CN114646344A - 基于工业大数据的封头热处理加工性能分析方法及系统 - Google Patents

Abstract

本发明涉及电数字数据处理和工业大数据处理技术领域，具体涉及一种基于工业大数据的封头热处理加工性能分析方法及系统。该方法通过工业物联网信息感知、传感技术服务等物联网技术服务采集多种工业信息。通过对工业信息的数据处理，获得待检测批次的整体性能合格程度和冷却结果均匀性，进一步获得该批次的整体质量。本发明通过包含数据处理算法的工业人工智能系统对工业数据进行分析，并结合工业大数据库对一个批次内的封头进行整体质量分析，通过对工业数据的处理和换算统计实现了对于加工过程中封头产品质量的快速准确的分析过程。

Description

基于工业大数据的封头热处理加工性能分析方法及系统

技术领域

本发明涉及电数字数据处理和工业大数据处理技术领域，具体涉及一种基于工业大数据的封头热处理加工性能分析方法及系统。

背景技术

热处理为材料在固体状态下，通过加热、保温和冷却的手段，以获得预期组织和性能的一种金属热加工工艺。在从石器时代进展到铜器时代和铁器时代的过程中，热处理的作用逐渐为人们所熟练运用。

封头作为容器的常见部件，同样在生产过程中需要通过热处理工艺对封头产品进行形态塑造和性能增强。在封头热处理加工过程中，封头的材质属性会发生变化，而由于封头大多为弧形的半圆环，每一部分的温度变化不一致，并且因为热处理过程中的冷却工艺，在温度下降过程中由于热胀冷缩导致封头的形态发生变化，最终会影响部分封头产品的质量。如果不能快速对封头产品的质量进行评估，则会直接影响产品的销售情况，产生经济损失。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于工业大数据的封头热处理加工性能分析方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于工业大数据的封头热处理加工性能分析方法，所述方法包括：

获取待检测批次中每个待检测封头的封头图像；根据所述封头图像获得所述待检测封头的形态信息；根据所述形态信息获得椭圆度；获得所述检测封头的冲压深度；

根据所述检测封头之间的形态信息差异、冲压深度差异和所述椭圆度差异获得形态相似度；以所述待检测批次中的形态相似度均值作为冷却结果均匀性；

根据所述冷却结果均匀性的大小获得抽样数量，对所述待检测批次进行随机抽样；获得每个抽样待检测封头的受击时的声音序列和刚度系数；通过数据库获得标准封头的标准刚度系数和标准声音序列；根据所述刚度系数与所述标准刚度系数的差异和所述声音序列与所述标准声音序列的差异获得每个所述抽样待检测封头的性能合格程度；根据每个所述性能合格程度与预设期望性能合格程度的差异获得整体性能合格程度；

以所述整体性能合格程度、所述冷却结果均匀性和所述性能合格程度的平均值的乘积作为所述待检测批次的整体质量。

进一步地，所述根据所述封头图像获得所述待检测封头的形态信息包括：

获得所述封头图像中的边缘轮廓；根据所述边缘轮廓进行椭圆曲线拟合，获得所述边缘轮廓的长轴和短轴；以所述长轴和所述短轴作为所述形态信息。

进一步地，所述根据所述形态信息获得椭圆度包括：

获得所述长轴和短轴的长度差异，以所述长度差异与预设标准外径的比值作为所述椭圆度。

进一步地，所述根据所述检测封头之间的形态信息差异、冲压深度差异和所述椭圆度差异获得形态相似度包括：

根据形态相似度公式获得所述形态相似度，所述形态相似度公式包括：

其中，M(A,B)为检测封头A与检测封头B的所述形态相似度，

为检测封头A的所述长轴，

为检测封头B的所述长轴，

为检测封头A的所述短轴，

为检测封头B的所述短轴，H_A为检测封头A的所述冲压深度，H_B为检测封头B的所述冲压深度，ΔD_A为检测封头A的所述椭圆度，ΔD_B为检测封头B的所述椭圆度。

进一步地，所述根据所述冷却结果均匀性的大小获得抽样数量包括：

根据抽样数量公式获得所述抽样数量，所述抽样数量公式包括：

X＝Rounding[γ*10^-J]

其中，X为所述抽样数量，Rounding[]为就近取整函数，γ为预设抽样基数，J为所述冷却结果均匀性。

进一步地，所述对所述待检测批次进行随机抽样包括：

若所述冷却结果均匀性小于预设均匀性阈值，则根据所述形态相似度对所述待检测封头进行分组，获得异常封头组和正常封头组；

若所述异常封头组内的样本数量小于所述抽样数量，则将所述异常封头组内的所有样本作为所述抽样待检测封头；将所述抽样数量与所述异常封头组内的样本数量的差值作为所述正常封头组的随机抽样样本量，获得所述抽样待检测封头；

