本發(fā)明涉及微小零件檢測領(lǐng)域，特別是涉及一種微小零件的視覺精密測量系統(tǒng)及方法。

背景技術(shù)：

擒縱機構(gòu)是現(xiàn)代機械鐘表的核心，最初的擒縱機構(gòu)誕生于15世紀，之后逐漸進化到現(xiàn)在的各種樣子。更具體地，擒縱機構(gòu)是一種傳遞機械能量的開關(guān)裝置，這個開關(guān)裝置受計時基準的控制，以一定的頻率開關(guān)鐘表的主傳動鏈，從而使機械鐘表停動相間并以一定的平均速度轉(zhuǎn)動，從而指示準確的時間。擒縱機構(gòu)的功能可以從兩方面理解：擒，將主傳動的運動鎖定(擒住)，此時，鐘表的主傳動鏈是鎖定的；縱，就是以震蕩系統(tǒng)的一部分勢能，開啟(放開)主傳動鏈運動，同時從主傳動鏈中取回一定的能量以維持震蕩系統(tǒng)的工作。目前，仍有數(shù)百種擒縱機構(gòu)在現(xiàn)代鐘表上使用。

擒縱齒軸作為鐘表擒縱機構(gòu)中的重要零件，其精密測量十分關(guān)鍵。傳統(tǒng)的尺寸測量手段有卡尺、量規(guī)、萬能工具顯微鏡、輪廓儀、X射線等，這些檢測手段在工業(yè)生產(chǎn)中發(fā)揮著巨大的作用，但是隨著現(xiàn)代工業(yè)的發(fā)展和進步，特別是在一些高精產(chǎn)業(yè)，傳統(tǒng)的檢測手段已經(jīng)不能滿足生產(chǎn)的需要，卡尺、量規(guī)等檢測手段雖然簡便、快捷，但測量數(shù)據(jù)較少，精度不高。萬能工具顯微鏡、輪廓儀等檢測手段雖然有較高的精度，但要求在特定的設(shè)備、特定的環(huán)境下進行檢測，不但勞動強度大，效率低，而且檢測過程同生產(chǎn)過程是分離的，這與現(xiàn)代工業(yè)所要求的在線檢測、實時控制的要求不符。

近幾年，隨著計算機視覺技術(shù)的發(fā)展，人們在測量擒縱齒軸這類微小零件時，開始利用所采集的這類微小零件的圖像來進行參數(shù)測量，這是項新技術(shù)。這項新技術(shù)可以通過圖像來解決工業(yè)檢測環(huán)節(jié)中的許多問題，以取代落后的人工檢測方法，提高檢測效率和工業(yè)自動化水平。而且，利用計算機視覺技術(shù)進行檢測還不損壞待檢產(chǎn)品、檢測精度高、且更加智能。

盡管現(xiàn)有技術(shù)中已經(jīng)存在采用計算機視覺檢測技術(shù)的許多測量方法和系統(tǒng)，但是在測量時間、測量成本、測量精度等方面仍然需要不斷的進行改進。因此，需要提供更好的技術(shù)方案。

技術(shù)實現(xiàn)要素：

至少為了部分解決上述技術(shù)問題，本發(fā)明提出了以下技術(shù)方案。

根據(jù)本發(fā)明的第一種微小零件的視覺精密測量系統(tǒng)，包括：圖像獲取裝置，用于獲取待測微小零件的背光圖像作為輸入圖像并輸出該輸入圖像，其包括依次被設(shè)置在導(dǎo)軌上且位置可調(diào)的相機、遠心鏡頭、載物臺和平行光源，其中的平行光源用于照射載物臺上的待測微小零件，相機通過遠心鏡頭來獲取待測微小零件的背光圖像作為輸入圖像并輸出該輸入圖像；特征分析及參數(shù)測量裝置，其與圖像獲取裝置連接，用于接收輸入圖像、對輸入圖像進行特征分析及提取、獲取和輸出測量參數(shù)。

