基于结构光原理并采用FPGA加速重建的PCB缺陷检测方法

计算;推算;计数设备的制造及其应用技术基于结构光原理并采用fpga加速重建的pcb缺陷检测方法技术领域1.本发明涉及pcb缺陷检测技术领域，尤其涉及一种基于结构光原理并采用fpga加速重建的pcb缺陷检测方法。背景技术：2.现如今，人类早已步入信息化时代，电子设备已经成为我们生活中必不可缺的产品，电子设备的性能及稳定性等要素也受到了现在用户的关注。pcb作为电子元器件电气连接的提供者，它是电子产业中最基础的产业之一，在各行各业都有着广泛的应用。采用pcb可以大大减少布线和装配的差错，提高自动化水平和生产劳动率。可是，在pcb的生产制造过程中，有时也会出现生产质量不合格的问题，例如孔破、孔塞、露铜、出现异物、多孔、少孔、金手指缺点等等，这些问题会直接影响电子产品的质量及精度，对厂家的生产效益造成极大影响。目前，缺陷智能检测系统就是为了减少这些错误，降低成本，提升生产效率，从而促进pcb产业乃至整个电子行业的更好的发展。3.传统人工检测pcb缺陷方法容易出现漏检、检测速度慢、效率低、无法满足快速生产需求。同时，市面上检测pcb缺陷的方法大都是自动光学检测(aoi)，它是一种自动化的视觉检测技术，在印刷电路板(pcb)检测中，其扫描pcb的表面以获取清晰图像。可是，aoi系统仅仅在二维层面进行检测，对于高度上的缺陷却无法检测出来。4.另外，也有一些相关文献对pcb缺陷检测深入到了三维层面。但是，在实际应用时，算法等要素影响着计算速度。同时，过多数据量的要求往往也会拖慢整个产线的速度。技术实现要素：5.本发明提供一种基于结构光原理并采用fpga加速重建的pcb缺陷检测方法，解决的技术问题在于：如何提高对pcb缺陷检测的效果，并满足一定的速度要求。6.为解决以上技术问题，本发明提供一种基于结构光原理并采用fpga加速重建的pcb缺陷检测方法，包括步骤：7.s1、对工业摄像机和结构光发生器所组成的检测系统进行标定，获取系统标定参数；8.s2、采用结构光发生器投射光栅条纹检测图像至合格pcb样件及待检测pcb工件上，并采用工业摄像机进行拍照，生成对应的合格pcb样件图像和待检测pcb工件图像；9.s3、将系统标定参数及合格pcb样件图像、待检测pcb工件图像输入fpga中，由pfga生成合格pcb样件点云信息和待检测pcb工件点云信息；10.s4、将待检测pcb工件点云信息与合格pcb样件点云信息进行比较，根据比较结果判断待检测pcb工件是否有缺陷。11.进一步地，在步骤s2中，投射的光栅条纹检测图像包括3张正弦条纹图像和5张格雷码图像；3张正弦条纹图像由三步相移法生成，相移条纹的周期分别为0、和π；5张格雷码图像中的第一张格雷码图像编码为0000000011111111，第二张格雷码图像编码为0000111111110000，第三张格雷码图像编码为0011110000111100，第四张格雷码图像编码为0110011001100110，第五张格雷码图像编码为01100110011001100110011001100110。12.进一步地，将正弦条纹图像和格雷码图像对应的合格pcb样件图像分别称为正弦条纹合格图像和格雷码合格图像，所述步骤s3根据系统标定参数及合格pcb样件图像生成合格pcb样件点云信息的过程包括步骤：13.s31、对3张正弦条纹合格图像取均值，得到阈值图像；14.s32、根据阈值图像对每一张格雷码合格图像进行二值化处理，得到对应的5张格雷码合格二值化图像；15.s33、对第一至第四张格雷码合格二值化图像进行解码得到解码结果并基于v1(x,y)获得第一级次k1(x,y)＝a(v1(x,y))，对第一至第五张格雷码合格二值化图像进行解码得到解码结果并基于v2(x,y)得到第二级次(x,y)得到第二级次gci(x,y)表示第i张格雷码合格二值化图像，a()为预设好的第一映射字典，b()为预设好的第二映射字典，int()为取整函数；16.s34、根据3张正弦条纹合格图像计算截断相位φ(x,y)：[0017][0018]i1(x,y)、i2(x,y)、i3(x,y)表示相位分别0、和π的正弦条纹图像对应的正弦条纹合格图像；[0019]s35、结合第一级次k1(x,y)和第二级次k2(x,y)将截断相位φ(x,y)展开为绝对相位φ(x,y)：[0020][0021]s36、结合系统标定参数将绝对相位φ(x,y)映射至高度，生成合格pcb样件点云信息。