台风检测模型的训练方法、台风检测方法及台风追踪方法

摘要

本公开提供了一种台风检测模型的训练方法、台风检测方法及台风追踪方法。该方法包括：获取多组样本，每组样本包括样本流场位图以及对应的标注信息，样本流场位图表征包括一个气旋信息的位图，气旋信息位于样本流场位图的中部，标注信息表征气旋信息对应的位置信息，多组样本中包括训练集样本和测试集样本；利用训练集样本对目标检测模型进行多轮次的迭代训练，记录目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重；利用测试集样本对网络权重为第一目标网络权重的目标检测模型进行测试，得到平均正确率；根据平均正确率、第一目标损失函数值和第一目标网络权重，确定训练得到的台风检测模型。

说明书

技术领域

本公开涉及气象检测、深度学习技术领域，更具体地，涉及一种台风检测模型的训练方法、台风检测方法及台风追踪方法。

背景技术

台风追踪技术是台风研究中的重要工具。该项技术可识别气象数据中的台风并追踪其移动路径和登陆位置等重要信息，已广泛应用于台风研究中。

在台风追踪技术中，如何检测台风是一个关键问题。目前，利用计算程序逐格点检测变量场中的台风是一个常用方法。相对而言，台风的时间尺度和空间尺度较小，很多时刻某些区域没有台风。因此，在较大区域追踪台风时，逐格点检测的方法会导致台风追踪速度较为缓慢，不利于台风研究。

发明内容

有鉴于此，本公开提供了一种台风检测模型的训练方法、台风检测方法及台风追踪方法。

本公开的一个方面提供了一种台风检测模型的训练方法，包括：获取表征台风流场信息的多组样本，其中，每组所述样本包括样本流场位图以及与所述样本流场位图相对应的标注信息，所述样本流场位图表征包括一个气旋信息的位图，所述气旋信息位于所述样本流场位图的中部，所述标注信息表征所述气旋信息对应的位置信息，所述多组样本中包括训练集样本和测试集样本；利用所述训练集样本对目标检测模型进行多轮次的迭代训练，记录所述目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重；利用所述测试集样本对网络权重为所述第一目标网络权重的目标检测模型进行测试，得到平均正确率；根据所述平均正确率、所述第一目标损失函数值和所述第一目标网络权重其中至少之一，确定训练得到的台风检测模型。

本公开的另一个方面提供了一种台风检测方法，包括：获取待检测区域对应的第一流场位图；将所述第一流场位图输入台风检测模型，得到台风识别区的目标位图坐标，其中，所述台风检测模型是基于本公开所述的台风检测模型的训练方法训练得到的；根据所述目标位图坐标，确定所述台风识别区的初始经纬度坐标；根据台风特征和所述初始经纬度坐标，确定台风中心区域。

本公开的另一个方面提供了一种台风追踪方法，包括：获取待检测区域在多个待检测时刻对应的第二流场位图；基于本公开所述的台风检测方法，确定所述第二流场位图中的目标台风中心区域；根据台风特征和所述目标台风中心区域，确定台风路径。

本公开的另一方面提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开所述的台风检测模型的训练方法、台风检测方法及台风追踪方法。

根据本公开的实施例，通过采用了获取表征台风流场信息的多组样本，每组样本包括样本流场位图以及与样本流场位图相对应的标注信息，样本流场位图表征包括一个气旋信息的位图，气旋信息位于样本流场位图的中部，标注信息表征气旋信息对应的位置信息，多组样本中包括训练集样本和测试集样本；利用训练集样本对目标检测模型进行多轮次的迭代训练，记录目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重；利用测试集样本对网络权重为第一目标网络权重的目标检测模型进行测试，得到平均正确率；根据平均正确率、第一目标损失函数值和第一目标网络权重，确定训练得到的台风检测模型的技术手段，提出了一种台风检测模型训练和基于台风检测模型进行台风检测的方法，至少部分地克服了逐格点检测时台风追踪速度较为缓慢的技术问题，可以显著提高识别和定位台风的速度，并可有助于台风研究。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用台风检测模型的训练方法、台风检测方法及台风追踪方法其中至少一种方法的示例性系统架构；

