一种基于人工智能的气密性检测过程气孔定位方法及系统与流程

1.本发明涉及人工智能领域，具体涉及一种基于人工智能的气密性检测过程气孔定位方法及系统。


背景技术：

2.现有的气密性检测方法中，常用的一种方法是对密封性器件加压之后，将器件放入水体中，通过观察产生的气泡来判断器件的密封性，进而定位漏气气孔的位置。
3.现有工业进行气密性检测时，通常将待测器件浸入水体内并施加一定的压强，利用相机以正视视角采集图像，获取气泡特征。相机正视视角采集图像无法获得深度信息，难以定位漏气气孔；正视和侧视两视角结合后可以获取深度信息，便于分析单气孔漏气的位置，但对于多气孔漏气或者存在气泡离散情况时难以做到气孔的对应，不能准确获取气孔位置。


技术实现要素：

4.为了解决上述技术问题，本发明了提供一种基于人工智能的气密性检测过程气孔定位方法及系统，所采用的技术方案如下：
5.第一方面，本发明实施例提供了一种基于人工智能的气密性检测过程气孔定位方法，该方法包含以下步骤：
6.采集同一时刻下正视视角及侧视视角的水体图像；
7.将水体图像输入语义分割网络，输出气泡的正视语义分割图像及侧视语义分割图像，并通过连通域分析提取气泡的连通域；
8.根据对极几何关系确认对极线，统计连通域在正视、侧视语义分割图中对极线上的对应情况；
9.在任意一侧语义分割图像的对极线上只存在单个连通域时，确定为第一对应关系，根据连通域中心点位坐标进行气孔的定位；
10.在两侧语义分割图像在对极线上均存在多个对应连通域时，确定为第二对应关系，若对应连通域数量相等，利用度量模型获取连通域的边缘二值图像中像素点的相似度，进而获取连通域的匹配度作为km算法完备匹配的权值，以转化成第一对应关系进行气孔定位；
11.若对应连通域数量不相等，判断任意一侧语义分割图像中连通域是否为同类气泡，同类气泡是指连通域之间的匹配度不小于预设阈值，若为不同类气泡，利用度量模型获取连通域的匹配度，转化成第一对应关系进行气孔定位；否则，判断在对极线的扩大预设范围后的连通域与对极线上的连通域是否为同类气泡，若为同类气泡，重新确定对应关系进行分析；若为不同类气泡，重新采集水体图像。
12.优选地，连通域的对应情况中，根据一个连通域中心点确认对极线后，若有连通域中心点与对极线的垂直距离在预设范围之内，则判定连通域在对极线上存在对应关系。
13.优选地，度量模型获取两个连通域之间的匹配度的方法包括以下步骤：
14.构建两个尺寸相等的滑窗，以滑窗中心为目标像素点，两个滑窗分别在两个待测连通域内移动；
15.构建评价函数，根据评价函数算出两个目标像素点的相似度；
16.求出所有相似度的均值作为这两个待测连通域之间的匹配度。
17.优选地，评价函数包括第一评价函数和第二评价函数，第一评价函数计算滑窗内所有像素值的方差，第二评价函数计算滑窗内所有像素值的平均值。
18.优选地，相似度的获取方法为：
[0019][0020]
其中，ms1为第一横向评价值，ms2为第一纵向评价值，ms3为第二横向评价值，ms4为第二纵向评价值，ε为相似度。
[0021]
优选地，重新确定对应关系进行分析的方法是根据对应连通域的中心点连线确定斜率，斜率大于阈值时，重新确认对极线进行对极关系的分析；否则，扩大预设范围进行对应关系的分析。
[0022]
第二方面，本发明实施例提供了一种基于人工智能的气密性检测过程气孔定位系统，包括：
[0023]
图像获取单元，用于采集同一时刻下正视视角及侧视视角的水体图像；
[0024]
对应情况确认单元，包括连通域提取模块以及对应关系确认模块，其中：
[0025]
连通域提取模块，用于将水体图像输入语义分割网络，输出气泡的正视语义分割图像及侧视语义分割图像，并通过连通域分析提取气泡的连通域；
[0026]
对应关系确认模块，用于根据对极几何关系确认对极线，统计连通域在正视、侧视语义分割图中对极线上的对应情况；
[0027]
