一种野生动物监测数据管理信息系统的制作方法

本发明涉及野生动物监测技术领域，特别是指一种野生动物监测数据管理信息系统。

背景技术：

野生动物作为地球生态系统中的不可或缺的组成部分，其栖息与繁衍维系着生态系统的平衡与发展。随着野生动物监测数据的多元化，野生动物监测数据需要更加便捷、高效的管理。信息技术的发展提高了信息管理的工作效率，使得数据管理更加高效、更加便捷。野生动物监测数据管理信息系统的建立有助于全面实时的了解野生动物的栖息状况、种群信息，为野生动物监测提供可靠的数据支持。野生动物监测数据管理信息系统能够将野生动物监测、识别、分类、分析有机的串联起来，形成一个闭环，为后续野生动物监测的政策方向提供合理的数据支持。

目前管理信息系统在自然资源监控方面已经得到了应用。但是由于面向自然资源监管的管理信息系统具有特殊性，针对不同自然资源监管的信息特点需要采用不同的开发语言及环境，设计不同类型的数据库表格，用以确保管理信息系统的严密性、安全性和执行效率。因此要开发面向野生动物监测的管理信息系统需要综合分析野生动物监测的需求及野生动物监测信息的特点。现阶段管理信息系统在自然资源监控方面主要应用于农林业对标量信息进行监测，野生动物监测信息以图像信息为主。

技术实现要素：

有鉴于此，本发明的目的在于提出一种野生动物监测数据管理信息系统，能够全面、实时了解野生动物的栖息状况、种群信息。

基于上述目的本发明提供的一种野生动物监测数据管理信息系统，所述系统包括监测信息呈现子系统，所述监测信息呈现子系统包括：

数据通信模块，用于接收野生动物监测设备发送的野生动物监测节点信息并存储；所述野生动物监测设备包括多个节点设备，每个所述的节点设备对该节点进行监测获得所述野生动物监测节点信息；

实时监测信息模块，用于实时获取所述图片信息，对所述图片信息中的野生动物进行识别分类获得野生动物分类信息，将所述野生动物分类信息进行实时的智能展示；

地理位置信息模块，用于根据所述野生动物监测节点信息生成野生动物监测节点分布图，所述野生动物监测节点分布图用于预测各个节点的野生动物出没概率并对不利于野生动物栖息的节点进行预警。

可选的，所述对所述图片信息中的野生动物进行识别分类包括：

构建系统识别模型；

根据所述野生动物监测节点信息中的历史数据，对所述系统识别模型进行训练，获得训练后的野生动物系统识别模型；所述野生动物监测节点信息包括每个节点设备的温度信息、湿度信息、光照信息、位置信息、图片信息；所述野生动物系统识别模型能够识别的信息包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息；

将实时获取的所述图片信息作为所述野生动物系统识别模型的输入信息，生成野生动物分类信息；所述野生动物分类信息包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息。

可选的，所述构建系统识别模型包括：

将样本图像输入到全卷积神经网络，将侧向输出层连接到最后一个池层，得到样本图像中野生动物图像区域的定位；

在较深与较浅的侧向输出层之间建立跳跃层结构的短连接，并通过组合不同级别的特征，将多尺度特征图提供给网络结构的每一层，同时进行多通道特征融合，实现所述野生动物图像区域的像素级分割；将分割后的所述野生动物图像区域作为细粒度分类的输入，采用两个特征提取器分别对所述野生动物图像区域中野生动物的身体部位进行定位以及特征提取，得到图像描述算子；

根据所述图像描述算子获得所述系统识别模型。

可选的，还包括：

在所述全卷积神经网络使用独立的logisitc做二分类对所述样本图像进行处理，假设logistic函数的输入是o＝f(x；θ)，其中θ是网络的参数；则输出y＝h(o)，h指logistic激活函数；

p(y＝1|x)＝h(o)(1)

p(y＝0|x)＝1-h(o)(2)

融合层的损失函数为

对第i个输入oi求导后

j＝-logl＝∑-ylogh-(1-y)log(1-h)(4)

