一种涡流C扫描成像检测方法与流程

本发明涉及图像检测领域，特别涉及一种涡流c扫描成像检测方法。

背景技术：

涡流检测是建立在电磁感应原理基础之上的一种无损检测方法，适用于导电材料。其基本原理是当把一块导体置于交变磁场之中，在导体中就有感应电流存在，即产生涡流。由于导体自身各种因素(如电导率、磁导率、形状、尺寸和缺陷等)的变化，会导致涡流的变化，利用这种现象判定导体性质、状态的检测方法。结合计算机技术和数字信号处理技术，可实现对材料和零部件的快速、有效地检测。

将涡流检测与自动化扫描装置相结合，位置信息和阻抗变化可以做出缺陷的二维显示图像，称为c扫描图像。利用伪三维显示技术，阻抗变化量越大，则图像颜色越深，表示受检件损伤越严重。涡流c扫描图像可以快速准确地判断受检件有无缺陷及缺陷位置等信息，降低对检测人员的技术要求，为常规检测提供便利。

但是，涡流c扫描成像存在如下问题：1)涡流c扫描成像方法中一般采用阻抗变化量成像，而阻抗呈现波动规律，缺陷大小与图像的灰度值为非线性对应，造成检测人员无法较为精确判断缺陷的长度、大小等信息；2)由于提离噪声、自动化扫描装置的电噪声的干扰，造成c扫描图像中存在伪缺陷。因此，需要进一步改进。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的现状，提供一种涡流c扫描成像检测方法，该检测方法能精确判断缺陷位置、长度、方向信息，且缺陷尺寸定量准确率高。

本发明解决上述技术问题所采用的技术方案为：一种涡流c扫描成像检测方法，包括以下步骤：

步骤1、将一组或多组涡流检测线圈置于缺陷对比试块表面，且使涡流检测线圈与缺陷对比试块的表面贴合；

步骤2、对涡流检测线圈施加周期性的且能产生交变电磁场的交变电流，使得缺陷对比试块中产生感应电流反作用于涡流检测线圈，涡流检测线圈测得缺陷对比试块的阻抗变化波形为z(t)，t表示采样时间，其中，z(t)为复函数，z(t)＝x(t)+jy(t)；

步骤3、对缺陷对比试块进行涡流c扫描，共扫描w×h个数据点，以固定采样间隔时间t采集涡流检测线圈测得的缺陷对比试块的阻抗变化波形z(t)，其中，0≤t≤(w×h)*t，w表示扫描宽度方向上的采样点数，h表示扫描长度方向上的采样点数；

步骤4、对步骤3中的阻抗变化波形z(t)的实部x(t)和虚部y(t)分别进行高通滤波，分别得到滤波后的实部xhp(t)和虚部yhp(t)，并组成滤波后的阻抗变化波形zhp(t)，其中，zhp(t)＝xhp(t)+jyhp(t)；

步骤5、对步骤4中滤波后的实部xhp(t)进行噪声统计，计算出第一噪声累积分布函数，并根据第一噪声的置信概率上/下限，计算出第一缺陷信号提取的上/下置信限分割幅值upx/lowx，并提取出第一缺陷信号区域tx；

步骤6、对步骤4中滤波后的虚部yhp(t)进行噪声统计，计算出第二噪声累积分布函数，并根据第二噪声的置信概率上/下限，计算出第二缺陷信号提取的上/下置信限分割幅值upy/lowy，并提取出第二缺陷信号区域ty；

步骤7、合并步骤5中的第一缺陷信号区域tx和步骤6中的第二缺陷信号区域ty，得到合并后的缺陷信号区域t1，其中，t1＝tx∪ty，并计算步骤4中滤波后的阻抗变化波形zhp(t)在合并后的缺陷信号区域t1内的阻抗幅度a(t)和相位角θ(t)，其中，

步骤8、通过实验确定提离信号的相位角范围为[τ,υ]，计算整个采样周期内除去提离信号后的信号区域tθ，其中，tθ＝θ^-1(t)，θ(t)<τ∪θ(t)>υ，θ^-1(t)为θ(t)的反函数，0≤t≤(w×h)*t；并从合并后的缺陷信号区域t1中分离出提离信号，得到分离后的缺陷区域t2，其中，t2＝t1∩tθ；

