雷竹林退化程度确定方法、介质和电子设备转让专利
申请号 : CN202211219828.7
文献号 : CN115294460B
文献日 : 2023-01-17
发明人 : 罗煦钦 , 周斌 , 周祖煜 , 陈煜人 , 张澎彬 , 林波 , 张浩 , 莫志敏 , 李天齐 , 刘俊
申请人 : 杭州领见数字农业科技有限公司
摘要 :
本发明提出了一种雷竹林退化程度确定方法、介质和电子设备，该方法包括：获取目标区域的当前遥感图像，其中，当前遥感图像的波段至少包括近红外波段、中红外波段、红光波段以及蓝光波段；根据当前遥感图像，确定目标区域中每个样方的距平植被指数和地上生物量；将距平植被指数和地上生物量输入预设的退化阈值判定模型中，以确定当前遥感图像中对应于样方的像素点的值；根据当前遥感图像中像素点的值，确定当前遥感图像中每块雷竹图斑的雷竹林退化指数，其中，雷竹图斑包括多个像素点，雷竹图斑的雷竹林退化指数根据雷竹图斑内所有像素点的值确定。如此，可通过卫星遥感影像即可方便、快速、全面地获取雷竹生长情况。
权利要求 :
1.一种基于图像的雷竹退化程度确定方法，其特征在于，包括：
获取目标区域的当前遥感图像，其中，所述当前遥感图像的波段至少包括近红外波段、中红外波段、红光波段以及蓝光波段；
根据所述当前遥感图像，确定所述目标区域中每个样方的距平植被指数和地上生物量；
将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值；
根据所述当前遥感图像中所述像素点的值，确定所述当前遥感图像中每块雷竹图斑的雷竹林退化指数，其中，所述雷竹图斑包括多个所述像素点，所述雷竹图斑的雷竹林退化指数根据所述雷竹图斑内所有像素点的值确定；
其中，将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值，包括：根据数字图像P值分割法，对所述当前遥感图像进行分割，其中，所述P值与所述雷竹退化比例阈值相同；
若分割后确定所述像素点的地上生物量小于雷竹退化比例阈值、且所述像素点的距平植被指数小于年际间距平植被指数阈值，则确定所述像素点的值为0；否则，确定所述像素点的值为1；
其中，退化阈值判定模型为：
A
其中，A代表距平植被指数，B代表地上生物量，C代表年际间距平植被指数阈值，D代表雷竹退化比例阈值。
2.根据权利要求1所述的雷竹退化程度确定方法，其特征在于，所述方法还包括：根据所述雷竹图斑的雷竹林退化指数，确定雷竹图斑的雷竹林退化等级；
根据所述雷竹林退化等级，在所述当前遥感图像中对所述雷竹图斑赋予颜色属性。
3.根据权利要求1所述的雷竹退化程度确定方法，其特征在于，所述距平植被指数通过以下公式计算得到：A=(EVIi‑EVIavg)/EVIavg （1）EVI =2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （2）在公式（1）和公式（2）中，A为距平植被指数，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；EVI为增强型植被指数；EVIi为当年增强型植被指数值；EVIavg为近三年增强型植被指数均值。
4.根据权利要求1所述的雷竹退化程度确定方法，其特征在于，所述地上生物量通过以下公式计算得到：B = ‑34.58 ‑ 105.16 * IIVI + 54.44 * EVI + 71.75 * TM437 （3）EVI = 2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （4）IIVI = (NIR ‑ SWIR1) / (NIR + SWIR1) （5）TM437 = NIR * RED / SWIR2 （6）其中，公式（3）至公式（6）中，B为地上生物量，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；SWIR1、SWIR2为波长不同的中红外波段；EVI为增强型植被指数；IIVI为近红外植被指数；TM437为TM4*TM3/TM7这一式子的代称。
5.根据权利要求1至4中任一项所述的雷竹退化程度确定方法，其特征在于，所述将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值之前，所述方法还包括：获取检测区域的历史遥感图像，并确定所述历史遥感图像对应的历史距平植被指数和历史地上生物量；
将所述历史距平植被指数和所述历史地上生物量输入验证前的退化阈值判定模型中，以确定所述历史遥感图像中对应于样方的像素点的值；
