[0001] 本实用新型涉及烧结机技术领域，尤其涉及到一种箅条缺失检测系统。

[0002] 对于烧结球团工艺，球团矿经过运输，送至链篦机或焙烧机进行预热焙烧，在焙烧过程中，物料需要在台车上运行(台车是首尾相连在封闭的轨道上连续运行的，一个烧结机
包括上百个台车)，台车箅板起到承载物料的作用，如果箅条发生脱落缺失，物料将由缺失
的空隙落下，发生严重的生产事故，严重影响生产甚至停产因此进行箅条缺失检测十分必
要。

[0003] 目前在恶劣的封闭工况下，如台车在行进时带来的扬尘，使得镜头易受灰尘影响，镜头拍摄的图像会因为扬尘而反光等，进一步使得拍摄到的台车箅板图像误差大或者安全
无法拍摄到台车箅板图像，导致检测精度下降，容易发生漏检。
实用新型内容

[0004] 有鉴于此，本实用新型提供了一种箅条缺失检测系统，可解决箅条缺失检测受到扬尘等恶劣工况影响导致的检测精度下降的问题。

[0005] 为实现上述目的，本实用新型提供了一种箅条缺失检测系统，所述系统包括：

[0006] 台车箅板图像采集模块、光源提供模块、箅条缺失检测模块、通信模块，其中，台车箅板位于所述台车箅板图像采集模块的台车箅板图像采集器与所述光源提供模块的光源
装置之间；

[0007] 所述光源提供模块与所述台车箅板图像采集模块连接，用于照射箅板，以使光线从全部台车箅板的箅条缝隙透过；

[0008] 所述台车箅板图像采集模块用于采集经过所述光源装置照射后的初始箅板图像，通过所述通信模块，将所述初始箅板图像发送至所述箅条缺失检测模块的图像质量增强单
元；

[0009] 所述箅条缺失检测模块包括所述图像质量增强单元与检测单元，所述图像质量增强单元与所述检测单元连接，用于对所述初始箅板图像进行图像质量增强，得到箅板质量
增强图像，所述检测单元用于对所述箅板质量增强图像进行预处理，利用目标检测算法对
预处理后的箅板质量增强图像进行箅条缺失预测，得到预测结果。

[0010] 优选地，所述图像质量增强单元具体可用于根据多曝光融合网络与边缘增强网络对所述初始箅板图像进行暗光质量增强，得到暗光箅板质量增强图像；

[0011] 获取图像去噪模型，将所述暗光箅板质量增强图像输入所述图像去噪模型，得到箅板质量增强图像，其中，所述图像去噪模型包括基于多头深度卷积转置注意力机制与门
机制深度卷积前馈网络组成的transformer去噪模块。

[0012] 优选地，所述图像质量增强单元具体可用于生成所述初始箅板图像在不同预设曝光率下的曝光图像；

[0013] 利用多曝光融合网络与卷积层对所述曝光图像进行特征融合，得到特征融合曝光图像；

[0014] 提取所述特征融合曝光图像的边缘特征，将所述边缘特征、所有所述曝光图像以及所述特征融合曝光图像进行级联后，输入到边缘增强网络进行边缘增强，得到暗光箅板
质量增强图像。

[0015] 优选地，所述图像去噪模型包括输入卷积层、所述transformer去噪模块与输出卷积层，所述图像质量增强单元具体可用于将所述暗光箅板质量增强图像输入所述输入卷积
层提取预设粗粒度图像特征；

[0016] 利用所述transformer去噪模块对所述预设粗粒度图像特征进行下采样，得到不同尺度的去噪特征，利用所述transformer去噪模块对不同尺度的所述去噪特征进行上采
样，得到去噪融合特征，将所述去噪融合特征输入所述输出卷积层，得到箅板质量增强图
像。

[0017] 优选地，所述检测单元具体可用于在所述箅板质量增强图像是非完整箅板时，基于SURF的多视角图像拼接算法将所述箅板质量增强图像拼接成完整箅板质量增强图像；

