一种蔬果贮藏品质评价方法与流程

1.本发明涉及冷链物流的智能化贮藏技术领域，具体涉及一种蔬果贮藏品质评价方法。


背景技术：

2.随着经济发展与社会需求的提升，农产品品种新技术的不断引进种植，蔬果产量大幅提升，据国家统计局统计水果产量已达到2亿吨，但是由于贮藏技术的不完善，每年因为蔬果造成的损失超过1/4，经济损失高达数百亿元。
3.为了减少蔬果腐烂造成的损失，在蔬果采后贮藏的过程中，面对不同条件的贮藏环境，不同种类的蔬果时，需要以一种直观的方法表现这些不同类蔬果的贮藏情况，从而使不同种类蔬果，在保证一定的品质基础上可以得到最大限度的贮藏时间。
4.国外主要有对食品寿命研究有两种类型。第一种是通过收集各类产品市场中退货率等销售数据，经过统计分析确定食品保质期与环境的量化关系，确定一个与市场相关的数学函数关系式，得出食品货架期预测模型。第二种是基于动力学方程，通过研究冷食品供应链,收集现场测试中食品的温度和品质因素，创建了一个实时的动态保质期预测模型，实现了全天候温度检测系统确认食品质量，完成动态的货架期预测模型。
5.而在国内对食品贮藏时间(货架期)的研究方法有两种类型。第一种是将食物品质改变的过程视为一个黑匣子，不论食物品质改变过程中发生了什么特定的化学反应或潜在的原因，利用数据关联分析来研究食物所经历的环境过程与整体食物品质改变之间的关系。此类方法的优点可以直接构建数学模型，并且系统的误差较少，缺点是构建的模型的适用范围较为有限。第二种方法是选择有代表性的、关键的食品品质指标，基于化学或微生物学的相关原理研究其变化规律，进而研究食品品质的整体变化规律，实现剩余货架期预测。
6.基于以上两类研究方法，目前常用的食品货架期预测的五种方法分别是基于化学动力学的方法、基于微生物生长动力学的方法、bp神经网络方法、威布尔危险值分法和q10模型，其中基于化学动力学的方法最常被使用。


技术实现要素：

7.有鉴于此，本发明的目的在于提供一种蔬果贮藏品质评价方法，目的在于针对环境因子对蔬果贮藏评价指标的影响建立模型，挖掘出合适的贮藏条件，提高蔬果的贮藏时间以及贮藏品质。
8.为了实现上述目标，本发明的技术方案为：
9.一种蔬果贮藏品质评价方法，该方法分析新鲜蔬果在不同环境因子贮藏条件影响下评价指标的变化，通过零-均值法标准化不同评价指标在不同环境因子影响下的数据，采用层次分析法建立初步品质评价模型，使用模糊综合评价法与熵值法建立完整品质评价模型。
10.所述蔬果贮藏品质评价方法包括步骤：
11.s1：筛选并确定蔬果在贮藏时与品质相关的评价指标，确定对评价指标产生影响的环境因子；
12.s2：获取蔬果在不同环境因子贮藏条件下的评价指标、贮藏时间数据；
13.s3：建立因素集u，u＝(u1,u2,u3,
…
,ui，
…
，um)，u中的元素ui为蔬果贮藏品质评价时的第i个环境因子；
14.s4：建立评价集v，v＝(v1,v2,v3,
…
，vj,
…
，vn)，v中的元素vj为蔬果贮藏品质评价时对第j个评价指标做出的评价结果；
15.s5：进行单因素模糊评价，根据因素集u和评价集v获得模糊评价矩阵r
m*n
；
16.s6：确定不同环境因子在评价过程中的权重wi，建立因素集权重集合w，w＝(w1,w2,w3,
…
，wi,
…
，wm)；
17.s7：建立综合评价模型b，通过模糊变化将因素集u的权重集合w转化为评价集v的权重集合b，
18.s8：对蔬果贮藏品质进行打分。
19.进一步的，步骤s1中，蔬果贮藏多在冷库中，因此蔬果贮藏的环境因子为温度、湿度和空气成分，同时评价贮藏品质的指标为蔬果表皮颜色、硬度、失重率、淀粉含量和维生素含量，其中不同蔬果维生素含量的选择不同。
20.进一步的，步骤s4中建立评价集v时包括步骤：
21.对蔬果在不同环境因子贮藏条件下的评价指标、贮藏时间数据进行线性拟合，获得动力学参数，动力学参数包括品质因子、活化能；
