基于人工智能的工业预警系统及方法与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种基于人工智能的工业预警方法、系统、计算机可读介质及电子设备。


背景技术：

2.随着人工智能和智能监控等技术的方法，当前在工业生产过程中经常通过上述方式进行生产控制，尤其是在工业预警中，通过对工业生产过程中的各种数据进行监测以确定合适是否正常生产。并在发生异常的时候及时向管理设备反馈，以在第一时间解决异常问题，保证生产正常进行。但是在很多情况下，一些较轻微的异常情况也会进行反馈，导致异常告警和处理效率不高的问题。


技术实现要素：

3.本技术的实施例提供了一种基于人工智能的工业预警方法、系统、计算机可读介质及电子设备，进而至少在一定程度上可以提高异常告警和处理效率。
4.本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。
5.根据本技术实施例的一个方面，提供了一种基于人工智能的工业预警方法，包括：获取工业生产过程中的工业数据及其对应的数据标识，所述工业数据包括以下至少一种：温度、湿度、红外成像、彩色图像；获取所述数据标识对应设定的正常数据范围；将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常；若所述工业数据发生异常，则根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级；基于所述异常等级对应的预警方式进行告警。
6.在本技术的一些实施例中，基于前述方案，所述获取工业生产过程中的工业数据及其对应的数据标识，包括：通过人工智能中的图像识别方式，获取工业生产过程中的工业数据、以及所述工业数据的数据标识。
7.在本技术的一些实施例中，基于前述方案，所述将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常，包括：若所述工业数据对应的数值不属于所述正常数据范围，则判定所述工业数据发生异常；或者若所述工业数据对应的数值超出所述正常数据范围的预设比例，则判定所述工业数据发生异常。
8.在本技术的一些实施例中，基于前述方案，所述根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级，包括：基于所述工业数据的获取时间，从所述工业数据中提取设定时长对应的评估数据；基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度；基于所述差异度与设定等级阈值之间的关系，确定异常等级。
9.在本技术的一些实施例中，基于前述方案，所述基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度，包括：确定评估
数据分别与正常数据范围的上限、下限之间的差值；计算正常数据范围的上限和下限之间的均值；根据所述差值与在所述均值之间的比值，确定所述评估数据和所述正常数据范围之间的差异度。
10.在本技术的一些实施例中，基于前述方案，所述基于所述差异度与设定等级阈值之间的关系，确定异常等级，包括：基于所述差异度计算等级参数；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级。
11.在本技术的一些实施例中，基于前述方案，所述设定等级阈值包括第一等级阈值和第二等级阈值，其中第二等级阈值大于所述第一等级阈值；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级，包括：当所述等级参数大于或者等于所述第二等级阈值时，所述异常等级为二级异常；当所述等级参数大于或者等于所述第一等级阈值、且小于所述第二等级阈值时，所述异常等级为一级异常；当所述等级参数小于所述第一等级阈值时，所述异常等级为普通异常。
12.根据本技术实施例的一个方面，提供了一种基于人工智能的工业预警系统，包括：获取模块，用于获取工业生产过程中的工业数据及其对应的数据标识，所述工业数据包括以下至少一种：温度、湿度、红外成像、彩色图像；范围模块，用于获取所述数据标识对应设定的正常数据范围；对比模块，用于将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常；等级模块，用于若所述工业数据发生异常，则根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级；告警模块，用于基于所述异常等级对应的预警方式进行告警。
13.在本技术的一些实施例中，基于前述方案，所述获取工业生产过程中的工业数据及其对应的数据标识，包括：通过人工智能中的图像识别方式，获取工业生产过程中的工业数据、以及所述工业数据的数据标识。
14.在本技术的一些实施例中，基于前述方案，所述将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常，包括：若所述工业数据对应的数值不属于所述正常数据范围，则判定所述工业数据发生异常；或者若所述工业数据对应的数值超出所述正常数据范围的预设比例，则判定所述工业数据发生异常。
15.在本技术的一些实施例中，基于前述方案，所述根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级，包括：基于所述工业数据的获取时间，从所述工业数据中提取设定时长对应的评估数据；基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度；基于所述差异度与设定等级阈值之间的关系，确定异常等级。
16.在本技术的一些实施例中，基于前述方案，所述基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度，包括：确定评估数据分别与正常数据范围的上限、下限之间的差值；计算正常数据范围的上限和下限之间的均值；根据所述差值与在所述均值之间的比值，确定所述评估数据和所述正常数据范围之间的差异度。
17.在本技术的一些实施例中，基于前述方案，所述基于所述差异度与设定等级阈值之间的关系，确定异常等级，包括：基于所述差异度计算等级参数；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级。