获取所述检测区域的样方的退化程度；
根据所述样方的退化程度、以及所述像素点的值，以对验证前的退化阈值判定模型进行验证。
6.根据权利要求5所述的雷竹退化程度确定方法，其特征在于，所述根据所述样方的退化程度、以及所述像素点的值，以对验证前的退化阈值判定模型进行验证，包括：根据所述样方的退化程度、以及所述像素点的值，确定验证前的退化阈值判定模型的准确率；
在所述准确率超过预设阈值时，确定退化阈值判定模型验证通过。
7.一种非临时性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实现权利要求1至6中任一项所述方法的步骤。
8.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至6中任一项所述方法的步骤。
说明书 :
雷竹林退化程度确定方法、介质和电子设备
技术领域
[0001] 本发明涉及计算机领域，具体而言，涉及一种雷竹林退化程度确定方法、介质和电子设备。
背景技术
[0002] 雷竹是某市的乡土竹种，为我国著名的优良笋用竹。近20年来，雷竹笋产业快速发展，一直是某市农村经济的第一大产业，在竹笋重点产区，竹农60%的收入来自竹笋。某市通过推进产业化经营，从科技推广、市场建设、宣传促销多方面着手，使雷竹笋产业仍然处于主导地位。
[0003] 随着雷竹林早出覆盖技术的应用推广，雷竹林的竹笋产量和经济效益得到了显著提高，但覆盖年限的增加也使得雷竹林出现了不同程度的退化现象，且有日趋严重的趋势。由于过度经营，最近几年，雷竹林因大量施用化肥，土壤酸化，竹林开始出现退化现象；因劳动力不足，竹笋实际效益下降，竹林出现失管荒芜等问题。
[0004] 因此，对雷竹林的长势进行评价和诊断，以便农业农村局业务部门及时采取干预措施是促进雷竹产业可持续发展的有效手段。
发明内容
[0005] 本发明旨在至少解决现有技术中存在的雷竹林长势难以准确诊断的问题。
[0006] 有鉴于此，本发明的一个目的在于提供一种雷竹林退化程度确定方法。
[0007] 本发明的另一个目的在于提供一种计算机介质。
[0008] 本发明的又一个目的在于提供一种电子设备。
[0009] 为了实现上述目的，本发明的第一方面的技术方案提供了一种雷竹林退化程度确定方法，包括：
[0010] 获取目标区域的当前遥感图像，其中，所述当前遥感图像的波段至少包括近红外波段、中红外波段、红光波段以及蓝光波段；
[0011] 根据所述当前遥感图像，确定所述目标区域中每个样方的距平植被指数和地上生物量；
[0012] 将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值；
[0013] 根据所述当前遥感图像中所述像素点的值，确定所述当前遥感图像中每块雷竹图斑的雷竹林退化指数，其中，所述雷竹图斑包括多个所述像素点，所述雷竹图斑的雷竹林退化指数根据所述雷竹图斑内所有像素点的值确定。
[0014] 可选地，所述方法还包括：
[0015] 根据所述雷竹图斑的雷竹林退化指数，确定雷竹图斑的雷竹林退化等级；
[0016] 根据所述雷竹林退化等级，在所述当前遥感图像中对所述雷竹图斑赋予颜色属性。
[0017] 可选地，所述距平植被指数通过以下公式计算得到：
[0018] A=(EVIi‑EVIavg)/EVIavg （1）[0019] EVI =2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （2）[0020] 在公式（1）和公式（2）中，A为距平植被指数，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；EVI为增强型植被指数；EVIi为当年增强型植被指数值；EVIavg为近三年增强型植被指数均值。
[0021] 可选地，所述地上生物量通过以下公式计算得到：
[0022] B = ‑34.58 ‑ 105.16 * IIVI + 54.44 * EVI + 71.75 * TM437 （3）[0023] EVI = 2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （4）[0024] IIVI = (NIR ‑ SWIR1) / (NIR + SWIR1) （5）[0025] TM437 = NIR * RED / SWIR2 （6）[0026] 其中，公式（3）至公式（6）中，B为地上生物量，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；SWIR1、SWIR2为波长不同的中红外波段；EVI为增强型植被指数；IIVI为近红外植被指数；TM437为TM4*TM3/TM7这一式子的代称。
