质量检测模型训练方法、装置、电子设备及存储介质与流程

1.本发明实施例涉及计算机视觉处理技术领域，尤其涉及一种质量检测模型训练方法、装置、电子设备及存储介质。


背景技术：

2.目前家装行业中，人造装饰板已经成为人们主要原材料之一，压贴工艺是生成丰富多样，美观的人造装饰板最核心的工艺，为保证压贴的高成品率，需对产品进行质量检测。
3.现有技术中，通过专业工艺人员对压贴后的人造装饰板进行人工检测，以确保产出的人造装饰板为合格产品。但是，工艺人员的水平参差不齐，导致检测结果准确性低，出错率高；且检测人造装饰板的效率低，需要耗费大量人力资源和时间资源。
4.由此可见，提供一种准确率高、省时的装饰板质量检测方法成为亟待解决的问题。


技术实现要素：

5.本发明实施例提供了一种质量检测模型训练方法、装置、电子设备及存储介质，以实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
6.第一方面，本发明实施例提供了一种质量检测模型训练方法，包括：
7.获取装饰板的样本图像，基于所述样本图像的类型信息，生成所述样本图像的样本标识；其中，所述样本标识包括缺陷标识和合格标识；
8.根据所述样本图像和与所述样本图像对应的所述样本标识构建样本图像集；
9.基于所述样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。
10.第二方面，本发明实施例还提供了一种质量检测模型训练装置，该装置包括：
11.获取样本图像模块，用于获取装饰板的样本图像，基于所述样本图像的类型信息，生成所述样本图像的样本标识；其中，所述样本标识包括缺陷标识和合格标识；
12.构建样本图像集模块，用于根据所述样本图像和与所述样本图像对应的所述样本标识构建样本图像集；
13.训练质量检测模型模块，用于基于所述样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。
14.第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
15.一个或多个处理器；
16.存储装置，用于存储一个或多个程序，
17.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的质量检测模型训练方法。
18.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的质量检测模型训练方
法。
19.本发明实施例所提供的质量检测模型训练方法，获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；根据样本图像和与样本图像对应的样本标识构建样本图像集；通过样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
20.此外，本发明所提供的一种质量检测模型训练装置、电子设备及存储介质与上述方法对应，具有同样的有益效果。
附图说明
21.为了更清楚地说明本发明实施例，下面将对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他的附图。
22.图1为本发明实施例提供的一种质量检测模型训练方法的流程图；
23.图2为本发明实施例提供的另一种质量检测模型训练方法的流程图；
24.图3为本发明实施例提供的一种质量检测模型训练装置的结构图；
25.图4为本发明实施例提供的一种电子设备的结构图。
具体实施方式
26.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
27.另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
28.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
29.实施例一
30.图1为本发明实施例提供的一种质量检测模型训练方法的流程图。该方法可以由质量检测模型训练装置来执行，该装置可以通过软件和/或硬件来实现，可配置于终端和/或服务器中来实现本发明实施例中的质量检测模型训练方法。
31.如图1所示，本实施例的方法具体可包括：
32.s101、获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识。
33.在本发明实施例中，可通过人造装饰板的样本图像训练质量检测模型。具体的，装饰板的样本图像可包括合格样本图像、缺陷样本图像及缺陷样本图像对应的扩展样本图
像。
34.可选的，获取装饰板的样本图像，包括：获取存在缺陷的缺陷装饰板的缺陷样本图像；对缺陷样本图像进行图像处理，获取图像处理后生成的扩展样本图像；获取与缺陷装饰板对应的合格装饰板的合格样本图像。
35.具体的，确定用于训练质量检测模型的缺陷装饰板时，可按照装饰板的不同尺寸、不同板材类型、不同胶膜纸类型和不同缺陷位置几方面均选取预设数量的缺陷装饰板，确保选取的缺陷装饰板的全面性，并采集各缺陷装饰板的图像作为缺陷样本图像。
36.需要说明的是，选取的不同尺寸、不同板材类型、不同胶膜纸类型和不同缺陷位置的缺陷装饰板的数量可不相同，本领域技术人员可根据实际应用情况设定不同尺寸、不同板材类型、不同胶膜纸类型和不同缺陷位置的缺陷装饰板的选取数量，对此本发明实施例不做限定。
37.进一步的，人造装饰板的缺陷类型包括爆边、湿花、干花、划伤和裂纹中至少一种。获取存在缺陷的缺陷装饰板的缺陷样本图像包括获取存在爆边、湿花、干花、划伤和裂纹中至少一种缺陷的缺陷装饰板的缺陷样本图像。
