CN113112500A

CN113112500A - 基于机器视觉的电梯曳引轮磨损量表征方法及系统

Info

Publication number: CN113112500A
Application number: CN202110490148.8A
Authority: CN
Inventors: 胡孔友; 陈强; 王金博
Original assignee: ANHUI SPECIAL EQUIPMENT INSPECTION INSTITUTE
Current assignee: ANHUI SPECIAL EQUIPMENT INSPECTION INSTITUTE
Priority date: 2021-05-06
Filing date: 2021-05-06
Publication date: 2021-07-13

Abstract

本发明公开了曳引轮磨损检测技术领域，具体涉及一种基于机器视觉的电梯曳引轮磨损量表征方法及系统，该方法包括：获取待测目标图像，对所述待测目标图像进行预处理，提取所述待测目标图像中目标区域；其中所述目标区域包括曳引轮的多组绳槽图像；根据预设标准曳引轮的绳槽轮廓模板图像，通过特征匹配算法提取目标区域中感兴趣区域，所述感兴趣区域包括曳引轮的一组目标绳槽图像；采用模拟退火算法进行目标绳槽轮廓图像的上、下边界拟合，查找最佳阈值，拟合曳引轮槽图像边界；对于无法避免的测量遮挡问题，建立曳引轮数学模型，对结果进行补偿，保证测量结果准确。

Description

基于机器视觉的电梯曳引轮磨损量表征方法及系统

技术领域

本发明属于机器视觉检测技术领域，具体地说，涉及基于机器视觉的电梯曳引轮磨损量表征方法及系统。

背景技术

电梯于二十世纪后期进入中国市场，使人们的生活更加便捷，如今我国在用电梯数量日益增加，应用领域越来越广泛。曳引式电梯是目前使用最广泛的一种电梯，其中曳引轮作为为轿厢提供曳引力的动力部件，对维护电梯的安全运行有着极其重要的意义。

曳引轮提供动力的原理是利用钢丝绳与曳引轮缘上绳槽的摩擦力传递动力，是直接传动钢丝绳的部件，经过长时间的使用必然会导致一定的磨损、使曳引能力下降，影响电梯的安全性能。当其磨损量超标时，甚至会发生钢丝绳打滑等情况，导致冲顶等事故发生。TSGT7001—2009《电梯监督检验和定期检验规则——曳引与强制驱动电梯》中2.8(3)项规定:曳引轮轮槽不得有严重磨损，如果轮槽的磨损可能影响曳引能力时，应当进行曳引能力验证试验。目前国内电梯曳引轮磨损的检测主要是通过人工目测或者手动采用塞尺测量曳引轮轮槽深度，并计算磨损引起的下沉量。其中人工目测法也就是观察轮槽表面是否平滑，磨损是否导致钢丝绳接触槽底，各根钢丝绳在绳槽上的工作面高度差是否明显异常，绳槽内的钢丝绳最高点与曳引轮外圆面的缝隙高度是否过大等进行主观判断。

但是，通过人工来测量往往费时费力，存在着许多不便和安全隐患，目前国内对此提出的改进测量方法主要是机械接触式，即通过尖锐触针触压工件表面，并沿着水平方向移动，因为工件表面形貌参差，触针针头会上下运动，通过位移传感器来量化曳引轮表面的磨损状况，常见的机械接触测量有钢直尺测量、深度游标卡尺测量等。但是上述方法不能对电梯产生的滑移进行定量的分析，只是通过一个相关量，即钢丝绳在绳槽中的下降距离，进行电梯滑移的判定，二者并没有一个确定的对应关系，这种方法比较模糊不利于对电梯的磨损测量进行更精确的判定。此外，上述方法对检验人员的经验性要求较高、不易变通。