[0027] 可选地，退化阈值判定模型为：
[0028] A
[0029] 其中，A代表距平植被指数，B代表地上生物量，C代表年际间距平植被指数阈值，D代表雷竹退化比例阈值。
[0030] 可选地，将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值，包括：
[0031] 根据数字图像P值分割法，对所述当前遥感图像进行分割，其中，所述P值与所述雷竹退化比例阈值相同；
[0032] 若分割后确定所述像素点的地上生物量小于雷竹退化比例阈值、且所述像素点的距平植被指数小于年际间距平植被指数阈值，则确定所述像素点的值为0；否则，确定所述像素点的值为1。
[0033] 可选地，所述将所述距平植被指数和所述地上生物量输入预设的退化阈值判定模型中，以确定所述当前遥感图像中对应于所述样方的像素点的值之前，所述方法还包括：
[0034] 获取检测区域的历史遥感图像，并确定所述历史遥感图像对应的历史距平植被指数和历史地上生物量；
[0035] 将所述历史距平植被指数和所述历史地上生物量输入验证前的退化阈值判定模型中，以确定所述历史遥感图像中对应于样方的像素点的值；
[0036] 获取所述检测区域的样方的退化程度；
[0037] 根据所述样方的退化程度、以及所述像素点的值，以对验证前的退化阈值判定模型进行验证。
[0038] 可选地，所述根据所述样方的退化程度、以及所述像素点的值，以对验证前的退化阈值判定模型进行验证，包括：
[0039] 根据所述样方的退化程度、以及所述像素点的值，确定验证前的退化阈值判定模型的准确率；
[0040] 在所述准确率超过预设阈值时，确定退化阈值判定模型验证通过。
[0041] 本发明第二方面的技术方案提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面所提供的方法。
[0042] 本发明第三方面的技术方案提供了一种电子设备，包括：
[0043] 存储器，其上存储有计算机程序；
[0044] 处理器，用于执行所述存储器中的所述计算机程序，以实现本发明第一方面所提供的方法。
[0045] 通过上述技术方案，通过卫星遥感影像即可方便、快速、全面地获取雷竹生长情况，极大地降低了雷竹林技专家现场研判竹林长势的难度和费用，也为农业农村局进行退化雷竹林恢复的决策提供理论依据。
[0046] 具体来说，结合距平植被指数确定阈值进行生长趋势判断；在退化判定栅格图上使用雷竹种植矢量图斑进行像素点均值统计，判断该图斑雷竹林的生长情况，可以实现对雷竹林的长势分级提取。
[0047] 本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
[0048] 图1是根据本发明的一个实施例雷竹林退化程度确定方法的流程图；
[0049] 图2是根据本发明的一个实施例雷竹林退化程度确定方法的示意图；
[0050] 图3是根据本发明的一个实施例中对雷竹图斑赋予颜色属性后遥感图像的示意图；
[0051] 图4是根据本发明的一个实施例电子设备的框图。
具体实施方式
[0052] 为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
[0053] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
[0054] 下面参照图1至图4描述根据本发明的一些实施例。
[0055] 参照图1，本发明实施例的雷竹林退化程度确定方法可以包括步骤S11至步骤S14。
[0056] 在步骤S11中，获取目标区域的当前遥感图像，其中，所述当前遥感图像的波段至少包括近红外波段、中红外波段、红光波段以及蓝光波段。
[0057] 如，多光谱数据来自Sentinel‑2哨兵影像，是高分辨率多光谱成像卫星，高度为786千米，携带一枚多光谱成像仪，用于陆地监测，可提供植被、土壤和水覆盖、内陆水路及海岸区域等图像。其多光谱成像仪可覆盖13个光谱波段，幅宽达290千米，两颗卫星互补，重访周期为5天。
[0058] 本方案的多光谱数据来自地理监测云平台Google Earth Engine，数据类型选择已经进行辐射校正的2A数据计算所需指数，时相上选择2021年7 8月的中值合成数据。~
[0059] 在步骤S12中，根据当前遥感图像，确定目标区域中每个样方的距平植被指数和地上生物量；