图2示意性示出了根据本公开实施例的台风检测模型的训练方法的流程图；

图3示意性示出了根据本公开实施例的台风检测方法的流程图；

图4A～4D示意性示出了根据本公开实施例的定位台风识别区的示意图；

图5示意性示出了根据本公开实施例的台风追踪方法的流程图；

图6A示意性示出了基于逐点检测(检测时间范围为2020年6-9月)方法追踪的台风路径；

图6B示意性示出了基于本公开实施例所述的台风追踪方法追踪的台风路径；

图7示意性示出了根据本公开的实施例的台风检测模型的训练装置的框图；

图8示意性示出了根据本公开的实施例的台风检测装置的框图；

图9示意性示出了根据本公开的实施例的台风追踪装置的框图；以及

图10示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。

具体实施方式

以下，将参照附图来描述本公开的实施例，台风在本公开中可以泛指热带气旋。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种台风检测模型的训练方法、台风检测方法及台风追踪方法。该方法包括获取表征台风流场信息的多组样本，每组样本包括样本流场位图以及与样本流场位图相对应的标注信息，样本流场位图表征包括一个气旋信息的位图，气旋信息位于样本流场位图的中部，标注信息表征气旋信息对应的位置信息，多组样本中包括训练集样本和测试集样本；利用训练集样本对目标检测模型进行多轮次的迭代训练，记录目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重；利用测试集样本对网络权重为第一目标网络权重的目标检测模型进行测试，得到平均正确率；根据平均正确率、第一目标损失函数值和第一目标网络权重，确定训练得到的台风检测模型。

图1示意性示出了根据本公开实施例的可以应用台风检测模型的训练方法、台风检测方法及台风追踪方法其中至少一种方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的台风检测模型的训练方法、台风检测方法及台风追踪方法其中至少一种方法一般可以由服务器105执行。相应地，本公开实施例所提供的台风检测模型的训练装置、台风检测装置及台风追踪装置其中至少一种装置一般可以设置于服务器105中。本公开实施例所提供的台风检测模型的训练方法、台风检测方法及台风追踪方法其中至少一种方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的台风检测模型的训练装置、台风检测装置及台风追踪装置其中至少一种装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的台风检测模型的训练方法、台风检测方法及台风追踪方法其中至少一种方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的台风检测模型的训练装置、台风检测装置及台风追踪装置其中至少一种装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。

例如，表征台风流场信息的多组样本可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备101中。然后，终端设备101可以在本地执行本公开实施例所提供的台风检测模型的训练方法，或者将多组样本发送到其他终端设备、服务器、或服务器集群，并由接收该多组样本的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的台风检测模型的训练方法。

例如，待检测区域对应的第一流场位图可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备10J中。然后，终端设备101可以在本地执行本公开实施例所提供的台风检测方法，或者将第一流场位图发送到其他终端设备、服务器、或服务器集群，并由接收该第一流场位图的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的台风检测方法。

例如，待检测区域在多个待检测时刻对应的第二流场位图可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备101中。然后，终端设备101可以在本地执行本公开实施例所提供的台风追踪方法，或者将第二流场位图发送到其他终端设备、服务器、或服务器集群，并由接收该第二流场位图的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的台风追踪方法。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示意性示出了根据本公开实施例的台风检测模型的训练方法的流程图。

如图2所示，该方法包括操作S201～S204。

在操作S201，获取表征台风流场信息的多组样本，其中，每组样本包括样本流场位图以及与样本流场位图相对应的标注信息，样本流场位图表征包括一个气旋信息的位图，气旋信息位于样本流场位图的中部，标注信息表征气旋信息对应的位置信息，多组样本中包括训练集样本和测试集样本。

根据本公开的实施例，样本流场位图可以包括如下中的至少之一：根据台风观测数据和观测格点数据确定的位图、根据台风观测数据和再分析格点数据确定的位图等，且可不限于此。

根据本公开的实施例，台风观测数据可以包括表征台风中心位置信息的数据，观测格点数据和再分析格点数据可以表征台风所在区域或台风识别区域内的风场、温度等信息的数据。

根据本公开的实施例，根据台风观测数据和观测格点数据确定位图的方法可以包括：选取准备检测台风的矩形地理区域，例如可以选取0°-50°N，90°E-160°E的矩形区域，且可不限于此。获取至少3年(1—12月)内的此区域所在的海洋区域或主要海洋区域生成的台风观测数据(如IBTrACS台风数据)，例如可以包括获取时间为2010年1—12月、2014年1—12月和2018年1—12月内的此区域对应的IBTrACS台风数据，主要海洋区域例如可以包括西北太平洋区域，对时间和区域的范围限定可不限于此。统计台风观测数据中每个记录时间点的台风中心位置。获取台风中心位置对应的预设区域内水平分辨率大于或等于0.5°×0.5°的观测格点数据。基于观测格点数据，以台风中心位置为中心、向东西方向各扩展M个经度、向南北方向各扩展N个纬度为矩形绘图区域，可以为每个记录时间点绘制一张s像素×s像素的第一初始流场位图。基于预定义条件，可以从第一初始流场位图中确定符合条件的第一初始流场位图，并将其作为根据台风观测数据和观测格点数据确定的样本流场位图。

