基于厨房多传感器一体称的称量方法、装置及智能终端

技术领域

本申请涉及电子秤的技术领域，尤其是涉及基于厨房多传感器一体称的称量方法、装置及智能终端。

背景技术

随着时代的进步，现代人们越来越重视饮食质量。目前，人们常常通过网络查找各种优质菜谱，并按照菜谱做出优质的菜式以提高饮食质量。按照菜谱称量所需食材时，需要使用厨房秤。厨房秤，是用于烹饪时精确计量使用食物原料的重量的一种工具。

相关技术中，厨房秤的秤盘被划分为四个称重区域，每个称重区域下方对应的设有一个压力传感器，用于分区域称量食材，厨房秤设有显示屏，用于显示四个称重区域所称量食材的重量，从而使得厨房秤能够同时称量四种食材并显示四种食材的重量。

针对上述中的相关技术，发明人认为当厨师使用上述厨房秤称量多种食材且其中一种食材需要占用两个或两个以上称重区域时，此时厨师通过显示屏显示的信息难以直接得知占用了两个或两个以上称重区域的同种食材的总重量，造成了上述厨房秤的多个称重区域不便于同时称量多种食材的缺陷。

发明内容

为了便于多个称重区域同时称量多种食材，本申请提供了基于厨房多传感器一体称的称量方法、装置及智能终端。

第一方面，本申请提供基于厨房多传感器一体称的称量方法，采用如下的技术方案：

基于厨房多传感器一体称的称量方法，包括：

获取食材置于厨房多传感器一体称上的图像信息；

基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息及每种食材所占的分区信息；每个分区对应关联一个重量传感器；

获取每个分区的重量信息；

根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息。

通过采用上述技术方案，称量多种食材时，通过分析图像信息即可确定食材种类信息和每种食材所占的分区信息，且每个分区均为称重区域，通过每种食材的分区信息和每个分区的重量信息，即可确定每种食材的重量信息，即每种食材的总重量，从而便于多个称重区域同时称量多种食材。