[0022]进一步地，步骤s1标定所得系统标定参数包括工业摄像机的内参矩阵kc和结构光发生器的内参矩阵kp，以及相机坐标系和世界坐标系的旋转矩阵rc，相机坐标系和世界坐标系的平移矩阵tc，投影仪坐标系和世界坐标系的旋转矩阵rp，投影仪坐标系和世界坐标系的平移矩阵tp，工业摄像机也即相机对应相机坐标系，结构光发生器也即投影仪对应投影仪坐标系，且有：[0023][0024][0025][0026]tc＝[0 0 0]t，[0027]rp＝[r1 r2 r3]t3×3，[0028]tp＝[t1 t2 t3]t3×1，[0029]kc中的fx、fy分别为相机坐标系x轴上及y轴上的相距，kc中的u0及v0为相机坐标系原点的平移尺寸，kp中的fx、fy分别为相机坐标系x轴上及y轴上的相距，kc中的u0及v0为相机坐标系原点的平移尺寸；[0030]r1与r2为rp矩阵的前两列，其中r3＝r1×r2为rp矩阵的第三列，由公式[r1 r2 tp]＝kp-1h可求出r1、r2和tp，kp-1为kp的逆矩阵，h为根据标定图像像素行列对应关系计算的局部单应性变换矩阵，t1、t2、t3分别为tp矩阵的第一列、第二列和第三列。[0031]进一步地，步骤s36中，生成合格pcb样件点云信息[xw,yw,zw]t的公式为：[0032][0033]其中，为相机投影矩阵ac内的元素，为投影仪投影矩阵ap内的元素，i和j分别为相机投影矩阵以及投影仪投影矩阵的坐标系数，有：[0034][0035][0036]其中，kc、rc、tc为内参矩阵，kp、rp、tp为外参矩阵，xw为世界坐标系下x值，yw为世界坐标系下y值，zw为世界坐标系下z值；[0037]世界坐标系和相机坐标系有如下关系：[0038]sc[uc,vc,1]t＝ac[xw,yw,zw,1]t[0039]其中，sc为相机的尺度系数，uc和vc是物体在相机上的成像位置；[0040]世界坐标系和投影仪坐标系有如下关系：[0041]sp[up,vp,1]t＝ap[xw,ya,zw,1]t[0042]其中，sp为投影仪的尺度系数，up和vp是物体在相机上的成像位置。[0043]进一步地，步骤s3所用fpga中设有相位展开运算器，相位展开运算器包括三个相移pe引擎、cordic计算单元和算数运算单元；[0044]fpga采用相位展开运算器进行相位展开运算的流程包括步骤：[0045]a1、fpga的主控芯片将3张正弦条纹合格图像及第一级次k1(x,y)、第二级次k2(x,y)送入fpga的dram系统内存并启动fpga加速器执行数据运算指令；[0046]a2、相位展开运算器通过3个相移pe引擎结合cordic计算单元计算截断相位φ(x,y)；[0047]a3、算术运算单元根据截断相位φ(x,y)及第一级次k1(x,y)、第二级次k2(x,y)计算3个参数区间[-π,-π/2]、[π/2,π]的离散绝对相位φ(x,y)+2πk2(x,y)、φ(x,y)+2πk1(x,y)、φ(x,y)+2πk2(x,y)-2π；[0048]a4、算术运算单元将三个离散绝对相位合并为一个连续绝对相位φ(x,y)存储在fpga的片上高速存储单元并由高速dma总线传输给dram系统内存。