根據(jù)本發(fā)明的第二種測量系統(tǒng)，其中的特征分析及參數(shù)測量裝置包括：預(yù)處理模塊，用于對輸入圖像進行邊緣保持濾波并輸出預(yù)處理后的圖像；閾值獲取模塊，用于計算預(yù)處理后的圖像的灰度分布直方圖并基于灰度分布直方圖來獲取閾值并輸出該閾值；二值化模塊，用于根據(jù)閾值將預(yù)處理后的圖像轉(zhuǎn)化為二值圖像并輸出該二值圖像；邊緣檢測模塊，用于利用形態(tài)學(xué)運算對二值圖像進行邊緣檢測并輸出邊緣檢測結(jié)果；參數(shù)測量和計算模塊，用于根據(jù)邊緣檢測結(jié)果進行測量和計算來獲取和輸出測量參數(shù)。

根據(jù)本發(fā)明的第一種視覺精密測量方法，用于上文所述的第一種微小零件的測量系統(tǒng)，包括以下步驟：

步驟1：圖像獲取裝置獲取待測微小零件的背光圖像作為輸入圖像并輸出該輸入圖像；

步驟2：特征分析及參數(shù)測量裝置接收輸入圖像、對輸入圖像進行特征分析及提取、獲取和輸出測量參數(shù)。

根據(jù)本發(fā)明的第二種測量方法，用于上文所述的第二種測量系統(tǒng)，所述步驟2包括：

子步驟1：預(yù)處理模塊對輸入圖像進行邊緣保持濾波并輸出預(yù)處理后的圖像；

子步驟2：閾值獲取模塊計算預(yù)處理后的圖像的灰度分布直方圖并基于灰度分布直方圖來獲取閾值并輸出該閾值；

子步驟3：二值化模塊根據(jù)閾值將預(yù)處理后的圖像轉(zhuǎn)化為二值圖像并輸出該二值圖像；

子步驟4：邊緣檢測模塊利用形態(tài)學(xué)運算對二值圖像進行邊緣檢測并輸出邊緣檢測結(jié)果；

子步驟5：參數(shù)測量和計算模塊根據(jù)邊緣檢測結(jié)果進行測量和計算來獲取和輸出測量參數(shù)。

根據(jù)本發(fā)明的第二種測量方法，上述步驟2還包括：

子步驟4’：在子步驟4之后，對邊緣檢測結(jié)果進行信息擬合，并將信息擬合之后的邊緣檢測結(jié)果作為用于子步驟5的邊緣檢測結(jié)果。

根據(jù)本發(fā)明的第二種測量方法，還包括：

子步驟6：如果判斷測量參數(shù)不合理，則重復(fù)步驟1至子步驟5；否則，執(zhí)行子步驟7：完成擒縱齒軸的視覺測量。

根據(jù)本發(fā)明的第二種測量方法，還包括：

多次重復(fù)步驟1至子步驟4來進行邊緣檢測并輸出邊緣檢測結(jié)果。

本發(fā)明相對于現(xiàn)有技術(shù)的優(yōu)點在于：采用了非接觸式的計算機視覺測量技術(shù)，快速、精確地實現(xiàn)針對諸如擒縱齒軸等微小零件的參數(shù)測量。更具體地，其優(yōu)點在于：

1)降低了測量時間，提高了生產(chǎn)率。

2)降低了測量成本。采用傳統(tǒng)測量方法勞動強度大、工作效率低、人為誤差較大、測量精度低，利用計算機視覺和圖像處理技術(shù)，實現(xiàn)了微小零件參數(shù)的圖像測量，降低了測量成本。

3)提高了測量精度，保證了零件的順利裝配和使用過程中的穩(wěn)定度。

附圖說明

通過閱讀下文具體實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出具體實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1是作為示例微小零件的鐘表擒縱齒軸的示意圖。

圖2是根據(jù)本發(fā)明的微小零件的視覺精密測量系統(tǒng)中的圖像獲取裝置的示意圖。

圖3是根據(jù)本發(fā)明的微小零件的視覺精密測量系統(tǒng)中的特征分析及參數(shù)測量裝置的方框圖。

圖4是根據(jù)本發(fā)明的微小零件的視覺精密測量方法的示例流程圖。

圖5是根據(jù)本發(fā)明的視覺精密測量方法中用于鎖定所要測量的齒軸部分的四個細長矩形區(qū)域的示意圖。

具體實施方式

下面將參照附圖更詳細地描述本發(fā)明的示例性實施方式。雖然附圖中顯示了本發(fā)明的示例性實施方式，然而應(yīng)當理解，可以以各種形式實現(xiàn)本發(fā)明而不應(yīng)被這里闡述的實施方式所限制。相反，提供這些實施方式是為了能夠更透徹地理解本發(fā)明，并且能夠?qū)⒈景l(fā)明的范圍完整的傳達給本領(lǐng)域的技術(shù)人員。