可选的，所述基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息，包括：

对图像信息进行图像处理；

对图像信息中的食材进行分类处理，并生成食材种类信息。

通过采用上述技术方案，有利于更准确的根据图像信息生成食材种类信息。

可选的，所述对图像信息进行图像处理，包括：

对图像信息进行灰度化处理，生成灰度图像；

对灰度图像进行二值化处理，生成二值化图像，所述二值化图像中的每个白色区域对应一个食材；

根据二值化图像识别每个食材的轮廓，生成食材轮廓信息；

获取图像信息中每个食材的平均颜色，生成平均颜色信息。

通过采用上述技术方案，图像信息中的食材对应变换成白色区域，便于识别食材的轮廓，食材轮廓信息和平均颜色信息为食材分类提供了用于匹配的特征。

可选的，所述对图像信息中的食材进行分类处理，并生成食材种类信息，包括：

将每个食材的食材轮廓信息、平均颜色信息与预设在数据库中的预设轮廓信息、预设颜色信息进行比对；

根据比对结果，对每个食材进行分类处理，并生成食材种类信息。

通过采用上述技术方案，有利于生成更准确的食材种类信息。

可选的，所述基于所述图像信息，确定所述厨房多传感器一体称上的每种食材所占的分区信息，包括：

对图像信息进行边缘检测，生成检测图像；

将预设图像与检测图像进行融合处理，生成对比图像，所述预设图像为所述厨房多传感器一体称空置时的图像，所述预设图像中包括所述厨房多传感器一体称上的全部分区；

分析对比图像中全部食材占用分区的情况，得到食材的总占区信息；

基于食材种类信息，将食材的总占区信息进行划分，得到每种食材所占的分区信息。

通过采用上述技术方案，对比图像的生成提高了分析全部食材占用分区的准确性，从而提高了每种食材所占的分区信息的准确性。

可选的，所述对图像信息进行边缘检测，生成检测图像，包括：

对图像信息进行灰度处理和高斯平滑，生成预备图像；

计算预备图像中每个像素点的梯度强度和方向；

进行非极大值抑制；

进行双阈值检测；

进行滞后边界跟踪处理，生成检测图像。

通过采用上述技术方案，高斯平滑滤波后生成的预备图像，使得预备图像更为平滑，有效去除噪声干扰，有利于提高边缘检测的精准度，进行非极大值抑制后能消除边缘检测带来的杂散响应，进行双阈值检测能确定真实的和潜在的边缘，进行滞后边界跟踪处理能抑制孤立的弱边缘。

可选的，所述根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息，包括：

读取每种食材所占的分区信息；

将每种食材的分区信息与每个分区的重量信息进行匹配，确定每个分区信息对应的若干重量信息；

将同一分区信息中对应的若干重量信息进行累加，确定每种食材的重量信息。

通过采用上述技术方案，有利于快速匹配每种食材的分区信息对应的若干重量信息，从而便于得到每种食材的重量信息。

第二方面，本申请提供基于厨房多传感器一体称的称量装置，采用如下的技术方案：

基于厨房多传感器一体称的称量装置，包括：

摄像模块，用于获取食材置于厨房多传感器一体称上的图像信息；

分类模块，用于基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息及每种食材所占的分区信息；每个分区对应关联一个重量传感器；

获取模块，用于获取每个分区的重量信息；

确认模块，用于根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息。

通过采用上述技术方案，称量多种食材时，摄像模块能获取食材置于厨房多传感器一体称上的图像信息，分类模块通过分析图像信息即可确定食材种类信息和每种食材所占的分区信息，且每个分区均为称重区域，确认模块通过每种食材的分区信息和每个分区的重量信息，即可确定每种食材的重量信息，即每种食材的总重量，从而便于多个称重区域同时称量多种食材。

第三方面，本申请提供一种智能终端，采用如下的技术方案：

一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至7任一项所述的基于厨房多传感器一体称的称量方法的计算机程序。

通过采用上述技术方案，一种智能终端通过该计算机程序能使用基于厨房多传感器一体称的称量方法对食材进行称量，从而便于多个称重区域同时称量多种食材。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，存储有能够被处理器加载并执行如权利要求1至7任一项所述的基于厨房多传感器一体称的称量方法的计算机程序。

通过采用上述技术方案，一种计算机可读存储介质通过该计算机程序能使用基于厨房多传感器一体称的称量方法对食材进行称量，从而便于多个称重区域同时称量多种食材。

综上所述，本发明包括以下至少一种有益技术效果：

1.称量多种食材时，通过分析图像信息即可确定食材种类信息和每种食材所占的分区信息，且每个分区均为称重区域，通过每种食材的分区信息和每个分区的重量信息，即可确定每种食材的重量信息，即每种食材的总重量，从而便于多个称重区域同时称量多种食材。

2.图像信息中的食材对应变换成白色区域，便于识别食材的轮廓，食材轮廓信息和平均颜色信息为食材分类提供了用于匹配的特征。高斯平滑滤波后生成的预备图像，使得预备图像更为平滑，有效去除噪声干扰，有利于提高边缘检测的精准度，进行非极大值抑制后能消除边缘检测带来的杂散响应，进行双阈值检测能确定真实的和潜在的边缘，进行滞后边界跟踪处理能抑制孤立的弱边缘。

3.对比图像的生成提高了分析全部食材占用分区的准确性，从而提高了每种食材所占的分区信息的准确性。有利于快速匹配每种食材的分区信息对应的若干重量信息，从而便于得到每种食材的重量信息。