发明内容

1、要解决的问题

针对现有的曳引轮磨损测量方法，无法精确对电梯曳引轮的磨损量的判定，本发明提供基于机器视觉的电梯曳引轮磨损量表征方法，通过获取待测目标图像，提取目标绳槽轮廓图像；采用模拟退火算法进行目标绳槽轮廓图像的上、下边界拟合，查找最佳阈值，拟合曳引轮槽图像边界；对于无法避免的测量遮挡问题，建立曳引轮数学模型，对结果进行补偿，保证测量结果准确。

2、技术方案

为解决上述问题，本发明采用如下的技术方案。

本发明第一方面提供一种基于机器视觉的电梯曳引轮磨损量表征方法，所述方法包括：

获取待测目标图像，对所述待测目标图像进行预处理，提取所述待测目标图像中目标区域；其中所述目标区域包括曳引轮的多组绳槽图像；

根据预设标准曳引轮的绳槽轮廓模板图像，通过特征匹配算法提取目标区域中感兴趣区域，所述感兴趣区域包括曳引轮的一组目标绳槽轮廓图像；

提取所述感兴趣区域中目标绳槽轮廓图像；拟合所述目标绳槽轮廓图像的上边界和下边界；

将拟合后得到的目标绳槽轮廓按照预设数学模型，确定表征电梯曳引轮磨损量的参数。

优选的，所述表征曳引轮磨损量的参数为所述待测目标图像中目标绳槽槽底到钢丝绳外缘间距。

优选的，所述特征匹配算法提取目标区域中感兴趣区域步骤包括：

以预设标准曳引轮的绳槽轮廓形状为模板，分别获取预设标准曳引轮的绳槽轮廓以及所述目标区域中每个绳槽轮廓中特征信息；

融合所述特征信息，构建新的匹配特征向量，根据欧几里得距离确定所述目标区域中绳槽与所述预设标准曳引轮的绳槽轮廓匹配的相似度；

提取相似度最大值对应的目标绳槽图像，作为感兴趣区域(ROI)。

优选的，所述相似度d的数学模型为：

其中，A表示预设标准曳引轮的绳槽轮廓；B表示目标区域中的各绳槽轮廓；

表示预设标准曳引轮的绳槽轮廓对应的不变矩；

表示目标区域绳槽轮廓对应的不变矩；

表示预设标准曳引轮的绳槽轮廓对应的特征向量；

表示目标区域绳槽轮廓对应的特征向量。

优选的，采用模拟退火算法对目标绳槽图像的上边界和下边界进行拟合。

优选的，所述预设数学模型为：

Z²(r+θ)²-r²(L-δ')²-r²Z²＝0

其中，R为钢丝绳外缘到曳引轮圆心距离；θ为绳槽对相机拍摄的遮挡长度；r为绳槽底部到曳引轮圆心距离；Z为相机垂直方向物距；δ为绳槽槽底到钢丝绳外缘间距；L为相机光心到钢丝绳的距离；δ'为相机拍摄待测区域的可见长度。

