一种为果蔬去皮的方法与设备与流程

本申请涉及信息技术领域，尤其涉及一种为果蔬去皮的技术。

背景技术：

科学技术的发展为人们的生活提供了便利，果蔬去皮也可以利用机器来进行操作。然而，现有的果蔬去皮方案是纯机械式的，无法准确判断果蔬的形状、大小、体积等信息，也无法精确地控制削皮的厚度，无法精确地找到果蔬的坏块、菠萝眼等部位信息，故而无法为果蔬精确地去皮，而且会造成一定的浪费。

技术实现要素：

本申请的一个目的是提供一种为果蔬去皮的方法与设备。

根据本申请的一个方面，提供了一种为果蔬去皮的方法，其中，所述方法包括：

通过扫描获得待去皮果蔬的原始特征数据，并根据所述原始特征数据计算得到所述待去皮果蔬的特征信息；

基于所述特征信息判断所述待去皮果蔬的品类，根据所述待去皮果蔬的品类确定对应的去皮参数信息；

根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

根据本申请的另一个方面，还提供了一种为果蔬去皮的方法，其中，所述方法包括：

通过扫描获得待去皮果蔬的第一原始特征数据，根据所述第一原始特征数据计算得到所述待去皮果蔬的第一特征信息；

基于所述第一特征信息判断所述待去皮果蔬的品类；

若所述待去皮果蔬的品类是菠萝，根据菠萝对应的去皮参数信息对所述菠萝进行去皮操作，去皮后通过扫描获得所述菠萝的第二原始特征数据，根据所述第二原始特征数据计算得到所述菠萝的第二特征信息，基于所述第二特征信息去除所述菠萝的菠萝眼；

若所述待去皮果蔬的品类不是菠萝，根据所述待去皮果蔬的品类确定对应的去皮参数信息，根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

根据本申请的又一个方面，还提供了一种为果蔬去皮的设备，其中，所述设备包括：

扫描模块，用于通过扫描获得待去皮果蔬的原始特征数据，并根据所述原始特征数据计算得到所述待去皮果蔬的特征信息；

判断模块，用于基于所述特征信息判断所述待去皮果蔬的品类，根据所述待去皮果蔬的品类确定对应的去皮参数信息；

去皮模块，用于根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述的为果蔬去皮的方法。

根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现所述的为果蔬去皮的方法。

本申请提供的方案中，先通过扫描获得待去皮果蔬的原始特征数据，并根据所述原始特征数据计算得到所述待去皮果蔬的特征信息，然后基于所述特征信息判断所述待去皮果蔬的品类，根据所述待去皮果蔬的品类确定对应的去皮参数信息，再根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。与现有技术相比，本申请可以实时识别所述待去皮果蔬的外形状态、重量、体积、表面图像等信息，进而控制机械臂实现高精度的果蔬去皮操作，大大节约用户时间，提升了用户体验，避免了不必要的浪费。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其他特征、目的和优点将会变得更明显：

图1是根据本申请实施例的一种为果蔬去皮的方法流程图；

图2是根据本申请实施例的一种为果蔬去皮的方法流程图；

图3是根据本申请实施例的一种为果蔬去皮的设备示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的装置或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本申请实施例提供了为果蔬去皮的方法，基于计算机图像识别算法、神经网络算法、三维建模算法等人工智能技术，可以实时识别当前待去皮果蔬的外形状态、重量、体积、表面图像等信息，通过软件三维建模和计算机计算分析并控制机械臂实现高精度的果蔬去皮操作，从而解决在果蔬去皮的过程中无法判断果蔬的形状和品类的问题，避免不必要的浪费。

在实际场景中，执行该方法的设备可以是用户设备、网络设备或者用户设备与网络设备通过网络相集成所构成的设备。其中，所述用户设备包括但不限于智能手机、平板电脑、个人计算机(pc)等终端设备，所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此，云由基于云计算(cloudcomputing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟计算机。

