一种割草区域的识别方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机领域，尤其涉及一种割草区域的识别方法、装置、电子设备及存储介质。


背景技术：

2.割草机在割草的过程中，只能在用户预先设定的区域按照用户设定的路径执行割草操作，然而，由于用户并不能精准和灵活的对割草路径进行规划，通常只能预设割草机在某一区域范围内按照固定的轨迹执行割草操作，如此，可能会导致割草机在已经割过草的区域再重复执行割草操作，降低割草的效率。


技术实现要素：

3.为解决上述技术问题，本技术实施例提供了一种割草区域的识别方法、装置、电子设备及存储介质。
4.本技术实施例提供了一种割草区域的识别方法，所述方法包括：
5.采集目标区域的图像；
6.识别所述目标区域中的草地区域和非草地区域；
7.识别所述草地区域中的已割草区域和未割草区域；
8.基于识别的所述非草地区域、所述已割草区域和所述未割草区域对所述目标区域的割草路径进行规划。
9.本技术一可选实施方式中，所述识别所述目标区域中的草地区域和非草地区域，包括：
10.利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图，所述第一掩码图包括第一区域和第二区域，所述第一区域用于表征非草地区域，所述第二区域用于表征草地区域。
11.本技术一可选实施方式中，
12.所述利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图，包括：
13.利用第一网络模型对所述目标区域的图像进行处理得到第一特征图，并对所述第一特征图进行反卷积处理，得到第一掩码图；
14.所述识别所述草地区域中的已割草区域和未割草区域，包括：
15.对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图；
16.利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图，所述第二掩码图包括所述第一区域、第三区域和第四区域，所述第三区域用于表征所述草地区域中未割草区域，所述第四区域用于表征所述草地区域中的已割草区域。
17.本技术一可选实施方式中，所述对所述第一掩码图和所述第一特征图进行拼接处理之前，所述方法还包括：
18.对所述第一掩码图进行下采样处理，其中，下采样处理后的所述第一掩码图的分
辨率和所述第一特征图的分辨率相同。
19.本技术一可选实施方式中，所述对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图，包括：
20.对所述第一掩码图和所述第一特征图在通道方向上进行拼接处理，得到拼接特征图。
21.本技术一可选实施方式中，所述利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图，包括：
22.利用第二网络模型对所述拼接特征图进行语义分割处理，所述语义分割处理用于识别所述第二区域中不同高度的草地；
23.基于语义分割处理结果，确定所述第二区域中的所述第三区域和所述第四区域，并基于所述第一区域、所述第三区域和所述第四区域生成第二掩码图。
24.本技术一可选实施方式中，所述第一网络模型的损失函数为第一交叉熵损失函数，所述第二网络模型的损失函数为第二交叉熵损失函数。
25.本技术实施例还提供了一种割草区域的识别装置，所述装置包括：
26.采集单元，用于采集目标区域的图像；
27.第一识别单元，用于识别所述目标区域中的草地区域和非草地区域；
28.第二识别单元，用于识别所述草地区域中的已割草区域和未割草区域；
29.规划单元，用于基于识别的所述非草地区域、所述已割草区域和所述未割草区域对所述目标区域的割草路径进行规划。
30.本技术一可选实施方式中，所述第一识别单元具体用于：利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图，所述第一掩码图包括第一区域和第二区域，所述第一区域用于表征非草地区域，所述第二区域用于表征草地区域。
31.本技术一可选实施方式中，
32.所述第一识别单元具体用于：利用第一网络模型对所述目标区域的图像进行处理得到第一特征图，并对所述第一特征图进行反卷积处理，得到第一掩码图；
33.所述第二识别单元具体用于：对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图；利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图，所述第二掩码图包括所述第一区域、第三区域和第四区域，所述第三区域用于表征所述草地区域中未割草区域，所述第四区域用于表征所述草地区域中的已割草区域。
