本發(fā)明主要涉及竹席缺陷檢測領(lǐng)域，具體涉及一種竹塊缺陷檢測方法和系統(tǒng)。

背景技術(shù)：

隨著全球低碳經(jīng)濟(jì)浪潮的興起及“綠色、環(huán)保、可持續(xù)發(fā)展”理念的倡導(dǎo)，竹制品越來越受到全世界消費(fèi)者的青睞。

而現(xiàn)階段全國各麻將涼席生產(chǎn)廠家竹塊的篩選主要依靠的是工人肉眼的判斷，效率低下，判斷標(biāo)準(zhǔn)也不統(tǒng)一。因此設(shè)計(jì)一套竹塊快速的缺陷檢測算法十分必要，將有助于提高麻將涼席的生產(chǎn)效率，增加企業(yè)收益。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種竹塊缺陷檢測方法和系統(tǒng)，通過對竹塊圖像進(jìn)行區(qū)域大小檢測、初步紋理檢測、輪廓缺陷檢測、正反面檢測和深度紋理檢測，從而判斷出竹塊是否存在缺陷，判斷出的結(jié)果較精確。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種竹塊缺陷檢測方法，包括如下步驟：

步驟S1：利用攝像設(shè)備獲取竹塊圖像；

步驟S2：判斷竹塊圖像的區(qū)域范圍是否屬于預(yù)設(shè)感興趣區(qū)域ROI(region of interest)的范圍內(nèi)，如果屬于，則根據(jù)預(yù)設(shè)圖像區(qū)域標(biāo)準(zhǔn)值將竹塊圖像裁剪為標(biāo)準(zhǔn)化尺寸，否則得到竹塊不合格的結(jié)果；

步驟S3：根據(jù)預(yù)設(shè)灰度值對標(biāo)準(zhǔn)化尺寸的竹塊圖像進(jìn)行初步紋理檢測，如果紋理正常則執(zhí)行步驟S4，否則得到竹塊不合格的結(jié)果；

步驟S4：利用竹塊偽對稱性對初步紋理檢測正常的竹塊圖像進(jìn)行輪廓缺陷檢測，如果輪廓正常則執(zhí)行步驟S5，否則得到竹塊不合格的結(jié)果；

步驟S5：利用顏色模型HSV對輪廓正常的竹塊圖像進(jìn)行正面和反面檢測，如果檢測出是反面則將竹塊翻面，并重復(fù)執(zhí)行步驟S1；否則，執(zhí)行步驟S6；

步驟S6：訓(xùn)練支持向量機(jī)分類器，并根據(jù)訓(xùn)練后的支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

本發(fā)明的有益效果是：通過對竹塊圖像進(jìn)行區(qū)域大小檢測、初步紋理檢測、輪廓缺陷檢測、正反面檢測和深度紋理檢測，從而判斷出竹塊是否存在缺陷，判斷出的結(jié)果較精確，有助于提高麻將涼席的生產(chǎn)效率，增加企業(yè)收益。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，獲取竹塊圖像后，還包括對竹塊圖像的畫質(zhì)進(jìn)行優(yōu)化處理的步驟，其包括對竹塊圖像進(jìn)行白平衡處理、中值濾波處理和高斯濾波的優(yōu)化處理。

采用上述進(jìn)一步方案的有益效果是：對竹塊圖像進(jìn)行預(yù)處理，主要是減小工廠環(huán)境中易產(chǎn)生的椒鹽噪聲的干擾，便于下面的步驟對竹塊圖像進(jìn)缺陷檢測。

進(jìn)一步，對竹塊圖像的畫質(zhì)進(jìn)行優(yōu)化處理后，還包括利用重心原理將竹塊圖像旋轉(zhuǎn)到水平位置的步驟：求取竹塊圖像的最小外接矩形，并利用重心原理計(jì)算出所述最小外接矩形的角度，并根據(jù)該角度且以竹塊圖像的重心為旋轉(zhuǎn)中心進(jìn)行旋轉(zhuǎn)，從而將竹塊圖像旋轉(zhuǎn)到水平位置。