附图说明

图1是本实施例中基于厨房多传感器一体称的称量方法的程序流程图。

图2是本实施例中基于厨房多传感器一体称的称量方法的另一程序流程图。

图3是本实施例中基于厨房多传感器一体称的称量装置的模块结构框图。

图4是本实施例中一种智能终端的结构框图。

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1-4及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的基于厨房多传感器一体称的称量方法可由厨房多传感器一体称执行，在本申请实施例中，厨房多传感器一体称具有摄像头、显示屏和内置电脑，摄像头可以为数字摄像头，摄像头可以直接拍摄食材放置于厨房多传感器一体称上的图像，然后通过串、并口或者USB接口传到内置电脑。显示屏与内置电脑电连接。

厨房多传感器一体称还具有若干重力传感器，厨房多传感器一体称上放置食材的位置称为检测区域，检测区域表面通过分区网格划分为若干个分区，重力传感器安装于分区正下方，使得重力传感器与分区一一对应，每个分区均为称重区域。重力传感器可采用弹性敏感元件制成悬臂式位移器，与采用弹性敏感元件制成的储能弹簧以驱动电触点，进而实现从重力变化到电信号的转换。

本申请实施例提供的基于厨房多传感器一体称的称量方法可通过摄像头、内置电脑和若干重力传感器的相互配合来实现，称量的食材可为蔬菜或水果等，若使用者将多种食材同时放置于检测区域时，相邻食材之间需要存在一定的距离，以免相邻食材相互影响导致称量误差，该距离也用于使得相邻的两个食材不会同时压住一个重力传感器，以便于实现多个称重区域同时称量多种食材。

本领域技术人员需要清楚的是，一个菜谱通常给定多种食材的目标重量，厨师根据菜谱对多种食材进行称量时，厨师的目的在于将多种食材的重量调节至各自的目标重量。所以在调节的过程中，厨师需要根据每种食材的重量，从检测区域中取走对应的食材或为检测区域添加对应的食材，基于厨房多传感器一体称的称量方法则便于厨师完成对每种食材的重量的调节。

基于上述原理和上述应用场景，需要说明的是，本申请提供了基于厨房多传感器一体称的称量方法，即从处理器的视角来描述该方法，可以通过编程将基于厨房多传感器一体称的称量方法实现为计算机程序在智能设备上实现，其包括但不限于计算机、网络主机、智能终端等。

本申请实施例公开基于厨房多传感器一体称的称量方法，包括：

参照图1，步骤S100，获取食材置于厨房多传感器一体称上的图像信息。

具体的，控制厨房多传感器一体称上的摄像头对位于检测区域处的食材进行拍摄。摄像头固定于检测区域的正上方，且镜头向下朝向检测区域，从而有利于更好的获取食材置于检测区域的图像信息，也便于获取检测区域空置时的图像，图形信息即摄像头拍摄的食材置于检测区域时的图像。放置于检测区域的食材可以是相同种类的食材，也可以是不同种类的食材，例如：放置3个苹果、放置1个苹果和1根萝卜、放置3个苹果和2根萝卜。但食材的总数量需要控制在检测区域的容纳范围内，且相邻两个食材之间需要存在一定的间距。

其中，厨师将食材放置于检测区域时，食材的位置会经历短暂的波动。例如，一个梨子，放置于检测区域后，在重力的作用下梨子会在检测区域上滚动，然后才会停止并保持静止状态。摄像头需要采集的便是食材进入静止状态后的图像信息，以便于提高后续操作的精确度，减小称量误差。

当食材未进入静止状态时，可以控制摄像头处于开启状态，但是不进行拍摄，当检测区域中的全部食材进入静止状态后，便控制摄像头进行拍摄，从而获得图像信息。

步骤S110，基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息及每种食材所占的分区信息；每个分区对应关联一个重量传感器。

每种食材所占的分区信息是指检测区域中每种食材占用分区的情况，即每种食材对应占用的若干分区。食材种类信息即图像信息中食材的种类，例如，梨子、苹果、萝卜、茄瓜等。

具体的，确定所述厨房多传感器一体称上的食材种类信息，包括：对图像信息进行图像处理，以便于凸显图像信息中的食材，然后对图像信息中的食材进行分类处理，并生成食材种类信息。

