图像检测方法、装置、系统和计算机设备

技术领域

本申请涉及计算机智能图像处理技术领域，特别是涉及一种图像检测方法、装置、系统和计算机设备。

背景技术

目前用于头颈部肿瘤筛查的辅助检查包括头颈部CT、MRI、彩超以及电子鼻咽喉镜等实验室检查，其中鼻咽喉镜作为便捷、直观、无创的检查方式，是头颈部肿瘤早期筛查的重要且不可替代的检查方式，电子鼻咽喉镜可以对鼻、咽、喉腔进行形态学的大体观察，在电子鼻咽喉镜引导下进行活组织检查是鼻咽喉恶性肿瘤的主要确诊方式。

传统技术中，对于基于鼻咽喉镜下的活组织检查的检查结果完全取决于医生在检查过程中的操作与判断，然而，完全基于人工的判断方式容易造成漏检、误判等现象，这会导致无法及时发现疾病从而错过最佳治疗时机。

目前对于基于人工的鼻咽喉镜图像的判断准确性以及效率较低的问题，尚未提出有效的解决方案。

发明内容

基于此，有必要针对上述技术问题，提供一种图像检测方法、装置、系统和计算机设备。

第一方面，本申请提供了一种图像检测方法。所述方法包括：

获取待检测白光图像，并对待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；检测类型切换信号；响应于检测到的类型切换信号获取待检测NBI图像，根据当前病变区域坐标对待检测NBI图像进行图像提取处理，得到病变区域小图；对病变区域小图进行类型区分处理，得到分型结果，根据分型结果生成目标图像检测结果。

在其中一个实施例中，获取待检测白光图像包括：

获取待检测图像；对待检测图像进行遍历处理，在遍历到待检测图像中当前像素点的情况下，获取当前像素点对应的颜色通道数值，并根据获取到的预设正数对颜色通道数值进行通道数值转换，得到数值转换结果；

根据所有数值转换结果得到针对待检测图像的目标颜色数值检测结果，并根据目标颜色数值检测结果确定待检测图像为待检测白光图像。

在其中一个实施例中，对病变区域小图进行类型区分处理，得到分型结果，包括：

将病变区域小图输入训练完备的目标分割网络中，得到对应于病变区域小图的目标分割结果，并对目标分割结果进行掩膜处理，得到掩膜结果；检测掩膜结果中显示预设数值的像素点，基于显示预设数值的像素点获取最终分割结果；将最终分割结果输入预设的训练完备的分类模型中，得到对应于病变区域小图的分型结果。

在其中一个实施例中，将病变区域小图输入训练完备的目标分割网络中之前，上述方法还包括：

获取病变区域小图训练集；根据病变区域小图训练集对预设的初始分割网络进行训练，生成训练完备的目标分割网络。

在其中一个实施例中，对待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标，包括：

将待检测白光图像输入至训练完备的目标检测模型中，生成对应于待检测白光图像的病变区域；对病变区域进行目标跟踪处理，得到当前病变区域坐标。

在其中一个实施例中，将待检测白光图像输入至训练完备的目标检测模型中之前，上述方法还包括：

获取待训练图像，以及待训练图像携带的病变位置标注；根据病变位置标注对待训练图像进行标注处理，得到检测图像训练集；根据检测图像训练集对预设的初始目标检测模型进行训练，生成训练完备的目标检测模型。

在其中一个实施例中，对病变区域小图进行类型区分处理，得到分型结果，根据分型结果生成目标图像检测结果之后，上述方法还包括：

将分型结果发送至预设的显示端口进行显示。

第二方面，本申请还提供了一种图像检测装置。该装置包括：

采集模块，用于获取待检测白光图像，并对待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；

分析模块，用于检测类型切换信号；响应于检测到的类型切换信号获取待检测NBI图像，根据当前病变区域坐标对待检测NBI图像进行图像提取处理，得到病变区域小图；

生成模块，用于对病变区域小图进行类型区分处理，得到分型结果，根据分型结果生成目标图像检测结果。

第三方面，本申请还提供了一种图像检测系统。该系统包括，采集设备和主控设备：

采集设备，与主控设备连接，用于获取待检测白光图像，并对待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；