图1是根据本申请实施例的一种为果蔬去皮的方法流程图，该方法包括步骤s101、步骤s102和步骤s103。

步骤s101，通过扫描获得待去皮果蔬的原始特征数据，并根据所述原始特征数据计算得到所述待去皮果蔬的特征信息。

例如，所述待去皮果蔬可以包括但不限于苹果、菠萝(凤梨)、土豆、橙子等水果蔬菜；用于扫描果蔬的装置可以包括但不限于摄像头传感器、图像传感器、微波传感器、红外传感器、雷达传感器、光学传感器、位置传感器、距离传感器、气味传感器、重量传感器、3d传感器、激光雷达、激光测距和测绘装置等；用于计算的装置可以包括但不限于云端计算机、网络计算机、单片机、soc(system-on-a-chip)、cpu(中央处理器)、dsp(数字信号处理)、npu(嵌入式神经网络处理器)、gpu(图形计算卡)、tpu(张量处理单元)、cnn(卷积神经网络计算器)、dnn(深度神经网络计算器)、rnn(循环神经网络计算器)、slam(同步定位与建图)三维建模等。

在一些实施例中，当用户把所述待去皮果蔬放入本方案的去皮装置内，系统自动或者由用户手动打开用于扫描果蔬的装置。通过多种传感器扫描获得所述待去皮果蔬的原始特征数据，包括但不限于三维数据、图像、位置坐标、重量、体积等数据。接着，在本地或者发送至云端对所述原始特征数据进行计算处理；得到所述待去皮果蔬的特征信息，包括但不限于三维坐标信息、图像信息、重量信息等。

在一些实施例中，所述步骤s101还包括：根据所述特征信息固定住所述待去皮果蔬。例如，可以根据计算得到的坐标信息等设置电机参数固定住所述待去皮果蔬。

在一些实施例中，所述步骤s101包括以下至少任一项：通过重量传感器获得所述待去皮果蔬的重量信息；通过三维扫描仪获得所述待去皮果蔬的体积及三维立体信息；通过摄像头及图像识别算法获得所述待去皮果蔬的表面图像信息；通过辅助传感器获得所述待去皮果蔬的辅助识别信息。其中，三维扫描建模所使用的技术可以包括但不限于：激光扫描、深度相机、摄影技术、光场技术；所使用的图像识别技术可以包括但不限于：卷积神经网络、深度神经网络等，所述待去皮果蔬的表面图像信息可以包括但不限于：颜色信息、表面形状及分布坐标信息等；辅助传感器可以包括但不限于：气味传感器、糖分或者其他化学传感器等，利用辅助传感器以获得所述待去皮果蔬的更多信息。

步骤s102，基于所述特征信息判断所述待去皮果蔬的品类，根据所述待去皮果蔬的品类确定对应的去皮参数信息。

例如，所述待去皮果蔬的品类可以包括但不限于菠萝、苹果、土豆、橙子等。如果判断结果与系统预设的果蔬品类相匹配，则自动配置该果蔬品类对应的去皮参数信息；如果匹配失败，也可以由用户手动输入去皮参数信息。

以苹果、土豆、菠萝为例，如果经判断所述待去皮果蔬的品类是苹果，对应的去皮参数信息可以是去除该苹果表面3mm(可自适应调整)厚的果皮；如果经判断所述待去皮果蔬的品类是土豆，对应的去皮参数信息可以是去除该土豆表面2mm(可自适应调整)厚的果皮，并去除该土豆表面的坏块；如果经判断所述待去皮果蔬的品类是菠萝，对应的去皮参数信息可以是去除该菠萝表面5mm(可自适应调整)厚的果皮，并去除该菠萝表面的菠萝眼。

在一些实施例中，所述步骤s102包括：根据所述待去皮果蔬的重量信息，判断所述待去皮果蔬是待定品类的概率为pa；根据所述待去皮果蔬的体积及三维立体信息，判断所述待去皮果蔬是所述待定品类的概率为pb；根据所述待去皮果蔬的表面图像信息，判断所述待去皮果蔬是所述待定品类的概率为pc；根据所述待去皮果蔬的辅助识别信息，判断所述待去皮果蔬是所述待定品类的概率为pd；基于pa、pb、pc、pd进行概率融合计算，从所述待定品类中确定所述待去皮果蔬的品类。

