基于数字图像处理的焚烧状态自动判别方法和装置

技术领域

本发明涉及图像处理技术领域，更具体地涉及一种基于数字图像处理的焚烧状态自动判别方法和装置。

背景技术

垃圾焚烧电厂智能优化控制系统需要精确稳定的炉膛内火焰焚烧情况控制信号。目前，现场人员获取垃圾焚烧炉内信息主要依靠火焰图像视频，通过肉眼观察和人工经验得到控制信号，存在随意性和差异性。自动控制领域实行的方法主要是利用火焰监测器、压力传感器和温度传感器等观测局部区域的信息来估计炉内整体燃烧情况，但是工业传感器安装复杂、无法应对垃圾焚烧炉的复杂工况，且成本昂贵不能大量使用，而离散的采样点不能准确地反映整体情况，且测量结果具有滞后性。以紫外线火焰探测器为例，不同型号的探测器在检测主火时均无法检出火线具体位置，只能检测不同波段的火焰信号，在同一台垃圾焚烧炉不同时刻焚烧不同种类的垃圾时可能出现无法检出的情况。

为此，一种解决方案是通过采集识别焚烧火焰的模式来调整焚烧设备的运行，实现最理想的焚烧状态，另外一种解决方案是通过主成分分析建立火焰识别模型并对火焰识别模型进行训练，依据火焰识别模型对火焰图片进行识别。现有的焚烧状态自动识别技术重点解决的是图像分类问题，通过预设火焰燃烧模型将当前工况和燃烧模型进行特征匹配，得出一个工况分类结果，因此输出的控制信号依然只具有指导意义，而不能提供精确的控制信号。

发明内容

针对上述技术需求，本发明的目的是为垃圾焚烧炉的自动控制提供精确稳定的控制信号，本发明实施例的方案采用的是数字图像处理方法。该方法利用已有的焚烧炉内监控视频数据，通过图像识别自动获取火线位置、残余火焰面积等参数，能够对火焰的整体燃烧状态进行定量判别。

