一种卷绕电芯的抽芯检测方法、电子设备及存储介质
技术领域
本申请涉及动力电池领域,具体而言,涉及一种卷绕电芯的抽芯检测方法、电子设备及存储介质。
背景技术
多极耳电动汽车(Electric Vehicle,EV)动力电池是通过EV卷绕机根据一定的电池工艺卷绕制成,具体为:请参照图1,图1卷针具有第一构件2和第二构件3,第一构件2和第二构件3对极片及隔膜1进行夹持,卷针通过逆时针旋转(如图中箭头所示)或顺时针旋转,对极片及隔膜1进行卷绕,形成卷绕电芯。在卷绕完成时,卷绕电芯还需进行抽芯工序,即将卷针抽出卷绕电芯。
卷绕电芯在制芯卷绕过程中抽芯工序时,可能出现隔膜被抽离出卷绕电芯造成抽芯不良的情况。现有技术采用激光对射感应器检测隔膜是否被抽离出卷绕电芯,在隔膜超出为小面积的情况无法检出,导致检测结果不准确。
发明内容
本申请实施例的目的在于提供一种卷绕电芯的抽芯检测方法、电子设备及存储介质,用以解决现有技术采用激光对射感应器检测隔膜是否被抽离出卷绕电芯,在隔膜超出为小面积的情况无法检出,导致检测结果不准确的问题。
本申请实施例提供的一种卷绕电芯的抽芯检测方法,包括:
获取卷绕电芯的第一图像;
根据第一图像获取用于表征卷绕电芯具有极耳一侧的第一线段、用于表征极耳第一侧的第一直线以及用于表征靠近极耳第一侧的卷绕电芯第一侧的第二直线;
根据第一图像建立第一识别区域,第一识别区域为第一线段、第一直线和第二直线所包围的区域;
对第一识别区域进行找斑点处理,并判断是否存在斑点:若存在斑点,则卷绕电芯抽芯不良。
上述技术方案中,采用机器视觉检测手段,对卷绕电芯具有极耳一侧、极耳一侧和卷绕电芯第一侧进行识别处理,并在第一图像中,划分出第一识别区域,判断第一识别区域中存在斑点的情况,检测出卷绕电芯抽芯不良。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
在一些可选的实施方式中,根据第一图像获取第一线段的方式,包括:获取第一图像中卷绕电芯极耳封边边缘处的至少两个兴趣点,对至少两个兴趣点利用最小二乘法拟合直线,得到第一线段。
上述技术方案中,进一步的,在识别表征卷绕电芯极耳封边边缘之前,可对第一图像依次经过中值滤波、灰阶形态和Blob处理,得到处理后的第一图像,然后,获取处理后的第一图像中卷绕电芯极耳封边边缘处的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一线段。对第一图像异常经过中值滤波、灰阶形态和Blob处理,剔除了极耳对识别结果的影响,使最终拟合得到的第一线段更贴近卷绕电芯极耳封边边缘的实际情况。
在一些可选的实施方式中,根据第一图像获取第一直线的方式,包括:
获取第一图像中极耳第一侧边缘的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一直线。
在一些可选的实施方式中,根据第一图像获取第二直线的方式,包括:
获取第一图像中卷绕电芯第一侧边缘的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第二直线。
在一些可选的实施方式中,第一图像为灰度图像;获取卷绕电芯的第一图像,包括:
获取卷绕电芯的彩色图像;
对彩色图像进行RGB权重提取,得到灰度图像。
在一些可选的实施方式中,根据第一图像建立第一识别区域,包括:
对灰度图像进行二值化处理,得到卷绕电芯和背景分离的第二图像;
在第二图像中建立第一识别区域。
在一些可选的实施方式中,对灰度图像进行二值化处理,得到卷绕电芯和背景分离的第二图像之前,还包括:
取第一线段的中心点A,作点A到第二直线的第一垂线并与第二直线相交于点B;
在第二图像中建立第一识别区域,包括:
以第一垂线、第二直线及点B,获取对应的第一跟随定位空间;
根据第一跟随定位空间和第二图像,建立第一识别区域。
上述技术方案中,考虑到实际拍摄时不可避免存在的,卷绕电芯倾斜的情况,因此,根据相互垂直的第一垂线和第二直线,以及其相交的交点B,建立第一跟随定位空间,使建立的第一识别区域不受卷绕电芯倾斜的影响,更准确划分卷绕电芯与背景的交界处。
在一些可选的实施方式中,获取卷绕电芯的第一图像之后,还包括:
根据灰度图像获取用于表征灰度图像中极耳第二侧的第三直线和用于表征灰度图像中靠近极耳第二侧的卷绕电芯第二侧的第四直线;
对灰度图像进行二值化处理,得到卷绕电芯和背景分离的第二图像之后,还包括:
在第二图像中建立第二识别区域,第二识别区域为第一线段、第三直线和第四直线包围的区域;对第二识别区域进行找斑点处理,并判断是否存在斑点:若存在斑点,则卷绕电芯抽芯不良。
上述技术方案针对实际在进行抽芯检测时,需要对极耳两侧的区域均进行检测,即对第一识别区域和第二识别区域都进行相同的检测,若第一识别区域和第二识别区域都不存在斑点,则可以认为该卷绕电芯合格。
在一些可选的实施方式中,对灰度图像进行二值化处理,得到卷绕电芯和背景分离的第二图像之前,还包括:取第一线段的中心点A,作点A到第四直线的第二垂线并与第四直线相交于点C。
在第二图像中建立第二识别区域,包括:
以第二垂线、第四直线及点C,获取对应的第二跟随定位空间;
根据第二跟随定位空间和第二图像,建立第二识别区域。
上述技术方案中,建立第二识别区域的方式与建立第一识别区域的方式类似,以相互垂直的第二垂线和第四直线,以及其交点C,获取第二跟随定位空间,能够应对卷绕电芯两侧倾斜角度不同的情况,对卷绕电芯两侧分别建立第一跟随定位空间和第二跟随定位空间,以得到分别适应于卷绕电芯两侧的第一识别区域和第二识别区域。
在一些可选的实施方式中,抽芯检测方法还包括:对第一识别区域和第二识别区域均进行找斑点处理,若存在斑点,则计算斑点所在区域的面积,并判断面积是否小于预设阈值,若是,则卷绕电芯合格;若否,则卷绕电芯不合格。
上述技术方案中,在第一识别区域或第二识别区域中存在斑点时,判断该卷绕电芯存在抽芯不良的情况,进一步判定斑点所在区域的面积,若该面积在允许的预设阈值内,该卷绕电芯为合格产品,否则,该卷绕电芯不合格。
本申请实施例提供的一种电子设备,包括:处理器和存储器,存储器存储有处理器可执行的机器可读指令,机器可读指令被处理器执行时执行如以上任一的抽芯检测方法。
本申请实施例提供的一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如以上任一的抽芯检测方法。
在本发明的一个或多个实施例中,至少具有以下有益效果:
本申请实施例提供的一种卷绕电芯的抽芯检测方法,包括:获取卷绕电芯的灰度图像;根据灰度图像获取用于表征卷绕电芯具有极耳一侧的第一线段、用于表征极耳第一侧的第一直线以及用于表征靠近极耳第一侧的卷绕电芯第一侧的第二直线;对灰度图像进行二值化处理,得到卷绕电芯和背景分离的二值图像;在二值图像中建立第一识别区域,第一识别区域为第一线段、第一直线和第二直线所包围的区域;对第一识别区域进行找斑点处理,若存在斑点,则卷绕电芯抽芯不良。采用机器视觉检测手段,对卷绕电芯具有极耳一侧、极耳一侧和卷绕电芯第一侧进行识别处理,并在卷绕电芯和背景分类的二值图像中,划分出第一识别区域,判断第一识别区域中存在斑点的情况,检测出卷绕电芯抽芯不良。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为卷绕电芯在制芯卷绕过程的示意图;
图2为本申请实施例提供的卷绕电芯的抽芯检测方法步骤流程图;
图3为本申请实施例提供的第一线段的获取方法步骤流程图;
图4为本申请实施例提供的第一识别区域和第二识别区域的获取方法步骤流程图;
图5为本申请实施例提供的卷绕电芯的抽芯检测系统的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图;
图7为本申请实施例提供的另一种抽芯检测方法步骤流程图;
图8为本申请实施例提供的抽芯检测方法的图像识别处理的示例图;
图9位本发明实施例提供的抽芯检测方法的步骤流程图。
图标:1-极片及隔膜,2-第一构件,3-第二构件,4-拍摄装置,5-电子设备,610-处理器,620-存储器,630-通信接口,640-触摸屏,650-通信总线。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
本申请实施例提供的一种卷绕电芯的抽芯检测方法、电子设备及存储介质,采用机器视觉检测手段,更准确检测识别出抽芯不良的卷绕电芯。请参照图9,图9为一种卷绕电芯的抽芯检测方法,包括:
10、获取卷绕电芯的第一图像;
20、根据第一图像获取用于表征卷绕电芯具有极耳一侧的第一线段、用于表征极耳第一侧的第一直线以及用于表征靠近极耳第一侧的卷绕电芯第一侧的第二直线;
30、根据第一图像建立第一识别区域,第一识别区域为第一线段、第一直线和第二直线所包围的区域;
40、对第一识别区域进行找斑点处理,并判断是否存在斑点:若存在斑点,则卷绕电芯抽芯不良。
步骤10-40中,采用机器视觉检测手段,对卷绕电芯具有极耳一侧、极耳一侧和卷绕电芯第一侧进行识别处理,并在第一图像中,划分出第一识别区域,判断第一识别区域中存在斑点的情况,检测出卷绕电芯抽芯不良。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。需明确的是上述步骤中第一图像可以是灰度图像、彩色图像或二值化图像等,下面为描述方便,以第一图像为灰度图像进行详细阐述。
请参照图2,图2为本申请实施例提供的一种卷绕电芯的抽芯检测方法,具体包括:
100、获取卷绕电芯的灰度图像;
步骤100中,可直接获取卷绕电芯的灰度图像,也可以获取卷绕电芯的彩色图像,并对彩色图像进行RGB权重提取,以得到灰度图像。
200、根据灰度图像获取用于表征卷绕电芯具有极耳一侧的第一线段、用于表征极耳第一侧的第一直线以及用于表征靠近极耳第一侧的卷绕电芯第一侧的第二直线;
步骤200中,对灰度图像进行图像识别处理,以获得用于表征卷绕电芯具有极耳一侧的第一线段、用于表征极耳第一侧的第一直线以及用于表征靠近极耳第一侧的卷绕电芯第一侧的第二直线。下面分别对第一线段、第一直线和第二直线的获取详细阐述:
根据灰度图像获取第一线段的方式,包括但不限于图3的步骤201-202:
201、对灰度图像依次经过中值滤波、灰阶形态和Blob处理后,得到处理后的灰度图像;
其中,中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近真实值,从而消除孤立的噪声点。之后,对消除孤立噪声点后的图像进行灰阶形态处理,最后利用Blob处理,将图像转化为卷绕电芯不包括极耳的部分与背景分离的二值化图像,使卷绕电芯极耳封边边缘处更容易被识别出。
202、获取处理后的灰度图像中卷绕电芯极耳封边边缘处的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一线段。
在步骤202识别表征卷绕电芯极耳封边边缘之前,对灰度图像异常经过中值滤波、灰阶形态和Blob处理,剔除了极耳对识别结果的影响,使最终拟合得到的第一线段更贴近卷绕电芯极耳封边边缘的实际情况。
根据灰度图像获取第一直线的方式,包括但不限于下述的方式:获取灰度图像中极耳第一侧边缘的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一直线。
根据灰度图像获取第二直线的方式,包括但不限于下述的方式:获取灰度图像中卷绕电芯第一侧边缘的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第二直线。
300、对灰度图像进行二值化处理,得到卷绕电芯和背景分离的二值图像;
步骤300中,二值化处理包括但不限于Blob处理,计算机视觉中的Blob是指图像中的一块连通区域,Blob处理就是对前景/背景分离后的二值图像,进行连通域提取和标记。标记完成的每一个Blob都代表一个前景目标,然后就可以计算Blob的一些相关特征,如:面积、质心、外接矩形等几何特征,还可以计算Blob的颜色、纹理特征,这些特征都可以作为跟踪的依据。
400、在二值图像中建立第一识别区域,第一识别区域为第一线段、第一直线和第二直线所包围的区域;
步骤400的第一识别区域指卷绕电芯的极耳左侧或极耳右侧的背景区域,在不存在抽芯不良的情况下,该背景区域不包含属于卷绕电芯的部分。
具体的,考虑到实际拍摄时不可避免存在的,卷绕电芯倾斜的情况,因此,取第一线段的中心点A,作点A到第二直线的第一垂线并与第二直线相交于点B,之后请参照图4的步骤401-420:
401、以第一垂线、第二直线及点B,获取对应的第一跟随定位空间;
402、根据第一跟随定位空间和二值图像,建立第一识别区域。