34.本技术一可选实施方式中，所述对所述第一掩码图和所述第一特征图进行拼接处理之前，所述装置还包括：
35.处理单元，用于对所述第一掩码图进行下采样处理，其中，下采样处理后的所述第一掩码图的分辨率和所述第一特征图的分辨率相同。
36.本技术一可选实施方式中，所述第二识别单元还具体用于：对所述第一掩码图和所述第一特征图在通道方向上进行拼接处理，得到拼接特征图。
37.本技术一可选实施方式中，所述第二识别单元还具体用于：利用第二网络模型对所述拼接特征图进行语义分割处理，所述语义分割处理用于识别所述第二区域中不同高度的草地；基于语义分割处理结果，确定所述第二区域中的所述第三区域和所述第四区域，并基于所述第一区域、所述第三区域和所述第四区域生成第二掩码图。
38.本技术一可选实施方式中，所述第一网络模型的损失函数为第一交叉熵损失函数，所述第二网络模型的损失函数为第二交叉熵损失函数。
39.本技术实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时可实现上述割草区域的识别方法。
40.本技术实施例还提供了一种计算机存储介质，所述存储介质上存储有可执行指令，该可执行指令被处理器执行时实现上述割草区域的识别方法。
41.本技术实施例的技术方案，通过采集目标区域的图像；识别所述目标区域中的草地区域和非草地区域；识别所述草地区域中的已割草区域和未割草区域区域；基于识别的所述非草地区域、所述已割草区域和所述未割草区域对所述目标区域的割草路径进行规划。如此，能够在割草机进行割草的过程中，区分出目标区域中的已割草区域和未割草区域，从而可以只针对未割过草的区域进行割草路径的规划并按照规划的路径执行割草的操作，提高割草的效率，缩短割草时间。
附图说明
42.图1为本技术实施例提供的割草区域的识别方法的流程示意图；
43.图2为本技术实施例提供的割草区域的识别过程示意图；
44.图3为本技术实施例提供的割草区域的识别装置的结构组成示意图；
45.图4为本技术实施例的电子设备的硬件结构示意图。
具体实施方式
46.为使本技术的目的、技术方案和优点更加清楚明白，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
47.图1为本技术实施例提供的割草区域的识别方法的流程示意图，如图1所示，所述方法包括如下步骤：
48.步骤101：采集目标区域的图像。
49.本技术实施例的技术方案应用于用于进行割草的设备中，如割草机。割草设备上具有图像采集装置，割草设备在行进过程中，能够利用图像采集装置采集某一区域范围的图像，如采集割草设备行进方向正前方区域的图像。
50.当然，割草设备上也可以设置有多个图像采集装置，多个图像采集装置分别设置在割草设备的不同位置上，从而可以采集到割草设备周边多个方向对应的多个区域范围的图像，割草设备中的处理器通过结合多个图像采集装置采集的多个方向对应的多个区域范围的图像。
51.步骤102：识别所述目标区域中的草地区域和非草地区域。
52.本技术一可选实施方式中，对于目标区域中的草地区域和非草地区域的识别利用第一网络模型实现，可选的，第一网络模型为深度学习模型，将图像采集装置采集的目标区域的图像输入至第一网络模型中，可以利用第一网络模型识别出图像中的草地区域和非草地区域。第一网络模型在对目标区域的图像进行处理时，将图像中除草地以外的部分，如天空、人、石头、木桩等均识别为非草地区域。本技术实施例对于第一网络模型的具体类型不作具体限制，只要能够识别出目标区域的图像中的草地和草地以外的对象即可。
53.本技术一可选实施方式中，对于识别所述目标区域中的草地区域和非草地区域这一过程具体可通过以下方式实现：
54.利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图，所述第一掩码图包括第一区域和第二区域，所述第一区域用于表征非草地区域，所述第二区域用于表征草地区域。
55.本技术实施例中，为了将目标区域中的草地区域和非草地区域区分开，将目标区域中的属于草地区域和非草地区域这两种不同类型的区域以不同的显示方式(如不同的颜色)进行显示，可以利用第一网络模型对目标区域的图像进行处理得到能够有区别的显示出草地区域和非草地区域的第一掩码图。这里，第一网络模型在对目标区域的图像进行处理后，将目标区域中的草地归为同一类型，将除草地以外的对象，如石头、天空等归为同一种类型，最终输出包含两种类型的区域的第一掩码图。