根据本公开的实施例，根据台风观测数据和再分析格点数据确定位图的方法可以包括：选取准备检测台风的矩形地理区域，例如可以选取0°-50°N，90°E-160°E的矩形区域，且可不限于此。获取至少3年(1-12月)内的此区域所在的海洋区域或主要海洋区域生成的台风观测数据，统计台风观测数据中每个记录时间点的台风中心位置。获取水平分辨率大于或等于0.5°×0.5°的再分析格点数据(如ERA5格点数据)，例如可以获取水平分辨率为0.25°×0.25°的ERA5格点数据。基于再分析格点数据，以台风中心位置为中心、向东西方向各扩展M个经度、向南北方向各扩展N个纬度为矩形绘图区域，可以为每个记录时间点绘制一张s像素×s像素的第二初始流场位图。基于预定义条件，可以从第二初始流场位图中确定符合条件的第二初始流场位图，并将其作为根据台风观测数据和再分析格点数据确定的样本流场位图。

需要说明的是，M，N的取值可以相同，例如其取值均可以包括10。s取值可以包括300。上述得到的流场位图均可以包括850-hPa流场位图。预定义条件可以包括：每图只有1个涡旋，且此涡旋为气旋并位于图的中部，通过该种方式可以避免同一个气旋被重复标注。

根据本公开的实施例，可以使用标注工具标注上述符合条件的第一初始流场位图和符合条件的第二初始流场位图中的气旋，标注矩形的经向范围和纬向范围可以分别在5个经度和纬度内，根据标注矩形的四个点的位置坐标，可以生成标注文件。标注工具可以使用图像标注工具LabelImg(标注图像)软件，且可不限于此。LabelImg软件可以利用矩形框工具标注气旋，通过设置标签名称为vortex(涡旋)，保存为XML(Extensible MarkupLanguage，可扩展标记语言)文件，即得到标注文件。根据标注文件可以确定与每个样本流场位图相对应的标注信息。从而可以根据1张样本流场位图及其对应的标注信息确定1组样本。标注的样本可以包括至少1500组。例如，标注的样本可以共有1594组。

根据本公开的实施例，在获得标注的多组样本之后，可以将该多组样本划分为训练集样本和测试集样本。例如，可以首先从全部样本中随机提取较多的样本作为训练集样本。然后，将剩余的样本作为测试集样本。训练集样本的数量可以包括至少1000组，测试集样本的数量可以包括至少100组。训练集样本和测试集样本的样本数量的比例可以为9：1。

在操作S202，利用训练集样本对目标检测模型进行多轮次的迭代训练，记录目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重。

根据本公开的实施例，目标检测模型可以包括基于SSD(Single Shot MultiBoxDetector)的检测模型。SSD是基于卷积神经网络的目标检测模型，本实施例中可以使用SSD300。目标轮次可以为多轮次中的一个或多个轮次。

根据本公开的实施例，在需要对SSD进行训练的情况下，可以首先设置学习率、每次迭代的样本数量、迭代次数、损失计算中先验框匹配的IOU(交并比)阈值和分类损失计算中正负样本比例等参数。然后，可以利用训练集样本训练SSD，本实施例中可以使用GPU加速训练。每当迭代次数为一设定值的整数倍时，可以保存一次训练的网络权重和损失函数值，得到相对应的第一目标损失函数值和第一目标网络权重。

需要说明的是，学习率例如可以设置为0.0001。每次迭代的样本数量例如可以设置batch_size＝32。迭代次数例如可以满足迭代次数＞训练集样本数量÷batch_size×3000，在具体实施例中可以设置为150000。IOU阈值例如可以设置为0.5。正负样本比例例如可以设置为1∶3。设定值的确定方式可以包括：设定值＞训练集样本数量÷batch_size×10。在某些实施例中，设定值可以取值为500。关于各类参数的设置值也可不限于此。上述操作S201中多组样本的样本数量可进行适当调整。例如，增加1500组样本，可以提高SSD的检测能力。

在操作S203，利用测试集样本对网络权重为第一目标网络权重的目标检测模型进行测试，得到平均正确率。

根据本公开的实施例，在得到相对应的第一目标损失函数值和第一目标网络权重之后，可以对SSD进行评估。在需要对经训练的SSD进行评估的情况下，可以首先设置检测结果的非极大值抑制的参数、平均正确率(AP)以及AP计算中的交并比阈值。检测结果的非极大值抑制的参数例如可以包括选取的预测框数量、置信度阈值、交并比阈值等参数。设置AP的计算方法可以包括VOC 0711点方法。然后，可以利用测试集样本评估SSD，本实施例中可以使用GPU加速评估。可以通过依次读取训练步骤中保存的所有第一目标网络权重，来计算与该第一目标网络权重相对应的AP。

需要说明的是，AP计算中的交并比阈值可以设置为0.5。预测框数量可以确定为200。置信度阈值可以设置为0.001。检测结果的非极大值抑制的参数中的交并比阈值可以设置为0.45。关于各类参数的设置值也可不限于此。