22.绘制lnk-1/t曲线，根据arrhenius方程与q10值模型法获取不同评价指标在不同环境因子影响下的评价结果模型；
23.根据所述评价结果模型组合建立评价集v。
24.进一步的，通过arrhenius方程获得不同温度下不同评价指标的评价结果模型，不同温度下的评价结果模型为其中，sl为蔬果贮藏时间，a为当前品质因子，ea为当前蔬果对应活化能取值，不同蔬果的活化能取值不同，r为气体常数，c为品质变量、c0为常数，t为绝对温度。
25.基于温度变化的arrhenius方程被广泛应用于食品货架寿命预测，其作为描述化学反应的常用的一般动力学方程。它可以在高温下采集数据，然后用外推的方法求得在较低温度下的货架期。利用食品的品质函数制作lnk-1/t曲线图，根据直线的斜率和截距得出ea和a值。arrhenius方程表达式为对该公式恒等变形即可得到蔬果在不同温度下相应的不同的品质评价指标的贮藏时间公式，也为评价结果模型。该评价结果模型在温度变化范围不大的情况下具有较好的适用性。
26.进一步地，对蔬果在不同湿度、空气成分影响下的评价指标数据进行线性拟合，获得贮藏时间的变化速率；
27.通过所述变化速率得到使用q10值模型法获得不同评价指标在不同湿度、空气成分区间内的评价结果模型。
28.进一步地，所述不同湿度区间内的评价结果模型为其中t1为已知的贮藏湿度，t2为所求的贮藏湿度，t1》t2，sl1、sl2分别为t1、t2湿度下的储藏时间；
29.所述不同空气成分区间内的评价结果模型为其中c1为已知的空气成分，c2为所求的空气成分，c1》c2，cl1、cl2分别为c1、c2空气成分下的储藏时间。
30.进一步地，通过层次分析法建立蔬果贮藏品质评价初步模型，采用零-均值法对不同评价指标在不同环境因子下蔬果贮藏时间的数据进行标准化，标准化方式为其中，x为当前数据的值，为原始数据的均值，σ为原始数据的标准差。
31.采用层次分析法建立初步品质评价模型时，将蔬果表面颜色、硬度、失重率与外观相关联，将淀粉和维生素含量与营养相关联。总的评价分数为决策目标，受一级中间层要素外观和营养影响；外观受蔬果表面颜色、硬度和失重率三个二级中间层要素影响，而营养受淀粉和维生素含量这两个中间层要素影响；最后，三个备选方案中的温度影响蔬果表面颜色、失重率、淀粉含量和维生素含量，湿度影响硬度和失重率，空气成分影响失重率和vc含量。
32.零-均值标准化是数据处理的一种常用方法，也是常用于统计学计算的spss软件默认的标准化处理方法。通过其经过处理的数据的均值为0，标准差为1。
33.进一步地，步骤s6中，通过模糊综合评价法、熵值法获得不同环境因子、不同评价指标的影响权重系数，将所述权重系数组合形成模糊集合w。
34.权重系数包括：温度、湿度和空气成分对失重率影响的权重；温度和空气成分对维生素含量影响的权重；蔬果表皮颜色、硬度和失重率对蔬果外观影响的权重；淀粉含量和维生素含量对蔬果营养影响的权重；外观与营养对蔬果总分数影响的权重。
35.进一步地，将因素集u中的元素从属于评价集v中的关系组合成模糊评价矩阵r
m*n
。
36.进一步地，步骤s8中，通过所述评价集v的权重系数集合b对蔬果贮藏品质进行评价打分。
37.本发明的有益之处在于：
38.蔬果在仓储保鲜库的贮藏与温度、湿度和空气成分等环境因子息息相关，挖掘出合适的贮藏环境条件，能较大地提升贮藏苹果的品质。本发明中的评价方法可以有效地指导不同蔬果产品调配适合的贮藏环境，提高其贮藏时间，减少经济损失。其次，通过仓储保鲜库的传感器提取的数据，利用可视化展示能够有效地快速地展示仓储保鲜库某类农产品的贮藏质量，为高端品质的农产品提供支撑。
39.随着社会需求与经济发展的提升，本发明中的贮藏品质评价方法可指导新技术新品种的不断引进种植，适应蔬果产量大幅提升，多样性更为丰富。在共同努力下一定可以进一步提高模型准确率，减少农民的损失，增加农产品附加值。
附图说明
40.图1为本发明中的“富士”苹果品质评价初步模型示意图。
