水质生物活性检测方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种水质生物活性检测方法及装置、电子设备和存储介质。


背景技术：

2.水体中的生物活性是水质检测的重要指标之一，然而，不同于其他水质指标，水体中的微生物是活动的，其生物活性可能时刻在发生变化，因此，通过化验等检测频率较低的方法难以准确反映水体中当前的微生物活性，此外，微生物的活动(例如，呼吸作用、光合作用等)可引起溶解氧浓度指标、ph值指标、电导率指标、化学需氧量指标、生化需氧量氨氮指标、硝基氮指标、亚硝基氮指标、总氮指标和总磷指标等水质指标发生变化，因而，上述水质指标的变化可反映水中微生物的活性，而单次检测获得的静态数据难以反映生物活性指标的波动情况，因而也难以反映水体中微生物的活性。


技术实现要素：

3.本公开提出了一种水质生物活性检测方法及装置、电子设备和存储介质。
4.根据本公开的一方面，提供了一种水质生物活性检测方法，所述方法包括：根据预定水域的水质信息，确定预定水域在第一时间段内的多个水质指标序列，其中，所述水质指标序列包括在所述第一时间段内的多个时刻获得的同种水质指标；根据所述多个水质指标序列，以及预训练的水质检测网络，确定水质生物活性指标，所述水质生物活性指标包括表示预定水域中的叶绿素浓度和藻密度中的至少一种。
5.在一种可能的实现方式中，根据所述多个水质指标序列，以及预训练的水质检测网络，确定水质生物活性指标，包括：根据所述多个水质指标序列，确定至少一个生物活性识别参数；将所述生物活性识别参数输入所述水质检测网络，获得所述水质生物活性指标。
6.在一种可能的实现方式中，所述生物活性识别参数包括各水质指标序列的均值、标准差、波峰高度、波峰数量、达峰时间以及变化率中的至少一种。
7.在一种可能的实现方式中，所述方法还包括：根据水体样本的水质信息，确定第二时间段内水体样本的多个样本水质指标序列；根据所述多个样本水质指标序列以及所述水质检测网络，确定样本活性指标；根据所述样本活性指标与所述水体样本的标注信息，确定所述水质检测网络的网络损失，所述标注信息包括通过化学检验获取的水体样本的生物活性指标；根据所述网络损失，训练所述水质检测网络。
8.在一种可能的实现方式中，所述多个水质指标序列包括溶解氧浓度指标序列、ph值指标序列、电导率指标序列、化学需氧量指标序列、生化需氧量指标序列、氨氮指标序列、硝基氮指标序列、亚硝基氮指标序列、总氮指标序列和总磷指标序列。
9.根据本公开的一方面，提供了一种水质生物活性检测装置，所述装置包括：序列获得模块，用于根据预定水域的水质信息，确定预定水域在第一时间段内的多个水质指标序列，其中，所述水质指标序列包括在所述第一时间段内的多个时刻获得的同种水质指标；指
标获得模块，用于根据所述多个水质指标序列，以及预训练的水质检测网络，确定水质生物活性指标，所述水质生物活性指标包括表示预定水域中的叶绿素浓度和藻密度中的至少一种。
10.在一种可能的实现方式中，所述指标获得模块进一步用于：根据所述多个水质指标序列，确定至少一个生物活性识别参数；将所述生物活性识别参数输入所述水质检测网络，获得所述水质生物活性指标。
11.在一种可能的实现方式中，所述装置还包括：训练模块，用于根据水体样本的水质信息，确定第二时间段内水体样本的多个样本水质指标序列；根据所述多个样本水质指标序列以及所述水质检测网络，确定样本活性指标；根据所述样本活性指标与所述水体样本的标注信息，确定所述水质检测网络的网络损失，所述标注信息包括通过化学检验获取的水体样本的生物活性指标；根据所述网络损失，训练所述水质检测网络。
12.在一种可能的实现方式中，所述生物活性识别参数包括各水质指标序列的均值、标准差、波峰高度、波峰数量、达峰时间以及变化率中的至少一种。
13.在一种可能的实现方式中，所述多个水质指标序列包括溶解氧浓度指标序列、ph值指标序列、电导率指标序列、化学需氧量指标序列、生化需氧量指标序列、氨氮指标序列、硝基氮指标序列、亚硝基氮指标序列、总氮指标序列和总磷指标序列。
14.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：执行上述水质生物活性检测方法。
15.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述水质生物活性检测方法。