56.在一种优选的实施方式中，第一网络模型可以为语义分割模型，例如deeplab系列，全卷积神经网络(fcn，fully convolutional networks)系列，u-net系列。语义分割模型能够像素级的识别目标区域的图像，标注出目标区域的图像中每个像素所属的对象的类别。通过将目标区域的图像输入至语义分割模型，利用语义分割模型将目标区域图像中的各像素按照草地和非草地两种类型进行分类，从而最终识别出目标区域的图像中的草地区域和非草地区域。
57.图2为本技术实施例提供的一种割草区域的识别过程示意图，图2中，第一网络模型为fcn，利用fcn模型对目标区域的图像进行处理能够识别目标区域的图像中的草地区域和非草地区域。fcn模型中，cnn block代表卷积块，
“…”
表示多个连续的cnn block，deconv代表反卷积。
58.步骤103：识别所述草地区域中的已割草区域和未割草区域。
59.在一种实施方式中，所述第一掩码图由第一特征图经过反卷积处理得到；具体的，利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图这一步骤具体为：利用第一网络模型对所述目标区域的图像进行处理得到第一特征图，并对所述第一特征图进行反卷积处理，得到第一掩码图。
60.相应的，在一种实施方式中，利用第二网模型识别所述草地区域中的已割草区域和未割草区域这一步骤具体可通过以下方式实现：
61.对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图；
62.利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图，所述第二掩码图包括所述第一区域、第三区域和第四区域，所述第三区域用于表征所述草地区域中未割草区域，所述第四区域用于表征所述草地区域中的已割草区域。
63.具体的，如图2所示，对于第一网络模型的主干网络生成的第一特征图，对该第一特征图进行反卷积操作后得到第一掩码图。第一特征图对应的特征为第一网络模型提取的目标区域的图像中的隐式特征，该隐式特征为高维隐式特征，用于表征目标区域的图像中的草地和非草地的差异。
64.将第一掩码图和第一特征图进行拼接，得到拼接的特征图后，即可将拼接后的特征图输入至第二网络模型，由第二网络模型继续针对拼接的特征图进行处理，可以将第二区域，即对草地区域按照草地高度的不同区分为已割草区域和未割草区域，最终结合第一区域生成包含非草地区域、已割草区域和未割草区域这三种区域的第二掩码图。
65.本技术实施例中，为了将目标区域的草地区域中已割草区域和未割草区域区分开，将草地区域中的属于已割草区域和未割草区域这两种不同类型的区域以不同的显示方式(如不同的颜色)进行显示，再结合已识别出的草地区域中的非草地区域，利用第二网络模型对拼接特征图进行处理得到能够有区别的显示出已割草区域、未割草区域和非草地区域的第二掩码图。
66.在一种实施方式中，对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图这一步骤具体包括：对所述第一掩码图和所述第一特征图在通道方向上进行拼接处理，得到拼接特征图。
67.具体的，对第一掩码图和第一特征图进行拼接，具体是将第一掩码图和第一特征图在通道方向(即channel)方向进行整合堆叠。如图2所示，利用拼接模块(即图2中的concatenation)即可实现第一掩码图和第一特征图的拼接，通过将第一掩码图和第一特征图进行拼接可以学习到针对目标区域的图像的更多特征，学习到的特征能够体现出图像中的非草地区域、以及具有不同高度的草地区域的差异。
68.在一种实施方式中，利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图具体包括：
69.利用第二网络模型对所述拼接特征图进行语义分割处理，所述语义分割处理用于识别所述第二区域中不同高度的草地；
70.基于语义分割处理结果，确定所述第二区域中的所述第三区域和所述第四区域，并基于所述第一区域、所述第三区域和所述第四区域生成第二掩码图。
71.具体的，第二网络模型中包括一个以上的cnn block，将拼接特征图输入至第二网络模型中后，第二网络模型通过对拼接特征图进一步进行细粒度的语义分割，具体通过对拼接特征图中的特征再次进行特征提取，然后经过卷积恢复、学习空间细节以及监督学习等，实现细粒度的语义分割，识别出草地区域中草地的不同的高度，将草地区域分为已割草区域和未割草区域，最终输出包含非草地区域、已割草区域和未割草区域的三种区域的第二掩码图。