采用上述進(jìn)一步方案的有益效果是：將竹塊圖像旋轉(zhuǎn)到水平位置有利于特征的提取。

進(jìn)一步，具體實(shí)現(xiàn)所述步驟S3的方法為：將標(biāo)準(zhǔn)化尺寸的竹塊圖像處理成灰度模式下的竹塊圖像，再判斷竹塊圖像的灰度值是否屬于預(yù)設(shè)圖像灰度值范圍，如果屬于，則紋理正常，否則得到竹塊不合格的結(jié)果。

進(jìn)一步，所述預(yù)設(shè)圖像灰度值范圍為60至220；如果灰度竹塊圖像的灰度值小于等于60或大于等于220，則屬于不合格竹塊。

采用上述進(jìn)一步方案的有益效果是：對竹塊圖像的紋理進(jìn)行粗略的紋理檢測，來檢測出竹塊表面差異較大的亮斑與黑點(diǎn)。

進(jìn)一步，具體實(shí)現(xiàn)所述步驟S4的方法為：利用竹塊偽對稱性計(jì)算竹塊圖像最大內(nèi)接矩形區(qū)域；再分別計(jì)算竹塊圖像的上輪廓到所述最大內(nèi)接矩形區(qū)域的上邊緣的平均距離L1以及竹塊圖像的下輪廓到所述最大內(nèi)接矩形區(qū)域的下邊緣的平均距離L2，并計(jì)算距離L1與距離L2的差值S，再將所述差值S與預(yù)設(shè)距離閾值進(jìn)行比對，從而篩選出存在輪廓缺陷的竹塊圖像。

采用上述進(jìn)一步方案的有益效果是：通過最大內(nèi)接矩形區(qū)域?qū)χ駢K輪廓進(jìn)行計(jì)算，得出竹塊的邊緣距離是否符合預(yù)設(shè)距離閾值，能夠判斷出竹塊是否存在缺陷。

進(jìn)一步，具體實(shí)現(xiàn)所述步驟S5的方法為：將竹塊圖像轉(zhuǎn)換為HSV顏色模型下的竹塊圖像，再求出所述HSV顏色模型中色調(diào)H空間下竹塊圖像色調(diào)的最大值和最小值以及飽和度S空間下竹塊圖像飽和度的最大值和最小值，再將所述竹塊圖像色調(diào)的最大值和最小值以及竹塊圖像飽和度的最大值和最小值分別與預(yù)設(shè)范圍值進(jìn)行比對，從而檢測出竹塊圖像的正面和反面。

采用上述進(jìn)一步方案的有益效果是：利用HSV顏色模型對竹塊圖像的色調(diào)及飽和度進(jìn)行檢測，從而檢測出竹塊圖像的正面和反面。

進(jìn)一步，將所述竹塊圖像色調(diào)的最大值和最小值以及竹塊圖像飽和度的最大值和最小值分別與預(yù)設(shè)范圍值進(jìn)行比對的具體方法為：所述竹塊圖像色調(diào)的最大值和最小值屬于預(yù)設(shè)色調(diào)H空間范圍值內(nèi)，且所述竹塊圖像飽和度的最大值和最小值屬于預(yù)設(shè)飽和度S空間范圍值內(nèi)，則檢測出竹塊圖像為正面，否則為反面。

進(jìn)一步，具體實(shí)現(xiàn)所述步驟S6的方法為：

步驟S601：求取HSV顏色模型中飽和度S空間下的竹塊圖像的水平投影值，并求出水平投影值的平均值，其中，水平投影值為一數(shù)組；

步驟S602：遍歷水平投影值，找出水平投影值連續(xù)低于平均值為預(yù)設(shè)值a以下的數(shù)值個(gè)數(shù)，標(biāo)記為第一類特征向量；

步驟S603：遍歷水平投影值，找出水平投影值大于水平投影值兩端數(shù)值為預(yù)設(shè)值a以上的數(shù)值個(gè)數(shù)，標(biāo)記為第二類特征向量；