16.根据本公开的实施例的水质生物活性检测方法，可实时且高频地测量预定水域的多个水质指标序列，使得水质指标序列中的数据可实时反映水体中当前的微生物活性。进一步地，水质指标序列为一个时间段内测量的多个水质指标，可通过水质指标的波动来反映生物活性的波动情况，进而更准确地反映水体中微生物的状况，为水质监测和水华预测等提供依据。
17.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，而非限制本公开。
18.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
20.图1示出根据本公开实施例的水质生物活性检测方法的流程图；
21.图2示出根据本公开实施例的水质生物活性检测方法的应用示意图；
22.图3示出根据本公开实施例的水质生物活性检测装置的框图；
23.图4示出根据本公开实施例的电子装置的框图；
24.图5示出根据本公开实施例的电子装置的框图。
具体实施方式
25.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
26.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
27.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
28.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
29.图1示出根据本公开实施例的水质生物活性检测方法的流程图，如图1所示，所述方法包括：
30.在步骤s11中，根据预定水域的水质信息，确定预定水域在第一时间段内的多个水质指标序列，其中，所述水质指标序列包括在所述第一时间段内的多个时刻获得的一种水质指标；
31.在步骤s12中，根据所述多个水质指标序列，以及预训练的水质检测网络，确定水质生物活性指标，所述水质生物活性指标包括表示预定水域中的叶绿素浓度和藻密度中的至少一种。
32.根据本公开的实施例的水质生物活性检测方法，可实时且高频地测量预定水域的多个水质指标序列，使得水质指标序列中的数据可实时反映水体中当前的微生物活性。进一步地，水质指标序列为一个时间段内测量的多个水质指标，可通过水质指标的波动来反映生物活性的波动情况，进而更准确地反映水体中微生物的状况，为水质监测和水华预测等提供依据。
33.在示例中，可通过微型光谱传感器例如量子光谱传感器来测量预定水域的水质信息。量子点光谱传感器可基于纳米晶体的物理特性和光学特性，对入射光线(例如，光线经过预定区域水样进行透射或散射后的光线)进行测量，以获得入射光线的光谱信息。例如，量子点光谱传感器可包括量子点光谱探头，量子点光谱探头中可包括由多种纳米晶体制成的纳米晶体芯片，所述纳米晶体芯片包含多种纳米晶体的一定排列(例如，纳米晶体阵列)，其中，每种纳米晶体具有不同光吸收特性，不同种类半导体纳米晶体例如，可以为不同材料、尺寸等，使得纳米晶体芯片可对较宽波长范围内的波长进行调制响应，以获得对较宽波长范围内入射光调整后的光谱信息。还可根据实际需要，通过特定的半导体纳米晶体芯片，对一个或多个特定波长范围内的波长进行调制响应，获得这些特定波长的光谱信息。
34.在一种可能的实现方式中，光线经水进行透射或散射后的光线可受到水中的物质(例如，悬浮物、污染物等)的影响，从而获得特定光谱信息。量子点光谱传感器可实时获得该光谱信息，并确定该光谱信息代表的水质指标信息。例如，通过水样对不同波长光的吸收强弱，可获得不同频段的光的光谱信息，通过该光谱信息可换算出水质指标。在示例中，所
述水质指标包括水质化学需氧量(chemical oxygen demand，cod)、生化需氧量、浊度、ph值、电导率、溶解氧浓度、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氨氮含量、硝基氮含量、亚硝基氮含量、总磷含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量等。还可根据光谱信息中的红外光谱测定水温。本公开对量子点光谱传感器的工作原理不做限制。在示例中，量子点光谱传感器可通过水中包含的各种物质对光的吸收特性确定水质指标，例如，可通过光谱信息分析特定波长的光线的光强，进而获得与所述特定波长范围的光线对应的物质的浓度(水质指标)。或者，量子点光谱传感器可通过神经网络来推断水质指标，例如，可将光谱信息输入神经网络，神经网络可推断出各种物质的浓度(水质指标)。本公开对确定水质指标的方式不做限制。