对应情况分析单元，包括第一分析模块以及第二分析模块，其中：
[0028]
第一分析模块，用于在任意一侧语义分割图像的对极线上只存在单个连通域时，确定为第一对应关系，根据连通域中心点位坐标进行气孔的定位；
[0029]
第二分析模块，包括数量相等分析模块以及数量不等分析模块，其中：
[0030]
数量相等分析模块，用于在两侧语义分割图像在对极线上均存在多个对应连通域时，确定为第二对应关系，若对应连通域数量相等，利用度量模型获取连通域的边缘二值图像中像素点的相似度，进而获取连通域的匹配度作为km算法完备匹配的权值，以转化成第一对应关系进行气孔定位；
[0031]
数量不等分析模块，用于若对应连通域数量不相等，判断任意一侧语义分割图像中连通域是否为同类气泡，同类气泡是指连通域之间的匹配度不小于预设阈值，若为不同类气泡，利用度量模型获取连通域的匹配度，转化成第一对应关系进行气孔定位；否则，判断在对极线的扩大预设范围后的连通域与对极线上的连通域是否为同类气泡，若为同类气泡，重新确定对应关系进行分析；若为不同类气泡，重新采集水体图像。
[0032]
进一步地，数量相等分析模块还包括滑窗构建模块、相似度计算模块以及匹配度计算模块，其中：
[0033]
滑窗构建模块，用于构建两个尺寸相等的滑窗，以滑窗中心为目标像素点，两个滑
窗分别在两个待测连通域内移动；
[0034]
相似度计算模块，用于构建评价函数，根据评价函数算出两个目标像素点的相似度；
[0035]
匹配度计算模块，用于求出所有相似度的均值作为这两个待测连通域之间的匹配度。
[0036]
进一步地，相似度计算模块中的评价函数包括第一评价函数和第二评价函数，第一评价函数计算滑窗内所有像素值的方差，第二评价函数计算滑窗内所有像素值的平均值。
[0037]
进一步地，相似度计算模块中，相似度的计算过程为：
[0038][0039]
其中，ms1为第一横向评价值，ms2为第一纵向评价值，ms3为第二横向评价值，ms4为第二纵向评价值，ε为相似度。
[0040]
本发明实施例至少包含以下有益效果：
[0041]
本发明实施例利用评价函数构建度量模型，获取相似度及匹配度，根据气泡形状反映出气泡的相似程度，无需考虑图像灰度、亮度等因素，无需限制气泡在图像上的位置。
[0042]
本发明实施例利用度量模型获取匹配度，若存在多种对应关系的连通域的对应数量相等，将匹配度作为权值代入km算法进行完备匹配，确保匹配的准确性，提高了定位的准确率。
[0043]
本发明实施例利用横向对比以及纵向对比分析气泡的连通域，排除气泡离散对检测的影响，使得定位更加准确。
附图说明
[0044]
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
[0045]
图1为本发明一个实施例所提供的一种基于人工智能的气密性检测过程气孔定位方法的步骤流程图；
[0046]
图2为本发明一个实施例所提供的一种基于人工智能的气密性检测过程气孔定位方法的流程图；
[0047]
图3为本发明一个实施例提供的一种基于人工智能的气密性检测过程气孔定位系统的结构框图。
具体实施方式
[0048]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的气密性检测过程气孔定位方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。
[0049]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的
技术人员通常理解的含义相同。
[0050]
下面结合附图具体的说明本发明所提供的一种基于人工智能的气密性检测过程气孔定位方法及系统具体方案。
[0051]
请参阅图1及图2，图1示出了一种基于人工智能的气密性检测过程气孔定位方法的步骤流程图，图2示出了一种基于人工智能的气密性检测过程气孔定位方法的流程图，该方法包括以下步骤：