[0049]进一步地，步骤s3所用fpga中设有三维点云信息重建加速器，三维点云信息重建加速器包括相机投影矩阵缓冲单元、投影仪投影矩阵缓冲单元、逆矩阵运算器、gemm矩阵乘法运算引擎和算数运算单元；[0050]fpga采用三维点云信息重建加速器生成合格pcb样件点云信息的流程包括步骤：[0051]b1、fpga的主控芯片将绝对相位φ(x,y)、系统标定参数送入fpga的dram系统内存并启动fpga加速器执行数据运算指令；系统标定参数包括相机投影矩阵参数和投影仪投影矩阵参数；[0052]b2、fpga的指令控制单元控制加载模块将相机投影矩阵参数和投影仪投影矩阵参数经片内axi总线分别送入相机投影矩阵缓冲单元和投影仪投影矩阵缓冲单元，再分别经由逆矩阵运算器、gemm矩阵乘法运算引擎输入算数运算单元；[0053]b3、算数运算单元根据相机投影矩阵参数、投影仪投影矩阵参数和dram系统内存中的绝对相位φ(x,y)、编码条纹的视场宽度w计算矩阵和中的各个元素；[0054]b4、逆矩阵运算器基于算数运算单元的计算结果生成逆矩阵：[0055][0056]b5、gemm矩阵乘法运算引擎执行快速乘法运算生成合格pcb样件点云信息[xw,yw,zw]t。[0057]进一步地，所述步骤s3生成待检测pcb工件点云信息的过程与生成合格pcb样件点云信息[xw,yw,zw]t的过程相同。[0058]进一步地，所述步骤s4具体包括步骤：[0059]s41、将待检测pcb工件点云信息与合格pcb样件点云信息[xw,yw,zw]t作差：[0060]s42、将差值矩阵[δxw,δyw,δzw]t与阈值矩阵[cx,cy,cz]t进行对比，若δxw≤cx且δyw≤cy且δzw≤cz则判断待检测pcb工件无缺陷，反之则判断待检测pcb工件有缺陷。[0061]本发明提供的基于结构光原理并采用fpga加速重建的pcb缺陷检测方法，首先，对检测系统进行参数标定，在后续步骤中结合系统标定参数可精准地计算pcb的点云信息，有利于提高pcb缺陷检测效果。然后，投射正弦光栅至pcb(合格pcb样件、待检测pcb工件)上，使用工业摄像机捕获需要计算点云信息的图像。接着，将系统标定参数、所需重建的图像送入fpga进行重建，获得合格pcb样件点云信息及待检测pcb工件点云信息。最后，将待检测pcb工件点云信息与合格pcb样件点云信息进行比较，根据高度及位置信息判断是否有缺陷，从而确定待检测pcb工件是否为良品。实施本方法，可以快速有效判断待检测pcb工件是否符合标准，提高检测效率和次品检出率。附图说明[0062]图1是本发明实施例提供的基于结构光原理并采用fpga加速重建的pcb缺陷检测方法的流程图；[0063]图2是本发明实施例提供的对检测系统进行标定的流程图；[0064]图3是本发明实施例提供的光栅条纹检测图像的示图；[0065]图4是本发明实施例提供的计算合格pcb样件点云信息的流程图；[0066]图5是本发明实施例提供的含相位展开运算器的fpga的部分结构图；[0067]图6是本发明实施例提供的含三维点云信息重建加速器的fpga的部分结构图。具体实施方式[0068]下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因此在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。[0069]为了提高对pcb缺陷检测的效果，并满足一定的速度要求，本发明实施例提供一种基于结构光原理并采用fpga加速重建的pcb缺陷检测方法，如图1所示，整体包括步骤：[0070]s1、对工业摄像机和结构光发生器所组成的检测系统进行标定，获取系统标定参数；[0071]s2、采用结构光发生器投射光栅条纹检测图像至合格pcb样件及待检测pcb工件上，并采用工业摄像机进行拍照，生成对应的合格pcb样件图像和待检测pcb工件图像；[0072]s3、将系统标定参数及合格pcb样件图像、待检测pcb工件图像输入fpga中，由pfga生成合格pcb样件点云信息和待检测pcb工件点云信息；[0073]s4、将待检测pcb工件点云信息与合格pcb样件点云信息进行比较，根据比较结果判断待检测pcb工件是否有缺陷。