35.在示例中，量子点光谱传感器可通过水中包含的各种物质对光的吸收特性确定水质指标，例如，可通过光谱信息分析特定波长的光线的光强，进而获得与所述特定波长范围的光线对应的物质的浓度(水质指标)。通过量子点光谱传感器测量指标可实现在线、原位、高频、实时测量。在检测水质指标时，可通过量子点光谱传感器检测经过预定水域的光线的光谱信息，进而可基于光谱信息快速获得水质指标，相比于将水质带回实验室的化验过程，通过量子点光谱传感器进行检测具有更好的实时性(即，检测出的水质指标即为当前的水质指标，而实验室化验所需时间较长，等待化验结果的时间段内，预定水域的水质指标可能已经发生变化)。通过设置在预设水域的量子点光谱传感器在某个时间段内对水质指标进行测量，可获得该水域的包含上述水质指标的水质指标序列，水质指标序列中的水质指标为在同一地点的多个时刻获取的水质指标，因而具有一致性和可比性，可用于观测水质指标在一段时间内的变化规律，以进行水质污染的判断。例如，量子点光谱传感器的测量频率可达3-60min/次，优选5-30min/次，特别优选8-20min/次，最优选10-15min/次，测量频率远高于将水体带回实验室化验的频率，并且量子点光谱传感器可设置于预定水域的固定位置，可保证水体样本的一致性。而将水体带回实验室进行化验，则难以保证两次测量时完全在同一地点进行取样，且由于测量频率较低，两次测量之间间隔时间较长，即使能够保证两次测量时完全在同一地点进行取样，但由于水的流动性，该地点的水质在较长的间隔时间中可能已发生重大变化，难以保证测量的一致性以及测量结果的可比性。
36.在一种可能的实现方式中，受到水中微生物(例如，藻类、浮游生物等)的呼吸作用和/或光合作用等活动的影响，会导致水中的水质指标呈周期性变化，例如，在白天，光合作用对水质指标的影响较大，可能导致某些水质指标上升，在夜晚，呼吸作用对水质指标的影响较大，可能导致这些水质指标下降，而另一些水质指标上升。
37.例如，在白天，由于阳光充足，微生物的光合作用强于呼吸作用，含氮磷的无机盐及溶解的二氧化碳被转化成有机物，同时释放出氧气。水体中的溶解氧浓度、ph值、化学需氧量等水质指标上升，而电导率下降。反之，在夜间，阳光不充足，因此微生物的光合作用弱于呼吸作用，微生物吸收氧气，并将有机物分解为二氧化碳和水，水体中的电导率上升，而溶解氧浓度、ph值、化学需氧量等水质指标下降。
38.上述周期性的变化可反映水中微生物的活性。例如，如果微生物活性较高，则对水质指标的影响较大，例如，使得水质指标的波动更剧烈，变化幅度更大等，反之，如果微生物
活性较低，则对水质指标影响较小。因此，可利用上述水质指标的波动情况来反映水中微生物的活性。进一步地，微生物的活性与叶绿素浓度或藻密度等指标相关，因此，可利用上述水质指标的波动情况(例如，波动的幅度等)与叶绿素浓度或藻密度等指标进行映射，以反映水中生物的活性。进而可用于水质监测，水华预测等领域。
39.在示例中，所述多个水质指标序列包括溶解氧浓度指标序列、ph值指标序列、电导率指标序列、化学需氧量指标序列、生化需氧量指标序列、氨氮指标序列、硝基氮指标序列、亚硝基氮指标序列、总氮指标序列和总磷指标序列等。本公开对水质指标的类别不做限制。
40.在一种可能的实现方式中，在步骤s11中，可在预定水域设置原位水质监测设备，所述的设备可以搭载例如，微型光谱传感器、溶解氧探头、ph值测量探头等，在示例中，可将上述探头中的两种或两种以上集成于一个水质设备中。所述微型光谱传感器，例如量子点光谱传感器，可获得预定水域的吸收光谱信息，并可通过光谱信息确定化学需氧量(cod)等水质指标。进一步地，可通过溶解氧探头获得溶解氧含量，其原理是通过本领域已知的方法，例如荧光淬灭法测得水质中溶解的氧的含量。还可通过ph值测量探头测量预定水域的ph值，其原理可以是通过水体的电导率来计算水体的ph值。本公开对水质检测设备的工作原理不做限制。
41.在另一示例中，所述水质监测设备也可仅包括一种探头，即，量子点光谱探头，通过量子点光谱探头获得的光谱信息，可计算出多种水质指标。本公开对量子点光谱传感器的结构不做限制。
42.在示例中，可在第一时间段中通过上述方式测得多个水质指标，以获得水质指标序列。例如，量子点光谱传感器测得的多个cod指标可表示为{(t
1,1
,x
1,1
),(t
1,2
,x
1,2
