货柜异物检测方法、装置、电子设备和计算机可读存储介质

技术领域

本公开的实施例一般涉及物品检测领域，并且更具体地，涉及货柜异物检测方法、装置、电子设备和计算机可读存储介质。

背景技术

现在为了节省人力，无人超市的数量日渐增多。

在无人超市中，有很多物品需要放入货柜中冷藏或保温，而某些消费者有时会基于各种理由，在无人货柜中放入不属于货柜的物品，例如垃圾或其他位置的商品。这种情况目前很难监管。商家通常只能人工通过历史订单比对商品数量，判断货柜中是否存在异物，结合订单信息去查询异物是何时被哪位消费者放入，然后通过人工客服电话通知消费者取出异物。这种方法检测繁琐，效率较低。

因为，如何提高货柜异物检测方法的效率，就成为亟待解决的技术问题。

发明内容

根据本公开的实施例，提供了一种货柜异物检测方法、装置、电子设备和计算机可读存储介质。

在本公开的第一方面，提供了一种货柜异物检测方法，包括：

获取待检测货柜图像，所述待检测货柜图像包含待检测货柜内货柜底板及其上方商品的图像；

将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域；

获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置，所述货柜底板定位点基准位置对应于所述待检测货柜；

检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置；

判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果是，判断货柜检出异物；如果否，判断货柜未检出异物。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域的步骤包括：

根据所述待检测货柜图像，获取所述待检测货柜图像中的货柜底板区域；

利用商品识别模型，获取所述待检测货柜图像中的商品区域；

将所述货柜底板区域去除所述商品区域，得到待检测无商品区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，

所述货柜底板开设有标记、凹槽或挖孔作为所述定位点。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述标记、所述凹槽或所述挖孔的数量为多个。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，多个标记、凹槽或挖孔平行排列。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置的步骤包括：

筛选所述待检测无商品区域中与周围点像素差别大于设定边缘阈值的点，作为定位点轮廓点；

将所述定位点轮廓点相连拟合，得到无商品区域定位点检测位置。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置的步骤包括：

获取定位点检测训练数据集，其中，所述定位点检测训练数据集包括训练定位点检测区域及所述训练定位点检测区域内的定位点对应的基准定位点位置；

利用定位点检测模型，根据所述训练定位点检测区域，得到所述训练定位点检测区域内的定位点对应的训练定位点位置；

基于所述基准定位点位置和所述训练定位点位置，得到定位点检测模型训练损失，根据所述定位点检测模型训练损失，训练所述定位点检测模型，直至所述定位点检测模型训练损失满足定位点检测模型训练损失阈值，得到训练完成的所述定位点检测模型。

在本公开的第二方面，提供了一种货柜异物检测装置，包括：

待检测货柜图像获取单元，适于获取待检测货柜图像，所述待检测货柜图像包含待检测货柜内货柜底板及其上方商品的图像；

待检测无商品区域获取单元，适于将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域；

无商品区域定位点基准位置获取单元，适于获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置，所述货柜底板定位点基准位置对应于所述待检测货柜；

无商品区域定位点检测位置获取单元，适于检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置；

货柜异物判断单元，适于判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果是，判断货柜检出异物；如果否，判断货柜未检出异物。

在本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器存储有程序，所述处理器执行所述程序时实现如以上所述货柜异物检测方法。

在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现所述货柜异物检测方法。

本公开的实施例提供了一种货柜异物检测方法，包括先获取待检测货柜图像，所述待检测货柜图像包含待检测货柜内货柜底板及其上方商品的图像；然后将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域；再获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置，所述货柜底板定位点基准位置对应于所述待检测货柜；同时检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置；最后判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果是，判断货柜检出异物；如果否，判断货柜未检出异物。可以看出，本公开的实施例所提供的货柜异物检测方法的整个流程可以通过程序自动进行，无需人力，节约成本的同时，可以在消费者关门后，立马判断有无异物，具有快速响应的优势。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，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。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开的实施例提供的货柜异物检测方法的流程示意图；