41.图2为本发明的温度对不同相关因子的贮藏时间的影响示意图。
42.图3为本发明的不同湿度对苹果的失重率影响示意图。
43.图4为本发明的不同湿度对苹果的硬度影响示意图。
44.图5为本发明的湿度对不同因子的贮藏时间的影响示意图。
45.图6为本发明的空气成分对不同因子的贮藏时间的影响示意图。
46.图7为本发明的“富士”苹果总评价模型示意图。
47.图8为本发明的“富士”苹果总评价模型权重示意图。
48.图9为本发明的温度对评价模型分数的影响示意图。
49.图10为本发明的湿度对评价模型分数的影响示意图。
50.图11为本发明的空气成分对评价模型分数的影响示意图。
具体实施方式
51.下面结合附图，对本发明作详细的说明。
52.所举实施例是为了更好地对本发明进行说明，但并不是本发明的内容仅局限于所举实施例。所以熟悉本领域的技术人员根据上述发明内容对实施方案进行非本质的改进和调整，仍属于本发明的保护范围。
53.实施例1
54.本实施例为针对“富士”苹果在冷库中贮藏的品质评价方法。
55.苹果为世界四大水果之一，拥有5000多年栽培历史，它具有较强的生态适应性和较高的营养价值，在世界水果市场上占有重要地位。而且中国是世界上最大的苹果消费国和生产国，种植面积和人均占有量均居世界首位，同时我国人均消费量为30公斤并呈现稳步增长地趋势。如果不能充分认识各种条件下苹果贮藏寿命的差异，则可能发生果肉褐变的风险。
56.苹果的营养成分非常丰富，是人体各种营养物质的主要来源之一。但是由于大部分苹果采后会失去了的养分供给，如果不进行恰当的处理，那么将会导致变质，失去营养价值。同时由于不同苹果存在着地区性和季节性，为使得能更为广泛地流通，行销各地，需要在某种程度保持其质量，再进行加工和贮藏。
57.例如，“富士”苹果占苹果总种植面积的50％以上，年产量占全国苹果总产量的70％左右，并且“富士”苹果常用的贮藏方式为气调贮藏，因此采取“富士”苹果作为评价体系的首个评价对象。“富士”苹果在气调贮藏中易受co2伤害，发生果肉褐变，长期贮藏中最适o2/co2比例尤其重要，因此，本实施例中选取空气成分中不同比例o2/co2，在温度为0-10℃湿度为75％-95％的环境中建立相关数学模型。
58.苹果的外观和营养的指数的综合表现体现了苹果的品质价值，苹果品质指数越高，市场竞争力也会越高，销量就越好。目前研究可知，苹果的营养品质如淀粉，可溶性固形物和总酸含量对消费的选择有直接的影响，而苹果的外观指标如颜色，硬度等对消费者的购买具有影响。“富士”苹果的品质评价初始模型参见图1。
59.该评价方法包括以下几个步骤：
60.(1)对“富士”苹果的果皮的颜色、硬度和失重率、淀粉含量和vc含量等五个影响因素与温度、湿度和空气成分这三个环境因子结合，使模型的分数与环境因子相关，构建一个
具有客观因素、主观因素和环境因子等因素有机结合的“富士”苹果贮藏品质评价分数模型。苹果的营养品质如淀粉，可溶性固形物和总酸含量对消费的选择有直接的影响，而苹果的外观指标如颜色，硬度等等也对消费者的相当的影响。
61.选择果皮的颜色、硬度和失重率、淀粉含量和vc含量这5个对苹果的品质影响较大的指标作为评价模型的相关品质因子。
62.(2)通过使用其连续三年采集的“富士”苹果在不同温度下的品质指数变化的数据和各个指标随贮藏时间变化趋势的线性拟合的曲线得出的各指标的温度变化的动力学参数(活化能ea和当前品质因子a)，再利用arrhenius模型得出了不同品质因素在不同温度“富士”下苹果贮藏时间的预测模型。
63.对“富士”苹果品质在不同湿度的品质变化研究，通过使用“富士”苹果在75％湿度和85％湿度下的品质变化的拟合曲线，通过q10值模型法拟合在75％—85％与85％—95％湿度下的预测曲线后得出了不同品质因素在不同湿度下“富士”下苹果货架期的预测模型。
