基于路径规划的稻田智能巡检方法、系统及终端

技术领域

本申请涉及农业自动化技术领域，具体涉及一种基于路径规划的稻田智能巡检方法、系统及终端。

背景技术

稻田智能巡检机器人是一种利用机器学习、计算机视觉、物联网等技术，对稻田进行自动化、智能化的监测和管理的设备。通过摄像机、传感器、无线网络等方式，实时采集水稻的生长环境、病虫情况、灾害情况等数据，并将数据传输到云端服务器或移动设备上，供农业专家或农民进行分析和决策，提高水稻病虫害的早期发现和准确识别，从而及时采取防治措施，减少损失，提高产量和质量，同时可以减少人工巡检的成本和时间，提高工作效率和安全性。

传统的稻田智能巡检机器人一般是在稻田设置目标点，通过控制前轮转角来追踪目标点，沿着设置的目标点运行巡检。但是单纯依赖设定好的目标点，一方面忽视了稻田里的实际路况环境，导致巡检机器人运行不稳定。其次，预先设定目标点使得巡检机器人只能巡检部分区域，进而对稻田部分区域漏检。

因此，如何实现稻田智能巡检机器人能够稳定有效的实现对稻田全面有效的巡检是本领域亟待解决的技术问题。

发明内容

本申请为了解决上述技术问题，提出了如下技术方案：

第一方面，本申请实施例提供了一种基于路径规划的稻田智能巡检方法，包括：

机器人的上位机系统发送控制指令和标点坐标给机器人的下位机系统；

所述下位机系统根据所述控制指令和所述标点坐标进行巡检作业，并且在巡检过程中向所述上位机系统反馈实时位置和姿态信息；

所述上位机系统根据机器人的实时位置和姿态信息对所述机器人进行控制。

在一种可能的实现方式中，所述机器人的上位机系统发送控制指令和标点坐标给机器人的下位机系统，包括：

上位机系统接收GPS模块发送的位置数据，解析出经纬度坐标，并通过UTM投影转换成平面坐标；

结合水稻田的实际位置和方向，将GPS坐标系转换成水稻田坐标系；

根据当前机器人的位置和姿态以及全局规划的路径计算出线速度和角速度；

根据当前机器人的位置和目标点的位置，采用UTM坐标转换投影方法，在水稻田地图上规划出一条可行路径；

将所述线速度、角速度和可行路径发送给下位机系统。

在一种可能的实现方式中，所述下位机系统根据所述控制指令和所述标点坐标进行巡检作业，并且在巡检过程中向所述上位机系统反馈实时位置和姿态信息，包括：下位机系统接收上位机系统发送的线速度、角速度和可行路径指令，通过基于模糊控制的改进纯追踪算法，驱动电机执行相应的运动；同时下位机新采集传感器的数据，通过卡尔曼滤波的方法，估计出机器人的姿态角，并发送给上位机系统。

在一种可能的实现方式中，根据当前机器人的位置和目标点的位置，采用UTM坐标转换投影方法，在水稻田地图上规划出一条可行路径，包括：

根据接收机测量的果园地块顶点经纬度坐标，利用UTM坐标转换将其转换为平面坐标，并构建一个多边形表示地块边界；

根据东北天坐标系，平面坐标系轴指向正东方向，轴指向正北方向，测量行与轴方向即正东方向的夹角，确定测量行与x轴方向即正东方向的夹角，以及两作业直线段的间距，然后，从地块边界的一个顶点开始，沿着测量行方向画出一条直线段，作为第一条作业路径；

接着根据地头预留宽度，在直线段的两端分别向内部平移一定距离，得到拐弯段的起点和终点，根据拐弯段的长度和转弯半径，采用圆弧或者贝塞尔曲线等方法，规划出一条平滑的拐弯路径；