图2示出了本公开的实施例提供的货柜异物检测方法中待检测货柜图像的示意图；

图3示出了本公开的实施例提供的货柜异物检测方法中货柜底板区域的图像的示意图；

图4示出了本公开的实施例提供的货柜异物检测方法中待检测无商品区域的图像的示意图；

图5示出了本公开的实施例提供的货柜异物检测方法中无商品区域定位点检测位置的示意图；

图6示出了本公开的实施例所提供的货柜异物检测装置的示意图；

图7示出了本公开的实施例所提供的电子设备的示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本公开的实施例提供了一种货柜异物检测方法，包括先获取待检测货柜图像，所述待检测货柜图像包含待检测货柜内货柜底板及其上方商品的图像；然后将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域；再获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置，所述货柜底板定位点基准位置对应于所述待检测货柜；同时检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置；最后判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果是，判断货柜检出异物；如果否，判断货柜未检出异物。可以看出，本公开的实施例所提供的货柜异物检测方法的整个流程可以通过程序自动进行，无需人力，节约成本的同时，可以在消费者关门后，立马判断有无异物，具有快速响应的优势。

下面将结合本公开的实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开的一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

请参考图1，图1示出了本公开的实施例提供的货柜异物检测方法的流程示意图。

本公开的实施例提供了一种货柜异物检测方法，包括：

步骤S11:获取待检测货柜图像。

请参考图2，图2示出了本公开的实施例提供的货柜异物检测方法中待检测货柜图像的示意图。如图所示，所述待检测货柜图像包含待检测货柜内货柜底板及其上方商品的图像。所述待检测货柜图像可以经由设置于待检测货柜内的摄像电子设备直接获得，所得图像比较清晰，而且设置方便，具有很低的成本。

拍摄所述的待检测货柜图像的摄像设备也可以设置于其他位置，只要能够拍摄到所述待检测货柜内货柜底板及其上方商品的图像即可。

当然，也可以将设置于待检测货柜内的摄像电子设备直接获得的图像，利用失真校正、降噪、提高清晰度等方法处理之后的图像，作为所述待检测货柜图像。

所述待检测货柜图像可以为彩色图像，也可以为黑白图像。

步骤S12:将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域。

当获取所述待检测货柜图像的摄像位置确定时，所述货柜底板区域也可以确定，因此可以获得所述待检测货柜图像中的货柜底板区域。请参考图3，图3示出了本公开的实施例提供的货柜异物检测方法中货柜底板区域的图像的示意图。

商品区域可以利用现有的商品识别模型获得，其中，所利用的所述商品识别模型可以选用能够识别所述待检测货柜内的各种商品的商品识别模型。例如，所述待检测货柜中出售的商品都是饮料的话，所述商品识别模型可以选用能够识别各种饮料的商品识别模型；所述待检测货柜中出售的商品都是包子等面食的话，所述商品识别模型可以选用能够识别各种包子等面食的商品识别模型。

在获取所述商品区域后，可以将所述货柜底板区域去除所述商品区域，得到待检测无商品区域。请参考图4，图4示出了本公开的实施例提供的货柜异物检测方法中待检测无商品区域的图像的示意图。

步骤S13:获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置。

所述定位点为设置于所述待检测货柜内的容易在图像中识别的标识。

当所述定位点较小时，所述定位点的位置可以用点来表示，当所述定位点的尺寸较大时，所述定位点的位置可以用边缘的轮廓线或边缘围成闭合图形块来表示。

当所述待检测货柜和获取所述待检测货柜图像的摄像位置确定时，每个所述定位点在所述待检测货柜图像的中的位置也可以确定，即为货柜底板定位点基准位置。

为了提高识别定位点的效率，所述定位点的形状可以根据需要设置，所述货柜底板开设有标记、凹槽或挖孔作为所述定位点。

所述标记为所述货柜底板上易于通过图像辨别的区域，例如与货柜底板的颜色差异很大的区域，带有文字或图样的区域等等。如图2或图3或图4所示，所述货柜底板开设有多个挖孔作为所述定位点，可以看出，所述挖孔和所述货柜底板的其他部分相比，灰度差距较大，很容易分辨所述定位点的位置。

为了进一步的提高识别定位点的效率，在一种具体实施方式中，所述标记、所述凹槽或所述挖孔的数量为多个，多个所述标记、所述凹槽或所述挖孔平行排列。如图2或图3或图4所示，所述挖孔的数量为多个，多个平行排列。

由于多个所述挖孔平行排列，可以通过多个平行的所述挖孔的位置进行对齐，便于后续进行无商品区域定位点检测位置和无商品区域定位点基准位置的比较。

结合待检测无商品区域，将所述待检测无商品区域的区域在所述对应的货柜底板定位点基准位置中的定位点的位置截出，即为无商品区域定位点基准位置。

步骤S14：检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置。

通过检测所述待检测无商品区域中的定位点的位置，去除不属于所述待检测无商品区域的定位点的位置，就得到可以得到待检测无商品区域中定位点的位置，即无商品区域定位点检测位置。请参考图5，图5示出了本公开的实施例提供的货柜异物检测方法中无商品区域定位点检测位置的示意图。

