光伏电站阵列热斑识别方法和系统

技术领域

本发明涉及光伏电站阵列热斑位置检测技术领域，尤其涉及一种光伏电站阵列热斑识别方法和系统。

背景技术

光伏发电是应用广泛的清洁能源技术，光伏电站的建设对可持续发展有巨大作用。在光伏电站的实际应用中光伏板会出现热斑故障，由于电池安装质量、运维管理造成发电量不协调会造成光伏板在进行发电时被当作负载消耗产生热量，这就是热斑效应。热斑效应对光伏板的性能产生严重影响，严重时甚至会引发火灾，所以需要对其进行检测。

传统采用人工巡检的方式用红外热像仪扫描光伏阵列，但随着光伏电站规模扩大，人工巡检的效率低，无法及时发现问题。近年来，随着无人机和人工智能技术的快速发展，基于无人机和人工智能的光伏电站热斑检测方法及设备开始被广泛研究和应用。无人机可以进行高效的大面积巡检，人工智能技术可以自动分析红外图像。

红外图像可以反映不同物体的温度差异，技术人员依靠这种特征可以通过图像处理的手段将热斑位置识别出来，但是阳光反射在光伏阵列上形成的镜面反光区域与热斑红外图像差异很小，降低了热斑检测的准确性和可靠性，所以使得传统方案检测识别光伏电站阵列热斑的准确性和可靠性较低。

发明内容

本发明的目的在于解决背景技术中的至少一个技术问题，提供一种光伏电站阵列热斑识别方法和系统。

为实现上述目的，本发明提供一种光伏电站阵列热斑识别方法，包括：

使用无人机设备将光伏电站划分为多个光伏阵列探测区域，记录多张红外图像和可见光图像；

将多张红外图像和可见光图像对齐拼接成大范围图像，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准；

将可见光图像和红外图像中的光伏阵列探测区域和背景区域分离；

基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像；

根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标。

根据本发明的一个方面，所述无人机设备包括：

区域划分模块，用于根据无人机飞行范围划分所述光伏阵列探测区域，建立阵列坐标并在光伏阵列探测区域的四角坐标点搭建参照灯，参照灯在无人机巡检时间发出信号；

两轴稳定云台，用于安装相机和热成像仪；

图像采集模块，包括双通道相机和分光器，用于采集传输红外图像和可见光图像。

根据本发明的一个方面，所述两轴稳定云台的两轴摆动方式为：

横向轴：一个行程内横向做5次摆动，成像时刻静止300ms，每次摆扫角度12.5°，每一个角度位置静止时，双通道相机同时曝光，在行程结束后两轴稳定云台立即复位；

俯仰轴：在双通道相机成像过程俯仰轴朝相反方向摆动相应的补偿角速度：

；

其中，ω为俯仰轴角速度，V为飞行速度，H为无人机高度。

根据本发明的一个方面，所述找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准为：将大范围图像中可见光图像和红外图像中相互对应的像素点进行匹配对准，包括：

在可见光图像和红外图像中找到光伏阵列探测区域四角搭建的参照灯光，应用SIFT算法对待配准的图像提取n个SIFT特征向量；

应用RANSAC算法对n个SIFT特征向量进行迭代提取4个最优红外和可见光图像特征向量，计算用于描述两幅图像之间变换的单应性矩阵，单应性矩阵通过与对应像素点位置信息建立的方程计算：

其中，x和y分别表示可见光图像像素点的横坐标和纵坐标，x'，y'分别表示红外图像像素点的横坐标和纵坐标；

遍历每个可见光图像的像素点坐标(x，y)，将其变换为新图像坐标：将其表示为齐次坐标 (x'，y'，1)，通过与单应性矩阵相乘得到新的坐标 (xh，yh，wh)，将其归一化：

