包装变更检测方法、装置、云端计算机设备和存储介质
文献发布时间:2023-06-19 11:19:16
技术领域
本申请涉及计算机技术领域,特别是涉及一种包装变更检测方法、装置、云端计算机设备和存储介质。
背景技术
在物流行业中,经常因为业务人员不规范的运输操作,导致被运输的包裹破损。而运输人员常常会以私自更换破损的外包装来逃避责任。因此,为了约束业务人员按照工作规范进行操作,通常会在运输的各场地对包裹的外包装进行检测。然而,传统的检测方法大多是通过人工实时对各场地的监控数据进行查看和对比确定包裹外包装是否被更换。这种人工检测的方式不仅耗时耗力,还降低了检测的精度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高检测精度的包装变更检测方法、装置、云端计算机设备和存储介质。
一种包装变更检测方法,所述方法包括:
接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;所述包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到;
获取所述包裹图像对应的图像特征;
根据所述包裹单号确定所述待检测包裹对应的对比特征;所述对比特征为所述待检测包裹在上一快递中转点的图像特征;
将所述图像特征与所述对比特征进行比较,确定所述待检测包裹的包装是否变更。
在其中一个实施例中,所述方法还包括:
当确定所述待检测包裹的包装未发生变更时,根据所述包裹单号将所述待检测包裹位于当前快递中转点的图像特征保存;
当接收到所述待检测包裹在下一快递中转点的图像特征时,获取所述待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
在其中一个实施例中,所述获取所述包裹图像对应的图像特征,包括:
调用预先训练好的神经网络;
利用所述神经网络将所述包裹图像嵌入到预设维度的数组中,得到的数组为所述包裹图像对应的图像特征。
在其中一个实施例中,所述调用预先训练好的神经网络之前,还包括:
对所述包裹图像进行目标检测,得到所述包裹图像中包裹的坐标位置;
根据所述包裹的坐标位置从所述包裹图像上裁剪得到包裹区域图像,将所述包裹区域图像作为包裹图像。
在其中一个实施例中,所述将所述图像特征与所述对比特征进行比较,确定所述待检测包裹的包装是否变更,包括:
计算所述图像特征与所述对比特征的空间距离,得到所述待检测包裹在当前快递中转点与在上一快递中转点的相似度;
当所述相似度小于阈值时,确定所述待检测包裹的包装发生变更。
在其中一个实施例中,所述方法还包括:
当确定所述待检测包裹的包装发生变更时,生成预警信息并反馈给所述计算机设备。
一种包装变更检测装置,所述装置包括:
接收模块,用于接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;所述包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到;
获取模块,用于获取所述包裹图像对应的图像特征;
确定模块,用于根据所述包裹单号确定所述待检测包裹对应的对比特征;所述对比特征为所述待检测包裹在上一快递中转点的图像特征;
比较模块,用于将所述图像特征与所述对比特征进行比较,确定所述待检测包裹的包装是否变更。
在其中一个实施例中,所述装置还包括保存模块;
所述保存模块,用于当确定所述待检测包裹的包装未发生变更时,根据所述包裹单号将所述待检测包裹位于当前快递中转点的图像特征保存;
所述获取模块还用于当接收到所述待检测包裹在下一快递中转点的图像特征时,获取所述待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
一种云端计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述任一项所述包装变更检测方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述任一项所述的包装变更检测方法的步骤。
上述包装变更检测方法、装置、云端计算机设备和存储介质,当接收到由位于当前快递中转点的工业相机采集而计算机设备发送的待检测包裹的包裹单号和包裹图像之后,获取该包裹图像的图像特征,以及根据包裹单号确定待检测包裹在上一快递中转点的图像特征作为对比特征,进而将对比特征与图像特征进行比较确定待检测包裹的包装是否发生变更。该方法实现了包装变更的自动检测,不仅无需大量人力查看监控数据,还能提高检测的精准性。