具体的，检测所述待检测无商品区域中的定位点的位置的方法可以根据需要选择，在一种具体实施方式中，可以利用定位点与底板区域的色差，筛选所述待检测无商品区域中与周围点像素差别大于设定边缘阈值的点，作为定位点轮廓点，然后将所述定位点轮廓点相连拟合，得到无商品区域定位点检测位置。通过利用色差，确定定位点轮廓点，相连拟合，得到无商品区域定位点检测位置的可利用程序自动进行方法简便，而且效率比较高。

在另一种具体实施方式中，所述检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置的步骤包括：利用定位点检测模型，检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置。

通过定位点检测模型（数据处理网络）获取所述定位点的位置，所得结果比较精确。

具体的，在一种具体实施方式中，所述定位点检测模型的训练方法可以包括：

获取定位点检测训练数据集；

利用定位点检测模型，根据所述训练定位点检测区域，得到所述训练定位点检测区域内的定位点对应的训练定位点位置；

基于所述基准定位点位置和所述训练定位点位置，得到定位点检测模型训练损失，根据所述定位点检测模型训练损失，训练所述定位点检测模型，直至所述定位点检测模型训练损失满足定位点检测模型训练损失阈值，得到训练完成的所述定位点检测模型。

其中，其中，所述定位点检测训练数据集包括训练定位点检测区域及所述训练定位点检测区域内的定位点对应的基准定位点位置；所述基准定位点位置为所述训练定位点检测区域中定位点人工标记的位置，所述训练定位点检测区域可以根据需要选择，可以包括各种货柜内的训练定位点检测区域，也可以仅包括特定货柜内的训练定位点检测区域。

当所述定位点检测模型所用训练数据集包括各种货柜内的训练定位点检测区域时，所述定位点检测模型可以适用各种待检测货柜，适用性强。当所述定位点检测模型所用训练数据集包括特定货柜内的训练定位点检测区域时，所述定位点检测模型所得结果比较精确。

所述步骤S13和所述步骤S14的顺序不做要求，可以更改顺序先后进行，也可以同时运行。

步骤S15：判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果否，执行步骤S16，如果是，执行步骤S17。

判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值的方法可以测量定位点之间的距离，当定位点的位置用点表示时，所述商品区域定位点检测位置和无商品区域定位点基准位置的差异可以为点的间距，当定位点的位置用边缘的轮廓线或边缘围成闭合图形块表示时，所述商品区域定位点检测位置和无商品区域定位点基准位置的差异可以为某一方向边缘点的间距，或边缘所在平行线之间的间距等等。

当定位点的位置用点表示且有异物存在时，所述无商品区域定位点检测位置和所述无商品区域定位点基准位置的差异主要体现在所述无商品区域定位点检测位置中，有部分定位点缺失，当缺失的程度大于设定差异阈值时，可以认为存在异物，当缺失的程度极小，小于设定差异阈值时，可以认为不存在异物。

当定位点的位置用边缘的轮廓线或边缘围成闭合图形块表示且有异物存在时，所述无商品区域定位点检测位置和所述无商品区域定位点基准位置的差异主要体现在所述无商品区域定位点检测位置中，有部分定位点的边缘缺失或部分定位点整体缺失，当缺失的程度大于设定差异阈值时，可以认为存在异物，当缺失的程度极小，小于设定差异阈值时，可以认为不存在异物。

具体的，根据图像清晰度差异，设定差异阈值的数值也有不同。

步骤S16：判断货柜未检出异物。

判断货柜未检出异物后，可以不发出信号，然后继续进行检测。

整个检测过程可以持续进行，而且无需人员干预。

步骤S17：判断货柜检出异物。

当判断出货柜的异物后，可以通过货柜周围设置报警装置提醒顾客拿出异物，也可以通知店员进行处理。

可以看出，本公开的实施例所提供的货柜异物检测方法的整个流程可以通过程序自动进行，无需人力，节约成本的同时，可以在消费者关门后，立马判断有无异物，具有快速响应的优势。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

