用于洗碗机的控制方法、烹饪图像处理方法及处理器与流程

1.本发明涉及电器领域，具体地涉及一种用于洗碗机的控制方法、烹饪图像处理方法及处理器。


背景技术：

2.随着家电设备的智能化，智能化洗碗机给人们的生活带来了极大的便捷。目前，洗碗机在清洗过程中，通常需要用户事先判断餐具的油污程度，由用户根据油污程度选择洗碗机相应的清洗模式。
3.目前技术中，通过用户判断油污程度并选择清洗模式，增加了用户操作的步骤，导致确定清洗模式的效率较低。


技术实现要素：

4.本发明实施例的目的是提供一种用于洗碗机的控制方法、烹饪图像处理方法、处理器以及存储介质，以解决现有技术存在洗碗机的清洗效率不高的问题。
5.为了实现上述目的，本发明第一方面提供一种用于洗碗机的控制方法，洗碗机与油烟机通信，油烟机包括图像采集设备，控制方法包括：
6.获取食物的识别信息，其中，食物的识别信息是从图像采集设备采集到的烹饪区域的图像中得到的；
7.基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机的推荐清洗模式。
8.在本发明实施例中，食物的识别信息包括食物种类和/或油量情况。
9.在本发明实施例中，食物种类包括肉类、蔬菜类、水果类以及汤类中的至少一者。
10.在本发明实施例中，推荐清洗模式包括超强洗模式、标准洗模式以及轻柔洗模式中的至少一者。
11.本发明第二方面提供一种烹饪图像处理方法，包括：
12.获取油烟机的图像采集设备采集到的烹饪区域的图像；
13.判断图像中是否包含食物；
14.在确定图像中包含食物的情况下，确定食物的识别信息，与油烟机通信的洗碗机用于根据食物的识别信息确定清洗模式。
15.在本发明实施例中，食物的识别信息包括食物种类和/或油量情况。
16.在本发明实施例中，判断图像中是否包含食物，包括：将当前帧的图像与预先存储的第一帧图像进行差分处理，得到差分处理后的区域图像；对区域图像进行边缘检测，以识别图像中是否包含食物。
17.在本发明实施例中，在确定图像中包含食物的情况下，区域图像为食物图像；确定食物的识别信息包括：通过预先训练的神经网络模型对食物图像进行识别，以得到食物对应的食物种类；和/或对食物图像的灰度值进行直方图统计，以得到食物图像的平均灰度
值；将平均灰度值与预设灰度阈值进行比较；根据比较结果确定食物的油量情况。
18.在本发明实施例中，根据比较结果确定食物的油量情况，包括：在平均灰度值大于预设灰度阈值的情况下，确定食物的油量情况为重油；在平均灰度值小于或者等于预设灰度阈值的情况下，确定食物的油量情况为轻油。
19.在本发明实施例中，烹饪图像处理方法应用于以下中的至少一者：油烟机；洗碗机；分别与油烟机和洗碗机通信的服务器。
20.本发明第三方面提供一种处理器，被配置成执行根据上述任意一项的用于洗碗机的控制方法或根据上述任意一项的烹饪图像处理方法。
21.本发明第五方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器执行根据上述任意一项的用于洗碗机的控制方法或根据上述任意一项的烹饪图像处理方法。
22.上述技术方案，洗碗机与油烟机通信来获取食物的识别信息，油烟机包括图像采集设备，食物的识别信息可以从图像采集设备采集到的烹饪区域的图像中得到，从而基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机的推荐清洗模式。上述控制过程不需要用户判断餐具的油污程度并手动设置或者固定执行默认的清洗模式，洗碗机可以通过食物的识别信息确定相应的推荐清洗模式，省去了用户操作的步骤，节约了用户的时间，提高了洗碗机确定清洗模式的效率。
23.本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
24.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
25.图1示意性示出了本发明一实施例中用于洗碗机的控制方法的应用场景图；
26.图2示意性示出了本发明一实施例中用于洗碗机的控制方法的流程示意图；
27.图3示意性示出了本发明一实施例中烹饪图像处理方法的流程示意图；
28.图4示意性示出了本发明一实施例中烹饪图像处理方法的应用场景图。
具体实施方式
29.以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