主控设备，用于检测类型切换信号；响应于检测到的类型切换信号获取待检测NBI图像，根据当前病变区域坐标对待检测NBI图像进行图像提取处理，得到病变区域小图；

主控设备还用于，获取用户输入的指示信息，根据指示信息选择获取目标图像类型为白光目标图像还是NBI目标图像。

主控设备还用于，对病变区域小图进行类型区分处理，得到分型结果，根据分型结果生成目标图像检测结果。

第四方面，本申请还提供了一种计算机设备。所述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，所述处理器执行所述计算机程序时实现以下步骤：

获取待检测白光图像，并对待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；

检测类型切换信号；响应于检测到的类型切换信号获取待检测NBI图像，根据当前病变区域坐标对待检测NBI图像进行图像提取处理，得到病变区域小图；

对病变区域小图进行类型区分处理，得到分型结果，根据分型结果生成目标图像检测结果。

上述图像检测方法、装置、系统以及计算机设备，首先获取待检测白光图像并进行跟踪，得到病变区域坐标，再切换至获取待检测NBI图像，根据上述病变区域坐标从待检测NBI图像中继续宁图像提取处理，得到病变区域小图；对该病变区域小图进行类型区分处理，得到目标图像检测结果。本申请解决了传统技术中人工对鼻咽喉镜图像的判断准确性低且效率较低的问题，通过结合了白光类型的图像以及NBI类型的图像来实现了对病变区域进行追踪，并可以准确高效地判定该病变区域的病变类型。

附图说明

图1为一个实施例中图像检测方法的流程示意图；

图2为另一个实施例中图像检测方法的流程示意图；

图3为一个优选实施例中图像检测方法的流程示意图；

图4为一个实施例中图像检测装置的结构框图；

图5为一个实施例中图像检测计算机设备的内部结构框图。

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，对本申请进行描述和说明。应当理解，此处所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。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

在一个实施例中，如图1所示，提供了一种图像检测方法，图1是根据本申请实施例的图表生成方法的流程图，包括以下步骤：

步骤S110，获取待检测白光图像，并对所述待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标。

其中，需要说明的是，用户在刚开始进行图像检测时，拍摄的第一帧图像可以是NBI类型待检测图像或是白光类型待检测图像，当用户要进行图像检测时，拍摄的第一张图像需为白光类型的待检测图像，其中，白光类型的待检测图像以及NBI类型的待检测图像可以由用户人工切换。当用户获取到待检测白光图像后，对该待检测白光图像中的病变区域进行病变区域的目标跟踪处理，其中，对于病变区域的目标跟踪处理包括但不限于由机器学习的算法实现。需要注意的是，可以获取多帧连续的待检测白光图像，每一帧待检测白光图像都会对病变区域进行跟踪处理，相对应的，病变区域坐标也会随之更新。

步骤S120，检测类型切换信号；响应于检测到的所述类型切换信号获取待检测NBI图像，根据所述当前病变区域坐标对所述待检测NBI图像进行图像提取处理，得到病变区域小图。

其中，该类型切换信号由用户手动输入，用于白光类型的待检测图像以及NBI类型的待检测图像之间，待检测图像类型的切换。在获取到类型切换信号后，获取到的待检测图像类型由白光类型待检测图像转换至NBI类型待检测图像，获取到NBI类型待检测图像后，获取上一帧中白光类型待检测图像对应的病变区域跟踪坐标，该坐标类型包括但不限于(X1,X2,X3,X4)，并基于该病变区域跟踪坐标在NBI类型待检测图像中提取对应的病变区域图像，得到病变区域小图，其中，病变区域小图包括但不限于针对血管提取的病变区域小图。需要注意的是，本申请只应用白光类型待检测图像中基于目标跟踪处理生成的病变区域坐标，当有多帧连续的NBI类型待检测图像出现时，该NBI类型待检测图像沿用最后一帧白光类型待检测图像生成的病变区域坐标(X1,X2,X3,X4)，基于该病变类型坐标生成病变区域小图。

步骤S130，对所述病变区域小图进行类型区分处理，得到分型结果，根据所述分型结果生成目标图像检测结果。

其中，包括但不限于将病变区域小图送入训练完备的分类模型中，基于该训练完备的分类模型输出对该病变区域小图的分型结果，根据该分型结果生成目标图像的检测结果，该检测结果用于指示该病变区域的病变类型，包括但不限于息肉、白斑以及原位癌等。