在操作S204，根据平均正确率、第一目标损失函数值和第一目标网络权重其中至少之一，确定训练得到的台风检测模型。

根据本公开的实施例，可以根据平均正确率和第一目标网络权重，确定训练得到的台风检测模型。例如，可以将AP最大时的第一目标网络权重对应的SSD确定为台风检测模型。可以根据第一目标损失函数值和第一目标网络权重，确定训练得到的台风检测模型。例如，可以将第一目标损失函数值最小时的第一目标网络权重对应的SSD确定为台风检测模型。可以根据平均正确率、第一目标损失函数值和第一目标网络权重，确定训练得到的台风检测模型。例如，可以将多个较大的AP对应的多个第一目标损失函数值中，第一目标损失函数值最小时的第一目标网络权重对应的SSD确定为台风检测模型。也可以将多个较小的第一目标损失函数值对应的多个AP中，AP最大时的第一目标网络权重对应的SSD确定为台风检测模型。

通过本公开的上述实施例，应用基于卷积神经网络的目标检测技术，可以结合样本流场位图和位于其中部的气旋信息对应的位置信息，训练得到台风检测模型。使得基于该模型进行台风检测时，可以显著提高识别和定位台风的速度，并可有助于台风研究，有利于沿海地区的防灾减灾。

下面结合具体实施例，对图2所示的方法做进一步说明。

根据本公开的实施例，目标轮次包括多个轮次，第一目标损失函数值包括与多个轮次一一对应的多个损失函数值，第一目标网络权重包括与多个轮次一一对应的多个网络权重，平均正确率包括与多个网络权重一一对应的多个平均正确率；上述操作S204包括：从多个平均正确率中确定数值大于第一预设值的目标平均正确率；从多个损失函数值中确定数值小于第二预设值的第二目标损失函数值；确定与目标平均正确率和第二目标损失函数值均相对应的第二目标网络权重；根据第二目标网络权重对应的第三目标损失函数值，确定第三目标损失函数值最小时对应的第三目标网络权重；将网络权重为第三目标网络权重的目标检测模型确定为台风检测模型。

根据本公开的实施例，以第一预设值取值0.8，第二预设值取值1为例，选取符合条件的第一目标网络权重的方法可以包括：若存在AP大于0.8且损失函数值小于1的第二目标网络权重，则从中选取损失函数值最小时对应的网络权重，作为第三目标网络权重，并据此确定训练得到的台风检测模型，以备检测台风，结束调试。否则，若不存在符合前述条件的第三目标网络权重，可以重新调试SSD，包括重新划分训练集样本和测试集样本，以及重新执行前述使用训练集样本训练SSD的过程和使用测试集样本评估SSD的过程，直至获得符合前述条件的第三目标网络权重，以确定训练得到的台风检测模型。

通过本公开的上述实施例，可以训练得到一种准确率更高的台风检测模型，提高台风检测结果的准确性。

图3示意性示出了根据本公开实施例的台风检测方法的流程图。

如图3所示，该方法包括操作S301～S304。

在操作S301，获取待检测区域对应的第一流场位图。

根据本公开的实施例，第一流场位图包括如下中的至少之一：根据观测格点数据确定的位图、根据再分析格点数据确定的位图等，且可不限于此。

根据本公开的实施例，可以首先设置准备检测台风的时间范围和矩形地理区域，例如可以设置时间范围为2020年6-9月，设置矩形地理区域为(0°-50°N，90°E-160°E)等，且可不限于此。然后，可以将时段中每个时刻的地理区域划分为若干个子区域，每个子区域可以为20°×20°的正方形区域，相邻子区域之间在经向和纬向可以有10°的重叠区域。例如，对于检测台风的矩形地理区域(0°-30°N，100°E-130°E)，若其子区域包括(0°-20°N，100°E-120°E)，则该子区域的三个相邻子区域可以包括(10°N-30°N，100°E-120°E)、(10°N-30°N，110°E-130°E)、(0°-20°N，110°E-130°E)。之后，可以获取上述时段和区域的水平分辨率大于或等于0.5°×0.5°的观测格点数据或再分析格点数据，例如可以获取水平分辨率为0.25°×0.25°的ERA5再分析格点数据。通过为每个时刻的子区域绘制一张300像素×300像素的850-hPa流场位图，可以得到上述待检测区域对应的第一流场位图。

需要说明的是，上述实施例中相关参数的参数值的设定，如时间范围为2020年6-9月、矩形地理区域为(0°-50°N，90°E-160°E)、20°×20°的正方形区域、10°的重叠区域、300像素×300像素以及850-hPa流场位图等参数值的设定，可不限于此。

在操作S302，将第一流场位图输入台风检测模型，得到台风识别区的目标位图坐标，其中，台风检测模型是基于前述台风检测模型的训练方法训练得到的。

根据本公开的实施例，在需要利用台风检测模型定位台风识别区的情况下，可以首先设置检测结果的非极大值抑制的参数，如可以选取的预测框数量为200，设置置信度阈值为0.001，设置交并比阈值为0.45等。然后，可以将基于前述方法选取的第三目标网络权重加载到SSD，运行SSD以定位第一流场位图中的台风识别区，得到目标位图坐标。在该实施例中，还可以使用GPU加速检测。