[0052]
步骤s100：采集同一时刻下正视视角及侧视视角的水体图像。
[0053]
首先需要部署相机，在气密性检测的水槽正面以及侧面分别部署位姿固定的高速相机，然后将待测物品放入水体，并充入一定压强，待气泡逸出速率相对稳定，使用高速相机在同一时刻采集图像，正视视角采集的为正视水体图像，侧视视角采集的为侧视水体图像，二者相互对应，且具有相同的图像尺寸。高速相机能够使水体图像中的气泡特征没有拖影，由于高速相机的位置接近水槽，成像畸变的情况可以忽略不计。
[0054]
至此获取一组水体图像，优选地，为使检测结果更加准确，本发明实施例在不同时刻对待测物品采集多组水体图像进行后续检测。
[0055]
步骤s200：将水体图像输入语义分割网络，输出气泡的语义分割图像，并通过连通域分析提取气泡的连通域。
[0056]
由于正视水体图像及侧视水体图像的尺寸、图像中包含信息种类均相同，因此可以用同一网络进行分析。本发明实施例采用语义分割网络提取水体图像中的气泡信息，语义分割网络的训练过程如下：
[0057]
将采集得到的水体图像作为训练数据集，实施者可采用旋转、缩放等方式扩增数据集；数据集的标注为像素级标注，即对每个像素均标注一个标签，标签类别包含两种，无关项以及气泡。通过labelme等标注工具进行数据集的标注。
[0058]
将水体图像输入语义分割网络中，通过编码器进行卷积操作提取特征，获取特征图，将得到的特征图输入解码器，解码器对特征图进行上采样，得到与水体图像等大的语义分割图，即正视语义分割图和侧视语义分割图。采用交叉熵损失函数训练网络，使结果更加准确。
[0059]
所得正视、侧视语义分割图均为二值图像，通过开运算消除语义分割图像中的噪点，以避免后续连通域分析时因噪声出现误差，然后进行连通域分析，为确保连通域分析结果的准确性，将语义分割图像内部的每个连通域的像素点个数进行统计，对比连通域内像素点数量，选取像素点数量在[a,b]范围以内的连通域继续分析，a、b是设定的经验阈值，由于气泡的大小差异不会过大，该经验阈值范围能够筛选出属于气泡的连通域。
[0060]
接下来以一组水体图像为例对其漏气孔进行定位分析。
[0061]
步骤s300：根据对极几何关系确认对极线，统计连通域在正视、侧视语义分割图中对极线上的对应情况。
[0062]
由于相机位姿固定，在已知某一气泡在正视图像中的坐标的情况下，通过两个相机中心点的连线确定基线，根据正视图像中气泡连通域的中心点坐标与基线确定对极平面，由对极平面与正视、侧视语义分割图像相交的直线确定对极线。
[0063]
根据正视语义分割图中属于气泡的连通域构建最小外接矩形，在像素坐标系中，以最小外接矩形的对角线交点确定连通域的中心点作为气泡中心；各连通域中心点像素坐
标为(u
n
,v
n
)，n为第n个中心点。侧视图像同样通过最小外接矩形确定连通域中心点(x
n
,y
n
)，根据对极线筛选出正视语义分割图与侧视语义分割图在对极线上对应的连通域中心点个数。
[0064]
优选的，为减小以最小外接矩形中心作为气泡中心的方法的误差，本发明实施例中根据一个连通域中心点确认对极线后，连通域中心点与对极线的垂直距离在预设范围之内，即视为连通域在对极线上互相对应。
[0065]
本发明实施例中，连通域中心点与对极线的垂直距离的预设范围设为2个像素点的距离。
[0066]
至此初步筛选出正视气泡与侧视气泡的对应关系，以简化计算。需要说明的是，单个连通域可以看做是一个气泡，但由于气泡可能存在重叠，可能存在多种对应情况，接下来逐一进行分析。
[0067]
步骤s400：在任意一侧语义分割图像的对极线上只存在单个连通域时，确定为第一对应关系，根据连通域中心点位坐标进行气孔的定位。
[0068]
正视语义分割图的u轴与侧视语义分割图的x轴所构建的平面为待测器件的俯视图平面，在此平面中确认待测工件的气孔位置，第一对应关系中存在的三种对应情况，包括：
