CN116028499B - 检测信息生成方法、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了检测信息生成方法、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取项目检测任务信息集合；对于每个项目检测任务信息，执行以下确定步骤：获取项目检测任务信息规范数据表；对项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息；获取实测数据序列；将每个实测数据分别与检测数据阈值进行对比，得到对比结果序列；确定项目检测任务信息的合格率；对检测人员进行实时定位；确定各个实测数据是否为真实数据；根据合格率序列、实时定位信息和实测数据序列，生成对应的检测信息。该实施方式可以实时记录分项工程的实测数据，实时判断实测数据的合格率，进而确保工程质量以及工程进度按时完成。

Description

检测信息生成方法、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及检测信息生成方法、电子设备和计算机可读介质。

背景技术

建设工程质量检测是检测工程质量的一个重要手段，贯穿于工程建设的各个环节，已经成为控制和评判工程质量的重要基础。对于工程部位的实测数据的填报和判断，通常采用的方式为：检测人员通过纸质文件进行工程部位的实测数据的填报，然后交由审核人员进行人工审核。

然而，发明人发现，当采用上述方式生成检测信息时，经常会存在如下技术问题：

第一，检测人员通过纸质文件对实测数据进行填报，但是由于纸质资料难以保存和流转，不能及时对实测数据进行审核，导致不能及时掌握工程进度，延长工程工期，增加工程建设成本。

第二，由于表格数据的结构复杂多样，通过人工对工程质量规范文档中的表格进行数据提取，导致工作量巨大，识别准确率较低，进而导致审核结果准确率较低，降低工程质量，增加工程建设成本。

第三，由于纸质资料不能确保实测数据的真实性，导致工程建设过程中出现质量问题时，无法鉴定责任主体，进而导致工程质量较低。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了检测信息生成方法、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种检测信息生成方法，该方法包括响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合；对于上述项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：获取与上述项目检测任务信息对应的项目检测任务信息规范数据表；对上述项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息，其中，上述项目检测任务规范信息包括：与上述项目检测任务信息对应的检测次数和检测数据阈值；获取与上述项目检测任务信息对应的实测数据序列，其中，上述实测数据序列中的实测数据的数目与上述检测次数相同；将上述实测数据序列中的每个实测数据分别与上述检测数据阈值进行对比，以生成对比结果，得到对比结果序列；根据上述对比结果序列，确定上述项目检测任务信息的合格率；对上述检测人员进行实时定位；根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，其中，上述真实数据表征上述实测数据序列是由上述检测人员实地检测后填写的真实数据；响应于确定上述实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和上述实测数据序列，生成对应的检测信息。

第二方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第三方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的检测信息生成方法可以实时记录分项工程的实测数据，实时审核实测数据的合格率，提高数据审核效率，进而确保工程质量以及工程进度按时完成。具体来说，造成相关的实测数据审核效率低的原因在于：检测人员通过纸质文件对实测数据进行填报，但是由于纸质资料难以保存和流转，不能及时对实测数据进行审核，导致不能及时掌握工程进度，延长工程工期，增加工程建设成本。基于此，本公开的一些实施例的检测信息生成方法可以首先，响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合。对于上述项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：获取与上述项目检测任务信息对应的项目检测任务信息规范数据表。在这里，得到的项目检测任务信息规范数据表用于后续提取项目检测任务规范信息。其次，对上述项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息，其中，上述项目检测任务规范信息包括：与上述项目检测任务信息对应的检测次数和检测数据阈值。在这里，得到的项目检测任务规范信息用于后续与实时检测数据自动进行判定，提高了检测数据的准确率，减少了人工工作量。再次，获取与上述项目检测任务信息对应的实测数据序列，其中，上述实测数据序列中的实测数据的数目与上述检测次数相同。将上述实测数据序列中的每个实测数据分别与上述检测数据阈值进行对比，以生成对比结果，得到对比结果序列。根据上述对比结果序列，确定上述项目检测任务信息的合格率。在这里，通过实时检测数据与规范数据进行对比，得到项目检测任务信息的合格率有利于确定工程检测部位是否符合规定，保证分项工程的质量。然后，对上述检测人员进行实时定位。根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，其中，上述真实数据表征上述实测数据序列是由上述检测人员实地检测后填写的真实数据。在这里，通过获取的检测人员的实时定位信息与分项工程的检测地点进行匹配，确定实测数据的真实性，便于确定实测数据的溯源性。最后，响应于确定上述实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和上述实测数据序列，生成对应的检测信息。在这里，得到的检测信息有利于资料的实时流转，便于相关人员的查阅。由此可得，该检测信息生成方法可以实时记录分项工程的实测数据，实时判断实测数据的合格率，进而确保工程质量以及工程进度按时完成。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的检测信息生成方法的一些实施例的流程图；

图2是适于用来实现本公开的一些实施例的电子设备的结构示意图。

实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开中所涉及的用户个人信息的收集、存储、使用等操作，在执行相应操作之前，相关组织或个人尽到包括开展个人信息安全影响评估、向个人信息主体履行告知义务、事先征得个人信息主体的授权同意等义务。