若所述异常封头组内的样本数量不小于所述抽样数量，则将所述异常封头组内的所有样本作为所述抽样待检测封头，在所述正常封头组内根据预设抽样量进行随机抽样，获得所述抽样待检测封头。

进一步地，获得每个抽样待检测封头的刚度系数包括：

将所述抽样待检测封头放置于轧机辊缝中，获得辊缝变化值和轧机轧制力变化值；以所述辊缝变化值和所述轧机轧制力变化值的比值作为所述刚度系数。

进一步地，所述根据所述刚度系数与所述标准刚度系数的差异和所述声音序列与所述标准声音序列的差异获得每个所述抽样待检测封头的性能合格程度：

根据性能合格程度公式获得所述性能合格程度，所述性能合格程度公式包括：

其中，G_i为第i个所述抽样待检测封头的所述性能合格程度，Voice_i为第i个所述抽样待检测封头的所述声音序列，Voice标为所述标准声音序列，K_i为第i个所述抽样待检测封头的所述刚度系数，K标为所述标准刚度系数。

进一步地，所述根据每个所述性能合格程度与预设期望性能合格程度的差异获得整体性能合格程度包括：

根据整体性能合格程度公式获得所述整体性能合格程度，所述整体性能合格程度公式包括：

其中，H为所述整体性能合格程度，X为所述抽样数量，G_i为第i个所述抽样待检测封头的所述性能合格程度，α为所述期望性能合格程度。

本发明还提出了一种基于工业大数据的封头热处理加工性能分析系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述一种基于工业大数据的封头热处理加工性能分析方法的步骤。

本发明具有如下有益效果：

1.本发明实施例通过工业物联网技术采集待检测封头产品的各种工业数据，对一个待检测批次内封头之间的形态相似度和封头的性能进行有效评估，实现了根据工业数据对封头产品质量的换算统计，通过整体性能质量进行量化，能够直观且快速的对当前产品进行有效的质量评估。

2.本发明实施例通过工业大数据的数据库中获得标准封头的标准刚度系数和标准声音序列，以标准封头的数据作为参考获得性能合格程度。性能合格程度经过统计数据的量化后更直观的表现了封头的性能质量且参考性强。

3.本发明实施例通过对一个待检测批次内封头性能的抽样调查，加快了分析速度和分析效率，使得对封头加工性能的分析过程即保证了科学合理性又保证了分析过程的速度和效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。

图1为本发明一个实施例所提供的一种基于工业大数据的封头热处理加工性能分析方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于工业大数据的封头热处理加工性能分析方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于工业大数据的封头热处理加工性能分析方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于工业大数据的封头热处理加工性能分析方法流程图，该方法包括：

步骤S1：获取待检测批次中每个待检测封头的封头图像；根据封头图像获得待检测封头的形态信息；根据形态信息获得椭圆度；获得检测封头的冲压深度。

本发明实施例通过在检测台上方部署工业相机，自上而下的对待检测批次中的每个待检测封头进行图像采集，获得封头图像。需要说明的是，待检测批次量可根据封头生产量自行设置，应避免批次量过大导致的处理器的运算压力超负荷，影响分析效率。

封头图像中包含待检测封头的边缘轮廓信息，获得封头图像中的边缘轮廓，根据该边缘轮廓进行曲线拟合可获得对应待检测封头的椭圆曲线。通过椭圆曲线的长轴和短轴作为该待检测封头的形态信息。

在本发明实施例中，通过常规的边缘检测算子对封头图像进行处理，获得的梯度边缘即为边缘轮廓。边缘检测技术为本领域技术人员熟知的技术手段，在此不做赘述。

根据长短轴之间的长度差异可获得待检测封头的椭圆度，以长度差异与预设标准外径的比值作为椭圆度。需要说明的是，标准外径可根据待检测批次中的封头参数进行自行设定，不同封头的规格可设定不同的标准外径，在此不做限定。

因为封头通常为弧形的半圆环，因此封头在生产过程中的冲压深度也是重要的形态特征。本发明实施例通过红外测距仪对封头中心进行测量，确定封头的内深，以内深作为生产时的冲压深度。

步骤S2：根据检测封头之间的形态信息差异、冲压深度差异和椭圆度差异获得形态相似度；以待检测批次中的形态相似度均值作为冷却结果均匀性。

在生产过程中可能因为热处理加工过程中的工艺误差，导致同一批次中的封头出现形态上的差异，形态上的差异同样可以表示当前生产批次内的产品质量，因此需要对一个待检测批次中的所有封头之间的形态相似度进行统计。具体包括：