步驟S604：分別求出HSV顏色模型中色調(diào)H空間、飽和度S空間和透明度V空間下的竹塊圖像的三個(gè)直方圖；

步驟S605：根據(jù)三個(gè)直方圖求出色調(diào)H空間、飽和度S空間和透明度V空間下竹塊圖像的灰度均值、方差、偏態(tài)系數(shù)、能量、熵、粗糙度、對比度和方向度的第三類特征向量；

步驟S606：將第一類特征向量、第二類特征向量和第三類特征向量放入支持向量機(jī)分類器中訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)分類器；

步驟S607：通過經(jīng)訓(xùn)練后的將支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

采用上述進(jìn)一步方案的有益效果是：通過提取多類特征向量對支持向量機(jī)分類器進(jìn)行訓(xùn)練，并利用訓(xùn)練后的支持向量機(jī)分類器對竹塊圖像的深度紋理進(jìn)行識別，從而能夠快速、準(zhǔn)確的得到竹塊合格或不合格的結(jié)果。

本發(fā)明解決上述技術(shù)問題的另一技術(shù)方案如下：一種竹塊缺陷檢測裝置，包括：

圖像獲取模塊，用于利用攝像設(shè)備獲取竹塊圖像；

裁剪模塊，用于判斷竹塊圖像的區(qū)域范圍是否屬于預(yù)設(shè)感興趣區(qū)域ROI的范圍內(nèi)，如果屬于，則根據(jù)預(yù)設(shè)圖像區(qū)域標(biāo)準(zhǔn)值將竹塊圖像裁剪為標(biāo)準(zhǔn)化尺寸，否則得到竹塊不合格的結(jié)果；

初步紋理檢測模塊，用于根據(jù)預(yù)設(shè)灰度值對標(biāo)準(zhǔn)化尺寸的竹塊圖像進(jìn)行初步紋理檢測，如果紋理正常將初步紋理檢測正常的竹塊圖像發(fā)送輪廓檢測模塊，否則屬于不合格竹塊；

輪廓檢測模塊，用于利用竹塊偽對稱性對初步紋理檢測正常的竹塊圖像進(jìn)行輪廓缺陷檢測，如果輪廓正常則將輪廓正常的竹塊圖像發(fā)送正反面檢測模塊，否則屬于不合格竹塊；

正反面檢測模塊，用于利用顏色模型HSV對輪廓正常的竹塊圖像進(jìn)行正面和反面檢測，如果檢測出是反面則將竹塊翻面，并調(diào)用優(yōu)化模塊重新檢測竹塊圖像，否則將正面的竹塊圖像發(fā)送深度紋理檢測模塊；

深度紋理檢測模塊，用于訓(xùn)練支持向量機(jī)分類器，并根據(jù)訓(xùn)練后的支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，本裝置還包括優(yōu)化模塊，所述優(yōu)化模塊與所述圖像獲取模塊連接，所述優(yōu)化模塊用于對竹塊圖像的畫質(zhì)進(jìn)行優(yōu)化處理。

進(jìn)一步，本裝置還包括旋轉(zhuǎn)模塊，所述旋轉(zhuǎn)模塊與所述優(yōu)化模塊連接，旋轉(zhuǎn)模塊用于將竹塊圖像旋轉(zhuǎn)到水平位置：求取竹塊圖像的最小外接矩形，并利用重心原理計(jì)算出所述最小外接矩形的角度，并根據(jù)該角度且以竹塊圖像的重心為旋轉(zhuǎn)中心進(jìn)行旋轉(zhuǎn)，從而將竹塊圖像旋轉(zhuǎn)到水平位置。