30.本技术提供的用于洗碗机的控制方法，可以应用于如图1所示的应用环境中。洗碗机102通过网络与油烟机104进行通信。洗碗机可以获取油烟机发送的食物的识别信息，从而基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机的推荐清洗模式。
31.图2示意性示出了本发明一实施例中用于洗碗机的控制方法的流程示意图。如图2所示，在本发明实施例中，提供了一种用于洗碗机的控制方法，洗碗机与油烟机通信，油烟机包括图像采集设备，以该方法应用于洗碗机的处理器为例进行说明，该方法可以包括以下步骤：
32.步骤s202，获取食物的识别信息。食物的识别信息是从图像采集设备采集到的烹饪区域的图像中得到的。
33.可以理解，油烟机包括图像采集设备(例如，图像传感器)，可以用来采集图像，通常油烟机可以根据采集到的图像控制油烟机的档位，在本实施例中，油烟机的图像采集设备采集到的图像可以用于洗碗机的控制。食物的识别信息为用户在烹饪过程中进行烹饪的食材信息。烹饪区域为包括厨具或者灶具等烹饪器具的进行烹饪的区域。在用户烹饪的过程中，油烟机上的图像采集设备可以对烹饪区域进行拍摄，从而采集到烹饪区域的图像，以从烹饪区域的图像中得到对应的食物的识别信息。
34.洗碗机可以配置有通信模块，可以通过通信模块与油烟机进行数据交互。具体地，在一些实施例中，该通信模块可以为无线通信模块，通过将该无线通信模块接入到事先配置好的无线局域网的信号内，从而与接入到该无线局域网内的油烟机进行数据交互。
35.在另一些实施例中，洗碗机配置的通信模块可以为有线通信模块，该有线通信模块可以通过网线与油烟机的通信模块连接以进行数据交互。
36.具体地，在烹饪过程中，洗碗机的通信模块可以与油烟机的通信模块进行通信，以传递烹饪过程中的食物的识别信息，洗碗机的处理器可以获取洗碗机的通信模块接收到的油烟机的通信模块定时或者立即发送的食物的识别信息，其中该食物的识别信息可以由油烟机的处理器对图像采集设备采集到的烹饪区域的图像进行图像识别得到。
37.在一个实施例中，食物的识别信息包括食物种类和/或油量情况。
38.可以理解，食物种类为处于烹饪过程中的食物的所属类别，例如肉类或者蔬菜类。油量情况为处于烹饪过程中的食物的油腻程度，即处于烹饪过程中的食物的含油量，在一些实施例中，油量情况可以包括但不限于重油、中油、轻油以及少油中的至少一者。
39.在一些实施例中，食物的识别信息包括食物种类。
40.在一些实施例中，食物的识别信息包括油量情况。
41.在一些实施例中，食物的识别信息包括食物种类和油量情况。
42.在一个实施例中，食物种类可以包括肉类、蔬菜类、水果类以及汤类中的至少一者。
43.步骤s204，基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机的推荐清洗模式。
44.可以理解，推荐清洗模式为根据食物的识别信息得到的不同脏污程度分别对应的洗碗机的洗涤功能模式，例如强洗模式或者标准洗模式。
45.在一个实施例中，推荐清洗模式可以包括超强洗模式、标准洗模式以及轻柔洗模式中的至少一者。超强洗模式可以用来清洗脏污程度较大的餐具，标准洗模式可以用来清洗脏污程度中等的餐具，轻柔洗模式可以用来清洗脏污程度较小的餐具，具体的脏污程度大小的判断可以基于预先设置的脏污程度区间或者阈值确定。
46.在一些实施例中，洗碗机的推荐清洗模式的设置，可以通过预先设置的多个脏污程度阈值来确定不同的区间，每个区间对应一个等级，不同等级对应不同的推荐清洗模式，例如1级对应的是脏污程度最小的级别，5级对应的是脏污程度最大的级别。
47.具体地，洗碗机的处理器可以基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机对应的推荐清洗模式。预存储的识别信息与清洗模式的对应
关系例如当食物的识别信息为食物种类为肉类或/和油量情况为重油时，洗碗机对应的清洗模式可以为超强洗模式；当食物的识别信息为蔬菜类和/或轻油、汤类和/或重油时，洗碗机对应的清洗模式可以为标准洗模式；当食物的识别信息为汤类和/或轻油时，洗碗机对应的清洗模式可以为轻柔洗模式。
