一种耕地非农化的自动检测方法及系统与流程

1.本发明涉及遥感应用技术领域，尤其涉及一种耕地非农化的自动检测方法及系统。


背景技术：

2.耕地是重要的自然资源，是一个地区农业生产的物质基础，合理利用和有效保护耕地资源是一个地区社会经济发展的重要条件。耕地非农化主要包括六种行为，一是严禁违规占用耕地绿化造林；二是严禁超标准建设绿色通道；三是严禁违规占用耕地挖湖造景；四是严禁占用永久基本农田扩大自然保护地；五是严禁违规占用耕地从事非农建设；六是严禁违法违规批地用地。而在这六种行为中，违规占用耕地从事非农建设现象居多。长久以来，耕地非农化检测主要靠人工目视判读和野外调查相结合的方式，另外，利用多时相遥感影像进行耕地变化检测的研究也较多。目前的检测方式时效性低，难以满足新时期耕地保护对大范围、高频次、快速耕地动态变化监测的需求。因此，对于耕地变化的检测提出了更进一步的要求。
3.但在实现本技术实施例发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中存在人工目视判读方式生产效率低，不适用于大面积检测，且利用多时相遥感影像进行耕地变化检测的运算速度慢、检测精度低，无法满足实时需求的技术问题。


技术实现要素：

5.针对现有技术中的缺陷，本技术实施例的目的是，通过提供一种耕地非农化的自动检测方法及系统，解决了现有技术中存在人工目视判读方式生产效率低，不适用于大面积检测，且利用多时相遥感影像进行耕地变化检测的运算速度慢、检测精度低，无法满足实时需求的技术问题。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
6.一方面，本技术实施例提供一种耕地非农化的自动检测方法，所述方法包括：获得第一待检测区的历史耕地矢量图；获得所述第一待检测区的实时遥感影像数据；构建多级影像分割模型；将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。
7.另一方面，本技术还提供了一种耕地非农化的自动检测系统，所述系统包括：第一获得单元：所述第一获得单元用于获得第一待检测区的历史耕地矢量图；第二获得单元：所
述第二获得单元用于获得所述第一待检测区的实时遥感影像数据；第一构建单元：所述第一构建单元用于构建多级影像分割模型；第一输入单元：所述第一输入单元用于将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；第二构建单元：所述第二构建单元用于构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；第三获得单元：所述第三获得单元用于将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；第一生成单元：所述第一生成单元用于通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。
8.第三方面，本技术实施例提供了一种耕地非农化的自动检测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
9.本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
10.由于采用了获得第一待检测区域的历史耕地矢量图和实时遥感影像数据，进一步的，将获得的所述历史耕地矢量图与所述实时遥感影像数据输入多级影像分割模型中进行影像分割，获得模型输出的耕地小像斑，再基于多个建设用地判定规则构建的用地筛选模型对所述耕地小像斑进行检测和对应类别的划分，从而生成多类建设用地像斑，再进一步的对所述多类建设用地像斑进行合并，获得最终输出的第一占用检测结果的方式。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.通过阅读参照以下附图对非限制性实施例所做的详细描述，本发明的其它特征、目的和优点将会变得更明显：
13.图1为本技术实施例一种耕地非农化的自动检测方法的流程示意图；
14.图2为本技术实施例一种耕地非农化的自动检测方法的一级影像分割流程示意图；
15.图3为本技术实施例一种耕地非农化的自动检测方法的二级影像分割流程示意图；
16.图4为本技术实施例一种耕地非农化的自动检测方法的构建用地筛选模型的流程示意图；
17.图5为本技术实施例一种耕地非农化的自动检测系统的结构示意图；
