一种识别微塑料的方法、装置和存储介质与流程

1.本发明涉及海洋环境监测领域，具体涉及一种识别微塑料的方法、装置和存储介质。


背景技术：

2.自20世纪20年代，研究人员开始关注微塑料。普遍采用的微塑料的定义为：粒径大小小于5mm的塑料碎片。迄今为止，在太平洋、印度洋、大西洋、极地和深海都发现了微塑料垃圾的存在。微塑料的影响范围广泛，引发的环境问题越来越突出。微塑料不仅影响藻类的光合作用，也能引起水生生物消化系统、呼吸系统、生殖系统等器官的物理损坏，还能吸附环境持久性有机污染物和有机重金属、释放自身携带或吸附的有毒物质，引起更严重的化学毒理伤害。
3.由于我国东南沿海地区人口密集高、经济活动频繁、近岸洋流稳定等因素，在我国近岸海域沙滩、海水表层、海底沉积物、贝类生物体甚至海盐中都大量检出微塑料的存在，且平均密度总体上比其他国家和地区的研究结果高。针对这些问题，近期生态环境部发布了《生态环境监测规划纲要(2020-2035年)》，着重强调应加强海洋微塑料监测，加快形成相关领域监测支撑能力，为国际履约谈判和全球新兴环境问题治理提供支撑。
4.由于微塑料的物理特性(大小、形状、密度、颜色)以及化学组分等差异，不同类型微塑料在不同环境中流动过程(输入、输出和存留)的时间均不相同，这使得微塑料监测变成一大难题。目前，对微塑料的分析方法主要有目视分析法、光谱法(如傅立叶变换红外光谱法和拉曼光谱法)、热分析法以及其他分析方法等(如质谱法以及扫描电子显微镜-能谱仪联用法)。其中，红外光谱及raman光谱分析，由于具有无破坏性、低样品量测试、高通量筛选以及所获取的结构信息互补等特点，成为检测和鉴别微塑料的主要分析技术。
5.目前，实验室中在统计微塑料个体、粒径大小以及浓度方面通常采用目视分析法。一般的流程是将现场采集的样品，采用人工的方式简单分类至不同的器皿中，利用显微成像获取微塑料照片，并人工计算微塑料个体，量取粒径大小，统计粒径面积并获取水体中微塑料浓度。实验室工作繁多，流程繁琐带来了巨大的工作量。由于微塑料形态大小差异巨大，建立起相对统一、规范的微塑料采样和分析以及操作规程，创新和改进计数统计、类型鉴定等微塑料定量研究的实现方法和技术手段，最终提高研究工作效率是一项急需解决的工作任务。


技术实现要素：

6.为克服如上所述的技术问题，本发明的实施例提供了一种识别微塑料的方法，包括如下步骤：
7.s1，将微塑料图片分解成第一颜色通道、第二颜色通道和第三颜色通道，获得与所述第一颜色通道对应的第一灰度图、与所述第二颜色通道对应的第二灰度图和与所述第三颜色通道对应的第三灰度图；
8.s2，分别对所述第一灰度图、第二灰度图和第三灰度图进行图像积分，获得对应的第一积分图像、第二积分图像和第三积分图像；
9.s3，分别对所述第一积分图像、第二积分图像和第三积分图像进行局部区域计算，获得对应的第一均值图像、第二均值图像和第三均值图像；
10.s4，分别将所述第一灰度图与所述第一均值图像、所述第二灰度图与第二均值图像、所述第三灰度图与所述第三均值图像进行比较，获得与所述第一灰度图对应的第一二值图、与所述第二灰度图对应的第二二值图、与所述第三灰度图对应的第三二值图；
11.s5，分别对所述第一二值图、第二二值图和第三二值图进行预定次数的图像开运算，获得对应的第四二值图、第五二值图和第六二值图；
12.s6，对所述第四二值图、第五二值图和第六二值图进行逻辑与运算，并根据逻辑与运算的结果矩阵来识别所述微塑料图片中存在的微塑料。
13.进一步地，其中，在所述步骤s6之后还包括：
14.s7，对所述逻辑与运算的结果矩阵进行连通域标记，将识别出的所述微塑料分割成不同的微塑料个体，其中将具有相同连通域标记符的像素确定为属于一个微塑料个体，不同的微塑料个体具有不同的连通域标记符。
15.进一步地，其中，在所述步骤s7之后还包括：根据不同的连通域标记符的个数，确定所述微塑料图片中存在的微塑料的个数。
16.进一步地，其中，在所述步骤s7之后还包括：对于所述不同的微塑料个体中的任何一个微塑料个体，根据所述微塑料个体所对应的像素点在所述第一灰度图、所述第二灰度图和所述第三灰度图中的灰度值，计算所述微塑料个体所对应的像素点的灰度平均值，所述灰度平均值代表所述微塑料个体的颜色。
17.进一步地，其中，在所述步骤s7之后还包括：对于所述不同的微塑料个体中的任何一个微塑料个体，根据同一连通域标记符所包含的像素点个数，确定所述微塑料个体所包含的像素点个数count，并根据如下公式来确定所述微塑料个体的面积，
18.a＝count