附图说明
图1为一个实施例中包装变更检测方法的应用环境图;
图2为一个实施例中包装变更检测方法的流程示意图;
图3A为一个实施例中对包裹图像进行裁剪的步骤的流程示意图;
图3B为一个实施例中包裹图像的示意图;
图4为另一个实施例中包装变更检测方法的流程示意图;
图5为一个实施例中包装变更检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的包装变更检测方法,可以应用于如图1所示的应用环境中。该应用环境涉及工业相机102、计算机设备104和云端计算机设备106。其中,工业相机102与计算机设备104通过网络进行通信、计算机设备104与云端服务器106通过网络进行通信。工业相机102设于各快递中转点,计算机设备104为各快递中转点的本地服务器。应当理解的是,各快递中转点均有对应的工业相机102和计算及设备104。
具体地,工业相机102用于采集经过对应快递中转点的待检测包裹的包裹图像和包裹单号,然后工业相机102经由计算机设备104将采集的包裹图像和包裹图像发送给云端计算机设备106。应当理解的是,在工业相机102和云端计算机设备106可通信的情况下,工业相机102可以直接将采集的包裹图像和包裹图像发送给云端计算机设备106。当云端计算机设备106接收到任一中转点的包裹图像和包裹单号之后,获取包裹图像对应的图像特征;云端服务器106根据包裹单号确定待检测包裹对应的对比特征;对比特征为待检测包裹在上一快递中转点的图像特征;云端计算机设备106将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更。其中,计算机设备104和云端计算机设备106均可以是终端或者服务器,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种包装变更检测方法,以该方法应用于图1中的云端计算机设备为例进行说明,包括以下步骤:
步骤S202,接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到。
其中,快递中转点是快递在运输途中经由的场地,包括快递发出场地、中转场地、到达场地等等。包裹图像是对待检测包裹进行图像采集得到的,包裹单号是包裹的唯一标识。待检测包裹则是当前进行变更检查的包裹。
具体地,当快递从上一个快递中转点到达当前快递中转点后,设于当前快递中转点的工业相机对这个快递进行图像采集和单号扫描,得到待检测包裹的包裹图像和包裹单号。然后,工业相机将该包裹图像和包裹单号发送给当前快递中转点的计算机设备,由计算机设备将包裹图像和包裹单号发送给云端计算机设备。
步骤S204,获取包裹图像对应的图像特征。
其中,图像特征是指从图像中提取得到图像信息,常用的图像特征包括颜色特征、纹理特征、形状特征和空间关系特征等。
具体地,当接收到待检测包裹的包裹图像之后,对包裹图像进行数字图像处理,利用相应的图像特征提取算法提取得到包裹图像的图像特征。特征提取算法可以采用任意一种方法,包括但不限于颜色直方图、信号处理法、模型法、几何参数法、图像分割提取法、基于关键点的特征描述子、边缘提取法中的一种或多种组合。
在一个实施例中,步骤S204,获取包裹图像对应的图像特征具体包括:调用预先训练好的神经网络;利用神经网络将包裹图像嵌入到预设维度的数组中,得到的数组为包裹图像对应的图像特征。
具体地,神经网络为根据训练样本和损失函数预先训练好用于提取包裹图像的图像特征的卷积神经网络。训练样本是同一个包裹在不同场地的图像制作成的训练集。本实施例中损失函数优选cross entropy loss(交叉熵损失函数)和triplet loss(三重损失函数),损失函数最终的结果为cross entropy loss和triplet loss这两个损失函数的加权求和的值。而cross entropy loss(交和triplet loss所占的权重比可根据实际情况进行设定。
当获取图像特征时,即可调用预先训练好的神经网络,将包裹图像输入至神经网络中。由神经网络对包裹图像进行卷积池化等操作,使得将其嵌入到预设维度的空间中。而所得到的预设维度的数组即为包裹图像的图像特征。预设维度同样可根据实际情况设定,本实施例中预设维度优选1024。那么,本实施例中的图像特征即是一个1024维的数组。
