一种基于近红外光谱技术审评红茶的方法及系统与流程

1.本发明属于红茶审评技术领域，尤其涉及一种基于近红外光谱技术审评红茶的方法及系统。


背景技术：

2.目前，茶叶评审(感官审评)是一门通过感官鉴定茶叶品质的实用性技术，茶的品质主要是依靠人的感觉(视觉、嗅觉、味觉、触觉)来鉴定，目前这在国内外仍是一种通用方法。茶叶感官审评包括外形、汤色、香气、滋味、叶底五项，简称“五项因子”，评茶人员根据gb/t23776
‑
2009《茶叶感官审评方法》进行审评。但感官审评容易受到审评人员的生理条件、工作经验以及环境条件、个人喜好等因素的影响，不同的审评人员或同一个审评人员在不同的生理及环境条件下，对同一个茶样审评得出的结果，往往存在一定的差异，最终影响茶叶品质评定的准确性。评茶过程还会受到审评场地、评茶员数量、样品数量的限制，同时，每次评审耗时较长。同时，现有评茶技术中关于通过近红外光谱技术进行红茶审评的技术方案尚未见报道。
3.通过上述分析，现有技术存在的问题及缺陷为：
4.(1)感官审评容易受到审评人员的生理条件、工作经验以及环境条件、个人喜好等因素的影响，不同的审评人员或同一个审评人员在不同的生理及环境条件下，对同一个茶样审评得出的结果，往往存在一定的差异，最终影响茶叶品质评定的准确性。
5.(2)感官审评过程中，评茶还会受到审评场地、评茶员数量、样品数量的限制，同时，每次评审耗时较长。
6.(3)现有评茶技术中关于通过近红外光谱技术进行红茶审评的技术方案尚未见报道。


技术实现要素：

7.针对现有技术存在的问题，本发明提供了一种基于近红外光谱技术审评红茶的方法及系统。
8.本发明是这样实现的，一种基于近红外光谱技术审评红茶的系统，所述基于近红外光谱技术审评红茶的系统包括：
9.红茶样本制备模块、样本划分模块、光谱信息采集模块、中央控制模块、光谱预处理模块、主成分数据获取模块、审评模型构建模块、红茶审评模块、数据存储模块、更新显示模块。
10.红茶样本制备模块，与中央控制模块连接，用于通过样本制备设备在红茶毛茶或产品中按标准选取不同时序下具代表性的红茶，作为红茶审评样本；
11.样本划分模块，与中央控制模块连接，用于通过样本划分程序将红茶审评样本数据随机划分训练集和预测集；
12.光谱信息采集模块，与中央控制模块连接，用于通过信息采集程序利用光谱分析
仪对红茶毛茶或产品进行漫反射光谱扫描，获取红茶近红外光谱光谱图数据；
13.中央控制模块，与红茶样本制备模块、样本划分模块、光谱信息采集模块、光谱预处理模块、主成分数据获取模块、审评模型构建模块、红茶审评模块、数据存储模块、更新显示模块连接，用于通过中央处理器协调控制所述基于近红外光谱技术审评红茶的系统各个模块的正常运行；
14.光谱预处理模块，与中央控制模块连接，用于通过光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理；
15.主成分数据获取模块，与中央控制模块连接，用于通过主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维处理，获取红茶主成分数据；
16.审评模型构建模块，与中央控制模块连接，用于通过模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建，并利用训练集和预测集进行红茶审评模型的训练；
17.红茶审评模块，与中央控制模块连接，用于通过训练得到的红茶审评模型进行红茶样本的审评；
18.数据存储模块，与中央控制模块连接，用于通过存储器存储获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果；
19.更新显示模块，与中央控制模块连接，用于通过显示器对获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果的实时数据进行更新显示。
20.进一步，红茶样本制备模块中，将混匀的固体或粉末样品放入旋转样品杯或样品瓶中，轻压平整，样品厚度≥10mm，未经粉碎的样品厚度≥20mm。
21.进一步，光谱信息采集模块中，所述光谱分析仪采用antarisⅱ傅立叶近红外光谱分析仪，波长范围为12000～3800cm
‑1；分辨率4cm
‑1，波长精度
±
0.4cm
‑1。
22.进一步，光谱预处理模块中，所述通过光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理，包括：
23.(1)获取多个待处理的红茶近红外光谱光谱图数据；其中，所述待处理的红茶近红外光谱光谱图包括反映光谱图尺寸的行数；
24.(2)以待处理高光谱光谱图中行数最小的待处理高光谱光谱图为基准光谱图，对所述待处理的红茶近红外光谱光谱图进行修正，获得修正版红外光谱光谱图；