下面将参考附图并结合实施例来详细说明本公开。

继续参考图1，示出了根据本公开的检测信息生成方法的一些实施例的流程。该检测信息生成方法，包括以下步骤：

步骤101，响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合。

在一些实施例中，上述检测信息生成方法的执行主体可以响应于检测到检测人员的查询请求，通过有线连接方式或者无线连接方式来获取目标项目对应的项目检测任务信息集合。目标项目可以是需要进行检测的分项工程中的实体检测项目。例如，目标项目可以是防水层实测项目。上述项目检测任务信息集合可以是分项工程中需要检测的项目的检测部位的项目信息集合。例如，项目检测任务信息集合可以包括：搭接长度、缝宽、固定点间距和焊缝密实性。

在一些实施例的一些可选的实现方式中，在上述响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合之前，上述方法还可以包括以下步骤：

第一步，响应于确定上述检测人员登录系统，对上述检测人员进行身份验证。其中，身份验证可以是人脸识别验证或者指纹识别验证。

第二步，响应于确定上述检测人员身份验证通过，获取上述检测人员的身份信息。其中，身份信息可以包括：检测人员的姓名、身份证号、手机号码和签名。

第三步，响应于确定上述检测人员身份验证未通过，更换身份验证方式，以及再次进行身份验证。例如，当检测人员在人脸识别进行身份验证时没有登录成功，更换身份验证方式，对检测人员进行姓名和身份证号的验证，并与预先存储的身份信息进行匹配，或者通过电话验证的方式对检测人员的身份信息进行验证。

可选地，上述响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合，可以包括以下步骤：

第一步，响应于接收到针对检测人员的查询请求，其中，查询请求可以是文本查询请求。查询请求也可以是语音查询请求。执行以下显示步骤：

子步骤1，对上述检测人员的查询请求进行预处理，得到关键词集合。

作为示例，上述执行主体可以利用结巴（jieba）分词对文本内容进行分词和去除停用词。然后，对所得到的词进行重要性计算（例如，采用词频-逆向文件频率方法（TermFrequency-Inverse Document Frequency，TF-IDF）），基于重要性计算的结果来得到关键词。

子步骤2，对上述关键词集合中的每个关键词进行向量化处理，以生成与关键词相对应的词向量，得到词向量集合。

作为示例，上述执行主体可以利用词袋模型（Bag-of-words model），对上述关键词集合中的每个关键词进行向量化处理，以生成与关键词相对应的词向量，得到词向量集合。

子步骤3，对于上述词向量集合中的每个词向量，执行以下筛选步骤：

第一子步骤，对上述词向量进行相似度计算，得到与上述词向量对应的多个相似度数值。其中，与上述词向量对应的多个相似度数值可以是上述词向量与其他词向量进行相似度计算，得到的与上述词向量有关的多个相似度数值。

作为示例，上述执行主体可以利用皮尔逊相关系数（Pearson CorrelationCoefficient），对词向量进行相似度计算，得到与上述词向量对应的多个相似度数值。

第二子步骤，根据上述多个相似度数值，确定与相似度数值对应的相关词，得到与上述词向量相关的相关词序列。

作为示例，上述执行主体可以对上述相似度数据进行正向排序，得到与相似度数值对应的相关词，作为与上述词向量相关的相关词集合。

第三子步骤，从上述相关词序列中筛选出至少一个相关词，作为上述词向量的扩展项序列。其中，上述至少一个相关词可以是位于前5的5个相关词。

子步骤4，将上述关键词集合和上述词向量的扩展项序列集合分别与预先储存的数据库中存储的项目检测任务信息进行匹配，得到匹配结果。其中，预先存储的数据库可以是对工程质量检测文件进行内容提取得到的数据库。

子步骤5，将上述匹配结果以分页形式在显示页面进行显示，以供上述检测人员进行选择。其中，上述分页形式可以是以每页10条的形式进行分页显示的形式。

步骤102，对于项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：

步骤1021，获取与项目检测任务信息对应的项目检测任务信息规范数据表。

在一些实施例中，上述执行主体可以获取与项目检测任务信息对应的项目检测任务信息规范数据表。其中，上述项目检测任务规范数据表可以是工程质量规范文件中对项目检测任务对应的项目检测任务进行规范性约束的数据表格。

步骤1022，对项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息。

在一些实施例中，上述执行主体可以对项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息。其中，上述项目检测任务规范信息包括：与上述项目检测任务对应的检测次数和检测数据阈值。

作为示例，上述执行主体可以对项目检测任务规范数据表对应的图像进行灰度化处理，得到灰度图。其次，对灰度图进行自动阈值的二值化处理，得到二值化图像。然后，利用霍夫变换算法，对二值化图像提取表格横线和竖线结构信息，得到至少一个单元格。最后，对上述至少一个单元格中的每个单元格进行文本内容提取，得到每个单元格对应的文本信息。