18.在本技术的一些实施例中，基于前述方案，所述设定等级阈值包括第一等级阈值和第二等级阈值，其中第二等级阈值大于所述第一等级阈值；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级，包括：当所述等级参数大于或者等于所述第二等级阈值时，所述异常等级为二级异常；当所述等级参数大于或者等于所述第一等级阈值、且小于所述第二等级阈值时，所述异常等级为一级异常；当所述等级参数小于所述第一等级阈值时，所述异常等级为普通异常。
19.根据本技术实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于人工智能的工业预警方法。
20.根据本技术实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储系统，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于人工智能的工业预警方法。
21.根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的基于人工智能的工业预警方法。
22.在本技术的一些实施例所提供的技术方案中，获取工业生产过程中的工业数据及其对应的数据标识，并获取数据标识对应设定的正常数据范围；将工业数据与正常数据范围进行对比，确定工业数据是否发生异常；若工业数据发生异常，则根据工业数据和所述正常数据范围之间的差异度确定异常等级；基于异常等级对应的预警方式进行告警，通过上述获取数据和检测数据的方式确定异常等级，以基于异常等级通过对应的预警方式进行告警，避免了预警资源的滥用，提高了异常告警和处理的效率和资源利用率。
23.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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。
25.图1示意性示出了根据本技术的一个实施例的基于人工智能的工业预警方法的流程图。
26.图2示意性示出了根据本技术的一个实施例的确定异常等级的流程图。
27.图3示意性示出了根据本技术的一个实施例的基于人工智能的工业预警系统的示意图。
28.图4示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
29.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本技术将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
30.此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本技术的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本技术的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、系统、步骤等。在其它情况下，不详细示出或描述公知方法、系统、实现或者操作以避免模糊本技术的各方面。
31.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
32.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
33.以下对本技术实施例的技术方案的实现细节进行详细阐述：
34.图1示出了根据本技术的一个实施例的基于人工智能的工业预警方法的流程图。参照图1所示，该基于人工智能的工业预警方法至少包括步骤s110至步骤s150，详细介绍如下：
35.在步骤s110中，获取工业生产过程中的工业数据及其对应的数据标识，所述工业数据包括以下至少一种：温度、湿度、红外成像、彩色图像。
36.在本技术一实施例中，通过获取工业生产过程中的工业数据来进行生产监控，同时获取的还有工业数据对应的数据标识。本实施例中工业数据可以包括在工业生产中各种类型的数据，例如温度、湿度、红外成像、彩色图像等等。数据标识用于表示数据对应的字符串名称，例如温度对应的数据标识为tem等等，数据标识用于体现工业数据的数据类型、属性等信息。
37.在本技术一实施例中，获取工业生产过程中的工业数据及其对应的数据标识，包括：通过人工智能中的图像识别方式，获取工业生产过程中的工业数据、以及所述工业数据的数据标识。
38.示例性的，当工业数据为图像时，本实施例中可以通过人工智能的方式来获取工业数据，例如通过图像识别的方式获取图像的过程中，通过摄像装置实时采集当前的场景画面，当检测到画面中包含目标物体时，进行图像拍摄，获取到的图像则为工业数据。
39.在步骤s120中，获取所述数据标识对应设定的正常数据范围。
40.在本技术一实施例中，在获取到数据标识之后，获取数据标识对应设定的正常范围，本实施例中预先基于各种类型的数据标识设定有正常范围，以通过正常范围来对工业数据进行实时监测。
41.在步骤s130中，将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常。
42.在本技术一实施例中，在获取到正常数据范围之后，将工业数据与正常数据范围
进行对比，根据对比结果来判定工业数据是否发生异常。
43.在本技术一实施例中，将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常，包括：
44.若所述工业数据对应的数值不属于所述正常数据范围，则判定所述工业数据发生异常；或者
45.若所述工业数据对应的数值超出所述正常数据范围的预设比例，则判定所述工业数据发生异常。
46.本实施例中可以在检测到工业数据对应的数值不属于正常数据范围时，直接判定所述工业数据发生异常；也可以在检测到工业数据对应的数值超出正常数据范围的预设比例时，判定所述工业数据发生异常。
47.例如，当工业数据对应的数值超出正常数据范围最大值的0.2倍时，即，工业数据对应的数值为正常数据范围最大值的1.2倍时，判定所述工业数据发生异常。
48.在步骤s140中，若所述工业数据发生异常，则根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级。
49.在本技术一实施例中，在已经判定了工业数据发生异常之后，根据工业数据的数值以及正常数据范围之间的差异度，确定异常等级。以通过异常等级来衡量发生异常的严重程度。