步骤9、计算阻抗增量谱δzhp(t)，并提取出阻抗增量谱δzhp(t)中所有阻抗增量大于lowδz的区域tz，将区域tz和步骤8中分离后的缺陷区域t2进行区域融合，提取出区域融合后在同一缺陷内的阻抗幅度谱的包络图v(t)，并将包络图v(t)代入对应位置的阻抗幅度a(t)中，得到校正后的缺陷幅值谱ψ(t)；

步骤10、构建大小为w×h的二维矩阵c，根据扫描路径和时间，将校正后的缺陷幅值谱ψ(t)映射到二维矩阵c中对应的位置处，形成初步的涡流c扫描成像图；

步骤11、对校正后的缺陷幅值谱ψ(t)进行阈值分割，确定最佳分割阈值γ；

步骤12、利用最佳分割阈值γ提取步骤9中初步的涡流c扫描成像图中的缺陷主干，并根据提取出的缺陷主干计算缺陷走向，获得缺陷走向与扫查路径之间的夹角，记为缺陷偏角，并提取出缺陷对比试块中不同偏角对应的缺陷最大幅度，建立不同偏角与缺陷最大幅值的关系曲线；

步骤13、根据不同偏角与缺陷最大幅值的关系曲线对步骤10中初步的涡流c扫描成像图以及步骤12中的缺陷走向进行幅值校正，获得最终的涡流c扫描成像图。

具体的，所述步骤4中高通滤波的低截止频率大于380hz。

在本方案中，所述步骤5中的具体步骤为：

步骤5-1、对滤波后的实部xhp(t)进行噪声统计：设滤波后的实部xhp(t)的数值分布范围为[e,f]，对应的数值分布直方图hx(i)的表达式为：hx(i)＝mi，其中，i表示滤波后的实部xhp(t)的数值分布对应值，i∈[e,f]，mi表示滤波后的实部xhp(t)中数值为i的数量；

步骤5-2、对滤波后的实部xhp(t)对应的数值分布直方图hx(i)进行高斯拟合，计算出拟合后的高斯曲线函数中对应的数值均值μx和数值标准差σx；

步骤5-3、根据步骤5-2中的均值μx和标准差σx，计算出第一噪声累积分布函数f(i)，其中，

步骤5-4、设定第一噪声的置信概率上/下限分别为a和b，根据第一噪声的置信概率上/下限a、b，计算出第一缺陷信号提取的上/下置信限分割幅值upx/lowx，其中，upx＝f^-1(i)，i>b，f^-1(i)为f(i)的反函数；lowx＝f^-1(i)，i<a；

步骤5-5、根据第一缺陷信号提取的上/下置信限分割幅值upx/lowx，提取出的第一缺陷信号区域tx，其中，tx∈{xhp(tx)<lowx∪xhp(tx)>upx}。

进一步的，所述步骤6中的具体步骤为：

步骤6-1、对滤波后的虚部yhp(t)进行噪声统计，设滤波后的虚部yhp(t)的数值分布范围为[g,h]，对应的数值分布直方图hy(j)的表达式为：hy(j)＝nj，其中，j表示滤波后的虚部yhp(t)的数值分布对应值，j∈[g,h]，nj表示滤波后的虚部yhp(t)中数值为j的数量；

步骤6-2、对滤波后的虚部yhp(t)对应的数值分布直方图hy(j)进行高斯拟合，计算出拟合后的高斯曲线函数中对应的数值均值μy和数值标准差σy；

步骤6-3、根据步骤6-2中的均值μy和标准差σy，计算出第二噪声累积分布函数g(j)，其中，

步骤6-4、设定第二噪声的置信概率上/下限分别为c和d，并根据第二噪声的置信概率上/下限c、d，计算出第二缺陷信号提取的上/下置信限分割幅值upy/lowy，其中，upy＝f^-1(j)，j>d，f^-1(j)为f(j)的反函数；lowy＝f^-1(j)，j<c；