18.图6为本技术实施例示例性电子设备的结构示意图。
具体实施方式
19.本技术实施例通过提供一种耕地非农化的自动检测方法及系统，解决了现有技术
中存在人工目视判读方式生产效率低，不适用于大面积检测，且利用多时相遥感影像进行耕地变化检测的运算速度慢、检测精度低，无法满足实时需求的技术问题。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
20.下面，将参考附图详细的描述根据本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
21.申请概述
22.耕地非农化主要包括六种行为，一是严禁违规占用耕地绿化造林；二是严禁超标准建设绿色通道；三是严禁违规占用耕地挖湖造景；四是严禁占用永久基本农田扩大自然保护地；五是严禁违规占用耕地从事非农建设；六是严禁违法违规批地用地。而在这六种行为中，违规占用耕地从事非农建设现象居多。长久以来，耕地非农化检测主要靠人工目视判读和野外调查相结合的方式，另外，利用多时相遥感影像进行耕地变化检测的研究也较多。目前的检测方式时效性低，难以满足新时期耕地保护对大范围、高频次、快速耕地动态变化监测的需求。因此，对于耕地变化的检测提出了更进一步的要求。
23.针对上述技术问题，本技术提供的技术方案总体思路如下：
24.本技术实施例提供一种耕地非农化的自动检测方法，所述方法包括：获得第一待检测区的历史耕地矢量图；获得所述第一待检测区的实时遥感影像数据；构建多级影像分割模型；将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。
25.为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
26.实施例一
27.如图1所示，本技术实施例提供了一种耕地非农化的自动检测方法，所述方法包括：
28.步骤s100：获得第一待检测区的历史耕地矢量图；
29.步骤s200：获得所述第一待检测区的实时遥感影像数据；
30.具体而言，所述第一待检测区为需要进行耕地变化检测的区域，所述历史耕地矢量图为所述第一待检测区的历史耕地矢量图，矢量文件中的图形元素称为图斑。所述历史耕地矢量图可以基于大数据对历史展开的土地调查进行信息采集，从而获得所述历史耕地矢量图。
31.进一步的，通过接收遥感影像数据并实现数据预处理过程，再将所述实时遥感影像数据作为模型的输入信息，举例来说，所述历史耕地矢量图是前一时期的耕地现状，所述实时遥感影像数据是新时期的数据，比如历史耕地矢量图是2019年通过土地变更调查或者第三次国土调查获取的耕地矢量数据，新时期遥感影像数据可以是2020年的遥感影像数
据，也可以是2021年的或者更近年份的遥感影像数据，新时期遥感影像数据必须与历史耕地矢量图有时间间隔。所述历史耕地矢量图和所述实时遥感影像数据通过数据获取模块实现，便于系统和流程化的数据管理。
32.步骤s300：构建多级影像分割模型；
33.步骤s400：将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；
34.具体而言，所述多级影像分割模型为提前构建的影像分割模型流程，是一个用于影像处理的数学模型，存储于影像分割模块中。进一步的，所述多级影像分割模型包括第一级影像分割和第二级影像分割，详细来说，在影像分割模块将历史耕地矢量图和实时遥感影像数据送入预设的多级影像分割模型，第一级影像分割为结合矢量数据的影像分割，以历史耕地矢量图斑边界信息为先验知识，对新时期影像数据按照矢量图斑边界进行影像分割，得到与矢量图斑边界一致的像斑，作为影像对象层；第二级影像分割为在影像对象层上，对耕地像斑进行第二级影像分割。从而通过第一级影像分割和第二级影像分割实现所述多级影像分割模型的作业，进而获得所述多级影像分割模型输出的影像分割后的耕地小像斑，进而实现了多级影像分割模型的逻辑化分割输出，从而提高检测精度。
35.步骤s500：构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；
36.步骤s600：将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；