50.如图2所示，在本技术一实施例中，步骤s140中根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级，包括步骤s210～s230：
51.s210，基于所述工业数据的获取时间，从所述工业数据中提取设定时长对应的评估数据。
52.在本技术一实施例中，为了可以直接对获取到的单一工业数据进行检测，也可以根据设定时长，每间隔一段时间，便从所述工业数据中提取设定时长对应的评估数据，以对工业数据进行抽查，提高生产监控的效率。
53.s220，基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度。
54.在本技术一实施例中，在获取到评估数据之后，基于评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度。以通过差异度来衡量评估数据与正常数据范围之间的偏差程度。
55.在本技术一实施例中，步骤s220中基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度，包括：
56.确定评估数据分别与正常数据范围的上限、下限之间的差值；
57.计算正常数据范围的上限和下限之间的均值；
58.根据所述差值与在所述均值之间的比值，确定所述评估数据和所述正常数据范围之间的差异度。
59.具体的，本实施例中正常数据范围包括：ran_data＝[dmin，dmax]，其中，dmin表示正常数据范围中的下限，即最小值，dmax表示正常数据范围中的上限，即最大值。
[0060]
本实施例中评估数据对应的数值为v
ass
，评估数据与所述正常数据范围之间的差值分别为：v
ass-dmin、dmax-v
ass
；本实施例中正常数据范围的上限和下限之间的均值为：
(dmin dmax)/2；通过本实施例中通过评估数据与正常数据范围之间的差值占正常数据范围的比重来确定差异度，通过如下公式计算差异度deg
ass
：
[0061][0062]
其中，α表示预设的差异度因子。上述方案通过基于评估数据对应的数据和正常数据范围进行对比计算，确定两者之间的差异度，以通过差异度来衡量评估实际数据与正常范围之间的差异程度。
[0063]
s230，基于所述差异度与设定等级阈值之间的关系，确定异常等级。
[0064]
本实施例中，在确定了差异度之后，基于所述差异度与设定等级阈值之间的关系，确定异常等级，包括：基于所述差异度计算等级参数；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级。
[0065]
具体的，本实施例中基于所述差异度计算等级参数为par_lev：
[0066]
par_lev＝β
·
log2deg
ass
；
[0067]
其中，β表示预设的等级因子。
[0068]
本实施例中，设定等级阈值包括至少两个等级阈值，可以为第一等级阈值和第二等级阈值，其中第二等级阈值大于所述第一等级阈值；
[0069]
基于所述等级参数与设定的等级阈值之间的关系，确定异常等级，包括：
[0070]
当所述等级参数大于或者等于所述第二等级阈值时，所述异常等级为二级异常；
[0071]
当所述等级参数大于或者等于所述第一等级阈值、且小于所述第二等级阈值时，所述异常等级为一级异常；
[0072]
当所述等级参数小于所述第一等级阈值时，所述异常等级为普通异常。
[0073]
通过上述计算等级参数，并根据等级参数和等级阈值来确定等异常等级的方式，可以将发生异常时的状况进行分级，以基于异常等级分情况处理。
[0074]
在步骤s150中，基于所述异常等级对应的预警方式进行告警。
[0075]
本实施例中预设有异常的等级对应的预警方式，例如，二级异常的预警方式为上报部门主管和小组组长，一级异常的预警方式为上报小组组长，普通异常的预警方式为上报当前执行人即可。在确定了异常等级之后，基于异常等级执行对应的预警方式，提高了异常情况的告警效率和处理效率，避免了管理资源的滥用和浪费，保证了工业生产的高效性和可靠性。
[0076]
在本技术的一些实施例所提供的技术方案中，获取工业生产过程中的工业数据及其对应的数据标识，并获取数据标识对应设定的正常数据范围；将工业数据与正常数据范围进行对比，确定工业数据是否发生异常；若工业数据发生异常，则根据工业数据和所述正常数据范围之间的差异度确定异常等级；基于异常等级对应的预警方式进行告警，通过上述获取数据和检测数据的方式确定异常等级，以基于异常等级通过对应的预警方式进行告警，避免了预警资源的滥用，提高了异常告警和处理的效率和资源利用率。
[0077]
以下介绍本技术的系统实施例，可以用于执行本技术上述实施例中的基于人工智能的工业预警方法。可以理解的是，所述系统可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该系统为一个应用软件；该系统可以用于执行本技术实施例提供的方法中的相应步骤。对于本技术系统实施例中未披露的细节，请参照本技术上述的基于
人工智能的工业预警方法的实施例。
[0078]
图3示出了根据本技术的一个实施例的基于人工智能的工业预警系统的框图。
[0079]
参照图3所示，根据本技术的一个实施例的基于人工智能的工业预警系统300，包括：
[0080]
获取模块310，用于获取工业生产过程中的工业数据及其对应的数据标识，所述工业数据包括以下至少一种：温度、湿度、红外成像、彩色图像；
[0081]
范围模块320，用于获取所述数据标识对应设定的正常数据范围；
[0082]
对比模块330，用于将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常；
[0083]
等级模块340，用于若所述工业数据发生异常，则根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级；
[0084]
告警模块350，用于基于所述异常等级对应的预警方式进行告警。
[0085]
在本技术的一些实施例中，基于前述方案，所述获取工业生产过程中的工业数据及其对应的数据标识，包括：通过人工智能中的图像识别方式，获取工业生产过程中的工业数据、以及所述工业数据的数据标识。
[0086]
