一种动物患病状态监测***及方法
技术领域
本申请涉及智能养殖技术领域,尤其涉及一种动物患病状态监测***及方法。
背景技术
作为传统农牧业大国,我国猪养殖行业也伴随消费需求增长而发展。猪养殖过程不仅要制定科学饲喂方法提高动物生长速度,同时疾病防控也是养殖过程中的关键技术,且疾病防控容易引起猪养殖户困扰。猪养殖过程中的常见疾病较多,轻则增加养殖成本,重则造成巨大经济损失,因此需要对猪养殖过程中的状态进行监测。
目前,相关技术中动物患病状态监测的方法一般采用人工巡检的方式进行,以下以动物疾病监测的方式为例:
由于我国养殖场分布广泛,南北东西差异较大,对于动物疾病的发现,一般采用人工巡查的方式进行。猪场最常见的动物疾病一般都伴随着动物的咳嗽、哮喘、腹泻等症状。人工巡查一般通过饲养员巡查饲养区域时候,观察动物是否有咳嗽、哮喘、形态体表异常、腹泻等症状,以发现发病动物,进行后续相关的治疗。
但是,相关技术中存在如下所述的缺点:
(1)人工巡查一般是定时进行,每天固定巡查几次,但动物腹泻的现场容易遭到动物的破坏,从而导致疾病无法及时发现。
(2)人工巡查观察动物的健康状况无法做到持续监控,且人工巡查可能会漏掉患病的动物,从而错过治疗和处置最佳时期,耽误治疗。
(3)腹泻数据不能及时记录和统计,不利于疾病的防疫、统计和报警。
(4)人工巡查动物腹泻次数的成本较高,且增加了病毒传播风险,影响动物的健康状况,导致疫情的发生。
(5)人工巡查增加动物应激反应,不利于动物健康。
针对相关技术中存在的诸多技术问题,目前尚未提供有效的解决方案。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种动物患病状态监测***及方法。
第一方面,本申请提供了一种动物患病状态监测***,包括:图像采集模块、网关和图像分析模块;
所述图像采集模块用于进行饲养区域图像的采集;
所述网关与所述图像采集模块通信连接,用于管控所述图像采集模块进行所述饲养区域图像的采集;
所述图像分析模块与所述网关通信连接,用于接收所述网关发送的所述饲养区域图像,根据所述饲养区域图像确定对应饲养区域中的动物的患病信息,将所述患病信息发送至所述网关。
可选的,如前述的动物患病状态监测***,还包括:巡检车;所述网关为边缘计算网关;
所述图像采集模块设于所述巡检车上,用于随着所述巡检车的移动采集不同的所述饲养区域对应的所述饲养区域图像;
所述巡检车与所述网关通信连接,用于在所述网关的管控下在所述饲养区域内移动。
可选的,如前述的动物患病状态监测***,还包括:物联网平台和SAAS平台;
所述物联网平台与所述网关通信连接,用于接收所述网关上传的数据进行保存;
所述SAAS平台与所述物联网平台通信连接,用于接收由所述物联网平台中转的所述网关上传的数据,并对所述网关上传的数据进行展示。
可选的,如前述的动物患病状态监测***,还包括:大数据平台;
所述大数据平台与所述物联网平台通信连接,用于接收由所述物联网平台中转的所述网关上传的数据,并对所述网关上传的数据进行保存。
第二方面,本申请提供了一种动物患病状态监测方法,包括:
获取饲养区域图像;
根据预先训练的粪便检测模型,对所述饲养区域图像进行分析,得到动物粪便对应的动物腹泻信息,所述动物腹泻信息包括多个腹泻等级;
根据预先训练的动物姿态检测模型,对所述饲养区域图像进行分析,得到动物对应的动物健康状况信息;
根据所述动物腹泻信息以及动物健康状况信息确定所述动物的监测信息。
可选的,如前述的动物患病状态监测方法,所述粪便检测模型的建立方法包括:
获取预先收集的饲养区域样本图像,不同所述饲养区域样本图像对应有不同腹泻等级,所述饲养区域样本图像中包括动物粪便;
确定所述饲养区域样本图像对应的标注信息,所述标注信息包括:所述动物粪便对应的标注框;