需要说明的是，上述实施例中相关参数的参数值的设定，如预测框数量200、置信度阈值0.001、交并比阈值0.45等参数值的设定，可不限于此。

在操作S303，根据目标位图坐标，确定台风识别区的初始经纬度坐标。

根据本公开的实施例，目标位图坐标可以表征台风识别区在第一流场位图中的像素坐标。在已知像素坐标与经纬度坐标的映射关系的情况下，可以根据该映射关系，结合目标位图坐标，确定台风识别区的初始经纬度坐标。目标位图坐标也可以表征台风识别区在第一流场位图中的经纬度坐标，在该种情况下，可以将目标位图坐标确定为台风识别区的初始经纬度坐标。

在操作S304，根据台风特征和初始经纬度坐标，确定台风中心区域。

根据本公开的实施例，在需要确定台风特征的情况下，可以以台风识别区中每个格点为中心，为每个格点建立一设定范围的正方形区域，例如可以设定3.0°和6.0°的两个正方形区域。每个格点可以称为对应的正方形区域的中心格点。通过检查每个正方形区域内的所有格点的关键气象变量场并判断是否具有如下特征，可以确定相应正方形区域是否具有台风特征。

需要说明的是，上述建立的一设定范围的正方形区域的范围和数量可适当调整。例如，通过增加2.0°的正方形区域，可以提高多尺度台风检测能力。

根据本公开的实施例，台风特征可以表现为如下中的至少之一：

a.在台风识别区位于北半球的情况下：在一设定范围(实施例中，对应3.0°正方形区域为东南西北四个方向上1.5°范围，对应6.0°正方形区域为东南西北四个方向上3.0°范围)内中心格点700-hPa以下等压面(实施例为850-hPa等压面)的东南西北四个方向上分别存在格点，其中东西方向格点的经向风分量分别为正值和负值、南北方向格点的纬向风分量分别为正值和负值。在台风识别区位于南半球的情况下：风分量的正负值与北半球相反。

b.在台风识别区位于北半球的情况下：以中心格点为原点建立直角坐标系，该直角坐标系从原点沿横轴和纵轴的正负方向分别扩展至上述设定范围，该设定范围内的四个象限内700-hPa以下等压面(实施例为850-hPa等压面)的风速的纬向和经向风分量平均值分别为：西北象限全部为负值、西南象限分别为正值和负值、东南象限全部为正值、东北象限分别为负值和正值。在台风识别区位于南半球的情况下：四个象限的风分量正负值与北半球相反。

c.中心格点所处的设定范围区域内700-hPa以下等压面的最大风速不小于第一设定值(实施例为850-hPa等压面的最大风速不小于15m s

d.中心格点所处的设定范围区域内700-hPa以下等压面(实施例取850-hPa等压面)的平均风速大于400-hPa以上等压面(实施例取300-hPa等压面)的平均风速。

e.中心格点在700-hPa以下等压面、700-hPa至400-hPa等压面和400-hPa以上等压面(实施例分别取700-hPa等压面、500-hPa等压面和300-hPa等压面)的气温与中心格点所处的设定范围区域内的相应等压面的平均气温的差值之和为正值。

f.在中心格点所处的设定范围区域位于北半球的情况下，其内700-hPa以下等压面的最大相对涡度不小于第二设定值(实施例为850-hPa等压面的最大相对涡度不小于5.0×10

g.中心格点的海平面气压不大于第三设定值(实施例为1005-hPa)，且小于中心格点所处的设定范围区域内海平面气压平均值。

需要说明的是，关于台风特征的限定，可不限于如上所述，还可以包括本领域已知的其他特征，只要符合台风特征即可。

根据本公开的实施例，在基于台风检测模型，从第一流场位图中确定台风识别区之后，可以进一步结合台风特征，从第一流场位图或台风识别区中确定具有台风特征的区域为台风中心区域。

通过本公开的上述实施例，基于台风检测模型进行台风检测的方法，可以显著提高识别和定位台风的速度。

下面结合具体实施例，对图3所示的方法做进一步说明。

根据本公开的实施例，上述操作S302可以包括：将第一流场位图输入台风检测模型，得到台风识别区的初始位图坐标以及初始位图坐标对应的置信度信息。将置信度信息的数值大于第三预设值的目标置信度信息对应的初始位图坐标确定为目标位图坐标。

根据本公开的实施例，在基于台风检测模型定位第一流场位图中的台风识别区的初始位图坐标之后，可以保存定位的且置信度不小于第三预设值的台风识别区的初始位图坐标，作为目标位图坐标。第三预设值例如可以取值为0.008，且可不限于此。例如，第三预设值可进行适当调整，如降低0.001，可以提高台风检测能力。