64.对“富士”苹果在不同o2/co2浓度的空气成分下的品质变化研究，通过使用“富士”苹果在o2/co2在0.5，2，和4这几个比例下品质变化的数据，拟合曲线，在使用q10值模型法拟合出在o2/co2在0.5—2和2—4比例的空气成分的预测曲线后在得出了不同品质因素在不同空气成分下“富士”苹果货架期的预测模型。
65.温度与贮藏时间的关系：
66.对“富士”苹果的各品质指标随贮藏温度变化趋势线性变化的拟合得出的动力学参数，详见表1。
67.表1动力学参数
68.品质因素一元线性回归方程判定系数r2品质因子a0活化能ea失重率y＝-10508x 34.8030.9799e
13.166
47.25总色差y＝-6594x 20.6330.9870e
20.633
54.83淀粉y＝-7687.4x 23.50.9917e
23.5
63.97vcy＝-7566.8x 24.4980.9944e
24.498
62.97
69.表1中，各项品质因素的lnk-1/k图(即表中的一元线性回归方程)均有较好的线性拟合关系，判定系数均为极其显著，因此可以使用arrhenius公式。通过表中已知的品质因子a0和活化能ea，将这些数据带入arrhenius方程恒等变形后得到的品质评价模型，得到受温度影响不同品质因素的贮藏时间预测模型：其中sl
w1
为受温度影响的与失重率相关的贮藏时间，t为此时的贮藏温度，wr为开始时的失重率；其中sle为受温度影响的与总色差相关的贮藏时间，t为此时的贮藏温度，ed为开始时的总色差；其中sls为受温度影响的与淀粉含量相关的贮藏时间，t为此时的贮藏温度，sh为开始时的淀粉含量；
其中，sl
vc1
为受温度影响的与维生素c相关的贮藏时间，t为此时的贮藏温度，vc为开始时的维生素c含量。
70.上述受温度影响不同品质因素的贮藏时间预测模型的初始值取起始获取到的数据中初始值，然后得出上述模型在温度为0-10℃(即273k-283k)区间的数据，完成温度对不同因子的贮藏时间的影响的数据图，参见图2。
71.湿度与贮藏时间的关系：
72.对“富士”苹果的各指标随贮藏湿度变化趋势线性变化的拟合得出的数据曲线，曲线图参见图3、图4。
73.由图3可知，若要使苹果的失重率达10％时，湿度为75％时需要大约58天，湿度为85％时需要大约120天，湿度为95％时大概需要200天。然后，计算出这三条曲线的变化速率(即k值)分别为kw1＝0.1379，kw2＝0.0667，kw3＝0.0402，使用q10值模型法中，可以计算出75％-85％湿度和85％-95％的q10值分别为2.1和1.66，即可得到受湿度影响的与失重率相关的贮藏时间预测模型：
74.式中sl
w2
为受湿度影响的与硬度相关的贮藏时间，rh为此时的贮藏湿度；
75.由图4可知，若要使苹果的硬度达1200g时，湿度为75％时需要大约60天，湿度为85％时需要大约126天，湿度为95％时大概需要152天。然后计算出这两条曲线的变化速率(即k值)分别kw1＝21.7698，kw2＝10.317和kw3＝8.5716，使用q10值模型法，可以计算出75％-85％湿度和85％-95％的q10值分别为2.11和1.21，然后可以得到受湿度影响的与硬度相关的贮藏时间预测模型
76.式中slf为受湿度影响的与硬度相关的贮藏时间，rh为此时的贮藏湿度。
77.得出上列公式在湿度为75％-95％的区间的数据，完成湿度对不同因子的贮藏时间的影响的数据图，参见图5。
78.空气成分与贮藏时间的关系：
79.对“富士”苹果的各指标随贮藏空气变化趋势线性变化的数据参见表2，其中treati代表o2/co2的比例为0.5，treatii代表o2/co2的比例为2，treatiii代表o2/co2的比例为4。
80.表2“富士”苹果的各指标随贮藏空气变化趋势线性变化的数据
[0081][0082]