[0018] 将所述完整箅板质量增强图像调整至预设尺寸，得到预处理后的箅板质量增强图像。

[0019] 优选地，目标检测算法包括骨干网络、中间网络以及头部网络；

[0020] 所述检测单元具体可用于将所述预处理后的箅板质量增强图像输入所述骨干网络提取目标图像特征；

[0021] 将所述目标图像特征输入所述中间网络提取多尺度特征图；

[0022] 将所述多尺度特征图输入所述头部网络预测目标台车，其中，所述骨干网络包括focus结构、CSP模块、SPP模块，所述中间网络包括特征金字塔和路径聚合结构。

[0023] 优选的，所述系统还包括：人工审核模块；

[0024] 所述检测单元与所述缺失审核模块连接，用于在所述预测结果是箅条缺失时，将箅条缺失的预测台车发送至所述人工审核模块；

[0025] 所述人工审核模块用于人工审核所述预测台车是否存在箅条缺失。

[0026] 本实用新型提供的一种箅条缺失检测系统，系统包括：台车箅板图像采集模块、光源提供模块、箅条缺失检测模块、通信模块，其中，台车箅板位于所述台车箅板图像采集模
块的台车箅板图像采集器与所述光源提供模块的光源装置之间；所述光源提供模块与所述
台车箅板图像采集模块连接，用于照射箅板，以使光线从全部台车箅板的箅条缝隙透过；所
述台车箅板图像采集模块用于采集经过所述光源装置照射后的初始箅板图像，通过所述通
信模块，将所述初始箅板图像发送至所述箅条缺失检测模块的图像质量增强单元；所述箅
条缺失检测模块包括所述图像质量增强单元与检测单元，所述图像质量增强单元与所述检
测单元连接，用于对所述初始箅板图像进行图像质量增强，得到箅板质量增强图像，所述检
测单元用于对所述箅板质量增强图像进行预处理，利用目标检测算法对预处理后的箅板质
量增强图像进行箅条缺失预测，得到预测结果。通过本实用新型的技术方案，通过设置台车
箅板位于台车箅板图像采集模块的台车箅板图像采集器与光源提供模块的光源装置之间，
这样光线可以从箅条缝隙穿过，在现场黑暗及扬尘的恶劣工况下，视频图像也可清晰采集
透光缝隙，当箅条发生脱落时，透光面积将显著增大，光线特征将明显发生增大变化，易于
提取分析图像特征，即本申请的光线克服现场黑暗及扬尘的恶劣工况，且起到了补充图像
特征的作用，从而提高了检测精度，而现有技术中，台车箅板图像采集模块的台车箅板图像
采集器与光源提供模块的光源装置位于台车箅板的同侧，一方面，光线只是克服了现场黑
暗的工况，起到拍摄补光的作用，整个台车箅板的亮度都提高了，没有光线在箅条缝隙与箅
条本身的显著特征不同，因此，不会补充图像特征，另一方面，由于台车在行进时带来的扬
尘是在台车箅板图像采集器一侧，因此，在台车箅板图像采集器同侧的光源照射到台车箅
板上，无法克服扬尘的恶劣工况。且通过图像质量增强单元对初始箅板图像进行图像质量
增强，目标检测算法分析的是经过图像质量增强后的箅板质量增强图像，消除了光照、相机
震动产生的模糊，大量粉尘对图像采集质量的影响，从而提高了在恶劣工况如扬尘下的检
测精度。

[0027] 上述说明仅是本实用新型技术方案的概述，为了能够更清楚了解本实用新型的技术手段，而可依照说明书的内容予以实施，并且为了让本实用新型的上述和其它目的、特征
和优点能够更明显易懂，以下特举本实用新型的具体实施方式。

[0034] 在本实用新型的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便
于描述本实用新型和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方
位、以特定的方位构造和操作，因此不能理解为对本实用新型的限制。

[0035] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括一个或者更多个该特征。在本实用新型的描述中，“多个”的含义是两个或两个
以上，除非另有明确具体的限定。

[0036] 在本实用新型中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可
以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是
两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语
在本实用新型中的具体含义。