72.本技术一可选实施方式中，对所述第一掩码图和所述第一特征图进行拼接处理之前，还需对所述第一掩码图进行下采样处理，使得下采样处理后的所述第一掩码图的分辨率和所述第一特征图的分辨率相同。
73.如图2所示，由于第一掩码图与第一特征图的分辨率可能不同，在将二者进行拼接之前，可以对第一掩码图进行下采样处理(利用图2中的downsample模块实现)，降低第一掩码图的分辨率，使第一掩码图的分辨率与第一特征图的分辨率相同。
74.在一种实施方式中，所述第一网络模型的损失函数为第一交叉熵损失函数，所述第二网络模型的损失函数为第二交叉熵损失函数。
75.交叉熵损失函数是分类问题中使用的损失函数，利用交叉熵损失函数分别作为第一网络模型以及第二网络模型的的损失函数，可以准确的对输入至两个网络模型中的图像中的各对象进行分类。
76.并且，两个网络模型具有独立的损失函数，两个网络模型是分别进行训练的，能够各自优化其网络参数。
77.步骤104：基于识别的所述非草地区域、所述已割草区域和所述未割草区域对所述目标区域的割草路径进行规划。
78.本技术一可选实施方式中，基于生成的包含非草地区域、已割过草的区域和未割过草的区域的第二掩码图，能够对割草机的割草路径进行规划，使得割草机按照规划出的路径行进，并在行进过程中执行割草操作。
79.具体的，针对第二掩码图，通过利用透视变换矩阵对该第二掩码图进行透视变换即可得到目标区域的地图。
80.透视变换矩阵为将第二掩码图中各对象的像素坐标转换为现实世界坐标的转换矩阵。利用透视变换矩阵对第二掩码图进行透视变换得到的目标区域的地图中的各个对象具有相应的现实世界的坐标。
81.透视变换矩阵可以基于图像采集装置的内部参数和外部参数来确定。其中，内部参数是与图像采集装置自身相关的参数，如图像采集装置的焦距、像素大小等。图像采集装置的外部参数是图像采集装置在世界坐标系中的参数，比如图像采集装置的位置、旋转方向等。图像采集装置的内部参数可以进行标定，在对图像采集装置进行标定后，其内部参数一般是确定的。对于安装在割草设备上的图像采集装置，其位置可能会相对割草机发生变化，因此，图像采集装置的外部参数可能会发生变化。可以利用传感器检测出图像采集装置的位置变化，并基于图像传感器检测的数据确定出图像采集装置的外部参数。
82.在确定出图像采集装置的内部参数和外部参数后，即可基于这两种参数得到透视变换矩阵。
83.在得到目标区域的地图后，即可对目标区域进行路径规划，规划的路径中不包括障碍物和已割草区域，割草机在作业过程中仅在未割过草的区域进行割草操作，避免割草机在已割过草的区域再重复作业。
84.本技术实施例的技术方案能够在割草机进行割草的过程中，区分出割草机作业区域中的已割草区域和未割草区域，从而可以只针对未割过草的区域进行割草路径的规划并按照规划的路径执行割草的操作，提高割草的效率，缩短割草时间。
85.图3为本技术实施例提供的割草区域的识别装置的结构组成示意图，如图3所示，所述割草区域的识别装置包括：
86.采集单元301，用于采集目标区域的图像；
87.第一识别单元302，用于识别所述目标区域中的草地区域和非草地区域；
88.第二识别单元303，用于识别所述草地区域中的已割草区域和未割草区域；
89.规划单元304，用于基于识别的所述非草地区域、所述已割草区域和所述未割草区域对所述目标区域的割草路径进行规划。
90.本技术一可选实施方式中，所述第一识别单元302具体用于：利用第一网络模型对所述目标区域的图像进行处理，得到第一掩码图，所述第一掩码图包括第一区域和第二区域，所述第一区域用于表征非草地区域，所述第二区域用于表征草地区域。
91.本技术一可选实施方式中，
92.所述第一识别单元302具体用于：利用第一网络模型对所述目标区域的图像进行处理得到第一特征图，并对所述第一特征图进行反卷积处理，得到第一掩码图；
93.所述第二识别单元303具体用于：对所述第一掩码图和所述第一特征图进行拼接处理，得到拼接特征图；利用第二网络模型对所述拼接特征图进行处理，得到第二掩码图，所述第二掩码图包括所述第一区域、第三区域和第四区域，所述第三区域用于表征所述草地区域中未割草区域，所述第四区域用于表征所述草地区域中的已割草区域。
94.本技术一可选实施方式中，所述对所述第一掩码图和所述第一特征图进行拼接处理之前，所述装置还包括：
95.处理单元305，用于对所述第一掩码图进行下采样处理，其中，下采样处理后的所述第一掩码图的分辨率和所述第一特征图的分辨率相同。
96.本技术一可选实施方式中，所述第二识别单元303还具体用于：对所述第一掩码图和所述第一特征图在通道方向上进行拼接处理，得到拼接特征图。