步骤6-5、根据幅值upy/lowy，提取出的第二缺陷信号区域ty，其中，ty∈{xhp(ty)<lowy∪xhp(ty)>upy}。

进一步的，所述步骤9中的具体步骤为：

步骤9-1、阻抗增量谱δzhp(t)的计算公式为：

步骤9-2、设定阻抗增量的下限为lowδz，提取出所有阻抗增量大于lowδz的区域tz；

其中，为δzhp(t)的反函数；

步骤9-3、将步骤9-2中的区域tz与步骤8中分离后的缺陷区域t2进行融合，得到融合后的区域t′，t′＝t2∪tz；

步骤9-4、对步骤9-3中的融合后的区域t′进行分组，将连通区域归为一组，建立类k＝{k0,k1,..ki..,km}，其中，k0、k1、ki、km分别为区域t′中的不同连通区域；

步骤9-5、提取类k中的kj区域对应位置的阻抗幅度a(tj),tj∈kj，并提取kj区域内阻抗幅度a(tj)的所有波峰位置，对相邻波峰之间的数据进行线性插值，形成kj区域内的阻抗幅度谱的包络图v(tj),tj∈kj，其中，tj为每个kj区域内的采样时间，j＝0、1、2…m；

步骤9-6、根据类k中每个连通区域内的阻抗幅度谱的包络图v(tj)，形成区域融合后在同一缺陷内的阻抗幅度谱的包络图v(t)；

步骤9-7、将幅度谱包络图v(t)代入对应位置的阻抗幅度a(t)中，得到校正后的缺陷幅值谱ψ(t)。

进一步的，所述步骤12中的具体步骤为：

步骤12-1、提取初步的涡流c扫描成像图像中在同一缺陷内的位置坐标序列v(x,y)，其中x、y表示初步的涡流c扫描成像图像中对应的二维坐标；

步骤12-2、假设涡流检测线圈上涡流场的有效检测范围为(u,v)，依次将位置坐标序列v(x,y)中的每一点作为中心，并提取以位置坐标序列v(x,y)中的每一点为中心的有效检测范围(u,v)内的缺陷坐标序列v′(x,y)；

步骤12-3、计算该序列v′(x,y)的倾斜角度，将该倾斜角度作为缺陷走向与扫查路径之间的夹角，记为缺陷偏角；

步骤12-4、并提取出缺陷对比试块中不同偏角对应的缺陷最大幅度；

步骤12-5、建立不同偏角与缺陷最大幅值的关系曲线。

与现有技术相比，本发明的优点在于：通过采集缺陷对比试块涡流c扫描的阻抗变化波形，首先，对该阻抗变化波形进行高通滤波，提取缺陷信号区域，减小了干扰信号；然后，从缺陷信号区域内分离出提离信号，减小了提离信号对缺陷信号区域的干扰；之后，通过计算滤波后的阻抗变化波形的阻抗幅度、相位角和阻抗增量，综合多参量变化对同一缺陷进行归类，自动识别整合同一缺陷，缺陷尺寸定量准确率高，最后，通过建立不同偏角与缺陷最大幅值的关系曲线，并使用该关系曲线对缺陷走向和初步的涡流c扫描成像图进行校正，获得最终的涡流c扫描成像图，可以精确的判断缺陷的长度、大小等信息，而且可以推广应用到自动化涡流c扫描成像，具有较大的经济效益和社会效益。

附图说明

图1为本发明实施例中涡流c扫描系统的示意图；

图2为本发明实施例中缺陷对比试块的阻抗变化波形的实部波形图；

图3为本发明实施例中缺陷对比试块的阻抗变化波形的虚部波形图；

图4为图2中进行高通滤波后的实部波形图；

图5为图4中滤波后的实部对应的数值分布直方图；

图6为本发明实施例中滤波后的阻抗变化波形的阻抗幅度谱示意图；

图7为本发明实施例中阻抗增量谱的示意图；

图8为本发明实施例中包络图的示意图；

图9为本发明实施例中初步的涡流c扫描成像图像；

图10为本发明实施例中缺陷偏角计算方法示意图；

图11为本发明实施例中不同偏角与缺陷最大幅值的关系曲线图；

图12为本发明实施例中最终的涡流c扫描图像。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1所示，一种涡流c扫描系统包括涡流检测线圈、多自由度步进扫查装置、涡流探伤仪器以及计算机，其中，检测对象为缺陷对比试块时，将一组或多组涡流检测线圈置于缺陷对比试块表面，多自由度步进扫查装置的一端与涡流检测线圈相连接，另一端与计算机通讯连接，其中，涡流探伤仪器的涡流发生探头作用于涡流检测线圈，对涡流线圈施加周期性的交变电流产生交变电磁场，涡流探伤仪器的与计算机通讯连接，计算机上设有上位机成像软件，使用该涡流c扫描系统进行涡流c扫描成像，计算机的成像软件能获取涡流c扫描成像图。