×r×r19.其中，r为所述微塑料图片的观测分辨率。
20.进一步地，其中，在所述步骤s7之后还包括：对于所述不同的微塑料个体中的任何一个微塑料个体，利用索贝尔算子对所述微塑料个体进行边缘检测，并利用椭圆拟合来获得所述微塑料个体的长轴和/或短轴。
21.进一步地，其中，所述步骤s4根据如下公式来确定所述第一二值图、第二二值图和第三二值图中相应二值化图像矩阵的各像素值b：
[0022][0023]
其中，t为小于100大于0的预定值，g(i，j)为原始像素点(i，j)在所述第一灰度图、第二灰度图或第三灰度图中的对应的像素值，i，j为自然数，为所述原始像素点(i，j)在所述第一均值图、第二均值图或第三均值图中对应的像素值。
[0024]
进一步地，其中，在所述步骤s6中，将所述逻辑与运算的结果矩阵中值为0的像素
点识别为微塑料，将值为1的像素点识别为不是微塑料。
[0025]
进一步地，其中，第一颜色通道为红色通道、第二颜色通道为绿色通道和第三颜色通道为蓝色通道。
[0026]
另一方面，提供了一种识别微塑料的装置，包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如上文所述的识别微塑料的方法。
[0027]
又一方面，提供了一种计算机可读存储介质，其中，所述存储介质中存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如上文所述的识别微塑料的方法。
[0028]
本发明的利用图像处理方法来识别微塑料的技术方案，可以在研究人员获取微塑料图片之后，不需要人机交互，以三色灰度图为基础自动、可靠、高效地识别出图片中存在的微塑料。该方案简单易行，减少了依靠人工识别微塑料的主观性，识别结果精确、可靠，且与传统目视法相比，该方法具有自动化、精确化和快速性等优点，可广泛应用于微塑料监测研究。且本发明进一步的方案可以识别出图片中微塑料的个数、颜色、面积、和/或微塑料体的长轴和/或短轴等形态信息，从而可以根据需要至少从颜色、面积、形态、大小四个角度共同构建微塑料特征，满足了微塑料研究的需求。
附图说明
[0029]
图1为本发明一实施例的识别微塑料的方法的流程示意图；
[0030]
图2为本发明另一实施例识别微塑料的方法的流程示意图；
[0031]
图3为利用本发明一实施例的方法识别微塑料时，对原始图像进行三色分解后的红色通道的灰度示例图；
[0032]
图4为利用本发明一实施例的方法识别微塑料时，对红色通道的灰度数据进行处理后，与红色通道的灰度图对应的均值示例图；
[0033]
图5为利用本发明一实施例的方法识别微塑料时，与红色通道的灰度图对应的二值示例图；
[0034]
图6为利用本发明一实施例的方法识别微塑料时，对图5中所示的二值图进行10次图像开运算之后获得的结果示例图；
[0035]
图7为利用本发明一实施例的方法识别微塑料时，分别对与三色通道对应的二值图进行图像开运算后获得结果进行逻辑与运算后获得的示例性图像；
[0036]
图8为利用本发明一实施例的方法识别微塑料时，进行连通域标记之后获得的示例性图像；
[0037]
图9为利用本发明一实施例的方法识别微塑料时，对一微塑料体进行边缘检测之后获得的示例性图像；
[0038]
图10为利用本发明一实施例的方法识别微塑料时，对边缘检测之后的微塑料个体进行椭圆拟合后获得的示例性图像；
[0039]
图11为本发明一实施例的识别微塑料的装置示意图。
具体实施方式
[0040]
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部
分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0041]
现结合附图和具体实施方式对本发明进一步说明。
[0042]
实施例一：
[0043]
图1示出了本发明一实施例的识别微塑料的方法的流程图。如图1，本发明一实施例的识别微塑料的方法包括如下步骤：
[0044]
s1，将微塑料图片分解成第一颜色通道、第二颜色通道和第三颜色通道，获得与第一颜色通道对应的第一灰度图、与第二颜色通道对应的第二灰度图和与第三颜色通道对应的第三灰度图；优选地，第一颜色通道是红色通道、第二颜色通道是绿色通道、第三颜色通道是蓝色通道；
[0045]
s2，分别对第一灰度图、第二灰度图和第三灰度图进行图像积分，获得对应的第一积分图像、第二积分图像和第三积分图像；
[0046]