x1=xh/wh，y1=yh/wh；

其中，x1、y1是变换后的可见光图像与红外图像对应的新图像浮点数的横纵坐标；

应用线性插值计算整数坐标点的值，根据每个像素点的新图像坐标将变换后的可见光图像重采样，使其与红外图像配准。

根据本发明的一个方面，所述将可见光图像和红外图像中的光伏阵列区域和背景区域分离，包括：

通过图像预处理将可见光图像和红外图像转换为灰度图像；

以红外图像的灰度图像为准，应用自适应阈值分割算法识别红外图像中的光伏阵列探测区域，分割红外图像中的背景区域；

将可见光图像按与红外图像对应的像素点位置切割，分割可见光图像中的背景区域，得到可见光图像的光伏阵列探测区域。

根据本发明的一个方面，所述基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像，包括：

根据灰度直方图提取反射光特征，将红外图像作为规定图像对可见光图像的灰度直方图进行规定化：在[0，255]范围内计算可见光图像和红外图像的累计直方图，计算可见光图像各灰度值到红外图像累计直方图各灰度值的差的绝对值，绝对值最小的灰度值即为映射灰度值：

其中，P

计算匹配可见光图像和红外图像中每一个像素点的灰度差得到融合图像：

其中，I

根据本发明的一个方面，所述根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标：

应用Otsu算法对融合图像中的灰度差矩阵进行阈值分割得到二值图像，通过提取图像特征识别其中的热斑特征，记录各热斑的坐标。

为实现上述目的，本发明还提供一种光伏电站阵列热斑识别系统，包括：

图像获取模块，使用无人机设备将光伏电站划分为多个光伏阵列探测区域，记录多张红外图像和可见光图像；

图像信息配准模块，将多张红外图像和可见光图像对齐拼接成大范围图像，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准；

区域分离模块，将可见光图像和红外图像中的光伏阵列探测区域和背景区域分离；

融合图像模块，基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像；

热斑识别模块，根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标。

为实现上述目的，本发明还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的光伏电站阵列热斑识别方法。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的光伏电站阵列热斑识别方法。

根据本发明的方案，本发明采用无人机搭载双通道相机获取待检测图像，对红外图像进行图像融合操作得到预处理图像，以此识别阵列热斑位置。这种方法避免了由反射光线引起的误检；通过对无人机云台的改进和同光轴分光器的应用增加了相机图像配准的准确性，这种改进在不同的环境条件下都能够适应，并且对于不同的场景具有较好的适应性。

附图说明

图1示意性表示根据本发明的光伏电站阵列热斑识别方法的流程图；

图2示意性表示根据本发明的一种实施方式的两轴稳定云台的结构布置图；

图3示意性表示根据本发明的一种实施方式的光伏电站阵列热斑识别方法的流程图。

具体实施方式

现在将参照示例性实施例来论述本发明的内容。应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。

如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施方式”和“一种实施方式”要被解读为“至少一个实施方式”。

图1示意性表示根据本发明的光伏电站阵列热斑识别方法的流程图。如图1所示，在本实施方式中，光伏电站阵列热斑识别方法，包括：

a.使用无人机设备将光伏电站划分为多个光伏阵列探测区域，记录多张红外图像和可见光图像；

b.将多张红外图像和可见光图像对齐拼接成大范围图像，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准；

c.将可见光图像和红外图像中的光伏阵列探测区域和背景区域分离；

d.基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像；

e.根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标。

根据本发明的上述方案，本发明采用无人机设备获取待检测图像，然后对可见光图像和红外图像进行特征匹配对准，对可见光图像和红外图像进行图像融合处理，根据识别温度特征来对融合图像中的热斑位置进行识别。这种方法避免了由反射光线引起的误检。

进一步地，图2示意性表示根据本发明的一种实施方式的两轴稳定云台的结构布置图。如图2所示，在本实施方式中，无人机设备1包括：

区域划分模块，用于根据无人机飞行范围划分光伏阵列探测区域，建立阵列坐标并在光伏阵列探测区域的四角坐标点搭建参照灯，参照灯在无人机巡检时间发出信号；

两轴稳定云台2，用于安装相机和热成像仪；

图像采集模块，包括双通道相机3和分光器4，用于采集传输红外图像和可见光图像。

进一步地，如图2所示，在本实施方式中，无人机设备1中的双通道相机3的姿态稳定由两轴稳定云台2自主完成，云台视角摆动和图像采集通过内置控制计算机5事先设定程序控制两轴移动和相机曝光，两轴稳定云台2的两轴摆动方式为：