其中，为了克服涡流阻抗波动造成缺陷大小与涡流c扫描图像灰度值的非线性，从而造成检测人员无法较为精确判断缺陷的长度、大小等信息问题，本发明中涉及到一种涡流c扫描成像检测方法，包括以下步骤：

步骤1、将一组或多组涡流检测线圈置于缺陷对比试块表面，且使涡流检测线圈与缺陷对比试块的表面贴合；本实施例中，涡流检测线圈为单线圈、差分线圈和阵列线圈等，适用于各个类型的线圈；

步骤2、对涡流检测线圈施加周期性的且能产生交变电磁场的交变电流，使得缺陷对比试块中产生感应电流反作用于涡流检测线圈，涡流检测线圈测得缺陷对比试块的阻抗变化波形为z(t)，t表示采样时间，其中，z(t)为复函数，z(t)＝x(t)+jy(t)；

步骤3、对缺陷对比试块进行涡流c扫描，共扫描w×h个数据点，以固定采样间隔时间t采集涡流检测线圈测得的缺陷对比试块的阻抗变化波形z(t)，其中，0≤t≤(w×h)*t，w表示扫描宽度方向上的采样点数，h表示扫描长度方向上的采样点数；其中，使用上述的涡流c扫描系统对缺陷对比试块进行涡流c扫描，采集的阻抗变化波形z(t)的实部x(t)波形图如图2所示，采集的阻抗变化波形z(t)的虚部y(t)波形图如图3所示；

步骤4、对步骤3中的阻抗变化波形z(t)的实部x(t)和虚部y(t)分别进行高通滤波，分别得到滤波后的实部xhp(t)和虚部yhp(t)，并组成滤波后的阻抗变化波形zhp(t)，其中，zhp(t)＝xhp(t)+jyhp(t)；

本实施例中，对阻抗变化波形z(t)的实部x(t)和虚部y(t)高通滤波时的低截止频率大于380hz，滤波后的实部xhp(t)波形图如图4所示；

步骤5、对步骤4中滤波后的实部xhp(t)进行噪声统计，计算出第一噪声累积分布函数，并根据第一噪声的置信概率上/下限，计算出第一缺陷信号提取的上/下置信限分割幅值upx/lowx，并提取出第一缺陷信号区域tx；

其中，具体的步骤为：

步骤5-1、对滤波后的实部xhp(t)进行噪声统计：设滤波后的实部xhp(t)的数值分布范围为[e,f]，对应的数值分布直方图hx(i)的表达式为：hx(i)＝mi，如图5所示，其中，i表示滤波后的实部xhp(t)的数值分布对应值，i∈[e,f]，mi表示滤波后的实部xhp(t)中数值为i的数量；

步骤5-2、对滤波后的实部xhp(t)对应的数值分布直方图hx(i)进行高斯拟合，计算出拟合后的高斯曲线函数中对应的数值均值μx和数值标准差σx；本实施例中，采用最小残差法对滤波后的实部xhp(t)对应的数值分布直方图hx(i)进行高斯拟合；

步骤5-3、根据步骤5-2中的均值μx和标准差σx，计算出第一噪声累积分布函数f(i)，其中，

步骤5-4、设定第一噪声的置信概率上/下限分别为a和b，根据第一噪声的置信概率上/下限a、b，计算出第一缺陷信号提取的上/下置信限分割幅值upx/lowx，其中，upx＝f^-1(i)，i>b，f^-1(i)为f(i)的反函数；lowx＝f^-1(i)，i<a；

步骤5-5、根据第一缺陷信号提取的上/下置信限分割幅值upx/lowx，提取出的第一缺陷信号区域tx，其中，tx∈{xhp(tx)<lowx∪xhp(tx)>upx}；通过将滤波后的实部xhp(t)小于第一缺陷信号提取的下置信限分割幅值lowx以及滤波后的实部xhp(t)大于第一缺陷信号提取的上置信限分割幅值upx所对应的区域记为第一缺陷信号区域tx；