37.具体而言，所述用地筛选模型通过构建多个建设用地判定规则获得，所述用地筛选模型用于检测出耕地小像斑中的建设用地像斑。详细来说，将耕地小像斑送入用地筛选模型，利用所述用地筛选模型检测出耕地小像斑中的多类建设用地。且每一类建设用地具有第一颜色标识，举例来说，优选的所述多个建设用地判定规则包括4个判定规则，即预设的用地筛选模型包含：预设的蓝色建设用地判定规则、预设的红色建设用地判定规则、预设的白色建设用地判定规则及预设的灰色建设用地判定规则，从而将所述多级影像分割模型输出的所述耕地小像斑输入后，遍历获得对应的蓝色建设用地像斑、红色建设用地像斑、白色建设用地像斑、灰色建设用地像斑，进而获得筛选检测后的多类建设用地像斑，达到了准确输出占用耕地的多类建设用地，实现高效准确检测的技术效果。
38.步骤s700：通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。
39.具体而言，对所述多类建设用地像斑进行多类合并，从而输出建设用地类别的占用检测结果，通过多类合并的方式能够对于实际耕地占用的检测结果进行系统化的输出。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
40.进一步的，如图2所示，本技术实施例步骤s400还包括：
41.步骤s410：所述多级影像分割模型包括第一级影像分割模型和第二级影像分割模型；
42.步骤s420：根据所述历史耕地矢量图，获得矢量图斑边界信息；
43.步骤s430：所述第一级影像分割模型根据所述矢量图斑边界信息对所述实时遥感
影像数据进行一级影像分割，获得第一级影像分割结果。
44.具体而言，所述矢量图斑边界信息为所述历史耕地矢量图的边界信息，从而能够根据所述历史图斑边界信息实现所述第一级影像分割模型的一级分割，详细来说，以所述历史耕地矢量图的边界信息作为先验知识，对所述实时遥感影像数据按照矢量图斑边界进行影像分割，得到与矢量图斑边界一致的影像像斑，作为影像对象层。
45.进一步的，如图3所示，本技术实施例步骤还包括：
46.步骤s440：基于属性表，获得所述历史耕地矢量图的图斑属性类别信息；
47.步骤s450：根据所述图斑属性类别信息对所述第一级影像分割结果进行像斑分类，获得第一分类结果和第二分类结果，其中，所述第一分类结果为耕地像斑，所述第二分类结果为非耕地像斑；
48.步骤s460：将所述第一分类结果作为所述第二级影像分割模型的输入信息进行二级影像分割，获得所述第一输出信息输出的耕地小像斑。
49.具体而言，根据历史耕地矢量的图斑属性表字段信息，获得历史耕地矢量图斑的属性类别信息，并将所述历史耕地矢量图斑的属性类别信息作为先验知识，对第一级影像分割结果进行分类，生成耕地像斑，将影像对象层上的剩余未分类像斑分类为非耕地像斑。在影像对象层上，对耕地像斑进行第二级影像分割，采用多分辨率分割方法对所有的耕地像斑进行再分割，多分辨率分割采用异质性最小的区域合并算法，在设定的分割参数下进行影像分割，得到耕地小像斑；多分辨率分割公式为：
50.f＝w1×hcolor
w2×hsmoothness
w3×hcompactness
；
51.其中，f为影像对象的异质性；w1、w2、w3分别为颜色、平滑度和紧致度的权重，w1 w2 w3＝1。
52.进一步的，如图4所示，本技术实施例步骤s500还包括：
53.步骤s510：获得第一用地判定特征、第二用地判定特征和第三用地判定特征，其中，所述第一用地判定特征为色调特征，所述第二用地判定特征为亮度特征，所述第三用地判定特征为饱和度特征；
54.步骤s520：通过对所述第一用地判定特征、所述第二用地判定特征和所述第三用地判定特征进行参数配置，获得所述多个建设用地判定规则；
55.步骤s530：根据所述多个建设用地判定规则，构建所述用地筛选模型。
56.具体而言，将耕地小像斑送入用地筛选模型，利用所述用地筛选模型检测出耕地小像斑中的多类建设用地。预设的用地筛选模型包含：预设的蓝色建设用地判定规则、预设的红色建设用地判定规则、预设的白色建设用地判定规则及预设的灰色建设用地判定规则，通过确定判定规则数量和规则的参数配置，获得所述多个建设用地判定规则，进而构建准确的筛选模型，举例来说，当hue为色调特征，intensity为亮度特征，saturation为饱和度特征时，所述预设的蓝色建设用地判定规则，公式为：
57.f
(蓝色建设用地)
＝{0.55《hue《0.65 and intensity》0.5and saturation》{0.25，0.35}}；
58.所述预设的红色建设用地判定规则，公式为：
59.f
(红色建设用地)
＝{0.7《hue and intensity》{0.4,0.6}and saturation》{0.16,0.3}}