根据步骤S110至步骤S130可知，基于获取到的白光类型待检测图像获取病变区域坐标，获取完成后，根据用户需要，人工切换为获取NBI类型的待检测图像，并沿用上述病变区域坐标，根据该病斑区域坐标从NBI类型待检测图像中提取病变区域小图，基于该病变区域小图生成该目标图像的检测结果。综上，本申请中，一方面，综合了待检测图像的白光类型待检测图像和NBI类型待检测图像，相比于传统方法可以更加准确地判别出当前病变区域的病变类型。具体的，由于白光类型待检测图像比NBI类型待检测图像的目标跟踪效果更好，NBI类型待检测图像相比于白光类型图像可以更清晰地提取出病变区域小图，因此本申请中利用白光类型图像中生成的病变区域坐标，在NBI类型待检测图像中基于该病变区域坐标提取对应的病变区域小图，结合了白光类型图像和NBI类型图像的长处，实现了更加精准、清晰地提取病变区域小图，并为后续基于该病变区域小图检测该病变区域的类型打下了良好的基础。另一方面，本申请中的白光类型待检测图像和NBI类型待检测图像相结合的算法，耗时短、应用方便，可以实时高效的对镜头拍摄的鼻咽喉镜图像进行分析，并准确地分辨该病变区域的病变类型。因此，通过上述实施例有效解决了鼻咽喉镜图像的判断准确性以及效率低的问题，实现了精确、高效的图像检测方法。

在一个实施例中，如图2所述，提供了另一种图像检测的方法，上述图像检测方法还包括：

步骤S210，获取待检测图像；对所述待检测图像进行遍历处理，在遍历到所述待检测图像中当前像素点的情况下，获取所述当前像素点对应的颜色通道数值，并根据获取到的预设正数对所述颜色通道数值进行通道数值转换，得到数值转换结果；根据所有所述数值转换结果得到针对所述待检测图像的目标颜色数值检测结果，并根据所述目标颜色数值检测结果确定所述待检测图像为所述待检测白光图像。

具体的，在获取到待检测图像后，要对待检测图像的类型进行检测，判别其是白光类型待检测图像还是NBI类型待检测图像。具体方法如下，获取当前图像中的任意一像素点，以及该像素点对应的RGB值(mr，mg，mb)，比较该像素点的三通道数值大小，且将数值较大的通道其数值加一固定的正数，该正数可以为1。对该像素点计算完成后，遍历当前图像的所有像素点，将每一个像素点都进行上述操作，并将当前图像的所有像素点中的三通道数值对应相加，得到该图像最终三通道统计数值为nr，ng以及nb，比较这三个数值的大小，若nr较大则判定当前图像类型为白光类型的待检测图像，若ng较大，则判定当前图像类型为NBI类型的待检测图像。由此可以看出，该方法利用了白光类型待检测图像和NBI类型待检测图像的特质，可以高效简便的判断出当前图像的类别，不会占用过多内存空间，提升了目标检测算法的效率。

在一个实施例中，上述图像检测方法还包括：

将所述病变区域小图输入训练完备的目标分割网络中，得到对应于所述病变区域小图的目标分割结果，并对所述目标分割结果进行掩膜处理，得到掩膜结果；检测所述掩膜结果中显示预设数值的像素点，基于所述显示预设数值的像素点获取最终分割结果；将所述最终分割结果输入预设的训练完备的分类模型中，得到对应于所述病变区域小图的所述分型结果。

具体的，该训练完备的目标分割网络用于分割出病变区域小图中较为明显的血管，分割完成后获取病变区域小图的目标分割结果，并对该结果进行掩膜处理，得到掩膜结果，检测该掩膜结果中的像素点数值，该数值可以为像素点对应的mask值，若检测到该像素点对应的mask值等于预设数值，则提取出显示预设数值的像素点以获取最终分割结果，其中，该mask值通常设置为1。进一步的，在将显示预设数值的像素点提取出后，可以将其余位置填充统一数值，并将最终分割结果输入至训练完备的分类模型中，得到分型结果，该分型结果会显示其病变类型。由此可以看出，本申请中在对病变区域小图进行分类之前，针对病变区域小图进行目标分割处理，这样可以更清晰地划定出要进行分类处理的目标区域即上文中的最终分割结果，也提高了病变区域小图分类结果的正确率。