),(t
1,3
,x
1,3
),
…
,(t
1,n
,x
1,n
)}，其中，n为正整数，t
1,i
为获得第i(i为正整数，且i≤n)个cod指标x
1,i
的时刻。类似地，还可确定溶解氧浓度指标序列、ph值指标序列、电导率指标序列等。
43.在一种可能的实现方式中，在步骤s12中，可通过上述水质指标序列来确定微生物活性指标。在示例中，可通过水质检测网络来对上述水质指标序列来进行处理，获得微生物的活性指标。在示例中，可提取上述水质指标序列的数据特征，并通过水质检测网络对上述数据特征进行处理。例如，所述数据特征为能够反映水质指标序列的波动情况的数据特征，例如，波峰高度、波峰时间差、变化率等，本公开对数据特征不做限制。
44.在一种可能的实现方式中，步骤s12可包括：根据所述多个水质指标序列，确定至少一个生物活性识别参数；将所述生物活性识别参数输入所述水质检测网络，获得所述水质生物活性指标。
45.在一种可能的实现方式中，所述生物活性识别参数包括各水质指标序列的均值、标准差、波峰高度、波峰数量、达峰时间以及变化率中的至少一种。
46.在示例中，可分别确定溶解氧浓度指标序列、ph值指标序列、电导率指标序列以及化学需氧量指标序列均值、标准差、波峰高度、波峰数量、达峰时间和变化率，以确定各指标序列的波动情况。
47.在示例中，均值可表示各水质指标序列的平均值，例如，算数平均值、几何平均值等，本公开对均值的类型不做限制。在示例中，标准差可表示各水质指标序列中数据的离散程度，还可表示水质指标波动的剧烈程度。在示例中，波峰高度可表示水质指标变化的最大幅度，例如，水质指标的最大值与水质指标的平均值之间的差。在示例中，波峰数量可表示
水质指标波动的次数，也可表示水质指标波动的频率。在示例中，达峰时间可表示水质指标从开始波动的时刻与到达波峰的时刻之间的持续时间。在示例中，变化率可以是波峰的数值与达峰时间之间的比值，可表示水质指标波动的速度，也可表示水质指标波动的剧烈程度。
48.在一种可能的实现方式中，上述参数可与水质指标的波动相关，因此，可能与水质生物活性指标(例如，叶绿素浓度或藻密度等)相关，但也可能存在与水质生物活性指标不显著相关，可从上述参数中选取有效参数，即，生物活性识别参数。例如，可通过相关技术中的统计方法，确定上述各参数与水质生物活性指标是否存在统计学意义上的相关性，并将相关性较高(例如，高于某个统计学阈值)的参数确定为生物活性识别参数。本公开对确定相关性的方式不做限制。
49.在一种可能的实现方式中，可将通过上述方式确定的生物活性识别参数中的一种或多种输入水质检测网络进行检测，以确定水质生物活性指标。在示例中，上述确定水质生物活性指标的处理可通过水质检测网络来实现。水质检测网络可以是深度学习神经网络。可通过水质检测网络对上述生物活性识别参数进行处理，获得叶绿素浓度或藻密度等生物活性指标，以反映水质中生物的活性。
50.在示例中，可将溶解氧浓度指标序列的波峰高度输入水质检测网络，获得叶绿素浓度。或者，可将溶解氧浓度指标序列、ph值指标序列、电导率指标序列和化学需氧量指标序列的均值、标准差和波峰高度均输入水质检测网络，获得叶绿素浓度和藻密度。本公开对水质检测网络的输入参数和输出结果的类型不做限制。
51.在示例中，还可通过其他数据分析模型来确定水质生物活性指标，例如，可通过回归模型来确定生物活性识别参数(样本)和水质生物活性指标(样本)之间的关系，并求解回归系数。在获得回归系数后，即可将预定水域中水质的生物活性识别参数代入回归系数对应的回归方程，来求解水质生物活性指标。本公开对模型的类别不做限制。
52.在一种可能的实现方式中，所述水质检测网络可以是深度学习神经网络，本公开对水质检测网络的类型不做限制。在使用水质检测网络进行检测之前，可对水质检测网络进行训练。所述方法还包括：根据水体样本的水质信息，确定第二时间段内水体样本的多个样本水质指标序列；根据所述多个样本水质指标序列以及所述水质检测网络，确定样本活性指标；根据所述样本活性指标与所述水体样本的标注信息，确定所述水质检测网络的网络损失，所述标注信息包括通过化学检验获取的水体样本的生物活性指标；根据所述网络损失，训练所述水质检测网络。
53.在一种可能的实现方式中，所述水体样本为生物活性指标已知的水体，例如，通过化验等方法测得叶绿素浓度的水体，可将已知的生物活性指标作为标注信息，以训练水质检测网络。