步骤S206,根据包裹单号确定待检测包裹对应的对比特征;对比特征为待检测包裹在上一快递中转点的图像特征。
其中,云端计算机设备中存储有快递于各快递中转点时对应的图像特征,而由于包裹单号是唯一的。因此同一快递在不同中转点的图像特征通过包裹单号关联存储。对比特征即是与待检测包裹的图像特征进行对比的图像特征,应当是快递在当前快递中转点之前的那些快递中转点对应的图像特征,最好是快递中转点对应的上一快递中转点的图像特征。
具体地,由于快递在各快递中转点的图像特征均由包裹单号进行关联存储,那么,当提取得到包裹图像的图像特征之后,通过该包裹图像对应的包裹单号即可从存储图像特征的数据库中获取到对比特征。
步骤S208,将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更。
具体地,当获取到包裹图像的图像特征以及该图像特征对应的对比特征之后,对图像特征和对比特征进行相似度的比较。相似度的比较可以采用任意一种方法,包括但不限于直方图匹配、矩阵分解、基于特征点的图像相似度计算等。当二者的相似度高于预设阈值时,即可确定待检测包裹在当前快递中转点的模样与对应上一快递中转点的模板没有区别,表示待检测包裹的包装没有被变更。而当二者的相似度高于预设阈值时,表示待检测包裹在当前快递中转点的模样与对应上一快递中转点的模板有一定的区别,待检测包裹的包装可能存在变更情况。
在一个实施例中,步骤S208,将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更具体包括:计算图像特征与对比特征的空间距离,得到待检测包裹在当前快递中转点与在上一快递中转点的相似度;当相似度小于阈值时,确定待检测包裹的包装发生变更。
具体地,通过空间距离算法计算图像特征与对比特征的空间距离,得到的空间距离即为图像特征与对比特征的相似度,即待检测包裹在当前快递中转点与在上一快递中转点的相似度。空间距离的计算包括但不限于是欧式距离、曼哈顿距离、契比雪夫距离、余弦距离等。在本实施例中优先欧式距离。
利用欧式距离的计算公式计算得到1024维的图像特征与1024维的对比特征之间的欧式距离。一般来说,所得到的距离值越小表示越为相似。本实例通过将图像特征与对比特征的欧式距离的值与预设阈值进行比较,当小于预设阈值时,表示图像特征与对比特征的相似,待检测包裹在当前快递中转点与在上一快递中转点是相似的,没有被变更外包装。
上述包装变更检测方法中,当接收到由位于当前快递中转点的工业相机采集而计算机设备发送的待检测包裹的包裹单号和包裹图像之后,获取该包裹图像的图像特征,以及根据包裹单号确定待检测包裹在上一快递中转点的图像特征作为对比特征,进而将对比特征与图像特征进行比较确定待检测包裹的包装是否发生变更。该方法实现了包装变更的自动检测,不仅无需大量人力查看监控数据,还能提高检测的精准性。
在一个实施例中,当步骤S208之后,还包括当确定待检测包裹的包装未发生变更时,根据包裹单号将待检测包裹位于当前快递中转点的图像特征保存;当接收到待检测包裹在下一快递中转点的图像特征时,获取待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
具体地,当根据比较确定到达当前快递中转点的待检测包裹的外包装并未发生变更时,将待检测包裹在当前快递中转点的图像特征与包裹单号关联映射后保存至数据库中。当快递被运往到达下一快递中转点时,即可根据包裹单号从数据库中获取该图像特征作为对比特征。从而与下一快递中转点的图像特征进行比较确定在此运输过程中包裹的包装是否有被变更。
在一个实施例中,而当确定到达当前快递中转点的待检测包裹的外包装发生变更时,即可生成预警信息,预警信息中包括已变更包装包裹的包裹单号。然后,将包括包裹单号的预警信息返回至快递中转点对应的计算机设备,用于告知快递中转点的工作人员进行核查。
在一个实施例中,如图3A所示,当获取包裹图像的图像特征之前,还包括以下步骤:
步骤S302,对包裹图像进行目标检测,得到包裹图像中包裹的坐标位置;
步骤S304,根据包裹的坐标位置从包裹图像上裁剪得到包裹区域图像,将包裹区域图像作为包裹图像。