步骤6、对步骤4中滤波后的虚部yhp(t)进行噪声统计，计算出第二噪声累积分布函数，并根据第二噪声的置信概率上/下限，计算出第二缺陷信号提取的上/下置信限分割幅值upy/lowy，并提取出第二缺陷信号区域ty；

其中，具体步骤为：

步骤6-1、对滤波后的虚部yhp(t)进行噪声统计，设滤波后的虚部yhp(t)的数值分布范围为[g,h]，对应的数值分布直方图hy(j)的表达式为：hy(j)＝nj，其中，j表示滤波后的虚部yhp(t)的数值分布对应值，j∈[g,h]，nj表示滤波后的虚部yhp(t)中数值为j的数量；

步骤6-2、对滤波后的虚部yhp(t)对应的数值分布直方图hy(j)进行高斯拟合，计算出拟合后的高斯曲线函数中对应的数值均值μy和数值标准差σy；本实施例中，采用最小残差法对滤波后的虚部yhp(t)对应的数值分布直方图hy(j)进行高斯拟合；

步骤6-3、根据步骤6-2中的均值μy和标准差σy，计算出第二噪声累积分布函数g(j)，其中，

步骤6-4、设定第二噪声的置信概率上/下限分别为c和d，并根据第二噪声的置信概率上/下限c、d，计算出第二缺陷信号提取的上/下置信限分割幅值upy/lowy，其中，upy＝f^-1(j)，j>d，f^-1(j)为f(j)的反函数；lowy＝f^-1(j)，j<c；

步骤6-5、根据幅值upy/lowy，提取出的第二缺陷信号区域ty，其中，ty∈{xhp(ty)<lowy∪xhp(ty)>upy}；通过将滤波后的虚部yhp(t)小于第二缺陷信号提取的下置信限分割幅值lowy以及滤波后的虚部yhp(t)大于第二缺陷信号提取的上置信限分割幅值upy所对应的区域记为第二缺陷信号区域ty；

步骤7、合并步骤5中的第一缺陷信号区域tx和步骤6中的第二缺陷信号区域ty，得到合并后的缺陷信号区域t1，其中，t1＝tx∪ty，并计算步骤4中滤波后的阻抗变化波形zhp(t)在合并后的缺陷信号区域t1内的阻抗幅度a(t)和相位角θ(t)，其中，t∈t1；如图6所示，为滤波后的阻抗变化波形zhp(t)在合并后的缺陷信号区域t1内的阻抗幅度谱的示意图；

步骤8、通过实验确定提离信号的相位角范围为[τ,υ]，计算整个采样周期内除去提离信号后的信号区域tθ，其中，tθ＝θ^-1(t)，θ(t)<τ∪θ(t)>υ，θ^-1(t)为θ(t)的反函数，0≤t≤(w×h)*t，并从合并后的缺陷信号区域t1中分离出提离信号，得到分离后的缺陷区域t2，其中，t2＝t1∩tθ；

确认提离信号的相位角的操作为：通过涡流探伤仪器的涡流发生探头慢慢靠近涡流检测线圈，通过观察抗阻变化波形变换的角度范围，其中，提离信号也是一种阻抗变化波形，只是一种阻抗变化波形变换规律的波形表示提离信号，而且提离信号跟缺陷信号相似，只是相位角不同，需要区分开来，从而避免将提离信号认定为缺陷信号。

步骤9、计算阻抗增量谱δzhp(t)，并提取出阻抗增量谱δzhp(t)中所有阻抗增量大于lowδz的区域tz，将区域tz和步骤8中分离后的缺陷区域t2进行区域融合，提取出区域融合后在同一缺陷内的阻抗幅度谱的包络图v(t)，并将包络图v(t)代入对应位置的阻抗幅度a(t)中，得到校正后的缺陷幅值谱ψ(t)；

其中，具体步骤为：

步骤9-1、阻抗增量谱δzhp(t)的计算公式为：

步骤9-2、设定阻抗增量的下限为lowδz，提取出所有阻抗增量大于lowδz的区域tz；

其中，为δzhp(t)的反函数；

步骤9-3、将步骤9-2中的区域tz与步骤8中分离后的缺陷区域t2进行融合，得到融合后的区域t′，t′＝t2∪tz；

步骤9-4、对步骤9-3中的融合后的区域t′进行分组，将连通区域归为一组，建立类k＝{k0,k1,..ki..,km}，其中，k0、k1、ki、km分别为区域t′中的不同连通区域；