将所述饲养区域样本图像输入第一预设神经网络进行训练,学习所述动物粪便与腹泻等级之间的对应关系,得到所述粪便检测模型。
可选的,如前述的动物患病状态监测方法,所述动物姿态检测模型的建立方法包括:
获取预先收集的饲养区域样本图像,所述饲养区域样本图像包括动物健康状况信息为异常状态的第一样本图像和动物健康状况信息为正常状态的第二样本图像;
确定所述饲养区域样本图像中的动物姿态信息;
将所述饲养区域样本图像输入第二预设神经网络进行训练,学习所述动物姿态信息与动物健康状况信息之间的对应关系,得到所述动物姿态检测模型。
第三方面,本申请提供了一种动物患病状态监测装置,包括:
获取模块,用于获取饲养区域图像;
粪便检测模块,用于根据预先训练的粪便检测模型,对所述饲养区域图像进行分析,得到动物粪便对应的动物腹泻信息,所述动物腹泻信息包括多个腹泻等级;
姿态检测模块,用于根据预先训练的动物姿态检测模型,对所述饲养区域图像进行分析,得到动物对应的动物健康状况信息;
监测信息模块,用于根据所述动物腹泻信息以及动物健康状况信息确定所述动物的监测信息。
第四方面,本申请提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,所述处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述计算机程序时,实现如前述任一项所述的监测方法。
第五方面,本申请提供了一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如前述任一项所述的监测方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供一种动物患病状态监测***及方法,其中***包括:图像采集模块、网关和图像分析模块;所述图像采集模块用于进行饲养区域图像的采集;所述网关与所述图像采集模块通信连接,用于管控所述图像采集模块进行所述饲养区域图像的采集;所述图像分析模块与所述网关通信连接,用于接收所述网关发送的所述饲养区域图像,根据所述饲养区域图像确定对应饲养区域中的动物的患病信息,将所述患病信息发送至所述网关。通过本实施例中的***可以实现无人监测动物的状态,相比于传统动物患病状态监测的方法,有效提高了监测效率;同时可以通过得到的患病信息提升异常状态的获取效率,保证养殖企业的经济效益。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,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地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种动物患病状态监测***的框图;
图2为本申请实施例提供的一种动物患病状态监测方法的流程示意图;
图3为本申请实施例提供的一种动物患病状态监测装置的框图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种动物患病状态监测***,包括:图像采集模块1、网关2和图像分析模块7;
图像采集模块1用于进行饲养区域图像的采集;
具体的,图像采集模块1可以是用于进行视频录制或者照片拍摄的摄像头,为了使拍摄的图像清晰度高,达到更好的识别效果,可选的,摄像头的像素为1000万或以上;上述饲养区域图像为通过图像采集模块1对饲养区域进行图像采集得到的图像;进一步的,还可以设置有存储装置,例如TF卡等,进而可以将饲养区域图像存储在本地端。
网关2与图像采集模块1通信连接,用于管控图像采集模块1进行饲养区域图像的采集;
