具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意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、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种注射针加工废品的双向定位方法,其中,所述方法包括:
步骤S100:通过所述第一图像采集装置获得第一图像信息,所述第一图像信息为第一注射针的图像信息;
步骤S200:根据所述第一图像信息,获得所述第一注射针的第一结构信息;
具体而言,通过图像采集装置对生产线上的加工注射针进行图像采集,所述第一注射针的图像信息包括注射针的结构特征、颜色、长度大小以及注射针工件所在位置等。根据所述第一图像信息,获得注射针的结构信息,即注射针的表面结构信息,如注射针弯曲度、平滑度、针头形状等。
步骤S300:根据所述第一结构信息,确定所述第一注射针的弯曲值指标、毛刺值指标和针头形状指标;
具体而言,所述第一注射针的弯曲值指标为注射针针头的弯曲程度,弯曲程度过大会影响注射针针尖的锋利度,降低其刺穿力。所述毛刺值指标为注射针针头的毛刺程度,会影响注射针使用质量,造成使用缺陷。所述针头形状指标为注射针针头大小形状,针头形状过大会对患者造成伤害,且针头规格也不符合质量生产标准。
进一步而言,其中,所述弯曲值指标,本申请实施例步骤S300还包括:
步骤S310:根据所述第一结构信息,获得所述第一注射针的长度信息;
步骤S320:根据第一注射针产品要求,确定弯曲检测精度;
步骤S330:根据所述弯曲检测精度,对所述第一注射针的横向弯曲值进行检测计算,获得第一弯曲间隙值;
步骤S340:根据所述第一弯曲间隙值和所述第一注射针的长度信息的比例,获得所述第一注射针的弯曲值指标。
具体而言,根据所述注射针的结构确定所述注射针的长度,所述第一注射针产品要求为注射针产品加工的生产要求,根据所述产品要求,确定对注射针的弯曲检测精度。按照所述弯曲检测精度,对所述第一注射针的横向弯曲值进行检测计算,获得第一弯曲间隙值,即注射针的弯曲长度,表明注射针的弯曲程度。所述第一注射针的弯曲值指标计算公式为所述第一弯曲间隙值和所述第一注射针的长度信息的比例大小,通过计算获得注射针弯曲值。达到通过计算对注射针的弯曲程度确定更加准确,以对后续注射针质量进行精确把控的技术效果。
步骤S400:获得所述弯曲值指标的第一外观卷积特征、所述毛刺值指标的第二外观卷积特征,所述针头形状指标的第三外观卷积特征;
具体而言,卷积神经网络是一种具有局部连接、权值共享等特点的深层前馈神经网络,在图像和视频分析领域,比如图像分类、目标检测、图像分割等各种视觉任务上取得了显著的效果,是目前应用最广泛的模型之一。卷积神经网络,从字面上包括两个部分:卷积+神经网络。其中,卷积就是特征提取器,而神经网络,可以看作分类器。训练一个卷积神经网络,就是同时训练了特征提取器(卷积)和后面的分类器(神经网络)。通过卷积神经网络分别对各指标特征进行提取分类,获得所对应的所述弯曲值指标的外观卷积特征、所述毛刺值指标的外观卷积特征和所述针头形状指标的外观卷积特征。
步骤S500:根据所述第一外观卷积特征、所述第二外观卷积特征和所述第三外观卷积特征,获得第一外观特征结果;
进一步而言,其中,所述根据所述第一外观卷积特征、所述第二外观卷积特征和所述第三外观卷积特征,获得第一外观特征结果,本申请实施例步骤S500还包括:
步骤S510:将所述弯曲值指标作为第一外观特征、所述毛刺值指标作为第二外观特征和所述针头形状指标作为第三外观特征;
步骤S520:分别对所述第一外观卷积特征和所述第一外观特征、所述第二外观卷积特征和所述第二外观特征、所述第三外观卷积特征和所述第三外观特征进行遍历的卷积运算,获得对应的第一卷积结果、第二卷积结果和第三卷积结果;
步骤S530:对所述第一卷积结果、所述第二卷积结果和所述第三卷积结果进行结果融合分析,获得第一外观特征结果。
具体而言,将所述弯曲值指标、所述毛刺值指标和所述针头形状指标分别作为注射针的外观特征,并分别对所述第一外观卷积特征和所述第一外观特征、所述第二外观卷积特征和所述第二外观特征、所述第三外观卷积特征和所述第三外观特征进行遍历的卷积运算,可获得对应的第一卷积结果、第二卷积结果和第三卷积结果,对所述第一卷积结果、所述第二卷积结果、所述第三卷积结果进行融合分析,生成第一外观特征结果,所述第一外观特征结果是经过卷积神经网络进行特征训练后的结果。达到通过卷积神经网络的方式对注射针的外观特征进行分析,以用于后续对注射针质量的评估结果更加准确的技术效果。
步骤S600:通过所述第二图像采集装置获得第二图像信息,所述第二图像信息为所述第一注射针的不同角度的图像信息;
具体而言,通过图像采集装置从不同角度对注射针进行图像采集,即采用双向定位的方式更加有效的对注射针的结构和位置进行确定,如可采用从注射针针座方向进行图像采集,通过双向定位对注射针位置进行确定,以分析其质量是否达标。