例如，可以先启动所述重量传感器，以获得所述待去皮果蔬的重量信息，限定大概的果蔬品类范围，比如一个苹果或土豆的重量约为100～300g，一个菠萝的重量约为500～3000g，获得所述重量信息后便可以推算出所述待去皮果蔬是某待定品类的概率为pa；然后可以启动三维扫描仪，以获得所述待去皮果蔬的体积及三维立体信息，通过体积大小和形状推算出所述待去皮果蔬是某待定品类的概率为pb，比如苹果和土豆要比菠萝小很多，而且土豆大部分是长椭圆形状，苹果是圆形的，不同品类果蔬的曲率半径和三维特征不同；接着可以启动深度相机或摄像头对所述待去皮果蔬拍照，获得所述待去皮果蔬的照片，然后利用图像识别算法进行神经网络计算，将所述待去皮果蔬的表面特征信息与某待定品类的特征信息进行对比，推算出所述待去皮果蔬是某待定品类的概率为pc；此外，还可以通过一些辅助传感器(如气味传感器、糖分传感器等)获得所述待去皮果蔬的辅助识别信息，比如根据所述待去皮果蔬的气味信息推算出它是某待定品类的概率为pd，根据所述待去皮果蔬的糖分信息推算出它是某待定品类的概率为pe。最后，可以基于pa、pb、pc、pd、pe等概率进行概率融合计算，从而确定所述待去皮果蔬的品类。

在一些实施例中，所述步骤s102包括：基于所述特征信息判断所述待去皮果蔬是否是可去皮的品类，若不是，则结束流程并通知用户。例如，如果经判断所述待去皮果蔬是不可去皮的物体，则无需进行后续去皮操作，以免损伤机器。

步骤s103，根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

例如，可以根据所述步骤s102中确定的去皮参数信息，启动去皮装置对所述待去皮果蔬进行去皮操作，去皮完成后通知用户。其中，所述去皮装置可以是一种包含电机控制的机械臂、电动去皮刀片、齿轮逻辑、控制电机、扫描设备、计算设备的装置。

在一些实施例中，基于所述待去皮果蔬的三维坐标信息，可以控制步进电机进而控制去皮的机械臂如何运动，可以根据所述待去皮果蔬的三维坐标轮廓控制机械臂削皮刀按照物体轮廓进行去皮操作。如果所述待去皮果蔬是土豆，假如该土豆表面有坏块，因为坏块部分的图像特征不同于正常的土豆图像特征，可以通过比对正常的土豆表面信息判断出坏块的位置和大小，进而控制机械臂去除该土豆表面的坏块。

在一些实施例中，所述步骤s102包括：基于所述特征信息判断所述待去皮果蔬的品类是否是菠萝；其中，若所述待去皮果蔬的品类是菠萝，则所述方法还包括：对所述菠萝进行去皮操作后(即在所述步骤s103之后)，通过扫描获得所述菠萝的第二原始特征数据，根据所述第二原始特征数据计算得到所述菠萝的第二特征信息，基于所述第二特征信息去除所述菠萝的菠萝眼。

例如，如果经判断所述待去皮果蔬的品类是菠萝，对应的去皮参数信息可以是去除该菠萝表面5mm(可自适应调整)厚的果皮，并根据该去皮参数信息启动去皮装置。对该菠萝进行去皮操作后，重新启动扫描装置，获得该菠萝的第二原始特征数据，包括但不限于三维数据、图像、位置坐标、重量、体积等数据。接着，在本地或者发送至云端对所述第二原始特征数据进行计算处理；得到该菠萝的第二特征信息，包括但不限于三维坐标信息、分布地图信息、坐标信息、重量信息等。因为菠萝眼的图像特征不同于菠萝果肉的图像特征，基于图像识别及三维坐标信息，可以精确地判断菠萝眼的大小和位置信息，进而控制机械臂去除菠萝眼。

图2是根据本申请实施例的一种为果蔬去皮的方法流程图，该方法包括步骤s201、步骤s202、步骤s203和步骤s204。

具体地，步骤s201，通过扫描获得待去皮果蔬的第一原始特征数据，根据所述第一原始特征数据计算得到所述待去皮果蔬的第一特征信息；步骤s202，基于所述第一特征信息判断所述待去皮果蔬的品类；步骤s203，若所述待去皮果蔬的品类是菠萝，根据菠萝对应的去皮参数信息对所述菠萝进行去皮操作，去皮后通过扫描获得所述菠萝的第二原始特征数据，根据所述第二原始特征数据计算得到所述菠萝的第二特征信息，基于所述第二特征信息去除所述菠萝的菠萝眼；步骤s204，若所述待去皮果蔬的品类不是菠萝，根据所述待去皮果蔬的品类确定对应的去皮参数信息，根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