s3，分别对第一积分图像、第二积分图像和第三积分图像进行局部区域计算，获得对应的第一均值图像、第二均值图像和第三均值图像；
[0047]
s4，分别将第一灰度图与第一均值图像、第二灰度图与第二均值图像、第三灰度图与第三均值图像进行比较，获得与第一灰度图对应的第一二值图、与第二灰度图对应的第二二值图、与第三灰度图对应的第三二值图；
[0048]
s5，分别对第一二值图、第二二值图和第三二值图进行预定次数的图像开运算，获得对应的第四二值图、第五二值图和第六二值图；
[0049]
s6，对第四二值图、第五二值图和第六二值图进行逻辑与运算，并根据逻辑与运算的结果矩阵来识别微塑料图片中存在的微塑料。
[0050]
进一步地，在步骤s6之后还可以包括：s7，对所述逻辑与运算的结果矩阵进行连通域标记，将识别出的所述微塑料分割成不同的微塑料个体，其中将具有相同连通域标记符的像素确定为属于一个微塑料个体，不同的微塑料个体具有不同的连通域标记符。进一步地，在步骤s7之后还可以包括：根据不同的连通域标记符的个数，确定微塑料图片中存在的微塑料的个数。进一步地，在步骤s7之后还可以包括：对于不同的微塑料个体中的任何一个微塑料个体，根据微塑料个体所对应的像素点在第一灰度图、第二灰度图和第三灰度图中的灰度值，计算微塑料个体所对应的像素点的灰度平均值，灰度平均值代表微塑料个体的颜色。进一步地，在步骤s7之后还可以包括：对于不同的微塑料个体中的任何一个微塑料个体，根据同一连通域标记符所包含的像素点个数，确定微塑料个体所包含的像素点个数count，并根据如下公式来确定微塑料个体的面积，
[0051]
a＝count
×r×r[0052]
其中，r为微塑料图片的观测分辨率。进一步地，在步骤s7之后还可以包括：对于不同的微塑料个体中的任何一个微塑料个体，利用索贝尔算子对微塑料个体进行边缘检测，并利用椭圆拟合来获得微塑料个体的长轴和/或短轴。
[0053]
进一步地，所述步骤s4根据如下公式来确定所述第一二值图、第二二值图和第三二值图中相应二值化图像矩阵的各像素值b：
[0054][0055]
其中，t为小于100大于0的预定值，g(i，j)为原始像素点(i，j)在所述第一灰度图、第二灰度图或第三灰度图中的对应的像素值，i，j为自然数，为所述原始像素点(i，j)在所述第一均值图、第二均值图或第三均值图中对应的像素值。进一步地，在步骤s6中，将逻辑与运算的结果矩阵中值为0的像素点识别为微塑料，将值为1的像素点识别为不是微塑料。
[0056]
实施例二：
[0057]
图2示出了本发明另一实施例的识别微塑料的方法的流程图。如图2所示，在本发明另一实施例的识别微塑料的方法中，先获得微塑料图片。可以利用现有的方式来获得微塑料图片。例如，将现场采集的样品，采用人工的方式简单分类至不同的器皿中，然后利用显微成像获取微塑料照片。将所获取的微塑料照片作为本实施例的方法处理的微塑料图片。接下来，可以利用现有的图像处理工具将微塑料图片分解成红色通道(r)、绿色通道(g)和蓝色通道(b)三个部分，获得分别与三种颜色的通道对应的灰度图。可以将与红色通道(r)对应的灰度图称为第一灰度图、与绿色通道(g)对应的灰度图称为第二灰度图、与蓝色通道(b)对应的灰度图称为第三灰度图。各灰度图由原始像素点(i，j)的原始灰度值构成的灰度值矩阵构成。其中(i，j)标示的是像素点的位置，即该像素点的位置为第i行，第j列，i和j为自然数，用像素(i，j)来表示图像中的任意像素点。图3给出了利用本发明一实施例的方法识别微塑料时，对原始图像进行三色分解后的红色通道的灰度示例图一个红色通道灰度图的示例。图3中，横向和左侧纵向的数据单位是像素，右侧纵向的数据标示的是不同颜色代表的像素值。
[0058]
通过图像积分、转换成均值图像等手段分别对三个通道的灰度数据进行自适应阈值算法处理。该自适应阈值算法可以解决因图片中明暗差异无法识别微塑料的问题。具体步骤如下：获取积分图像矩阵。将像素点(i,j)之前的所有的像素点灰度值进行积分，形成积分图像矩阵i，计算公式如下，其中，i、j、m、n均为自然数：
[0059][0060]
利用上述方法分别获得与红色通道的灰度图、绿色通道的灰度图、蓝色通道的灰度图对应的积分图像，即积分图像矩阵。
[0061]
然后采用s
×
s的矩形区域遍历上述各积分图像矩阵，其中s为奇数，其中像素点(i,j)为矩形区域的中心，依据下式分别计算各灰度图中任意像素点(i，j)在对应均值图像矩阵m中对应的像素值可以用来标示矩形区域的中心(i,j)的像素值。优选地，s的取值位1/8的画幅宽度。