根据logistic函数的求导性质，有：

其中，hi即为logistic激活后的输出，yi为target。

可选的，还包括：采用损失函数、验证集及测试集图像对训练的结果进行评估，调整网络模型参数进行多次训练，得到所述系统识别模型，其中所述损失函数包括：

其中，lcls表示评估分类代价，由真实分类u对应的概率决定且lcls＝-logpu；lbox评估检测框定位代价，比较真实分类对应的预测参数t^u和真实平移缩放参数为v的差别且

可选的，所述根据所述野生动物监测节点信息生成野生动物监测节点分布图，包括：

根据所述位置信息，在地图上标记每个节点设备的位置信息；

获取每个所述节点设备中所述野生动物种类信息；

根据每个节点设备采集到的所述温度数据、所述湿度数据、所述光照数据，计算该种类野生动物的出没概率，将所述出没概率与预设的概率阈值进行比较，对满足所述概率阈值的节点在所述地图上进行突出展示；

根据一段时间内的所述温度数据、所述湿度数据、所述光照数据进行环境变化趋势预测，在所述地图上将不利于野生动物栖息的节点进行预警展示。

可选的，所述根据每个节点设备采集到的所述温度数据、所述湿度数据、所述光照数据，计算该种类野生动物的出没概率，包括：

获取所述温度数据、所述湿度数据、所述光照数据中的历史数据；

将所述温度数据、所述湿度数据、所述光照数据中的历史数据作为自变量进行加权处理，将野生动物出没概率作为因变量，将无野生动物图像采集作为0值，将有清晰完整野生动物图像采集作为1值，构建野生动物出没预测模型；

将当前一段时间之内的所述野生动物监测节点信息作为所述野生动物出没预测模型的输入值，预测该种类野生动物的出没概率。

可选的，所述根据一段时间内的所述温度数据、所述湿度数据、所述光照数据进行环境变化趋势预测，包括：

获取当前一段时间内的所述温度数据、所述湿度数据、所述光照数据；

对获取的当前一段时间内的所述温度数据、所述湿度数据、所述光照数据进行线性回归拟合，获得野生动物生存环境预测值；

根据野生动物适宜的生存环境预设生存环境预警阈值；

判断野生动物生存环境预测值是否满足所述生存环境预警阈值，若否，则在所述地图上将不利于野生动物栖息的节点进行预警展示。

可选的，所述对所述图片信息中的野生动物进行识别分类获得野生动物分类信息，将所述野生动物分类信息进行实时的智能展示，包括：

采用所述野生动物系统识别模型对所述图片信息进行分类后展示；所述分类标准包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息；

根据所述野生动物种类信息判断该野生动物是否与系统中预设的濒危野生动物；

若是，则在对具有该野生动物的所述图片信息进行突出显示。

可选的，所述系统还包括监测信息管理子系统、登录注册子系统以及用户管理子系统，其中，

所述监测信息管理子系统包括：

野生动物图片上传模块，用于将本地的所述野生动物监测节点信息进行分类识别后上传至服务器；

监测信息修改模块，用于呈现异常信息、错误信息，并能够对所述异常信息、所述错误信息进行手动调整、标注及修改；所述登录注册子系统包括：

登录模块，用于判定用户账号是否为合法，若合法则判断用户的权限，使所述用户账号根据设定的权限访问所述系统；

注册模块，用于实现用户账号的注册以及用户账号信息的存储；

密码找回模块，用于实现用户账号的密码找回；

所述用户管理子系统包括：

用户权限管理模块，用于实现对用户账号的操作权限的管理；

用户信息管理模块，用于实现对用户信息的管理；

用户行为记录模块，用于实现对用户行为的记录与查询。

从上面所述可以看出，本发明提供的野生动物监测数据管理信息系统，以管理信息系统为基础，针对野生动物监测的特点进行开发。所述野生动物监测数据管理信息系统可以实现监测信息分类、识别、查询、分析、监控、管理的功能。

附图说明

图1为本发明实施例一种野生动物监测数据管理信息系统的结构图；

图2为本发明实施例一种野生动物监测数据管理信息系统的框架示意图；

图3为本发明实施例野生动物监测数据管理信息系统的图片查询逻辑图；

图4为本发明实施例野生动物监测数据管理信息系统的信息统计逻辑图；

图5为本发明实施例野生动物监测数据管理信息系统的图片上传逻辑图；

图6为本发明实施例野生动物监测数据管理信息系统的登录验证逻辑图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