由表2可知，若要使苹果的失重率到达1.2％时，通过拟合曲线可以得知，o2/co2的比例为0.5时需要大约244.8天，o2/co2的比例为2时需要大约158.62天，o2/co2的比例为4时大概需要143.06天，计算出这三条曲线的变化速率(即k值)分别kw1＝6.37e-3，kw2＝5.32e-3，kw3＝6.09e-3，由q10模型法可以计算出o2/co2的比例为0.5-2与2-4的q10值分别为0.648和0.901，然后得到受空气成分影响的与失重率相关的贮藏时间预测模型
[0083]
式中,cl
w3
为受空气成分影响的与失重率相关的贮藏时间，nr为o2/co2的比例。
[0084]
由表2可知，若要使苹果的vc含量到达0.2％时，通过拟合曲线可以得知，o2/co2的比例为0.5时需要大约134.97天，o2/co2的比例为2时需要大约139.92天，o2/co2的比例为4时大概需要134.63天，计算出这三条曲线的变化速率(即k值)分别kw1＝2.36e-3，kw2＝1.66e-3和kw3＝2.05e-3，由q10模型法可以计算出o2/co2的比例为0.5-2和2-4的q10值分别为1.037和0.9661，然后可以得到受空气成分影响的与失重率相关的贮藏时间预测模型
[0085][0086]
式中cl
vc2
为受空气成分影响的与维生素c相关的贮藏时间，nr为o2/co2的比例。
[0087]
得出以上贮藏时间预测模型在空气成分(即o2/co2的比例)为0.5-4的区间的数据，完成空气成分对不同因子的贮藏时间的影响的数据图，参见图6。
[0088]
(3)建立层次分析法(the analytic hierarchy process，ahp)结构模型解决问题时，是对实际问题详细分析后，把问题条理化、层次化后把各个元素从最上层到最下层按照其属性及关系分解成若干层次。上一层次的元素对下一层次相关的元素其支配作用。这些层次可以分为三大类：
[0089]
目标层：即最高层，通常这一层次只有一个元素，一般其是问题的决策目标；
[0090]
中间层：即准则层，通常这一层次是实现目标层的中间层次，可以由多个层次组成，包括了所有的准则和子准则；
[0091]
方案层：即最底层，通常这一层次包含了所有为实现决策问题的各种方案和措施等。
[0092]
层次结构反映了各个元素之间的关系，但在不同的决策者中，不同元素所占的比例不尽相同。在确定影响某因素的所有因子各占的权重时，通常采取两个元素相互比较的方法。为准确的进行比较，使用相对尺度，尺度表详见表3。
[0093]
表3相对尺度表
[0094]
标度含义1表示两个因素相比，具有同样重要性3表示两个因素相比，一个因素比另一个因素稍微重要5表示两个因素相比，一个因素比另一个因素明显重要7表示两个因素相比，一个因素比另一个因素强烈重要9表示两个因素相比，一个因素比另一个因素极端重要2，4，6，8上述两相邻判断的中值倒数因数i于j比较判断a
ij
，则因数j与i的比较判断为a
ij
＝1/a
ji
[0095]
基于层次分析法，构造“富士”苹果总评价模型，参见图7。
[0096]
由图7可知，总的评价分数为决策目标，受一级中间层要素外观和营养影响；外观受总色差、硬度和失重率三个二级中间层要素影响，而营养受淀粉和vc含量这两个中间层要素影响；最后，三个备选方案中的温度影响总色差、失重率、淀粉含量和vc含量，湿度影响硬度和失重率，空气成分影响失重率和vc含量。
[0097]
(4)若要建立起与温度、湿度和空气成分三个环境因子有关的权重模型，需要构建一级指标对上级指标的判断矩阵，将不同指标对上级指标的重要程度通过模糊综合评价法与熵值法等综合评价方法量化分析，完成判断矩阵的构建。其中，不同因子对苹果贮藏天数影响的数据采取z-score(零-均值)进行标准化。
[0098]
z-score(零-均值)标准化是数据处理的一种常用方法，也是常用于统计学计算的标准化处理方法。通过其经过处理的数据的均值为0，标准差为1。标准化方式为其中,x为当前数据的值，为原始数据的均值，σ为原始数据的标准差。
[0099]
(5)通过模糊综合评价法和熵值法获得权重系数：
[0100]