[0069]“单对单”：在对极线上，当正视语义分割图中存在坐标为(u1,v1)的单个连通域对应侧视语义分割图的坐标为(x1,y1)的单个连通域时，直接根据这两个连通域的中心点坐标定位待测工件气孔位置(u1,x1)；
[0070]“单对多”：在对极线上，当正视语义分割图中单个连通域对应侧视语义分割图的w个连通域时，根据连通域的中心点坐标定位待测工件气孔位置(u1,x1)、(u1,x2)、
…
、(u1,x
w
)；
[0071]“多对单”：在对极线上，当正视语义分割图中h个连通域对应侧视语义分割图的单个连通域时，根据连通域的中心点坐标定位待测工件气孔位置(u1,x1)、(u2,x1)、
…
、(u
h
,x1)；
[0072]
定位到气孔在俯视图坐标后，直接以这个点为垂点作平面的垂线，垂线交于待测工件表面的位置就是气孔的三维坐标位置。
[0073]
若对极线上的连通域存在多种对应关系，即正视语义分割图中多个连通域对应侧视语义分割图的多个连通域时，属于“多对多”的复杂对应情况，需要进行步骤s500、步骤s600的处理。
[0074]
步骤s500：在两侧语义分割图像在对极线上均存在多个对应连通域时，确定为第二对应关系，若对应连通域数量相等，利用度量模型获取连通域的边缘二值图像中像素点的相似度，进而获取连通域的匹配度作为km算法完备匹配的权值，以转化成第一对应关系进行气孔定位。
[0075]
为了便于后续气泡的匹配与定位，需要分别统计正视、侧视语义分割图中多种对应关系的连通域的个数。假设在此对应关系中，属于正视语义分割图的连通域的个数为n1，属于侧视语义分割图的连通域的个数为n2。
[0076]
基于先验知识可得气泡内部为近似透明的情况，采用拉普拉斯算子对正视、侧视的语义分割图中的气泡连通域进行边缘提取，并将其二值化，获取正视、侧视边缘二值图
像。接下来构建度量模型：
[0077]
首先，构建两个尺寸相等的滑窗，滑窗中心为目标像素点，两个滑窗分别在两个待测连通域内以步长为1的方式滑动；
[0078]
以滑窗大小是3*3为例，构建评价函数：
[0079][0080]
其中，n为滑窗中心点在像素坐标系中的坐标(i,j)处时，滑窗内像素值之和，p
(i,j)
为坐标(i,j)处的像素点的像素值。
[0081]
本发明实施例中，对边缘二值图像进行计算时，p
(i,j)
取值为0或1，则该评价函数化简为：
[0082][0083]
利用评价函数求取两个滑窗中心点像素的相似度：
[0084][0085][0086][0087][0088][0089]
其中，ms1为第一横向评价值，ms2为第一纵向评价值，ms3为第二横向评价值，ms4为第二纵向评价值，ε为相似度，(i,j)为第一滑窗中心像素点坐标，(i
′
,j
′
)为第二滑窗中心像素点坐标。
[0090]
第二滑窗在该连通域内遍历所有点，找出相似度最大的点作为两个待测连通域内的对应匹配点，找到匹配点后，两个滑窗从各自连通域内的匹配点开始以步长为1的方式平
移，算出两个连通域内剩下的像素点的相似度，每对像素点均计算一个相似度，像素点较多的连通域，其多出的像素点与置0滑窗匹配计算，直至待测连通域内所有像素点均经过计算后，求出所有相似度的均值作为这两个待测连通域之间的匹配度ε
′
。
[0091]
上述度量模型无需限制气泡在图像上的位置，所得相似度ε的值域为[0,1]，考虑到相邻像素的相似度反映出气泡的形状，两个气泡越相似，其像素点的相似度越高，相应地，其连通域的匹配度也越大，且匹配度ε
′
值域仍为[0,1]，由于用于度量模型计算的为二值图像，因此无需考虑图像灰度、亮度等因素，无需限制气泡在图像中的位置，计算效率高，计算时考虑到气泡的形状，更能准确的表示其相似度。
[0092]