步骤S700:对所述第二图像信息进行图像分割,获得所述第一注射针的相对位置;
进一步而言,其中,所述对所述第二图像信息进行图像分割,获得所述第一注射针的相对位置,本申请实施例步骤S700还包括:
步骤S710:通过大数据构建注射针装配特征数据库;
步骤S720:对所述第二图像信息进行图像分割,获得N个子图像像素信息;
步骤S730:按照所述N个子图像像素信息中各点图像像素大小进行分类,获得各类别图像像素信息;
步骤S740:根据所述各类别图像像素信息,获得第一注射针装配情况;
步骤S750:通过所述第一注射针装配情况和所述注射针装配特征数据库的比对,获得第一注射针装配特征;
步骤S760:根据所述第一注射针装配特征,确定所述第一注射针的相对位置。
具体而言,通过大数据构建注射针装配特征数据库,所述注射针装配特征数据库包括针座针头大小装配、方向装配、规格装配等装配特征。图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程,是由图像处理到图像分析的关键步骤,对所述第二图像信息进行图像分割,获得N个子图像像素信息,按照所述N个子图像像素信息中各点图像像素大小进行分类,获得各类别图像像素信息,如针座图像、针头图像、针座针头装配图像等。根据所述各类别图像像素信息,判断分析注射针的装配情况,如装配位置不合格情况。通过所述第一注射针装配情况和所述注射针装配特征数据库的比对,获得所述注射针的装配特征,并根据装配特征确定所述第一注射针的相对位置。达到采用图像分割分析处理技术,对注射针的装配特征分析更加准确,以对注射针的相对位置进行准确定位的技术效果。
步骤S800:将所述第一外观特征结果和所述第一注射针的相对位置输入注射针质量评估模型,获得第一注射针质量评估结果;
进一步而言,其中,所述将所述第一外观特征结果和所述第一注射针的相对位置输入注射针质量评估模型,获得第一注射针质量评估结果,本申请实施例步骤S800还包括:
步骤S810:将所述第一外观特征结果和所述第一注射针的相对位置作为输入信息,输入至所述注射针质量评估模型;
步骤S820:所述注射针质量评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一外观特征结果、所述第一注射针的相对位置和用来标识第一注射针质量评估结果的标识信息;
步骤S830:获得所述注射针质量评估模型中第一输出结果,所述第一输出结果包括所述第一注射针质量评估结果。
具体而言,所述注射针质量评估模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一外观特征结果和所述第一注射针的相对位置输入神经网络模型,则输出所述第一注射针质量评估结果。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一外观特征结果、所述第一注射针的相对位置和用来标识第一注射针质量评估结果的标识信息,将所述第一外观特征结果和所述第一注射针的相对位置输入到神经网络模型中,根据用来标识第一注射针质量评估结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的所述第一注射针质量评估结果信息更加合理、准确,进而达到对注射针的质量评估更加准确,以确定注射针产品加工中废品的技术效果。
步骤S900:获得注射针质量规格要求标准;
步骤S1000:对所述第一注射针质量评估结果和所述注射针质量规格要求标准的差异性进行计算,获得第一注射针质量差异率;
具体而言,所述注射针质量规格要求标准为注射针产品生产要求,包括注射针规格、针座针头装配度、弯曲度、注射针形状等。对所述第一注射针质量评估结果和所述注射针质量规格要求标准的差异性进行计算,分析产品和要求之间的质量差异性,获得所述第一注射针质量差异率。
步骤S1100:如果所述第一注射针质量差异率大于预定质量差异率,获得第一剔除指令;
步骤S1200:根据所述第一注射针的图像信息和所述第一注射针的相对位置,对所述第一注射针进行定位,获得第一注射针位置;
步骤S1300:根据所述第一剔除指令,将所述第一注射针从所述第一注射针位置进行剔除处理。
具体而言,判断所述第一注射针质量差异率是否大于预定质量差异率,如果所述第一注射针质量差异率大于预定质量差异率,即注射针加工产品质量不满足生产要求,为生产废品。根据所述第一注射针的图像信息所采集到的注射针工件位置和所述第一注射针的相对位置,对所述第一注射针进行双向定位,获得对应的注射针位置。最后根据所述第一剔除指令,将注射针生产废品从双向定位的位置中进行剔除处理,保证注射针产品合格率。
进一步而言,本申请实施例步骤S760还包括:
步骤S761:获得所述第一注射针的检测速度和所述第一注射针的传送速度;
步骤S762:根据所述第一注射针的检测速度和所述第一注射针的传送速度的差值,获得所述第一注射针的相对速度;