25.(3)获取修正版红外光谱光谱图的亮度和调整系数，根据所述调整系数对该修正版红外光谱光谱图的亮度进行调整，得到调整版红外光谱光谱图；
26.(4)针对每个调整版红外光谱光谱图，采用所述定标公式对该调整版红外光谱光谱图进行光谱定标处理，得到红外光谱定标光谱图；
27.(5)针对每个红外光谱定标光谱图，获取该光谱定标光谱图的光谱反射率，根据所述光谱反射率对该光谱定标光谱图进行平滑处理，得到平滑光谱光谱图。
28.进一步，所述获取修正版红外光谱光谱图的亮度和调整系数，根据所述调整系数对该修正版红外光谱光谱图的亮度进行调整，得到调整版红外光谱光谱图，包括：
29.a
k(i,j)
＝b
k(i,j)
×
t
(i,j)
；
30.其中，i为所述修正版红外光谱光谱图的列数，i的取值范围为1到列数设定值；j为所述修正版红外光谱光谱图的行数，j的取值范围为1到行数设定值；k为波段数，k的取值范围为1到波段数设定值；a
k(i,j)
为调整过亮度的像元值；b
k(i,j)
为未调整过亮度的像元值；t
(i,j)
为调整系数，t
(i,j)
通过所述平均值计算得到。
31.进一步，所述针对每个调整版红外光谱光谱图，采用所述定标公式对该调整版红外光谱光谱图进行光谱定标处理，得到红外光谱定标光谱图，包括：
[0032][0033]
其中，σ表示波数，l表示目标辐亮度，s
re
为调整版红外光谱s的实部，s
im
为调整版红外光谱s的实部，g
re
为响应增益g的实部，g
im
为响应增益g的虚部，o为仪器自发射的背景辐亮度。
[0034]
进一步，主成分数据获取模块中，所述通过主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维，获取红茶主成分数据，包括：
[0035]
(1)对预处理后的待匹配近红外光谱光谱图和光谱库中的光谱光谱图分别进行归一化处理；
[0036]
(2)分别获取归一化处理后的待匹配近红外光谱光谱图和光谱库中所有光谱光谱图的抽样直方图；
[0037]
(3)计算待匹配的近红外光谱光谱图的抽样直方图和光谱库中所有光谱光谱图的抽样直方图欧氏距离；
[0038]
(4)在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象，实现对近红外光谱的降维处理，并获取红茶主成分数据。
[0039]
进一步，所述归一化处理公式如下：
[0040]
ρ
n
＝(ρ
‑
ρ
min
)/(ρ
max
‑
ρ
min
)
[0041]
其中，ρ
n
为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρ
max
为该条原始光谱中辐射值的最大值，ρ
min
为该条原始光谱中辐射值的最小值。
[0042]
进一步，所述计算待匹配的近红外光谱光谱图的抽样直方图和光谱库中所有光谱光谱图的抽样直方图欧氏距离，包括：
[0043][0044]
其中，a
′
＝{α
′
11
,α
′
12
,
…
α
′
1m
,
…
α
′
s1
,
…
α
′
sm
}为待测光谱的抽样直方图，α
′
ij
为待测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，a
″
＝{α
″
11
,α
″
12
,
…
α
″
1m
,
…
α
″
s1
,
…
α
″
sm
}为光谱库中任意一条光谱的抽样直方图，α
″
ij
为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数。
[0045]
进一步，审评模型构建模块中，所述通过模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建，包括：
[0046]
(1)针对与处理后的红茶近红外光谱光谱图，配对同一样本茶叶感官审评专家给出的感官评判数据；
[0047]
(2)选择最适光谱区间，对校正集样本的最适光谱区间与样本对应的分类变量进行偏最小二乘pls回归；
[0048]
(3)建立校正集样本的感官审评五因子项目评分与光谱特征的红茶审评模型。
[0049]
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述的基于近红外光谱技术审评红茶的系统。
[0050]
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述的基于近红外光谱技术审评红茶的系统。
[0051]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于近红外光谱技术审评红茶的系统，通过光谱预处理模块对获取红茶近红外光谱光谱图数据进行预处理，能够根据调整系数对光谱图的亮度进行调整，保证了每张图的总体亮度一致，且能够对光谱曲线失真的部分进行修正，进而减少失真和辐射畸变；通过主成分数据获取模块对预处理后的近红外光谱光谱图数据进行降维，获取红茶主成分数据，能够显著降低了后续匹配时的运算量，同时在抽样时利用分段提取的方法保留了光谱图中的相对位置信息，提高了匹配的精度；通过审评模型构建模块利用主成分分析、偏最小二乘等线性变换方法进行红茶审评模型的构建，能够实现红茶的发酵程度科学、准确、快速、简便的判定。
