一种鸡蛋中ω‑3PUFA含量的检测方法及检测装置与流程

本发明实施例涉及食品检测技术领域，尤其涉及一种鸡蛋中ω-3pufa含量的检测方法及检测装置。

背景技术：

ω-3多不饱和脂肪酸(ω-3pufa)对人体具有增进神经系统功能、降低血脂、预防心脑血管疾病和抗癌等益处，人体自身合成的ω-3pufa无法满足人体需求，必须从食物中获取。鸡蛋营养价值丰富，是居民膳食营养的主要来源之一。研究发现，蛋鸡采食富集ω-3pufa的饲料能产生富集ω-3pufa的鸡蛋，且鸡蛋中的ω-3pufa有较高的稳定性，因此以母鸡为载体生产ω-3鸡蛋以维护人类健康具有广阔的发展前景。

虽然通过使用鸡蛋饲料来调控鸡蛋中ω-3pufa的含量，但其含量却无法快速检测。同时由于ω-3pufa氧化性强，随着蛋黄中ω-3pufa含量的增加，其发生氧化的可能性也随之增加，氧化后会产生有害氧化物，直接或间接影响鸡蛋品质，包括鸡蛋中ω-3pufa含量降低，ω-3鸡蛋货架期的缩短，影响消费者利益甚至健康。

通过对ω-3pufa检测方法应用的研究发现，国内外进行ω-3pufa检测的主要方法是气相色谱法，将鸡蛋打开充分搅拌均匀并称重，向蛋液中加入盐酸、焦性没食子酸和十一碳甘油三酯摇晃均匀，在80℃水中水解后取出备用。水解后的样品放入抽脂管中，加入乙醇混匀，然后加入无水乙醚充分晃动均匀，再加入石油醚充分晃动均匀，静置后将最上层转入平底烧瓶中。该步骤重复三次，然后将三次的提取液一起倒入烧瓶中，加热浓缩至水分基本蒸发完全。向提取后的浓缩物中分别加入氢氧化钾和三氟化硼甲醇溶液，进行水浴和回流操作，然后加入饱和氯化钠和正己烷，并脱水，提取出剩余溶液来对ω-3pufa的含量进行测定。

但是，这种方法在实际的操作过程中存在操作繁琐、消耗时间长、浪费资源且容易产生有害物质等缺点，不适宜在鸡蛋储运过程中进行品质监测。

技术实现要素：

针对现有技术中存在的缺陷，本发明实施例提供一种鸡蛋中ω-3pufa含量的检测方法及检测装置。

一方面，本发明实施例提供一种鸡蛋中ω-3pufa含量的检测方法，所述方法包括：

采集待检测鸡蛋的近红外第一光谱数据；

对所述近红外第一光谱数据进行数据预处理得到近红外第二光谱数据；

根据预先建立的ω-3pufa含量的模型和所述第二光谱数据，计算出所述待检测鸡蛋的ω-3pufa含量值p。

另一方面，本发明实施例提供一种鸡蛋中ω-3pufa含量的检测装置，所述装置包括：

采集模块，用于采集待检测鸡蛋的近红外第一光谱数据；

处理模块，用于对所述近红外第一光谱数据进行数据预处理得到近红外第二光谱数据；

计算模块，用于根据预先建立的ω-3pufa含量的模型和所述第二光谱数据，计算出所述待检测鸡蛋的ω-3pufa含量值p。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法及检测装置，根据鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，建立ω-3pufa含量的模型，在检测过程中，通过获取待检测鸡蛋的近红外光谱计算鸡蛋中ω-3pufa的含量值，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法流程示意图；

图2为本发明实施例提供的建立ω-3pufa含量模型的流程示意图；

图3为本发明实施例提供的鸡蛋中ω-3pufa含量的检测装置结构示意图；

图4为本发明又一实施例提供的鸡蛋中ω-3pufa含量的检测装置结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法流程示意图，如图1所示，所述方法包括：

s101、采集待检测鸡蛋的近红外第一光谱数据；

本发明实施例适用于不同鸡蛋的ω-3pufa含量检测，具体实施步骤如下：

首先设置近红外光谱仪的参数及环境的温湿度，近红外光谱仪参数设置为波段范围10,000-4,000cm^-1，采样间隔4cm^-1，扫描次数为32次，采集过程保持室内温度、湿度基本一致。采样过程中，室内温度保持在20～25℃左右，湿度维持在相对恒定值60％，上述的参数可根据需要自行设置。