[0037] 下文中将参考附图并结合实施例来详细说明本实用新型。需要说明的是，在不冲突的情况下，本实用新型中的实施例及实施例中的特征可以相互组合。

[0038] 下面结合图1至图3描述根据本实用新型一些实施例的箅条缺失检测系统。

[0039] 本实用新型实施例提供了一种箅条缺失检测系统，如图1所示，该箅条缺失检测系统包括：台车箅板图像采集模块、光源提供模块、箅条缺失检测模块、通信模块，其中，台车
箅板位于所述台车箅板图像采集模块的台车箅板图像采集器与所述光源提供模块的光源
装置之间；所述光源提供模块与所述台车箅板图像采集模块连接，用于照射箅板，以使光线
从全部台车箅板的箅条缝隙透过；所述台车箅板图像采集模块用于采集经过所述光源装置
照射后的初始箅板图像，通过所述通信模块，将所述初始箅板图像发送至所述箅条缺失检
测模块的图像质量增强单元；所述箅条缺失检测模块包括所述图像质量增强单元与检测单
元，所述图像质量增强单元与所述检测单元连接，用于对所述初始箅板图像进行图像质量
增强，得到箅板质量增强图像，所述检测单元用于对所述箅板质量增强图像进行预处理，利
用目标检测算法对预处理后的箅板质量增强图像进行箅条缺失预测，得到预测结果。

[0040] 在本申请的实施例中，台车是首尾相连在封闭的轨道上连续运行的，一个烧结机包括上百个台车，该系统可应用于台车空料后装料前的台车返程曲线上，台车箅板图像采
集模块包括台车箅板图像采集器，作为一种实施方式，台车箅板图像采集器可位于烧结机
机头部位置，光源提供模块包括光源装置，作为一种实施方式，光源设计采用灯带或多组
LED灯结构，保证辅组光长期稳定运行，为台车箅板提供足够的透光强度，为了解决扬尘工
况下图像采集困难且不清晰的问题，需要将台车箅板位于台车箅板图像采集器与光源装置
之间，这样，光源装置就可以照射台车箅板，光线从台车箅板的箅条缝隙穿过，进而可以通
过位于台车箅板另一侧的台车箅板图像采集器采集视频图像，这个视频图像可以实现实时
采集不会存在遗漏，且这个视频图像就是经过光源装置照射后的初始箅板图像，由于初始
箅板图像具有了透过箅条缝隙的光线，当箅条发生脱落时，透光面积将显著增大，光线特征
将明显发生显著的增大变化，光线特征参与了箅条是否缺失的识别，从而可以克服扬尘的
影响对箅条是否缺失进行检测。

[0041] 在本申请的实施例中，考虑到烧结机机头部位位置限制导致的台车箅板图像采集器没有足够视野问题，可根据实际情况装设多个台车箅板图像采集器，每个台车箅板图像
采集器采集到一部分的初始箅板图像，所有台车箅板图像采集器采集到所有的初始箅板图
像，将所有的初始箅板图像发送至箅条缺失检测模块的图像质量增强单元，进行图像质量
增强，得到箅板质量增强图像，最后由箅条缺失检测模块的检测单元将所有的箅板质量增
强图像拼接，如图3所示，以两台摄像机作为两台台车箅板图像采集器，灯带作为光源装置，
箅板位于两台摄像机与灯带之间。其中，将初始箅板图像发送至箅条缺失检测模块时，以通
过箅条缺失检测模块进行图像质量增强与箅条缺失预测，箅条缺失检测模块是基于计算机
系统实现的，例如，计算机系统的相关参数为：CPU：性能不低于i9 13900KF；GPU：性能不低
于RTX3090；内存：不少于16G；硬盘：不少于4T；以太网端口：不低于100M，自适应RJ45接口，
数量不少于2个操作系统：供电电压：220V AC。

[0042] 在具体的应用场景中，初始箅板图像可能会由于作业地点光照过暗或过亮导致过曝或欠曝光情况，需要增强初始箅板图像的边缘信息，消除初始箅板图像的颜色和光照差
异，因此，图像质量增强单元首先可用于根据多曝光融合网络与边缘增强网络对所述初始
箅板图像进行暗光质量增强，得到暗光箅板质量增强图像。具体的，图像质量增强单元可用
于生成所述初始箅板图像在不同预设曝光率下的曝光图像；利用多曝光融合网络与卷积层
对所述曝光图像进行特征融合，得到特征融合曝光图像；提取所述特征融合曝光图像的边
缘特征，将所述边缘特征、所有所述曝光图像以及所述特征融合曝光图像进行级联(其中，
级联指的是特征维度的直接拼接)后，输入到边缘增强网络进行边缘增强，得到暗光箅板质
量增强图像。其中，作为一种实施方式，多曝光融合网络与边缘增强网络均可以是基于U‑
Net结构网络构建的。