其中，图像处理包括：对图像信息进行灰度化处理，生成灰度图像；对灰度图像进行二值化处理，生成二值化图像，所述二值化图像中的每个白色区域对应一个食材；根据二值化图像识别每个食材的轮廓，生成食材轮廓信息；获取图像信息中每个食材的平均颜色，生成平均颜色信息；将每个食材的食材轮廓信息、平均颜色信息与预设在数据库中的预设轮廓信息、预设颜色信息进行比对；根据比对结果，对每个食材进行分类处理，并生成食材种类信息。

若图像信息中含有一个苹果、一个梨子和一根萝卜，二值化图像中三种食材原有的像素均转换为白色，即三种食材转换为三个对应的白色区域，每个白色区域的轮廓与相应的食材对应，识别白色区域的轮廓即可得到对应的食材轮廓信息。图像信息中的食材对应变换成白色区域，便于识别食材的轮廓，食材轮廓信息和平均颜色信息为后续对食材进行分类提供了用于匹配的特征点。

数据库中的预设轮廓信息是指预先上传到数据库中的各种食材的轮廓信息，数据库中的预设颜色信息是指预先上传到数据库中的各种食材的平均颜色信息。将每个被称食材的食材轮廓信息、平均颜色信息与数据库中的全部预设轮廓信息、预设颜色信息进行对比，即可得到每个被称食材的种类。

例如，在检测区域上放置一个食材，将该食材的食材轮廓信息、平均颜色信息与数据库中的全部预设轮廓信息、预设颜色信息进行对比，对比结果为该食材的食材轮廓信息、平均颜色信息分别与数据库中梨子的预设轮廓信息、预设颜色信息匹配，则该食材的种类属于梨子。

具体的，确定所述厨房多传感器一体称上的每种食材所占的分区信息，包括：对图像信息进行边缘检测，生成检测图像；将预设图像与检测图像进行融合处理，生成对比图像，所述预设图像为检测区域空置时的图像，所述预设图像中包括所述厨房多传感器一体称上的全部分区；分析对比图像中全部食材占用分区的情况，得到食材的总占区信息；基于食材种类信息，将食材的总占区信息进行划分，得到每种食材所占的分区信息。

分区是指检测区域表面的称重区域，重力传感器与称重区域一一对应，即分区与重力传感器一一对应。

其中，对图像信息进行边缘检测，采用的是基于MATLAB的Canny边缘检测，包括：对图像信息进行灰度处理和高斯平滑，生成预备图像，计算预备图像中每个像素点的梯度强度和方向；进行非极大值抑制，以便于像素可以更准确地表示图像中的实际边缘；进行双阈值检测，以便于去除杂散响应，用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素，此效果可以通过选择高低阈值来实现，即如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素，如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素，如果边缘像素的梯度值小于低阈值，则会被抑制；进行滞后边界跟踪处理，通过查看弱边缘像素及其8个邻域像素，只要其中一个为强边缘像素，则该弱边缘点就可以保留为真实的边缘，最后生成检测图像。

对比图像中含有全部食材的图形与全部分区，食材图形的轮廓清晰且边缘明确，分区的线条也是清晰且边缘明确，以便于确定全部食材占用分区的情况。对比图像的生成提高了确定全部食材占用分区的准确性，从而提高了食材的总占区的准确性。

分析对比图像中食材的食材图形的边缘，得到食材总占区信息，需要确定食材图形的轮廓经过的若干分区。例如，若在检测区域上放置三个食材，分别是第一食材、第二食材和第三食材，第一食材的食材图形的边缘经过了2个分区，第二食材的食材图形的边缘经过了3个分区，第三食材的食材图形的边缘经过了5个分区，则总占区为第一食材占用的2个分区网格、第二食材占用的3个分区网格和第三食材占用的5个分区网格。