将待检测的鸡蛋放置在近红外光谱仪的检测装置上，近红外光谱仪采集待检测鸡蛋的原始的近红外光谱数据也就是近红外第一光谱数据，并且将采集到的近红外第一光谱数据上传到计算机。

s102、对所述近红外第一光谱数据进行数据预处理得到近红外第二光谱数据；

在计算机获取到所述近红外第一光谱数据后，对所采集到的数据进行预处理，从而得到近红外第二光谱数据，具体的计算方式如下所示：

在上述的实施例中，通过设置的近红外光谱仪的参数计算出实际的波长点数m，如本实施例中的波长点数为m＝(10000-4000)/4＝1500个。

假设，采集到的近红外第一光谱数据的1500个波长点的值为x1，x2，….xm，其中m＝1500。

计算单条光谱所有波长点的平均值：

其中，是光谱平均值，m为波长点数，xi为每个波长点的值。

计算单条光谱所有波长点的标准差值：

其中，xσ为单条光谱标准差，i为波长点数，i＝1,2，……m，xi为每个波长点的值，为单条光谱的平均值。

利用标准差值和平均值计算各波长点的值

其中，xσi为单条光谱中各波长点的值，是光谱平均值，xσ为单条光谱标准差。

利用多项式拟合光谱校正系数：

y＝a0+a1xσi+a2xσi²+…ai-1xσi^i-1

其中，y为校正系数，xσi为单条光谱中各波长点的值，ai为多项式待估系数。

计算每条光谱预处理后光谱值：

其中xi是每条光谱预处理后各波长点的值，y为校正系数，i＝1，2，…m。

对待检测的鸡蛋的近红外第一光谱数据进行预处理，得到了第二光谱数据，xi表示每条光谱曲线预处理后1500个波长点的值，构成了一条新的光谱曲线，从而达到了校正光谱图的误差，提高信噪比的目的。

s103、根据预先建立的ω-3pufa含量的模型和所述第二光谱数据，计算出所述待检测鸡蛋的ω-3pufa含量值p。

在上述实施例的基础上，在执行本实施例的步骤之前，已经建立好了ω-3pufa含量与所述近红外光谱数据之间关系的模型，只要获取到一个新的光谱数据，对其进行预处理，得到所述第二光谱数据，将所述第二光谱数据带入到建立好的ω-3pufa含量的模型中，就可以计算出所述待检测鸡蛋的ω-3pufa含量值p，并且还可以将计算出的ω-3pufa含量值p显示在计算机的界面上，方便用户查看。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱就可以计算出鸡蛋中ω-3pufa的含量值，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

可选地，所述近红外第一光谱数据为采集所述鸡蛋钝头上的顶点位置至少一次光谱数据的平均值。

在上述实施例的基础上，在采集所述鸡蛋的近红外第一红外光谱时，需要将鸡蛋的钝头朝上放置在检测装置上，检测钝头顶点位置的光谱数据，通常可以采集多次数据，然后求平均值，也就是得到的所述近红外第一光谱数据，使得计算出的光谱数据更准确。

可选地，图2为本发明实施例提供的建立ω-3pufa含量的模型的流程示意图，如图2所示，所述ω-3pufa含量的模型采用如下步骤建立：

s201、采集样本集中鸡蛋的近红外第三光谱数据；

在执行上面的实施例之前，首先需要先建立鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的模型，下面对建模的过程做详细的介绍：

步骤一，实验材料及条件。从北京某养殖场购买240枚ω-3鸡蛋，将鸡蛋用干布擦拭干净，随机分为4组每组60枚，装盛在托盘内，第一组存储在4℃恒温箱内，第二组存储在12℃恒温箱内，第三组存储在20℃恒温箱内，第四组存储在28℃恒温箱内，每个恒温箱保持湿度在60％左右。将每组鸡蛋分6个单元，每个单元10枚，依次编号。在存储时间分别为1周、2周、……、6周时，每组分别取出一个单元的鸡蛋进行相应的实验测量。