具体地,通过目标检测算法,例如SSD(Single Shot MultiBox Detector,单个探测器)目标检测算法对工业相机所采集的包裹图像进行目标检测,得到包裹在所采集的包裹图像中的坐标位置。然后,根据坐标位置从采集的包裹图像中定位得到包裹,并且将包裹所在的图像区域从采集的包裹图像上裁剪下来,得到包裹区域图像。包裹区域图像可以理解为是从所采集的包裹图像中裁剪下来只包括包裹的图像。参考图3B,左边图像为工业相机采集的包裹图像,包括包裹和背景。右边图像则为只包括包裹的包裹区域图像。将仅包括包裹的包裹区域图像作为最终的包裹图像,获取最终的包裹图像的图像特征。另外,为了输入神经网络的包裹图像尺寸能够满足神经网络所接收的图像尺寸,可以将图像尺寸不满足224*224大小的包裹图像缩放到224*224。在本实施例中,由于工业相机采集的原始的包裹图像通常除了包裹之外,还包括大量背景区域,因此本实施例通过目标检测对采集的原始的包裹图像裁剪得到只包括包裹的包裹图像,从而去除背景区域对检测的影响,提高检测的准确率。
在一个实施例中,如图4所示,提供另一种包装变更检测方法,以该方法应用于图1为例进行说明,包括以下步骤:
S1,工业相机102采集待检测包裹的包裹图像和包裹单号,
S2,工业相机102将包裹图像和包裹单号发送给计算机设备104。
S3,计算机设备104接收包裹图像和包裹单号,获取包裹图像的图像特征。
具体地,利用SSD目标检测算法从包裹图像中检测出包裹在包裹图像的坐标位置。根据坐标位置从包裹图像中裁剪得到包括包裹的图像区域,得到最终的包裹图像。调用预设的神经网络将包裹图像嵌入到1024维的数组中,得到图像特征。
S4,计算机设备104将图像特征和包裹单号发送给云端计算机设备106。
S5,云端计算机设备106根据接收到的包裹单号获取图像特征的对比特征,比较图像特征和对比特征确定待检测包裹的包装是否发生变更。
具体地,云端计算机设备106通过计算图像特征和对比特征的欧式距离,将得到欧氏距离的值与阈值进行比较。当欧式距离的值大于等于阈值时,确定图像特征和对比特征不相似,表示待检测包裹从上一快递中转点运输到当前快递中转点后包装发生了变更。而当欧式距离的值小于阈值时,确定图像特征和对比特征相似,表示待检测包裹从上一快递中转点运输到当前快递中转点时包装没有被变更。
S6,当远端计算机设备106确定包装发生变更时,生成预警信息反馈给计算机设备104。
在本实施例中,通过快递中转点本地的计算机设备和云端计算机设备配合完成包装检测工作,从而减轻云端计算机设备的负担,提高处理的效率。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种包装变更检测装置,包括:接收模块502、获取模块504、确定模块506和比较模块508,其中:
接收模块502,用于接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到。
获取模块504,用于获取包裹图像对应的图像特征。
确定模块506,用于根据包裹单号确定待检测包裹对应的对比特征;对比特征为待检测包裹在上一快递中转点的图像特征。
比较模块508,用于将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更。
在一个实施例中,包装变更检测装置还包括保存模块,用于当确定待检测包裹的包装未发生变更时,根据包裹单号将待检测包裹位于当前快递中转点的图像特征保存。
获取模块还用于当接收到待检测包裹在下一快递中转点的图像特征时,获取待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
在一个实施例中,获取模块还用于调用预先训练好的神经网络;利用神经网络将包裹图像嵌入到预设维度的数组中,得到的数组为包裹图像对应的图像特征。
在一个实施例中,获取模块还用于对包裹图像进行目标检测,得到包裹图像中包裹的坐标位置;根据包裹的坐标位置从包裹图像上裁剪得到包裹区域图像,将包裹区域图像作为包裹图像。
在一个实施例中,比较模块还用于计算图像特征与对比特征的空间距离,得到待检测包裹在当前快递中转点与在上一快递中转点的相似度;当相似度小于阈值时,确定待检测包裹的包装发生变更。
在一个实施例中,包装变更检测装置还包括反馈模块,用于当确定待检测包裹的包装发生变更时,生成预警信息并反馈给计算机设备。