请参考图6，图6示出了本公开的实施例所提供的货柜异物检测装置的示意图。

本公开的实施例所提供的货柜异物检测装置包括：

待检测货柜图像获取单元61，适于获取待检测货柜图像；

待检测无商品区域获取单元62，适于将所述待检测货柜图像中的货柜底板区域去除所述货柜底板区域中的商品区域，得到待检测无商品区域；

无商品区域定位点基准位置获取单元63，适于获取货柜底板定位点基准位置中所述待检测无商品区域内的定位点的位置，得到无商品区域定位点基准位置，所述货柜底板定位点基准位置对应于所述待检测货柜；

无商品区域定位点检测位置获取单元64，适于检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置；

货柜异物判断单元65，适于判断无商品区域定位点检测位置和无商品区域定位点基准位置的差异是否大于设定差异阈值，如果是，判断货柜检出异物；如果否，判断货柜未检出异物。

可以看出，本公开的实施例所提供的货柜异物检测装置所执行的整个流程可以通过程序自动进行，无需人力，节约成本的同时，可以在消费者关门后，立马判断有无异物，具有快速响应的优势。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待检测无商品区域获取单元62还适于：

根据所述待检测货柜图像，获取所述待检测货柜图像中的货柜底板区域；

利用商品识别模型，获取所述待检测货柜图像中的商品区域；

将所述货柜底板区域去除所述商品区域，得到待检测无商品区域。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述货柜底板开设有标记、凹槽或挖孔作为所述定位点。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述标记、所述凹槽或所述挖孔的数量为多个，多个所述标记、所述凹槽或所述挖孔平行排列。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述无商品区域定位点检测位置获取单元64，还适于筛选所述待检测无商品区域中与周围点像素差别大于设定边缘阈值的点，作为定位点轮廓点；将所述定位点轮廓点相连拟合，得到无商品区域定位点检测位置。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述无商品区域定位点检测位置获取单元64，还适于利用定位点检测模型66，检测所述待检测无商品区域中的定位点，得到无商品区域定位点检测位置。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括定位点检测模型训练单元67，适于：

获取定位点检测训练数据集，其中，所述定位点检测训练数据集包括训练定位点检测区域及所述训练定位点检测区域内的定位点对应的基准定位点位置；

利用定位点检测模型66，根据所述训练定位点检测区域，得到所述训练定位点检测区域内的定位点对应的训练定位点位置；

基于所述基准定位点位置和所述训练定位点位置，得到定位点检测模型训练损失，根据所述定位点检测模型训练损失，训练所述定位点检测模型66，直至所述定位点检测模型训练损失满足定位点检测模型训练损失阈值，得到训练完成的所述定位点检测模型66。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

请参考图7，图7示出了本公开的实施例所提供的电子设备的示意图。

所述电子设备70可以用于实现所述货柜异物检测方法。如图所示，电子设备70包括CPU71，其可以根据存储在ROM72中的程序指令或者从存储单元78加载到RAM73中的程序指令，来执行各种适当的动作和处理。在RAM73中，还可以存储电子设备70操作所需的各种程序和数据。CPU71、ROM72以及RAM73通过总线74彼此相连。I/O接口75也连接至总线74。

电子设备70中的多个部件连接至I/O接口75，包括：输入单元76，例如键盘、鼠标等；输出单元77，例如各种类型的显示器、扬声器等；存储单元78，例如磁盘、光盘等；以及通信单元79，例如网卡、调制解调器、无线通信收发机等。通信单元79允许电子设备70通过诸如因特网的计算机网络和/或各种电信网络与其他电子设备交换信息/数据。

处理单元71执行上文所描述的各个方法和处理，例如所述货柜异物检测方法。例如，在一些实施例中，所述货柜异物检测方法可被实现为计算机软件程序，其被有形地包含于计算机可读存储介质，例如存储单元78。在一些实施例中，程序的部分或者全部可以经由ROM72和/或通信单元79而被载入和/或安装到电子设备70上。当程序加载到RAM73并由CPU71执行时，可以执行上文描述的所述货柜异物检测方法的一个或多个步骤。备选地，在其他实施例中，CPU71可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行所述货柜异物检测方法。

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：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）、复杂可编程逻辑器件（CPLD）等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

本公开的实施例还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时所述货柜异物检测方法。

在本公开的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或电子设备使用或与指令执行系统、装置或电子设备结合地使用的程序。计算机可读存储介质可以是机器可读信号介质或机器可读储存介质。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或电子设备，或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM、光纤、CD-ROM、光学储存电子设备、磁储存电子设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。