在一些实施例的一些可选的实现方式中，上述对上述项目检测任务规范数据表进行数据提取，得到项目检测任务规范信息，可以包括以下步骤：

第一步，对上述项目检测任务规范数据表对应的图像进行灰度化处理，得到灰度化规范数据表图像。

作为示例，上述执行主体可以利用加权平均法对上述项目检测任务规范数据表的颜色通道的分量灰度值按照最优权重的方案进行权重叠加并计算叠加结果。其中，最优权重的方案可以是颜色通道的权重分别是0.299，0.587，0.114的方案。

第二步，对上述灰度化规范数据表图像进行二值化处理，得到二值化规范数据表图像。

作为示例，利用大津算法，对上述灰度化规范数据表图像进行二值化处理，得到二值化规范数据表图像。

第三步，去除上述二值化规范数据表图像中的文字水印，得到去水印后的规范数据表。

作为示例，上述执行主体可以首先，利用基于深度学习的物体检测器，对上述二值化数据表图像进行水印检测，得到文字水印所在的矩形框。然后，对上述矩形框进行掩盖处理，得到第一矩形框。其中，掩盖处理可以是用一张纯色图像完全掩盖上述矩形框。最后，对上述第一矩形框进行图像修复，得到去水印后的规范数据表。

第四步，对上述规范数据表进行表格线检测，得到上述规范数据表的轮廓信息，其中，上述轮廓信息包括：上述规范数据表的外轮廓信息和上述规范数据表中单元格位置信息。

作为示例，上述执行主体可以首先，对上述二值化规范数据表图像使用3*3像素的结构元素，进行形态学闭操作。其次，对进行形态学闭操作得到的二值化规范数据表图像分别进行形态学腐蚀和膨胀操作，得到垂直线图像和水平线图像。接着，对上述垂直线图像和水平线图像分别合并、求交集，得到直线合并图像。然后，对上述直线合并图像进行外轮廓查找，得到上述规范数据表的外框数据。其中，外框数据可以是外框近似矩形并且包括至少4个交点的外轮廓数据。最后，对上述外框数据进行轮廓分析，找到所有单元格的外框数据，得到上述规范数据表的轮廓信息。

第五步，根据上述轮廓信息，确定上述规范数据表的行列信息和行列索引序号。

作为示例，上述执行主体可以首先，通过上述轮廓信息中单元格左顶点的纵坐标的值，提取属于同一行的单元格。其中，一行可以包括多个单元格。然后，通过上述轮廓信息中单元格左顶点横坐标的值，提取属于同一列的单元格。其中，一列可以包括多个单元格。最后，通过单元格行列对应的关系，提取上述规范数据表的行数和列数，求取每一行高和列宽和单元格所在的行列索引序号。

第六步，将上述行列信息与上述行列索引序号进行对比，确定上述规范数据表是否存在合并关系。

作为示例，上述执行主体可以响应于确定第i行单元格的数量小于上述规范数据表的总列数，则上述第i行存在合并单元格，遍历上述第i行单元格，若单元格高度高于行高，则上下存在合并关系。响应于确定单元格宽度大于上述单元格所在列的宽度，则左右单元格存在合并关系，将合并的单元格索引记录为一组。

第七步，响应于确定存在合并关系，对上述规范数据表进行拆分，以生成棋盘格式的规范数据表，得到全表格线规范数据表。

第八步，对上述全表格线规范数据表进行文本内容识别，得到每个单元格对应的文本信息。

作为示例，上述执行主体可以利用OCR文字识别（Optical CharacterRecognition，光学字符识别），对上述全表格线规范数据表进行文本识别，得到每个单元格对应的文本信息。

第九步，响应于确定不存在合并关系，对上述规范数据表进行文本内容识别，得到每个单元格对应的文本信息。

第十步，根据上述各个单元格的信息，确定上述各个单元格在行方向上的父单元格和上述各个单元格在列方向的父单元格。其中，上诉各个单元格的信息可以包括：各个单元格的位置坐标信息和文本信息。