步骤401-402,建立第一跟随定位空间,使建立的第一识别区域不受卷绕电芯倾斜的影响,更准确划分卷绕电芯与背景的交界处。
500、对第一识别区域进行找斑点处理,并判断是否存在斑点:若存在斑点,则卷绕电芯抽芯不良。
步骤500中,对第一识别区域进行找斑点处理,包括但不限于采用Blob处理的方式,若第一识别区域不存在斑点,则卷绕电芯不存在抽芯不良的情况,若存在斑点,则卷绕电芯存在抽芯不良的情况。
综上所述,本申请实施例的抽芯检测方法采用机器视觉检测手段,对卷绕电芯具有极耳一侧、极耳一侧和卷绕电芯第一侧进行识别处理,并在卷绕电芯和背景分类的二值图像中,划分出第一识别区域,判断第一识别区域中存在斑点的情况,检测出卷绕电芯抽芯不良。因此,本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
在实际进行抽芯检测时,通常需要对卷绕电芯的极耳两侧均进行检测,因此,抽芯检测方法还包括:根据灰度图像获取用于表征灰度图像中极耳第二侧的第三直线和用于表征灰度图像中靠近极耳第二侧的卷绕电芯第二侧的第四直线;
对灰度图像进行二值化处理,得到卷绕电芯和背景分离的二值图像之后,还包括:在二值图像中建立第二识别区域,第二识别区域为第一线段、第三直线和第四直线包围的区域;对第二识别区域进行找斑点处理,并判断是否存在斑点:若存在斑点,则卷绕电芯抽芯不良。
具体的,对灰度图像进行二值化处理,得到卷绕电芯和背景分离的二值图像之前,还包括:取第一线段的中心点A,作点A到第四直线的第二垂线并与第四直线相交于点C,建立第二识别区域的步骤请参照图4的步骤403-404:
403、以第二垂线、第四直线及点C,获取对应的第二跟随定位空间;
404、根据第二跟随定位空间和二值图像,建立第二识别区域。
本发明实施例中,建立第二识别区域的方式与建立第一识别区域的方式类似,以相互垂直的第二垂线和第四直线,以及其交点C,获取第二跟随定位空间,能够应对卷绕电芯两侧倾斜角度不同的情况,对卷绕电芯两侧分别建立第一跟随定位空间和第二跟随定位空间,以得到分别适应于卷绕电芯两侧的第一识别区域和第二识别区域。
因此,本申请实施例针对实际在进行抽芯检测时,需要对极耳两侧的区域均进行检测,即对第一识别区域和第二识别区域都进行相同的检测,若第一识别区域和第二识别区域都不存在斑点,则可以认为该卷绕电芯不存在抽芯不良的情况,该卷绕电芯合格。需明确的是,本申请实施例的卷芯,默认该卷芯在抽芯工序之前合格,该卷芯在完成抽芯工序后,该卷芯是否合格仅针对抽芯工序而言,即本申请实施例的“卷芯合格”与“卷芯不合格”仅针对抽芯工序导致的合格与不合格。
在一些可能的实施例中,对存在抽芯不良的卷绕电芯进行进一步的判断,包括但不限于下述的判断方式:
对第一识别区域和第二识别区域均进行找斑点处理,若存在斑点,则计算斑点所在区域的面积,并判断面积是否小于预设阈值,若是,则卷绕电芯合格;若否,则卷绕电芯不合格。
本申请实施例中,在第一识别区域或第二识别区域中存在斑点时,判断该卷绕电芯存在抽芯不良的情况,进一步判定斑点所在区域的面积,若该面积在允许的预设阈值内,该卷绕电芯为合格产品,否则,该卷绕电芯不合格。
请参照图7和图8所示的一种卷绕电芯的抽芯检测方法,其中,图7为卷绕电芯的抽芯检测方法的步骤流程图,图8为卷绕电芯的抽芯检测方法中对图像进行处理的示意图,具体阐述如下:
对输入的彩色图像进行RGB权重提取获取第一灰度图像,这里可通过选择权重参数突出卷绕电芯不包含极耳的部分与其他(极耳部分和背景)的明暗区别,如图8中的第一灰度图像所示。对第一灰度图像进行中值滤波处理,得到如图8中的中值滤波处理后的图像,可以看出图像中的孤立噪点被剔除。对中值滤波后的图像再进行灰阶形态处理,得到如图8中灰阶形态处理后的图像,可以看出图像中极耳与背景融为一体,其与卷绕电芯不包含极耳的部分的区别更加明显。灰阶形态处理后再通过Blob处理,将卷绕电芯不包含极耳的部分与其他进行二值化处理,得到如图8的Blob处理后的图像。对Blob处理后的图像,利用最小二乘法拟合极耳封边边缘处的第一线段,并输出第一线段的中点A,如图8中拟合的第一线段所示。
