一种面板缺陷增强检测方法及系统及装置及介质与流程

1.本发明涉及显示面板检测技术领域，具体地，涉及一种面板缺陷增强检测方法及系统及装置及介质。


背景技术：

2.随着面板行业的蓬勃发展，面板的类型越发繁多，面板制造工艺也愈加复杂化、细致化，市场对于面板质量的要求也随之提高。影响面板质量的因素有很多，生产过程中的工艺波动、机台差异都可能使面板出现形态各异的缺陷。mura是面板制造过程中的一种常见缺陷，mura一词源于日语音译，意为“斑”，即面板部分显示亮度不均匀的缺陷。mura缺陷会降低面板性能，影响用户的使用体验，因此，加强对面板mura缺陷的检测十分重要。然而，mura所在区域和周围背景对比度较低，边缘模糊，且mura形状不固定，目前的aoi（automated optical inspection，光学自动检测）技术无法实现对mura缺陷的准确检出，现有面板生产企业通常需要人工对面板进行目检确认面板缺陷情况，耗费了大量的时间成本和人力成本，因此，如何自动且准确的实现面板mura缺陷的检出这一问题亟待解决。


技术实现要素：

3.为了自动且准确的检测出面板的mura缺陷，提高工作效率，降低人力成本并提高面板产品质量，本发明提供了一种面板缺陷增强检测方法，所述面板缺陷增强检测方法包括以下步骤：步骤1：采集样本面板图像并获得对应的第一灰度曲线；步骤2：对所述样本面板图像进行灰度增强，并记录对应的第一灰度增强参数；步骤3：采集待检测面板的灰度图像，获得对应的第二灰度曲线；步骤4：对所述第一灰度曲线和所述第二灰度曲线进行匹配，获得匹配结果，根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；步骤5：根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像；步骤6：分析所述目标面板图像，获得第一面板缺陷数据。
4.其中，本方法原理为：采集样本面板图像并获得对应的第一灰度曲线，对所述样本面板图像进行灰度增强，调节灰度增强参数至能够清晰分辨该样本面板图像细节时记录第一灰度增强参数，所述第一灰度曲线与所述第一灰度增强参数对应；采集待检测面板的灰度图像并获得对应的第二灰度曲线后，将所述第一灰度曲线和所述第二灰度曲线进行匹配，若所述第一灰度曲线和所述第二灰度曲线匹配则认为对应的灰度图像和对应的样本面板图像相似，能够适用相同的灰度增强参数；根据匹配结果选择对应的第一灰度增强参数作为所述灰度图像的第二灰度增强参数，根据所述第二灰度增强参数对所述灰度图像进行增强，能够使图像中的mura缺陷清晰可见，最后对增强后的灰度图像进行识别，能够准确地发现面板图像中存在的mura缺陷，实现了面板图像的自动化增强和缺陷检出，提高了工作
效率。
5.进一步的，由于面板图像灰度分布均匀，对面板图像进行灰度变化操作可能导致面板图像中的细节丢失，因此，为了保证图像增强效果的同时避免丢失图像细节，需要首先对图像灰度分布数据进行拟合，根据拟合曲线获得灰度增强参数，再将灰度增强参数应用于灰度拟合前的图像上，因此，所述步骤2具体为：获得所述样本面板图像对应的图像灰度分布数据；对所述图像灰度分布数据进行拟合，获得拟合曲线；根据所述拟合曲线对所述图像灰度分布数据进行增强，并记录对应的第一灰度增强参数。
6.其中，由于mura区域在灰度图像中对应的灰度区间相对固定，为了进一步保证图像中mura区域细节完整，需要对所述图像灰度分布数据进行分段拟合，进一步保留面板图像中mura区域的细节；样条回归能够根据需要确定锚点，再根据已知的锚点对数据进行分段拟合，因此，获得样本面板图像对应的图像灰度分布数据后，首先根据所述图像灰度分布数据获得至少一个锚点，然后根据样条回归算法和所述锚点对所述图像灰度分布数据进行拟合，其中，所述锚点用于对所述图像灰度分布数据进行分段。
7.进一步的，在面板制造工艺中，不同机台不同制程产生的面板图像存差异，为了对不同制程或机台对应的面板图像进行针对性的图像增强，保证图像增强的有效性，需要根据面板制程和机台种类对图像增强参数进行调整，因此，所述步骤1具体为：采集样本面板图像并获得对应的第一灰度曲线和第一数据，所述第一数据包括制程数据和设备数据；所述步骤3具体为：采集待检测面板的灰度图像，获得对应的第二灰度曲线和第二数据，所述第二数据包括制程数据和设备数据；所述步骤4具体为：对所述第一灰度曲线和所述第二灰度曲线进行匹配，获得第一匹配结果；对所述第一数据和所述第二数据进行匹配，获得第二匹配结果；其中，当某个灰度图像对应的制程数据、设备数据和灰度缺陷均与某个样本面板图像对应时，则该样本面板图像对应的第一灰度增强参数可以作为该灰度图像的第二灰度增强参数；因此，根据所述第一匹配结果、所述第二匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；所述步骤5具体为：根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像。
8.进一步的，为了提高检测效率，系统根据所述灰度图像的分辨率对所述灰度图像进行缩放，通过检测缩略图的灰度分布实现对所述灰度图像的匹配，能够在较小的计算量下完成处理，因此，所述步骤3具体为：采集所述待检测面板的灰度图像，获得所述灰度图像的分辨率；根据所述分辨率对所述灰度图像进行缩放，获得对应的缩略图；获得所述缩略图对应的第三灰度曲线；所述步骤4具体为：对所述第三灰度曲线和所述第一灰度曲线进行匹配，获得匹配结果，根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数。