[0060] 在步骤S13中，将距平植被指数和地上生物量输入预设的退化阈值判定模型中，以确定当前遥感图像中对应于样方的像素点的值；
[0061] 在步骤S14中，根据当前遥感图像中像素点的值，确定当前遥感图像中每块雷竹图斑的雷竹林退化指数，其中，雷竹图斑包括多个像素点，雷竹图斑的雷竹林退化指数根据雷竹图斑内所有像素点的值确定
[0062] 如此，结合距平植被指数确定阈值进行生长趋势判断；在退化判定栅格图上使用雷竹种植矢量图斑进行像素点均值统计，判断该图斑雷竹林的生长情况。这样，可以通过卫星遥感影像即可方便、快速、全面地获取雷竹生长情况，极大地降低了雷竹林技专家现场研判竹林长势的难度和费用，也为农业农村局进行退化雷竹林恢复的决策提供理论依据。
[0063] 在一种可能的实施方式中，方法还包括：
[0064] 根据雷竹图斑的雷竹林退化指数，确定雷竹图斑的雷竹林退化等级；
[0065] 根据雷竹林退化等级，在当前遥感图像中对雷竹图斑赋予颜色属性。
[0066] 距平植被指数可反映植被年际间变化情况，通常用于对比同期长势情况，值越低则长势越差。在本方案中，用于对比年际间长势变动情况，分析雷竹退化趋势。植被指数的选择选用了增强型植被指数，该指数由归一化植被指数改善而来，能够解决传统植被指数容易饱和以及与实际植被覆盖缺乏线性覆盖的关系。因此，在一种可能的实施方式中，距平植被指数通过以下公式计算得到：
[0067] A=(EVIi‑EVIavg)/EVIavg （1）[0068] EVI =2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （2）[0069] 在公式（1）和公式（2）中，A为距平植被指数，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；EVI为增强型植被指数；EVIi为当年增强型植被指数值；EVIavg为近三年增强型植被指数均值。
[0070] 在一种可能的实施方式中，地上生物量可以参考论文《基于Landsat TM数据估算雷竹林地上生物量》获取定量反演公式，其中涉及的TM影像波段皆可在Sentinel‑2影像中找到替代波段。地上生物量通过以下公式计算得到：
[0071] B = ‑34.58 ‑ 105.16 * IIVI + 54.44 * EVI + 71.75 * TM437 （3）[0072] EVI = 2.5 * ((NIR ‑ RED) / (NIR + 6 * RED ‑ 7.5 * BLUE + 1)) （4）[0073] IIVI = (NIR ‑ SWIR1) / (NIR + SWIR1) （5）[0074] TM437 = NIR * RED / SWIR2 （6）[0075] 其中，公式（3）至公式（6）中，B为地上生物量，NIR为近红外波段；RED为红光波段；BLUE为蓝光波段；SWIR1、SWIR2为波长不同的中红外波段；EVI为增强型植被指数；IIVI为近红外植被指数；TM437为TM4*TM3/TM7这一式子的代称。
[0076] 在一种可能的实施方式中，退化阈值判定模型为：
[0077] A
[0078] 其中，A代表距平植被指数，B代表地上生物量，C代表年际间距平植被指数阈值，D代表雷竹退化比例阈值。
[0079] 在一种可能的实施方式中，将距平植被指数和地上生物量输入预设的退化阈值判定模型中，以确定当前遥感图像中对应于样方的像素点的值，包括：
[0080] 根据数字图像P值分割法，对当前遥感图像进行分割，其中，P值与雷竹退化比例阈值相同；
[0081] 若分割后确定像素点的地上生物量小于雷竹退化比例阈值、且像素点的距平植被指数小于年际间距平植被指数阈值，则确定像素点的值为0；否则，确定像素点的值为1。
[0082] 也就是说，在本方案中，退化图像即为对一张栅格图上的像素点进行二分操作，这里选用了数字图像P值分割法作为二分方法。
[0083] 由《某市雷竹退化竹林改造调查报告》，得雷竹退化比例为69.6。计算雷竹生长区域的地上生物量B，并进行统计分析，取其位于69.6的分位数值作为P值。经计算，值为19.38，那么在图像分割法中所使用的P值将确定为19.38。同时，退化判定除了基于地上生物量的P值外，需要使用年际间距平植被指数进行辅助。这里认为，当雷竹长势不佳时，其值小于0.03（即年际间距平植被指数阈值可以使0.03）。
[0084] 在一种可能的实施方式中，将距平植被指数和地上生物量输入预设的退化阈值判定模型中，以确定当前遥感图像中对应于样方的像素点的值之前，方法还可以包括：