与上述过程不分先后的,对输入的彩色图像进行RGB权重提取获取第二灰度图像,这里可通过选择权重参数突出卷绕电芯与背景的明暗区别,如图8中的第二灰度图像所示。对第二灰度图像,利用最小二乘法拟合卷芯两侧的第二直线和第四直线,以及极耳两侧的第一直线和第三直线,如图8中拟合第一直线、第二直线、第三直线和第四直线所示。
结合上述两部分得到的第一线段及其中点A、第一直线、第二直线、第三直线和第四直线。作点A分别到第二直线和第四直线的垂线,并分别相交于点B和点C。
在第一灰度图像进行Blob处理后的二值图像中,分别根据点B和点C,获取第一跟随定位空间和第二跟随定位空间,并分别计算斑点个数,若总的斑点个数大于0,则存在抽芯不良的情况,在一些实施例中同时可认为该卷芯不合格,若总的斑点个数等于0,则卷绕电芯不存在抽芯不良的情况,该卷绕电芯合格。
基于同一发明构思,请参照图5,图5为本申请实施例中提供的卷绕电芯的抽芯检测系统,该系统包括拍摄装置4和电子设备5,拍摄装置4与电子设备5通讯连接。拍摄装置4用于获取卷芯的实际照片,并向电子设备5发送该实际照片。电子设备5对该实际照片采用以上任一实施例的抽芯检测方法,进行抽芯检测处理。
图6示出了本申请实施例提供的电子设备5的一种可能的结构。参照图6,电子设备包括:处理器610、存储器620、通信接口630以及触摸屏640,这些组件通过通信总线650和/或其他形式的连接机构(未示出)互连并相互通讯。
其中,存储器620包括一个或多个(图中仅示出一个),其可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,简称EEPROM)等。处理器610以及其他可能的组件可对存储器620进行访问,读和/或写其中的数据。
处理器610包括一个或多个(图中仅示出一个),其可以是一种集成电路芯片,具有信号的处理能力。上述的处理器610可以是通用处理器,包括中央处理器(CentralProcessing Unit,简称CPU)、微控制单元(Micro Controller Unit,简称MCU)、网络处理器(Network Processor,简称NP)或者其他常规处理器;还可以是专用处理器,包括神经网络处理器(Neural-network Processing Unit,简称NPU)、图形处理器(Graphics ProcessingUnit,简称GPU)、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuits,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称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。并且,在处理器610为多个时,其中的一部分可以是通用处理器,另一部分可以是专用处理器。
通信接口630包括一个或多个(图中仅示出一个),可以用于和其他设备进行直接或间接地通信,以便进行数据的交互。通信接口630可以包括进行有线和/或无线通信的接口。
触摸屏640包括一个或多个(图中仅示出一个),可以用于人机交互,并可由处理器610对触碰屏幕产生的点位信息进行处理。
在存储器620中可以存储一个或多个计算机程序指令,处理器610可以读取并运行这些计算机程序指令,以实现本申请实施例提供的抽芯检测方法。
可以理解的,图6所示的结构仅为示意,电子设备还可以包括比图6中所示更多或者更少的组件,或者具有与图6所示不同的结构。图6中所示的各组件可以采用硬件、软件或其组合实现。电子设备可能是实体设备,例如PC机、笔记本电脑、平板电脑、手机、服务器、嵌入式设备等,也可能是虚拟设备,例如虚拟机、虚拟化容器等。并且,电子设备也不限于单台设备,也可以是多台设备的组合或者大量设备构成的集群。
例如,本申请实施例中提到的电子设备,在实现时图6中的触摸屏640可以为键盘、鼠标和显示器。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被计算机的处理器读取并运行时,执行本申请实施例提供的抽芯检测方法。例如,计算机可读存储介质可以实现为图6中电子设备中的存储器620。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。