在一个实施例中，上述图像检测方法还包括：

获取病变区域小图训练集；根据所述病变区域小图训练集对预设的初始分割网络进行训练，生成所述训练完备的目标分割网络。

具体的，需要对预设的初始分割网络进行训练，其训练集为对应于病变区域小图的预设的病变区域小图训练集，利用该病变区域小图训练集对预设的初始分割网络进行训练，得到训练完备的目标分割网络。

在一个实施例中，上述图像检测方法还包括：

将所述待检测白光图像输入至训练完备的目标检测模型中，生成对应于所述待检测白光图像的病变区域；对所述病变区域进行目标跟踪处理，得到所述当前病变区域坐标。

具体的，若检测到输入的待检测图像为白光类型的待检测图像，则将该待检测白光图像输入至目标检测模型中，生成对应于待检测白光图像的病变区域，进一步的，本申请中还包括对病变区域的跟踪处理，包括，若连续输入的多帧待检测图像均为白光类型的待检测图像，则根据不同的待检测白光图像对病变区域进行跟踪处理，并对病变区域的坐标进行迭代。由此可以看出，由于相比于NBI类型的图像，白光类型的图像对于目标区域的检测效果更好，所以本申请中基于白光类型的待检测图像，实现对病变区域的跟踪，并实时更新病变区域的位置坐标，可以更准确的识别并更新病变区域的位置，为后续对病变区域的提取和分类打下良好的基础。

在一个实施例中，上述图像检测方法还包括：

获取待训练图像，以及所述待训练图像携带的病变位置标注；根据所述病变位置标注对所述待训练图像进行标注处理，得到检测图像训练集；根据所述检测图像训练集对预设的初始目标检测模型进行训练，生成所述训练完备的目标检测模型。

具体的，在利用目标检测之前需要对预设的初始目标检测模型进行训练，该训练集为经过标注的检测图像训练集，该标注处理可以为人工标注，是针对于待训练图像中病变位置的标注。针对病变位置标注完成后获取到对应的检测图像训练集，基于该检测图像训练集对预设的初始目标检测模型进行训练，得到上述训练完备的目标检测模型。

在一个实施例中，上述图像检测方法还包括：

将所述分型结果发送至预设的显示端口进行显示。

具体的，本申请中还包括分型结果的可视化显示，其中，该分型结果包括但不限于当前镜头采集到的图像、分型结果展示、白光待检测图像的目标检测结果等病变相关信息，其中，该目标检测结果包括息肉、白斑、原位癌等。上述显示端口可以为与当前镜头相连接的显示屏幕，用于向相关技术人员展示此次图像检测的相关信息。由此可以看出，本申请中的可视化部分可以使相关人员更快捷地获取当前待检测图像中病变区域相关的情况，提高对于病变区域的诊断效率。

本实施例还提供了一种图像检测方法的具体实施例，如图3所示，图3是一个优选实施例中图像检测方法的流程图。

首先，基于训练完备的目标检测模型，对于采集到的待检测图像进行目标检测，得到病变区域，并输出对于该病变区域的病变区域坐标。

其次，对于该待检测图像的类型进行判断，判别其是白光类型待检测图像还是NBI类型待检测图像。具体方法如下，获取当前图像中的任意一像素点，以及该像素点对应的RGB值(mr，mg，mb)，比较该像素点的三通道数值大小，且将数值较大的通道其数值加一固定的正数，该正数可以为1。对该像素点计算完成后，遍历当前图像的所有像素点，将每一个像素点都进行上述操作，并将当前图像的所有像素点中的三通道数值对应相加，得到该图像最终三通道统计数值为nr，ng以及nb，比较这三个数值的大小，若nr较大则判定当前图像类型为白光类型的待检测图像，若ng较大，则判定当前图像类型为NBI类型的待检测图像。若检测到该待检测图像类型为白光类型待检测图像，由于病变区域在白光类型待检测图像下比较好定位，则保持当前获得的病变区域坐标(x1，x2，x3，x4)，并根据目标跟踪算法，跟踪当前的病变区域，以保持当前病变的具体位置，并实时更新该病变区域坐标。若检测到该待检测图像类型为NBI类型待检测图像，则当前NBI类型待检测图像对应的目标检测输出的病变区域坐标无效，采用白光类型待检测图像更新后的病变区域坐标(x1，x2，x3，x4)，以此病变区域坐标提取NBI类型待检测图像中的病变区域，获取病变区域小图。需要说明的是，若要实现对于该病变区域的分类，则针对于该病变区域输入的第一张待检测图像的图像类型要调节为白光类型的图像。