圖1是作為示例微小零件的鐘表擒縱齒軸的示意圖。如圖1所示的機械鐘表中的擒縱齒軸僅僅是眾多微小零件的一種典型的代表，僅僅用于說明的目的，將在下文中結(jié)合擒縱齒軸對本發(fā)明所提出的測量系統(tǒng)和方法進行描述。然而，本發(fā)明所提出的測量系統(tǒng)和方法不限于鐘表擒縱齒軸。

根據(jù)本發(fā)明的第一種微小零件的視覺精密測量系統(tǒng)，包括相互連接的圖像獲取裝置(即，齒軸零件圖像獲取模塊)和特征分析及參數(shù)測量裝置(即，齒軸零件圖像特征分析提取模塊(即，特征分析模塊)及齒軸參數(shù)計算模塊)。下面將結(jié)合附圖分別對圖像獲取裝置和特征分析及參數(shù)測量裝置分別進行詳細描述。

圖2是根據(jù)本發(fā)明的微小零件的視覺精密測量系統(tǒng)中的圖像獲取裝置的示意圖。

圖2所示的圖像獲取裝置用于獲取待測微小零件的背光圖像作為輸入圖像并輸出，其包括依次被設(shè)置在導(dǎo)軌6上且位置可調(diào)的相機1、遠心鏡頭2、載物臺3和平行光源4，其中的平行光源4用于照射載物臺3上的待測微小零件，相機1通過遠心鏡頭2來獲取待測微小零件(在圖2中未示出)的背光圖像作為輸入圖像并輸出該輸入圖像。如圖2所示，相機1通過相機安裝板被設(shè)置在導(dǎo)軌6上。

更具體地，1)圖1中的圖像獲取裝置中的相機1采用沿水平方向安裝的方式；2)待測零件放置于微小零件載物臺3(0.3mm鋼化膜)上，采用鑷子進行待測齒軸零件的取放，并可進行微調(diào)；3)采用背面平行光源4照射，高亮顯示待測零件的邊緣輪廓；4)保證遠心鏡頭2、待測零件、以及平行光源4的中心在同一水平線上。

可選擇地，圖像獲取裝置還包括如圖2中所示的光源開關(guān)5，用于控制平行光源4的開關(guān)。

結(jié)合將在下文中詳細介紹的根據(jù)本發(fā)明的圖像獲取裝置，該圖像獲取裝置能夠快捷、有效地完成測量任務(wù)。上述測量平臺(即、圖像獲取裝置)具有如下優(yōu)點：

1)可調(diào)節(jié)導(dǎo)軌6和平行光源4等，使得測量平臺對不同規(guī)格的齒軸零件的視覺檢測有更好的適應(yīng)性，該測量平臺也可用于非齒軸類零件等他微小零件的檢測，具有很好的可擴展性。

2)采用了遠心鏡頭2、從背面照射待測零件的平行光源4，保證了測量精度，進一步結(jié)合圖像處理的手段，可以更為高效獲取測量結(jié)果。

圖3是根據(jù)本發(fā)明的第二種微小零件的視覺精密測量系統(tǒng)中的特征分析及參數(shù)測量裝置的方框圖。圖3中的特征分析及參數(shù)測量裝置用于接收輸入圖像、對輸入圖像進行特征分析及提取、獲取和輸出測量參數(shù)。