作为示例，上述执行主体可以将上述各个单元格的信息输入至机器学习模型中，得到各个单元格在行方向上的父单元格信息和上述各个单元格在列方向的父单元格信息。其中，上述机器学习模型可以是通过输入各个单元格的信息，得到各个单元格在行方向上的父单元格信息和列方向上的父单元格信息的模型。上述机器学习模型可以是NLP（Natural Language Processing，自然语言处理）模型。上述机器学习模型可以包括特征提取模块、第一决策模块和第二决策模块，上述特征提取模块用于对输入的各个单元格的信息进行处理，得到特征序列。特征提取模块可以是Transformer模型的编码器。上述编码器可以包括自注意力模块(self-attention)和前馈神经网络(feedforward neuralnetwork)模块。该自注意力模块和前馈神经网络模块的计算方式，与传统Transformer模型的编码器中的计算方式相同。各个单元格的信息经过上述特征提取模块之后，可以得到特征矩阵Q和特征矩阵K，其中，假设输入到机器学习模型中的信息包括n个单元格的信息，则上述Q和K均为n*m的矩阵。n*m表征为上述特征矩阵Q和特征矩阵K为n行m列的矩阵。上述特征序列同时作为上述第一决策模块和第二决策模块的输入。上述第一决策层，用于根据上述特征序列，得到上述各个单元格在行方向上的父单元格。上述第二决策层，用于根据上述特征序列，得到上述各个单元格在列方向上的父单元格。上述第一决策模块和第二决策模块均为自注意力模块。第一决策模块可以计算出特征矩阵Q和特征矩阵K的相关矩阵QK^T，然后，分别对相关矩阵的每一行进行softmax运算，得到n*n的α矩阵。其中，α矩阵的元素α_ij用于指示单元格j在行方向上作为单元格i的父单元格的概率值。第二决策模块也可以基于特征矩阵Q和特征矩阵K计算得到一个n*n的β矩阵，β矩阵的元素β_ij用于指示单元格j在列方向上作为单元格i的父单元格的概率值。

第十一步，根据上述各个单元格在行方向上的父子关系和上述各个单元格在列方向上的父子关系，确定上述各个单元格的结构关系，以便以结构化数据存储至数据库中。其中，上述结构关系可以是各个单元格之间的父子关系。上述各个单元格在行方向上的父子关系，可以体现为行森林，上述行森林可以包括多棵树。上述各个单元格在列方向上的父子关系，可以体现为列森林，上述列森林可以包括多棵树。

作为示例，上述执行主体可以通过各个单元格在行方向上的父子关系和上述各个单元格在列方向上的父子关系，获得上述各个单元格在行方向上的父子关系和上述各个单元格在列方向上的父子关系，从而确定上述各个单元格之间的结构关系。

上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“由于表格数据的结构复杂多样，通过人工对工程质量规范文档中的表格进行数据提取，导致工作量巨大，并且识别准确率较低，进而导致审核结果准确率较低，降低工程质量，增加工程建设成本。”。导致审核结果准确率较低，降低工程质量，增加工程建设成本的因素往往如下：表格数据的结构复杂多样，通过人工对工程质量规范文档中的表格进行数据提取。如果解决了上述因素，就能减少工作量、提高识别准确率，提高工程质量和降低工程建设成本。为了达到这一效果，本公开首先，对上述项目检测任务规范数据表对应的图像进行灰度化处理，得到灰度化规范数据表图像。对上述灰度化规范数据表图像进行二值化处理，得到二值化规范数据表图像。去除上述二值化规范数据表图像中的文字水印，得到去水印后的规范数据表。在这里，对上述项目检测任务规范数据表进行灰度处理和二值化处理，提高后续对上述规范数据表进行检测的准确率。其次，对上述规范数据表进行表格线检测，得到上述规范数据表的轮廓信息，其中，上述轮廓信息包括：上述规范数据表的外轮廓信息和上述规范数据表中单元格位置信息。根据上述轮廓信息，确定上述规范数据表的行列信息和行列索引序号。然后，将上述行列信息与上述行列索引序号进行对比，确定上述规范数据表是否存在合并关系。响应于确定存在合并关系，对上述规范数据表进行拆分，以生成棋盘格式的规范数据表，得到全表格线规范数据表。对上述全表格线规范数据表进行文本内容识别，得到每个单元格对应的文本信息。响应于确定不存在合并关系，对上述规范数据表进行文本内容识别，得到每个单元格对应的文本信息。在这里，通过检测上述规范数据表的表格线，对上述规范数据表进行单元格的划分，截取划分后的行列信息进行识别，有效地提高文字识别的准确率和位置准确率。最后，根据上述各个单元格的信息，确定上述各个单元格在行方向上的父单元格和上述各个单元格在列方向的父单元格。根据上述各个单元格在行方向上的父子关系和上述各个单元格在列方向上的父子关系，确定上述各个单元格的结构关系，以便以结构化数据存储至数据库中。在这里，采用较为简单的逻辑处理方法，根据各个单元格在行方向上的父子关系和上述各个单元格在列方向上的父子关系，得到上述各个单元格的结构坐标，减少计算资源的消耗。由此，完成了对工程质量规范文档中的表格进行数据和结构的提取，减少工作量、提高识别准确率以及便于对上述工程质量规范文档进行存储，以便后续直接从数据库中进行提取，对实测数据进行判断。

步骤1023，获取与项目检测任务信息对应的实测数据序列。

在一些实施例中，上述执行主体可以获取与项目检测任务信息对应的实测数据序列。其中，上述实测数据序列中的实测数据的数目与上述检测次数相同。上述实测数据可以是检测人员对项目进行现场检测得到的数据。例如，项目检测任务信息可以是焊接缝宽。对应的实测数据序列可以是对焊接缝宽进行检测得到的多个数据。