步骤二，ω-3鸡蛋样本近红外光谱采集：存储期内，每隔一周分别从每组鸡蛋中取出一单元鸡蛋进行图像采集。将每次进行测量的鸡蛋大头朝上竖直置于载物台上，采用竖直方式将鸡蛋有气室的钝头朝上，尖端朝下放置，光源发出的光通过透光孔照射到鸡蛋样本上，采集鸡蛋的透射光谱图像，每个鸡蛋采集三次，取光谱的平均值作为最终光谱，即为近红外第三光谱数据，然后将数据传输到计算机中。近红外光谱仪参数设置为波段范围10,000-4,000cm^-1，采样间隔4cm^-1，扫描次数为32次，采集过程保持室内温度、湿度基本一致。采样过程中，室内温度保持在20～25℃左右，湿度维持在相对恒定值60％。

s202、对采集到的所述近红外第三光谱数据进行预处理，得到预处理后的近红外第四光谱数据；

计算机接收到所述近红外第三光谱数据后，对其进行预处理，具体的处理过程在上述实施例中已做了介绍，在此不再赘述，从而得到预处理后的近红外第四光谱数据。

s203、采用化学的方法检测所述样本集中鸡蛋的ω-3pufa含量值，对实际检测出的所述样本集中鸡蛋的ω-3pufa含量值与所述近红外第四光谱数据进行关联处理，建立所述ω-3pufa含量的模型。

在得到样本集中的200个鸡蛋的预处理后的近红外第四光谱数据后，还需要先采用化学的方法检测出样本集中鸡蛋的ω-3pufa含量值，具体的实现过程如下：

将光谱扫描完的鸡蛋打开充分搅拌均匀并称重，检测鸡蛋中ω-3pufa含量：向蛋液中加入盐酸、焦性没食子酸和十一碳甘油三酯摇晃均匀，在80℃水中水解后取出备用。水解后的样品放入抽脂管中，加入乙醇混匀，然后加入无水乙醚充分晃动均匀，再加入石油醚充分晃动均匀，静置后将最上层转入平底烧瓶中。该步骤重复三次，然后将三次的提取液一起倒入烧瓶中，加热浓缩至水分基本蒸发完全。向提取后的浓缩物中分别加入氢氧化钾和三氟化硼甲醇溶液，进行水浴和回流操作，然后加入饱和氯化钠和正己烷，并脱水，提取出剩余溶液对所述ω-3pufa含量进行测定，得到200个鸡蛋ω-3pufa含量值。

接着，根据预处理后的近红外第四光谱数据和实际测定出的200个鸡蛋ω-3pufa含量值做关联处理，建立光谱数据与ω-3pufa含量的模型。建立模型的过程分为两个步骤，主成分提取过程和预测过程。

假设y(n*1)为目标矩阵即为本发明实施例中检测出来的200个鸡蛋ω-3pufa含量值，x(n*m)为已知预测矩阵，即为200个鸡蛋1500个波长点的值预处理后的近红外第四光谱数据；

令t1＝x*w1，u1＝y*c1，其中t1和u1分别为x和y要提取的的第一个主成分，w1(m*1)和c1(1*1)分别是x和y的第一个主成分的权重向量。

令t1和u1的协方差最大，即：

引入拉格朗日乘子求w1和c1，可以得出：w1是对称矩阵x^tyy^tx的最大特征值对应的特征向量，c1是y^txx^ty的最大特征值对应的特征向量。

求解出w1和c1后可以根据公式t1＝x*w1，u1＝y*c1求出t1和u1。

把x和y分别对t1和u1回归建模：

其中p1和q1分别为回归系数矩阵，不同于w1和c1，但有一定的关系，e、g为残差矩阵。

为建立y和x的直接关系，把y对x的主成分t1进行回归建模：

用以下公式计算出p1、q1和r1：

p1＝x^tt1/||t1||²

q1＝y^tu1/||u1||²

r1＝y^tt1/||t1||²

将x、y对t1的回归模型中的残差部分e、f作为新的x和y，按照之前的方法进行回归，并循环，直到残差f达到精度要求，或主成分数量已经达到上限(初始x的秩)。

最终原始x和y可以表示为：

计算过程中将w和r的值收集然后进行预测。

如果输入一条新数据x，首先利用w计算各个主成分：

t1＝x^tw1，t2＝x^tw2，…tk＝x^twk

然后带入：

即可求出向量y的预测值，也就是待检测鸡蛋中的ω-3pufa含量值。

在上述的建模及计算过程中，通过对光谱数据与ω-3pufa含量数据的分析计算，得到了近红外第四光谱数据和ω-3pufa含量值之间的关系，从而建立光谱数据和ω-3pufa含量值的模型。在获得一个鸡蛋新的光谱数据后，先进行预处理，将预处理后的数据带入上述的关系式即ω-3pufa含量模型中就可以计算出鸡蛋中ω-3pufa含量值。