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

本发明实施例一方面提供了一种基于数字图像处理的焚烧状态自动判别方法，所述方法包括：

获取垃圾焚烧炉内的火焰图像；

基于所述火焰图像的亮度和模糊度确定焚烧工况；

当确定所述焚烧工况为正常工况时，对所述火焰图像进行图像分割，以得到所述火焰图像中的火焰区域；

根据所述火焰区域提取关于焚烧状态的特征参数；

根据所述特征参数及其历史数据生成控制信号，并输出所述控制信号。

在一个实施例中，在对所述火焰图像进行图像分割之前，所述方法还包括：对正常焚烧工况的火焰图像进行模糊图像修复。

在一个实施例中，所述模糊图像修复包括以下至少一项：

基于高斯点扩散函数光学模型对所述模糊图像进行光照场景复原；

以及，基于带色彩恢复的多尺度视网膜增强算法对所述模糊图像进行反射场景复原。

在一个实施例中，所述基于所述火焰图像的亮度和模糊度确定焚烧工况，包括：

根据至少一帧历史火焰图像的亮度得到亮度阈值范围，判断所述火焰图像的亮度是否超过所述亮度阈值范围；

采用灰度方差乘积模糊度判断准则判断所述火焰图像的模糊度是否达标；

若所述火焰图像的亮度不超过所述亮度阈值范围，并且所述火焰图像的模糊度达标，则判断所述焚烧工况为正常工况。

在一个实施例中，所述方法还包括对所述火焰图像进行预处理，所述预处理包括以下至少一项：

拆分所述火焰图像的三通道色彩分量，利用其中的红色分量和绿色分量重新构造所述火焰图像；

以及，采用高斯滤波器对所述火焰图像进行降噪处理。

在一个实施例中，所述对火焰图像进行分割包括：

采用多阈值最大类间方差法对所述火焰图像进行粗分割；

以及，采用滑动窗口自适应阈值法对粗分割后的火焰图像进行细分割；

合并所述粗分割和所述细分割的分割结果，以得到所述火焰区域。

在一个实施例中，依据所述火焰区域计算平均火线位置、残余火焰面积和欠燃烧区域面积；

其中，所述平均火线位置为主火焰区域下边界的平均坐标，所述残余火焰面积为期望火线以下的火焰区域的面积，所述欠燃烧区域面积为主火焰区域的孔洞面积。

在一个实施例中，所述根据所述特征参数及其历史数据生成控制信号，包括：

根据从历史火焰图像中提取的历史特征参数判断所述特征参数是否合格，若所述特征参数不合格，则将历史特征参数作为所述控制信号输出。

在一个实施例中，所述根据所述特征参数与及其历史数据生成控制信号，还包括：

若所述特征参数合格，则根据从至少一帧历史火焰图像中提取的历史特征参数对所述特征参数进行滤波，将滤波后的特征参数作为所述控制信号输出。

在一个实施例中，所述方法还包括：

将所述特征参数存储到为所述垃圾焚烧炉分配的存储空间，不同的垃圾焚烧炉对应不同的存储空间。

本发明实施例另一方面提供了一种基于数字图像处理的焚烧状态自动判别装置，所述装置包括存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时如上所述的基于数字图像处理的焚烧状态自动判别方法的步骤。

本发明实施例又一方面提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序在运行时执行如上所述的基于数字图像处理的焚烧状态自动判别方法。

本发明实施例的基于数字图像处理的焚烧状态自动判别方法和装置对垃圾焚烧炉内的火焰图像进行精确分割，并根据图像分割结果输出精确的控制信号，输出的控制信号客观准确、实时性强。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出根据本发明一个实施例的基于数字图像处理的焚烧状态自动判别方法的示意性流程图；

图2示出根据本发明另一个实施例的基于数字图像处理的焚烧状态自动判别方法的示意性流程图；

图3示出根据本发明一个实施例的基于数字图像处理的焚烧状态自动判别方法的中火焰图像的示意图；

图4示出根据本发明一个实施例的基于数字图像处理的焚烧状态自动判别装置的结构框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的结构，以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

下面，首先参考图1描述根据本发明一个实施例的基于数字图像处理的焚烧状态自动判别方法100。如图1所示，所述基于数字图像处理的焚烧状态自动判别方法100可以包括如下步骤：

在步骤S110，获取垃圾焚烧炉内的火焰图像；

在步骤S120，基于所述火焰图像的亮度和模糊度确定焚烧工况；

在步骤S130，当确定所述焚烧工况为正常工况时，对所述火焰图像进行图像分割，以得到所述火焰图像中的火焰区域；

在步骤S140，根据所述火焰区域提取关于焚烧状态的特征参数；

在步骤S150，根据所述特征参数及其历史数据生成控制信号，并输出所述控制信号。

本发明实施例的基于数字图像处理的焚烧状态自动判别方法100对垃圾焚烧炉内的火焰图像进行精确分割，并根据图像分割结果输出精确的控制信号，输出的控制信号客观准确、实时性强。

示例性地，在步骤S110中，火焰图像可以是从监控视频中提取的图像帧。实际运行时，从垃圾焚烧炉内的监控视频流中每秒取5帧图像作为输入，经过图像处理后输出控制信号，可以保证每帧图像的处理周期在120ms以内，确保了输出结果的实时性。

在步骤S120，基于火焰图像的亮度和模糊度确定焚烧工况。其中，当火焰图像的亮度和模糊度满足预定要求时，判断焚烧工况为正常工况，反之，当火焰图像的亮度或模糊度不满足上述预定要求时，判断焚烧工况为非正常工况。对于非正常工况的火焰图像不进行后续的处理，以避免根据非正常工况的火焰图像得到错误的控制信号，对焚烧控制造成不利影响，同时，可以用最近一次正常工况下得到的控制信号作为输出，保证控制信号的连续性。