附圖說明

圖1為本發(fā)明檢測方法實(shí)施例的方法流程圖；

圖2為本發(fā)明檢測方法實(shí)施例中實(shí)現(xiàn)步驟S7的方法流程圖；

圖3為本發(fā)明檢測系統(tǒng)實(shí)施例的模塊框圖；

圖4為本發(fā)明采用檢測方法采集的竹塊圖像示意圖；

圖5為本發(fā)明采用檢測方法采集的合格竹塊正面示意圖；

圖6為本發(fā)明采用檢測方法采集的合格竹塊反面示意圖；

圖7為本發(fā)明采用檢測方法采集的具有輪廓缺陷的竹塊的示意圖；

圖8為本發(fā)明采用檢測方法采集的具有第一種紋理缺陷的竹塊的示意圖；

圖9為本發(fā)明采用檢測方法采集的具有第二種紋理缺陷的竹塊的示意圖。

具體實(shí)施方式

以下結(jié)合附圖對本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

如圖1以及圖4-9所示，一種竹塊缺陷檢測方法，包括如下步驟：

步驟1：利用攝像設(shè)備獲取竹塊圖像；

步驟2：對竹塊圖像的畫質(zhì)進(jìn)行優(yōu)化處理；

步驟3：利用重心原理將竹塊圖像旋轉(zhuǎn)到水平位置；

步驟4：判斷經(jīng)旋轉(zhuǎn)后的竹塊圖像的范圍是否屬于預(yù)設(shè)感興趣區(qū)域ROI的范圍內(nèi)，如果屬于，則根據(jù)預(yù)設(shè)圖像區(qū)域標(biāo)準(zhǔn)值將竹塊圖像裁剪為標(biāo)準(zhǔn)化尺寸，否則得到竹塊不合格的結(jié)果；

步驟5：根據(jù)預(yù)設(shè)灰度值對標(biāo)準(zhǔn)化尺寸的竹塊圖像進(jìn)行初步紋理檢測，如果紋理正常則執(zhí)行步驟6，否則得到竹塊不合格的結(jié)果；

步驟6：利用竹塊偽對稱性對初步紋理檢測正常的竹塊圖像進(jìn)行輪廓缺陷檢測，如果輪廓正常則執(zhí)行步驟7，否則得到竹塊不合格的結(jié)果；

步驟7：利用顏色模型HSV對輪廓正常的竹塊圖像進(jìn)行正面和反面檢測，如果檢測出是反面則將竹塊翻面，并重復(fù)執(zhí)行步驟1；否則，執(zhí)行步驟8；

步驟8：訓(xùn)練支持向量機(jī)分類器，并根據(jù)訓(xùn)練后的支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

具體的，所述步驟2中對竹塊圖像進(jìn)行優(yōu)化處理包括對竹塊圖像進(jìn)行白平衡處理、中值濾波處理和高斯濾波的優(yōu)化處理。本步驟是對竹塊圖像進(jìn)行預(yù)處理，便于下面的步驟對竹塊圖像進(jìn)缺陷檢測。

具體的，所述步驟3中，求取竹塊圖像的最小外接矩形，并利用重心原理計(jì)算出所述最小外接矩形的角度，并根據(jù)該角度且以竹塊圖像的重心為旋轉(zhuǎn)中心進(jìn)行旋轉(zhuǎn)，從而將竹塊圖像旋轉(zhuǎn)到水平位置。本步驟將竹塊圖像旋轉(zhuǎn)到水平位置有利于對特征的提取。

具體的，所述步驟4中，攝像設(shè)備拍攝到的竹塊圖像的大小為768*1024像素，定位竹塊，感興趣區(qū)域ROI的大小范圍為350-450*350-350像素，不在這個(gè)范圍內(nèi)的竹塊判斷為缺陷竹塊，將竹塊圖像統(tǒng)一裁剪為400*300像素的標(biāo)準(zhǔn)化尺寸。

具體實(shí)現(xiàn)所述步驟5的方法為：將標(biāo)準(zhǔn)化尺寸的竹塊圖像處理成灰度模式下的竹塊圖像，再判斷竹塊圖像的灰度值是否屬于預(yù)設(shè)圖像灰度值范圍，如果屬于，則紋理正常，否則得到竹塊不合格的結(jié)果。