图1为本发明实施例一种野生动物监测数据管理信息系统的结构图。图2为本发明实施例一种野生动物监测数据管理信息系统的框架示意图。

在本发明的一个实施例中，所述系统包括监测信息呈现子系统，所述监测信息呈现子系统包括：

数据通信模块，用于接收野生动物监测设备发送的野生动物监测节点信息并存储；所述野生动物监测设备包括多个节点设备，每个所述的节点设备对该节点进行监测获得所述野生动物监测节点信息。所述野生动物监测节点信息包括每个节点设备的温度信息、湿度信息、光照信息、位置信息、图片信息，图片信息的传输方式采用渐进式传输通过socket通信实现，将图片信息通过感兴趣区域提取技术进行编码对图像信息主次程度进行排序，对感兴趣区域进行优先传输，系统的数据通信模块接收数据后根据编码策略对监测图像进行重构。

实时监测信息模块，用于实时获取所述图片信息，对所述图片信息中的野生动物进行识别分类获得野生动物分类信息，将所述野生动物分类信息进行实时的智能展示。

地理位置信息模块，用于根据所述野生动物监测节点信息生成野生动物监测节点分布图，所述野生动物监测节点分布图用于预测各个节点的野生动物出没概率并对不利于野生动物栖息的节点进行预警。

进一步，在实时监测信息模块中，对所述图片信息中的野生动物进行识别分类的步骤包括：

步骤101，构建系统识别模型。

步骤102，根据所述野生动物监测节点信息中的历史数据，对所述系统识别模型进行训练，获得训练后的野生动物系统识别模型；所述野生动物监测节点信息包括每个节点设备的温度信息、湿度信息、光照信息、位置信息、图片信息；所述野生动物系统识别模型能够识别的信息包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息。

步骤103，将实时获取的所述图片信息作为所述野生动物系统识别模型的输入信息，生成野生动物分类信息；所述野生动物分类信息包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息。

优选的，实时获取的所述图片信息可以为当前时刻获取的图片信息，也可以为在最近的预设时间段内获取的图片信息。所述野生动物系统识别模型采用fast-rcnn模型构建，根据野生动物监测历史数据对模型进行训练，获得适合保护动物的识别模型，识别模型将图片采集数据作为输入并输出图片中野生动物种类、性别、年龄范围等细粒度信息，供实时监测信息模块呈现。

在本发明的一些实施例中，所述构建系统识别模型包括：

步骤201，将样本图像输入到全卷积神经网络，采用整体-嵌套边缘检测器(hed，holistically-nestededgedetection)架构，将侧向输出层连接到最后一个池层，得到样本图像中最显著信息即野生动物图像区域的定位。

可选的，在所述全卷积神经网络使用独立的logisitc(s型曲线)做二分类对所述样本图像进行处理，可以更好的处理重叠的多标签问题。假设logistic函数的输入是o＝f(x；θ)，其中θ是网络的参数；则输出y＝h(o)，h指logistic激活函数或sigmoid(对数几率)函数；

p(y＝1|x)＝h(o)(1)

p(y＝0|x)＝1-h(o)(2)

融合层的损失函数为

对第i个输入oi求导后

j＝-logl＝∑-ylogh-(1-y)log(1-h)(4)

根据logistic函数的求导性质，有：

其中，hi即为logistic激活后的输出，yi为target(标签的结果)。

步骤202，在显著性定位阶段的基础上，进行细节在先阶段。采用一种自上而下的方法，在较深与较浅的侧向输出层之间建立跳跃层结构的短连接，并通过组合不同级别的特征，将丰富的多尺度特征图提供给网络结构的每一层，同时进行多通道特征融合，实现所述野生动物图像区域的像素级分割。

步骤203，将分割后的所述野生动物图像区域作为细粒度分类的输入，采用两个特征提取器分别对所述野生动物图像区域中野生动物的身体部位进行定位以及特征提取，得到图像描述算子。