9.进一步的，由于面板灰度图像通常包括面板部分和背景部分，背景部分灰度分布较为复杂，但不能作为面板图像增强的依据；面板部分包括正常部分和缺陷部分，正常部分
灰度分布均匀，会导致面板整体灰度分布特征不明显；缺陷部分灰度分布存在差异，能够作为面板图像增强的依据；因此，通过对面板灰度图像进行分区筛选能够获得有效且明显的灰度特征，优化面板图像匹配精度，提高图像增强效果，所述步骤3具体为：采集待检测面板的灰度图像，并对于所述灰度图像进行分区，获得至少两个子区域；对所述子区域进行编号，并分别获得所述子区域对应的第四灰度曲线；对所述第四灰度曲线进行筛选，获得筛选结果；所述步骤4具体为：对所述第四灰度曲线和所述第一灰度曲线进行匹配，获得匹配结果；根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数。
10.进一步的，面板常见缺陷除了mura外还包括面板坏点，面板坏点可能在屏幕显示红、绿、蓝等单色中一种或多种情况下出现，因此，对于面板坏点的检测需要首先对面板单色图像进行差分处理，然后对获得的差分图像进行识别；因此，获得所述第一面板缺陷数据后还包括以下步骤：采集所述待检测面板的单色图像；对所述单色图像进行差分处理，获得差分图像；分析所述差分图像，获得第二面板缺陷数据。
11.其中，mura为面板亮度缺陷，坏点为面板颜色缺陷，mura范围较大可能会影响坏点的检测；为了避免mura影响面板坏点的检测，提高面板缺陷检测准确率，获得所述单色图像后首先根据所述第一面板缺陷数据对所述单色图像进行补偿，然后对所述单色图像进行差分处理，获得所述差分图像。
12.为实现上述目的，本发明还提供了一种面板缺陷增强检测系统，所述系统包括：图像采集单元，用于采集样本面板图像，获得对应的第一灰度曲线；采集待检测面板的灰度图像，获得对应的第二灰度曲线；图像处理单元，由于对所述样本面板图像进行灰度增强，并记录对应的第一灰度增强参数；图像匹配单元，用于对所述第一灰度曲线和所述第二灰度曲线进行匹配，根据匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；缺陷检测单元，用于根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像；分析所述目标面板图像，获得第一面板缺陷数据。
13.其中，本系统原理为：图像采集单元采集样本面板图像和待检测面板的灰度图像，分别获得对应的第一灰度曲线和第二灰度曲线；图像处理单元对所述样本面板图像进行灰度增强，记录对应的第一灰度增强参数；图像匹配单元将所述第一灰度曲线和所述第二灰度曲线进行匹配，若所述第一灰度曲线和所述第二灰度曲线匹配则认为对应的灰度图像和对应的样本面板图像相似，能够适用相同的灰度增强参数，根据匹配结果选择对应的第一灰度增强参数作为所述灰度图像的第二灰度增强参数，最后缺陷检测单元根据第二灰度增强参数对所述灰度图像进行灰度增强，使图像中的mura缺陷清晰可见，最后对增强后的图像进行分析，发现面板图像中存在的mura缺陷，实现了面板缺陷增强检测过程中图像灰度增强参数的自动化选择，以及mura缺陷的自动化检出，提高了工作效率。
14.为实现上述目的，本发明还提供了一种面板缺陷增强检测装置，包括存储器、处理
器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一个所述面板缺陷增强检测方法的步骤。
15.为实现上述目的，本发明还提供了一种计算机可读存储介质，所述计算机可读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时实现上述任意一个所述面板缺陷增强检测方法的步骤。
16.本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：通过获得样本面板及对应的第一灰度增强参数，将待检测面板对应的灰度曲线与样本面板的灰度曲线进行匹配，根据匹配结果选择对应的灰度增强参数，实现了对待检测面板图像的自动化增强；基于样条回归对图像进行增强，保留了图像细节，提高了缺陷检出的准确率；对面板单色图像进行处理，定位面板坏点，实现了面板图像的自动化增强和缺陷检出。
附图说明
17.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；图1是本发明中面板缺陷增强检测流程示意图；图2是本发明中面板缺陷增强检测系统框架示意图。
具体实施方式
18.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
19.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
20.实施例一请参考图1，本发明实施例一提供了一种面板缺陷增强检测方法，所述面板缺陷增强检测方法包括以下步骤：步骤1：采集样本面板图像并获得对应的第一灰度曲线；步骤2：对所述样本面板图像进行灰度增强，并记录对应的第一灰度增强参数；步骤3：采集待检测面板的灰度图像，获得对应的第二灰度曲线；步骤4：对所述第一灰度曲线和所述第二灰度曲线进行匹配，获得匹配结果，根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；步骤5：根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像；步骤6：分析所述目标面板图像，获得第一面板缺陷数据。
