首页 > 分享 > 大蒜的疤识别方法、装置及分选设备与流程

大蒜的疤识别方法、装置及分选设备与流程

花匠小妙招
2025-01-13 20:14

大蒜的疤识别方法、装置及分选设备与流程

1.本发明涉及色选技术领域，特别涉及一种大蒜的疤识别方法、装置及分选设备。

背景技术：

2.大蒜在生长过程中会受到各种外在、内在因素的影响，从而形成了疤，带疤大蒜不能食用，会影响售卖，因此需要对带疤大蒜进行筛选。
3.目前主要通过分选设备，例如色选机对大蒜进行筛选，以识别出带疤大蒜，然而目前色选机对带疤大蒜的识别准确率并不高。
4.为了提高色选机对带疤大蒜的识别准确率，发明人对目前的大蒜色选方式进行研究，发现目前的大蒜色选方式至少存在以下问题：
5.由于大蒜的一些区域，如根部区域与疤区域的颜色及形状的相似度都很高，导致色选机在对大蒜进行分选时，对好蒜的误识别概率很高，也就是大蒜疤识别的准确率不高。

技术实现要素：

6.本发明旨在至少解决上述技术问题之一。
7.为此，本发明的一个目的在于提出一种大蒜的疤识别方法，该方法能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
8.为此，本发明的第二个目的在于提出一种大蒜的疤识别装置。
9.为此，本发明的第三个目的在于提出一种分选设备。
10.为了实现上述目的，本发明第一方面的实施例提出了一种大蒜的疤识别方法，包括以下步骤：采集大蒜图像；识别所述大蒜图像中的预设区域，并去除所述预设区域，得到预处理后的图像；对所述预处理后的图像中的大蒜进行疤识别，得到疤区域。
11.根据本发明实施例的大蒜的疤识别方法，识别采集的大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像；对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
12.另外，根据本发明上述实施例的大蒜的疤识别方法还可以具有如下附加的技术特征：
13.在一些示例中，所述识别所述大蒜图像中的预设区域，具体包括：确定大蒜的主轴，获取所述主轴与大蒜边缘的第一交点和第二交点，其中，所述主轴为贯穿所述大蒜根部区域和尾部区域的轴；沿所述主轴在所述大蒜上分别取包括所述第一交点的预设长度的第一区域和包括所述第二交点的预设长度的第二区域；将所述第一区域和所述第二区域作为所述预设区域，或将所述第一区域和所述第二区域中面积变化幅度较小的一者作为所述预设区域。
14.在一些示例中，所述确定大蒜的主轴，具体包括：计算所述大蒜的最小外接矩；确定所述最小外接矩的长中心轴；将所述长中心轴作为所述大蒜的主轴。
15.在一些示例中，所述确定大蒜的主轴，具体包括：提取所述大蒜的所有边界点；根
据所有边界点的坐标拟合出椭圆；将所述椭圆的长轴作为所述大蒜的主轴。
16.在一些示例中，所述对所述预处理后的图像中的大蒜进行疤识别，具体包括：通过训练好的基于卷积神经网络的识别模型对所述预处理后的图像中的大蒜进行疤识别，或者
17.通过色选方式对所述预处理后的图像中的大蒜进行疤识别。
18.在一些示例中，在得到疤区域之后，还包括：排除所述疤区域中阴影区域的误识别。
19.在一些示例中，所述排除所述疤区域中阴影区域的误识别，具体包括：从所述预处理后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域；以所述疤区域的灰度为阈值，进行二值化处理，得到第二目标区域；对所述第一目标区域进行腐蚀，得到第三目标区域；从所述第二目标区域中去除其与所述第三目标区域的交集区域，得到阴影区域；针对与所述阴影区域有重叠的疤区域，如果重叠区域占该疤区域的比例大于第一预设比例阈值，则判定该疤区域为无效疤区域。
20.在一些示例中，所述排除所述疤区域中阴影区域的误识别，具体包括：从所述预处理后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域；对所述第一目标区域进行腐蚀，得到第三目标区域；针对与所述第三目标区域重叠的疤区域，如果该疤区域与所述第三目标区域的重叠面积占该疤区域的比例小于第二预设比例阈值，则判断该疤区域为无效疤区域。
21.为了实现上述目的，本发明第二方面的实施例提出了一种大蒜的疤识别装置，包括：采集模块，用于采集大蒜图像；预处理模块，用于识别所述大蒜图像中的预设区域，并去除所述预设区域，得到预处理后的图像；识别模块，用于对所述预处理后的图像中的大蒜进行疤识别，得到疤区域。