60.所述预设的白色建设用地判定规则，公式为：
61.f
(白色建设用地)
＝{intensity》0.7and saturation《0.1}
62.所述预设的灰色建设用地判定规则，公式为：
63.f
(灰色建设用地)
＝{0.6《hue《0.65and0.59《intensity《0.85and 0.2《saturation《0.3}
64.进一步的，通过遍历每个耕地小像斑，符合所述预设的用地筛选模型中所述蓝色建设用地判定规则的耕地小像斑就被分类为蓝色建设用地像斑；符合所述预设的用地筛选模型中所述红色建设用地判定规则的耕地小像斑就被分类为红色建设用地像斑；符合所述预设的用地筛选模型中所述白色建设用地判定规则的耕地小像斑就被分类为白色建设用地像斑；符合所述预设的用地筛选模型中所述灰色建设用地判定规则的耕地小像斑就被分类为灰色建设用地像斑。从而具备了高度的使用性和适应性。
65.进一步的，所述通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果，本技术实施例步骤s700还包括：
66.步骤s710：通过对所述多类建设用地像斑进行多类合并，获得第一合并结果；
67.步骤s720：获得第一预设上图面积；
68.步骤s730：从所述第一合并结果中剔除小于所述第一预设上图面积的建设用地像斑，生成所述第一占用检测结果。
69.具体而言，所述第一合并结果为多类建设用地像斑合并的结果，所述第一预设上图面积为最小上图面积的临界值，通过对所述第一合并结果的像斑进行面积计算，然后剔除面积小于预设的最小上图面积的建设用地小像斑，最后输出自动检测出的建设用地结果。最终实现了耕地非农化自动检测，可以大范围、高频次、快速、准确地检测到占用耕地从事非农建设的区域，适应于工程化应用，具有可推广性。
70.与现有技术相比，本发明具有如下的有益效果：
71.1、由于采用了获得第一待检测区域的历史耕地矢量图和实时遥感影像数据，进一步的，将获得的所述历史耕地矢量图与所述实时遥感影像数据输入多级影像分割模型中进行影像分割，获得模型输出的耕地小像斑，再基于多个建设用地判定规则构建的用地筛选模型对所述耕地小像斑进行检测和对应类别的划分，从而生成多类建设用地像斑，再进一步的对所述多类建设用地像斑进行合并，获得最终输出的第一占用检测结果的方式。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
72.2、由于采用了通过对用地筛选模型进行参数化配置，实现了耕地非农化自动检测，可以大范围、高频次、快速、准确地检测到占用耕地从事非农建设的区域，适应于工程化应用，具有可推广性。
73.实施例二
74.基于与前述实施例中一种耕地非农化的自动检测方法同样发明构思，本发明还提供了一种耕地非农化的自动检测系统，如图5所示，所述系统包括：
75.第一获得单元11：所述第一获得单元11用于获得第一待检测区的历史耕地矢量图；
76.第二获得单元12：所述第二获得单元12用于获得所述第一待检测区的实时遥感影像数据；
77.第一构建单元13：所述第一构建单元13用于构建多级影像分割模型；
78.第一输入单元14：所述第一输入单元14用于将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；
79.第二构建单元15：所述第二构建单元15用于构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；
80.第三获得单元16：所述第三获得单元16用于将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；
81.第一生成单元17：所述第一生成单元17用于通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。
82.进一步的，所述系统还包括：
83.第一包括单元：所述第一包括单元用于所述多级影像分割模型包括第一级影像分割模型和第二级影像分割模型；
84.第四获得单元：所述第四获得单元用于根据所述历史耕地矢量图，获得矢量图斑边界信息；
85.第一输出单元：所述第一输出单元用于所述第一级影像分割模型根据所述矢量图斑边界信息对所述实时遥感影像数据进行一级影像分割，获得第一级影像分割结果。
86.进一步的，所述系统还包括：
87.第五获得单元：所述第五获得单元用于基于属性表，获得所述历史耕地矢量图的图斑属性类别信息；