图3是根据本申请实施例的一种为果蔬去皮的设备示意图，该设备包括扫描模块301、判断模块302和去皮模块303。

扫描模块301，通过扫描获得待去皮果蔬的原始特征数据，并根据所述原始特征数据计算得到所述待去皮果蔬的特征信息。

例如，所述待去皮果蔬可以包括但不限于苹果、菠萝(凤梨)、土豆、橙子等水果蔬菜；用于扫描果蔬的装置可以包括但不限于摄像头传感器、图像传感器、微波传感器、红外传感器、雷达传感器、光学传感器、位置传感器、距离传感器、气味传感器、重量传感器、3d传感器、激光雷达、激光测距和测绘装置等；用于计算的装置可以包括但不限于云端计算机、网络计算机、单片机、soc(system-on-a-chip)、cpu(中央处理器)、dsp(数字信号处理)、npu(嵌入式神经网络处理器)、tpu(张量处理单元)、gpu(图形计算卡)、cnn(卷积神经网络计算器)、dnn(深度神经网络计算器)、rnn(循环神经网络计算器)、slam(同步定位与建图)三维建模等。

在一些实施例中，当用户把所述待去皮果蔬放入本方案的去皮装置内，系统自动或者由用户手动打开用于扫描果蔬的装置。通过多种传感器扫描获得所述待去皮果蔬的原始特征数据，包括但不限于三维数据、图像、位置坐标、重量、体积等数据。接着，在本地或者发送至云端对所述原始特征数据进行计算处理；得到所述待去皮果蔬的特征信息，包括但不限于三维坐标信息、图像信息、重量信息等。

在一些实施例中，所述扫描模块301还用于：根据所述特征信息固定住所述待去皮果蔬。例如，可以根据计算得到的坐标信息等设置电机参数固定住所述待去皮果蔬。

在一些实施例中，所述扫描模块301用于以下至少任一项：通过重量传感器获得所述待去皮果蔬的重量信息；通过三维扫描仪获得所述待去皮果蔬的体积及三维立体信息；通过摄像头及图像识别算法获得所述待去皮果蔬的表面图像信息；通过辅助传感器获得所述待去皮果蔬的辅助识别信息。其中，三维扫描建模所使用的技术可以包括但不限于：激光扫描、深度相机、摄影技术、光场技术；所使用的图像识别技术可以包括但不限于：卷积神经网络、深度神经网络等，所述待去皮果蔬的表面图像信息可以包括但不限于：颜色信息、表面形状及分布坐标信息等；辅助传感器可以包括但不限于：气味传感器、糖分或者其他化学传感器等，利用辅助传感器以获得所述待去皮果蔬的更多信息。

判断模块302，基于所述特征信息判断所述待去皮果蔬的品类，根据所述待去皮果蔬的品类确定对应的去皮参数信息。

例如，所述待去皮果蔬的品类可以包括但不限于菠萝、苹果、土豆、橙子等。如果判断结果与系统预设的果蔬品类相匹配，则自动配置该果蔬品类对应的去皮参数信息；如果匹配失败，也可以由用户手动输入去皮参数信息。

以苹果、土豆、菠萝为例，如果经判断所述待去皮果蔬的品类是苹果，对应的去皮参数信息可以是去除该苹果表面3mm(可自适应调整)厚的果皮；如果经判断所述待去皮果蔬的品类是土豆，对应的去皮参数信息可以是去除该土豆表面2mm(可自适应调整)厚的果皮，并去除该土豆表面的坏块；如果经判断所述待去皮果蔬的品类是菠萝，对应的去皮参数信息可以是去除该菠萝表面5mm(可自适应调整)厚的果皮，并去除该菠萝表面的菠萝眼。

在一些实施例中，所述判断模块302用于：根据所述待去皮果蔬的重量信息，判断所述待去皮果蔬是待定品类的概率为pa；根据所述待去皮果蔬的体积及三维立体信息，判断所述待去皮果蔬是所述待定品类的概率为pb；根据所述待去皮果蔬的表面图像信息，判断所述待去皮果蔬是所述待定品类的概率为pc；根据所述待去皮果蔬的辅助识别信息，判断所述待去皮果蔬是所述待定品类的概率为pd；基于pa、pb、pc、pd进行概率融合计算，从所述待定品类中确定所述待去皮果蔬的品类。