关于包装变更检测装置的具体限定可以参见上文中对于包装变更检测方法的限定,在此不再赘述。上述包装变更检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备或云端计算机设备,该计算机设备和云端计算机设备均可以是服务器,其内部结构图可以如图6所示。该计算机设备和云端计算机设备均包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备和云端计算机设备的处理器用于提供计算和控制能力。该计算机设备和云端计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。计算机设备的数据库用于存储包裹图像和包裹单号、云端计算机设备的数据库用于存储图像特征等数据。其中,云端计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种包装变更检测方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备或云端计算机设备的限定,具体的计算机设备或云端计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到;
获取包裹图像对应的图像特征;
根据包裹单号确定待检测包裹对应的对比特征;对比特征为待检测包裹在上一快递中转点的图像特征;
将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当确定待检测包裹的包装未发生变更时,根据包裹单号将待检测包裹位于当前快递中转点的图像特征保存。
获取模块还用于当接收到待检测包裹在下一快递中转点的图像特征时,获取待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
调用预先训练好的神经网络;利用神经网络将包裹图像嵌入到预设维度的数组中,得到的数组为包裹图像对应的图像特征。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对包裹图像进行目标检测,得到包裹图像中包裹的坐标位置;根据包裹的坐标位置从包裹图像上裁剪得到包裹区域图像,将包裹区域图像作为包裹图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算图像特征与对比特征的空间距离,得到待检测包裹在当前快递中转点与在上一快递中转点的相似度;当相似度小于阈值时,确定待检测包裹的包装发生变更。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当确定待检测包裹的包装发生变更时,生成预警信息并反馈给计算机设备。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收当前快递中转点的计算机设备发送的包裹图像和包裹单号;包裹图像和包裹单号由位于当前快递中转点的工业相机对待检测包裹采集得到;
获取包裹图像对应的图像特征;
根据包裹单号确定待检测包裹对应的对比特征;对比特征为待检测包裹在上一快递中转点的图像特征;
将图像特征与对比特征进行比较,确定待检测包裹的包装是否变更。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当确定待检测包裹的包装未发生变更时,根据包裹单号将待检测包裹位于当前快递中转点的图像特征保存。
获取模块还用于当接收到待检测包裹在下一快递中转点的图像特征时,获取待检测包裹位于当前快递中转点的图像特征作为下一快递中转点的图像特征的对比特征。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
调用预先训练好的神经网络;利用神经网络将包裹图像嵌入到预设维度的数组中,得到的数组为包裹图像对应的图像特征。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对包裹图像进行目标检测,得到包裹图像中包裹的坐标位置;根据包裹的坐标位置从包裹图像上裁剪得到包裹区域图像,将包裹区域图像作为包裹图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算图像特征与对比特征的空间距离,得到待检测包裹在当前快递中转点与在上一快递中转点的相似度;当相似度小于阈值时,确定待检测包裹的包装发生变更。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当确定待检测包裹的包装发生变更时,生成预警信息并反馈给计算机设备。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
- 包装变更检测方法、装置、云端计算机设备和存储介质
- 设备异常变更的检测方法、装置、计算机可读存储介质及终端