[0043] 恶劣的工况条件可能会导致图像模糊，由粉尘引起的图像噪声的情况，对后续检测结果造成严重干扰，因此，图像质量增强单元然后可用于获取图像去噪模型，将所述暗光
箅板质量增强图像输入所述图像去噪模型，得到箅板质量增强图像，其中，所述图像去噪模
型包括基于多头深度卷积转置注意力机制与门机制深度卷积前馈网络组成的transformer
去噪模块。具体的，所述图像去噪模型包括输入卷积层、所述transformer去噪模块与输出
卷积层，所述图像质量增强单元可用于将所述暗光箅板质量增强图像输入所述输入卷积层
提取预设粗粒度图像特征；利用所述transformer去噪模块对所述预设粗粒度图像特征进
行下采样，得到不同尺度的去噪特征，利用所述transformer去噪模块对不同尺度的所述去
噪特征进行上采样，得到去噪融合特征，将所述去噪融合特征输入所述输出卷积层，得到箅
板质量增强图像。通过图像质量增强单元由初始箅板图像到箅板质量增强图像的过程，消
除了光照，相机震动产生的模糊，以及大量粉尘对图像采集质量的影响，这样才使得台车箅
板缺失检测可以应用在恶劣工况下，且提高了台车箅板缺失检测的准确性。

[0044] 其中，如图4所示，transformer去噪模块中的多头深度卷积转置注意力机制的输出作为门机制深度卷积前馈网络的输入，多头深度卷积注意力机制(multi‑DConv head 
transposed attention，MDTA)使用普通卷积(图4中的conv，也叫传统卷积)和深度卷积(图
4中的DConv)分别计算出特征的查询向量，键值向量和值向量，并计算转置注意力，最后将
得到的注意力图通过普通卷积进行微调并与输入进行相加，得到最后的输出结果。该机制
有助于实现全局信息与局部信息的像素关联，可以实现高效的高分辨率图像处理。为了更
好的对特征中的有效信息进行选择去除冗余特征，门机制深度卷积前馈网络(gated‑DConv 
feed‑forward network，GDFN)首先对输入特征进行正则化，并分别使用两个卷积分支计算
特征权重和特征微调，最后对微调特征进行加权，使用传统卷积层调整特征维度，与输入特
征相加，得到输出特征。该网络可以执行可控特征变换，抑制低信息特征，实现特征提纯。

[0045] 图像去噪模型包括输入卷积层(图4中的第一个DConv)，输入卷积层连接第一层transformer去噪模块(图4中的transformer模块就是transformer去噪模块)，第一层
transformer去噪模块通过下采样到第二层transformer去噪模块，直到最后一层
transformer去噪模块，由最后一层transformer去噪模块通过上采样到倒数第二层
transformer去噪模块，直到第一层transformer去噪模块，用于上采样的第一层
transformer去噪模块与输出卷积层(图4中的最后一个DConv)连接，同层的用于下采样的
transformer去噪模块与用于上采样的transformer去噪模块跳连接。

[0046] 在具体的应用场景中，在得到箅板质量增强图像之后，将箅板质量增强图像发送到检测单元，所述检测单元具体可用于在所述箅板质量增强图像是非完整箅板时，基于
SURF的多视角图像拼接算法将所述箅板质量增强图像拼接成完整箅板质量增强图像；将所
述完整箅板质量增强图像调整至预设尺寸，得到预处理后的箅板质量增强图像，最后，目标
检测算法包括骨干网络、中间网络以及头部网络；所述检测单元具体可用于将所述预处理
后的箅板质量增强图像输入所述骨干网络提取目标图像特征；将所述目标图像特征输入所
述中间网络提取多尺度特征图；将所述多尺度特征图输入所述头部网络预测目标台车，其
中，所述骨干网络包括focus结构、CSP模块、SPP模块，所述中间网络包括特征金字塔和路径
聚合结构。