如圖3所示，該特征分析及參數(shù)測量裝置包括預(yù)處理模塊31、閾值獲取模塊32、二值化模塊33、邊緣檢測模塊34、參數(shù)測量和計算模塊35。

預(yù)處理模塊31，用于對輸入圖像進行邊緣保持濾波并輸出預(yù)處理后的圖像。

例如，在預(yù)處理模塊31中進行圖像的預(yù)處理使用平滑處理的方法，主要目的是減少噪聲。由于均值濾波的平滑功能會使圖像邊緣模糊，而中值濾波在去除脈沖噪聲的同時也會將圖像的線條細節(jié)除掉，因此，本發(fā)明的測量方法采用了邊緣保持濾波算法。邊緣保持濾波算法的基本過程如下：對灰度圖像(即，輸入圖像)的每一個像素點[i,j]取適當大小的一個鄰域(如3×3鄰域)，分別計算[i,j]的左上角鄰域、左下角鄰域、右上角鄰域和右下角鄰域的灰度分布均勻度V，然后取最小的灰度分布均勻度所對應(yīng)區(qū)域的均值作為該像素點的新的灰度值。

灰度均勻度計算公式為：

V＝∑(f²[i,j]-(∑f[i,j])²/N)

閾值獲取模塊32，用于計算預(yù)處理后的圖像的灰度分布直方圖并基于灰度分布直方圖來獲取閾值并輸出該閾值。

二值化模塊33，用于根據(jù)閾值將預(yù)處理后的圖像轉(zhuǎn)化為二值圖像并輸出該二值圖像。

考慮到圖像處理的方便，將灰度圖像轉(zhuǎn)化為二值圖像。可選擇地，具體算法如下：

式中T表示閾值，這種閾值分割方法的基本思想是找到一個門限閾值，使按這個閾值劃分目標和背景的錯誤分割概率為最小。

邊緣檢測模塊34，用于利用形態(tài)學(xué)運算對二值圖像進行邊緣檢測并輸出邊緣檢測結(jié)果(對應(yīng)于圖4中的“齒軸圖像邊緣信息獲取”)。

可選擇地，可采用的具體邊緣檢測算法如下：

1)對二值圖像進行膨脹運算，得到膨脹運算后的圖像并保存。

2)對二值圖像進行腐蝕運算，得到腐蝕運算后的圖像并保存。

3)計算膨脹運算與腐蝕運算所得圖像中對應(yīng)像素值的差值。如果差值為0，則把對應(yīng)該結(jié)果的像素的標記值記為0；否則記為255，即檢測到的圖像邊緣。

參數(shù)測量和計算模塊35(即，齒軸參數(shù)計算模塊)，用于根據(jù)邊緣檢測結(jié)果進行測量和計算來獲取和輸出測量參數(shù)。

圖4是根據(jù)本發(fā)明的微小零件的視覺精密測量方法的示例流程圖。盡管圖4包含了根據(jù)本發(fā)明的微小零件的視覺精密測量方法可以使用的示例性的操作步驟，但是根據(jù)本發(fā)明的微小零件的視覺精密測量方法無需包含圖4所示的所有步驟。

例如，根據(jù)本發(fā)明的第一種視覺精密測量方法，用于上文所述的第一種微小零件的測量系統(tǒng)，包括以下步驟：

步驟1：圖像獲取裝置獲取待測微小零件的背光圖像作為輸入圖像并輸出該輸入圖像(對應(yīng)于圖4中的步驟“齒軸零件圖像獲取”)。

步驟2：特征分析及參數(shù)測量裝置接收輸入圖像、對輸入圖像進行特征分析及提取(對應(yīng)于圖4中的步驟“圖像特征分析及提取”)、獲取和輸出測量參數(shù)(對應(yīng)于圖4中的步驟“齒軸尺寸計算及測量”)。

更具體地，例如，輸入圖像的獲取可以采用以下步驟：1)標定后的圖像獲取裝置的空間位姿不變，將齒軸零件放置于微小零件載物臺(0.3mm鋼化膜)上，打開背面平行光源4；2)將齒軸零件放置好后，保持齒軸零件位置不變，調(diào)節(jié)平行光源4，使齒軸零件的圖像輪廓清晰，便于采集；3)拍攝待測齒軸零件的圖像十組，并且選擇成像清晰、有較少外界干擾、且零件盡可能位于圖像中心的圖像來作為輸入圖像進行分析。

在本發(fā)明的測量方法中，由于輸入圖像中只有一個物體，圖像相對簡單，且物體與背景之間對比度較大，都具有較均勻的灰度分布，故可采用基于圖像灰度特性的方法(例如，使用邊緣檢測方法)來進行圖像分割以獲取參數(shù)測量值。也可以說，本發(fā)明采用邊緣提取算法的思路是利用灰度圖像分割的算法，將目標圖像分割成目標和背景兩部分。