48.进一步地，用户在需要对餐具进行清洗时，可以通过洗碗机的控制面板向洗碗机发送启动清洗指令。处理器在接收到用户触发的启动清洗指令之后，可以获取事先就根据食物的识别信息确定了的推荐清洗模式，也可以在接收到用户触发的启动清洗指令时获取食物的识别信息，从而基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定推荐清洗模式，以控制洗碗机执行该推荐清洗模式，完成油污餐具的清洗工作。在一些实施例中，洗碗机还可以在预先设置的时间间隔(例如，烹饪后1个小时)之后控制洗碗机执行该推荐清洗模式。
49.上述用于洗碗机的控制方法，洗碗机与油烟机通信来获取食物的识别信息，油烟机包括图像采集设备，食物的识别信息可以从图像采集设备采集到的烹饪区域的图像中得到，从而基于预存储的识别信息与清洗模式的对应关系，根据食物的识别信息确定洗碗机的推荐清洗模式。上述控制过程不需要用户判断餐具的油污程度并手动设置或者固定执行默认的清洗模式，洗碗机可以通过食物的识别信息确定相应的推荐清洗模式，省去了用户操作的步骤，节约了用户的时间，提高了洗碗机确定清洗模式的效率。
50.图3示意性示出了本发明一实施例中烹饪图像处理方法的流程示意图。如图3所示，在本发明实施例中，提供了一种烹饪图像处理方法，以该方法应用于油烟机的处理器为例进行说明，该方法可以包括以下步骤：
51.步骤s302，获取油烟机的图像采集设备采集到的烹饪区域的图像。
52.具体地，油烟机的图像采集设备(例如，图像传感器)可以在烹饪过程中实时或者间隔预设时间采集烹饪区域的图像，对应地，处理器可以实时或者间隔预设时间获取图像采集设备(例如，图像传感器)采集到的烹饪区域的图像，例如，图像采集设备在油烟机开机时采集第一帧烹饪区域的图像，后续每5秒采集一帧烹饪区域的图像。烹饪区域为包括厨具或者灶具等烹饪器具的进行烹饪的区域。
53.步骤s304，判断图像中是否包含食物。
54.具体地，处理器可以基于预先训练的模型或者算法，根据烹饪区域的图像判断图像中是否包含食物。
55.在一个实施例中，判断图像中是否包含食物，包括：将当前帧的图像与预先存储的第一帧图像进行差分处理，得到差分处理后的区域图像；对区域图像进行边缘检测，以识别图像中是否包含食物。
56.可以理解，区域图像为当前帧图像与第一帧图像进行差分处理后的图像块，例如，第一帧图像为不包含苹果的烹饪区域图像，当前帧图像为包含苹果的烹饪区域图像，则苹果的所在的部分图像块为区域图像。
57.具体地，处理器可以在油烟机开机时获取图像采集设备采集到的第一帧烹饪区域的图像，第一帧烹饪区域的图像不包含任何食物，并存储该图像信息，在后续每获取到一帧图像时，将当前帧的图像与预先存储的第一帧图像进行差分处理，也就是将当前帧图像与第一帧图像作相减处理，得到差分处理后的一个图像块，也就是差分处理后的区域图像，处
理器继续对该区域图像进行边缘检测，从而可以识别该区域图像是否为食物的图像，即判断当前帧的图像中是否包含食物。
58.步骤s306，在确定图像中包含食物的情况下，确定食物的识别信息，其中食物的识别信息用于供与油烟机通信的洗碗机确定推荐清洗模式。
59.可以理解，食物的识别信息为用户在烹饪过程中进行烹饪的食材信息，例如食物种类。推荐清洗模式为根据食物的识别信息得到的不同脏污程度分别对应的洗碗机的洗涤功能模式，例如强洗模式或者标准洗模式。
60.具体地，处理器在确定图像中包含食物的情况下，可以基于相关的模型或者算法确定食物的识别信息，从而与油烟机进行通信的洗碗机可以根据该食物的识别信息确定相应的清洗模式。
61.上述烹饪图像处理方法，通过获取油烟机的图像采集设备采集到的烹饪区域的图像，并判断图像中是否包含食物，在确定图像中包含食物的情况下，确定食物的识别信息，食物的识别信息用于供与油烟机通信的洗碗机确定推荐清洗模式。上述烹饪图像处理的过程通过油烟机上的图像采集设备对烹饪区域进行图像采集，对烹饪区域的图像进图像识别处理以判断是否包含食物，在确定图像包含食物的时候，进一步确定食物的识别信息，洗碗机与油烟机通信，提高了洗碗机确定清洗模式的效率，不需要用户判断油污程度并选择洗碗机的清洗模式，洗碗机可以根据烹饪图像处理后得到的食物的识别信息确定相应的推荐清洗模式，极大提高了家用电器的智能化程度，提高了用户体验度。
62.在一个实施例中，食物的识别信息包括食物种类和/或油量情况。
63.可以理解，食物种类为处于烹饪过程中的食物的所属类别，例如肉类或者蔬菜类。油量情况为处于烹饪过程中的食物的油腻程度，即处于烹饪过程中的食物的含油量。在一些实施例中，油量情况可以包括但不限于重油、中油、轻油以及少油中的至少一者。