具體的，所述預(yù)設(shè)圖像灰度值范圍為60至220；所述灰度竹塊圖像的灰度值小于等于60或大于等于220，則屬于不合格竹塊。本步驟可快速的對竹塊圖像的紋理進(jìn)行粗略的紋理檢測，來檢測出竹塊表面差異較大的亮斑與黑點(diǎn)。

具體實(shí)現(xiàn)所述步驟6的方法為：利用竹塊偽對稱性計(jì)算竹塊圖像最大內(nèi)接矩形區(qū)域；再分別計(jì)算竹塊圖像的上輪廓到所述最大內(nèi)接矩形區(qū)域的上邊緣的平均距離L1以及竹塊圖像的下輪廓到所述最大內(nèi)接矩形區(qū)域的下邊緣的平均距離L2，并計(jì)算距離L1與距離L2的差值S，再將所述差值S與預(yù)設(shè)距離閾值進(jìn)行比對，從而篩選出存在輪廓缺陷的竹塊圖像。本步驟通過最大內(nèi)接矩形區(qū)域?qū)χ駢K輪廓進(jìn)行計(jì)算，得出竹塊的邊緣距離是否符合預(yù)設(shè)距離閾值，能夠判斷出竹塊是否存在缺陷。

具體實(shí)現(xiàn)所述步驟7的方法為：將竹塊圖像轉(zhuǎn)換為HSV顏色模型下的竹塊圖像，再求出所述HSV顏色模型中色調(diào)H空間下竹塊圖像色調(diào)的最大值和最小值以及飽和度S空間下竹塊圖像飽和度的最大值和最小值，再將所述竹塊圖像色調(diào)的最大值和最小值以及竹塊圖像飽和度的最大值和最小值分別與預(yù)設(shè)范圍值進(jìn)行比對，從而檢測出竹塊圖像的正面和反面。

例如，求出所述HSV顏色模型中色調(diào)H空間下竹塊圖像色調(diào)的最大1％值和最小1％值以及飽和度S空間下竹塊圖像飽和度的最大1％值和最小1％值，所述最小1％值為：按從小到大的順序排列，最小1％值就是從色調(diào)或飽和度最小值的開始算比列，一直到預(yù)設(shè)點(diǎn)，小于或等于預(yù)設(shè)點(diǎn)的數(shù)目占總數(shù)目的1％；所述最大1％值：按從大到小的順序排列，最大1％值就是從色調(diào)或飽和度最大值的開始算比列，一直到預(yù)設(shè)點(diǎn)，大于或等于預(yù)設(shè)點(diǎn)的數(shù)目占總數(shù)目的1％，再通過預(yù)設(shè)范圍值就可以區(qū)分竹塊圖像的正面和反面了。

本步驟利用HSV顏色模型對竹塊圖像的色調(diào)及飽和度進(jìn)行檢測，從而檢測出竹塊圖像的正面和反面。

優(yōu)選的，將所述竹塊圖像色調(diào)的最大值和最小值以及竹塊圖像飽和度的最大值和最小值分別與預(yù)設(shè)范圍值進(jìn)行比對的具體方法為：所述竹塊圖像色調(diào)的最大值和最小值屬于預(yù)設(shè)色調(diào)H空間范圍值內(nèi)，且所述竹塊圖像飽和度的最大值和最小值屬于預(yù)設(shè)飽和度S空間范圍值內(nèi)，則檢測出竹塊圖像為正面，否則為反面。

如圖2所示，具體實(shí)現(xiàn)所述步驟8的方法為：

步驟801：求取HSV顏色模型中飽和度S空間下的竹塊圖像的水平投影值，并求出水平投影值的平均值；其中，水平投影值為一數(shù)組；

步驟802：遍歷水平投影值，找出水平投影值連續(xù)低于平均值為預(yù)設(shè)值10以下的數(shù)值個(gè)數(shù)，標(biāo)記為第一類特征向量；

步驟803：遍歷水平投影值，找出水平投影值大于水平投影值兩端數(shù)值為預(yù)設(shè)值10以上的數(shù)值個(gè)數(shù)，標(biāo)記為第二類特征向量；例如，預(yù)設(shè)值為10；