[0052]
同时，本发明一分钟内至少可测量一个样，而传统方法一般三个评审员一天的评审量为60个左右；本发明以至少六个茶叶感官审评专家或者机构对同一茶叶样品评判数据为依托而建立的模型，即此方法测量的数据准确、可靠和客观，避免了人工审评由于评审的数量和个人的喜好等多方面的原因而可能造成的主观误差。同时，现阶段专业的茶叶评审人才数量稀缺、评审费用高等现实问题，也使得本发明在这一领域具有积极的现实意义。
附图说明
[0053]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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他的附图。
[0054]
图1是本发明实施例提供的基于近红外光谱技术审评红茶的系统结构框图；
[0055]
图中：1、红茶样本制备模块；2、样本划分模块；3、光谱信息采集模块；4、中央控制模块；5、光谱预处理模块；6、主成分数据获取模块；7、审评模型构建模块；8、红茶审评模块；9、数据存储模块；10、更新显示模块。
[0056]
图2是本发明实施例提供的基于近红外光谱技术审评红茶的方法流程图。
[0057]
图3是本发明实施例提供的通过光谱预处理模块利用光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理的方法流程图。
[0058]
图4是本发明实施例提供的通过主成分数据获取模块利用主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维，获取红茶主成分数据的方法流程图。
[0059]
图5是本发明实施例提供的通过审评模型构建模块利用模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建方法流程图。
[0060]
图6是本发明实施例提供的建模图。
[0061]
图7是本发明实施例提供的建模数据示意图。
具体实施方式
[0062]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0063]
针对现有技术存在的问题，本发明提供了一种基于近红外光谱技术审评红茶的方法及系统，下面结合附图对本发明作详细的描述。
[0064]
如图1所示，本发明实施例提供的基于近红外光谱技术审评红茶的系统，包括：红茶样本制备模块1、样本划分模块2、光谱信息采集模块3、中央控制模块4、光谱预处理模块5、主成分数据获取模块6、审评模型构建模块7、红茶审评模块8、数据存储模块9、更新显示模块10。
[0065]
红茶样本制备模块1，与中央控制模块4连接，用于通过样本制备设备在红茶毛茶或产品制样过程中选取不同时序下的红茶发酵叶，作为红茶审评样本；
[0066]
样本划分模块2，与中央控制模块4连接，用于通过样本划分程序将红茶审评样本数据随机划分训练集和预测集；
[0067]
光谱信息采集模块3，与中央控制模块4连接，用于通过信息采集程序利用光谱分析仪对红茶毛茶或产品进行漫反射光谱扫描，获取红茶近红外光谱光谱图数据；
[0068]
中央控制模块4，与红茶样本制备模块1、样本划分模块2、光谱信息采集模块3、光谱预处理模块5、主成分数据获取模块6、审评模型构建模块7、红茶审评模块8、数据存储模块9、更新显示模块10连接，用于通过中央处理器协调控制所述基于近红外光谱技术审评红茶的系统各个模块的正常运行；
[0069]
光谱预处理模块5，与中央控制模块4连接，用于通过光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理；
[0070]
主成分数据获取模块6，与中央控制模块4连接，用于通过主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维处理，获取红茶主成分数据；
[0071]
审评模型构建模块7，与中央控制模块4连接，用于通过模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建，并利用训练集和预测集进行红茶审评模型的训练；
[0072]
红茶审评模块8，与中央控制模块4连接，用于通过训练得到的红茶审评模型进行红茶样本的审评；
[0073]
数据存储模块9，与中央控制模块4连接，用于通过存储器存储获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果；