22.根据本发明实施例的大蒜的疤识别装置，识别采集的大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像；对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
23.为了实现上述目的，本发明第三方面的实施例提出了一种分选设备，包括本发明上述实施例所述的大蒜的疤识别装置。
24.根据本发明实施例的分选设备，能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
25.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
26.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
27.图1是根据本发明一个实施例的大蒜的疤识别方法的流程图；
28.图2是根据本发明一个实施例的大蒜的疤识别装置的结构框图。
具体实施方式
29.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终
相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
30.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
31.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
32.以下结合附图描述根据本发明实施例的大蒜的疤识别方法、装置及分选设备。
33.图1是根据本发明一个实施例的大蒜的疤识别方法的流程图。如图1所示，该大蒜的疤识别方法，包括以下步骤：
34.步骤s1：采集大蒜图像。
35.具体的，这里的大蒜可以为带皮或不带皮的带根蒜瓣，可利用高速相机对皮带上正常输送的大蒜进行图像采集，得到大蒜图像。
36.步骤s2：识别大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像。其中，预设区域为大蒜上与疤区域具有相似的识别特征的区域，疤区域的识别特征是可以用来识别出疤区域的特征。预设区域是会影响疤识别结果准确性的区域，具体是从易被误识别为疤区域的区域中确定的至少一种区域，如大蒜的根部区域的形状和颜色与疤区域相似，则可以将大蒜的根部区域作为预设区域，或者还可将根部区域和尾部区域作为预设区域，这是因为大蒜的疤区域出现在尾部的概率非常小。
37.具体的，在本发明的一个实施例中，识别大蒜图像中的预设区域的过程，具体包括：确定大蒜的主轴，获取主轴与大蒜边缘的第一交点和第二交点，其中，主轴为贯穿大蒜根部区域和尾部区域的轴，进一步的，该轴可以尽可能接近贯穿大蒜根部区域和尾部区域中心的轴；沿主轴在大蒜上分别取包括第一交点的预设长度的第一区域和包括第二交点的预设长度的第二区域；将第一区域和第二区域作为预设区域，或将第一区域和第二区域中面积变化幅度较小的一者作为预设区域。需要说明的是，第一区域和第二区域在垂直主轴的方向的宽度应该覆盖大蒜在这一方向的宽度，也就是说在这一方向上截取大蒜完整的宽度。
38.通过上述方式识别出的第一区域和第二区域中的一者为大蒜根部区域，另一者为大蒜尾部区域。一种实施方式中，预设区域可包括大蒜根部和尾部区域，将第一区域和第二区域作为预设区域，即，实现将识别出的根部和尾部区域作为预设区域。由于疤区域出现在尾部区域的概率较小，所以处理时，连同尾部区域被识别为预设区域也是可以的。另一种实施方式中，预设区域可以仅包括大蒜根部区域，第一区域和第二区域中面积变化幅度较小的一者通常为大蒜根部区域，将两者中面积变化幅度较小的一者作为预设区域，即，实现仅
将识别出的大蒜根部区域作为预设区域。
39.其中，在一个实施例中，确定大蒜的主轴的方式，具体包括：计算大蒜的最小外接矩；确定最小外接矩的长中心轴；将该长中心轴作为大蒜的主轴。最小外接矩的长中心轴为过最小外接矩的两个短边中心的轴，大蒜的最长长度通常是沿着贯穿根部区域和尾部区域的方向的长度，计算得到的最小外接矩的长边也是沿着大蒜最长长度方向的，因此，长中心轴穿过大蒜根部区域和尾部区域的概率非常高且接近贯穿大蒜根部区域和尾部区域中心的轴，将长中心轴确定为大蒜的主轴准确率也更高。