38.进一步的，为提高训练质量检测模型的准确性，可通过对缺陷样本图像进行图像处理的方式扩大样本数量。可选的，对缺陷样本图像进行图像处理，包括：对缺陷样本图像进行剪裁、翻转、镜像、旋转、调节亮度、调节色度、添加噪声、锐化和转换为灰度图中的至少一种处理。
39.具体的，可对缺陷样本图像进行随机剪裁处理，剪裁方式包括剪裁缺陷样本图像的边角，图像中心或者不规则形状剪裁，可预先设定剪裁的面积、尺寸和形状中的至少一项。
40.具体的，图像处理方式还包括对缺陷样本图像进行翻转、镜像或旋转操作；可对缺陷样本图像进行水平翻转或垂直翻转，可按照预设角度旋转缺陷样本图像以形成新的缺陷样本图像。进一步的，也可对缺陷样本图像的图像质量进行处理。示例性的，可将缺陷样本图像的亮度调亮预设比例或调暗预设比例；对缺陷样本图像的对比度进行调节，也可对缺陷样本图像的色度进行调节，改变r、g、b颜色分量的比例；或对缺陷样本图像进行高斯模糊、锐化、添加噪声或转化为灰度图像。
41.相应的，可获取不同尺寸、不同板材类型和不同胶膜纸类型的合格装饰板的合格样本图像。可选的，获取与缺陷装饰板对应的合格装饰板的合格样本图像，包括：获取第一预设数量的与缺陷装饰板对应的合格装饰板的合格样本图像；其中，缺陷样本图像和扩展样本图像的数量之和为第二预设数量，第一预设数据与第二预设数量的比值为预设固定值。
42.示例性的，预设固定值包括1，即获取的合格样本图像的数量与缺陷样本图像和扩展样本图像的数量之和相同。进一步的，缺陷样本图像的数量和扩展样本图像的数量相同。本领域技术人员也可根据实际应用情况设定缺陷样本图像的数量、扩展样本图像的数量和合格样本图像的数量，本发明实施例不作限定。
43.在具体实施中，可根据样本图像是缺陷样本和合格样本的类型信息，生成样本图像的缺陷标识或合格标识。示例性的，缺陷样本图像和扩展样本图像对应的标识为缺陷标识；合格样本图像对应的标识为合格标识。标识可由数字、文字、字符和字母中的至少一种
构成。例如，将合格标识设为1，缺陷标识设为0。
44.s102、根据样本图像和与样本图像对应的样本标识构建样本图像集。
45.示例性的，样本图像集具体为voc数据集，voc数据集中可分为图像文件和标识文件，图像文件用于存储样本图像，标识文件用于存储样本图像对应的样本标识；样本标识按照文本格式存储。进一步的，标识文件中与各标识对应存储有样本图像在存储空间中的绝对位置。基于样本标识和绝对位置的对应关系，可确定出各样本标识对应的样本图像。
46.s103、基于样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。
47.具体的，可将样本图像集中的样本图像作为目标检测算法的输入项，基于样本图像集中的样本标识训练质量检测模型。示例性的，质量检测模型可为yolov5网络结构。
48.进一步的，训练得到的质量检测模型需满足预设条件，以确保质量检测模型的准确性和有效性。示例性的，预设条件包括经测试得到质量检测模型的检测正确率可达到预设阈值；或者，质量检测模型的损失函数呈收敛的趋势等。本领域技术人员可根据实际应用情况，设定质量检测模型满足的预设条件，对此本发明实施例不做限定。
49.本发明实施例所提供的质量检测模型训练方法，获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；根据样本图像和与样本图像对应的样本标识构建样本图像集；通过样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
50.实施例二
51.图2为本发明实施例提供的另一种质量检测模型训练方法的流程图。本实施例以上述各技术方案为基础进行优化。可选的，样本图像集包括训练样本图像集和检验样本图像集；基于样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型，包括：基于训练样本图像集和目标检测算法，训练得到待检验质量检测模型；将检验样本图像集输入至待检验质量检测模型中，得到检验样图像集对应的模型输出结果；将模型输出结果与检验样本图像集对应的实际质量结果进行比较，统计模型输出结果与实际质量结果一致的检验样本图像的数量占检验样本图像的总数的比值；当比值大于预设阈值时，则将待检验质量检测模型确定为满足预设条件的质量检测模型。可选的，在训练得到满足预设条件的质量检测模型之后，还包括：采集待测装饰板的待测图像；将待测图像输入至质量检测模型中，基于质量检测模型的输出结果，确定待测装饰板是否合格。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。
52.如图2所示，本实施例的方法具体可包括：
53.s201、获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识。
54.s202、根据样本图像和与样本图像对应的样本标识构建样本图像集；样本图像集包括训练样本图像集和检验样本图像集。
55.s203、基于训练样本图像集和目标检测算法，训练得到待检验质量检测模型；将检验样本图像集输入至待检验质量检测模型中，得到检验样图像集对应的模型输出结果。
56.在具体实施中，训练样本图像集用于训练质量检测模型，检验样本图像集用于检验质量检测模型是否满足预设条件。具体的，可基于训练样本图像集和目标检测算法，训练
得到待检验质量检测模型。示例性的，目标检测算法包括yolo算法。