[0074](1)步骤s1[0075]参考图2，步骤s1具体包括步骤：[0076]s11、采用结构光发生器投射光栅条纹标定图像至棋盘格标定板上，光栅条纹标定图像包括20张水平格雷码标定图像、20张垂直格雷码标定图像、1张全黑标定图像和1张全白标定图像，其中格雷码图像均采用高频格雷码投射；[0077]s12、采用工业摄像机对棋盘格标定板进行拍照，生成对应的20张水平格雷码投影图像、20张垂直格雷码投影图像、1张全黑投影图像和1张全白投影图像；[0078]s13、检测棋盘格角点：根据全白投影图像计算棋盘格标定板的角点，具体使用opencv的findchessboardcorners()函数自动找到棋盘格角点的位置；[0079]s14、估计光分量：对40张格雷码投影图像估计每个图像集合的全局光分量和直接光分量；其中，图像集合一共有3组，每组为不同投射角度的投射图像，直接光分量指的是光线打到物体一点上直接反射到相机的光分量，全局光分量指的是其他漫反射进入相机的光分量；[0080]s15、结构光解码：通过像素分类获得结构光发生器投出的图像像素行列对应关系；[0081]s16、计算局部单应性矩阵：从光栅条纹标定图像中取以每个棋盘格角点为中心坐标并取该坐标附近的像素点集的图像块，通过步骤s15获得的图像像素行列对应关系来计算局部单应性矩阵公式如下：[0082][0083][0084]其中，p是图像块中一点的图像像素坐标，q是该点通过格雷码序列解码的投影仪像素坐标，h为估计出的局部单应性变换矩阵，表示实数。[0085]s17、计算结构光发生器(简称光机)图像平面角点：利用局部单应性矩阵将工业相机图像上的角点转为结构光发生器图像的角点。具体的，根据如下公式得到结构光发生器的图像角点[0086][0087]其中，为以角点为中心的图像块的目标角点。[0088]s18、计算内参及外参：步骤s1标定所得系统标定参数包括工业摄像机的内参矩阵kc和结构光发生器的内参矩阵kp，以及相机坐标系和世界坐标系的旋转矩阵rc，相机坐标系和世界坐标系的平移矩阵tc，投影仪坐标系和世界坐标系的旋转矩阵rp，投影仪坐标系和世界坐标系的平移矩阵tp，工业摄像机对应相机坐标系，结构光发生器对应投影仪坐标系，且有：[0089][0090][0091][0092]tc＝[0 0 0]t[0093]rp＝[r1 r2 r3]t3×3[0094]tp＝[t1 t2 t3]t3×1[0095]r1与r2为rp矩阵的前两列，其中r3＝r1×r2为rp矩阵的第三列，由公式[r1 r2 tp]＝kp-1h可求出r1、r2和tp，kp-1为kp的逆矩阵，h为根据标定图像像素行列对应关系计算的局部单应性变换矩阵，t1、t2、t3分别为tp矩阵的第一列、第二列和第三列。[0096]kc中的fx、fy分别为相机坐标系x轴上及y轴上的相距，kc中的u0及v0为相机坐标系原点的平移尺寸，kp中的fx、fy分别为相机坐标系x轴上及y轴上的相距，kc中的u0及v0为相机坐标系原点的平移尺寸。[0097]经过上述步骤，可得到系统标定参数，在后续步骤中结合该系统标定参数可精准地计算pcb的点云信息，有利于提高pcb缺陷检测效果。而上述标定过程现有技术也多有公开，本实施例不具体限制标定的方法，能得到内参矩阵kc、rc、tc和外参矩阵kp、rp、tp即可。