97.本技术一可选实施方式中，所述第二识别单元303还具体用于：利用第二网络模型对所述拼接特征图进行语义分割处理，所述语义分割处理用于识别所述第二区域中不同高度的草地；基于语义分割处理结果，确定所述第二区域中的所述第三区域和所述第四区域，并基于所述第一区域、所述第三区域和所述第四区域生成第二掩码图。
98.本技术一可选实施方式中，所述第一网络模型的损失函数为第一交叉熵损失函数，所述第二网络模型的损失函数为第二交叉熵损失函数。
99.本领域技术人员应当理解，图3所示的割草区域的识别装置中的各单元的实现功能可参照前述割草区域的识别方法的相关描述而理解。图3所示的割草区域的识别装置中的各单元的功能可通过运行于处理器上的程序而实现，也可通过具体的逻辑电路而实现。
100.可以理解，所述图像采集装置中的采集单元301、第一识别单元302、第二识别单元303、规划单元304、处理单元305实际应用中均可由终端设备的中央处理器(cpu，central processing unit)、数字信号处理器(dsp，digital signal processor)、微控制单元(mcu，microcontroller unit)或可编程门阵列(fpga，field－programmable gate array)实现。
101.图4为本技术实施例的电子设备的硬件结构示意图，如图4所示，包括：用于进行数据传输的通信组件403、至少一个处理器401和用于存储能够在处理器401上运行的计算机程序的存储器402。终端中的各个组件通过总线系统404耦合在一起。可理解，总线系统404用于实现这些组件之间的连接通信。总线系统404除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统404。
102.其中，所述处理器401执行所述计算机程序时至少执行上述图1所示方法的步骤。
103.可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器
(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic random access memory)、同步连接动态随机存取存储器(sldram，synclink dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本技术实施例描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
104.上述本技术实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、dsp，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器401可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成前述方法的步骤。
105.在示例性实施例中，电子设备可以被一个或多个应用专用集成电路(asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、fpga、通用处理器、控制器、mcu、微处理器(microprocessor)、或其他电子元件实现，用于执行前述的获得训练数据的方法。
106.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时至少用于执行上述实施例所示方法的步骤。所述计算机可读存储介质具体可以为存储器。所述存储器可以为如图4所示的存储器402。
107.本技术实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
108.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和智能设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
109.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
110.另外，在本技术各实施例中的各功能单元可以全部集成在一个第二处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
111.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。