[0047] 其中，基于SURF的多视角图像拼接算法包含四个步骤：首先计算箅板质量增强图像的SURF特征点，由于SURF特征点的高性能和低计算复杂度，可以实现实时对SURF特征点
的提取；然后根据各个台车箅板图像采集器的相对位置，对箅板质量增强图像特征点进行
两两配对(具体可使用RANSAC离群点优化算法对特征点进行两两配对)；进一步计算两两箅
板质量增强图像间的仿射变换矩阵；最后根据仿射变换矩阵对所有箅板质量增强图像进行
变换，即以一张箅板质量增强图像位置作为参考图像，将所有箅板质量增强图像变换到参
考坐标系，完成拼接，得到完整箅板质量增强图像。

[0048] 其中，如图5所示，目标检测算法包括骨干网络、中间网络以及头部网络，图5中的输入图像指的是完整箅板质量增强图像，目标检测算法输出的是这个完整箅板质量增强图
像中包括的箅条以及箅条所在的矩形框，由于箅条在箅板中的相对位置是确定的，因此，当
箅条缺失时，可通过目标检测算法检测出。

[0049] 具体的，如图5所示，完整箅板质量增强图像先经过focus结构进行切片操作与卷积操作，例如将608*608*4大小的图像变成304*304*16的特征图，再经过一层包含32个卷积
核的卷积操作，最终将特征变成304*304*32，以对图像在不损失信息的前提下进行下采样
并扩充了特征通道空间。

[0050] 具体的，每个CSP模块(无论是CSP1模块，还是CSP2模块)包含两个分支，在得到两个分支上的特征信息后，对其进行级联(级联指的是将两个分支上的特征信息进行维度的
直接拼接)后，用BN层进行融合，然后经过激活函数。

[0051] 具体的，SPP模块的作用在于融合不同感受野的信息，模块使用三个不同的最大池化层(图5中的MaxPool)与identity层分别对图像信息进行聚合，并将得到的信息进行级联
操作，再送入卷积层中对信息进行微调。

[0052] 具体的，特征金字塔也叫多尺度特征金字塔，是一种用于检测任务的特征融合方法，多尺度特征金字塔能够有效的将来自不同层级的特征进行融合，提高目标检测的性能，
多尺度特征金字塔的结构包括三部分：下采样模块、上采样模块以及跳连接，下采样模块用
于将输入图片通过卷积操作进行下采样，得到不同尺度的特征图，这些特征图具有不同的
感受野，能够捕捉到不同尺度的目标信息。上采样模块通过上采样操作将低分辨率的特征
图恢复到原始尺寸，并与高分辨率的特征图进行融合，这样可以在保留高分辨率信息的同
时，引入低分辨率特征图中的语义信息，跳连接指的是将底层特征图与上层特征图进行连
接，使得网络能够同时利用不同层级的特征来进行目标检测，通过跳连接，网络可以更好的
处理不同尺度的目标，并提高检测的准确性，综上，多尺度特征金字塔能够有效地融合不同
尺度的特征信息，提高目标检测的性能和鲁棒性。由于计算机视觉中，将图像分割成更小
的、多个片段，这样的话，目标的表示和进一步的分析就变得简单，图像分割过程主要分为
两个部分，语义分割与实例分割(包括以像素级识别、分类和定位图像中出现的各种实例
(对象)，并要求保留图像中出现的最精细的特征。它是目标检测过程中最复杂的任务之
一)，以目标检测算法是YOLO为例，在中间网络中使用了路径聚合结构，路径聚合结构主要
通过准确的保留空间信息来增强实例分割过程。

[0053] 其中，头部网络可使用IOU、CIOU、DIOU、GIOU中的任意一个作为损失函数，在此不做限定，通过训练数据训练初始目标检测算法，直到损失函数收敛，得到训练好的目标检测
算法，这个目标检测算法就可以用来根据多尺度特征图进行预测目标台车，具体的，包括箅
条所在的预测矩形框，如果这个预测矩形框与预设矩形框不同(预设矩形框是未缺失下，箅
条相对箅板的矩形框)，那么确定这个台车箅板的箅条缺失，得到的预测结果可以是缺失箅
条的目标台车标号。

