而计算单元通过机器学习，还能够对被自动分割的单个颗粒粒径进行计算，从而形成精确的颗粒级配曲线。
23.在第二方面的一种实现方式中，所述计算单元包括：第一计算子单元，用于计算所述颗粒的体积和最长长度，其中所述最长长度即为所述颗粒粒径；第二计算子单元，用于根据所述颗粒体积得到颗粒总质量；第三计算子单元，用于根据所述颗粒粒径和所述颗粒总质量得到所述颗粒级配曲线。
24.本实现方式中，第一计算子单元计算三维图像中各个单颗粒的体积和最长长度。其中，最长长度也就是颗粒的粒径。同时，因为已知混合颗粒的密度，第二计算子单元便能够根据体积和密度测量出颗粒的总质量。而第三计算子单元能够结合由第一计算子单元得到的颗粒粒径和第二计算子单元得到的颗粒总质量得出需要的颗粒级配曲线。三单元协同计算，能够精准、快速的获得各颗粒的粒径，并基于此获得颗粒级配曲线，有效解决了混合颗粒中常因为多个颗粒黏连而导致的误差过大问题。
25.如上所述，本技术所述的一种扫描粒径级配方法及系统，具有以下有益效果：通过多角度全方位拍摄形成了颗粒的三维图像，使颗粒形态可见；通过小波降噪进一步对颗粒图像进行优化，去除噪声，能够更好精准测量颗粒粒径；用过机器学习分析混合颗粒中各个颗粒的实际形态，并对不同的颗粒进行自动分割，避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大，并且通过机器学习，还能够对被自动分割的单个颗粒粒径进行计算、优化，最终得到精确的颗粒级配曲线。
附图说明
26.图1显示为本技术一实施例提供的一种扫描粒径级配方法的应用场景架构示意图。
27.图2显示为本技术一实施例所述的一种扫描粒径级配方法的流程示意图。
28.图3显示为本技术一实施例所述的一种对颗粒三维图像进行小波降噪处理的流程
示意图。
29.图4显示为本技术一实施例所述的一种对颗粒粒径进行计算并形成颗粒级配曲线的流程示意图。
30.图5显示为本技术一实施例所述的一种扫描粒径级配系统的架构示意图。
31.图6显示为本技术一实施例所述的一种拍摄模块的架构示意图。
32.图7显示为本技术一实施例所述的一种图像计算模块的架构示意图。
33.图8显示为本技术一实施例所述的一种计算单元的架构示意图。
34.图9显示为本技术一实施例所述的一种电子设备的架构示意图。
35.元件标号说明
36.20拍摄模块
37.201第一拍摄单元
38.202第二拍摄单元
39.203第三拍摄单元
40.204处理模块
41.30第一优化模块
42.40图像计算模块
43.401分割单元
44.402计算单元
45.4021第一计算子单元
46.4022第二计算子单元
47.4023第三计算子单元
48.50第二优化模块
49.60电子设备
50.601存储器
51.602处理器
52.s1～s4步骤
53.s21～s23步骤
54.s31～s36步骤
具体实施方式
55.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
56.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本技术的基本构想，遂图式中仅显示与本技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
57.本技术以下实施例提供了一种扫描粒径级配方法及系统，其应用场景包括但不限于土石混合体、混凝土等，以下将以土石混合体应用场景为例进行描述。
58.如图1所示，本实施例提供一种土石混合体应用场景架构图。
59.值得说明的是，图1所示结构仅作为示例，其并不是用来执行本方法的唯一结构。如图1所示，该应用场景由以下几部分组成：
60.扫描电子显微镜：扫描电子显微镜(sem)是一种介于透射电子显微镜和光学显微镜之间的一种观察手段。其利用聚焦的很窄的高能电子束来扫描样品，通过光束与物质间的相互作用，来激发各种物理信息，对这些信息收集、放大、再成像以达到对物质微观形貌表征的目的。
61.计算机：能够按照程序运行，自动、高速处理海量数据的现代化智能电子设备，可以进行数值计算，又可以进行逻辑计算，还具有存储记忆功能。
62.具体的，在该应用场景中，通过三个互为120
°