最后，对于提取到的病变区域小图送入训练完备的目标分割网络，分割出NBI中较为明显的血管，其输出为一个与输入图像同尺寸的mask结果，该mask值为1的像素点即为血管位置。通过训练完备的目标分割网络提取到NBI图像中的血管，将血管从NBI图像中提取出，并将其余位置填充同一数值，将其输入分类网络中进行病变的类型区分，得到分型结果，根据该分型结果生成目标图像检测结果。进一步的，将当前镜头采集到的图像、分型结果展示、白光待检测图像的目标检测结果等病变相关信息发送至预设的显示端口进行显示。

应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像检测方法的图像检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像检测装置实施例中的具体限定可以参见上文中对于图像检测方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种图像检测装置，包括：采集模块、分析模块和生成模块，其中：

采集模块41，用于获取待检测白光图像，并对所述待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；

分析模块42，用于检测类型切换信号；响应于检测到的所述类型切换信号获取待检测NBI图像，根据所述当前病变区域坐标对所述待检测NBI图像进行图像提取处理，得到病变区域小图；

生成模块43，用于对所述病变区域小图进行类型区分处理，得到分型结果，根据所述分型结果生成目标图像检测结果。

具体的，采集模块41与分析模块42相连，采集模块41用于获取待检测白光图像，在实际应用中，可能会出现连续多帧均为白光类型的待检测图像，则实时对连续多帧待检测白光图像进行针对病变区域的目标跟踪处理，并对针对于病变区域的病变区域坐标进行迭代更新，采集模块41将该更新后的病变区域坐标发送至分析模块42中。分析模块42获取类型切换信号以及更新后的病变区域坐标，相应于该类型切换信号获取待检测NBI类型待检测图像，其中，该类型切换信号可以由用户手动输入，用于将白光类型的图像切换为NBI类型的图像或将NBI类型图像切换为白光类型图像，分析模块42基于白光类型图像中生成的病变区域坐标对NBI类型图像进行图像提取处理，生成病变区域小图。在实际应用中，也可能会出现连续多帧均为NBI类型的待检测图像，则上述多帧NBI类型待检测图像均采用白光类型待检测图像中生成病变区域坐标，分析模块42以此对NBI类型待检测图像进行图像提取处理，生成病变区域小图。生成病变区域小图后，分析模块42将病变区域小图发送至生成模块43，生成模块43获取病变区域小图后对病变区域小图进行类型区分处理，得到分型结果，该分型结果包括息肉、白斑以及原位癌等。

相比于现有技术，一方面，本申请中的白光类型图像与NBI类型图像结合来对鼻咽喉镜病理分型的方法，考虑到相比于NBI类型图像，白光类型的图像可以更好的完成病变区域的定位，以及相比于白光类型图像，NBI类型图像可以更好的完成病变区域的提取，本申请中的方法结合了二者的优点，高效准确的完成对病变区域类型的判断。另一方面，本申请提出了一种快速判别待检测图像的类型为NBI类型的图像还是白光类型的图像，该方法利用了白光类型图像和NBI类型图像各自的特点，可以高效的判断出待检测图像的图像类型，为后续的病变区域分类打下良好基础，且使用方便、耗时短，可以实现对多帧待检测图像的实时分析。

上述图像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，提供了一种图像检测系统，包括，采集设备和主控设备，

所述采集设备，与所述主控设备连接，用于获取待检测白光图像，并对所述待检测白光图像进行针对病变区域的目标跟踪处理，得到当前病变区域坐标；

所述主控设备，用于检测类型切换信号；响应于检测到的所述类型切换信号获取待检测NBI图像，根据所述当前病变区域坐标对所述待检测NBI图像进行图像提取处理，得到病变区域小图；

所述主控设备还用于，获取用户输入的指示信息，根据所述指示信息选择获取所述目标图像类型为所述白光目标图像还是所述NBI目标图像。

所述主控设备还用于，对所述病变区域小图进行类型区分处理，得到分型结果，根据所述分型结果生成目标图像检测结果。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5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图像检测设备的限定，具体的图像检测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。

本领域的技术人员应该明白，以上所述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。