[0062]
[0063]
通过上述步骤分别获得了与红色通道、绿色通道和蓝色通道的灰度图对应的均值图即均值图像。图4为利用本发明一实施例的方法识别微塑料时，对红色通道的灰度数据进行处理后，与红色通道的灰度图对应的均值示例图。图4中，横向和左侧纵向的数据单位是像素点序号，右侧纵向为区间为0-1的灰度值。
[0064]
接下来分别判断三色通道像素点的灰度值是否小于对应均值图像中对应像素值的(1-t％)，t为小于100大于0的预定值，根据判断结果分别获得与三色通道对应的二值化图像即二值图。其中，如果小于，则在二值图中将相应的像素点标记为0；否则标记为1。具体地，将原始像素点(i,j)在灰度图中对应的灰度值g(i，j)与均值图像矩阵m中该位置处对应的像素值即像素点进行比较，具体可根据下式进行判断，由此确定相应二值化图像矩阵b中对应的元素值即像素点b的取值为0还是1。
[0065][0066]
其中，t为小于100大于0的预定值，优选地，t＝30。图5给出了利用上述方法获得的二值化图像的一个示例图。图5中，横向和左侧纵向的数据单位是像素点序号，右侧纵向为区间为0-1的灰度值，该图为二值化图，只包含0值和1值。
[0067]
然后，分别对三色通道的二值化图像b进行预定次数的图像开运算即对b先腐蚀再膨胀，腐蚀用算子
⊙
表示，膨胀用算子表示，s为使用的结构矩阵。优选地，进行10次图像开运算。图6示出了对与红色通道对应的均值图进行10次图像开运算后获得的结果的一个示例图。示例性地，使用的结构矩阵s如下，
[0068][0069]
将进行图像开运算后获得的红色通道的二值化图像br，绿色通道的二值化图像bg和蓝色通道的二值化图像bb进行逻辑“与”运算，运算后获得的结果矩阵f可以用来识别微塑料。即f＝br&bg&bb。图7为利用本发明一实施例的方法识别微塑料时，分别对与三色通道对应的二值图进行图像开运算后获得结果进行逻辑与运算后获得的示例性图像。矩阵f中，值为0表示这个像素点被识别为微塑料，值为1表示这个像素点被识别为不是微塑料。到此，利用本发明实施例的方法实现了对微塑料图片中微塑料的识别。
[0070]
进一步地，利用本发明实施例的方法可以将识别出来的微塑料进行分割，将微塑料分割成若干个微塑料个体。具体地，可以利用图像处理中的连通域标记处理方法来实现对微塑料个体的分割。示例性地，分割步骤包括：遍历矩阵f中所有像素点，找寻值为1的像素点，并同时标记一个连通域标记符。以此像素点为中心搜寻它周围的4个点是否还存在值1，如果存在，则将所存在的值为1的像素点也标记为同一个标记符。示例性地，例如，当找到第一个值为1的像素点时，可以将此像素点标记为1，以此像素点为中心搜寻它周围的4个点是否还存在值1，如果存在，则将所存在的值为1的像素点也标记为1。继续搜寻及标记，直到
标记为1的像素点的相邻像素点中不再有f阵中值为1的像素点。继续搜寻及标记，可以将下一个找到的、f阵中值为1的、还没有标记符的像素点标记为另一个标记符，例如标记符是2。继续将该标记为2的像素点周围的四个点中、f阵中值为1的像素点也标记为2。与上文类似的，找到标记为2的像素点的所有连通域，都标记为2。以类似的方法标记出其他的连通域。其中，包含标记符的像素点区域为连通域，不包含标记符的像素点区域为非连通域。将同一个标记符的连通域识别为一个微塑料个体。不同的微塑料个体具有不同的连同域标记符。由此可以获得一个标记符矩阵。图8为利用本发明一实施例的方法识别微塑料时，进行连通域标记之后获得的示例性图像。通过计算有多少个不同的标记符可以确定微塑料个体是个数。如果是按照自然数逐个标记的话，则标记矩阵中最大的标记数即为图片中微塑料的总个数。图8中微塑料个数为19个。图8中，横向和左侧纵向的数据单位是像素点序号，右侧纵向标示了连通域的标记值。
[0071]
需要说明的是，还可以使用其他连通域标记方式，例如：两遍扫描法(two-pass)或者种子填充法(seed-filling)，本发明对此不作限制。
[0072]
利用本发明实施例的方法还可以提取微塑料的颜色信息。示例性地，可以对进行上文连通域标记步骤后得到的标记矩阵提取具有相同标记符i(i可以为1、2、3、4等自然数)的微塑料观测像素点，利用上文获得的与红色通道、绿色通道和蓝色通道的灰度图，针对上述具有相同标记符的微塑料观测像素点计算各色通道对应的像素点的灰度平均值这个灰度平均值代表了该微塑料的颜色信息。
[0073]