作为示例，上述执行主体可以通过控制工程检测工具对项目检测任务进行检测，得到与项目检测任务对应的实测数据序列。上述工程检测工具可以是焊缝检测尺。

步骤1024，将实测数据序列中的每个实测数据分别与检测数据阈值进行对比，以生成对比结果，得到对比结果序列。

在一些实施例中，上述执行主体可以将实测数据序列中的每个实测数据分别与检测数据阈值进行对比，以生成对比结果，得到对比结果序列。其中，上述检测数据阈值可以是工程质量规范中规定的检测数据的数值。

在一些实施例的一些可选的实现方式中，在上述将上述实测数据序列中的每个实测数据分别与上述检测数据阈值进行对比，以生成对比结果之后，还可以包括以下步骤：

第一步，响应于确定上述对比结果为上述实测数据小于等于上述检测数据阈值，将上述检测数据保存至数据录入界面。

第二步，响应于确定上述对比结果为上述实测数据大于上述检测数据阈值，将上述检测数据保存至数据录入页面，以及对上述检测数据进行数据异常提示。

步骤1025，根据对比结果序列，确定项目检测任务信息的合格率。

在一些实施例中，上述执行主体可以根据对比结果序列，确定项目检测任务信息的合格率。其中，上述项目检测任务信息的合格率可以是合格的实测数据的数目与总的实测数据的数目的比值。

作为示例，上述执行主体可以通过计算对比结果序列中符合规范阈值的数目与总的实测数据的数目的比值，得到项目检测任务信息的合格率。其中，上述规范阈值可以是工程质量规范中规定的数值。

步骤103，对检测人员进行实时定位。

在一些实施例中，上述执行主体可以对检测人员进行实时定位。

作为示例，上述执行主体可以通过GPS或者北斗的定位功能，对检测人员进行实时定位。

步骤104，根据所得到的检测人员的实时定位信息，确定实测数据序列中的各个实测数据是否为真实数据。

在一些实施例中，上述执行主体可以根据所得到的检测人员的实时定位信息，确定实测数据序列中的各个实测数据是否为真实数据。其中，上述真实数据表征实测数据序列是由上述检测人员实地检测后填写的真实数据。

作为示例，将检测人员的实时定位信息与预定的检测地点进行匹配，确定实测数据的真实性。其中，预定的检测地点可以是在进行检测之前已经确定的目标项目的检测地点。

在一些实施例的一些可选的实现方式中，上述根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，可以包括以下步骤：

第一步，获取与上述项目检测任务信息集合匹配的预先录入的检测位置信息。其中，上述预先录入的检测位置信息可以是在进行检测之前已经确定的检测地点。

第二步，将得到的实时定位信息与上述检测位置信息进行相似度处理，得到相似度结果。

作为示例，利用余弦距离计算实时定位信息与上述检测位置信息进行相似度计算。

第三步，响应于确定上述相似度结果小于预定阈值，确定上述实测数据序列中的每个实测数据不是真实数据。其中，预定阈值可以是0.9。

第四步，响应于确定上述相似度结果大于等于预定阈值，确定上述实测数据序列中的每个实测数据是真实数据。

可选地，上述根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，可以包括以下步骤：

第一步，获取上述检测人员进行现场检测的检测图像序列，其中，检测图像包括：检测时间和针对项目检测任务的检测区域。

第二步，对上述检测图像序列中的每个检测图像进行特征提取，得到上述检测人员检测的检测部位序列。

作为示例，上述执行主体可以利用目标检测模型对每个检测图像进行特征提取，得到上述检测人员检测的检测部位序列。其中，目标检测模型可以是YOLO（You Only LookOnce）神经网络模型。目标检测模型也可以是R-CNN（Regions with CNN features）神经网络模型。

第三步，将上述检测人员填写对应检测部位的实测数据的时间与上述检测图像序列对应检测部位的时间进行对比，得到第一对比结果。

第四步，响应于确定上述第一对比结果是上述检测人员填写对应检测部位的实测数据的时间与上述检测图像序列对应检测部位的时间在预设时间范围内，获取周围环境信息，其中，上述周围环境信息包括：周围建筑物信息和天气情况信息。上述预设时间范围可以是30秒。

作为示例，上述执行主体可以通过上述检测人员拍摄的图像信息，对图像信息进行识别，获取周围环境信息。

第五步，根据上述周围环境信息，确定上述检测人员所在的检测地点信息。

作为示例，上述执行主体可以通过对周围建筑物信息和天气情况的识别，确定上述检测人员的地点信息。

第六步，构建地址标准数据库，其中，上述地址标准数据库包括：地址分词词典、地址要素词典、地址要素特征字词典和地址缩略词代替词典。上述地址要素词典可以是按照地址层级进行划分的词典。地址分词词典可以是包括常用汉语词条和常见地名地址词典的词典。地址要素词典可以包括：行政区划词典、街道词典和建筑物词典。其中，行政区划词典可以是按照行政区划等级建立索引的词典。地址要素特征字词典可以是包括省、市、自治区等地址要素的词典。地址缩略词代替词典可以是用于标准化缩略地名的词典。例如，标准化缩略地名可以是北航，通过匹配数据库后可以得到标准化名称“北京航空航天大学”。