示例性地，基于火焰图像的亮度和模糊度确定焚烧工况包括：根据至少一帧历史火焰图像的亮度得到亮度阈值范围，判断火焰图像的亮度是否超过亮度阈值范围；采用SMD2模糊度判断准则判断火焰图像的模糊度是否达标；若火焰图像的亮度不超过亮度阈值范围，并且火焰图像的模糊度达标，则判断焚烧工况为正常工况，反之则判断所述焚烧工况为非正常工况。当亮度过低时，可能存在对燃烧剧烈或者不充分的情况，此时可以输出报警信号。当模糊度过高时，可能存在烟尘爆发情况。烟尘爆发一般在推料和爆燃时出现，其中，推料时存在推料信号，无需输出额外的报警信号，因此，在检测到火焰图像的模糊度过高时，可以结合推料信号判断是否发生爆燃，即若火焰图像模糊度过高且无推料信号，则可以输出报警信号，提示用户发生爆燃，便于用户及时检出并做出应对。

其中，历史火焰图像为当前帧火焰图像之前一段时间内的火焰图像，亮度阈值范围可以在多帧历史火焰图像的平均亮度上下浮动，将当前帧火焰图像的亮度与之对比可以判断当前帧火焰图像的亮度是否存在突变。亮度阈值范围也可以在显示界面中进行设置，提高了其在不稳定投料时的适用性。

火焰图像模糊度的定量计算可以采用SMD2模糊度判断准则。对比了Laplacian、SMD和SMD2等多种图像模糊度判据后，得出SMD2在火焰图像中最具适应性。可选地，模糊度的定量计算也可以采用Laplacian、SMD、Vollath函数等图像清晰度指标实现。

进一步地，在进行亮度和模糊度判断之前，首先对火焰图像进行预处理，以提高判断的准确性，基于预处理后的火焰图像的亮度和模糊度确定焚烧工况。其中，预处理包括以下至少一项：三维图像数据到二维图像数据的转换，以及针对烟尘颗粒干扰的图像降噪。

具体地，彩色图像数据由RGB三个通道组成，表征彩色图像的三维矩阵可以分解为R、G、B三通道的三个二维矩阵。三维图像数据到二维图像数据的转换主要包括拆分所述火焰图像的三通道色彩分量，利用其中的红色分量和绿色分量重新构造所述火焰图像，其中红色分量主要用于复原亮度信息，绿色分量主要用于复原结构信息。针对烟尘颗粒干扰的图像降噪采用高斯滤波器削弱了光学点噪声及其衍射影响。

在一个实施例中，参见图2，当确定焚烧工况为正常工况时，还可以对正常焚烧工况的火焰图像进行模糊图像修复。需要注意的是，模糊图像修复的目的是使得正常工况下的火焰图像更为清晰，而不是处理异常工况下没有价值的完全模糊图像。

示例性地，模糊图像修复包括光照场景复原和反射场景复原，光照场景复原利用了高斯点扩散函数光学模型，反射场景复原利用了多尺度MSRCR算法(Multi-ScaleRetinex with Color Restoration，带色彩恢复的多尺度视网膜增强算法)。光照场景复原利用光学成像系统的线性特性，由火焰图像反向推导光源位置，根据光源位置进行图像处理，从而减少光照模糊。高斯点扩散函数光学模型描述了成像系统对一个点光源或点光学对象的响应，成像模糊满足高斯模型，因此可以用高斯点扩散函数光学模型进行光照场景复原。反射场景复原利用色感一致性原理，首先对火焰图像进行频域分解，去除原始火焰图像中的低频部分，根据各通道均值和均方差进行颜色的线性映射，从而减少烟尘模糊。针对不同焚烧工况和硬件基础可以选用是否进行模糊图像修复。用修复后的火焰图像进行后续的图像分割，由于弱化了表征背景的低频信息并强化了表征边界的高频信息，可以提高图像分割的精度。

在步骤S130，当确定焚烧工况为正常工况时，对火焰图像进行图像分割，以得到火焰图像中的火焰区域。可以理解的是，若对火焰图像进行了模糊图像修复，则分割对象为修复后的火焰图像。

示例性地，对火焰图像进行分图像分割包括采用多阈值最大类间方差法的粗分割和采用滑动窗口自适应阈值法的细分割。多阈值最大类间方差法是图像灰度值二分类问题中，将背景和前景分类的类间方差取到最大值的阈值索引方法，其采用了图像类间方差快速计算方法，大幅提高了循环遍历的速度，具体包括计算各类的类间均值，并从该值出发寻找最优解。经过实验分析，采用二阈值最大类间方差法的第二个阈值作为火焰图像粗分割的阈值具有较好的分割效果。