本发明第二方面提供一种基于机器视觉的电梯曳引轮磨损量表征装置，所述装置包括：

图像提取模块，其用于获取待测目标图像，对所述待测目标图像进行预处理，提取所述待测目标图像中目标区域；其中所述目标区域包括曳引轮的多组绳槽图像；

轮廓匹配模块，其用于根据预设标准曳引轮的绳槽轮廓模板图像，通过特征匹配算法提取目标区域中感兴趣区域，所述感兴趣区域包括曳引轮的一组目标绳槽图像；

图像拟合模块，其用于提取所述感兴趣区域中目标绳槽轮廓图像；拟合所述目标绳槽轮廓图像的上边界和下边界；

参数计算模块，其用于将拟合后得到的目标绳槽轮廓按照预设数学模型，确定表征电梯曳引轮磨损量的参数。

优选的，所述轮廓匹配模块包括：

特征计算模块，其用于以预设标准曳引轮的绳槽轮廓形状为模板，分别获取预设标准曳引轮的绳槽轮廓以及所述目标区域中每个绳槽轮廓中特征信息；

特征融合模块，其用于融合所述特征信息，构建新的匹配特征向量，根据欧几里得距离确定所述目标区域中绳槽与所述预设标准曳引轮的绳槽轮廓匹配的相似度；

相似度计算模块，其用于提取相似度最大值对应的目标绳槽图像，作为感兴趣区域(ROI)。

本发明第三方面提供一种电子设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述的方法。

本发明第四方面提供一种可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述的方法。

3、有益效果

相比于现有技术，本发明的有益效果为：

(1)本发明为消除现场光照模糊，导致ROI区域内轮槽边界灰度值较为连续，无法进行精确阈值分割，采用模拟退火算法进行阈值迭代以消除弱光照的影响，通过模拟退火算法进行目标绳槽轮廓图像的上、下边界拟合，查找最佳阈值，拟合曳引轮槽图像边界；

(2)由于曳引轮槽狭小，对测量精度要求较高，且在实际拍摄过程中镜头位置无法正对绳槽，曳引轮的边缘部分必然对相机存在遮挡，因此曳引轮槽存在不可避免的遮挡误差，本发明根据曳引轮结构建立数学模型，将θ为绳槽对相机拍摄的遮挡长度考虑带入数学模型，对测量结果进行误差补偿，消除遮挡误差，保证测量结果准确；

(3)本发明通过二值化算法对目标区域图像进行二值化处理，使得目标区域图像减少需要的存储空间，有利于加快处理速度；再进行中值滤波处理，在保留边缘细节的同时去除噪声干扰。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1为本发明实施例提供的基于机器视觉的电梯曳引轮磨损量表征方法流程图；

图2为本发明实施例提供的基于机器视觉的电梯曳引轮磨损量表征装置框图；

图3为本发明实施例提供的轮廓匹配模块的框图；

图4为本发明实施例提供的模拟退火算法流程图；

图5为本发明实施例提供的最佳光照条件下的最佳阈值折线图；

图6为本发明实施例提供的最佳阈值下的边界拟合示意图；

图7为本发明实施例提供的曳引轮结构模型示意图；

图8为本发明实施例提供的待测目标图像；

图9图示了根据本申请实施例的电子设备的框图；

图10图示了图像采集设备工作示意图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

示例性方法

如图1和8所示，一种基于机器视觉的电梯曳引轮磨损量表征方法流程图，包括如下步骤：

S102：获取待测目标图像，对所述待测目标图像进行预处理，提取所述待测目标图像中目标区域；其中所述目标区域包括曳引轮的多组绳槽图像；

具体的，如图10所示，将图像采集设备安装在挂载于曳引轮上的钢丝绳上，通过调整角度使镜头对准曳引轮的轮槽，在拍摄时打图像采集设备得光源，从而使获得曳引轮的图像或者一段关于曳引轮的视频流，本示例中图像采集设备可以是CCD相机等。

本示例可以在照片或者视频流中获取待测目标图像，例如，通过摄像头读取图像，使用摄像头读取Api直接读取当前图像流的帧；提取所述待测目标图像中目标区域，所述目标区域包括曳引轮的多组绳槽图像；例如通过预先的图像识别算法或者训练好的图像识别模型提取曳引轮的绳槽图像，但不以此为限。

进一步，为了方便对待测目标图像的后续处理，本示例中对图像预处理步骤可以包括灰度、中值滤波以及二值化。具体的，先将读取到的单个帧图像转换成灰度图像，对灰度图像进行二值化处理；其中，二值化采用的是自适应区域的阈值进行二值化；减少图像边缘干扰。应当理解，通过二值化算法对该目标区域图像进行二值化处理，使得该目标区域图像减少需要的存储空间，有利于加快处理速度。中值滤波步骤，采用5×5核函数进行中值滤波，在保留边缘细节的同时去除噪声干扰。