从拐弯段的终点开始，沿着测量行方向与第一条作业路径相反的方向画出一条直线段，作为第二条作业路径，重复上述步骤，规划出第二个拐弯段；

重复上述步骤，直到覆盖整个地块或者达到目标点为止，将所有的直线段和拐弯段连接起来，就得到了一条完整的路径规划。

在一种可能的实现方式中，上位机系统根据路径规划，在规划路径上采样一系列目标路径点，并将其存储在一个数组中；根据当前车辆位置和速度，将初始横向偏差和初始航向偏差输入模糊控制器，模糊控制器根据速度和航向偏角作为输入量，利用经验制定模糊控制规则，输出前视距离，从而使前视距离得到动态调整，以达到理想的跟踪效果；前视距离作为改进纯跟踪控制器的输入参数，实现对规划路径的精准跟踪，并由跟踪控制器计算出所需的前轮转角，并将其转换为线速度和角速度作为输出量发送至下位机。

在一种可能的实现方式中，所述上位机系统根据机器人的实时位置和姿态信息对所述机器人进行控制，包括：

将横向偏差和航向偏差作为输入变量，将前视距离作为输出变量，进行变量模糊化，即将输入变量和输出变量分别划分为若干个模糊子集，并设定相应的隶属度函数；

设计模糊控制器的规则库，根据输入变量和输出变量的模糊集合设计模糊控制器的规则库；

使用模糊控制器的模糊推理实现模糊控制器的功能，将横向偏差和航向偏差作为输入，经过模糊推理得到整前视距离L的输出结果；

将模糊控制器的输出整前视距离L与改进纯追踪控制算法相结合，得到最终的路径跟踪控制策略，智能巡检机器人可以通过跟踪控制策略实时调整车速和航向角，实现精确的路径跟踪。

在一种可能的实现方式中，所述使用模糊控制器的模糊推理实现模糊控制器的功能，将横向偏差和航向偏差作为输入，经过模糊推理得到整前视距离L的输出结果，包括：根据模糊控制器的输出结果，调整车辆前视距离L，当车辆横向偏差和航向偏差较大时，减小前视距离L，以加快系统响应速度；当车辆横向偏差和航向偏差较小时，增大前视距离L，以保持系统稳态。

在一种可能的实现方式中，横向偏差d设置量化等级为{负大、负中、负小、零、正小、正中、正大}＝{NB、NM、NS、ZO、PS、PM、PB}，设置为三角形隶属度函数；航向偏差θ设置基本论域{-45°，45°}，设置量化等级为{负大、负中、负小、零、正小、正中、正大}＝{NB、NM、NS、ZO、PS、PM、PB}，设置为三角形隶属度函数；前视距离L设置量化等级为{超近、中近、较近、适中、较远、中远、超远}＝{VL、ML、L、M、LB、MB、VB}，设置为高斯形隶属度函数。

第二方面，本申请实施例提供了一种基于路径规划的稻田智能巡检系统，包括：

发送模块，用于机器人的上位机系统发送控制指令和标点坐标给机器人的下位机系统；

巡检模块，用于所述下位机系统根据所述控制指令和所述标点坐标进行巡检作业，并且在巡检过程中向所述上位机系统反馈实时位置和姿态信息；

控制模块，用于所述上位机系统根据机器人的实时位置和姿态信息对所述机器人进行控制。

第三方面，本申请实施例提供了一种终端，包括：

处理器；

存储器；

以及计算机程序，其中所述计算机程序被存储在所述存储器中，所述计算机程序包括指令，当所述指令被所述处理器执行时，使得所述处理器执行第一方面或第一方面任一可能实现方式所述的方法。

在本申请实施例中，采集巡检机器人的实时状态，自适应地调节姿态信息，提高路径跟踪的精度和稳定性。使巡检机器人在不同速度下都能保持良好的跟踪性能，并考虑巡检机器人的动力学特性，使车辆在转弯时能够保持平稳的行驶状态。不采用定点巡检的方式，也实现了巡检机器人可以更加全面的对稻田进行巡检。