64.在一些实施例中，食物的识别信息包括食物种类。
65.在一些实施例中，食物的识别信息包括油量情况。
66.在一些实施例中，食物的识别信息包括食物种类和油量情况。
67.在一个实施例中，推荐清洗模式可以包括超强洗模式、标准洗模式以及轻柔洗模式中的至少一者。超强洗模式可以用来清洗脏污程度较大的餐具，标准洗模式可以用来清洗脏污程度中等的餐具，轻柔洗模式可以用来清洗脏污程度较小的餐具，具体的脏污程度大小的判断可以基于预先设置的脏污程度区间或者阈值确定。
68.在一些实施例中，洗碗机的推荐清洗模式的设置，可以通过预先设置的多个脏污程度阈值来确定不同的区间，每个区间对应一个等级，不同等级对应不同的清洗模式，例如1级对应的是脏污程度最小的级别，5级对应的是脏污程度最大的级别。
69.在一个实施例中，在确定图像中包含食物的情况下，区域图像为食物图像；在食物的识别信息包括食物种类的情况下，确定食物的识别信息包括：通过预先训练的神经网络模型对食物图像进行识别，以得到食物对应的食物种类。
70.可以理解，预先训练的神经网络模型可以用来识别食物图像中所包含食物的种类，进一步的，神经网络模型可以包括深度卷积神经网络算法，也就是说可以使用深度卷积神经网络算法对食物图像进行识别，得到食物种类。灰度值即单个像素点的亮度，范围是0
‑
255，灰度值越大表示越亮，0表示全黑，255表示全亮。平均灰度值即黑白图像的灰度值平均
值，表示的是图像的平均亮暗程度。预设灰度阈值为预先设置的用来判断图像亮暗程度的平均灰度值的阈值。
71.具体地，在确定当前帧的图像中包含食物的情况下，也就是在确定区域图像为食物图像的时候，处理器可以将该食物图像输入预先训练的神经网络模型，通过该神经网络模型对该食物图像进行图像识别，得到模型的输出值即该食物图像包含的食物所对应的食物种类。
72.在一个实施例中，在确定图像中包含食物的情况下，区域图像为食物图像；在食物的识别信息包括油量情况的情况下，确定食物的识别信息包括：对食物图像的灰度值进行直方图统计，以得到食物图像的平均灰度值；将平均灰度值与预设灰度阈值进行比较；根据比较结果确定食物的油量情况。
73.具体地，处理器可以获取食物图像的灰度值数据，对各灰度值数据进行直方图统计，以根据直方图统计的结果得到食物图像的平均灰度值，从而将该平均灰度值与预先存储的预设灰度阈值进行比较，得到比较结果，根据比较结果可以确定食物的油量情况。
74.在一个实施例中，在确定图像中包含食物的情况下，区域图像为食物图像；在食物的识别信息包括食物种类和油量情况的情况下，确定食物的识别信息包括：通过预先训练的神经网络模型对食物图像进行识别，以得到食物对应的食物种类；对食物图像的灰度值进行直方图统计，以得到食物图像的平均灰度值；将平均灰度值与预设灰度阈值进行比较；根据比较结果确定食物的油量情况。
75.具体地，在确定当前帧的图像中包含食物的情况下，也就是在确定区域图像为食物图像的时候，处理器可以将该食物图像输入预先训练的神经网络模型，通过该神经网络模型对该食物图像进行图像识别，得到模型的输出值即该食物图像包含的食物所对应的食物种类。在食物的识别信息除了包括食物种类之外，还包括油量情况的时候，处理器在确定了食物的食物种类之后，还可以获取食物图像的灰度值数据，对各灰度值数据进行直方图统计，以根据直方图统计的结果得到食物图像的平均灰度值，从而将该平均灰度值与预先存储的预设灰度阈值进行比较，得到比较结果，根据比较结果可以确定食物的油量情况。
76.在一个实施例中，根据比较结果确定食物的油量情况，包括：在平均灰度值大于预设灰度阈值的情况下，确定食物的油量情况为重油；在平均灰度值小于或者等于预设灰度阈值的情况下，确定食物的油量情况为轻油。
77.具体地，处理器在确定食物图像的平均灰度值大于预设灰度阈值的时候，将食物的油量情况判定为重油。处理器在确定食物图像的平均灰度值小于或者等于预设灰度阈值的时候，将食物的油量情况判定为轻油。
78.在一些实施例中，预设灰度阈值的数量可以设置为多个不同等级的数值，从而将平均灰度值与多个预设灰度阈值进行一一比较，从而确定食物的油量情况所对应的不同的等级，不同等级的油量情况例如可以包括重油、中油、少油或者轻油。
79.值得注意的是，上述烹饪图像处理方法可以应用于以下中的至少一者：油烟机；洗碗机；分别与油烟机和洗碗机通信的服务器。