具体的,网关2与图像采集模块1可以通过有线通信或无线通信的方式进行信息交互;且本实施例中的网关2具有一定数据处理能力,进而可以对不同的硬件进行管控;在除了图像采集模块1之外,本申请实施例中还可以设置用于对饲养区域进行环境参数控制的设备或进行环境参数采集的传感器,举例的,进行环境参数控制的设备可以包括:通风***、温度调节***和湿度调节***等;进行环境参数采集的传感器可以包括:二氧化碳浓度传感器、温湿度传感器等等;同时,上述的进行环境参数控制的设备和进行环境参数采集的传感器均可以与网关2相互通信连接,以接受网关2的管控以及将采集的数据上传至网关2。
图像分析模块7与网关2通信连接,用于接收网关2发送的饲养区域图像,根据饲养区域图像确定对应饲养区域中的动物的患病信息,将患病信息发送至网关2。
具体的,图像分析模块7可以部署在某一服务器上,也可以部署在网关2上;当部署在服务器上时,网关2会将饲养区域图像发送给对应的服务器,在服务器得到识别结果之后再返回至该网关;进一步的,服务器还可以只在患病信息为患病时(例如:动物发生腹泻等),才发送患病信息至网关,在患病信息为正常时,则不发送患病信息至网关。
通过本发明可减少动物饲养人员巡检次数,解决饲养人员现场巡检时对动物患病状态监测不及时、不准确的问题,提升监测效率;本发明可以利用图像识别装置(图像采集模块1、网关2和图像分析模块7)配合数据无线传输规则,实现远程监测动物状态,还可在手机实时查看包括动物状态的饲养区域图像。
在一些实施例中,如前述的动物患病状态监测***,还包括:巡检车3;网关2为边缘计算网关;
具体的,将网关2采用边缘计算网关,可以在靠近数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。进而可以产生更快的网络服务响应,满足养殖行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
图像采集模块1设于巡检车3上,用于随着巡检车3的移动采集不同的饲养区域对应的饲养区域图像;
例如,养殖场内有多个饲养区域,在饲养区域中可以设有轨道,用于使巡检车3沿其运行;可选的,为了便于能够采集到尽量全面的饲养区域的图像,可以将轨道设于饲养区域的上方,同时巡检车上的摄像装置拍摄下方巡检区域,得到巡检图像或图像,进而减少遮挡物(例如门栏、立柱等)对目标物(例如:动物、***物等等)的遮挡。
由于巡检车一般是按照一定顺序运行拍摄,而每个饲养区域都可以有其对应的区域标识采集位置信息,该采集位置信息可以为巡检车的位置信息,且进一步地,可以是巡检车在运行轨道上的位置信息,也可以是巡检车的地理位置信息(例如通过GPS定位得到的位置)。因此,巡检车每到达一个采集位置信息对应的位置之后,即可对该采集位置信息对应的饲养区域进行饲养区域图像的采集,进一步的,还可以将饲养区域图像上传至SAAS(Software-as-a-Service)或网关,进一步的,上传时,还包括该饲养区域的标识信息,进而可以将饲养区域与饲养区域图像进行对应。这样,后续可以通过SAAS对该饲养区域图像进行展示,以及通过计算机视觉方式可以从每个饲养区域对应的图像中检测出动物粪便情况,从而确定动物是否存在腹泻等疫情。
巡检车3与网关2通信连接,用于在网关2的管控下在饲养区域内移动。
具体的,网关2及图像分析模块7均可以设于巡检车3上,并且可以对巡检车3的行动机构管控连接,进而可以管控巡检车3的移动,使其运动到特定位置,或者按照特定速度运动,或者按照特定频率进行图像采集。
进一步的,上述装置结构整体可以采用防水防尘防腐蚀、便于安装拆卸的结构设计,减少人员进出饲养区域(例如猪舍),提升患病信息的报警效率,降低疾病爆发风险,保证养殖企业的经济效益。
在一些实施例中,如前述的动物患病状态监测***,还包括:物联网平台4和SAAS平台5;
物联网平台4与网关2通信连接,用于接收网关2上传的数据进行保存;