附图说明

图1为本申请实施例提供的一种基于路径规划的稻田智能巡检方法的流程示意图；

图2为本申请实施例提供的一种智能巡检机器人的结构示意图；

图3为本申请实施例提供的作业区域测量原理示意图

图4为本申请实施例提供的自主作业路径规划示意图；

图5为本申请实施例提供的改进纯追踪算法原理图；

图6为本申请实施例提供的车辆差速模糊控制器示意图；

图7为本申请实施例提供的改进纯追踪控制流程示意图；

图8为本申请实施例提供的路径跟踪效果示意图；

图9为本申请实施例提供的路径跟踪横向偏差示意图；

图10为本申请实施例提供的一种基于路径规划的稻田智能巡检系统的示意图；

图11为本申请实施例提供的一种终端示意图。

图中标号：

1、车轮，2、车体，3、主天线，4、辅天线，5、M900接收机，6、高清摄像头。

具体实施方式

下面结合附图与具体实施方式对本方案进行阐述。

参见图1，本申请实施例提供的基于路径规划的稻田智能巡检方法，包括：

S101,机器人的上位机系统发送控制指令和标点坐标给机器人的下位机系统。

参见图2，本申请提供了一种基于路径规划自主导航的稻田智能巡检机器人，如图2所示，包括车轮1，车体2，主天线3，辅天线4，M900接收机5，高清摄像头6。水稻智能巡检机器人是一种利用机器视觉和人工智能技术，对水稻田进行自动化、智能化的巡检和监测的设备。通过搭载的高清摄像头4，采集水稻叶片的图像，并利用深度学习模型，对图像进行分类和识别，识别水稻白叶枯病、稻瘟病、纹枯病、细菌性条斑病等多种常见病害，判断水稻是否受到病虫害的影响，以及病虫害的种类和程度。

通过搭载的多种传感器观测水稻生长状态，采集水稻田的温度、湿度、光照、土壤、氮素等环境参数，并利用数据分析模型，评估水稻的生长状况，如分蘖数、叶面积、幼穗数、籽粒数等。可以实现水稻田间的精准管理，提高水稻产量和品质。水稻智能巡检机器人是智慧农业领域的一项创新技术，有助于提高农业生产效率和质量，降低农业成本和风险，保障粮食安全和农民收入。

智能巡检机器人包括电源转换模块、继电器、模拟量输入输出装置、电动推杆、电磁阀等。电源转换模块是一款将输入电压转换为不同输出电压的电路模块，它可以为Jetson Nano主板和STM32单片机提供合适的电源供应，保证机器人的正常运行。继电器是一种电控制开关，它可以利用低电压控制高电压，实现对机器人外部设备的开关控制。模拟量输入输出装置是一种将模拟信号转换为数字信号或反之的电路装置，它可以实现对机器人传感器数据的采集和处理，或者对机器人执行器数据的输出和控制。电动推杆是一种利用直流电机驱动螺杆和螺母来实现直线运动的装置。电磁阀是一种利用电磁力来控制阀门开关的装置，可以作为机器人的执行器。

智能巡检机器人的上位机采用Linux操作系统，基于ROS系统使用Python和C++在Vscode软件中编写程序。上位机主要负责接收GPS导航定位信息，将经纬度坐标转换为平面坐标，执行路径跟踪控制程序，规划路径，与下位机通过串口通信进行数据交互。

智能巡检机器人的下位机使用STM32单片机作为控制器，在Keil5环境下使用C语言编写程序。下位机主要通过串口通信接收上位机发送的通信数据报文信息，包括速度信息和自动作业信息。对数据报文进行处理，设置不同的线速度区间和角速度区间。接收上位机的自动作业信息，根据速度档位和是否自动作业，通过RS485通信和模拟量输入输出装置控制电子油门，从而控制发动机转速。通过CAN总线通信读取发动机转速反馈信息。

上位机和下位机通过串口通信进行数据交互，实现协同工作。上位机接收GPS导航定位信息，将经纬度坐标转换为平面坐标。上位机通过路径规划程序确定最佳路径，并通过路径跟踪控制程序控制无人驾驶车辆。上位机将速度信息和自动作业信息发送给下位机。下位机接收上位机发送的通信数据报文信息，对数据报文进行处理，设置不同的线速度区间和角速度区间。下位机根据接收到的速度信息和自动作业信息，通过RS485通信和模拟量输入输出装置控制电子油门，从而控制发动机转速。同时，通过CAN总线通信读取发动机转速反馈信息。