横向轴：控制计算机5执行预定的程序，两轴稳定云台接受发来的指令开始摆动，一个行程内横向做5次摆动，成像时刻静止300ms，每次摆扫角度12.5°每一个角度位置静止时，双通道相机3同时曝光。在行程结束后两轴稳定云台立即复位。

俯仰轴：无人机设备1配置较高精度的位置测量系统6来实时获取当前的飞行速度，通过两轴稳定云台2的控制计算机5计算无人机高度和飞行速度造成的像移角度，每次在相机成像过程俯仰轴都朝相反方向摆动相应的补偿角速度：

在本实施方式中，两轴稳定云台2上由横向轴和俯仰轴接受控制器程序指令控制摄像头视角的四向移动，通过控制计算机5内程序实现拍摄角度的控制，多台无人机通过无线网络将光伏电站待检测区域图像传输回控制计算机5终端。

在本实施方式中，横向轴在一个待检测区域的行程内横向做5次摆动，角度从-25°到25°，每次摆扫角度12.5°，成像时刻横向轴静止300ms，在行程结束后横向轴立即复位到-25°进入下一行程，无人机飞行速度和高度设定为5m/s和80m，因此俯仰轴在相机成像时开始以2°/s的角速度做补偿。如此设置，可以使得通过无人机设备能够获取清晰且精准的红外图像和可见光图像，对后续识别热斑提供检测基础。

进一步地，图3示意性表示根据本发明的一种实施方式的光伏电站阵列热斑识别方法的流程图。结合图3所示，根据本发明的一种实施方式，在上述b步骤中，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准为：将大范围图像中可见光图像和红外图像中相互对应的像素点进行匹配对准，包括：

在可见光图像和红外图像中找到光伏阵列探测区域四角搭建的参照灯光，应用SIFT算法对待配准的图像提取n个SIFT特征向量；

应用RANSAC算法对n个SIFT特征向量进行迭代提取4个最优红外和可见光图像特征向量，计算用于描述两幅图像之间变换的单应性矩阵，单应性矩阵通过与对应像素点位置信息建立的方程计算：

其中，x和y分别表示可见光图像像素点的横坐标和纵坐标，x'，y'分别表示红外图像像素点的横坐标和纵坐标；

遍历每个可见光图像的像素点坐标(x，y)，将其变换为新图像坐标：将其表示为齐次坐标 (x'，y'，1)，通过与单应性矩阵相乘得到新的坐标 (xh，yh，wh)，将其归一化：

x1=xh/wh，y1=yh/wh；

其中，x1、y1是变换后的可见光图像与红外图像对应的新图像浮点数的横纵坐标；

应用线性插值计算整数坐标点的值，根据每个像素点的新图像坐标将变换后的可见光图像重采样，使其与红外图像配准。

进一步地，根据本发明的一种实施方式，在上述c步骤中，将可见光图像和红外图像中的光伏阵列区域和背景区域分离，包括：

通过图像预处理将可见光图像和红外图像转换为灰度图像；

以红外图像的灰度图像为准，应用自适应阈值分割算法识别红外图像中的光伏阵列探测区域，分割红外图像中的背景区域；

将可见光图像按与红外图像对应的像素点位置切割，分割可见光图像中的背景区域，得到可见光图像的光伏阵列探测区域。

在本实施方式中，利用红外图像的灰度信息作为可见光图像的光伏阵列探测区域与背景分离的依据，在本实施方式中，灰度转换方式为加权计算并根据相对位置形成矩阵数据：

在本实施方式中，根据红外图像灰度的梯度变化判断是否为光伏阵列探测区域，背景区域灰度梯度变化大，计算垂直梯度图像：

在本实施方式中，利用Otsu算法得到垂直梯度二值矩阵并取反得到是否为保留区域的判断系数，将系数矩阵乘以红外图像和可见光图像灰度矩阵以保留灰度差较小的光伏阵列区域、去除灰度差较大的背景区域。

进一步地，根据本发明的一种实施方式，在上述d步骤中，基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像，包括：

根据灰度直方图提取反射光特征，将红外图像作为规定图像对可见光图像的灰度直方图进行规定化：在[0，255]范围内计算可见光图像和红外图像的累计直方图，计算可见光图像各灰度值到红外图像累计直方图各灰度值的差的绝对值，绝对值最小的灰度值即为映射灰度值：