利用本发明实施例的方法还可以计算微塑料的面积。微塑料图片中所有微塑料的面积等于所有微塑料个体的面积之和。微塑料个体的面积计算具体包括：利用上文连通域标记步骤得到的标记矩阵提取具有相同标记符i(i可以为1、2、3、4等自然数)的微塑料观测像素点，统计像具有该标记符的微塑料像素点个数count，根据该微塑料图片的观测分辨率r(即，每一像素所占据的长度)，计算该标记符所标示的微塑料个体的面积a。其公式如下，
[0074]
a＝count
×r×r[0075]
利用本发明实施例的方法还可以计算微塑料个体的长轴和/或短轴。具体步骤是利用上文连通域标记步骤得到的标记矩阵，提取相同标记i(i＝1，2，3，4
…
)的微塑料观测像素点。利用边缘检测获取该微塑料个体的边缘像素点。示例性地，可以采用sobel(索贝尔)算子来进行边缘检测。图9为利用本发明一实施例的方法识别微塑料时，对一微塑料体进行边缘检测之后获得的示例性图像。图9中，横向和左侧纵向的数据单位是像素点序号，右侧纵向为区间为0-1的灰度值，该图为二值化图，只包含0和1值。获取微塑料个体的边缘位置后，可利用椭圆拟合获取长轴和短轴像素点的长度。长轴的长度是椭圆拟合得到的长轴像素点长度乘以图像分辨率。短轴的长度是椭圆拟合得到的短轴像素点长度乘以图像分辨率。面积就是像素点个数乘以图像分辨率的平方。颜色就是计算该微塑料个体对应的红色通道，绿色通道和蓝色通道的平均值。图10为对边缘检测之后的微塑料个体进行椭圆拟合后获得的示例性图像。结合观测的图像分辨率，可以计算长轴和短轴的实际长度。图10的例子中，得到的长轴长度为1.81mm、短轴长度为1.51mm、面积为2.05mm2、颜色为(129，97，71)。
[0076]
实施例三：
[0077]
本发明还提供一种识别微塑料的装置，如图11所示，该装置包括处理器1101、存储
器1102、总线1103、以及存储在所述存储器1102中并可在所述处理器1101上运行的计算机程序，处理器1101包括一个或一个以上处理核心，存储器1102通过总线1103与处理器1101相连，存储器1102用于存储程序指令，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
[0078]
进一步地，作为一个可执行方案，所述识别微塑料的装置可以是计算机单元，该计算机单元可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机单元可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述计算机单元的组成结构仅仅是计算机单元的示例，并不构成对计算机单元的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件。例如所述计算机单元还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
[0079]
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机单元的控制中心，利用各种接口和线路连接整个计算机单元的各个部分。
[0080]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机单元的各种功能。所述存储器可主要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、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0081]
实施例四：
[0082]
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存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
[0083]
所述计算机单元集成的模块/单元如果以软件功能单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onny memory)、随机存取存储器(ram，random access memory)以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
[0084]
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明
白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。