基于食材种类信息，将食材的总占区信息进行划分，得到每种食材所占的分区信息，需要根据每种食材占用分区的情况，对食材的总占区信息进行划分，得到每种食材的分区信息。从而有利于快速确定每种食材占用分区的情况，便于快速确定每种食材的分区信息。

例如，在检测区域上放置三个食材，分别是第一食材、第二食材和第三食材，总占区信息为第一食材占用的2个分区网格、第二食材占用的3个分区网格和第三食材占用的5个分区网格。分析食材种类信息和对比图像后，得到第一食材属于梨子，第二食材和第三食材均属于萝卜，对应的每种食材的分区信息则为：梨子的分区信息为第一食材占用的2个分区网格，萝卜的分区信息为第二食材占用的3个分区网格和第三食材占用的5个分区网格。

步骤S120，获取每个分区的重量信息。

具体的，读取厨房多传感器一体称中全部重力传感器的重量信息，重量信息是指重力传感器的测量值。

其中，食材放置于厨房多传感器一体称的检测区域后，食材的重量会产生短暂的波动。例如，一个梨子放置于检测区域时，初始测量值为0.235kg，静止状态时的测量值为0.1kg。为了获取的测量值更为准确，需要在食材进入静止状态后，获取重力传感器的测量值。

步骤S130，根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息。

具体的，根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息，包括：读取每种食材所占的分区信息；将每种食材的分区信息与每个分区的重量信息进行匹配，确定每个分区信息对应的若干重量信息；将同一分区信息中对应的若干重量信息进行累加，确定每种食材的重量信息。

其中，将每种食材的分区信息与每个分区的重量信息进行匹配的匹配方式为：标签匹配的方式。预先对检测区域中的每个分区添加标签信息，每种食材的分区信息中携带对应分区的标签信息，通过将分区信息中携带的标签信息与每个分区的重量信息中携带的标签信息进行匹配，即可确定每个分区信息对应的若干重量信息。

将同一分区信息中对应的若干重量信息进行累加，即可得到每种食材的重量信息，即每种食材的总重量。例如，已确定梨子的分区信息对应2个分区，且2个分区的重量信息分别为0.03kg和0.07kg，则梨子的重量信息为0.1kg，即梨子的总重量为0.1kg；萝卜的分区信息中包含8个分区，且8个分区的重量信息分别为0.05kg、0.05kg、0.06kg、0.05kg、0.05kg、0.03kg、0.04kg和0.05kg，则萝卜的重量信息为0.38kg，即萝卜的总重量为0.38kg。

参照图2，本申请实施例所述的方法还包括步骤S140，显示每种食材的重量信息。

具体的，步骤S140在步骤S130之后进行，控制显示屏显示每种食材的重量信息。

例如，梨子的总重量为0.1kg，萝卜的总重量为0.38kg，则显示“梨子，0.1kg”和“萝卜，0.38kg”。

本申请实施例所述的方法还包括步骤S150，将全部种类食材的重量信息进行累加并显示累加后的结果。

具体的，步骤S150在步骤S130之后进行，将全部种类食材的重量信息进行累加并显示累加结果包括：将生成的全部种类食材的重量信息进行累加，即将每种食材的重量信息进行累加，以便于计算出厨房多传感器一体称的检测区域上多种食材的总重量，然后通过显示屏显示全部种类食材的总重量。

例如，已确定检测区域上放置有三种食材，分别是梨子重0.1kg、苹果重0.12kg和萝卜重0.25kg，则显示的结果为0.47kg。

综上所述，上述过程实现了称量多种食材时，通过分析图像信息即可确定食材种类信息和每种食材所占的分区信息，且每个分区均为称重区域，通过每种食材的分区信息和每个分区的重量信息，即可确定每种食材的重量信息，即每种食材的总重量，从而便于多个称重区域同时称量多种食材。最后还能将全部种类食材的重量信息进行累加，通过显示屏显示多种食材的总重量，从而便于厨师得知多种食材的总重量。