因此，本發(fā)明采用的測量方法的基本步驟包括：首先利用輸入圖像的灰度分布直方圖得到該圖像灰度的閾值，再根據(jù)閾值將圖像二值化，形成銳化圖像，然后利用形態(tài)學(xué)運算檢測圖像的邊緣，最后獲得圖像邊緣的曲線，并且根據(jù)所檢測出的邊緣曲線獲取參數(shù)測量值。

可選擇地，根據(jù)本發(fā)明的第二種測量方法，用于上文所述的第二種微小零件的視覺精密測量系統(tǒng)，所述特征分析及參數(shù)測量裝置接收所述輸入圖像、對該輸入圖像進行特征分析及提取、獲取和輸出測量參數(shù)的步驟包括以下子步驟(其中的子步驟1至子步驟3對應(yīng)于圖4中的步驟“圖像特征分析及提取”)：

子步驟1：預(yù)處理模塊31對輸入圖像進行邊緣保持濾波并輸出預(yù)處理后的圖像。

例如，圖像的預(yù)處理使用平滑處理的方法，主要目的是減少噪聲。由于均值濾波的平滑功能會使圖像邊緣模糊，而中值濾波在去除脈沖噪聲的同時也會將圖像的線條細節(jié)除掉，因此，本發(fā)明的測量方法采用了邊緣保持濾波算法。邊緣保持濾波算法的基本過程如下：對灰度圖像(即，輸入圖像)的每一個像素點[i,j]取適當大小的一個鄰域(如3×3鄰域)，分別計算[i,j]的左上角鄰域、左下角鄰域、右上角鄰域和右下角鄰域的灰度分布均勻度V，然后取最小的灰度分布均勻度所對應(yīng)區(qū)域的均值作為該像素點的新的灰度值。

灰度均勻度計算公式為：

V＝∑(f²[i,j]-(∑f[i,j])²/N)

子步驟2：閾值獲取模塊32計算預(yù)處理后的圖像的灰度分布直方圖并基于灰度分布直方圖來獲取閾值并輸出該閾值。

子步驟3：二值化模塊33根據(jù)閾值將預(yù)處理后的圖像轉(zhuǎn)化為二值圖像并輸出該二值圖像。

考慮到圖像處理的方便，將灰度圖像轉(zhuǎn)化為二值圖像。可選擇地，具體算法如下：

式中T表示閾值，這種閾值分割方法的基本思想是找到一個門限閾值，使按這個閾值劃分目標和背景的錯誤分割概率為最小。

子步驟4：邊緣檢測模塊34利用形態(tài)學(xué)運算對二值圖像進行邊緣檢測并輸出邊緣檢測結(jié)果(對應(yīng)于圖4中的步驟“齒軸圖像邊緣信息獲取”)。

可選擇地，可以多次重復(fù)步驟1至子步驟4來進行邊緣檢測并輸出邊緣檢測結(jié)果(對應(yīng)于圖4中的左側(cè)循環(huán)支路)。

可選擇地，可采用的具體邊緣檢測算法如下：

1)對二值圖像進行膨脹運算，得到膨脹運算后的圖像并保存。

2)對二值圖像進行腐蝕運算，得到腐蝕運算后的圖像并保存。

3)計算膨脹運算與腐蝕運算所得圖像中對應(yīng)像素值的差值。如果差值為0，則把對應(yīng)像素的標記值記為0；否則，把對應(yīng)像素的標記值記為255，即檢測到的圖像邊緣。

子步驟5：參數(shù)測量和計算模塊35根據(jù)邊緣檢測結(jié)果進行測量和計算來獲取和輸出測量參數(shù)(對應(yīng)于圖4中的步驟“齒軸尺寸計算及測量”)。

可選擇地，本發(fā)明采用選擇區(qū)域運算的方法，把需要測量的齒軸鎖定在一個已知的矩形范圍內(nèi)并記錄下矩形的坐標和參數(shù)，然后生成如圖5中所示的四個細長的矩形區(qū)域1、2、3、4去鎖定所要測量的齒軸部分，最后采用測量算子去測量齒軸的長度以及直徑部分，記錄下測量到的數(shù)據(jù)。