图4A～4D示意性示出了根据本公开实施例的定位台风识别区的示意图。

如图4A～4D所示，分别示出了基于ERA5格点数据定位的矩形地理区域(0°-50°N，90°E-160°E)在2020年6-9月的台风识别区的示例。数字和矩形框可以分别表示基于台风检测模型定位的台风识别区的置信度信息和目标位图坐标信息。这表明该台风检测方法定位的台风识别区中能够包含多种形态的具有台风特征的涡旋。

根据本公开的实施例，上述操作S303可以包括：确定第一流场位图表征的待检测区域对应的经纬度信息，其中，经纬度信息包括起始经度信息、起始纬度信息、终止经度信息和终止纬度信息。根据经纬度信息和第一流场位图对应的像素信息，确定第一流场位图对应的像素与经纬度信息的转换率。根据目标位图坐标、经纬度信息和转换率，确定初始经纬度坐标。

根据本公开的实施例，第一流场位图例如包括针对20°×20°的正方形区域绘制的300像素×300像素的流场位图。据此可以得到转换率为1°＝15像素。目标位图坐标可以包括台风识别区在第一流场位图对应的待检测区域中的像素坐标，例如可以包括台风识别区在纬度方向上的起始像素坐标和终止像素坐标，以及台风识别区在经度方向上的起始像素坐标和终止像素坐标。

根据本公开的实施例，在位图坐标为如图4A～4D所示情况(横坐标数值从左向右单调递增，纵坐标数值从下向上单调递减)，经纬度坐标为如图6A～6B所示情况(表征经度信息的横坐标从左向右单调递增，表征纬度信息的纵坐标从下向上单调递增)的情况下，将定位的台风识别区的目标位图坐标转换为经纬度信息的过程可以包括：首先，计算台风识别区的起始(终止)纬度信息＝台风识别区所在第一流场位图对应的待检测区域的终止纬度信息-(台风识别区的终止(起始)纵坐标÷15)，以及台风识别区的起始(终止)经度信息＝台风识别区所在第一流场位图对应的待检测区域的起始经度信息+(台风识别区的起始(终止)横坐标÷15)，其中，纵坐标可以表征台风识别区在子区域中的纬度方向上的像素坐标，横坐标可以表征台风识别区在子区域中的经度方向上的像素坐标。然后，可以保存计算得到的台风识别区的经纬度坐标，作为确定的台风识别区的初始经纬度坐标。

根据本公开的实施例，在位图坐标为横坐标数值从左向右单调递减，纵坐标数值从下向上单调递增，经纬度坐标为如图6A～6B所示情况(表征经度信息的横坐标从左向右单调递增，表征纬度信息的纵坐标从下向上单调递增)的情况下，将定位的台风识别区的目标位图坐标转换为经纬度信息的过程可以包括：首先，计算台风识别区的起始(终止)纬度信息＝台风识别区所在第一流场位图对应的待检测区域的起始纬度信息+(台风识别区的起始(终止)纵坐标÷15)，以及台风识别区的起始(终止)经度信息＝台风识别区所在第一流场位图对应的待检测区域的终止经度信息-(台风识别区的终止(起始)横坐标÷15)。然后，可以保存计算得到的台风识别区的经纬度坐标，作为确定的台风识别区的初始经纬度坐标。

需要说明的是，上述计算台风识别区的起始(终止)纬度信息和台风识别区的起始(终止)经度信息的计算方式可以随着位图坐标和经纬度坐标的变化情况及对应关系进行调整，可不限于如上所述。

根据本公开的实施例，上述操作S304可以包括：响应于确定初始经纬度坐标对应的初始经度区间和初始纬度区间其中至少之一小于第四预设值，根据第四预设值、初始经纬度坐标、初始经度区间和初始纬度区间，确定与初始经纬度坐标相对应的台风识别区对应的目标经纬度坐标，目标经纬度坐标对应的目标经度区间比初始经度区间更接近于第四预设值，目标经纬度坐标对应的目标纬度区间比初始纬度区间更接近于第四预设值。在检测到目标经纬度坐标对应的区域内存在具有台风特征的格点的情况下，将目标经纬度坐标对应的区域确定为台风中心区域。

根据本公开的实施例，确定目标经纬度坐标的方法可以包括：读取前述过程中保存的台风识别区的初始经纬度坐标。判断台风识别区的初始经度区间(初始终止经度Lon

需要说明的是，将初始经纬度坐标更新为目标经纬度坐标的方式可以不仅限于如上的方式，所有能够实现目标经度区间比初始经度区间更接近于第四预设值，目标纬度区间比初始纬度区间更接近于第四预设值的方式均可适用。

