基于物联网的农作物病虫害监控方法、系统及存储介质与流程

1.本发明涉及一种农作物病虫害监控方法，更具体的，涉及一种基于物联网的农作物病虫害监控方法、系统及存储介质。


背景技术：

2.病虫害是影响作物产量的直接因素，是世界各国的主要农业灾害之一。大规模的病虫害会给农业生产和国民经济造成巨大损失。据联合国粮农组织统计，世界粮食产量因病虫害造成的损失占粮食总产量的20％以上,在治理病虫害过程中,如果不注意控制农药使用的剂量,很容易造成环境的破坏和污染或防治效果不佳等现象,在种植活动中,为了保证其最终不会在人体中残留并实现病虫害的科学防治,在使用过程中应当合理控制使用剂量,在保证农作物最终产量和对环境的保护下进行农药的使用。
3.为了能够实现对农作物病虫害的有效监控，并对病虫害进行科学防治，需要开发一款系统与之相匹配，该系统通过农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新；在进行实现的过程中，如何建立病虫害预测模型及如何对病虫害进行科学有效的防治都是亟不可待需要解决的问题。


技术实现要素：

4.为了解决上述至少一个技术问题，本发明提出了一种基于物联网的农作物病虫害监控方法、系统及存储介质。
5.本发明第一方面提供了一种基于物联网的农作物病虫害监控方法，包括：
6.采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
7.根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
8.根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
9.通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
10.本方案中，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
11.本方案中，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
12.获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
13.基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所
述病虫害预测模型进行训练；
14.将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
15.根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
16.通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
17.本方案中，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
18.将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
[0019][0020]
其中，p表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，ε
ij
表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
[0021]
本方案中，还包括：
[0022]
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
[0023]
获取农作物的实际受病虫害情况并生成病情指数；
[0024]
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
[0025]
判断病情指数偏差率是否大于预设的偏差率阈值；
[0026]
若大于预设偏差率阈值，则进行病虫害的二次防治。
[0027]
本方案中，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
[0028]
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
[0029]
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
[0030]
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
[0031]
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
[0032]
本发明第二方面还提供了一种基于物联网的农作物病虫害监控系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被所述处理器执行时实现如下步骤：
[0033]
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
[0034]
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
[0035]
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
[0036]
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
[0037]
本方案中，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
[0038]
本方案中，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
[0039]
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
[0040]
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
[0041]
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
[0042]
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
[0043]
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
[0044]
本方案中，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
[0045]
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
[0046][0047]
其中，p表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，ε
ij
表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
[0048]
本方案中，还包括：
[0049]
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
[0050]
获取农作物的实际受病虫害情况并生成病情指数；
[0051]
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
[0052]
判断病情指数偏差率是否大于预设的偏差率阈值；
[0053]
若大于预设偏差率阈值，则进行病虫害的二次防治。
[0054]
本方案中，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
[0055]
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
[0056]
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
[0057]
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
[0058]
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
[0059]
本发明第三方面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中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被处理器执行时，实现如上述任一项所述的基于物联网的农作物病虫害监控方法的步骤。
[0060]
本发明公开的一种基于物联网的农作物病虫害监控方法、系统及可读存储介质，包括：采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新，通过分析目标区域内环境变化信息，建立农作物病虫害预测模型，根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治，并根据获取农作物的实际受病虫害情况生成病情指数偏差率，通过判断所述病情指数偏差率进行农作物病虫害的科学防治，且在获取农作物图像信息的同时，通过数据筛选及更新，经常对农作物信息数据库进行调整，以提高农作物信息数据库的时效性与准确性。
附图说明
[0061]
图1示出了本发明一种基于物联网的农作物病虫害监控方法的流程图；
[0062]
图2示出了本发明建立农作物病虫害预测模型的方法流程图；
[0063]
图3示出了本发明建立农作物信息数据库的方法流程图；
[0064]
图4示出了本发明一种基于物联网的农作物病虫害监控系统的框图。
[0065]
具体实施方法
[0066]
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0067]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
[0068]
图1示出了本发明一种基于物联网的农作物病虫害监控方法的流程图；
[0069]
如图1所示，本发明第一方面提供了一种基于物联网的农作物病虫害监控方法，包括：
[0070]
s102，采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
[0071]
s104，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
[0072]
s106，根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
[0073]
s108，通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
[0074]
需要说明的是，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信
息和土壤结构信息。
[0075]
需要说明的是，本发明所述的采集农作物图像信息可以通过无线传感器网络获取，无线传感器网络由多个采集节点和一个汇聚节点组成，在预定位置放置采集节点，无线传感器网络中的采集节点可以是线性或者网状分布，并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点，汇聚节点将接收到的数据发送至主机处理器，采集节点中嵌有传感器和具有夜视功能的摄像头，传感器为温度传感器、湿度波传感器；采集节点采用电池供电，汇聚节点采用电源供电。可选的，本发明所述的采集农作物图像信息可由带有摄像头的田间自动行走装置获取，此装置可以自动对植株位置进行定位，并通过摄像头对植株进行整株扫描，获取农作物图像信息。
[0076]
需要说明的是，在采集农作物图像信息后，需对农作物图像信息进行预处理，通过预处理滤去背景图像，提取出农作物图像信息中所需部分；例如：将收集到的帧图像数据经过图像预处理和基于边缘的监测算法后和背景图像做差分，通过图像滤波消除获取农作物图像信息中存在的噪声和失真，并通过图像分割提取出农作物图像信息中的叶片、果实等重要区域。