21.其中，对所述样本面板图像进行灰度增强的方法可以为直方图均衡化算法、直方图规定化算法、自适应直方图均衡化算法或限制对比度的自适应直方图均衡算法，具体方法根据实际需要确定，本实施例在此不做具体限定；对所述灰度图像进行灰度增强的方法应选用与对所述样本面板图像一致的灰度增强方法，本实施例在此不做具体限定。
22.其中，对所述第一灰度曲线和所述第二灰度曲线进行匹配可以通过基于随机森林算法、基于神经网络算法或基于k临近算法的机器学习模型实现，具体的，首先建立机器学习模型，将所述第一灰度曲线作为训练样本输入所述机器学习模型，获得匹配模型，然后将所述第二灰度曲线输入所述预测模型，最后获得匹配结果，所述机器学习模型选用的具体算法根据实际需要确定，本实施例在此不做具体限定。
23.其中，所述目标面板图像为增强后的图像，所述分析所述目标面板图像即对所述目标面板图像进行轮廓检测，若所述目标面板图像中感兴趣区域存在轮廓，则认为该面板存在mura缺陷，其中，所述感兴趣区域根据实际需要确定，本实施例在此不做具体限定。
24.其中，所述轮廓检测可以通过canny算子或log边缘检测算法实现，具体方法根据实际需要确定，本实施例在此不做具体限定。
25.其中，在本实施例中，所述步骤2具体为：获得所述样本面板图像对应的图像灰度分布数据；对所述图像灰度分布数据进行拟合，获得拟合曲线；根据所述拟合曲线对所述图像灰度分布数据进行增强，并记录对应的第一灰度增强参数。
26.其中，在本实施例中，获得样本面板图像对应的图像灰度分布数据后，首先根据所述图像灰度分布数据获得至少一个锚点，然后根据样条回归算法和所述锚点对所述图像灰度分布数据进行拟合，其中，所述锚点用于对所述图像灰度分布数据进行分段。
27.其中，由于面板图像中mura区域灰度分布在120~160范围内，因此所述锚点优选为两个，将所述灰度分布数据分为0~120、120~160和120~225三段，锚点数量及锚点位置可以根据实际需要进行调整，本实施例在此不做具体限定。
28.具体的，获得面板缺陷增强前图像后，首先对所述图像灰度分布数据进行拟合，根据拟合曲线获得第一灰度增强参数，再将所述第一灰度增强参数应用于灰度拟合前的图像上，获得面板缺陷增强后图像。
29.其中，在面板制造工艺中，不同机台不同制程产生的面板图像存差异，为了对不同制程或机台对应的面板图像进行针对性的图像增强，保证图像增强的有效性，需要根据面板制程和机台种类对图像增强参数进行调整，因此，在本实施例中，所述步骤1具体为：采集样本面板图像并获得对应的第一灰度曲线和第一数据，所述第一数据包括制程数据和设备数据；所述步骤3具体为：采集待检测面板的灰度图像，获得对应的第二灰度曲线和第二数据，所述第二数据包括制程数据和设备数据；所述步骤4具体为：对所述第一灰度曲线和所述第二灰度曲线进行匹配，获得第一匹配结果；对所述第一数据和所述第二数据进行匹配，获得第二匹配结果；根据所述第一匹配结果、所述第二匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；所述步骤5具体为：根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像。
30.其中，所述第一数据和所述第二数据的匹配规则根据实际需要确定，本实施例在此不做具体限定。
31.实施例二
请参考图1，本发明实施例二提供了一种面板缺陷增强检测方法，在实施例一的基础上，在本实施例中，所述步骤3具体为：采集所述待检测面板的灰度图像，获得所述灰度图像的分辨率；根据所述分辨率对所述灰度图像进行缩放，获得对应的缩略图；获得所述缩略图对应的第三灰度曲线；所述步骤4具体为：对所述第三灰度曲线和所述第一灰度曲线进行匹配，获得匹配结果，根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数。
32.其中，对所述第一灰度曲线和所述第二灰度曲线进行匹配可以通过基于随机森林算法、基于神经网络算法或基于k临近算法的机器学习模型实现，具体的，首先建立机器学习模型，将所述第一灰度曲线作为训练样本输入所述机器学习模型，获得匹配模型，然后将所述第二灰度曲线输入所述预测模型，最后获得匹配结果，所述机器学习模型选用的具体算法根据实际需要确定，本实施例在此不做具体限定。
33.其中，对所述灰度图像的缩放比例根据实际获得图像的分辨率确定，本实施例在此不做具体限定。
34.实施例三请参考图1，本发明实施例三提供了一种面板缺陷增强检测方法，在实施例一的基础上，所述步骤3具体为：采集待检测面板的灰度图像，并对所述灰度图像进行分区，获得至少两个子区域；对所述子区域进行编号，并分别获得所述子区域对应的第四灰度曲线；对所述第四灰度曲线进行筛选，获得筛选结果；所述步骤4具体为：对所述第四灰度曲线和所述第一灰度曲线进行匹配，获得匹配结果，根据所述匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数。
35.其中，所述子区域数量和大小根据实际需要确定，本实施例在此不做具体限定；由于面板灰度图像通常包括面板部分和背景部分，背景部分灰度分布复杂，不能作为面板图像增强的依据；面板部分包括正常部分和缺陷部分，正常部分灰度分布均匀，会导致面板整体灰度分布特征不明显；缺陷部分灰度分布存在差异，能够作为面板图像增强的依据，因此，对所述第四灰度曲线包括进行筛选即删除上述背景部分和上述正常部分对应的第四灰度曲线，具体筛选规则根据实际需要确定，本实施例在此不做具体限定。