滑动窗口自适应阈值法针对粗分割识别出的小火焰设置滑动窗口，对每个小火焰窗口重新进行多尺度阈值分割和边界提取，所得结果和粗分割结果合并，得到精确分割的火焰区域。多尺度阈值分割是在阈值分割的基础上，对不同尺寸的图像或图像不同尺度的区域进行独立的阈值分割。将图像分割结果存入一张二值图，由之可以得到火焰边界和火焰面积。图3示出了图像分割结果，图中左侧为原始图像，右侧为分割结果，其中，曲线为根据主火线下边界得到的实际火线位置，直线为期望火线位置。

可选地，火焰图像的分割也可以采用分水岭算法、聚类算法、神经网络语义分割算法等实现。

之后，在步骤S140，根据火焰区域提取关于焚烧状态的特征参数。由于对火焰区域进行了精确分割，根据分割结果可以得到精确的特征参数。示例性地，所述特征参数包括以下至少一项：平均火线位置、残余火焰面积和欠燃烧区域面积。其中，平均火线位置是根据主火焰区域的分割结果得到的，具体为火线纵坐标的均值，主火焰区域为面积最大的火焰区域。残余火焰面积为期望火线以下的火焰区域的面积。欠燃烧区域面积为主火焰区域的孔洞面积。

得到特征参数后，根据特征参数及其历史数据生成控制信号，并输出控制信号。特征参数的历史数据为从至少一帧历史火焰图像中提取的原始特征参数数据。

在一个实施例中，根据特征参数及其历史数据生成控制信号，包括：根据至少从至少一帧历史火焰图像中提取的历史特征参数判断特征参数是否合格，若特征参数不合格，则将历史特征参数作为控制信号输出。根据至少从历史火焰图像中提取的历史特征参数判断特征参数是否合格包括：若当前的特征参数与历史特征参数之间的偏差超过预设范围，则表示当前的特征参数与之前的历史特征参数之间存在较大波动，判断当前的特征参数不合格，此时可以将前一帧火焰图像的历史特征参数作为当前帧火焰图像的控制信号输出，提供给垃圾焚烧电厂智能优化控制系统。若特征参数合格，则根据从至少一帧历史火焰图像中提取的历史特征参数对当前帧火焰图像的特征参数进行滤波，将滤波后的特征参数作为所述控制信号输出，经过数据滤波可以减小数据波动，得到平滑可靠的滤波后的信号，能够很好地反映燃烧状况趋势，原始的特征参数可以保存在历史数据矩阵中，作为后续图像处理的参照。数据滤波可以采用带通滤波，用于进行数据滤波的历史特征参数的数据长度可以由用户进行修改。

历史数据处理贯穿于上述各个步骤中。历史数据处理主要包括数据分流、数据滤波和数据覆盖三个部分。数据分流即将所述特征参数存储到为所述垃圾焚烧炉分配的存储空间，不同的垃圾焚烧炉对应不同的存储空间，针对不同的垃圾焚烧炉分配平行的储存空间而并非放在同一个数据矩阵，以避免数据串用。当前帧的特征参数可以作为后续帧的历史特征参数，在焚烧工况判断和特征参数提取时提供参照。数据滤波即利用历史特征参数对当前帧火焰图像的特征参数进行滤波，减少数据波动，提高了输出焚烧状况特征信号的稳定性。数据覆盖为针对非正常工况用正常工况时的输出信号进行覆盖，直至异常工况结束。用户也可以查阅历史特征参数，为故障诊断和数据挖掘提供参考。

此外，用户可以在用户界面中对部分参数进行调节。示例性地，在用户界面中可以调节的参数包括：火焰感兴趣区域的边界、期望火线位置、异常工况的亮度相对阈值和模糊度绝对阈值、数据波动的上下限阈值、历史数据滤波器的尺寸和强度等。