40.或者，在另一个实施例中，确定大蒜的主轴的方式，具体包括：提取该大蒜的所有边界点；根据所有边界点坐标拟合出椭圆，如通过对所有边界点描点得到椭圆；将椭圆的长轴作为主轴。另外，针对任一颗大蒜，提取并保存该大蒜的所有边界点，基于该大蒜的所有边界点，通过椭圆拟合，得到相应的椭圆。通过这种方式获得大蒜的主轴，处理过程简单，且准确率高，不仅有利于提高疤识别的准确率，还有利于提高识别效率。
41.步骤s3：对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而提高疤区域识别的准确率。
42.具体的，在本发明的一个实施例中，对预处理后的图像中的大蒜进行疤识别的过程，具体包括：通过训练好的基于卷积神经网络的识别模型对预处理后的图像中的大蒜进行疤识别；或者，通过色选机对预处理后的图像中的大蒜进行疤识别。
43.其中，基于卷积神经网络的识别模型通过以下方式获得：采集预设数量的大蒜图像样本；对采集到的大蒜图像样本进行预处理，其中，预处理的过程即识别采集到的大蒜图像样本中的预设区域，并去除预设区域，该步骤与步骤s2相同，相关解释可以参照上述相应部分，在此不做赘述；进一步地，对得到的预处理后的大蒜图像样本进行数据增广处理，以快速获取样本，并使样本更加丰富，通过训练可以使识别模型具有很好的识别精度和鲁棒性，数据增广处理具体包括：不同角度的旋转、镜像、添加噪声、改变光照强度等；进一步地，对数据增广处理后的大蒜图像样本中的大蒜的疤区域进行人工标注；将人工标注完成后的数据作为训练数据对卷积神经网络网络进行训练，得到识别模型。进而，将待检测大蒜图像，即采集到的大蒜图像按照上述方式进行识别和去除预设区域的预处理，将预处理后的大蒜图像输入识别模型，以对疤区域进行定位识别。
44.在本发明的一个实施例中，在步骤s3之后，即在得到疤区域之后，还包括：排除疤区域中阴影区域的误识别，从而减少误识别，进一步提高疤识别的准确率。
45.具体的，在一个实施例中，排除疤区域中阴影区域的误识别的过程，具体包括：
46.从预处理后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域，第一目标区域主要为大蒜主体区域，可能包含阴影区域；以疤区域的灰度为阈值，进行二值化处理，得到第二目标区域，第二目标区域主要为疤区域，可能包含阴影区域；对第一目标区域进行腐蚀，得到第三目标区域，第三目标区域主要为大蒜主体区域；从第二目标区域中去除其与第三目标区域的交集区域，得到阴影区域；针对与该阴影区域有重叠的疤区域，如果重叠区域占该疤区域的比例大于第一预设比例阈值，则判定识别到的该疤区域为无效疤区域，即该疤区域为误识别，从识别的疤区域中去除该误识别。
47.在另一个实施例中，排除疤区域中阴影区域的误识别的过程，具体包括：从预处理
后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域，第一目标区域主要为大蒜主体区域，可能包含阴影区域；对第一目标区域进行腐蚀，得到第三目标区域，第三目标区域主要为大蒜主体区域；针对与第三目标区域有重叠的疤区域，如果该疤区域与第三目标区域的重叠面积占该疤区域的比例小于第二预设比例阈值，则判断该疤区域为无效疤区域，即该疤区域为误识别，从识别的疤区域中去除该误识别。
48.需要说明的是，选为阈值的背景灰度可以为背景灰度的平均值，可以是固定光源照射下呈现的背景的平均灰度；选为阈值的疤区域灰度可以为采样统计的部分大蒜的最亮疤区域的灰度，或者该部分大蒜的疤区域灰度的平均值；第一目标区域的腐蚀尺寸可以以腐蚀掉大蒜的阴影区域为目标来设置。
49.其中，第一预设比例阈值和第二预设比例阈值可以根据经验设置，如均可以设置为大于50％的数，当然，也可以根据实际识别结果的反馈来调整确定这些值。
50.也即是说，该大蒜的疤识别方法，首先采集大蒜图像，从采集的大蒜图像中识别预设区域，如根部区域，或根部和尾部区域，并从大蒜图像中去除预设区域，如将预设区域置为背景。进一步地，将去除预设区域的图像作为识别模型的输入，以便识别模型对图像中的大蒜进行疤识别定位，得到疤区域；或者，通过色选机对去除预设区域的图像进行疤识别定位，得到疤区域。进一步地，对带有疤区域的大蒜图像去除误识别，进一步提高疤识别的准确率。