[0098](2)步骤s2[0099]对步骤s2需要补充解释的有，如图3所示，投射的光栅条纹检测图像包括3张正弦条纹图像和5张格雷码图像；3张正弦条纹图像由三步相移法生成，相移条纹的周期分别为0、和π；5张格雷码图像中的第一张格雷码图像编码为0000000011111111，第二张格雷码图像编码为0000111111110000，第三张格雷码图像编码为0011110000111100，第四张格雷码图像编码为0110011001100110，第五张格雷码图像编码为01100110011001100110011001100110。[0100](3)步骤s3[0101]如图4所示，将正弦条纹图像和格雷码图像对应的合格pcb样件图像分别称为正弦条纹合格图像和格雷码合格图像，所述步骤s3根据系统标定参数及合格pcb样件图像生成合格pcb样件点云信息的过程包括步骤：[0102]s31、获得阈值图像：对3张正弦条纹合格图像取均值，得到阈值图像：[0103]s32、二值化：根据阈值图像对每一张格雷码待测图像进行二值化处理(高于阈值则赋值为1，低于阈值则赋值为0)，得到对应的5张格雷码合格二值化图像；[0104]s33、格雷码解码：对第一至第四张格雷码合格二值化图像进行解码得到解码结果并基于v1(x,y)获得第一级次k1(x,y)＝a(v1(x,y))，对第一至第五张格雷码合格二值化图像进行解码得到解码结果并基于v2(x,y)得到第二级次(x,y)得到第二级次gci(x,y)表示第i张格雷码合格二值化图像，a()为预设好的第一映射字典(实现单调递增的解码结果)，b()为预设好的第二映射字典(实现单调递增的解码结果)，int()为取整函数；具体映射及格雷码编码如下表1所示：[0105]表1[0106][0107]s34、获得截断相位：根据3张正弦条纹合格图像计算截断相位φ(x,y)：[0108][0109]i1(x,y)、i2(x,y)、i3(x,y)表示相位分别0、和π的正弦条纹图像对应的正弦条纹合格图像；[0110]s35、相位展开：结合第一级次k1(x,y)和第二级次k2(x,y)将截断相位φ(x,y)展开为绝对相位φ(x,y)：[0111][0112]s36、相位映射至高度：结合系统标定参数将绝对相位φ(x,y)映射至高度，生成合格pcb样件点云信息[xw,yw,zw]t：[0113][0114]其中，为相机投影矩阵ac内的元素，为投影仪投影矩阵ap内的元素，i和j分别为相机投影矩阵以及投影仪投影矩阵的坐标系数，有：[0115][0116][0117]uc、vc分别表示物体在相机坐标系下的横纵坐标，xw为世界坐标系下x值，yw为世界坐标系下y值，zw为世界坐标系下z值。具体的，世界坐标系和相机坐标系有如下关系：[0118]sc[uc,vc,1]t＝ac[xw,yw,zw,1]t[0119]其中，sc为相机的尺度系数，uc和vc是物体在相机上的成像位置。[0120]世界坐标系和投影仪坐标系有如下关系：[0121]sp[up,vp,1]t＝ap[xw,yw,zw,1]t[0122]其中，sp为投影仪的尺度系数，up和vp是物体在投影仪上的成像位置。[0123]联立上述2个关系等式可得最终物体在世界坐标系中的真实位置，即：[0124][0125]在上述等式中，uc，vc均已知。由于同一物点的相位是相同的，所以有：φc(uc,vc)＝φp(up,vp)。由于投影仪投射的条纹在竖直方向的条纹都是相同的，所以有：φc(uc,vc)＝φp(up)。由于投影仪的条纹图像是由均匀的条纹组成的，所以有：其中，up为投影仪对应像素点横坐标，w为视场宽度，φ为步骤s35中获得的绝对相位。[0126]为了快速地进行相位展开，步骤s3所用fpga中设有相位展开运算器，如图5所示，相位展开运算器(运算器单元)包括三个相移pe引擎、cordic计算单元和算数运算单元。