通过这种方式，上位机和下位机不断地进行数据交互和协同工作，实现对无人驾驶车辆的实时控制。上位机和下位机通过串口通信进行数据交互，协同工作来实现对无人驾驶车辆的控制。上位机主要负责路径规划、跟踪和数据处理，而下位机负责处理上位机发送的速度信息和自动作业信息，控制发动机转速。通过这种方式，上位机和下位机共同实现对无人驾驶车辆的精确控制。

本实施例中，巡检机器人的定位模块包括惯性测量单元、M900接收器、定位天线、基站等，在稻田环境中，机器人需要能够准确地感知自身的位置信息，因此常用的导航定位装置选用用GPS/BDS-RTK与惯导组合导航。为机器人提供准确的位置和姿态信息，以便机器人能够根据巡检任务要求进行路径规划和自主导航。通过导航定位装置感知机器人所处的位置和朝向，从而建立环境地图。跟据机器人当前位置和巡检任务要求，导航定位装置通过控制机器人的定位精度帮助机器人规划出最优路径，并通过不断感知自身位置和运动状态，实现机器人的自主导航，避开障碍物，达到目标点，从而保证机器人的巡检效果和稳定。

本实施例中，上位机系统接收GPS模块发送的位置数据，解析出经纬度坐标，并通过UTM投影转换成平面坐标；结合水稻田的实际位置和方向，将GPS坐标系转换成水稻田坐标系；根据当前机器人的位置和姿态以及全局规划的路径计算出线速度和角速度；根据当前机器人的位置和目标点的位置，采用UTM坐标转换投影方法，在水稻田地图上规划出一条可行路径；将所述线速度、角速度和可行路径发送给下位机系统。

智能巡检机器人的导航定位接收与转换系统采用GPS功能包来实现导航数据的接收和转换。该系统包括两个子功能包：nmea_navsat_driver和gps_common。

nmea_navsat_driver功能包用于接收并解析流动站传送的导航定位信息，其中包含驱动程序来解析接收到的GPS报文信息，并将解析出的经纬度信息发布到话题通信中，以供其他程序和功能包使用。此外，nmea_navsat_driver还可以传输航向角、俯仰角、横滚角、运动速度等信息给其他程序和功能包。

gps_common功能包作为订阅者通过话题通信接收来自nmea_navsat_driver发布者的经纬度坐标信息，并通过UTM坐标转换程序将经纬度坐标转换为平面坐标。

UTM坐标转换基于WGS84坐标系，采用通用横轴墨卡托投影。在北纬84°到南纬80°之间地球表面积按经度每隔6°划分一个分度带，并从180°经线开始向东依次编号，共划分了60个带。按纬度每8°划分一个纬度带，由南向北编号C～X,其中最后一个X带跨12纬度。为了计算地区经度分带，可以使用以下公式：带数＝(经度整数位/6)的整数部分+31。对于北半球，将带数后缀为N；对于南半球，则将其后缀为S。UTM投影将每条经度带中的地表映射到一个二维直角坐标系中，而经度带在地球上的形状为锲形。

本实施例中，使用接收机等设备测量水稻地块顶点的经纬度坐标，将其记录下来。将经纬度坐标转换为UTM投影坐标，UTM投影坐标是一种平面坐标系，在水稻田地作业中广泛使用。UTM投影坐标系可以根据经度和纬度计算出平面坐标，该坐标系以米作为单位，适合于小范围精密测量。根据测量得到的顶点坐标，使用GIS软件等工具构建水稻田地作业地图。地图中应包含水稻地块的边界、水田内部的道路、沟渠、水稻田的种植信息等。使用GIS软件中的绘图工具，将UTM坐标系下的顶点坐标连接起来，绘制出水稻地块的边界和内部道路等信息。智能巡检机器人通过传感器感知环境信息，使用SLAM算法建立环境地图，通过路径规划算法规划最优路径，控制机器人的执行器执行路径规划。