另外，还有剩余的40个鸡蛋作为验证集，首先按照上述的方法步骤获取到这40个鸡蛋的光谱数据，对其进行预处理，然后采用化学方法对这40个鸡蛋检测ω-3pufa含量值，将预处理后的光谱数据带入上述实施例建立好的ω-3pufa含量的模型中，预测出鸡蛋中ω-3pufa含量值，将预测出的鸡蛋中ω-3pufa含量值与实际检测出来的ω-3pufa含量值作对比，对建立的ω-3pufa含量的模型做验证，误差在可接受范围内，说明所建立的ω-3pufa含量的检测模型具有实用性。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱就可以计算出鸡蛋中ω-3pufa的含量值，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

可选地，所述方法还包括：根据计算出的所述ω-3pufa含量值p，对所述待检测的鸡蛋进行分级。

在上述实施例的基础上，在计算机计算出待检测鸡蛋的ω-3pufa含量值p后，计算机会对所得到的含量值p进行判断，按照ω-3pufa含量值的高低从而对鸡蛋进行分级，并且将分级的结果显示的计算机的界面上，这样用户在检测鸡蛋的时候就可以一目了然的看到待检测的鸡蛋是属于哪个等级，例如，ω-3高含量鸡蛋或者是普通鸡蛋等。

可选地，所述对所述待检测的鸡蛋进行分级具体为：

若0≤p＜100mg，则判断所述待检测的鸡蛋为市售普通鸡蛋，分级结果为“normalegg”；

若100mg≤p＜300mg，则判断所述待检测的鸡蛋为ω-3pufa含量较高的鸡蛋，分级结果为“normal+egg”；

若300mg≤p＜500mg，则判断所述待检测的鸡蛋为ω-3pufa富集型鸡蛋，分级结果为“ω-3egg”；

若500mg≤p，则判断所述待检测的鸡蛋为ω-3pufa含量较高的ω-3pufa富集型鸡蛋，分级结果为“ω-3+egg”。

在上述实施例的基础上，根据计算出的待检测鸡蛋的ω-3pufa含量值p，按照满足下面的条件进行分级，并将最后的分级结果显示的计算机的界面上。具体的分级条件为：

若0≤p＜100mg，则判断所述待检测的鸡蛋为市售普通鸡蛋，分级结果为“normalegg”；

若100mg≤p＜300mg，则判断所述待检测的鸡蛋为ω-3pufa含量较高的鸡蛋，分级结果为“normal+egg”；

若300mg≤p＜500mg，则判断所述待检测的鸡蛋为ω-3pufa富集型鸡蛋，分级结果为“ω-3egg”；

若500mg≤p，则判断所述待检测的鸡蛋为ω-3pufa含量较高的ω-3pufa富集型鸡蛋，分级结果为“ω-3+egg”。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱计算机软件就可以计算出鸡蛋中ω-3pufa的含量值，并且根据计算出的ω-3pufa的含量值进行鸡蛋分级，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

图3为本发明实施例提供的鸡蛋中ω-3pufa含量的检测装置结构示意图，如图3所示，所述装置包括：采集模块10、处理模块20和计算模块30，其中：

采集模块10用于采集待检测鸡蛋的近红外第一光谱数据；处理模块20用于对所述近红外第一光谱数据进行数据预处理得到近红外第二光谱数据；计算模块30用于根据预先建立的ω-3pufa含量的模型和所述第二光谱数据，计算出所述待检测鸡蛋的ω-3pufa含量值p。

具体地，鸡蛋中ω-3pufa含量的检测装置包括：采集模块10、处理模块20和计算模块30，其中，采集模块10包括卤素、钨丝、鸡蛋支架、入射狭缝、准光镜、光栅、聚焦光镜、出口狭缝、光导电检测器、载物台等设备，其中载物台设置为黑色，其上安置着鸡蛋支架和卤素灯，准光镜和光栅安装在支架正上方连接着聚焦光镜距离载物台10cm，聚焦光镜和检测器连接并通过数据线与计算机连接起来，用于将采集到的鸡蛋的光谱数据上传到处理模块20进行处理。处理模块20将采集模块10采集到的近红外第一光谱数据进行预处理得到近红外第二光谱数据，计算模块30根据得到的近红外第二光谱数据与已经建立好的ω-3pufa含量的模型，计算出所述待检测鸡蛋的ω-3pufa含量值p。

预处理的计算方式在上述方法实施例中已做介绍，在此不再赘述。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测装置，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱就可以计算出鸡蛋中ω-3pufa的含量值，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