其中，P

计算匹配可见光图像和红外图像中每一个像素点的灰度差得到融合图像：

其中，I

在本实施方式中，可见光图像与红外图像在光线反射区域的灰度值均较大，可见光图像的灰度值不因阵列表面温度变化，因此两图像灰度差图像只保留了阵列表面温度信息而消除了光线反射信息。

进一步地，根据本发明的一种实施方式，在上述e步骤中，所述根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标：

应用Otsu算法对融合图像中的灰度差矩阵进行阈值分割得到二值图像，通过提取图像特征识别其中的热斑特征，记录各热斑的坐标。

根据本发明的上述方案，本发明避免了由反射光线引起的误检；通过无人机云台分光器和地面参照灯的应用增加了相机图像配准的准确性，这种改进在不同的环境条件下都能够适应，并且对于不同的场景具有较好的适应性。

进一步地，为实现上述目的，本发明还提供一种光伏电站阵列热斑识别系统，包括：

图像获取模块，使用无人机设备将光伏电站划分为多个光伏阵列探测区域，记录多张红外图像和可见光图像；

图像信息配准模块，将多张红外图像和可见光图像对齐拼接成大范围图像，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准；

区域分离模块，将可见光图像和红外图像中的光伏阵列探测区域和背景区域分离；

融合图像模块，基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像；

热斑识别模块，根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标。

根据本发明的上述方案，本发明采用无人机设备获取待检测图像，然后对可见光图像和红外图像进行特征匹配对准，对可见光图像和红外图像进行图像融合处理，根据识别温度特征来对融合图像中的热斑位置进行识别。这种方法避免了由反射光线引起的误检。

进一步地，如图2所示，在本实施方式中，无人机设备1包括：

区域划分模块，用于根据无人机飞行范围划分光伏阵列探测区域，建立阵列坐标并在光伏阵列探测区域的四角坐标点搭建参照灯，参照灯在无人机巡检时间发出信号；

两轴稳定云台2，用于安装相机和热成像仪；

图像采集模块，包括双通道相机3和分光器4，用于采集传输红外图像和可见光图像。

进一步地，如图2所示，在本实施方式中，无人机设备1中的双通道相机3的姿态稳定由两轴稳定云台2自主完成，云台视角摆动和图像采集通过内置控制计算机5事先设定程序控制两轴移动和相机曝光，两轴稳定云台2的两轴摆动方式为：

横向轴：控制计算机5执行预定的程序，两轴稳定云台接受发来的指令开始摆动，一个行程内横向做5次摆动，成像时刻静止300ms，每次摆扫角度12.5°每一个角度位置静止时，双通道相机3同时曝光。在行程结束后两轴稳定云台立即复位。

俯仰轴：无人机设备1配置较高精度的位置测量系统6来实时获取当前的飞行速度，通过两轴稳定云台2的控制计算机5计算无人机高度和飞行速度造成的像移角度，每次在相机成像过程俯仰轴都朝相反方向摆动相应的补偿角速度：

其中，ω为俯仰轴角速度，V为飞行速度，H为无人机高度。

在本实施方式中，两轴稳定云台2上由横向轴和俯仰轴接受控制器程序指令控制摄像头视角的四向移动，通过控制计算机5内程序实现拍摄角度的控制，多台无人机通过无线网络将光伏电站待检测区域图像传输回控制计算机5终端。

在本实施方式中，横向轴在一个待检测区域的行程内横向做5次摆动，角度从-25°到25°，每次摆扫角度12.5°，成像时刻横向轴静止300ms，在行程结束后横向轴立即复位到-25°进入下一行程，无人机飞行速度和高度设定为5m/s和80m，因此俯仰轴在相机成像时开始以2°/s的角速度做补偿。如此设置，可以使得通过无人机设备能够获取清晰且精准的红外图像和可见光图像，对后续识别热斑提供检测基础。

进一步地，结合图3所示，根据本发明的一种实施方式，在上述图像信息配准模块中，找到大范围图像中可见光图像和红外图像中相互对应的特征点对，使可见光图像和红外图像信息配准为：将大范围图像中可见光图像和红外图像中相互对应的像素点进行匹配对准，包括：