S104：根据预设标准曳引轮的绳槽轮廓模板图像，通过特征匹配算法提取目标区域中感兴趣区域，所述感兴趣区域包括曳引轮的一组目标绳槽图像(ROI)。

S106：提取所述感兴趣区域中目标绳槽轮廓图像；拟合所述目标绳槽轮廓图像的上边界和下边界。

S108：将拟合后得到的目标绳槽轮廓按照预设数学模型，确定表征电梯曳引轮磨损量的参数；其中所述表征曳引轮磨损量的参数为所述待测目标图像中目标绳槽槽底到钢丝绳外缘间距。

本示例通过获取待测目标图像，提取目标绳槽轮廓图像；建立曳引轮数学模型，对结果进行补偿，保证测量结果准确，避免了人工检测的误差，减少对检验人员经验的依赖。

作为一个变化例，所述特征匹配算法提取目标区域中感兴趣区域步骤包括：

S202：以预设标准曳引轮的绳槽轮廓形状为模板，计算出预设标准曳引轮的绳槽轮廓以及所述目标区域特征信息；这里的特征信息指的是图像的尺度特征以及不变矩。

具体的，为了完成目标绳槽轮廓的筛选并找到目标绳槽间隙轮廓，以预设标准曳引轮的绳槽轮廓形状为模板，计算出预设标准曳引轮的绳槽轮廓以及所述目标区域中绳槽中每个绳槽轮廓中的不变矩，并根据融合特征匹配参数对它们的相似度进行比较。需要说明的是，几何矩用来描述图像的几何信息，如图像或者轮廓的面积、质心、斜度或扭曲程度等；中心矩具有空间不变性，当图像或者轮廓发生平移时，其中心矩保持不变；归一化矩具有尺度不变性；用来对各阶中心距进行归一化，从而抵消尺度变化带来的影响。

首先，对于目标区域图像，计算其离散情况下的(p+q)阶几何矩和中心矩：

其中p,q＝0,1,2,...,∞,(m,n)表示目标区域图像中像素点的坐标

表示目标区域中每个绳槽轮廓的最小外接矩形重心横坐标：

表示目标区域图像中每个绳槽轮廓的最小外接矩形重心纵坐标；f(m,n)表示目标区域图像像素点的灰度值。

根据上式得到归一化的中心矩：

根据上式导出了目标区域图像的多个不变矩，选取前两个具有更好的匹配效果的不变矩，其中权重最大，匹配的效果最好。

对于预设标准曳引轮的绳槽轮廓，将该模板中绳槽轮廓外接矩形的长度和宽度定义为h和w，轮廓面积定义为s，从而构造外接矩形的宽高比S₁以及占空比S₂作为尺度特征。

S₁＝w/h

S₂＝s/(wh)

S204：融合特征信息，构建新的匹配特征向量，根据欧几里得距离确定所述目标区域中绳槽与所述预设标准曳引轮的绳槽轮廓匹配的相似度。

具体的，融合预设标准曳引轮的绳槽轮廓的尺度特征、不变矩以及所述感兴趣区域中绳槽中每个绳槽轮廓中的不变矩以及尺度特征，构建新的匹配特征向量如下：

对于所述目标区域中绳槽轮廓A与所述预设标准曳引轮的绳槽轮廓B，使用欧几里得距离建立待测目标图像轮廓匹配相似度d：其中匹配相似度d数学模型如下：

表示预设标准曳引轮的绳槽轮廓对应的不变矩；

表示目标区域绳槽轮廓对应的不变矩；

表示预设标准曳引轮的绳槽轮廓对应的特征向量；

表示目标区域绳槽轮廓对应的特征向量。

S206：根据所述相似度d数学模型，选取相似度最大值对应的目标绳槽作为本示例截取的对象，作为感兴趣区域(ROI)。本示例通过将以预设标准曳引轮的绳槽轮廓形状为模板，与所述目标区域中每个绳槽轮廓匹配，确定准确的代提取绳槽轮廓，便于后续图像的拟合。