a：构造温度、湿度和空气成分对苹果失重率影响的权重
[0101]
将温度影响的失重率天数wt1，湿度影响的失重率天数wt2和空气成分影响的失重率天数wt3导入，通过模糊综合评价法计算出温度、湿度和空气成分对苹果的失重率影响，结果见表4。
[0102]
表4温度、湿度和空气成分对苹果的失重率影响
[0103] 失重率天数wt1失重率天数wt2失重率天数wt3失重率天数权w10.4170.1650.418归一化0.4170.1650.418
[0104]
b：温度和空气成分对苹果的维生素c含量影响的权重
[0105]
将温度影响的维生素c含量天数vct1空气成分影响的维生素c含量天数vct2导入，通过模糊评价法计算温度和空气成分对苹果的维生素c含量的影响，结果见表5：
[0106]
表5温度和空气成分对苹果的维生素c含量的影响
[0107] 温度影响维生素天数vct1空气成分影响维生素天数vct2维生素天数权重w20.5880.412归一化0.5880.412
[0108]
c：总色差、硬度与失重率对苹果外观影响的权重
[0109]
将总色差影响的贮藏天数et，硬度影响的贮藏天数ft和失重率影响的贮藏天数mt(温度、湿度和空气成分影响的天数使用a的权重)导入，通过熵值法计算出总色差、硬度与失重率对苹果的外观的影响，结果见表6：
[0110]
表6总色差、硬度与失重率对苹果的外观的影响
[0111] 信息熵值e信息效用值d权重系数w3总色差天数et0.99300.00700.2114硬度天数ft0.99490.00510.1525失重率天数mt0.97890.02110.6361
[0112]
d：淀粉含量与维生素c含量对苹果的营养的影响的权重
[0113]
将淀粉含量影响的贮藏天数st，维生素c影响的贮藏天数vct(温度和空气成分影响的天数使用b的权重带入)导入，通过熵值法计算出淀粉含量与维生素c对苹果营养的影响，结果见表7：
[0114]
表7淀粉含量与维生素c对苹果营养的影响
[0115] 信息熵值e信息效用值d权重系数w4淀粉含量天数st0.99880.00120.6838维生素天数vct0.99950.00050.3162
[0116]
e：外观与营养对苹果总分数影响的权重
[0117]
不同人对苹果外观与营养重要性认可存在差异，为了使评价模型能够具备普遍性，在此，认为苹果的外观与营养一样重要，即权重一致，结果见表8：
[0118]
表8外观与营养对苹果总分数的影响
[0119] 权重系数w5苹果外观0.5苹果营养0.5
[0120]
至此所有判断矩阵构造完成，将所有的权重系数填入判断矩阵后，一致性检验通过。
[0121]
(6)苹果评价模型的权重计算由上述的判断矩阵得到各个因子对上级因子的权重，参见图8。
[0122]
从图8中可以获得“富士”苹果品质评价最终模型：
[0123][0124]
式中x1为受温度影响的与失重率相关的贮藏时间，x2为受温度度影响的与总色差相关的贮藏时间，x3为受温度影响的与淀粉含量相关的贮藏时间，x4为受温度影响的与维生素c相关的贮藏时间；y1受湿度影响的与硬度相关的贮藏时间，y2y2受湿度影响的与失重率相关的贮藏时间；z1受空气成分影响影响的与失重率相关的贮藏时间，z2受空气成分影响的与维生素c相关的贮藏时间。
[0125]
s＝s1 s2 s3，其中s1为受温度影响的贮藏总分数，s2为受湿度影响的贮藏总分数，s3为受空气成分影响的贮藏分数，s为评价模型的总分数。
[0126]
由“富士”苹果品质评价最终模型和评价模型总分数计算方式可知，“富士”苹果评价模型的分数受温度影响最大，其次是空气成分，而湿度对模型影响的影响最小；同时模型的分数随着温度上升而减少，随着湿度的上升而增加，随着空气成分的比例上升而减少，变化趋势参见图9，图10和图11。
[0127]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。