第七步，对于上述检测地点信息，执行以下处理步骤：

子步骤1，对上述检测地点信息进行地址清洗，得到清洗后的差异分词检测地点信息。其中，上述差异分词检测地点信息可以是上述检测地点信息经过地址分词后，分词结果中存在差异的词组成的地点信息。

作为示例，上述执行主体可以首先，采用BM（Bi-directction Matching method，基于词典的双向最大匹配法）对上述检测地点信息进行地址分词，得到第一差异分词检测地点信息。然后，采用正则表达式，对上述第一差异分词检测地点信息去除标点和过滤无用信息，得到第二差异分词检测地点信息。最后，利用构建的地址标准数据库，对第二差异分词检测地点信息进行地址缩略词替换，得到差异分词检测地点信息。

子步骤2，响应于确定上述差异分词检测地点信息包括主特征字，对上述差异分词检测地点信息进行歧义词消除处理，得到分词结果。其中，主特征字可以是省、市、区、镇、路等特征词。

作为示例，上述执行主体可以采用基于规则的地址匹配方法通过匹配地址标准数据库进行歧义词消除处理，得到分词结果。

子步骤3，响应于确定上述差异分词检测地点信息不包括主特征字，对上述差异分词检测地点信息进行序列标注处理，得到分词结果。

作为示例，上述执行主体可以采用基于自然语言处理的地址匹配算法对上述差异分词检测地点信息进行词性标注。然后，采用维特比算法计算出分词结果。

子步骤4，将上述分词结果与上述地址标准数据库按照地级层次进行匹配，得到第一匹配结果。其中，上述地级层次可以是按照省、市、自治区、区、县、镇、村的顺序进行排序的层次。

第八步，对上述实时定位信息进行处理步骤，得到第二匹配结果。

第九步，将上述第一匹配结果和上述第二匹配结果进行余弦相似度计算，得到相似度数值。

第十步，响应于确定上述相似度数值大于等于第一预定阈值，确定上述实测数据序列为真实数据。其中，上述第一预定阈值可以是0.95。

第十一步，响应于确定上述相似度数值小于第一预定阈值，确定上述实测数据序列为假数据，以及向审核端发送预警信息。

上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“由于纸质资料不能确保实测数据的真实性，导致工程建设过程中出现质量问题时，无法鉴定责任主体，进而导致工程质量较低。”。导致工程建设过程中出现质量问题时，无法鉴定责任主体，进而导致工程质量较低的因素往往如下：纸质资料不能确定实测数据的真实性，当实测数据为伪造数据时，需要花费更长的时间进行校验。如果解决了上述因素，就能达到提高工作效率的效果。为了达到这一效果，本公开首先，获取上述检测人员进行现场检测的检测图像序列，其中，检测图像包括：检测时间和针对项目检测任务的检测区域。对上述检测图像序列中的每个检测图像进行特征提取，得到上述检测人员检测的检测部位序列。将上述检测人员填写对应检测部位的实测数据的时间与上述检测图像序列对应检测部位的时间进行对比，得到第一对比结果。在这里，通过检测图像序列，验证上述检测人员是否在真实检测地点。其次，响应于确定上述第一对比结果是上述检测人员填写对应检测部位的实测数据的时间与上述检测图像序列对应检测部位的时间在预设时间范围内，获取周围环境信息，其中，上述周围环境信息包括：周围建筑物信息和天气情况信息。根据上述周围环境信息，确定上述检测人员所在的检测地点信息。在这里，通过周围环境信息，再次验证检测人员是否在检测地点，从而确保实测数据的真实性。然后，构建地址标准数据库，其中，上述地址标准数据库包括：地址分词词典、地址要素词典、地址要素特征字词典和地址缩略词代替词典。对于上述检测地点信息，执行以下处理步骤：对上述检测地点信息进行地址清洗，得到清洗后的差异分词检测地点信息。响应于确定上述差异分词检测地点信息包括主特征字，对上述差异分词检测地点信息进行歧义词消除处理，得到分词结果。响应于确定上述差异分词检测地点信息不包括主特征字，对上述差异分词检测地点信息进行序列标注处理，得到分词结果。将上述分词结果与上述地址标准数据库按照地级层次进行匹配，得到第一匹配结果。在这里，通过构建标准数据库对地址分词结果进行歧义检测和歧义消除,再利用序列标注技术对分词结果进行二次歧义消除，提高地址匹配的准确性。最后，对上述实时定位信息进行处理步骤，得到第二匹配结果。将上述第一匹配结果和上述第二匹配结果进行余弦相似度计算，得到相似度数值。响应于确定上述相似度数值大于等于第一预定阈值，确定上述实测数据序列为真实数据。响应于确定上述相似度数值小于第一预定阈值，确定上述实测数据序列为假数据，以及向审核端发送预警信息。在这里，通过相似度数值与第一预设阈值进行对比，判定实测数据是否是真实数据。以及对于伪造数据进行预警，进而提高了审核效率。由此，通过对检测地址的检测，验证实测数据的真实性，进而提高审核工作的效率。