步骤S763:根据所述第一注射针的相对速度和所述第二图像信息的分辨率,获得第一检测灵敏度;
步骤S764:根据所述第一检测灵敏度,对所述第一注射针的相对位置进行修正。
具体而言,所述第一注射针的检测速度为注射针产品质量的检测速度,所述第一注射针的传送速度为注射针产品在生产传送带上的传送速度。根据所述第一注射针的检测速度和所述第一注射针的传送速度的差值,计算获得所述第一注射针的相对速度,所述第二图像信息的分辨率为采集注射针产品相对位置的图片像素大小。通过注射针产品的相对速度和采集图像分辨率,获得注射针产品质量检测灵敏程度,并根据所述灵敏度对所述第一注射针的相对位置进行修正。达到考虑产品检测灵敏度对注射针质量评估的影响,进而使得对注射针相对位置的确定更加准确的技术效果。
进一步而言,本申请实施例步骤S340还包括:
步骤S341:根据所述弯曲检测精度,获得所述第一注射针的弯曲转动角度;
步骤S342:根据所述弯曲转动角度,确定对应的弯曲曲线函数;
步骤S343:根据所述弯曲曲线函数,对所述第一注射针的横向弯曲值进行积分叠加,获得所述第一注射针的第一弯曲间隙值。
具体而言,所述第一注射针的弯曲转动角度为注射针产品的弯曲转动角度,按照所述弯曲检测精度检测确定,根据所述弯曲转动角度,确定对应的弯曲曲线函数,即弯曲曲线方程。根据所述弯曲曲线函数,对所述第一注射针的横向弯曲值进行积分,并且进行积分叠加,获得叠加后的积分值即所述第一注射针的第一弯曲间隙值。达到通过对弯曲曲线进行叠加的方式计算注射针值弯曲间隙,以对注射针的弯曲程度确定更加准确的技术效果。
综上所述,本申请实施例所提供的一种注射针加工废品的双向定位方法及系统具有如下技术效果:
由于采用了根据所述第一结构信息,确定所述第一注射针的弯曲值指标、毛刺值指标和针头形状指标;获得所述弯曲值指标的第一外观卷积特征、所述毛刺值指标的第二外观卷积特征,所述针头形状指标的第三外观卷积特征;根据所述第一外观卷积特征、所述第二外观卷积特征和所述第三外观卷积特征,获得第一外观特征结果;对所述第二图像信息进行图像分割,获得所述第一注射针的相对位置;将所述第一外观特征结果和所述第一注射针的相对位置输入注射针质量评估模型,获得第一注射针质量评估结果;对所述第一注射针质量评估结果和所述注射针质量规格要求标准的差异性进行计算,获得第一注射针质量差异率;如果所述第一注射针质量差异率大于预定质量差异率,获得第一剔除指令;根据所述第一注射针的图像信息和所述第一注射针的相对位置,对所述第一注射针进行定位,获得第一注射针位置;根据所述第一剔除指令,将所述第一注射针从所述第一注射针位置进行剔除处理。进而达到通过对注射针废品进行双向定位,避免人工工作效率低,提高产品加工效果,从而提高产品质量合格率的技术效果。
实施例二
基于与前述实施例中一种注射针加工废品的双向定位方法同样发明构思,本发明还提供了一种注射针加工废品的双向定位系统,如图8所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过第一图像采集装置获得第一图像信息,所述第一图像信息为第一注射针的图像信息;
第二获得单元12,所述第二获得单元12用于根据所述第一图像信息,获得所述第一注射针的第一结构信息;
第一确定单元13,所述第一确定单元13用于根据所述第一结构信息,确定所述第一注射针的弯曲值指标、毛刺值指标和针头形状指标;
第三获得单元14,所述第三获得单元14用于获得所述弯曲值指标的第一外观卷积特征、所述毛刺值指标的第二外观卷积特征,所述针头形状指标的第三外观卷积特征;
第四获得单元15,所述第四获得单元15用于根据所述第一外观卷积特征、所述第二外观卷积特征和所述第三外观卷积特征,获得第一外观特征结果;
第五获得单元16,所述第五获得单元16用于通过第二图像采集装置获得第二图像信息,所述第二图像信息为所述第一注射针的不同角度的图像信息;
第六获得单元17,所述第六获得单元17用于对所述第二图像信息进行图像分割,获得所述第一注射针的相对位置;
第七获得单元18,所述第七获得单元18用于将所述第一外观特征结果和所述第一注射针的相对位置输入注射针质量评估模型,获得第一注射针质量评估结果;
第八获得单元19,所述第八获得单元19用于获得注射针质量规格要求标准;
第九获得单元20,所述第九获得单元20用于对所述第一注射针质量评估结果和所述注射针质量规格要求标准的差异性进行计算,获得第一注射针质量差异率;
第十获得单元21,所述第十获得单元21用于如果所述第一注射针质量差异率大于预定质量差异率,获得第一剔除指令;
第十一获得单元22,所述第十一获得单元22用于根据所述第一注射针的图像信息和所述第一注射针的相对位置,对所述第一注射针进行定位,获得第一注射针位置;
第一剔除单元23,所述第一剔除单元23用于根据所述第一剔除指令,将所述第一注射针从所述第一注射针位置进行剔除处理。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于通过大数据构建注射针装配特征数据库;