步骤9-5、提取类k中的kj区域对应位置的阻抗幅度a(tj),tj∈kj，并提取kj区域内阻抗幅度a(tj)的所有波峰位置，即一阶导数为0，二阶导数小于0的位置，对相邻波峰之间的数据进行线性插值，形成kj区域内的阻抗幅度谱的包络图v(tj),tj∈kj，其中，tj为每个kj区域内的采样时间，j＝0、1、2…m；

步骤9-6、根据类k中每个连通区域内的阻抗幅度谱的包络图v(tj)，形成区域融合后在同一缺陷内的阻抗幅度谱的包络图v(t)，阻抗幅度谱的包络图如图8所示；

步骤9-7、将幅度谱包络图v(t)代入对应位置的阻抗幅度a(t)中，得到校正后的缺陷幅值谱ψ(t)。

步骤10、构建大小为w×h的二维矩阵c，根据扫描路径和时间，将校正后的缺陷幅值谱ψ(t)映射到二维矩阵c中对应的位置处，形成初步的涡流c扫描成像图，如图9所示；

步骤11、对校正后的缺陷幅值谱ψ(t)进行阈值分割，确定最佳分割阈值γ；

本实施例中，采用现有的阈值分割技术进行阈值分割；

步骤12、利用最佳分割阈值γ提取步骤9中初步的涡流c扫描成像图中的缺陷主干，并根据提取出的缺陷主干计算缺陷走向，获得缺陷走向与扫查路径之间的夹角，记为缺陷偏角，并提取出缺陷对比试块中不同偏角对应的缺陷最大幅度，建立不同偏角与缺陷最大幅值的关系曲线；

如图10所示，具体步骤为：

步骤12-1、提取初步的涡流c扫描成像图像中在同一缺陷内的位置坐标序列v(x,y)，其中x、y表示初步的涡流c扫描成像图像中对应的二维坐标；

步骤12-2、假设涡流检测线圈上涡流场的有效检测范围为(u,v)，依次将位置坐标序列v(x,y)中的每一点作为中心，并提取以位置坐标序列v(x,y)中的每一点为中心的有效检测范围(u,v)内的缺陷坐标序列v′(x,y)；

步骤12-3、计算该序列v′(x,y)的倾斜角度，将该倾斜角度作为缺陷走向与扫查路径之间的夹角，记为缺陷偏角；本实施例中，采用线性拟合的方式计算序列v′(x,y)的倾斜角度；

步骤12-4、并提取出缺陷对比试块中不同偏角对应的缺陷最大幅度；

步骤12-5、建立不同偏角与缺陷最大幅值的关系曲线，如图11所示。

步骤13、根据不同偏角与缺陷最大幅值的关系曲线对步骤10中初步的涡流c扫描成像图以及步骤12中的缺陷走向进行幅值校正，获得最终的涡流c扫描成像图，如图12所示。

通过将涡流检测线圈贴合被检测对象表面，涡流检测线圈沿着被检测对象表面移动并产生感应涡流，之后对被检测对象进行涡流c扫描，采集被检测对象表面的原始阻抗信号，首先，对原始阻抗信号进行滤波，对滤波后的阻抗信号进行噪声统计，通过确定噪声范围的上/下置信限，提取出缺陷信号区域；然后，在缺陷信号区域内对滤波后的阻抗信号计算阻抗幅值、相位角和阻抗增量，综合多参量变化对同一缺陷进行归类，并根据相位分布情况区分缺陷信号及提离信号，设计不同偏角的缺陷对比试块，建立不同偏角与缺陷最大幅值的关系曲线；最后，将涡流缺陷信号的缺陷幅值谱映射到c扫描成像图中，形成初步的涡流c扫描成像图，并对缺陷分布进行形貌分析，计算缺陷走向，利用偏角和缺陷幅值曲线进行缺陷幅值校准，获取精确涡流c扫描成像，可以准确反映缺陷位置、长度、方向等特征信息的涡流c扫描成像。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。