51.根据本发明实施例的大蒜的疤识别方法，识别采集的大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像；对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
52.本发明的进一步实施例还提出了一种大蒜的疤识别装置。
53.图2是根据本发明一个实施例的大蒜的疤识别装置的结构框图。如图2所示，该大蒜的疤识别装置100，包括：采集模块110、预处理模块120和识别模块130。
54.具体的，采集模块110用于采集大蒜图像。
55.具体的，这里的大蒜可以为带皮或不带皮的带根蒜瓣，采集模块110可包括高速相机，通过高速相机对皮带上正常输送的大蒜进行图像采集，得到大蒜图像。
56.预处理模块120用于识别大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像。其中，预设区域为大蒜上与疤区域具有相似的识别特征的区域，疤区域的识别特征是可以用来识别出疤区域的特征。预设区域是会影响疤识别结果准确性的区域，具体是从易被误识别为疤区域的区域中确定的至少一种区域，如大蒜的根部区域的形状和颜色与疤区域相似，则可以将大蒜的根部区域作为预设区域，或者还可将根部区域和尾部区域作为预设区域，这是因为大蒜的疤区域出现在尾部的概率非常小。
57.具体的，在本发明的一个实施例中，识别大蒜图像中的预设区域的过程，具体包括：确定大蒜的主轴，获取主轴与大蒜边缘的第一交点和第二交点，其中，主轴为贯穿大蒜根部区域和尾部区域的轴，进一步的，该轴可以尽可能接近贯穿大蒜根部区域和尾部区域中心的轴；沿主轴在大蒜上分别取包括第一交点的预设长度的第一区域和包括第二交点的预设长度的第二区域；将第一区域和第二区域作为预设区域，或将第一区域和第二区域中面积变化幅度较小的一者作为预设区域。需要说明的是，第一区域和第二区域在垂直主轴
的方向的宽度应该覆盖大蒜在这一方向的宽度，也就是说在这一方向上截取大蒜完整的宽度。
58.通过上述方式识别出的第一区域和第二区域中的一者为大蒜根部区域，另一者为大蒜尾部区域。一种实施方式中，预设区域可包括大蒜根部和尾部区域，将第一区域和第二区域作为预设区域，即，实现将识别出的根部和尾部区域作为预设区域。由于疤区域出现在尾部区域的概率较小，所以处理时，连同尾部区域被识别为预设区域也是可以的。另一种实施方式中，预设区域可以仅包括大蒜根部区域，第一区域和第二区域中面积变化幅度较小的一者通常为大蒜根部区域，将两者中面积变化幅度较小的一者作为预设区域，即，实现仅将识别出的大蒜根部区域作为预设区域。
59.其中，在一个实施例中，确定大蒜的主轴的方式，具体包括：计算大蒜的最小外接矩；确定最小外接矩的长中心轴；将该长中心轴作为大蒜的主轴。最小外接矩的长中心轴为过最小外接矩的两个短边中心的轴，大蒜的最长长度通常是沿着贯穿根部区域和尾部区域的方向的长度，计算得到的最小外接矩的长边也是沿着大蒜最长长度方向的，因此，长中心轴穿过大蒜根部区域和尾部区域的概率非常高且接近贯穿大蒜根部区域和尾部区域中心的轴，将长中心轴确定为大蒜的主轴准确率也更高。
60.或者，在另一个实施例中，确定大蒜的主轴的方式，具体包括：提取该大蒜的所有边界点；根据所有边界点坐标拟合出椭圆，如通过对所有边界点描点得到椭圆；将椭圆的长轴作为主轴。另外，针对任一颗大蒜，提取并保存该大蒜的所有边界点，基于该大蒜的所有边界点，通过椭圆拟合，得到相应的椭圆。通过这种方式获得大蒜的主轴，处理过程简单，且准确率高，不仅有利于提高疤识别的准确率，还有利于提高识别效率。
61.识别模块130用于对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而提高疤区域识别的准确率。
62.具体的，在本发明的一个实施例中，识别模块130对预处理后的图像中的大蒜进行疤识别的过程，具体包括：通过训练好的基于卷积神经网络的识别模型对预处理后的图像中的大蒜进行疤识别；或者，通过色选机对预处理后的图像中的大蒜进行疤识别。
63.其中，基于卷积神经网络的识别模型通过以下方式获得：采集预设数量的大蒜图像样本；对采集到的大蒜图像样本进行预处理，其中，预处理的过程即识别采集到的大蒜图像样本中的预设区域，并去除预设区域；进一步地，对得到的预处理后的大蒜图像样本进行数据增广处理，数据增广处理具体包括：不同角度的旋转、镜像、添加噪声、改变光照强度等；进一步地，对数据增广处理后的大蒜图像样本中的大蒜的疤区域进行人工标注；将人工标注完成后的数据作为训练数据对卷积神经网络网络进行训练，得到识别模型。进而，将待检测大蒜图像，即采集到的大蒜图像按照上述方式进行识别和去除预设区域的预处理，将预处理后的大蒜图像输入识别模型，以对疤区域进行定位识别。