第十二获得单元,所述第十二获得单元用于对所述第二图像信息进行图像分割,获得N个子图像像素信息;
第十三获得单元,所述第十三获得单元用于按照所述N个子图像像素信息中各点图像像素大小进行分类,获得各类别图像像素信息;
第十四获得单元,所述第十四获得单元用于根据所述各类别图像像素信息,获得第一注射针装配情况;
第十五获得单元,所述第十五获得单元用于通过所述第一注射针装配情况和所述注射针装配特征数据库的比对,获得第一注射针装配特征;
第二确定单元,所述第二确定单元用于根据所述第一注射针装配特征,确定所述第一注射针的相对位置。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一注射针的检测速度和所述第一注射针的传送速度;
第十七获得单元,所述第十七获得单元用于根据所述第一注射针的检测速度和所述第一注射针的传送速度的差值,获得所述第一注射针的相对速度;
第十八获得单元,所述第十八获得单元用于根据所述第一注射针的相对速度和所述第二图像信息的分辨率,获得第一检测灵敏度;
第一修正单元,所述第一修正单元用于根据所述第一检测灵敏度,对所述第一注射针的相对位置进行修正。
进一步的,所述系统还包括:
第一特征单元,所述第一特征单元用于将所述弯曲值指标作为第一外观特征、所述毛刺值指标作为第二外观特征和所述针头形状指标作为第三外观特征;
第十九获得单元,所述第十九获得单元用于分别对所述第一外观卷积特征和所述第一外观特征、所述第二外观卷积特征和所述第二外观特征、所述第三外观卷积特征和所述第三外观特征进行遍历的卷积运算,获得对应的第一卷积结果、第二卷积结果和第三卷积结果;
第二十获得单元,所述第二十获得单元用于对所述第一卷积结果、所述第二卷积结果和所述第三卷积结果进行结果融合分析,获得第一外观特征结果。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于根据所述第一结构信息,获得所述第一注射针的长度信息;
第三确定单元,所述第三确定单元用于根据第一注射针产品要求,确定弯曲检测精度;
第二十二获得单元,所述第二十二获得单元用于根据所述弯曲检测精度,对所述第一注射针的横向弯曲值进行检测计算,获得第一弯曲间隙值;
第二十三获得单元,所述第二十三获得单元用于根据所述第一弯曲间隙值和所述第一注射针的长度信息的比例,获得所述第一注射针的弯曲值指标。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于根据所述弯曲检测精度,获得所述第一注射针的弯曲转动角度;
第四确定单元,所述第四确定单元用于根据所述弯曲转动角度,确定对应的弯曲曲线函数;
第二十五获得单元,所述第二十五获得单元用于根据所述弯曲曲线函数,对所述第一注射针的横向弯曲值进行积分叠加,获得所述第一注射针的第一弯曲间隙值。
进一步的,所述系统还包括:
第一输入单元,所述第一输入单元用于将所述第一外观特征结果和所述第一注射针的相对位置作为输入信息,输入至所述注射针质量评估模型;
第二十六获得单元,所述第二十六获得单元用于所述注射针质量评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一外观特征结果、所述第一注射针的相对位置和用来标识第一注射针质量评估结果的标识信息;
第二十七获得单元,所述第二十七获得单元用于获得所述注射针质量评估模型中第一输出结果,所述第一输出结果包括所述第一注射针质量评估结果。
前述图1实施例一中的一种注射针加工废品的双向定位方法的各种变化方式和具体实例同样适用于本实施例的一种注射针加工废品的双向定位系统,通过前述对一种注射针加工废品的双向定位方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种注射针加工废品的双向定位系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述注射针加工废品的双向定位方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图9所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述注射针加工废品的双向定位方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,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,所述计算机程序被处理器执行时实现上述注射针加工废品的双向定位方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例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实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。