57.示例性的，可基于训练样本图像集和现有技术中的yolov5预训练模型，训练得到质量检测模型。具体的，可将yolov5预训练模型中的样本类型数量一项设置为“合格”和“不合格”两种；也可设置为“合格”、“爆边”、“湿花”、“干花”、“划伤”和“裂纹”六种。本领域技术人员还可根据实际应用情况，对yolov5预训练模型的目标检测框尺寸进行设置，对此本发明实施例不作限定。
58.进一步的，可将检验样本图像集中各检验样本图像输入至待检验质量检测模型中，待检验质量检测模型输出的模型输出结果为各检验样本图像的检测结果。
59.s204、将模型输出结果与检验样本图像集对应的实际质量结果进行比较，统计模型输出结果与实际质量结果一致的检验样本图像的数量占检验样本图像的总数的比值。
60.具体的，检验样本图像集中包含有检验图像样本的检验样本标识，检验样本标识用于反映检验样本图像的实际质量结果，即检验样本图像是否为合格图像。示例性的，可通过检验样本标识确定检验样本图像的实际质量结果。
61.进一步的，对检验样本图像集中的每张检验样本图像的模型输出结果与对应的实际质量结果进行比较，当模型输出结果与实际质量结果一致，则说明模型输出结果正确，当模型输出结果与实际质量结果不一致，则说明模型输出结果有误。可统计出模型输出结果与实际质量结果一致的检验样本图像的数量占检验样本图像的总数的比值，通过比值确定待检验质量检测模型的检测正确率。
62.s205、当比值大于预设阈值时，则将待检验质量检测模型确定为满足预设条件的质量检测模型。
63.需要说明的是，本领域技术人员可预先设定质量检测模型需要满足的检测正确率的最小值，将该最小值设定为预设阈值；判断该比值是否大于预设阈值，大于预设阈值时，可确定待检验质量检测模型为合格模型，满足预设条件，可用于装饰板的实际检测过程。当比值小于或等于预设阈值时，则说明该待检验质量检测模型不合格，需要进行重新训练。示例性的，预设阈值可为95％。
64.s206、采集待测装饰板的待测图像；将待测图像输入至质量检测模型中，基于质量检测模型的输出结果，确定待测装饰板是否合格。
65.进一步的，可通过训练得到的质量检测模型对待测装饰板进行检测，以筛选出不合格的装饰板。具体的，采集待测装饰板的待测图像，可将采集到的各待测图像依次输入至质量检测模型中；也可将待测图像批量输入至质量检测模型中。当对待测图像进行批量检测时，可预先对待测图像设定图像编号，基于该图像编号将各待测图像与质量检测模型的输出结果相对应。
66.示例性的，质量检测模型的输出结果可通过数字、符号和字母中的至少一种进行表示。例如，当输出结果为0时，表示待测图像为不合格图像，即待测图像对应的待测装饰板不合格；当输出结果为1时，表示待测图像为合格图像，即待测图像对应的待测装饰板合格。
67.进一步的，当检测出不合格的待测装饰板时，可生成警告信息反馈至管理用户终端，警告信息中包含有待测装饰板的编号和待测装饰板的图像，以便于管理人员进行复查。
68.本发明实施例所提供的质量检测模型训练方法，设定了质量检测模型需满足预设的检测准确率，确保了质量检测模型的检测有效性；在实际检测中，发现不合格装饰板时生
成警告信息提示管理人员，提高了用户体验感，便于管理人员对不合格的装饰板进行复查。
69.实施例三
70.图3为本发明实施例提供的一种质量检测模型训练装置的结构图，该装置用于执行上述任意实施例所提供的质量检测模型训练方法。该装置与上述各实施例的质量检测模型训练方法属于同一个发明构思，在质量检测模型训练装置的实施例中未详尽描述的细节内容，可以参考上述质量检测模型训练方法的实施例。该装置具体可包括：
71.获取样本图像模块10，用于获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；
72.构建样本图像集模块11，用于根据样本图像和与样本图像对应的样本标识构建样本图像集；
73.训练质量检测模型模块12，用于基于样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。
74.在本发明实施例中任一可选技术方案的基础上，可选的，所述获取样本图像模块10，包括：
75.获取样本图像单元，用于获取存在缺陷的缺陷装饰板的缺陷样本图像；对缺陷样本图像进行图像处理，获取图像处理后生成的扩展样本图像；获取与缺陷装饰板对应的合格装饰板的合格样本图像。
76.在本发明实施例中任一可选技术方案的基础上，可选的，所述获取样本图像单元，包括：
77.图像处理单元，用于对缺陷样本图像进行剪裁、翻转、镜像、旋转、调节亮度、调节色度、添加噪声、锐化和转换为灰度图中的至少一种处理。
78.在本发明实施例中任一可选技术方案的基础上，可选的，所述获取样本图像单元，包括：
79.获取合格样本图像单元，用于获取第一预设数量的与缺陷装饰板对应的合格装饰板的合格样本图像；其中，缺陷样本图像和扩展样本图像的数量之和为第二预设数量，第一预设数据与第二预设数量的比值为预设固定值。
80.在本发明实施例中任一可选技术方案的基础上，可选的，所述获取样本图像单元，包括：
81.获取缺陷样本图像单元，用于获取存在爆边、湿花、干花、划伤和裂纹中至少一种缺陷的缺陷装饰板的缺陷样本图像。
82.可选的，样本图像集包括训练样本图像集和检验样本图像集；在本发明实施例中任一可选技术方案的基础上，可选的，所述训练质量检测模型模块12，包括：
83.训练模型单元，用于基于训练样本图像集和目标检测算法，训练得到待检验质量检测模型；将检验样本图像集输入至待检验质量检测模型中，得到检验样图像集对应的模型输出结果；将模型输出结果与检验样本图像集对应的实际质量结果进行比较，统计模型输出结果与实际质量结果一致的检验样本图像的数量占检验样本图像的总数的比值；当比值大于预设阈值时，则将待检验质量检测模型确定为满足预设条件的质量检测模型。