基于上面的描述，根据本发明实施例的基于数字图像处理的焚烧状态自动判别方法100至少具有以下优点：

1、通过图像处理进行的焚烧工况识别，其综合了亮度信息和模糊度信息，能够实时、准确的反映当前工况，对燃烧剧烈或者不充分的情况能够依据历史数据提供报警信号，对推料产生的烟尘爆发情况也能及时检出并做出应对；

2、正常工况下的火焰图像经过高斯滤波和多尺度MSRCR算法修复可以得到亮度均匀、边界清晰的增强图像，通过图像增强提高了火线识别的精度，对不同组分的垃圾的燃烧图像具有泛化能力；

3、采用的快速多阈值最大类间方差法能够通过更少次数的计算得到更具适应性的阈值，不需要进行人为干预；采用的局部区域自适应阈值算法能够将小火焰完整地检出，在低对比度区域具有良好的适用性；

4、平均火线位置、残余火焰面积和欠燃烧区域面积等特征参数均能够依据图像分割结果通过统计方法得到精确值，输出的控制信号客观准确、实时性强；方案只需用到监控视频流和一台图像处理主机即可实现，在减少现场人员的工作强度的同时降低了停炉铺设传感器的成本；

5、通过保存一段时间内的历史数据完善了图像识别的逻辑，使上一段时刻的数据和当前时刻的数据相关联，增强了信号的连续性；通过对时间序列内输出信号的滤波处理减少了数据波动，提高了输出焚烧状况特征信号的稳定性。

参照图4，本发明实施例还提供了一种基于数字图像处理的焚烧状态自动判别装置400，所述基于数字图像处理的焚烧状态自动判别装置400可以用于实现上文所述的基于数字图像处理的焚烧状态自动判别方法100。所述基于数字图像处理的焚烧状态自动判别装置400包括存储器410和处理器420，所述存储器410上存储有由所述处理器420运行的计算机程序，所述计算机程序在被所述处理器运行时执行基于数字图像处理的焚烧状态自动判别方法100，包括如下步骤：

获取垃圾焚烧炉内的火焰图像；基于所述火焰图像的亮度和模糊度确定焚烧工况；当确定所述焚烧工况为正常工况时，对所述火焰图像进行图像分割，以得到所述火焰图像中的火焰区域；根据所述火焰区域提取关于焚烧状态的特征参数；根据所述特征参数及其历史数据生成控制信号，并输出所述控制信号。

基于数字图像处理的焚烧状态自动判别方法100的其他具体细节可以参见上文，在此不做赘述。

其中，所述处理器420可以通过软件、硬件、固件或其任意组合来实现，可以使用电路、单个或多个专用集成电路、单个或多个通用集成电路、单个或多个微处理器、单个或多个可编程逻辑器件、或者前述电路和/或器件的任意组合、或者其他适合的电路或器件，并且处理器420可以控制所述基于数字图像处理的焚烧状态自动判别装置400中的其它组件以执行期望的功能。

所述存储器410可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器和/或高速缓冲存储器等。所述非易失性存储器例如可以包括只读存储器、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器420可以运行所述程序指令，以实现本发明实施例中的基于数字图像处理的焚烧状态自动判别方法和/或其他各种期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

此外，根据本发明实施例，还提供了一种计算机存储介质，在所述计算机存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明任意实施例的基于数字图像处理的焚烧状态自动判别方法100的相应步骤。在一些实施例中，所述计算机存储介质为非易失性计算机可读存储介质，其可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储执行程序指令的过程中所创建的数据等。此外，非易失性计算机可读存储介质可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器。

示例性地，所述计算机存储介质例如可以包括个人计算机的硬盘、平板电脑的存储部件、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、智能电话的存储卡或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

此外，根据本发明实施例，还提供了一种计算机程序，该计算机程序可以存储在云端或本地的存储介质上。在该计算机程序被计算机或处理器运行时用于执行本发明实施例的基于数字图像处理的焚烧状态自动判别方法的相应步骤。

综上所述，根据本发明实施例的基于数字图像处理的焚烧状态自动判别方法、装置和计算机存储介质对垃圾焚烧炉内的火焰图像进行精确分割，并根据图像分割结果输出精确的控制信号，输出的控制信号客观准确、实时性强。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

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各示例的单元及算法步骤，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。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。