当n1＝n2时，对连通域进行完备匹配，完备匹配的方式通常采用无权值的匈牙利算法或有权值的km算法，为了确保匹配的准确性，本发明实施例中采用km算法，km算法需要预设边权值进行匹配，通常权值由人为设置或常规参数赋予，本发明实施例利用度量模型，根据边缘二值图像的气泡形状计算各连通域的相似度，根据相似度获取匹配度作为边权值，代入km算法对正视语义分割图及侧视语义分割图的对应连通域进行完备匹配，转化为第一对应关系进行气孔的定位。具体方法如下：
[0093]
对于正视边缘二值图和侧视边缘二值图，选择其中一张，以的像素点作为集合a，集合a为含气泡的区域，对于另一张边缘二值图，以且的像素点作为集合b，集合b为与集合a相关的区域。margin1、margin2是经验阈值，初步筛选掉差异过大的像素点，避免后续度量模型的计算量过大。
[0094]
优选的，本发明实施例中，将margin1设置为0.1，margin2设置为
[0095]
在n1＝n2的情况下，计算集合a内每个连通域与集合b内每个连通域的匹配度，共获取n1*n2个匹配度，以匹配度作为边权值，利用km算法进行完备匹配后，得到气泡连通域之间“单对单”的第一对应关系，然后根据步骤s400中的方法，利用连通域的中心点坐标定位工件气孔位置。
[0096]
步骤s600：若对应连通域数量不相等，判断任意一侧语义分割图像中连通域是否为同类气泡，同类气泡是指连通域之间的匹配度不小于预设阈值，若为不同类气泡，利用度量模型获取连通域的匹配度，转化成第一对应关系进行气孔定位；否则，判断在对极线的扩大预设范围后的连通域与对极线上的连通域是否为同类气泡，若为同类气泡，重新确定对应关系进行分析；若为不同类气泡，重新采集水体图像。
[0097]
当n1≠n2时，选取较大值所在的边缘二值图像，以时，选取较大值所在的边缘二值图像，以且的像素点作为集合c，对集合c内的连通域进行对比，横向对比为集合c内在对极线上的各个连通域进行互相对比，纵向对比为集合c内在对极线上的连通域与扩张预设范围后对极线上的连通域进行对比，具体方法如下：
[0098]
设置经验阈值margin3，经度量模型计算后，两个连通域之间的匹配度ε
′
≥margin3时，判定为同类气泡，否则不为同类气泡，在本发明实施例中，将margin3设置为0.8。
[0099]
对集合c内的连通域进行分析，若横向对比存在同类气泡的情况，判断此时为气泡离散，将连通域中心点与对极线的垂直距离的预设范围扩大1个像素点的距离，继续进行纵向对比，若纵向对比不为同类气泡，判断为此时气孔可能未处于稳定状态，等待t时间后再进行检测，本发明实施例中，t设为3分钟；若纵向对比为同类气泡，判断连通域中心点连线所在直线在像素坐标系中斜率是否大于预设斜率阈值m1，m1在本发明中设为100，大于阈值时，重新确认对极线进行检测，否则，将连通域中心点与对极线的垂直距离的预设范围扩大1个像素点的距离，重新统计正视、侧视语义分割图中多种对应关系的连通域的个数进行分析。
[0100]
若横向对比不为同类气泡的情况，以较少的连通域数量作为组别，连通域数量较多的语义分割图中的每个连通域均对应另一视图中的若干个连通域，在连通域数量较少的边缘二值图像中，以缘二值图像中，以且的像素点作为集合d，用度量模型计算集合c中每个连通域与集合d连通域的相似度，选择其中匹配度最大的视为其互相对应，得到气泡连通域之间的第一对应关系，然后根据步骤s400中的方法，利用连通域的中心点坐标定位工件气孔位置。
[0101]
至此获取每组水体图像的检测结果，若定位位置相同，判定其为漏气孔的准确位置，否则重新采集图像进行检测。
[0102]
综上所述，本发明提供了一种基于人工智能的气密性检测过程气孔定位方法，该方法包括利用评价函数构建度量模型，获取相似度及匹配度，根据气泡形状反映出气泡的相似程度，无需考虑图像灰度、亮度等因素，无需限制气泡在图像上的位置。若存在多种对应关系的连通域的对应数量相等，利用度量模型获取匹配度作为权值，利用km算法进行完备匹配，确保匹配的准确性，提高了定位的准确率。若存在多种对应关系的连通域的对应数量不相等，利用横向对比以及纵向对比分析气泡的连通域，排除气泡离散对检测的影响，使得定位更加准确。