[0054] 在本申请的实施例中，台车箅板图像采集器可以由工业相机、工业相机的保护装置如高温防护、耐灰尘、防水、防潮等保护装置、固定支架、偏光镜用于避免任何直射光线的
负面影响、相机补光光源及相关通信、电源接口等组成。例如，工业相机的参数为主要性能
参数如下：带自动或手动调节增益、曝光时间等，手动调节LUT、Gamma校正等，自定义ROI，支
持水平镜像和垂直镜像，千兆以太网接口，确保与系统安全互连，最大分辨率：不低于1280
×1024，最大帧率：不低于60fps，传感器类型：CMOS、全局快门，曝光时间：9μs‑10sec，动态
范围：不低于40dB，快门：支持自动曝光、手动曝光、一键曝光模式。

[0055] 在本申请的实施例中，通信模块可包括台车箅板图像采集模块发出侧的现场网络箱与箅条缺失检测模块接收侧的控制室网络箱，现场网络箱实现对台车箅板图像采集模块
的供电管理，并采用以太网协议经通讯光缆连接至箅条缺失检测模块接收侧的控制室网络
箱。例如，网络箱尺寸及箱内布置满足图像采集功能所需，并有足够的接线空间。挂式，前开
门，下进线(进线密封)。箱内布置交换机与光纤终端盒(不少于4口，含尾纤)，箱内光纤在光
纤终端盒内熔接，尾纤另一端直接插到交换机上。网络箱设置接地铜排。箱内配线一律采用
阻燃型电缆。控制室网络箱内布置交换机、断路器、稳压电源等、控制室网络箱电源分配器、
光纤终端盒等。光纤终端盒为8口，含尾纤(单模)及SC耦合器(满配)，光纤终端盒与交换机
中间使用SC‑SC口光纤跳线转接。例如，控制室网络箱相关规格和性能如下：类型：工业级；
自愈时间：≤50ms；供电电压：24V DC；功耗：≤100w；电口：速率不低于100M，RJ45接口，留有
2个备用；光口：100M单模双纤，1个SC接口，最远传输距离≥10km；安装方式：导轨安装；工作
温度：0℃‑50℃；储存温度：‑40℃‑70℃；工作湿度：10％‑95％无凝露。交换机规格和性能如
下：自愈时间：≤50ms；供电电压：24V DC；电口：速率不低于100M，自适应，≥8个RJ45接口；
光口：速率不低于100M，SC接口≥4个，最远传输距离≥10km。

[0056] 在本申请的实施例中，如图2所示，系统还包括：人工审核模块；所述检测单元与所述缺失审核模块连接，用于在所述预测结果是箅条缺失时，将箅条缺失的预测台车发送至
所述人工审核模块；所述人工审核模块用于人工审核所述预测台车是否存在箅条缺失。为
了保证箅条缺失检测的准确性，在经过目标检测算法预测得到存在箅条缺失时，作为一种
实施方式，可将缺失箅条的预测台车标号发送至所述人工审核模块，进行进一步的人工审
核预测台车标号对应的预测台车是否存在箅条缺失，从而保证箅条缺失检测的准确性。

[0057] 以上披露的所有文章和参考资料，包括专利申请和出版物，出于各种目的通过援引结合于此。描述组合的术语“基本由…构成”应该包括所确定的元件、成分、部件或步骤以
及实质上没有影响该组合的基本新颖特征的其他元件、成分、部件或步骤。使用术语“包含”
或“包括”来描述这里的元件、成分、部件或步骤的组合也想到了基本由这些元件、成分、部
件或步骤构成的实施方式。这里通过使用术语“可以”，旨在说明“可以”包括的所描述的任
何属性都是可选的。

[0058] 多个元件、成分、部件或步骤能够由单个集成元件、成分、部件或步骤来提供。另选地，单个集成元件、成分、部件或步骤可以被分成分离的多个元件、成分、部件或步骤。用来
描述元件、成分、部件或步骤的公开“一”或“一个”并不说为了排除其他的元件、成分、部件
或步骤。

[0059] 应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见
的。因此，本教导的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些
权利要求所拥有的等价物的全部范围来确定。出于全面之目的，所有文章和参考包括专利
申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任
何方面并不是为了放弃该主体内容，也不应该认为申请人没有将该主题考虑为所公开的实
用新型主题的一部分。显然，本领域的技术人员可以对本实用新型进行各种改动和变型而
不脱离本实用新型的精神和范围。这样，倘若本实用新型的这些修改和变型属于本实用新
型权利要求及其等同技术的范围之内，则本实用新型也意图包含这些改动和变型在内。