[0074]
更新显示模块10，与中央控制模块4连接，用于通过显示器对获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果的实时数据进行更新显示。
[0075]
如图2所示，本发明实施例提供的基于近红外光谱技术审评红茶的方法包括以下步骤：
[0076]
s101，通过红茶样本制备模块利用样本制备设备在红茶毛茶或产品中按标准选取不同时序下具代表性的红茶，作为红茶审评样本；
[0077]
s102，通过样本划分模块利用样本划分程序将红茶审评样本数据随机划分训练集和预测集；
[0078]
s103，通过光谱信息采集模块利用信息采集程序利用光谱分析仪对红茶毛茶或产品进行漫反射光谱扫描，获取红茶近红外光谱光谱图数据；
[0079]
s104，通过中央控制模块利用中央处理器协调控制所述基于近红外光谱技术审评红茶的系统各个模块的正常运行；
[0080]
s105，通过光谱预处理模块利用光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理；
[0081]
s106，通过主成分数据获取模块利用主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维处理，获取红茶主成分数据；
[0082]
s107，通过审评模型构建模块利用模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建，并利用训练集和预测集进行红茶审评模型的训练；
[0083]
s108，通过红茶审评模块利用训练得到的红茶审评模型进行红茶样本审评；
[0084]
s109，通过数据存储模块利用存储器存储获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果；
[0085]
s110，通过更新显示模块利用显示器对获取的红茶审评样本数据、样本划分结果、红茶近红外光谱光谱图数据、光谱预处理结果、红茶主成分数据、红茶审评模型以及红茶审评结果的实时数据进行更新显示。
[0086]
本发明实施例提供的步骤s101中，所述红茶发酵总时长为6～8h，将混匀的固体或粉末样品放入旋转样品杯或样品瓶中，轻压平整，样品厚度≥10mm，未经粉碎的样品厚度≥20mm。。
[0087]
本发明实施例提供的步骤s103中，所述光谱分析仪采用antarisⅱ傅立叶近红外光谱分析仪，波长范围为12000～3800cm
‑1；分辨率4cm
‑1，波长精度
±
0.4cm
‑1。。
[0088]
如图3所示，本发明实施例提供的步骤s105中，所述通过光谱预处理模块利用光谱预处理程序对获取红茶近红外光谱光谱图数据进行预处理，包括：
[0089]
s201，获取多个待处理的红茶近红外光谱光谱图数据；其中，所述待处理的红茶近红外光谱光谱图包括反映光谱图尺寸的行数；
[0090]
s202，以待处理高光谱光谱图中行数最小的待处理高光谱光谱图为基准光谱图，对所述待处理的红茶近红外光谱光谱图进行修正，获得修正版红外光谱光谱图；
[0091]
s203，获取修正版红外光谱光谱图的亮度和调整系数，根据所述调整系数对该修正版红外光谱光谱图的亮度进行调整，得到调整版红外光谱光谱图；
[0092]
s204，针对每个调整版红外光谱光谱图，采用所述定标公式对该调整版红外光谱光谱图进行光谱定标处理，得到红外光谱定标光谱图；
[0093]
s205，针对每个红外光谱定标光谱图，获取该光谱定标光谱图的光谱反射率，根据
所述光谱反射率对该光谱定标光谱图进行平滑处理，得到平滑光谱光谱图。
[0094]
本发明实施例提供的步骤s203中，所述获取修正版红外光谱光谱图的亮度和调整系数，根据所述调整系数对该修正版红外光谱光谱图的亮度进行调整，得到调整版红外光谱光谱图，包括：
[0095]
a
k(i,j)
＝b
k(i,j)
×
t
(i,j)
；
[0096]
其中，i为所述修正版红外光谱光谱图的列数，i的取值范围为1到列数设定值；j为所述修正版红外光谱光谱图的行数，j的取值范围为1到行数设定值；k为波段数，k的取值范围为1到波段数设定值；a
k(i,j)
为调整过亮度的像元值；b
k(i,j)
为未调整过亮度的像元值；t
(i,j)
为调整系数，t
(i,j)
通过所述平均值计算得到。
[0097]
本发明实施例提供的步骤s204中，所述针对每个调整版红外光谱光谱图，采用所述定标公式对该调整版红外光谱光谱图进行光谱定标处理，得到红外光谱定标光谱图，包括：
[0098][0099]
其中，σ表示波数，l表示目标辐亮度，s
re
为调整版红外光谱s的实部，s
im
为调整版红外光谱s的实部，g
re
为响应增益g的实部，g
im
为响应增益g的虚部，o为仪器自发射的背景辐亮度。
[0100]