在本技术的一些实施例中，基于前述方案，所述将所述工业数据与所述正常数据范围进行对比，确定所述工业数据是否发生异常，包括：若所述工业数据对应的数值不属于所述正常数据范围，则判定所述工业数据发生异常；或者若所述工业数据对应的数值超出所述正常数据范围的预设比例，则判定所述工业数据发生异常。
[0087]
在本技术的一些实施例中，基于前述方案，所述根据所述工业数据和所述正常数据范围之间的差异度，确定异常等级，包括：基于所述工业数据的获取时间，从所述工业数据中提取设定时长对应的评估数据；基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度；基于所述差异度与设定等级阈值之间的关系，确定异常等级。
[0088]
在本技术的一些实施例中，基于前述方案，所述基于所述评估数据与所述正常数据范围之间的差值，计算所述评估数据和所述正常数据范围之间的差异度，包括：确定评估数据分别与正常数据范围的上限、下限之间的差值；计算正常数据范围的上限和下限之间的均值；根据所述差值与在所述均值之间的比值，确定所述评估数据和所述正常数据范围之间的差异度。
[0089]
在本技术的一些实施例中，基于前述方案，所述基于所述差异度与设定等级阈值之间的关系，确定异常等级，包括：基于所述差异度计算等级参数；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级。
[0090]
在本技术的一些实施例中，基于前述方案，所述设定等级阈值包括第一等级阈值和第二等级阈值，其中第二等级阈值大于所述第一等级阈值；基于所述等级参数与设定的等级阈值之间的关系，确定异常等级，包括：当所述等级参数大于或者等于所述第二等级阈值时，所述异常等级为二级异常；当所述等级参数大于或者等于所述第一等级阈值、且小于所述第二等级阈值时，所述异常等级为一级异常；当所述等级参数小于所述第一等级阈值时，所述异常等级为普通异常。
[0091]
在本技术的一些实施例所提供的技术方案中，获取工业生产过程中的工业数据及
其对应的数据标识，并获取数据标识对应设定的正常数据范围；将工业数据与正常数据范围进行对比，确定工业数据是否发生异常；若工业数据发生异常，则根据工业数据和所述正常数据范围之间的差异度确定异常等级；基于异常等级对应的预警方式进行告警，通过上述获取数据和检测数据的方式确定异常等级，以基于异常等级通过对应的预警方式进行告警，避免了预警资源的滥用，提高了异常告警和处理的效率和资源利用率。
[0092]
图4示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
[0093]
需要说明的是，图4示出的电子设备的计算机系统400仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0094]
如图4所示，计算机系统400包括中央处理单元(central processing unit，cpu)401，其可以根据存储在只读存储器(read-only memory，rom)402中的程序或者从储存部分408加载到随机访问存储器(random access memory，ram)403中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在ram 403中，还存储有系统操作所需的各种程序和数据。cpu 401、rom 402以及ram 403通过总线404彼此相连。输入/输出(input/output，i/o)接口405也连接至总线404。
[0095]
以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分407；包括硬盘等的储存部分408；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入储存部分408。
[0096]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本技术的系统中限定的各种功能。
[0097]
需要说明的是，本技术实施例所示的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或者是上述两者的任意组合。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、系统或器件，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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，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、系统或者器件使用或者与其结合使用。而在本技术中，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计算机程序。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、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0098]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0099]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0100]
根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
[0101]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
[0102]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0103]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0104]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。
[0105]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并
且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。