的扫描电子显微镜，对土石混合体颗粒进行全方位的拍摄，并将由此得到的图像发送至计算机中。计算机对所接受到的图像进行融合重建以形成该颗粒的三维图像。同时，计算机对三维图像进行小波降噪优化处理以获得高质量的三维图像，可以清晰看见颗粒的形态。此时，计算机将分析所述颗粒的实际形态，并对所述颗粒进行自动分割，避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大。之后，计算机还将计算被经过自动分割的颗粒的粒径和体积，并根据所述颗粒体积得到颗粒总质量，最终结合颗粒粒径和颗粒总质量得到所述颗粒级配曲线。
63.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行详细描述。
64.如图2所示，本实施例提供一种扫描粒径级配方法，其包括以下步骤s1至s4：
65.s1：利用发射源拍摄颗粒以建立所述颗粒三维图像。
66.具体的，利用三个发射源从三个角度对所述颗粒进行全方位拍摄，并且所述三个角度之间各自为120
°
。这样一来能够对颗粒进行全方位的拍摄，形成三个角度的颗粒投影图像。在拍摄完毕后，将得到的图像进行重建，最终形成颗粒的三维图像，从而能够直接观察混合颗粒的形态，有利于后续对颗粒粒径等进行清晰、准确的计算。
67.可选的，使用各种现有图像处理算法，包括自底向上的重构算法、基于模型引导的重构算法、以及基于体切削的重构算法等来重建颗粒的三维结构模型。
68.s2：对所述颗粒三维图像进行小波降噪处理。
69.具体的，如图3所示，步骤s2将执行s21～s23。
70.s21：选取合适阈值。
71.在实际的去噪处理过程中，阈值可通过经验公式获得。在进行阈值量化处理时可利用函数wthresh()；
72.s22：对所述颗粒三维图像进行降噪处理。
73.具体的，对颗粒的三维图像进行预处理，小波变换方法对图像进行多尺度的分解，并对各尺度系数进行去噪处理。
74.s23：对大于所述阈值的所述颗粒三维图像予以保留，形成各颗粒的分布情况。
75.具体的，将大于选定阈值的尺度系数予以保留，小于阈值的尺度系数认为是噪声产生的，设置为零实现去噪。并将去噪后的各尺度系数用过小波变换重构图像，清晰显示各
颗粒的分布情况。
76.这一步骤有利于减少颗粒三维图像中的噪声背景，使图像更加清晰可见，从而能够准确的对颗粒粒径进行计算。
77.s3：将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线。
78.具体的，如图4所示，步骤s3将执行s31～s36。
79.s31:建立机器学习模型。先取部分充分搅拌的泥沙与水的混合液，通过拍摄，定义所拍摄的粒径为泥沙的单颗粒形态。
80.s32：将处理后的图像输入至该机器学习模型。将经步骤s2处理好的颗粒三维图像输入至s31建立的机器学习模型中。
81.s33：分析颗粒的实际形态，并对不同颗粒进行自动分割。
82.由于在混合颗粒中，经常会出现不同颗粒之间的黏连、絮凝、联接等情况。这会导致对颗粒的粒径检测数据产生误差过大的情况。因此，通过步骤s33能够对不同颗粒的实际形态进行分析，并由此对不同颗粒间进行自动分割。这能够使得颗粒的形态更加清晰可见，从而有利于精准计算颗粒的粒径、体积等数值。
83.s34：计算颗粒的体积和最长长度，其中最长长度为颗粒粒径。
84.具体的，在三维图像中，通过投影视图能够清晰计算出颗粒的最长长度，也即得知颗粒粒径。同时，由于已经建立了颗粒的三维结构，也可清晰得出颗粒的体积。例如，步骤s1可采用基于体切削的重构算法，从三维结构形体出发，设定与所述颗粒的投影图像大致相近的标准三维实体(如长方体、球体、三棱柱等)，通过对所述标准三维实体不断地进行切削去除，使其图像投影逐渐逼近乃至完全拟合所测量的颗粒投影图像，包括投影图像的面积大小、轮廓形状等，从而完成颗粒的三维图像重建。在体切削的重构算法的基础上，结合步骤s31，有效重建出悬浮颗粒的三维结构模型。切削前的实体的体积容易求出，减去切削去除的部分体积，即可得到所测量的颗粒的体积。
85.s35：计算颗粒总质量。
86.具体的，在经步骤s34知道颗粒的体积后，由于混合颗粒液体的密度可测量。因此，由m＝ρv公式可得颗粒的总质量。
87.s36：获取颗粒级配曲线。
88.具体的，在得到颗粒粒径和颗粒总质量之后，便可以以粒径为横坐标，以小于某粒径值的颗粒质量的百分数为纵坐标，最终形成颗粒级配曲线。
89.s4：对所述颗粒级配曲线进行小波降噪处理。