SAAS平台5与物联网平台4通信连接,用于接收由物联网平台4中转的网关2上传的数据,并对网关2上传的数据进行展示。
具体的,物联网平台4(即:IOT(The Internet of Things)平台)可以为整个***提供统一服务,一方面可以基于MQTT协议(Message Queuing Telemetry Transport,遥信消息队列传输协议)将网关2上报的患病信息(例如:腹泻数据)接收过来,通过规则引擎上传给SAAS平台。物联网平台4可将腹泻数据抽象为时间序列的指标,实现数据自动流转及***自动诊断。
SAAS平台5可以是一个集硬件和规则管理、数据查看、统计分析一体的平台,支持的内容可以包括:负责将巡检车3、网关2、动物的饲养区域之间的关系绑定起来;进一步的,可以将物联网平台4上传的数据进行处理分析之后进行展示,其中一种可选的方式为:以图表方式将数据展示于用户;此外,还可以支持用户设置相应参数,以达到用户所需的特定的控制要求。最终,通过SAAS平台5用户就可了解饲养区域中动物的所有情况,进而可以采取适配的处理方案。
在一些实施例中,如前述的动物患病状态监测***,还包括:大数据平台6;
大数据平台6与物联网平台4通信连接,用于接收由物联网平台4中转的网关2上传的数据,并对网关2上传的数据进行保存。
具体的,物联网平台4可以提供将数据存储于大数据平台6的接口,进而可以将网关2上传的饲养区域图像完整地保存到大数据平台上,以便于随时随地查看图像及数据。
根据本申请另一方面的一种实施例,本申请提供了一种动物患病状态监测方法,包括如下所述步骤S1至S3:
步骤S1.获取饲养区域图像;
具体的,饲养区域图像可以是图像采集模块采集得到的饲养区域对应的照片或者视频;且同一饲养区域图像中包括的饲养区域可以是一个或多个;
步骤S2.根据预先训练的粪便检测模型,对饲养区域图像进行分析,得到动物粪便对应的动物腹泻信息,动物腹泻信息包括多个腹泻等级;
其中:粪便检测模型的建立方法可以包括如下步骤A1至A3:
步骤A1.获取预先收集的饲养区域样本图像,饲养区域样本图像可以通过对养殖场内不同饲养区域进行周期性拍摄获得;不同饲养区域样本图像对应有不同腹泻等级,饲养区域样本图像中包括动物粪便。
具体的,每个腹泻等级都对应有多个饲养区域样本图像,且腹泻等级是通过分析饲养区域样本图像中的动物粪便得到的;一般的,腹泻物的面积越大,腹泻等级越高(腹泻越严重);粪便稠度越稀,腹泻等级越高(腹泻越严重);严重程度分为任意多级,可选的,可分为:无、轻微、严重和危险共四级。
步骤A2.确定饲养区域样本图像对应的标注信息,标注信息包括:动物粪便对应的标注框。
可选的,可以使用软件LabelMe框选出图像中的动物粪便,人工依据粪便颜色和多少将粪便分别标记为异常或正常,还可以将异常状态分为不同异常等级,如前述的无、轻微、严重和危险等。
步骤A3.将饲养区域样本图像输入第一预设神经网络进行训练,学习动物粪便与腹泻等级之间的对应关系,得到粪便检测模型。
在训练时,可以事先获取多个样本图像,将其输入上述的第一预设神经网络进行训练,并且每次训练之后,都对第一预设神经网络的参数进行调整,直至输入饲养区域验证图像时,可以准确识别出粪便的范围,则将其作为粪便检测模型。进而用户可以根据动物腹泻患病信息进行相应的疾病诊断。通过本实施例中的方法可以通过图像智能识别技术,提高腹泻等疾病监测效率,提升猪场整体经济效益。
其中,第一预设神经网络可以为ENet(图像语义分割模型)、MobileNet-YOLO、MobileNet-YOLOv1、MobileNet-YOLOv2、MobileNet-YOLOv3、Faster R-CNN、R-FCN等等卷积神经网络。
以ENet为例对模型的训练过程进行详细说明。
(1)将饲养区域样本图像和标注信息输入ENet网络进行训练;ENet能够识别得到饲养区域样本图像中的粪便区域,并得到腹泻等级。