如图4所示，本发明实施例提供的步骤s106中，所述通过主成分数据获取模块利用主成分数据获取程序利用主成分分析法对预处理后的近红外光谱光谱图数据进行降维，获取红茶主成分数据，包括：
[0101]
s301，对预处理后的待匹配近红外光谱光谱图和光谱库中的光谱光谱图分别进行归一化处理；
[0102]
s302，分别获取归一化处理后的待匹配近红外光谱光谱图和光谱库中所有光谱光谱图的抽样直方图；
[0103]
s303，计算待匹配的近红外光谱光谱图的抽样直方图和光谱库中所有光谱光谱图的抽样直方图欧氏距离；
[0104]
s304，在光谱库中选取与待匹配光谱抽样直方图欧氏距离最小的一条光谱作为匹配对象，实现对近红外光谱的降维处理，并获取红茶主成分数据。
[0105]
本发明实施例提供的步骤s301中，所述归一化处理公式如下：
[0106]
ρ
n
＝(ρ
‑
ρ
min
)/(ρ
max
‑
ρ
min
)
[0107]
其中，ρ
n
为归一化后的光谱辐射值，ρ为原始光谱的辐射值，ρ
max
为该条原始光谱中辐射值的最大值，ρ
min
为该条原始光谱中辐射值的最小值。
[0108]
本发明实施例提供的步骤s303中，所述计算待匹配的近红外光谱光谱图的抽样直方图和光谱库中所有光谱光谱图的抽样直方图欧氏距离，包括：
[0109][0110]
其中，a
′
＝{α
′
11
,α
′
12
,
…
α
′
1m
,
…
α
′
s1
,
…
α
′
sm
}为待测光谱的抽样直方图，α
′
ij
为待
测光谱相应第i个波段中第j条窄带与光谱曲线相交的次数，a
″
＝{α
″
11
,α
″
12
,
…
α
″
1m
,
…
α
″
s1
,
…
α
″
sm
}为光谱库中任意一条光谱的抽样直方图，α
″
ij
为光谱库中任意一条光谱相应第i个波段中第j条窄带与光谱曲线相交的次数。
[0111]
如图5所示，本发明实施例提供的步骤s107中，所述通过审评模型构建模块利用模型构建程序根据获取的红茶主成分数据进行红茶审评模型的构建，包括：
[0112]
s401，针对与处理后的红茶近红外光谱光谱图，设定分类变量；
[0113]
s402，选择最适光谱区间，对校正集样本的最适光谱区间与样本对应的分类变量进行偏最小二乘pls回归；
[0114]
s403，建立校正集样本的分类变量与光谱特征的红茶审评模型。
[0115]
下面结合实施例对本发明的技术方案作进一步描述。
[0116]
本发明实施例提供的基于近红外光谱技术快速给出感官审评中贵州红茶总得分的方法，包括：
[0117]
茶叶样本的准备：收集了2019～2020年的各项茶事活动中的茶叶，样品数量268个，装在铝箔样品袋中，密封冷藏；
[0118]
专家进行审查，13个单位的26位专家对茶叶审查。
[0119]
(3)近红外光谱的采集：采集茶叶样品漫反射光谱图和该茶叶样品的茶汤的透射光谱图；
[0120]
(4)模型的建立：通过tq analyst建模软件，感官审评校正模型分析及评价类似于主要化学成分定量校正模型的评价，样品近红外特征光谱图结合审评专家给出的评分，建立贵州红茶近红外感官审评校正模型，见图6；
[0121]
(5)模型的验证：按照与第2步完全相同的方法，在近红外仪器上测量新的茶叶样品，并用第4步建立好的感官模型进行测量，与品茶专家按照国标标准方法测量的结果进行比较，两种方法得到的感官评判结果一致，结果见图7。
[0122]
其中，建模数据来源：1、2019年秋季斗茶赛样品，样本数量30个，审评专家7人；2、2020年春季斗茶赛，样本数量38个，审评专家7人；3、2019年黔茶杯，样本数量30个，审评专家7人；4、2020黔茶杯，样本量56个，审评专家7人；5、2020年黎平斗茶赛，样本数22个，审评专家7人；6、湄潭第四界茶王赛，样品数60个，审评专家5人。
[0123]
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0124]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。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个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、服务器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、服务器或数据中心进行传输)。所述计算机可读取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。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0125]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。