64.在本发明的一个实施例中，识别模块130在得到疤区域之后，还用于：排除疤区域中阴影区域的误识别，从而减少误识别，进一步提高疤识别的准确率。
65.具体的，在一个实施例中，识别模块130排除疤区域中阴影区域的误识别的过程，具体包括：
66.从预处理后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域，第一目标区域主要为大蒜主体区域，可能包含
阴影区域；以疤区域的灰度为阈值，进行二值化处理，得到第二目标区域，第二目标区域主要为疤区域，可能包含阴影区域；对第一目标区域进行腐蚀，得到第三目标区域，第三目标区域主要为大蒜主体区域；从第二目标区域中去除其与第三目标区域的交集区域，得到阴影区域；针对与该阴影区域有重叠的疤区域，如果重叠区域占该疤区域的比例大于第一预设比例阈值，则判定识别到的该疤区域为无效疤区域，即该疤区域为误识别，从识别的疤区域中去除该误识别。
67.在另一个实施例中，识别模块130排除疤区域中阴影区域的误识别的过程，具体包括：从预处理后的图像中，提取具有疤区域的大蒜图像；以该大蒜图像的背景灰度为阈值，进行二值化处理，得到第一目标区域，第一目标区域主要为大蒜主体区域，可能包含阴影区域；对第一目标区域进行腐蚀，得到第三目标区域，第三目标区域主要为大蒜主体区域；针对与第三目标区域有重叠的疤区域，如果该疤区域与第三目标区域的重叠面积占该疤区域的比例小于第二预设比例阈值，则判断该疤区域为无效疤区域，即该疤区域为误识别，从识别的疤区域中去除该误识别。
68.需要说明的是，选为阈值的背景灰度可以为背景灰度的平均值，可以是固定光源照射下呈现的背景的平均灰度；选为阈值的疤区域灰度可以为采样统计的部分大蒜的最亮疤区域的灰度，或者该部分大蒜的疤区域灰度的平均值；第一目标区域的腐蚀尺寸以腐蚀掉大蒜的阴影区域为目标来设置。
69.其中，第一预设比例阈值和第二预设比例阈值可以根据经验设置，如均可以设置为大于50％的数，当然，也可以根据实际识别结果的反馈来调整确定这些值。
70.也即是说，该大蒜的疤识别装置，首先采集大蒜图像，从采集的大蒜图像中识别预设区域，如根部区域，或根部和尾部区域，并从大蒜图像中去除预设区域，如将预设区域置为背景区域。进一步地，将去除预设区域的图像作为识别模型的输入，以便识别模型对图像中的大蒜进行疤识别定位，得到疤区域；或者，通过色选机对区域预设区域的图像进行疤识别定位，得到疤区域。进一步地，对带有疤区域的大蒜图像去除误识别，进一步提高疤识别的准确率。
71.根据本发明实施例的大蒜的疤识别装置，识别采集的大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像；对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
72.本发明实施例的大蒜的疤识别装置的各个模块的具体执行步骤与本发明实施例的大蒜的疤识别方法中的具体实现方式类似，其他具体细节可以请参见前述对应部分的描述。
73.本发明的进一步实施例还提出了一种分选设备，该分选设备包括本发明上述任意一个实施例所描述的大蒜的疤识别装置。因此，本发明实施例的分选设备的具体实现方式与本发明实施例的大蒜的疤识别装置的具体实现方式类似，具体请参见装置部分的描述，为了减少冗余，此处不再赘述。
74.在具体实施例中，该分选设备例如为色选机。
75.根据本发明实施例的分选设备，识别采集的大蒜图像中的预设区域，并去除预设区域，得到预处理后的图像；对预处理后的图像中的大蒜进行疤识别，得到疤区域，从而能够有效识别大蒜的疤区域，同时减少误识别，提高大蒜疤识别的准确率。
76.另外，根据本发明实施例的分选设备的其它构成以及作用对于本领域的普通技术人员而言都是已知的，为了减少冗余，不做赘述。
77.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
78.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。