智能巡检机器人的路径规划如图3，为本发明实施例中作业区域测量原理图。对水稻田进行作业路径规划时，需要将水稻田地块看作一个多边形。通过接收机测量水稻田边界顶点的经纬度坐标，并基于UTM投影将其转换为平面坐标。根据东北天坐标系，平面坐标系轴指向正东方向，轴指向正北方向，测量行与轴方向即正东方向的夹角。

根据两点确定一条直线，通过边界两端端点坐标可求得水稻田边界的计算式。作业规划路径分为直线段和拐弯段，需在地头预留一定宽度作为拐弯段，作业行直线在边界AB、CD内的线段为有效路径。

参见图4，本申请实施例中自主作业路径规划图，梳式全覆盖式行驶路线，又称为S型行驶路线。根据接收机测量的果园地块顶点经纬度坐标，利用UTM坐标转换将其转换为平面坐标，并构建一个多边形表示地块边界。根据东北天坐标系，平面坐标系轴指向正东方向，轴指向正北方向，测量行与轴方向即正东方向的夹角，确定测量行与x轴方向即正东方向的夹角，以及两作业直线段的间距，然后，从地块边界的一个顶点开始，沿着测量行方向画出一条直线段，作为第一条作业路径。接着根据地头预留宽度，在直线段的两端分别向内部平移一定距离，得到拐弯段的起点和终点，根据拐弯段的长度和转弯半径，采用圆弧或者贝塞尔曲线等方法，规划出一条平滑的拐弯路径。从拐弯段的终点开始，沿着测量行方向与第一条作业路径相反的方向画出一条直线段，作为第二条作业路径，重复上述步骤，规划出第二个拐弯段。重复上述步骤，直到覆盖整个地块或者达到目标点为止，将所有的直线段和拐弯段连接起来，就得到了一条完整的路径规划。

具体地，上位机系统根据路径规划，在规划路径上采样一系列目标路径点，并将其存储在一个数组中；根据当前车辆位置和速度，将初始横向偏差和初始航向偏差输入模糊控制器，模糊控制器根据速度和航向偏角作为输入量，利用经验制定模糊控制规则，输出前视距离，从而使前视距离得到动态调整，以达到理想的跟踪效果；前视距离作为改进纯跟踪控制器的输入参数，实现对规划路径的精准跟踪，并由跟踪控制器计算出所需的前轮转角，并将其转换为线速度和角速度作为输出量发送至下位机。

S102,所述下位机系统根据所述控制指令和所述标点坐标进行巡检作业，并且在巡检过程中向所述上位机系统反馈实时位置和姿态信息。

下位机系统接收上位机系统发送的线速度、角速度和可行路径指令，通过基于模糊控制的改进纯追踪算法，驱动电机执行相应的运动；同时下位机新采集传感器的数据，通过卡尔曼滤波的方法，估计出机器人的姿态角，并发送给上位机系统。

S103,所述上位机系统根据机器人的实时位置和姿态信息对所述机器人进行控制。

本实施例中，将横向偏差和航向偏差作为输入变量，将前视距离作为输出变量，进行变量模糊化，即将输入变量和输出变量分别划分为若干个模糊子集，并设定相应的隶属度函数。设计模糊控制器的规则库，根据输入变量和输出变量的模糊集合设计模糊控制器的规则库。使用模糊控制器的模糊推理实现模糊控制器的功能，将横向偏差和航向偏差作为输入，经过模糊推理得到整前视距离L的输出结果。将模糊控制器的输出整前视距离L与改进纯追踪控制算法相结合，得到最终的路径跟踪控制策略，智能巡检机器人可以通过跟踪控制策略实时调整车速和航向角，实现精确的路径跟踪。