在可见光图像和红外图像中找到光伏阵列探测区域四角搭建的参照灯光，应用SIFT算法对待配准的图像提取n个SIFT特征向量；

应用RANSAC算法对n个SIFT特征向量进行迭代提取4个最优红外和可见光图像特征向量，计算用于描述两幅图像之间变换的单应性矩阵，单应性矩阵通过与对应像素点位置信息建立的方程计算：

其中，x和y分别表示可见光图像像素点的横坐标和纵坐标，x'，y'分别表示红外图像像素点的横坐标和纵坐标；

遍历每个可见光图像的像素点坐标(x，y)，将其变换为新图像坐标：将其表示为齐次坐标 (x'，y'，1)，通过与单应性矩阵相乘得到新的坐标 (xh，yh，wh)，将其归一化：

x1=xh/wh，y1=yh/wh；

其中，x1、y1是变换后的可见光图像与红外图像对应的新图像浮点数的横纵坐标；

应用线性插值计算整数坐标点的值，根据每个像素点的新图像坐标将变换后的可见光图像重采样，使其与红外图像配准。

进一步地，根据本发明的一种实施方式，在上述区域分离模块中，将可见光图像和红外图像中的光伏阵列区域和背景区域分离，包括：

通过图像预处理将可见光图像和红外图像转换为灰度图像；

以红外图像的灰度图像为准，应用自适应阈值分割算法识别红外图像中的光伏阵列探测区域，分割红外图像中的背景区域；

将可见光图像按与红外图像对应的像素点位置切割，分割可见光图像中的背景区域，得到可见光图像的光伏阵列探测区域。

在本实施方式中，利用红外图像的灰度信息作为可见光图像的光伏阵列探测区域与背景分离的依据，在本实施方式中，灰度转换方式为加权计算并根据相对位置形成矩阵数据：

其中，ω为不同颜色通道的权重，ω

在本实施方式中，根据红外图像灰度的梯度变化判断是否为光伏阵列探测区域，背景区域灰度梯度变化大，计算垂直梯度图像：

其中，

在本实施方式中，利用Otsu算法得到垂直梯度二值矩阵并取反得到是否为保留区域的判断系数，将系数矩阵乘以红外图像和可见光图像灰度矩阵以保留灰度差较小的光伏阵列区域、去除灰度差较大的背景区域。

进一步地，根据本发明的一种实施方式，在上述融合图像模块中，基于可见光图像和红外图像的灰度的计算和匹配，得到融合图像，包括：

根据灰度直方图提取反射光特征，将红外图像作为规定图像对可见光图像的灰度直方图进行规定化：在[0，255]范围内计算可见光图像和红外图像的累计直方图，计算可见光图像各灰度值到红外图像累计直方图各灰度值的差的绝对值，绝对值最小的灰度值即为映射灰度值：

其中，P

计算匹配可见光图像和红外图像中每一个像素点的灰度差得到融合图像：

其中，I

在本实施方式中，可见光图像与红外图像在光线反射区域的灰度值均较大，可见光图像的灰度值不因阵列表面温度变化，因此两图像灰度差图像只保留了阵列表面温度信息而消除了光线反射信息。

进一步地，根据本发明的一种实施方式，在上述热斑识别模块中，根据阵列热斑的温度特征在融合图像中找到热斑位置，识别并统计热斑的坐标：

应用Otsu算法对融合图像中的灰度差矩阵进行阈值分割得到二值图像，通过提取图像特征识别其中的热斑特征，记录各热斑的坐标。

根据本发明的上述方案，本发明采用无人机搭载双通道相机获取待检测图像，对红外图像进行图像融合操作得到预处理图像，以此识别阵列热斑位置。这种方法避免了由反射光线引起的误检；通过对无人机云台的改进和同光轴分光器的应用增加了相机图像配准的准确性，这种改进在不同的环境条件下都能够适应，并且对于不同的场景具有较好的适应性。

进一步地，为实现上述目的，本发明还提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现如上所述的光伏电站阵列热斑识别方法。

进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如上所述的光伏电站阵列热斑识别方法。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。

另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。