(2)在通过大量饲养区域样本图像对ENet网络进行训练后,并通过验证图像判定ENet网络符合预设性能时,将其作为粪便检测模型。
可选的,可以通过计算ENet网络框选出的粪便的边界框与标注框的交并比(IOU)来确定每个边界框的置信度,以及将检测到的类别(如严重、中等和轻微)与预先标注的动物状态进行比对得到类别误差。
通过得到的每个边界框的置信度、位置误差、分类误差计算损失函数,不断反向传播损失函数优化网络,直至网络收敛得到粪便检测模型。
当每个图像采集模块分别对应采集一个饲养区域中的图像时,则无需进行区分;当养殖场中的所有饲养区域的图像都是通过同一个图像采集模块进行采集时,则需要确定各个饲养区域图像所对应的饲养区域,进而才可准确分析得到对应每个饲养区域中动物的患病信息,以及哪个饲养区域中的动物患病状态出现了异常。
具体的,对饲养区域图像进行分析的算法可以部署在某一服务器上,也可以部署在网关上;当部署在服务器上时,网关会将饲养区域图像发送给对应的服务器,在服务器得到识别结果之后再返回至该网关;进一步的,服务器还可以只在动物发生腹泻等情况时,才发送患病信息至网关,在患病信息正常时,则不发送患病信息至网关。
步骤S3.根据预先训练的动物姿态检测模型,对饲养区域图像进行分析,得到动物对应的动物健康状况信息;
在一些实施例中,如前述的动物患病状态监测方法,动物姿态检测模型的建立方法包括如下步骤B1至B3:
步骤B1.获取预先收集的饲养区域样本图像,饲养区域样本图像包括动物健康状况信息为异常状态的第一样本图像和动物健康状况信息为正常状态的第二样本图像;
步骤B2.确定饲养区域样本图像中的动物姿态信息;
步骤B3.将饲养区域样本图像输入第二预设神经网络进行训练,学习动物姿态信息与动物健康状况信息之间的对应关系,得到动物姿态检测模型。
可选的,饲养区域样本图像可以通过对养殖场内不同饲养区域进行周期性拍摄获得。可以使用软件LabelMe框选出图像中的动物,人工依据动物的姿态和对动物进行检测分别标记为患病或健康。
以MobileNet-YOLO为例对动物姿态检测模型的训练过程进行详细说明。
(1)可以在饲养区域样本图像中框选出动物以及其对应的姿态。
(2)将饲养区域样本图像和标注信息输入MobileNet-YOLO网络进行训练。
(3)在通过大量饲养区域样本图像对MobileNet-YOLO网络进行训练后,并通过验证图像判定MobileNet-YOLO网络能够准确框选出动物以及得到其对应的姿态时,将其作为动物姿态检测模型。
步骤S4.根据动物腹泻信息以及动物健康状况信息确定动物的监测信息。
由于动物发生疫情时,通常动物姿势也会相应发生变化,因此通过步骤S2及S3得到动物腹泻信息以及动物健康状况信息之后,可以根据动物腹泻信息以及动物健康状况信息进行综合的疾病诊断,得到可靠的分析结果,具体诊断方法可以采用加权分析等方法进行判断。具体的判定逻辑可以根据具体的养殖情况进行选择。举例来说:当动物处于轻微腹泻时,且猪只状态为站立,则可以判断猪只的监测信息为情况良好;当动物处于严重腹泻时,且猪只状态为卧倒,则可以判断猪只的监测信息为情况严重。
采用本实施例中的方法可以有效提高腹泻等疾病监测效率,提升猪场整体经济效益。
此外,还可以预先训练的食槽检测模型,并且通过下述步骤:获取食槽的待测图像;根据食槽检测模型识别待测图像中的饲料信息;根据饲料信息生成食槽对应的标签。
本实施例中,通过对食槽进行图像识别,确定食槽中的饲料信息,根据饲料信息生成该食槽对应的标签,后续可以基于该标签确定是否对该食槽中投放饲料。这样,无需人工对食槽中的饲料进行监测,可实时监控食槽中饲料余量及动物进食情况,提高了动物饲喂的效率及准确度,且避免饲料的浪费,降低人工成本。