36.其中，在本实施例中，获得所述第一面板缺陷数据后还包括以下步骤：采集所述待检测面板的单色图像；对所述单色图像进行差分处理，获得差分图像；分析所述差分图像，获得第二面板缺陷数据。
37.其中，所述单色图像可以为红色、蓝色或绿色等任意一种或多种单色图像，具体颜色及数量根据实际需要确定，本实施例在此不做具体限定。
38.其中，所述差分图像可以由所述单色图像间作差获得，也可以有所述单色图像与标准图像作差获得，具体处理方式根据实际需要确定，本实施例在此不做具体限定。
39.具体的，分析所述差分图像即计算所述差分图像中像素点的数量，根据所述像素点数量即可判断所述待检测面板中是否存在坏点，具体判断标准根据实际需要确定，本实施例在此不做具体限定。
40.其中，在本实施例中，获得所述单色图像后首先根据所述第一面板缺陷数据对所述单色图像进行补偿，然后对所述单色图像进行差分处理，获得所述差分图像。
41.实施例四请参考图2，本发明实施例四提供了一种面板缺陷增强检测系统，所述系统包括：图像采集单元，用于采集样本面板图像，获得对应的第一灰度曲线；采集待检测面板的灰度图像，获得对应的第二灰度曲线；图像处理单元，用于对所述样本面板图像进行灰度增强，并记录对应的第一灰度增强参数；图像匹配单元，用于对所述第一灰度曲线和所述第二灰度曲线进行匹配，根据匹配结果和所述第一灰度增强参数获得对应的第二灰度增强参数；缺陷检测单元，用于根据所述第二灰度增强参数对所述灰度图像进行灰度增强，获得目标面板图像；分析所述目标面板图像，获得第一面板缺陷数据。
42.实施例五本发明实施例五提供了一种面板缺陷增强检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述面板缺陷增强检测方法的步骤。
43.实施例六本发明实施例六提供了一种计算机可读存储介质，所述计算机可读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时实现所述面板缺陷增强检测方法的步骤。
44.其中，所述处理器可以是中央处理器（cpu，central processing unit），还可以是其他通用处理器、数字信号处理器（digital signal processor）、专用集成电路（application specific integrated circuit）、现成可编程门阵列（field programmable gate array）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器也可以是任何常规的处理器。
45.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的数据，实现发明中面板缺陷增强检测装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等。此外，存储器可以包括高速随机存取存储器、还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡，安全数字卡，闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
46.所述面板缺陷增强检测装置如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序存储于一个计算机可读存介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码、对象代码形式、可执行文件或某些中间形式等。所述计算机可读取介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存储器、点载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
47.本发明已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
48.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
49.此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
50.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
51.本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
52.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
53.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明
实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
54.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
55.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。