88.第一分类单元：所述第一分类单元用于根据所述图斑属性类别信息对所述第一级影像分割结果的影像像斑进行像斑分类，获得第一分类结果和第二分类结果，其中，所述第一分类结果为耕地像斑，所述第二分类结果为非耕地像斑；
89.第二输入单元：所述第二输入单元用于将所述第一分类结果作为所述第二级影像分割模型的输入信息进行二级影像分割，获得所述第一输出信息输出的耕地小像斑。
90.进一步的，所述系统还包括：
91.第六获得单元：所述第六获得单元用于获得第一用地判定特征、第二用地判定特征和第三用地判定特征，其中，所述第一用地判定特征为色调特征，所述第二用地判定特征为亮度特征，所述第三用地判定特征为饱和度特征；
92.第一配置单元：所述第一配置单元用于通过对所述第一用地判定特征、所述第二用地判定特征和所述第三用地判定特征进行参数配置，获得所述多个建设用地判定规则；
93.第三构建单元：所述第三构建单元用于根据所述多个建设用地判定规则，构建所述用地筛选模型。
94.进一步的，所述系统还包括：
95.第七获得单元：所述第七获得单元用于通过对所述多类建设用地像斑进行多类合并，获得第一合并结果；
96.第八获得单元：所述第八获得单元用于获得第一预设上图面积；
97.第一剔除单元：从所述第一合并结果中剔除小于所述第一预设上图面积的建设用地像斑，生成所述第一占用检测结果。
98.前述图1实施例一中的一种耕地非农化的自动检测方法的各种变化方式和具体实
例同样适用于本实施例的一种耕地非农化的自动检测系统，通过前述对一种耕地非农化的自动检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种耕地非农化的自动检测系统的实施方法，所以为了说明书的简洁，在此不再详述。
99.实施例三
100.下面参考图6来描述本技术实施例的电子设备。
101.图6图示了根据本技术实施例的电子设备的结构示意图。
102.基于与前述实例施中一种耕地非农化的自动检测方法的发明构思，本发明还提供一种耕地非农化的自动检测系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种耕地非农化的自动检测系统的任一方法的步骤。
103.其中，在图6中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
104.本技术实施例提供一种耕地非农化的自动检测方法，所述方法包括：获得第一待检测区的历史耕地矢量图；获得所述第一待检测区的实时遥感影像数据；构建多级影像分割模型；将所述历史耕地矢量图和所述实时遥感影像数据输入所述多级影像分割模型中，根据所述多级影像分割模型，获得第一输出信息，其中，所述第一输出信息为影像分割后的耕地小像斑；构建用地筛选模型，其中，所述用地筛选模型包括多个建设用地判定规则；将所述多级影像分割模型输出的所述耕地小像斑输入所述用地筛选模型中进行遍历检测，获得多类建设用地像斑；通过对所述多类建设用地像斑进行多类合并，生成第一占用检测结果。解决了现有技术中存在人工目视判读方式生产效率低，不适用于大面积检测，且利用多时相遥感影像进行耕地变化检测的运算速度慢、检测精度低，无法满足实时需求的技术问题。达到了通过构建影像分割模型和用地筛选模型，提高耕地变化检测的准确性和计算速度，适应于工程化应用，具有可推广性的技术效果。
105.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。
106.本发明是参照根据本发明实施例的方法、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系统。
107.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系统的制造品，该指令系统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。
108.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。
109.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例进行另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
110.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。