作为一个变化例，所述拟合目标绳槽轮廓图像的上边界和下边界步骤包括：采用模拟退火算法对目标绳槽轮廓图像的上边界和下边界坐标进行拟合。

需要说明的是，申请人进行大量实验表明，待测目标图像中轮槽上边界是理想的，而下边界由于光照的影响而不能直接确定；使用软件MATLAB2019a分析感兴趣区域中ROI区域的亮度，并绘制轮槽区域亮度分布图，结果显示，上边界具有较明显的区分，下边界由于光照不均匀的影响，像素分布较为连续，因此无法直接进行阈值化处理。因此通过模拟退火算法对目标绳槽轮廓图像的上边界好人下边界坐标进行拟合；其中，模拟退火算法流程如图4所示。

具体的，在迭代阈值法中，首先分别获得图像的最大灰度值Z_max和最小灰度值Z_min；将初始阈值设为T₀，D为除数因子：

T₀＝(Z_max+Z_min)/D

采用高精度光照度计进行光照条件的控制，其光照度0.01lux，量程为0-20000lux。本示例经大量实验表明，除数因子D设置在4.50-6.50之间，对应的阈值在60-20的范围内，效果相对稳定；以曳引轮尚未中间绳槽为被测对象，在最佳的光照14512lux条件下，在经验阈值范围T_i∈(T₁,T_n)(i＝1,2,...,n)内，其中T₁ T_n代表经验范围内阈值的上边界，T_n代表经验范围内阈值的下边界，调整阈值T_i(i＝1,...,n),利用最小平方和拟合下边界坐标点，得到阈值为T_i时最小平方和

其中，x_i表示在当前阈值T时，下边界像素的x轴坐标；

(理想情况下k＝0)，表示在该阈值T时拟合下边界得到的函数，即理论上y轴坐标；y_i表示当前像素的实际y轴坐标；

表示在当前阈值时，x轴坐标x_i对应的函数值与实际值之差；

表示在经验阈值范围(T₁,T_n)(i＝1,2,...,n)内，计算最小平方和，并选择值最小，即代价最小时，当前的损失函数；T_i为对应的最佳阈值。

将步长设为0.1，以最小二乘法拟合下边界，实验数据的拟合结果如图5所示。在经验阈值范围(T₁,T_n)内，得到最小平方和集合

加入扰动因子x，计算出相应的目标函数，使用Metropolis准则来实现参数控制。本示例中模拟退火环境是稳定的，采用下式进行冷却：

T(n)＝λT(n),n＝1,2,3...

λ∈(0,1)

为了确保更大的退火速率，λ表示退火速率，本示例中λ＝0.95。

对于最佳阈值条件下的边界拟合结果如图6所示，成功实现下边界的准确拟合，去除曳引轮结构内部暗光照的影响，实现间距值的精确计算。

作为一个变化例，所述步骤S108的预设数学模型为：

Z²(r+θ)²-r²(L-δ')²-r²Z²＝0

其中，θ为绳槽对相机拍摄的遮挡长度；r为绳槽底部到曳引轮圆心距离；Z为相机垂直方向物距；δ为绳槽槽底到钢丝绳外缘间距，即最终实际磨损量；L为相机光心到钢丝绳的距离；δ'为相机拍摄待测区域的可见长度，即算法测量值。

例如，对于直径400mm曳引轮，曳引轮绳槽底部与圆心轴距离r＝183.5mm。在本示例检测过程中，相机光心到钢丝绳距离L＝21mm，当物距Z＝300mm时，测量值与补偿值之间公式为：

根据实际物距和计算结果对测量值δ'进行补偿，使最终计算结果趋近于绳槽间隙真实值δ，实现绳槽磨损值的准确精测。申请人根据工作经验以及对应的行业标准，根据δ值范围，得出曳引轮的的磨损情况，例如当δ一般小于1.5mm，就需要判断是否对曳引轮进行维护或者替换。

应当理解，由于曳引轮槽狭小，对测量精度要求较高，由于镜头位置无法正对绳槽，曳引轮的边缘部分必然对相机存在遮挡，因此曳引轮槽存在不可避免的遮挡误差，本发明根据曳引轮结构建立数学模型，对测量结果进行误差补偿，消除遮挡误差。