根据形态相似度公式获得形态相似度，形态相似度公式包括：

其中，M(A,B)为检测封头A与检测封头B的形态相似度，

为检测封头A的长轴，

为检测封头B的长轴，

为检测封头A的短轴，

为检测封头B的短轴，H_A为检测封头A的冲压深度，H_B为检测封头B的冲压深度，ΔD_A为检测封头A的椭圆度，ΔD_B为检测封头B的椭圆度。

形态相似度公式通过每个形态特征的差异对形态相似度进行统计量化，通过量化指标能够直观的表示两个待检测封头之间的形态相似度。两个待检测封头的形态相似度越接近于1，说明两个待检测封头形态越相似；越接近于0，说明两个待检测封头形态越不相似。

以待检测批次中的形态相似度均值可作为该待检测批次的冷却结果均匀性。冷却结果均匀性表示封头在经过冷却工艺将形态固定后，在一个待检测批次中封头形态相似度之间分布的均匀性。如果待检测批次中待检测封头之间的形态相似度均接近1，则对应的冷却结果均匀性也接近于1，说明在该批次中封头的形态均匀，不存在或者存在少量的形态异常封头；反之，如果待检测批次中存在大量的异常封头，则对应的冷却结果均匀性会接近于0。

步骤S3：根据冷却结果均匀性的大小获得抽样数量，对待检测批次进行随机抽样；获得每个抽样待检测封头的受击时的声音序列和刚度系数；通过数据库获得标准封头的标准刚度系数和标准声音序列；根据刚度系数与标准刚度系数的差异和声音序列与标准声音序列的差异获得每个抽样待检测封头的性能合格程度；根据每个性能合格程度与预设期望性能合格程度的差异获得整体性能合格程度。

对封头的质量分析不仅需要分析封头加工后的形态，还需要分析封头的性能。可通过封头受击时产生的声音数据表示封头内部构造情况；通过封头受到挤压时的刚性数据表示封头的硬度。利用内部构造情况和硬度可反映封头的性能，即内部构造越紧密，硬度越好则性能越好。

但是在性能分析时，需要对封头进行敲击和挤压处理，会对封头造成使用痕迹和破坏性损失，因此不能对待检测批次中所有的待检测封头都进行分析，需要随机抽样多个封头进行性能分析。

可根据冷却结果均匀性的大小获得抽样数量。冷却结果均匀性越大，说明生产过程中封头产品之间不会存在较大差异，可根据少量的抽样数量对封头进行性能分析；反之，冷却结果均匀性越小，说明生产过程中异常封头越多，在性能分析时需要扩大抽样数量保证样本的合理性。抽样数量的具体获取方法包括：

根据抽样数量公式获得抽样数量，抽样数量公式包括：

X＝Rounding[γ*10^-J]

其中，X为抽样数量，Rounding[]为就近取整函数，γ为预设抽样基数，J为冷却结果均匀性。在本发明实施例中，抽样基数设置为50个，当冷却结果均匀性为1时，说明待检测批次中的形态分布均匀，抽样数量最小，即在待检测批次中随机抽样5个封头进行性能检测。

由抽样数量公式可知，冷却结果均匀性与抽样数量呈反比关系。且抽样数量大小不会超过抽样基数，以免对封头的过量浪费。

优选的，为了在性能分析时对待检测批次内形态异常的封头着重分析，在对待检测批次进行随机抽样过程中包括：

若冷却结果均匀性小于预设均匀性阈值，则根据形态相似度对待检测封头进行分组，获得异常封头组和正常封头组。

在本发明实施例中，将形态相似度转换至差异距离，根据形态距离采用密度聚类算法对待检测封头进行分组。差异距离与形态相似度呈负相关关系，即形态相似度越大，则两个封头之间的差异距离越小。因为形态相似度的取值区间为[0,1]，因此以一减去形态相似度作为差异距离。

需要说明的是，在获得异常封头组后可针对异常封头组重新进行检测分析，防止误检。

若异常封头组内的样本数量小于抽样数量，则将异常封头组内的所有样本作为抽样待检测封头。将抽样数量与异常封头组内的样本数量的差值作为正常封头组的随机抽样样本量，获得抽样待检测封头。

若异常封头组内的样本数量不小于抽样数量，则将异常封头组内的所有样本作为抽样待检测封头，在正常封头组内根据预设抽样量进行随机抽样，获得抽样待检测封头。在本发明实施例中，抽样量设置为3。