可选地，所述近红外第一光谱数据为采集所述鸡蛋钝头上的顶点位置至少一次光谱数据的平均值。

在上述实施例的基础上，在采集所述鸡蛋的近红外第一红外光谱时，需要将鸡蛋的钝头朝上放置在检测装置上，检测钝头顶点位置的光谱数据，通常可以采集多次数据，然后求平均值，也就是得到的所述近红外第一光谱数据，使得计算出的光谱数据更准确。

可选地，所述ω-3pufa含量的模型采用以下步骤建立：

采集样本集中鸡蛋的近红外第三光谱数据；

对采集到的所述近红外第三光谱数据进行预处理，得到预处理后的近红外第四光谱数据；

采用化学的方法检测所述样本集中鸡蛋的ω-3pufa含量值，对实际检测出的所述样本集中鸡蛋的ω-3pufa含量值与所述近红外第四光谱数据进行关联处理，建立所述ω-3pufa含量的模型。

在上述实施例的基础上，采集样本集中的200个鸡蛋的近红外第三光谱数据，对采集到的所述近红外第三光谱数据进行预处理，得到预处理后的近红外第四光谱数据，然后将样本集中的鸡蛋打开并充分搅拌并称重，采用化学的方法获得待检测鸡蛋中的ω-3pufa含量值，根据检测得到的ω-3pufa含量值与所述近红外第三光谱数据，建立起ω-3pufa含量与所述近红外第三光谱数据之间的关系的模型。

在检测到一个新的光谱数据后，只要将预处理后的光谱数据带入上述的ω-3pufa含量模型中就可以计算出鸡蛋中的ω-3pufa含量值。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测装置，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱就可以计算出鸡蛋中ω-3pufa的含量值，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

可选地，图4为本发明又一实施例提供的鸡蛋中ω-3pufa含量的检测装置结构示意图，如图4所示，所述装置包括采集模块10、处理模块20、计算模块30和分级模块40，其中

分级模块40用于根据计算出的所述ω-3pufa含量值p，对所述待检测的鸡蛋进行分级。

具体地，本实施例中的采集模块10、处理模块20、计算模块30和上述实施例中的在结构和功能方面完全相同，已经做了详细的论述，在此不再赘述。

分级模块40在计算模块30计算出待检测鸡蛋的ω-3pufa含量值p后，分级模块40对所得到的含量值p进行判断，按照ω-3pufa含量值的高低从而对鸡蛋进行分级，并且将分级的结果显示的计算机的界面上，这样用户在检测鸡蛋的时候就可以一目了然的看到待检测的鸡蛋是属于哪个等级。

进一步地，所述分级模块40用于：

若0≤p＜100mg，则判断所述待检测的鸡蛋为市售普通鸡蛋，分级结果为“normalegg”；

若100mg≤p＜300mg，则判断所述待检测的鸡蛋为ω-3pufa含量较高的鸡蛋，分级结果为“normal+egg”；

若300mg≤p＜500mg，则判断所述待检测的鸡蛋为ω-3pufa富集型鸡蛋，分级结果为“ω-3egg”；

若500mg≤p，则判断所述待检测的鸡蛋为ω-3pufa含量较高的ω-3pufa富集型鸡蛋，分级结果为“ω-3+egg”。

在上述实施例的基础上，分级模块40根据计算模块30计算出的待检测鸡蛋的ω-3pufa含量值p，按照满足下面的条件进行分级，并将最后的分级结果显示的计算机的界面上。具体的分级条件为：

若0≤p＜100mg，则判断所述待检测的鸡蛋为市售普通鸡蛋，分级结果为“normalegg”；

若100mg≤p＜300mg，则判断所述待检测的鸡蛋为ω-3pufa含量较高的鸡蛋，分级结果为“normal+egg”；

若300mg≤p＜500mg，则判断所述待检测的鸡蛋为ω-3pufa富集型鸡蛋，分级结果为“ω-3egg”；

若500mg≤p，则判断所述待检测的鸡蛋为ω-3pufa含量较高的ω-3pufa富集型鸡蛋，分级结果为“ω-3+egg”。

本发明实施例提供的鸡蛋中ω-3pufa含量的检测方法，通过找到鸡蛋中ω-3pufa含量与鸡蛋的近红外光谱数据之间的关系，从而建立ω-3pufa含量的模型，在检测过程中，获取待检测鸡蛋的近红外光谱计算机软件就可以计算出鸡蛋中ω-3pufa的含量值，并且根据计算出的ω-3pufa的含量值进行鸡蛋分级，实现了无损检测，检测速度快，节约成本，可以减少劳动强度并提高生产效率。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。