如图7所示，本示例中预设数学模型构建思路如下：

根据曳引轮物理结构及几何分析，建立遮挡补偿模型如图7所示：其中R为钢丝绳外缘到曳引轮圆心距离，θ为绳槽对相机拍摄的遮挡长度，r为绳槽底部到曳引轮圆心距离，Z为相机垂直方向物距，δ为绳槽槽底到钢丝绳外缘间距，L为相机光心到钢丝绳的距离，δ'为相机拍摄待测区域的可见长度。

以曳引轮圆心为坐标原点建立坐标系，则相机受绳槽底部遮挡情况下拍摄待测区域的边缘坐标为(r+θ,0)，相机光心坐标(R-L,Z)；代入直线方程y＝kx+b，设相机光心点与相机拍摄受遮挡点的连线上任意一点的坐标为(x₀,y₀)，则有如下公式：

相机光心与接触面极限可视点的连线到曳引轮圆心的距离为r，圆心到连线距离表达式为：

由R＝δ+r,δ＝δ'+θ可得最终的数学模型表达式：

Z²(r+θ)²-r²(L-δ')²-r²Z²＝0

示例性装置

如图2所示，一种基于机器视觉的电梯曳引轮磨损量表征装置，所述装置包括：

图像提取模块20，其用于获取待测目标图像，对所述待测目标图像进行预处理，提取所述待测目标图像中目标区域；其中所述目标区域包括曳引轮的多组绳槽图像；

轮廓匹配模块30，其用于根据预设标准曳引轮的绳槽轮廓模板图像，通过特征匹配算法提取目标区域中感兴趣区域，所述感兴趣区域包括曳引轮的一组目标绳槽图像；

图像拟合模块40，其用于提取所述感兴趣区域中目标绳槽轮廓图像；拟合所述目标绳槽轮廓图像的上边界和下边界；具体的，采用模拟退火算法对目标绳槽图像的上边界和下边界进行拟合。

参数计算模块50，其用于将拟合后得到的目标绳槽轮廓按照预设数学模型，确定表征电梯曳引轮磨损量的参数，所述表征曳引轮磨损量的参数为所述待测目标图像中目标绳槽槽底到钢丝绳外缘间距。

所述预设数学模型为：

Z²(r+θ)²-r²(L-δ')²-r²Z²＝0

如图3所示，优选的，所述轮廓匹配模块包括：

特征计算模块31，其用于以预设标准曳引轮的绳槽轮廓形状为模板，计算出预设标准曳引轮的绳槽轮廓以及所述目标区域特征信息；

特征融合模块32，其用于融合所述特征信息，构建新的匹配特征向量，根据欧几里得距离确定所述目标区域中绳槽与所述预设标准曳引轮的绳槽轮廓匹配的相似度；

相似度计算模块33，其用于提取相似度最大值对应的目标绳槽图像，作为感兴趣区域。

所述相似度d的数学模型为：

表示预设标准曳引轮的绳槽轮廓对应的不变矩；

表示目标区域绳槽轮廓对应的不变矩；

表示预设标准曳引轮的绳槽轮廓对应的特征向量；

表示目标区域绳槽轮廓对应的特征向量。

示例性电子设备

下面，参考图9来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，该单机设备可以与可移动设备进行通信，以从它们接收所采集到的输入信号，并向其发送所选择的目标决策行为。

图9图示了根据本申请实施例的电子设备的框图。

如图9所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的决策行为决策方法以及/或者其他期望的功能。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。例如，该输入设备13可以包括例如车载诊断系统(OBD)、统一诊断服务(UDS)、惯性测量单元(IMU)、摄像头、激光雷达、毫米波雷达、超声波雷达、车载通信(V2X)等各种设备。该输入设备13还可以包括例如键盘、鼠标等等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图9中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的决策行为决策方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是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在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的决策行为决策方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。