理想情況下，矩形區(qū)域和齒軸零件圖像輪廓相交會得到一對互相平行的輪廓平行線，直接計算這兩條輪廓平行線之間的距離，即可得到需要測量的部分的長度或直徑。具體地，對于一對互相平行的輪廓線之間的距離的計算，可以采用以下方法：

1)分別計算這對平行輪廓線在圖像坐標系內(nèi)的直線方程

2)如果這對輪廓線相互平行(A₁/B₁＝A₂/B₂)，則直接采用下式計算這對平行輪廓線之間的距離

可選擇地，如圖5所示的矩形區(qū)域2和矩形區(qū)域3測量同一長度，并且將計算到的兩個結(jié)果求平均，使結(jié)果更加精確。

然而，在實際情況下，由于邊緣檢測誤差的存在，在圖像坐標精度內(nèi)，提取出的這一對輪廓線可能并不相互平行。因此，本發(fā)明首先采用最小二乘回歸擬合算法對不相互平行的一對擒縱齒軸零件輪廓線進行擬和，然后再進行距離計算或測量，從而獲取諸如零件的不同位置的直徑、長度等測量參數(shù)。

因此，可選擇地，根據(jù)本發(fā)明的測量方法還包括：

子步驟4’：在子步驟4之后，對邊緣檢測結(jié)果進行信息擬合(對應(yīng)于圖4中的步驟“齒軸邊緣圖像信息擬合”)。

例如，可以采用如下文所述的擬和方法對子步驟4所檢測得到的邊緣曲線進行擬合：

1)以固定像素為步值做軸向(針對矩形區(qū)域1和矩形區(qū)域4)或徑向(針對矩形區(qū)域2和矩形區(qū)域3)虛擬直線多條，所作直線將一對輪廓線分割成一系列成對的像素點。

2)分別計算求取每一條輪廓線中的單對像素點連接線段的中點坐標。

3)針對所得到的每一條輪廓線的所有單對像素點連接線段的中點的坐標，采用最小二乘回歸方法來進行擬合，得到擬和后的兩條輪廓線。

4)如果擬和后的兩條輪廓線相互平行(或其斜率之間的差值小于閾值)，則按照上述平行直線之間的距離公式進行計算。

而且，為了適應(yīng)針對采用不同分辨率的攝像機所拍攝的圖像所提取的邊緣直線進行擬合，本發(fā)明還提出了如下式所表示的一種根據(jù)攝像機分辨率確定子步驟4’中的直線擬合所使用的直線擬合步值和虛擬直線數(shù)目的方法：

上式中的S表示單步像素值，N_L表示虛擬直線總數(shù)，L為輪廓平行線段的其中一條的長度，K為像素當量因子。

可選擇地，根據(jù)本發(fā)明的測量方法還包括：

子步驟6：如果判斷測量參數(shù)不合理(對應(yīng)于圖4中的步驟“分析測量結(jié)果是否合理”)，則重復(fù)步驟1(對應(yīng)于圖4中的步驟“齒軸零件圖像獲取”)至子步驟5(對應(yīng)于圖4中的右側(cè)循環(huán)支路)；否則，

執(zhí)行子步驟7：完成擒縱齒軸的視覺測量(對應(yīng)于圖4中的步驟“完成擒縱齒軸的視覺測量”)。

通過上述測量方法，能夠完成對擒縱齒軸的非接觸視覺測量，該測量方法成功解決了傳統(tǒng)檢測方式的不足，且具有如下優(yōu)點：

首先，執(zhí)行快速、高效的視覺測量，大幅降低了測量時間，提高了齒軸零件的生產(chǎn)效率。

其次，非接觸視覺測量系統(tǒng)穩(wěn)定，使用周期長；在相同時間內(nèi)，一個工人可以完成兩個或者四個工人的測量工作，減少了人力成本。因此，采用非接觸視覺測量方式，大幅度降低了測量成本。

最后，視覺測量方式將測量精度提高到了像素精度，得到的高精度測量結(jié)果保證了零件裝配和運行時的穩(wěn)定。

以上所述，僅為本發(fā)明示例性的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準。