90.在通过步骤s3获得颗粒级配曲线后，对颗粒级配曲线进行小波降噪处理，从而去除异常检测结果，得到精准的颗粒级配曲线。
91.需要指出的是，为了更加精准测量颗粒粒径级配，本技术将多次执行步骤s1～s4，以获取多次所述颗粒粒径测量值，并基于此计算多次所述颗粒粒径测量值的平均值以作为所述颗粒粒径的最终值。
92.本技术实施例提供了扫描粒径级配方法，该方法通过利用发射源拍摄颗粒以建立所述颗粒三维图像；对所述颗粒三维图像进行小波降噪处理；将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配
曲线；对所述颗粒级配曲线进行小波降噪处理。该方法通过多角度全方位拍摄形成了颗粒的三维图像，并通过小波降噪进一步对颗粒图像进行优化，去除噪声，能够更好精准测量颗粒粒径；用过机器学习分析混合颗粒中各个颗粒的实际形态，并对不同的颗粒进行自动分割，避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大，并且通过机器学习，还能够对被自动分割的单个颗粒粒径进行计算、优化，最终得到精确的颗粒级配曲线。
93.本技术实施例所述的扫描粒径级配方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本技术的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本技术的保护范围内。
94.本技术实施例还提供一种扫描粒径级配系统，所述扫描粒径级配系统可以实现本技术所述的扫描粒径级配方法，但本技术所述的扫描粒径级配方法的实现装置包括但不限于本实施例列举的扫描粒径级配系统的结构，凡是根据本技术的原理所做的现有技术的结构变形和替换，都包括在本技术的保护范围内。
95.如图5所示，本实施例提供一种扫描粒径级配系统，包括拍摄模块20、第一优化模块30、图像计算模块40、第二优化模块50。
96.具体的，拍摄模块20用于拍摄颗粒以建立所述颗粒三维图像；第一优化模块30用于对所述颗粒三维图像进行小波降噪处理；图像计算模块40，用于将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线；第二优化模块50用于对所述颗粒级配曲线进行小波降噪处理。
97.如图6所示，拍摄模块20包括第一拍摄单元201、第一拍摄单元202、第一拍摄单元203和处理单元204。
98.具体的，第一拍摄单元201、第一拍摄单元202和第一拍摄单元203之间各自为为120
°
放置，以获得三个角度的颗粒投影图像。而处理单元204在接收到三个角度的颗粒投影图像后，会对投影图像进行重建，最终形成颗粒的三维图像。
99.其中，第一优化模块30对所述颗粒三维图像进行小波降噪处理的具体方式包括：选取合适阈值，对颗粒的三维图像进行预处理，小波变换方法对图像进行多尺度的分解，并对各尺度系数进行去噪处理，将大于选定阈值的尺度系数予以保留，小于阈值的尺度系数认为是噪声产生的，设置为零实现去噪。并将去噪后的各尺度系数用过小波变换重构图像，清晰显示各颗粒的分布情况。
100.如图7所示，图像计算模块40包括分割单元401和计算单元402。
101.具体的，分割单元401分析三维图像中所述颗粒的实际形态，并对所属颗粒进行自动分割。而计算单元402将对被自动分割的所述颗粒粒径进行计算，形成颗粒级配曲线。
102.其中，如图8所示，计算单元402包括第一计算子单元4021、第一计算子单元4022和第一计算子单元4023。
103.具体的，第一计算子单元4021用于计算所述颗粒的体积和最长长度，其中，所述最长长度即为所述颗粒粒径；第二计算子单元4022用于根据所述颗粒体积得到颗粒总质量；第三计算子单元4023用于根据所述颗粒粒径和所述颗粒总质量得到所述颗粒级配曲线。
104.其中，第二优化模块50用于对所述颗粒级配曲线进行小波降噪处理，以获得更加精准的颗粒级配曲线。