[0103]
基于与上述方法实施例相同的发明构思，本发明另一个实施例提供了一种基于人工智能的气密性检测过程气孔定位系统。
[0104]
请参阅图3，其示出了本发明另一个实施例所提供的一种基于人工智能的气密性检测过程气孔定位系统100的结构框图，该系统包括：
[0105]
图像获取单元10，用于采集同一时刻下正视视角及侧视视角的水体图像；
[0106]
对应情况确认单元20，包括连通域提取模块以及对应关系确认模块，其中：
[0107]
连通域提取模块21，用于将水体图像输入语义分割网络，输出气泡的正视语义分割图像及侧视语义分割图像，并通过连通域分析提取气泡的连通域；
[0108]
对应关系确认模块22，用于根据对极几何关系确认对极线，统计连通域在正视、侧视语义分割图中对极线上的对应情况；
[0109]
对应情况分析单元30，包括第一分析模块以及第二分析模块，其中：
[0110]
第一分析模块31，用于在任意一侧语义分割图像的对极线上只存在单个连通域时，确定为第一对应关系，根据连通域中心点位坐标进行气孔的定位；
[0111]
第二分析模块32，包括数量相等分析模块以及数量不等分析模块，其中：
[0112]
数量相等分析模块33，用于在两侧语义分割图像在对极线上均存在多个对应连通域时，确定为第二对应关系，若对应连通域数量相等，利用度量模型获取连通域的边缘二值图像中像素点的相似度，进而获取连通域的匹配度作为km算法完备匹配的权值，以转化成第一对应关系进行气孔定位；
[0113]
数量不等分析模块34，用于若对应连通域数量不相等，判断任意一侧语义分割图像中连通域是否为同类气泡，同类气泡是指连通域之间的匹配度不小于预设阈值，若为不同类气泡，利用度量模型获取连通域的匹配度，转化成第一对应关系进行气孔定位；否则，判断在对极线的扩大预设范围后的连通域与对极线上的连通域是否为同类气泡，若为同类气泡，重新确定对应关系进行分析；若为不同类气泡，重新采集水体图像。
[0114]
进一步地，数量相等分析模块还包括滑窗构建模块、相似度计算模块以及匹配度计算模块，其中：
[0115]
滑窗构建模块，用于构建两个尺寸相等的滑窗，以滑窗中心为目标像素点，两个滑窗分别在两个待测连通域内移动；
[0116]
相似度计算模块，用于构建评价函数，根据评价函数算出两个目标像素点的相似度；
[0117]
匹配度计算模块，用于求出所有相似度的均值作为这两个待测连通域之间的匹配度。
[0118]
进一步地，相似度计算模块中的评价函数包括第一评价函数和第二评价函数，第一评价函数计算滑窗内所有像素值的方差，第二评价函数计算滑窗内所有像素值的平均值。
[0119]
进一步地，相似度计算模块中，相似度的计算过程为：
[0120][0121]
其中，ms1为第一横向评价值，ms2为第一纵向评价值，ms3为第二横向评价值，ms4为第二纵向评价值，ε为相似度。
[0122]
综上所述，本发明提供了一种基于人工智能的气密性检测过程气孔定位系统，该系统包括利用相似度计算模块及匹配度计算模块获取连通域的相似度及匹配度，根据气泡形状反映出气泡的相似程度，无需考虑图像灰度、亮度等因素，无需限制气泡在图像上的位置，利用数量相等模块对第二对应关系中对应数量相等的连通域进行完备匹配，确保匹配的准确性，提高了定位的准确率。利用数量不等模块分析第二对应关系中对应数量不相等的连通域并计算其匹配度进行定位，排除了气泡离散对检测的影响，使得定位更加准确。
[0123]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0124]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0125]
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。