[0127]fpga采用相位展开运算器进行相位展开运算的流程包括步骤：[0128]a1、fpga的主控芯片将3张正弦条纹合格图像及第一级次k1(x,y)、第二级次k2(x,y)送入fpga的dram系统内存并启动fpga加速器执行数据运算指令；[0129]a2、相位展开运算器通过3个相移pe引擎结合cordic计算单元计算截断相位φ(x,y)；[0130]a3、算术运算单元根据截断相位φ(x,y)及第一级次k1(x,y)、第二级次k2(x,y)计算3个参数区间[-π,-π/2]、[π/2,π]的离散绝对相位φ(x,y)+2πk2(x,y)、φ(x,y)+2πk1(x,y)、φ(x,y)+2πk2(x,y)-2π；[0131]a4、算术运算单元将三个离散绝对相位合并为一个连续绝对相位a4、算术运算单元将三个离散绝对相位合并为一个连续绝对相位存储在fpga的片上高速存储单元并由高速dma总线传输给dram系统内存。[0132]为了快速地计算得到合格pcb样件点云信息[xw,yw,zw]t，如图6所示，步骤s3所用fpga中设有三维点云信息重建加速器(运算器单元)，三维点云信息重建加速器包括相机投影矩阵缓冲单元、投影仪投影矩阵缓冲单元、逆矩阵运算器、gemm矩阵乘法运算引擎和算数运算单元。[0133]fpga采用三维点云信息重建加速器生成合格pcb样件点云信息的流程包括步骤：[0134]b1、fpga的主控芯片将绝对相位φ(x,y)、系统标定参数送入fpga的dram系统内存并启动fpga加速器执行数据运算指令；系统标定参数包括相机投影矩阵参数和投影仪投影矩阵参数；[0135]b2、fpga的指令控制单元控制加载模块将相机投影矩阵参数和投影仪投影矩阵参数经片内axi总线分别送入相机投影矩阵缓冲单元和投影仪投影矩阵缓冲单元，再分别经由逆矩阵运算器、gemm矩阵乘法运算引擎输入算数运算单元；[0136]b3、算数运算单元根据相机投影矩阵参数、投影仪投影矩阵参数和dram系统内存中的绝对相位φ(x,y)、编码条纹的视场宽度w计算矩阵和中的各个元素；[0137]b4、逆矩阵运算器基于算数运算单元的计算结果生成逆矩阵：[0138][0139]b5、gemm矩阵乘法运算引擎执行快速乘法运算生成合格pcb样件点云信息(xw,yw,zw)。[0140]当然，步骤s3生成待检测pcb工件点云信息的过程与生成合格pcb样件点云信息[xw,yw,zw]t的过程相同，本实施例不再赘述。[0141]经过步骤s3，则快速得到了待检测pcb工件点云信息与合格pcb样件点云信息[xw,yw,zw]t。获取待检测pcb工件点云信息约需400ms，判定是否有缺陷则约需要80ms，整个检测流程约500ms。[0142](4)步骤s4[0143]步骤s4具体包括步骤：[0144]s41、将待检测pcb工件点云信息与合格pcb样件点云信息[xw,yw,zw]t作差：[0145]s42、将差值矩阵[δxw,δyw,δzw]t与阈值矩阵[cx,cy,cz]t进行对比，若δxw≤cx且δyw≤cy且δzw≤cz则判断待检测pcb工件无缺陷(良品)，反之则判断待检测pcb工件有缺陷(非良品)。阈值矩阵可根据实际生产需求进行设置。[0146]综上所述，本发明实施例提供的一种基于结构光原理并采用fpga加速重建的pcb缺陷检测方法，首先，对检测系统进行参数标定，在后续步骤中结合系统标定参数可精准地计算pcb的点云信息，有利于提高pcb缺陷检测效果。然后，投射正弦光栅至pcb(合格pcb样件、待检测pcb工件)上，使用工业摄像机捕获需要计算点云信息的图像。接着，将系统标定参数、所需重建的图像送入fpga进行重建，获得合格pcb样件点云信息及待检测pcb工件点云信息。最后，将待检测pcb工件点云信息与合格pcb样件点云信息进行比较，根据高度及位置信息判断是否有缺陷，从而确定待检测pcb工件是否为良品。实施本方法，可以快速有效判断待检测pcb工件是否符合标准，提高检测效率和次品检出率。[0147]上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!