步骤105，响应于确定实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和实测数据序列，生成对应的检测信息。

在一些实施例中，上述执行主体可以响应于确定实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和实测数据序列，生成对应的检测信息。

作为示例，上述执行主体可以利用预设检测信息模板，对合格率序列、实时定位信息和实测数据序列进行填写，生成对应的检测信息。其中，预设检测信息模板可以是检测信息填报模板，但是用户可以根据实际情况进行适当调整。

在一些实施例的一些可选的实现方式中，上述方法还可以包括以下步骤：

第一步，获取上述检测人员录入实测数据序列的录入时间。

第二步，根据上述检测人员的身份信息、上述录入时间和上述实时定位信息，生成数字水印，其中，上述检测人员的身份信息包括：上述检测人员的姓名、身份证件号和对应的人脸特征信息。

作为示例，上述执行主体可以首先，将上述检测人员的身份信息、上述录入时间和上述实时定位信息进行组合，得到组合后的信息列表。然后，采用预设数字水印生成算法，对组合后的信息列表生成数字水印。其中，预设数字水印生成算法可以是离散小波变换、最低有效位图像水印法和叠加法中的任意一种或者多种组合。

第三步，将上述数字水印嵌入至上述检测信息中预先设置的位置。上述预先设置的位置可以是上述检测信息中间的位置。

第四步，将嵌入数字水印的检测信息以分享隐私存证的方式存储至存储区块链上。

本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的检测信息生成方法可以实时记录分项工程的实测数据，实时审核实测数据的合格率，提高数据审核效率，进而确保工程质量以及工程进度按时完成。具体来说，造成相关的实测数据审核效率低的原因在于：检测人员通过纸质文件对实测数据进行填报，但是由于纸质资料难以保存和流转，不能及时对实测数据进行审核，导致不能及时掌握工程进度，延长工程工期，增加工程建设成本。基于此，本公开的一些实施例的检测信息生成方法可以首先，响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合。对于上述项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：获取与上述项目检测任务信息对应的项目检测任务信息规范数据表。在这里，得到的项目检测任务信息规范数据表用于后续提取项目检测任务规范信息。其次，对上述项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息，其中，上述项目检测任务规范信息包括：与上述项目检测任务信息对应的检测次数和检测数据阈值。在这里，得到的项目检测任务规范信息用于后续与实时检测数据自动进行判定，提高了检测数据的准确率，减少了人工工作量。再次，获取与上述项目检测任务信息对应的实测数据序列，其中，上述实测数据序列中的实测数据的数目与上述检测次数相同。将上述实测数据序列中的每个实测数据分别与上述检测数据阈值进行对比，以生成对比结果，得到对比结果序列。根据上述对比结果序列，确定上述项目检测任务信息的合格率。在这里，通过实时检测数据与规范数据进行对比，得到项目检测任务信息的合格率有利于确定工程检测部位是否符合规定，保证分项工程的质量。然后，对上述检测人员进行实时定位。根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，其中，上述真实数据表征上述实测数据序列是由上述检测人员实地检测后填写的真实数据。在这里，通过获取的检测人员的实时定位信息与分项工程的检测地点进行匹配，确定实测数据的真实性，便于确定实测数据的溯源性。最后，响应于确定上述实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和上述实测数据序列，生成对应的检测信息。在这里，得到的检测信息有利于资料的实时流转，便于相关人员的查阅。由此可得，该检测信息生成方法可以实时记录分项工程的实测数据，实时判断实测数据的合格率，进而确保工程质量以及工程进度按时完成。

下面参考图2，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图2示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图2所示，电子设备可以包括处理装置201（例如中央处理器、图形处理器等），其可以根据存储在只读存储器202中的程序或者从存储装置208加载到随机访问存储器203中的程序而执行各种适当的动作和处理。在随机访问存储器203中，还存储有电子设备操作所需的各种程序和数据。处理装置201、只读存储器202以及随机访问存储器203通过总线204彼此相连。输入/输出接口205也连接至总线204。