[0077]
图2示出了本发明建立农作物病虫害预测模型的方法流程图。
[0078]
根据本发明实施例，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
[0079]
s202，获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
[0080]
s204，基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
[0081]
s206，将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
[0082]
s208，根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
[0083]
s210，通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
[0084]
需要说明的是，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
[0085]
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
[0086][0087]
其中，p表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，ε
ij
表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
[0088]
需要说明的是，通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治后，为杜绝病虫害防治不彻底现象，通过获取农作物受病虫害情况生成病情指数，根据判断农作物病情指数偏差率进行病虫害的二次防治，包括：
[0089]
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
[0090]
获取农作物的实际受病虫害情况并生成病情指数；
[0091]
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
[0092]
判断病情指数偏差率是否大于预设的偏差率阈值；
[0093]
若大于预设偏差率阈值，则进行病虫害的二次防治。
[0094]
图3示出了本发明建立农作物信息数据库的方法流程图。
[0095]
根据本发明实施例，所述的根据农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
[0096]
s302，根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
[0097]
s304，采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
[0098]
s306，通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
[0099]
s308，通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
[0100]
需要说明的是，本实施例中，通过采集农作物图像信息将农作物植株生长过程区分为各生长阶段，将各生长阶段所受病虫害特征提取并与目标区域内环境变化信息进行匹配，建立农作物信息数据库，通过对目标区域内所有农作物建立编号并入库，对目标区域农作物实现精确管控，实现对病虫害的区域性防治管控及溯源，具体为：获取受病虫害农作物植株编号信息；根据所述编号信息规划确定防治区域；通过农药喷淋装置对防治区域内农作物进行病虫害防治；同时根据所述农作物信息数据库内历史监测信息确定病虫害始发区域；分析所述始发区域内农作物各生长阶段对应的环境变化信息，通过所述环境变化信息，对农作物信息数据库进行更新调整并对病虫害预测模型进行误差均衡。
[0101]
本发明第二方面还提供了一种基于物联网的农作物病虫害监控系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被所述处理器执行时实现如下步骤：
[0102]
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
[0103]
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
[0104]
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
[0105]
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
[0106]
需要说明的是，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
[0107]
需要说明的是，本发明所述的采集农作物图像信息可以通过无线传感器网络获取，无线传感器网络由多个采集节点和一个汇聚节点组成，在预定位置放置采集节点，无线传感器网络中的采集节点可以是线性或者网状分布，并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点，汇聚节点将接收到的数据发送至主
机处理器，采集节点中嵌有传感器和具有夜视功能的摄像头，传感器为温度传感器、湿度波传感器；采集节点采用电池供电，汇聚节点采用电源供电。可选的，本发明所述的采集农作物图像信息可由带有摄像头的田间自动行走装置获取，此装置可以自动对植株位置进行定位，并通过摄像头对植株进行整株扫描，获取农作物图像信息。
[0108]
需要说明的是，在采集农作物图像信息后，需对农作物图像信息进行预处理，通过预处理滤去背景图像，提取出农作物图像信息中所需部分；例如：将收集到的帧图像数据经过图像预处理和基于边缘的监测算法后和背景图像做差分，通过图像滤波消除获取农作物图像信息中存在的噪声和失真，并通过图像分割提取出农作物图像信息中的叶片、果实等重要区域。
[0109]
需要说明的是，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
[0110]
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
[0111]
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
[0112]
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
[0113]
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
[0114]
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
[0115]
需要说明的是，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
[0116]
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
[0117][0118]
其中，p表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，ε
ij
表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
[0119]
需要说明的是，通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治后，为杜绝病虫害防治不彻底现象，通过获取农作物受病虫害情况生成病情指数，根据判断农作物病情指数偏差率进行病虫害的二次防治，包括：
[0120]
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
[0121]
获取农作物的实际受病虫害情况并生成病情指数；
[0122]
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
[0123]
判断病情指数偏差率是否大于预设的偏差率阈值；
[0124]
若大于预设偏差率阈值，则进行病虫害的二次防治。
[0125]
需要说明的是，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
[0126]
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模
型；
[0127]
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
[0128]
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
[0129]
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
[0130]
需要说明的是，本实施例中，通过采集农作物图像信息将农作物植株生长过程区分为各生长阶段，将各生长阶段所受病虫害特征提取并与目标区域内环境变化信息进行匹配，建立农作物信息数据库，通过对目标区域内所有农作物建立编号并入库，对目标区域农作物实现精确管控，实现对病虫害的区域性防治管控及溯源，具体为：获取受病虫害农作物植株编号信息；根据所述编号信息规划确定防治区域；通过农药喷淋装置对防治区域内农作物进行病虫害防治；同时根据所述农作物信息数据库内历史监测信息确定病虫害始发区域；分析所述始发区域内农作物各生长阶段对应的环境变化信息，通过所述环境变化信息，对农作物信息数据库进行更新调整并对病虫害预测模型进行误差均衡。
[0131]
本发明第三方面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中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被处理器执行时，实现如上述任一项所述的基于物联网的农作物病虫害监控方法的步骤。
[0132]
本发明公开的一种基于物联网的农作物病虫害监控方法、系统及可读存储介质，包括：采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新，通过分析目标区域内环境变化信息，建立农作物病虫害预测模型，根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治，并根据获取农作物的实际受病虫害情况生成病情指数偏差率，通过判断所述病情指数偏差率进行农作物病虫害的科学防治，且在获取农作物图像信息的同时，通过数据筛选及更新，经常对农作物信息数据库进行调整，以提高农作物信息数据库的时效性与准确性。
[0133]
在本申请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。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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0134]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0135]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述
集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0136]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0137]
或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0138]
以上所述，仅为本发明的具体实施方式，但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。因此，本发明的保护范围应以所述权利要求的保护范围为准。