将上一步的输出，经过检测分割后的野生动物图像区域作为细粒度分类的输入，拟采用双线性模型(bilinearmodels)，设计两个特征提取器，两个输出是图像每一个位置的外积(outerproduct)，然后进行pool，得到最终的图像描述算子。网络a的作用是对野生动物身体不同部位进行定位，而网络b则是用来对网络a检测到的物体位置进行特征提取。两个网络相互协调作用，完成了细粒度图像分类过程中两个最重要的任务，野生动物局部区域的检测与特征提取。

步骤204，根据所述图像描述算子获得所述系统识别模型。

将训练集图像利用上述网络模型及训练策略进行训练，并且利用验证集及测试集图像对训练的结果进行评估，调整网络模型参数进行多次训练，得到最优的网络模型进行保存。

具体的，还包括：采用损失函数、验证集及测试集图像对训练的结果进行评估，调整网络模型参数进行多次训练，得到所述系统识别模型，其中所述损失函数包括：

其中，lcls表示评估分类代价，由真实分类u对应的概率决定且lcls＝-logpu；lbox评估检测框定位代价，比较真实分类对应的预测参数t^u和真实平移缩放参数为v的差别且

在一个具体的实施例中，采用mysql存储野生动物监测图像的存储地址信息，在专业野生动物学者的指导下，完成野生动物监测图像的标定工作，将数据库中不同种类野生动物存贮在不同路径下。并且以6:2:2的比例将数据库中野生动物监测图像分成训练集、验证集、测试集。

在服务器端搭建tensorflow深度学习框架，以python为编程语言，首先，所有的训练图像重新调整到224*224，以适应卷积神经网络拓扑输入。然后使用数据增强来增强训练集并克服过度拟合问题。利用随机旋转，剪切，缩放和翻转等方法将原始数据集扩充至原来的5倍。

利用tensorflow搭建卷积神经网络，使用区域建议网络(rpn)生成建议，每个建议生成300个建议窗口。将建议窗口映射到最后一个cnn卷积特征映射，并通过感兴趣区域(roi)池层，为每个roi生成固定大小的特征映射。roi池使用最大值池化方法来处理特征地图中的感兴趣区域。该方法避免了对单个图像中具有许多重叠区域的候选区域的特征提取的重复计算。映射操作执行卷积特征提取和合并计算。它会创建图像的完整正向传递，并从获得的正向传递中提取每个roi的转换特征，并共享正向传递网络。在后向传播阶段，采用随机梯度下降(sgd)算法对模型参数进行训练，以分类交叉熵损失函数为优化目标。

将训练集图像利用上述网络模型及训练策略进行训练，并且利用验证集及测试集图像对训练的结果进行评估，调整网络模型参数进行多次训练，得到最优的网络模型进行保存，当新拍摄到的野生动物监测图像进入数据库中时，自动调用网络模型文件，对野生动物进行识别。

根据识别结果，将图像另存至该物种所在的文件夹，如果没有任何检测到的野生动物的这些图像将被自动排除，最终统计每种野生动物的种类数量，完成野生动物自动识别分类计数的功能，为保护野生动物的动物种类提供有效的评估依据。