通常，以下装置可以连接至输入/输出接口205：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置206；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置207；包括例如磁带、硬盘等的存储装置208；以及通信装置209。通信装置209可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图2示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图2中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些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程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置209从网络上被下载和安装，或者从存储装置208被安装，或者从只读存储器202被安装。在该计算机程序被处理装置201执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载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、装置或器件，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（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，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、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读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程序代码。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，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置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程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述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该电子设备执行时，使得该电子设备：响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合；对于上述项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：获取与上述项目检测任务信息对应的项目检测任务信息规范数据表；对上述项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息，其中，上述项目检测任务规范信息包括：与上述项目检测任务信息对应的检测次数和检测数据阈值；获取与上述项目检测任务信息对应的实测数据序列，其中，上述实测数据序列中的实测数据的数目与上述检测次数相同；将上述实测数据序列中的每个实测数据分别与上述检测数据阈值进行对比，以生成对比结果，得到对比结果序列；根据上述对比结果序列，确定上述项目检测任务信息的合格率；对上述检测人员进行实时定位；根据所得到的上述检测人员的实时定位信息，确定上述实测数据序列中的各个实测数据是否为真实数据，其中，上述真实数据表征上述实测数据序列是由上述检测人员实地检测后填写的真实数据；响应于确定上述实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和上述实测数据序列，生成对应的检测信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。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、或代码的一部分，该模块、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。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种检测信息生成方法，其特征在于，包括：

响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合；

对于所述项目检测任务信息集合中的每个项目检测任务信息，执行以下确定步骤：

获取与所述项目检测任务信息对应的项目检测任务信息规范数据表；

对所述项目检测任务信息规范数据表进行数据提取，得到项目检测任务规范信息，其中，所述项目检测任务规范信息包括：与所述项目检测任务信息对应的检测次数和检测数据阈值；

获取与所述项目检测任务信息对应的实测数据序列，其中，所述实测数据序列中的实测数据的数目与所述检测次数相同；

将所述实测数据序列中的每个实测数据分别与所述检测数据阈值进行对比，以生成对比结果，得到对比结果序列；

根据所述对比结果序列，确定所述项目检测任务信息的合格率；

对所述检测人员进行实时定位；

根据所得到的所述检测人员的实时定位信息，确定所述实测数据序列中的各个实测数据是否为真实数据，其中，所述真实数据表征所述实测数据序列是由所述检测人员实地检测后填写的真实数据；

响应于确定所述实测数据序列中的各个实测数据为真实数据，根据合格率序列、实时定位信息和所述实测数据序列，生成对应的检测信息；

获取所述检测人员录入实测数据序列的录入时间；

根据所述检测人员的身份信息、所述录入时间和所述实时定位信息，生成数字水印，其中，所述检测人员的身份信息包括：所述检测人员的姓名、身份证件号和对应的人脸特征信息；

将所述数字水印嵌入至所述检测信息中预先设置的位置；

将嵌入数字水印的检测信息以分享隐私存证的方式存储至存储区块链上。

2.根据权利要求1所述的方法，其特征在于，在所述响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合之前，所述方法还包括：

响应于确定所述检测人员登录系统，对所述检测人员进行身份验证；

响应于确定所述检测人员身份验证通过，获取所述检测人员的身份信息；

响应于确定所述检测人员身份验证未通过，更换身份验证方式，以及再次进行身份验证。

3.根据权利要求1所述的方法，其特征在于，所述根据所得到的所述检测人员的实时定位信息，确定所述实测数据序列中的各个实测数据是否为真实数据，包括：

获取与所述项目检测任务信息集合匹配的预先录入的检测位置信息；

将得到的实时定位信息与所述检测位置信息进行相似度处理，得到相似度结果；

响应于确定所述相似度结果小于预定阈值，确定所述实测数据序列中的每个实测数据不是真实数据；

响应于确定所述相似度结果大于等于预定阈值，确定所述实测数据序列中的每个实测数据是真实数据。

4.根据权利要求1所述的方法，其特征在于，在所述将所述实测数据序列中的每个实测数据分别与所述检测数据阈值进行对比，以生成对比结果之后，还包括：

响应于确定所述对比结果为所述实测数据小于等于所述检测数据阈值，将所述检测数据保存至数据录入界面；

响应于确定所述对比结果为所述实测数据大于所述检测数据阈值，将所述检测数据保存至数据录入页面，以及对所述检测数据进行数据异常提示。

5.根据权利要求1所述的方法，其特征在于，所述响应于检测到检测人员的查询请求，获取目标项目对应的项目检测任务信息集合，包括：

响应于接收到针对检测人员的查询请求，执行以下显示步骤：

对所述检测人员的查询请求进行预处理，得到关键词集合；

对所述关键词集合中的每个关键词进行向量化处理，以生成与关键词相对应的词向量，得到词向量集合；

对于所述词向量集合中的每个词向量，执行以下筛选步骤：

对所述词向量进行相似度计算，得到与所述词向量对应的多个相似度数值；

根据所述多个相似度数值，确定与相似度数值对应的相关词，得到与所述词向量相关的相关词序列；

从所述相关词序列中筛选出至少一个相关词，作为所述词向量的扩展项序列；

将所述关键词集合和所述词向量的扩展项序列集合分别与预先储存的数据库中存储的项目检测任务信息进行匹配，得到匹配结果；

将所述匹配结果以分页形式在显示页面进行显示，以供所述检测人员进行选择。

6.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

7.一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images