84.在本发明实施例中任一可选技术方案的基础上，可选的，所述该装置，还包括：
85.测试图像模块，用于采集待测装饰板的待测图像；将待测图像输入至质量检测模
型中，基于质量检测模型的输出结果，确定待测装饰板是否合格。
86.本发明实施例所提供的质量检测模型训练装置，能够实现如下方法：获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；根据样本图像和与样本图像对应的样本标识构建样本图像集；通过样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
87.值得注意的是，上述质量检测模型训练装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
88.实施例四
89.图4为本发明实施例提供的一种电子设备的结构图。图4示出了适于用来实现本发明实施例实施方式的示例性电子设备20的框图。显示的电子设备20仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
90.如图4所示，电子设备20以通用计算设备的形式表现。电子设备20的组件可以包括但不限于：一个或者多个处理器或者处理单元201，系统存储器202，连接不同系统组件(包括系统存储器202和处理单元201)的总线203。
91.总线203表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
92.电子设备20典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备20访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
93.系统存储器202可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)204和/或高速缓存存储器205。电子设备20可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统206可以用于读写不可移动的、非易失性磁介质。可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线203相连。存储器202可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
94.具有一组(至少一个)程序模块207的程序/实用工具208，可以存储在例如存储器202中，这样的程序模块207包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块207通常执行本发明所描述的实施例中的功能和/或方法。
95.电子设备20也可以与一个或多个外部设备209(例如键盘、指向设备、显示器210等)通信，还可与一个或者多个使得用户能与该电子设备20交互的设备通信，和/或与使得该电子设备20能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口211进行。并且，电子设备20还可以通过
网络适配器212与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器212通过总线203与电子设备20的其它模块通信。应当明白，可以结合电子设备20使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
96.处理单元201通过运行存储在系统存储器202中的程序，从而执行各种功能应用以及数据处理。
97.本发明所提供的一种电子设备，能够实现如下方法：获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；根据样本图像和与样本图像对应的样本标识构建样本图像集；通过样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
98.实施例五
99.本发明实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种质量检测模型训练方法，该方法包括：
100.获取装饰板的样本图像，基于样本图像的类型信息，生成样本图像的样本标识；其中，样本标识包括缺陷标识和合格标识；根据样本图像和与样本图像对应的样本标识构建样本图像集；通过样本图像集和目标检测算法，训练得到满足预设条件的质量检测模型。实现根据质量检测模型对压贴后的人造装饰板进行检测，提高了检测结果的准确性和检测效率，节约人力资源。
101.当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的质量检测模型训练方法中的相关操作。
102.本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
103.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
104.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
105.可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的
计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
106.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。