根据本公开的实施例，若确定目标经纬度坐标对应的目标台风识别区中存在具有上述台风特征的中心格点，则可以确定该目标台风识别区为台风中心所在区域，即检测到一台风。

图5示意性示出了根据本公开实施例的台风追踪方法的流程图。

如图5所示，该方法包括操作S501～S503。

在操作S501，获取待检测区域在多个待检测时刻对应的第二流场位图。

在操作S502，基于台风检测方法，确定第二流场位图中的目标台风中心区域。

在操作S503，根据台风特征和目标台风中心区域，确定台风路径。

根据本公开的实施例，第二流场位图可以包括如下中的至少之一：根据观测格点数据确定的位图、根据再分析格点数据确定的位图。具体的确定方法可以参考前述实施例中第一流场位图的确定方法所述，在此不再赘述。在确定第二流场位图中的目标台风中心区域之后，可以记录该第二流场位图对应的台风识别区内具有上述台风特征的中心格点坐标，以备追踪台风。

例如，在针对基于ERA5格点数据(6小时，0.25°×0.25°格点)的矩形地理区域(0°-50°N，90°E-160°E)2020年夏季(6-8月)生成台风(生命期不小于30小时)进行追踪实验的过程中，首先，利用上述台风检测方法可以定位2020年6-9月的台风识别区，定位结果可参见图4A～4D所示。其次，利用该台风检测方法可以识别台风识别区中的台风。需要说明的是，台风检测方法可以识别出具有台风特征的多个候选的中心格点，在此基础上，可以根据台风中心识别方法，从该多个候选的中心格点中识别出表征台风中心的中心格点。最后，根据台风路径整编方法，通过整编多个时刻下表征台风中心的中心格点坐标，可以得到生成于2020年6-8月的台风路径。从而，可以完成基于上述台风检测方法的台风追踪。

图6A示意性示出了基于逐点检测(检测时间范围为2020年6-9月)方法追踪的台风路径。

图6B示意性示出了基于本公开实施例所述的台风追踪方法追踪的台风路径。

在图6A～6B中，台风符号可以表示台风生成的位置，数字可以表示台风生成的时刻，格式为mmddhh。其中，mm：月，dd：日，hh：时。

基于图6A～6B可以确定，基于本公开实施例所述的台风检测方法和逐点检测方法追踪的台风路径是一致的。实验结果显示：基于本公开实施例所述的台风检测方法的台风追踪速度约是基于逐点检测方法的台风追踪速度的6.9倍。上述实验表明，本公开实施例所述的台风检测方法可以显著提高台风追踪速度。

通过本公开的上述实施例，提出了基于SSD的台风检测方法，该方法突破了以往方法的技术瓶颈，改善了以往台风追踪方法的不足之处，提高了台风追踪技巧。

图7示意性示出了根据本公开的实施例的台风检测模型的训练装置的框图。

如图7所示，台风检测模型的训练装置700包括第一获取模块710、记录模块720、测试模块730和第一确定模块740。

第一获取模块710，用于获取表征台风流场信息的多组样本，其中，每组所述样本包括样本流场位图以及与所述样本流场位图相对应的标注信息，所述样本流场位图表征包括一个气旋信息的位图，所述气旋信息位于所述样本流场位图的中部，所述标注信息表征所述气旋信息对应的位置信息，所述多组样本中包括训练集样本和测试集样本。

记录模块720，用于利用所述训练集样本对目标检测模型进行多轮次的迭代训练，记录所述目标检测模型在目标轮次的迭代训练结束后对应的第一目标损失函数值和第一目标网络权重.

测试模块730，用于利用所述测试集样本对网络权重为所述第一目标网络权重的目标检测模型进行测试，得到平均正确率。

第一确定模块740，用于根据所述平均正确率、所述第一目标损失函数值和所述第一目标网络权重其中至少之一，确定训练得到的台风检测模型。

根据本公开的实施例，目标轮次包括多个轮次，所述第一目标损失函数值包括与所述多个轮次一一对应的多个损失函数值，所述第一目标网络权重包括与所述多个轮次一一对应的多个网络权重，所述平均正确率包括与所述多个网络权重一一对应的多个平均正确率。上述第一确定模块可以包括第一确定单元、第二确定单元、第三确定单元、第四确定单元和第五确定单元。