参照图3，本申请实施例还公开基于厨房多传感器一体称的称量装置，包括：摄像模块200、分类模块210、获取模块220和确认模块230，摄像模块200安装于厨房多传感器一体称上，且位于厨房多传感器一体称检测区域的正上方，摄像模块200正常工作时，获取食材置于厨房多传感器一体称上的图像信息。分类模块210读取来自摄像模块200的图像信息，基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息及每种食材所占的分区信息。获取模块220获取每个分区的重量信息，以便于与确认模块230配合，确认模块230读取来自获取模块220的每个分区的重量信息和来自分类模块210的每种食材所占的分区信息，然后根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息。

综上所述，上述过程实现了称量多种食材时，摄像模块200能获取食材置于厨房多传感器一体称上的图像信息，分类模块210通过分析图像信息即可确定食材种类信息和每种食材所占的分区信息，且每个分区均为称重区域，确认模块230通过每种食材的分区信息和每个分区的重量信息，即可确定每种食材的重量信息，即每种食材的总重量，从而便于多个称重区域同时称量多种食材。

本申请实施例还公开一种智能终端，参照图4，一种智能终端300包括存储器320和处理器310，存储器310上存储有能够被处理器310加载并执行的计算机程序，当该计算机程序被处理器310执行时，执行以下步骤：获取食材置于厨房多传感器一体称上的图像信息；基于所述图像信息，确定所述厨房多传感器一体称上的食材种类信息及每种食材所占的分区信息；每个分区对应关联一个重量传感器；获取每个分区的重量信息；根据所述每种食材所占的分区信息及每个分区的重量信息，确定所述厨房多传感器一体称上每种食材的重量信息。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：对图像信息进行图像处理；对图像信息中的食材进行分类处理，并生成食材种类信息。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：对图像信息进行灰度化处理，生成灰度图像；对灰度图像进行二值化处理，生成二值化图像，所述二值化图像中的每个白色区域对应一个食材；根据二值化图像识别每个食材的轮廓，生成食材轮廓信息；获取图像信息中每个食材的平均颜色，生成平均颜色信息。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：将每个食材的食材轮廓信息、平均颜色信息与预设在数据库中的预设轮廓信息、预设颜色信息进行比对；根据比对结果，对每个食材进行分类处理，并生成食材种类信息。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：对图像信息进行边缘检测，生成检测图像；将预设图像与检测图像进行融合处理，生成对比图像，所述预设图像为所述厨房多传感器一体称空置时的图像，所述预设图像中包括所述厨房多传感器一体称上的全部分区；分析对比图像中全部食材占用分区的情况，得到食材的总占区信息；基于食材种类信息，将食材的总占区信息进行划分，得到每种食材所占的分区信息。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：对图像信息进行灰度处理和高斯平滑，生成预备图像；计算预备图像中每个像素点的梯度强度和方向；进行非极大值抑制；进行双阈值检测；进行滞后边界跟踪处理，生成检测图像。

可选的，本申请的实施例中，当计算机程序被处理器310运行时，执行以下步骤：读取每种食材所占的分区信息；将每种食材的分区信息与每个分区的重量信息进行匹配，确定每个分区信息对应的若干重量信息；将同一分区信息中对应的若干重量信息进行累加，确定每种食材的重量信息。

综上所述，上述过程实现了厨房多传感器一体称300通过该计算机程序能使用基于厨房多传感器一体称的称量方法对食材进行称量，从而便于多个称重区域同时称量多种食材。

本申请实施例还公开一种计算机可读存储介质，存储有能够被处理器加载并执行的计算机程序，该计算机程序被处理器执行时实现上述任一种基于厨房多传感器一体称的称量方法的步骤，且能达到相同的效果。

其中，计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。