需要说明的是，若冷却结果均匀性不小于预设均匀性阈值，则对待检测批次进行常规的随机抽样。在本发明实施例中，均匀性阈值设置为0.8，

根据抽样得到的抽样待检测封头可进行性能分析，获得每个抽样待检测封头受击时的声音序列和刚度系数。

在本发明实施例中，将抽样待检测封头放置在放置在隔音空间中，隔音空间中设置声音传感器，且需要保证待检测封头可以通过振动产生声音。利用硬质材料对抽样待检测封头进行敲击，采集敲击过程中的声音序列，敲击频率为5Hz，敲击一共持续10秒，在敲击前两秒开始进行声音采集，敲击结束后两秒结束采集，获得声音序列。

刚度系数的获取过程具体包括：

将抽样待检测封头放置于轧机辊缝中，获得辊缝变化值和轧机轧制力变化值；以辊缝变化值和轧机轧制力变化值的比值作为刚度系数。在本发明实施例中，轧机选用常规轧机，且轧机的轧制力检测为本领域技术人员熟知的技术手段，在此不做赘述。

需要说明的是，声音序列和刚度系数与步骤S1中待检测封头的形态信息和冲压深度都通过工业环境下的工业物联网获得，即各种工业数据的采集设备或者传感器都通过工业物联网相连接，并通过处理终端对数据进行处理。

为了更科学的进行性能分析，在工业大数据库中选择性能最优的标准封头的标准刚度系数和标准声音序列作为性能分析的参考信息。根据刚度系数与标准刚度系数的差异和声音序列与标准声音序列的差异获得每个抽样待检测封头的性能合格程度，具体包括：

根据性能合格程度公式获得性能合格程度，性能合格程度公式包括：

其中，G_i为第i个抽样待检测封头的性能合格程度，Voice_i为第i个抽样待检测封头的声音序列，Voice标为标准声音序列，K_i为第i个抽样待检测封头的刚度系数，K标为标准刚度系数，MSD()为形态相似距离计算函数。性能合格程度的取值区间为[0,1]，即越接近1则对应的封头越合格。

性能合格程度公式通过刚度系数差异和声音序列差异将抽样待检测封头的性能进行统计量化，直观的反映了封头的性能同时方便了后续对待检测批次整体性能的分析。

对所以抽样待检测封头的性能合格度进行联合分析，通过与期望性能合格程度的差异获得待检测批次的整体性能合格程度，即该差异越大则整体性能合格程度越小，具体包括：

根据整体性能合格程度公式获得整体性能合格程度，整体性能合格程度公式包括：

其中，H为整体性能合格程度，X为抽样数量，G_i为第i个抽样待检测封头的性能合格程度，α为期望性能合格程度。在本发明实施例中，期望性能合格程度设置为1。

整体性能合格程度公式中，

可视为抽样待检测封头与期望性能合格程度的均方误差，即均方误差越大，说明多个抽样待检测封头的性能越差，则对应的整体性能合格程度越小。

步骤S4：以整体性能合格程度、冷却结果均匀性和性能合格程度的平均值的乘积作为待检测批次的整体质量。

将整体性能合格程度、冷却结果均匀性和抽样待检测封头的性能合格程度的平均值联合分析，即以其乘积作为待检测批次的整体质量，通过将工业信息进行处理及量化实现了基于工业信息及工业大数据的电数字数据处理和换算统计。

通过多个待检测批次的整体质量可分析当前封头热处理加工生产周期中的质量，可根据实际任务需求设置质量阈值，根据质量阈值分析各个批次的整体质量大小，从而对热处理加工生产环境进行优化或者改良。

综上所述，本发明实施例通过检测待检测批次中封头的形态工业数据，对待检测批次中封头的形态相似度进行分析，获得待检测批次的冷却结果均匀性。对待检测批次随机抽样并获取抽样样本的性能工业数据，结合工业大数据库中的标准数据对抽样样本的性能进行分析，进而获得待检测批次的整体性能合格程度。结合整体性能合格程度、冷却结果均匀性和抽样样本的性能合格程度的平均值获得该批次的整体质量。本发明实施例通过工业数据分析并结合工业大数据库对一个批次内的封头进行整体质量分析，通过对工业数据的处理和换算统计实现了快速准确的分析过程。

本发明还提出了一种基于工业大数据的封头热处理加工性能分析系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现一种基于工业大数据的封头热处理加工性能分析方法的步骤。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述方法包括：