105.本技术实施例提供的扫描粒径级配系统，通过拍摄模块20用于拍摄颗粒以建立所述颗粒三维图像，通过第一优化模块30用于对所述颗粒三维图像进行小波降噪处理，通过图像计算模块40，用于将处理好的所述颗粒三维图像输入至一机器学习模型中，对所述颗粒三维图像中的颗粒粒径进行计算，形成颗粒级配曲线，最后再基于第二优化模块50用于对所述颗粒级配曲线进行小波降噪处理。相较于现有技术，该扫描粒径级配系统通过多角度全方位的拍摄形成了颗粒的三维图像，并通过小波降噪进一步对颗粒图像进行优化，去除噪声，能够更好精准测量颗粒粒径；用过机器学习分析混合颗粒中各个颗粒的实际形态，并对不同的颗粒进行自动分割，避免混合颗粒中因多个颗粒粘连、絮凝、联接而引起颗粒检测数据偏大，并且通过机器学习，还能够对被自动分割的单个颗粒粒径进行计算、优化，最终得到精确的颗粒级配曲线。
106.本技术还提供一种电子设备。如图9所示，本实施例提供一种电子设备60，所述电子设备60包括：存储器601，被配置为存储计算机程序；以及处理器602，与所述存储器601通信相连，并且被配置为调用所述计算机程序以执行所述的扫描粒径级配方法。
107.所述存储器601包括：rom(read only memory image)、ram(random access memory)、磁碟、u盘、存储卡或者光盘等各种可以存储程序代码的介质。
108.所述处理器602与所述存储器601相连，用于执行所述存储器601存储的计算机程序，以使所述电子设备执行上述的扫描粒径级配方法。
109.优选地，所述处理器602可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
110.在本技术所提供的几个实施例中，应该理解到，所揭露的系统或方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅是示意性的，例如，模块/单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或单元可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
111.作为分离部件说明的模块/单元可以是或者也可以不是物理上分开的，作为模块/单元显示的部件可以是或者也可以不是物理模块，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/单元来实现本技术实施例的目的。例如，在本技术各个实施例中的各功能模块/单元可以集成在一个处理模块中，也可以是各个模块/单元单独物理存在，也可以两个或两个以上模块/单元集成在一个模块/单元中。
112.本领域普通技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计
约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
113.本技术实施例还提供了一种计算机可读存储介质。本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分步骤是可以通过程序来指令处理器完成，所述的程序可以存储于计算机可读存储介质中，所述存储介质是非短暂性(non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(magnetic tape)，软盘(floppy disk)，光盘(optical disc)及其任意组合。上述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，dvd))、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
114.本技术实施例还可以提供一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。
115.所述计算机程序产品被计算机执行时，所述计算机执行前述方法实施例所述的方法。该计算机程序产品可以为一个软件安装包，在需要使用前述方法的情况下，可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
116.上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。
117.上述实施例仅例示性说明本技术的原理及其功效，而非用于限制本技术。任何熟悉此技术的人士皆可在不违背本技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本技术的权利要求所涵盖。