步驟804：分別求出HSV顏色模型中色調(diào)H空間、飽和度S空間和透明度V空間下的竹塊圖像的三個(gè)直方圖；

步驟805：根據(jù)三個(gè)直方圖求出色調(diào)H空間、飽和度S空間和透明度V空間下竹塊圖像的灰度均值、方差、偏態(tài)系數(shù)、能量、熵、粗糙度、對比度和方向度的第三類特征向量；

步驟806：將第一類特征向量、第二類特征向量和第三類特征向量放入支持向量機(jī)分類器中訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)分類器；

步驟807：通過經(jīng)訓(xùn)練后的將支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

通過提取多類特征向量對支持向量機(jī)分類器進(jìn)行訓(xùn)練，并利用訓(xùn)練后的支持向量機(jī)分類器對竹塊圖像的深度紋理進(jìn)行識別，從而能夠快速、準(zhǔn)確的得到竹塊合格或不合格的結(jié)果。

如圖3所示，一種竹塊缺陷檢測裝置，包括：

圖像獲取模塊，用于利用攝像設(shè)備獲取竹塊圖像；

裁剪模塊，用于判斷竹塊圖像的區(qū)域范圍是否屬于預(yù)設(shè)感興趣區(qū)域ROI的范圍內(nèi)，如果屬于，則根據(jù)預(yù)設(shè)圖像區(qū)域標(biāo)準(zhǔn)值將竹塊圖像裁剪為標(biāo)準(zhǔn)化尺寸，否則得到竹塊不合格的結(jié)果；

初步紋理檢測模塊，用于根據(jù)預(yù)設(shè)灰度值對標(biāo)準(zhǔn)化尺寸的竹塊圖像進(jìn)行初步紋理檢測，如果紋理正常將初步紋理檢測正常的竹塊圖像發(fā)送輪廓檢測模塊，否則屬于不合格竹塊；

輪廓檢測模塊，用于利用竹塊偽對稱性對初步紋理檢測正常的竹塊圖像進(jìn)行輪廓缺陷檢測，如果輪廓正常則將輪廓正常的竹塊圖像發(fā)送正反面檢測模塊，否則屬于不合格竹塊；

正反面檢測模塊，用于利用顏色模型HSV對輪廓正常的竹塊圖像進(jìn)行正面和反面檢測，如果檢測出是反面則將竹塊翻面，并調(diào)用優(yōu)化模塊重新檢測竹塊圖像，否則將正面的竹塊圖像發(fā)送深度紋理檢測模塊；

深度紋理檢測模塊，用于訓(xùn)練支持向量機(jī)分類器，并根據(jù)訓(xùn)練后的支持向量機(jī)分類器對正面的竹塊圖像進(jìn)行深度紋理識別，從而得到竹塊合格或不合格的結(jié)果。

優(yōu)選的，本裝置還包括優(yōu)化模塊，所述優(yōu)化模塊與所述圖像獲取模塊連接，所述優(yōu)化模塊用于對竹塊圖像的畫質(zhì)進(jìn)行優(yōu)化處理。

優(yōu)選的，本裝置還包括旋轉(zhuǎn)模塊，所述旋轉(zhuǎn)模塊與所述優(yōu)化模塊連接，旋轉(zhuǎn)模塊用于將竹塊圖像旋轉(zhuǎn)到水平位置：求取竹塊圖像的最小外接矩形，并利用重心原理計(jì)算出所述最小外接矩形的角度，并根據(jù)該角度且以竹塊圖像的重心為旋轉(zhuǎn)中心進(jìn)行旋轉(zhuǎn)，從而將竹塊圖像旋轉(zhuǎn)到水平位置。

本發(fā)明通過對竹塊圖像進(jìn)行區(qū)域大小檢測、初步紋理檢測、輪廓缺陷檢測、正反面檢測和深度紋理檢測，從而判斷出竹塊是否存在缺陷，判斷出的結(jié)果較精確，有助于提高麻將涼席的生產(chǎn)效率，增加企業(yè)收益。

以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。