例如，可以先启动所述重量传感器，以获得所述待去皮果蔬的重量信息，限定大概的果蔬品类范围，比如一个苹果或土豆的重量约为100～300g，一个菠萝的重量约为500～3000g，获得所述重量信息后便可以推算出所述待去皮果蔬是某待定品类的概率为pa；然后可以启动三维扫描仪，以获得所述待去皮果蔬的体积及三维立体信息，通过体积大小和形状推算出所述待去皮果蔬是某待定品类的概率为pb，比如苹果和土豆要比菠萝小很多，而且土豆大部分是长椭圆形状，苹果是圆形的，不同品类果蔬的曲率半径和三维特征不同；接着可以启动深度相机或摄像头对所述待去皮果蔬拍照，获得所述待去皮果蔬的照片，然后利用图像识别算法进行神经网络计算，将所述待去皮果蔬的表面特征信息与某待定品类的特征信息进行对比，推算出所述待去皮果蔬是某待定品类的概率为pc；此外，还可以通过一些辅助传感器(如气味传感器、糖分传感器等)获得所述待去皮果蔬的辅助识别信息，比如根据所述待去皮果蔬的气味信息推算出它是某待定品类的概率为pd，根据所述待去皮果蔬的糖分信息推算出它是某待定品类的概率为pe。最后，可以基于pa、pb、pc、pd、pe等概率进行概率融合计算，从而确定所述待去皮果蔬的品类。

在一些实施例中，所述判断模块302用于：基于所述特征信息判断所述待去皮果蔬是否是可去皮的品类，若不是，则结束流程并通知用户。例如，如果经判断所述待去皮果蔬是不可去皮的物体，则无需进行后续去皮操作，以免损伤机器。

去皮模块303，根据所确定的去皮参数信息对所述待去皮果蔬进行去皮操作。

例如，可以根据所述判断模块302确定的去皮参数信息，启动去皮装置对所述待去皮果蔬进行去皮操作，去皮完成后通知用户。其中，所述去皮装置可以是一种包含电机控制的机械臂、电动去皮刀片、齿轮逻辑、控制电机、扫描设备、计算设备的装置。

在一些实施例中，基于所述待去皮果蔬的三维坐标信息，可以控制步进电机进而控制去皮的机械臂如何运动，可以根据所述待去皮果蔬的三维坐标轮廓控制机械臂削皮刀按照物体轮廓进行去皮操作。如果所述待去皮果蔬是土豆，假如该土豆表面有坏块，因为坏块部分的图像特征不同于正常的土豆图像特征，可以通过比对正常的土豆表面信息判断出坏块的位置和大小，进而控制机械臂去除该土豆表面的坏块。

在一些实施例中，所述判断模块302用于：基于所述特征信息判断所述待去皮果蔬的品类是否是菠萝；其中，若所述待去皮果蔬的品类是菠萝，则所述的为果蔬去皮的设备还包括菠萝眼去除模块；所述去皮模块303对所述菠萝进行去皮操作后，所述菠萝眼去除模块通过扫描获得所述菠萝的第二原始特征数据，根据所述第二原始特征数据计算得到所述菠萝的第二特征信息，基于所述第二特征信息去除所述菠萝的菠萝眼。

例如，如果经判断所述待去皮果蔬的品类是菠萝，对应的去皮参数信息可以是去除该菠萝表面5mm(可自适应调整)厚的果皮，并根据该去皮参数信息启动去皮装置。对该菠萝进行去皮操作后，重新启动扫描装置，获得该菠萝的第二原始特征数据，包括但不限于三维数据、图像、位置坐标、重量、体积等数据。接着，在本地或者发送至云端对所述第二原始特征数据进行计算处理；得到该菠萝的第二特征信息，包括但不限于三维坐标信息、分布地图信息、坐标信息、重量信息等。因为菠萝眼的图像特征不同于菠萝果肉的图像特征，基于图像识别及三维坐标信息，可以精确地判断菠萝眼的大小和位置信息，进而控制机械臂去除菠萝眼。

综上所述，本申请基于计算机图像识别算法、神经网络算法、三维建模算法等人工智能技术，通过扫描所述待去皮果蔬建立三维坐标信息，并根据深度神经网络算法、图像识别算法、三维建模算法等实时计算所述待去皮果蔬表面三维图形特征，输出所述待去皮果蔬表面果皮、坏块、菠萝眼等要去除部位的精确坐标信息，然后控制机械臂精准地去除果皮、坏块、菠萝眼等要去除部位，提升了用户体验，避免了不必要的浪费。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据程序指令运行的计算机设备的工作存储器中。在此，本申请的一些实施例提供了一种计算设备，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行前述本申请的多个实施例的方法和/或技术方案。

此外，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。