第一确定单元，用于从所述多个平均正确率中确定数值大于第一预设值的目标平均正确率。

第二确定单元，用于从所述多个损失函数值中确定数值小于第二预设值的第二目标损失函数值。

第三确定单元，用于确定与所述目标平均正确率和所述第二目标损失函数值均相对应的第二目标网络权重。

第四确定单元，用于根据所述第二目标网络权重对应的第三目标损失函数值，确定第三目标损失函数值最小时对应的第三目标网络权重。

第五确定单元，用于将网络权重为所述第三目标网络权重的目标检测模型确定为所述台风检测模型。

根据本公开的实施例，样本流场位图可以包括如下中的至少之一：根据台风观测数据和观测格点数据确定的位图、根据台风观测数据和再分析格点数据确定的位图。

图8示意性示出了根据本公开的实施例的台风检测装置的框图。

如图8所示，台风检测装置800包括第二获取模块810、获得模块820、第二确定模块830和第三确定模块840。

第二获取模块810，用于获取待检测区域对应的第一流场位图。

获得模块820，用于将所述第一流场位图输入台风检测模型，得到台风识别区的目标位图坐标，其中，所述台风检测模型是基于上述台风检测模型的训练装置训练得到的。

第二确定模块830，用于根据所述目标位图坐标，确定所述台风识别区的初始经纬度坐标。

第三确定模块840，用于根据台风特征和所述初始经纬度坐标，确定台风中心区域。

根据本公开的实施例，上述获得模块包括获得单元和第六确定单元。

获得单元，用于将所述第一流场位图输入台风检测模型，得到所述台风识别区的初始位图坐标以及所述初始位图坐标对应的置信度信息。

第六确定单元，用于将置信度信息的数值大于第三预设值的目标置信度信息对应的初始位图坐标确定为所述目标位图坐标。

根据本公开的实施例，上述第二确定模块包括第七确定单元、第八确定单元和第九确定单元。

第七确定单元，用于确定所述第一流场位图表征的待检测区域对应的经纬度信息，其中，所述经纬度信息包括起始经度信息、起始纬度信息、终止经度信息和终止纬度信息。

第八确定单元，用于根据所述经纬度信息和所述第一流场位图对应的像素信息，确定所述第一流场位图对应的像素与所述经纬度信息的转换率。

第九确定单元，用于根据所述目标位图坐标、所述经纬度信息和所述转换率，确定所述初始经纬度坐标。

根据本公开的实施例，上述第三确定模块包括第十确定单元和第十一确定单元。

第十确定单元，用于响应于确定所述初始经纬度坐标对应的初始经度区间和初始纬度区间其中至少之一小于第四预设值，根据所述第四预设值、所述初始经纬度坐标、所述初始经度区间和所述初始纬度区间，确定与所述初始经纬度坐标相对应的台风识别区对应的目标经纬度坐标，所述目标经纬度坐标对应的目标经度区间比所述初始经度区间更接近于所述第四预设值，所述目标经纬度坐标对应的目标纬度区间比所述初始纬度区间更接近于所述第四预设值。

第十一确定单元，用于在检测到所述目标经纬度坐标对应的区域内存在具有台风特征的格点的情况下，将所述目标经纬度坐标对应的区域确定为所述台风中心区域。

根据本公开的实施例，第一流场位图可以包括如下中的至少之一：根据观测格点数据确定的位图、根据再分析格点数据确定的位图。

图9示意性示出了根据本公开的实施例的台风追踪装置的框图。

如图9所示，台风追踪装置900包括第三获取模块910、第四确定模块920和第五确定模块930。

第三获取模块910，用于获取待检测区域在多个待检测时刻对应的第二流场位图。

第四确定模块920，用于基于上述台风检测装置，确定所述第二流场位图中的目标台风中心区域。

第五确定模块930，用于根据台风特征和所述目标台风中心区域，确定台风路径。

根据本公开的实施例的模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，第一获取模块710、记录模块720、测试模块730和第一确定模块740，或者第二获取模块810、获得模块820、第二确定模块830和第三确定模块840，或者第三获取模块910、第四确定模块920和第五确定模块930中的任意多个可以合并在一个模块/单元中实现，或者其中的任意一个模块/单元可以被拆分成多个模块/单元。或者，这些模块/单元中的一个或多个模块/单元的至少部分功能可以与其他模块/单元的至少部分功能相结合，并在一个模块/单元中实现。根据本公开的实施例，第一获取模块710、记录模块720、测试模块730和第一确定模块740，或者第二获取模块810、获得模块820、第二确定模块830和第三确定模块840，或者第三获取模块910、第四确定模块920和第五确定模块930中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块710、记录模块720、测试模块730和第一确定模块740，或者第二获取模块810、获得模块820、第二确定模块830和第三确定模块840，或者第三获取模块910、第四确定模块920和第五确定模块930中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

需要说明的是，本公开的实施例中台风检测模型的训练装置、台风检测装置、台风追踪装置部分与本公开的实施例中台风检测模型的训练方法、台风检测方法、台风追踪方法部分是相对应的，台风检测模型的训练装置、台风检测装置、台风追踪装置部分的描述具体参考台风检测模型的训练方法、台风检测方法、台风追踪方法部分，在此不再赘述。

图10示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图10示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图10所示，根据本公开实施例的计算机系统1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 1003中，存储有系统1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的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存储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。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：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)、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。

例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的台风检测模型的训练方法、台风检测方法、台风追踪方法。

在该计算机程序被处理器1001执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(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，上述模块、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，框图或流程图中的每个方框、以及框图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。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。