参见图5，常规纯追踪控制算法在整个追踪过程中前视距离保持不变，当智能巡检机器人状态发生变化时，纯追踪控制算法的适应性相对较差，难以实现最优控制。而基于模糊控制的改进纯追踪控制算法能够根据车辆当前的横向偏差与航向偏差来实时调整前视距离。当横向偏差与航向偏差较大时使车辆前视距离减小，可加快系统的响应速度，使机器人快速上线；当横向偏差与航向偏差较小时，前视距离增大，减小控制量令系统保持稳态，提升车辆整体控制效果。根据模糊控制器的输出结果，调整车辆前视距离L，当车辆横向偏差和航向偏差较大时，减小前视距离L，以加快系统响应速度；当车辆横向偏差和航向偏差较小时，增大前视距离L，以保持系统稳态。

本实施例中，横向偏差d设置量化等级为{负大、负中、负小、零、正小、正中、正大}＝{NB、NM、NS、ZO、PS、PM、PB}，设置为三角形隶属度函数；航向偏差θ设置基本论域{-45°，45°}，设置量化等级为{负大、负中、负小、零、正小、正中、正大}＝{NB、NM、NS、ZO、PS、PM、PB}，设置为三角形隶属度函数；前视距离L设置量化等级为{超近、中近、较近、适中、较远、中远、超远}＝{VL、ML、L、M、LB、MB、VB}，设置为高斯形隶属度函数。

参见图6，智能巡检机器人行进速度设定为恒定值，基于MATLAB软件的Fuzzy工具箱将横向偏差与航向偏差作为模糊控制的输入量，将前视距离作为模糊控制的输出量，建立模糊控制器。对输入量与输出量进行模糊化处理，根据智能巡检机器人实际运动控制情况确定输入量与输出量合理的变化范围与量化等级。

参见图7，pure_persuit功能包用于智能巡检机器人路径跟踪控制，是智能巡检机器人控制系统核心，该功能包中包含了改进纯追踪控制器，依据导航数据接收与转换系统与路径规划系统提供的信息，实现对规划路径的精准跟踪，并以线速度和角速度作为输出量发送至下位机。

将横向偏差与航向偏差作为模糊控制的输入量，将前视距离作为模糊控制的输出量，建立模糊控制器。将实现的模糊控制加入纯追踪控制器，建立基于模糊控制的改进纯追踪控制器。结果可知基于模糊控制的纯追踪控制器较纯追踪控制器超调量更小，上线速度更快，且平均绝对横向偏差更小。路径跟踪效果与横向偏差如图8和图9所示，表明通过智能巡检机器人行驶状态自主调节前视距离的改进纯追踪控制方法，能够提升路径跟踪控制效果。

与上述实施例提供的一种基于路径规划的稻田智能巡检方法相对应，本申请还提供了一种基于路径规划的稻田智能巡检系统的实施例。

参见图10，本实施例中的基于路径规划的稻田智能巡检系统20，包括：

发送模块201，用于机器人的上位机系统发送控制指令和标点坐标给机器人的下位机系统。

巡检模块202，用于所述下位机系统根据所述控制指令和所述标点坐标进行巡检作业，并且在巡检过程中向所述上位机系统反馈实时位置和姿态信息。

控制模块203，用于所述上位机系统根据机器人的实时位置和姿态信息对所述机器人进行控制。

本申请还提供了一种终端，参见图11，本实施例提供的终端包括：处理器301、存储器302及通信单元303。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图11中示出的终端结构并不构成对本申请实施例的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中，通信单元303，用于建立通信信道，从而使终端可以与其它电子设备进行通信。

处理器301，为终端的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路(integrated circuit，IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器301可以仅包括中央处理器(centralprocessing unit，CPU)。在本申请实施方式中，CPU可以是单运算核心，也可以包括多运算核心。

存储器302，用于存储处理器301的执行指令，存储器302可以由任何类型的易失性或非易失性存储电子设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

当存储器302中的执行指令由处理器301执行时，使得电子设备300能够执行上述方法实施例中的部分或全部步骤。

与上述实施例相对应，本申请实施例还提供一种计算机可读存储介质，其中，该计算机可读存储介质可存储有程序，其中，在程序运行时可控制计算机可读存储介质所在电子设备执行上述方法实施例中的部分或全部步骤。具体实现中，该计算机可读存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。

本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。