[0085] 获取检测区域的历史遥感图像，并确定历史遥感图像对应的历史距平植被指数和历史地上生物量；
[0086] 将历史距平植被指数和历史地上生物量输入验证前的退化阈值判定模型中，以确定历史遥感图像中对应于样方的像素点的值；
[0087] 获取检测区域的样方的退化程度；
[0088] 根据样方的退化程度、以及像素点的值，以对验证前的退化阈值判定模型进行验证。
[0089] 如此，可以对退化阈值判定模型进行验证，以提高雷竹林退化程度确定的准确性。
[0090] 在一种可能的实施方式中，根据样方的退化程度、以及像素点的值，以对验证前的退化阈值判定模型进行验证，包括：
[0091] 根据样方的退化程度、以及像素点的值，确定验证前的退化阈值判定模型的准确率；
[0092] 在准确率超过预设阈值时，确定退化阈值判定模型验证通过。
[0093] 在本方案中，样方将布置于长势极好或长势极差的雷竹生长区域，设定其面积为10m*10m，以保持与遥感影像数据尺寸上的一致性。对样方，需要记录以下几项信息：
[0094] a.样方编号；b.基地名称；c.立竹株数；d.新竹株数；e.经纬度；f.退化程度。
[0095] 完成样方数据的编制、采集、整理后，得到样方位置与是否退化的对应关系。结合上述退化阈值判定模型进行公式的正确性验证，认为准确率高于80%时可信任该退化阈值判定模型。
[0096] 参照图2，在根据退化阈值判定模型的准确率高于预设阈值时，可以确定信任该退化阈值判定模型，即对应于图2中的“精度判断”步骤。
[0097] 图2中的“雷竹退化格栅”可以是对当前遥感图像进行格栅化处理。随后利用退化阈值判定模型确定每个雷竹图斑的雷竹林退化指数，例如，对单个雷竹图斑而言，该图斑将包括雷竹退化栅格图中的多个像素点，计算多个像素点值的均值，该均值即为雷竹林退化指数（对应于图2中的均值统计）。
[0098] 根据前文提到的参考文献，重度退化比例为51.79%，退化总比例为69.67%，因此对于雷竹林退化指数，认为0 0.5179为长势极差，0.5179 0.6967为长势较差，0.6967 1为长~ ~ ~势好。按上述规则给每一块雷竹图斑赋予颜色属性，并制作专题地图（参照图3），完成雷竹长势分级提取。
[0099] 图4是根据一示例性实施例示出的一种电子设备20的框图。例如，电子设备20可以被提供为一服务器。参照图4，电子设备20包括处理器22，其数量可以为一个或多个，以及存储器23，用于存储可由处理器22执行的计算机程序。存储器23中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器22可以被配置为执行该计算机程序，以执行上述雷竹林退化程度确定方法。
[0100] 另外，电子设备20还可以包括电源组件21和通信组件24，该电源组件21可以被配置为执行电子设备20的电源管理，该通信组件24可以被配置为实现电子设备20的通信，例如，有线或无线通信。此外，该电子设备20还可以包括输入/输出（I/O）接口25。电子设备20TM TM TM可以操作基于存储在存储器23的操作系统，例如Windows Server ，Mac OS X ，Unix ，TM
Linux 等等。
Linux 等等。
[0101] 在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述雷竹林退化程度确定方法的步骤。例如，该非临时性计算机可读存储介质可以为上述包括程序指令的存储器23，上述程序指令可由电子设备20的处理器22执行以完成上述雷竹林退化程度确定方法。
[0102] 在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述雷竹林退化程度确定方法的代码部分。
[0103] 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。
[0104] 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装置。
[0105] 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装置的制造品，该指令装置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。
[0106] 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。
[0107] 应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。