图3为本发明实施例野生动物监测数据管理信息系统的图片查询逻辑图。在本发明的一个实施例中，获取图片对图片进行查询的过程包括：

步骤一，获取筛选条件，该筛选条件包括时空筛选条件以及环境筛选条件；若选择时空筛选条件则跳转到步骤二，选择环境筛选条件则跳转到步骤五。

步骤二，根据时间的先后顺序选择图片，可以选择一定的时间区间，也可以跳过时间选择，直接进行下一步；

步骤三，选择想要查看的节点，可以根据用户的需求选择需要查看的节点，也可以不选择节点，直接进行下一步；

步骤四，根据用户的需求，设置筛选条件，根据设置的筛选条件遍历图像数组，或则符合用户需求的数据，并对最终的数据进行呈现；

步骤五，用户需求选择相应的环境数据，也可以不选择直接进入步骤六；

步骤六，进入对比数据库，返回环境信息，返回组合数据并对图像进行最终的呈现；或者进入对比数据库，遍历图像数组，返回图像数据，返回组合数组，最后进行数据的呈现。

进一步，在地理位置信息模块中，根据所述野生动物监测节点信息生成野生动物监测节点分布图的步骤包括：

步骤301，根据所述位置信息，在地图上标记每个节点设备的位置信息。

步骤302，获取每个所述节点设备中所述野生动物种类信息。

步骤303，根据每个节点设备采集到的所述温度数据、所述湿度数据、所述光照数据，计算该种类野生动物的出没概率，将所述出没概率与预设的概率阈值进行比较，对满足所述概率阈值的节点在所述地图上进行突出展示。优选的，对满足所述概率阈值的节点在所述地图上进行突出展示可以为高亮展示。

步骤304，根据一段时间内的所述温度数据、所述湿度数据、所述光照数据进行环境变化趋势预测，在所述地图上将不利于野生动物栖息的节点进行预警展示。优选的，可以对不利于野生动物栖息的节点进行持续预警，直到该节点利于野生动物栖息为止。

通过步骤301-304，生成了野生动物监测节点分布图。

进一步，所述根据每个节点设备采集到的所述温度数据、所述湿度数据、所述光照数据，计算该种类野生动物的出没概率，包括：

步骤401，获取所述温度数据、所述湿度数据、所述光照数据中的历史数据。

步骤402，将所述温度数据、所述湿度数据、所述光照数据中的历史数据作为自变量进行加权处理，将野生动物出没概率作为因变量，将无野生动物图像采集作为0值，将有清晰完整野生动物图像采集作为1值，构建野生动物出没预测模型。

步骤403，将当前一段时间之内的所述野生动物监测节点信息作为所述野生动物出没预测模型的输入值，预测该种类野生动物的出没概率。

进一步，所述根据一段时间内的所述温度数据、所述湿度数据、所述光照数据进行环境变化趋势预测，包括：

步骤501，获取当前一段时间内的所述温度数据、所述湿度数据、所述光照数据。

步骤502，对获取的当前一段时间内的所述温度数据、所述湿度数据、所述光照数据进行线性回归拟合，获得野生动物生存环境预测值。

步骤503，根据野生动物适宜的生存环境预设生存环境预警阈值。

步骤504，判断野生动物生存环境预测值是否满足所述生存环境预警阈值，若否，则在所述地图上将不利于野生动物栖息的节点进行预警展示。

进一步，所述对所述图片信息中的野生动物进行识别分类获得野生动物分类信息，将所述野生动物分类信息进行实时的智能展示，包括：

步骤601，采用所述野生动物系统识别模型对所述图片信息进行分类后展示；所述分类标准包括野生动物种类信息、野生动物性别信息、野生动物年龄范围信息、当前环境信息、当前环境下野生动物的生存状态信息。

步骤602，根据所述野生动物种类信息判断该野生动物是否与系统中预设的濒危野生动物。

步骤603，若是，则在对具有该野生动物的所述图片信息进行突出显示。

在本发明的另一个实施例中，所述系统还包括历史信息查询模块，所述历史信息查询模块用于对历史数据进行多纬度呈现。所述历史数据包括数据通信模块接收到的野生动物监测节点信息，以及在上述实施例中获取的各项统计数据，包括野生动物分类信息、野生动物监测节点分布图等。用户在浏览器端可以对监测信息按照名称、时间、地理位置、频率进行多纬度的信息查询、统计及下载。