具体的,确定饲养区域主要是为了对动物按批进行分类,由于本实施例目的是用于确定动物的监测信息,因此分析对象是动物本身或者与动物相关的物体(粪便)。举例的:当得到的检测信息判定某一饲养区域中的粪便表征动物出现了腹泻的情况,则需通知相应的兽医去该饲养区域(例如:01号猪栏)对动物(例如:猪只)进行施药医治。
综上所述,通过本实施例中的方法,可以准确得到各个饲养区域中的动物的信息,并且可以及时采取相应的对策,以提高养殖的成活率、健壮率等等。
如图2所示,在一些实施例中,如前述的动物患病状态监测方法,步骤S1获取饲养区域图像,包括如下所述步骤S21和S22:
步骤S21.按照预设的图像采集位置关系,确定采集饲养区域图像所对应的采集位置信息;
步骤S22.在巡检车按照预设运行轨迹到达所述采集位置信息对应的位置时,设于巡检车上的图像采集模块对饲养区域进行饲养区域图像的采集。
在本实施例中,是通过一个图像采集模块对各个饲养区域进行拍摄的,可以在饲养区域上方设有轨道,巡检车在轨道上行驶,同时巡检车上的图像采集模块拍摄下方巡检区域,得到巡检图像。
图像采集位置关系为采集位置信息与各饲养区域的饲养区域图像之间的对应关系;举例来说,当存在采集位置信息I,其可以对应于饲养区域A,因此可以得到:当巡检车位于I时,可以采集A处的饲养区域图像;此外,采集位置信息可以是一个位置点,也可以是一个位置范围。
由于巡检车一般是按照一定顺序运行拍摄,而每个饲养区域都有其对应的采集位置信息,该采集位置信息可以为巡检车的位置信息,且进一步地,可以是巡检车在运行轨道上的位置信息,也可以是巡检车的地理位置信息(例如通过GPS定位得到的位置)。因此,巡检车每到达一个采集位置信息对应的位置之后,即可对该采集位置信息对应的饲养区域进行饲养区域图像的采集,进一步的,还可以将饲养区域图像上传至SAAS或网关,进一步的,上传时,还包括该饲养区域的标识信息,进而可以将饲养区域与饲养区域图像进行对应。这样,后续可以通过SAAS对该饲养区域图像进行展示,以及通过计算机视觉方式可以从每个饲养区域对应的图像中检测出动物的患病信息,举例来说,可以确定动物的粪便情况,从而确定动物是否存在腹泻等疫情。
在一些实施例中,如前述的动物患病状态监测方法,对饲养区域图像进行分析,确定对应饲养区域中动物的患病信息,包括:
根据预先训练的粪便检测模型,对饲养区域图像进行分析,得到动物粪便对应的动物腹泻患病信息,动物腹泻患病信息包括多个等级。
如图3所示,根据本申请另方面的一种实施例,本申请提供了一种动物患病状态监测装置,包括:
获取模块21,用于获取饲养区域图像;
粪便检测模块22,用于根据预先训练的粪便检测模型,对所述饲养区域图像进行分析,得到动物粪便对应的动物腹泻信息,所述动物腹泻信息包括多个腹泻等级;
姿态检测模块23,用于根据预先训练的动物姿态检测模型,对所述饲养区域图像进行分析,得到动物对应的动物健康状况信息;
监测信息模块24,用于根据所述动物腹泻信息以及动物健康状况信息确定所述动物的监测信息。
具体的,本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述,此处不再赘述。
根据本申请的另一个实施例,还提供一种电子设备,包括:如图4所示,电子设备可以包括:处理器1501、通信接口1502、存储器1503和通信总线1504,其中,处理器1501,通信接口1502,存储器1503通过通信总线1504完成相互间的通信。
存储器1503,用于存放计算机程序;
处理器1501,用于执行存储器1503上所存放的程序时,实现上述方法实施例的步骤。
上述电子设备提到的总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述方法实施例的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。