80.具体可以通过图4所示的应用场景图进行说明，如图4所示，在一个实施例中，以烹饪图像处理方法应用于油烟机104为例进行说明，油烟机104的处理器可以直接获取其图像采集设备采集到的烹饪区域的图像，并判断图像中是否包含食物，在确定图像中包含食物
的情况下，确定食物的识别信息，可以将该食物的识别信息通过网络(例如，局域网)发送至互相通信的洗碗机102，洗碗机102在接收该食物的识别信息后，洗碗机102的处理器可以基于预存储的识别信息与清洗模式的对应关系，根据该食物的识别信息确定对应的推荐清洗模式，进而可以在洗碗机需要工作的时候控制该洗碗机102执行该推荐清洗模式。
81.继续参照图4，在一个实施例中，以烹饪图像处理方法应用于洗碗机102为例进行说明，洗碗机102可以通过网络(例如，局域网)与油烟机104通信，该洗碗机102的处理器可以获取油烟机104的图像采集设备采集到的烹饪区域的图像，并判断图像中是否包含食物，在确定图像中包含食物的情况下，确定食物的识别信息，并基于预存储的识别信息与清洗模式的对应关系，根据该食物的识别信息确定对应的推荐清洗模式，进而可以在洗碗机需要工作的时候控制该洗碗机102执行该推荐清洗模式。
82.继续参照图4，在一个实施例中，以烹饪图像处理方法应用于分别与油烟机104、洗碗机102通信的服务器(例如，云端服务器)为例进行说明，服务器(例如，云端服务器)可以与油烟机104通信以获取油烟机104的图像采集设备采集到的烹饪区域的图像，并判断图像中是否包含食物，在确定图像中包含食物的情况下，确定食物的识别信息，并将该食物的识别信息发送至与服务器(例如，云端服务器)进行通信的洗碗机102，洗碗机102的处理器基于预存储的识别信息与清洗模式的对应关系，根据接收到的食物的识别信息确定对应的清洗模式，进而可以在洗碗机需要工作的时候控制该洗碗机102执行该推荐清洗模式。在一些实施例中，分别与油烟机104、洗碗机102通信的服务器可以包括但不限于云端服务器和本地服务器。
83.本发明实施例提供一种处理器，被配置成执行根据上述任一实施例的用于洗碗机的控制方法。
84.本发明实施例提供一种处理器，被配置成执行根据上述任一实施例的烹饪图像处理方法。
85.本发明实施例提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器执行根据上述任一实施例的用于洗碗机的控制方法。
86.本发明实施例提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器执行根据上述任一实施例的烹饪图像处理方法。
87.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
88.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
89.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特
定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
90.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
91.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
92.存储器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(flash ram)。存储器是计算机可读介质的示例。
93.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、程序的模块或其他数据。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、只读光盘只读存储器(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。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
94.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
95.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。