图4为本发明实施例本发明野生动物监测数据管理信息系统的信息统计逻辑图。在本发明的一个实施例中，对信息进行统计的逻辑过程包括：

步骤二一，根据时间的先后顺序选择图片，可以选择一定的时间区间，也可以跳过时间选择，直接进行下一步；

步骤二二，选择想要查看的节点，可以根据用户的需求选择需要查看的节点，也可以不选择节点，直接进行下一步；

步骤二三，根据用户的需求，设置筛选条件，筛选出符合用户需求的数据，选择用户需要的数据类型，返回数据组合，并对最终的数据进行呈现。

在本发明的一些实施例中，所述系统还包括监测信息管理子系统，所述监测信息管理子系统包括：

野生动物图片上传模块，用于将本地的所述野生动物监测节点信息进行分类识别后上传至服务器。管理员用户可以将本地整理的野生动物资料进行分类识别，并上传至云端。

图5为本发明实施例野生动物监测数据管理信息系统的图片上传逻辑图。在本发明的一个实施例中，野生动物图片上传模块的逻辑判断关系包括：

步骤三一，打开图片上传界面；

步骤三二，添加图片名称，添加拍摄时间，添加描述信息，对图片进行正则过滤，判断该图片的合法性，若合法则将该图片存入系统，并记录在操作日志中，若不合法则对该图片进行错误提醒。

步骤三三，打开图片上传界面之后，同时判断该图片是否为post。若否，则直接多该图片进行错误提醒；若是，则进一步判断该图片的文件类型，若文件类型合法，则将该图片存入数据库同时存入操作日志，若不合法则直接进行错误提醒。

监测信息修改模块，用于呈现异常信息、错误信息，管理员用户能够对所述异常信息、所述错误信息进行手动调整、标注及修改。

在另一些实施例中，所述系统还包括登录注册子系统，所述登录注册子系统包括：

登录模块，用于判定用户账号是否为合法，若合法则判断用户的权限，使所述用户账号根据设定的权限访问所述系统。登录模块是用户进入系统的唯一通道，判定是否为合法用户，若为合法用户并对用户权限进行判定，使得用户可以根据该用户账号被赋予的权限范围访问系统的相关功能。

注册模块，用于实现用户账号的注册以及用户账号信息的存储。注册模块是普通用户进行注册的唯一通道，预留用户信息并实现对数据库中用户信息的增添。

密码找回模块，用于实现普通用户的用户账号的密码找回。

图6为本发明实施例野生动物监测数据管理信息系统的登录验证逻辑图。在本发明的一个实施例中，登录注册子系统的逻辑验证步骤包括：

步骤四一，输入用户信息，判断用户名是否为空，若否则进行下一步，否则提示用户名不能为空；

步骤四二，判断用户名是否存在，若存在则进行下一步，否则提示用户名不存在；

步骤四三，判断密码是否为空，若否则进行下一步，否则提示密码不能为空；

步骤四四，判断验证码是否匹配，若是则进行下一步，否则体会验证码错误；

步骤四五，判断密码是否匹配，若是，则进行下一步，否则提示用户名或密码错误；

步骤四六，判断用户权限等级，将用户信息存入session，根据用户权限跳转页面，登录系统。

在另一些实施例中，所述系统还包括用户管理子系统，所述用户管理子系统包括：

用户权限管理模块，用于实现对用户账号的操作权限的管理，管理员用户可以对相应的普通用户进行操作权限的查询及修改。

用户信息管理模块，用于实现对用户信息的管理，管理员用户可以对用户信息进行查询、标注及修改。

用户行为记录模块，用于实现对用户行为的记录与查询，管理员用户可以对普通用户的行为记录进行查询，了解人为因素对管理信息系统的影响。

野生动物监测数据管理信息系统的系统结构包括云服务器、数据库服务器以及客户端浏览器，云服务器用于存储系统的相关配置文件，数据库服务器用于存储系统接收到的野生动物监测节点信息以及该系统产生的各项数据信息，客户端浏览器用于实现用户的登录访问。

本发明所述野生动物监测数据管理信息系统，以管理信息系统为基础，针对野生动物监测的特点进行开发，采用web技术与深度学习技术相结合，采用b/s架构，用户通过互联网对管理信息系统进行访问；所述野生动物监测数据管理信息系统可以实现监测信息分类、识别、查询、分析、监控、管理的功能；实现了一种可视化的数据监管平台，具有完善的数据分析及预测功能；本系统根据野生动物监测的实际特点进行开发，功能贴近野生动物监测工作的需求，确保了野生动物监测的时效性，增强了野生动物监测数据的可利用性，提高了野生动物监测的工作效率；同时系统具有严格的安全权限设置，各级用户权限明确，保证了数据的真实有效，保证了系统安全平稳地运行。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。