54.在一种可能的实现方式中，可通过量子点光谱传感器等水质检测设备检测第二时间段内的多个样本水质指标序列，例如，溶解氧浓度指标序列、ph值指标序列、电导率指标序列以及化学需氧量指标序列，并计算上述水质指标序列的生物活性识别参数(例如，均值、标准差、波峰高度、波峰数量等)，并将获得的一种或多种生物活性识别参数输入水质检测网络。水质检测网络可输出样本活性指标。
55.在一种可能的实现方式中，可将样本活性指标与已知的生物活性指标(标注信息)
进行对比，以确定水质检测网络的网络损失。例如，交叉熵、互信息等网络损失，本公开对网络损失的确定方式不做限制。
56.在一种可能的实现方式中，可通过网络损失训练水质检测网络，例如，将网络损失通过梯度下降法进行反向传播，以调节水质检测网络的参数，使得水质检测网络的网络损失最小化。进一步地，可通过多次迭代，来提高水质检测网络的精度，并在满足训练条件时，完成训练。例如，迭代次数达到预订次数时完成训练，或者在水质检测网络的精度达到预设条件时，完成训练，获得训练后的水质检测网络。
57.根据本公开的实施例的水质生物活性检测方法，可实时且高频地测量预定水域的多个水质指标序列，使得水质指标序列中的数据可实时反映水体中当前的微生物活性。进一步地，水质指标序列为一个时间段内测量的多个水质指标，可通过生物活性识别参数反映水质指标的波动情况，以更准确地反映水体中微生物的生物活性，并可通过水质检测网络获得生物活性识别参数与叶绿素浓度和藻密度等水质生物活性指标之间的映射关系，以更准确地表示水体中微生物的状况。
58.图2示出根据本公开实施例的水质生物活性检测方法的应用示意图，如图2所示，可在预定水域设置量子点光谱传感器，在该传感器中，集成了量子点光谱探头、溶解氧探头、ph值测量仪等水质检测探头，并分别检测第一时间段内的溶解氧浓度指标序列、ph值指标序列、电导率指标序列以及化学需氧量指标序列。
59.在一种可能的实现方式中，为更好地反映水体中微生物的活动，可提取鞥狗反映上述水质指标的波动情况的生物活性识别参数，例如，各水质指标序列的均值、标准差、波峰高度、波峰数量、达峰时间以及变化率。
60.在一种可能的实现方式中，可将上述生物活性识别参数输入水质检测网络，以获得能够准确反映水体中微生物活性的生物活性指标，例如，可获得叶绿素浓度、藻密度等指标。
61.在一种可能的实现方式中，所述水质生物活性检测方法可通过多种水质指标的波动情况来准确反映水体中微生物的活性，为预测水华等现象提供依据，例如，可确定水华的情况或水华的趋势等。本公开对所述水质生物活性检测方法的应用领域不做限制。
62.图3示出根据本公开实施例的水质生物活性检测装置的框图，如图3所示，所述装置包括：序列获得模块11，用于根据预定水域的水质信息，确定预定水域在第一时间段内的多个水质指标序列，其中，所述水质指标序列包括在所述第一时间段内的多个时刻获得的同种水质指标；指标获得模块12，用于根据所述多个水质指标序列，以及预训练的水质检测网络，确定水质生物活性指标，所述水质生物活性指标包括表示预定水域中的叶绿素浓度和藻密度中的至少一种。
63.在一种可能的实现方式中，所述指标获得模块进一步用于：根据所述多个水质指标序列，确定至少一个生物活性识别参数；将所述生物活性识别参数输入所述水质检测网络，获得所述水质生物活性指标。
64.在一种可能的实现方式中，所述装置还包括：训练模块，用于根据水体样本的水质信息，确定第二时间段内水体样本的多个样本水质指标序列；根据所述多个样本水质指标序列以及所述水质检测网络，确定样本活性指标；根据所述样本活性指标与所述水体样本的标注信息，确定所述水质检测网络的网络损失，所述标注信息包括通过化学检验获取的
水体样本的生物活性指标；根据所述网络损失，训练所述水质检测网络。
65.在一种可能的实现方式中，所述生物活性识别参数包括各水质指标序列的均值、标准差、波峰高度、波峰数量、达峰时间以及变化率中的至少一种。
66.在一种可能的实现方式中，所述多个水质指标序列包括溶解氧浓度指标序列、ph值指标序列、电导率指标序列、化学需氧量指标序列、生化需氧量指标序列、氨氮指标序列、硝基氮指标序列、亚硝基氮指标序列、总氮指标序列和总磷指标序列。
67.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
68.此外，本公开还提供了水质生物活性检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种水质生物活性检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
69.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
70.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
71.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
72.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
73.电子设备可以被提供为终端、服务器或其它形态的设备。
74.图4是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
75.参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
76.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
77.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快
闪存储器，磁盘或光盘。
78.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
79.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
80.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
81.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
82.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
83.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
84.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
85.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
86.图5是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900
可以被提供为一服务器。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
87.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
88.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
89.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
90.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
91.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
92.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可
编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
93.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
94.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
95.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
96.附图中的流程图和框图显示了根据本公开的多个实施例的系统、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。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
97.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。