获取待检测批次中每个待检测封头的封头图像；根据所述封头图像获得所述待检测封头的形态信息；根据所述形态信息获得椭圆度；获得所述检测封头的冲压深度；

根据所述检测封头之间的形态信息差异、冲压深度差异和所述椭圆度差异获得形态相似度；以所述待检测批次中的形态相似度均值作为冷却结果均匀性；

根据所述冷却结果均匀性的大小获得抽样数量，对所述待检测批次进行随机抽样；获得每个抽样待检测封头的受击时的声音序列和刚度系数；通过数据库获得标准封头的标准刚度系数和标准声音序列；根据所述刚度系数与所述标准刚度系数的差异和所述声音序列与所述标准声音序列的差异获得每个所述抽样待检测封头的性能合格程度；根据每个所述性能合格程度与预设期望性能合格程度的差异获得整体性能合格程度；

以所述整体性能合格程度、所述冷却结果均匀性和所述性能合格程度的平均值的乘积作为所述待检测批次的整体质量。

2.根据权利要求1所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据所述封头图像获得所述待检测封头的形态信息包括：

获得所述封头图像中的边缘轮廓；根据所述边缘轮廓进行椭圆曲线拟合，获得所述边缘轮廓的长轴和短轴；以所述长轴和所述短轴作为所述形态信息。

3.根据权利要求2所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据所述形态信息获得椭圆度包括：

获得所述长轴和短轴的长度差异，以所述长度差异与预设标准外径的比值作为所述椭圆度。

4.根据权利要求2所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据所述检测封头之间的形态信息差异、冲压深度差异和所述椭圆度差异获得形态相似度包括：

根据形态相似度公式获得所述形态相似度，所述形态相似度公式包括：

其中，M(A,B)为检测封头A与检测封头B的所述形态相似度，

为检测封头A的所述长轴，

为检测封头B的所述长轴，

为检测封头A的所述短轴，

为检测封头B的所述短轴，H_A为检测封头A的所述冲压深度，H_B为检测封头B的所述冲压深度，ΔD_A为检测封头A的所述椭圆度，ΔD_B为检测封头B的所述椭圆度。

5.根据权利要求1所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据所述冷却结果均匀性的大小获得抽样数量包括：

根据抽样数量公式获得所述抽样数量，所述抽样数量公式包括：

X＝Rounding[γ*10^-J]

其中，X为所述抽样数量，Rounding[]为就近取整函数，γ为预设抽样基数，J为所述冷却结果均匀性。

6.根据权利要求5所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述对所述待检测批次进行随机抽样包括：

若所述冷却结果均匀性小于预设均匀性阈值，则根据所述形态相似度对所述待检测封头进行分组，获得异常封头组和正常封头组；

若所述异常封头组内的样本数量小于所述抽样数量，则将所述异常封头组内的所有样本作为所述抽样待检测封头；将所述抽样数量与所述异常封头组内的样本数量的差值作为所述正常封头组的随机抽样样本量，获得所述抽样待检测封头；

若所述异常封头组内的样本数量不小于所述抽样数量，则将所述异常封头组内的所有样本作为所述抽样待检测封头，在所述正常封头组内根据预设抽样量进行随机抽样，获得所述抽样待检测封头。

7.根据权利要求1所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，获得每个抽样待检测封头的刚度系数包括：

将所述抽样待检测封头放置于轧机辊缝中，获得辊缝变化值和轧机轧制力变化值；以所述辊缝变化值和所述轧机轧制力变化值的比值作为所述刚度系数。

8.根据权利要求1所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据所述刚度系数与所述标准刚度系数的差异和所述声音序列与所述标准声音序列的差异获得每个所述抽样待检测封头的性能合格程度：

根据性能合格程度公式获得所述性能合格程度，所述性能合格程度公式包括：

其中，G_i为第i个所述抽样待检测封头的所述性能合格程度，Voice_i为第i个所述抽样待检测封头的所述声音序列，Voice_标为所述标准声音序列，K_i为第i个所述抽样待检测封头的所述刚度系数，K_标为所述标准刚度系数，MSD()为形态相似距离计算函数。

9.根据权利要求1所述的一种基于工业大数据的封头热处理加工性能分析方法，其特征在于，所述根据每个所述性能合格程度与预设期望性能合格程度的差异获得整体性能合格程度包括：

根据整体性能合格程度公式获得所述整体性能合格程度，所述整体性能合格程度公式包括：

其中，H为所述整体性能合格程度，X为所述抽样数量，G_i为第i个所述抽样待检测封头的所述性能合格程度，α为所述期望性能合格程度。

10.一种基于工业大数据的封头热处理加工性能分析系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～9任意一项所述方法的步骤。

Images