基于匹配追踪的断层面自动识别方法及装置、存储介质.pdf

《基于匹配追踪的断层面自动识别方法及装置、存储介质.pdf》由会员分享，可在线阅读，更多相关《基于匹配追踪的断层面自动识别方法及装置、存储介质.pdf（13页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410020583.8(22)申请日 2024.01.08(71)申请人 中国石油集团东方地球物理勘探有限责任公司地址 072750 河北省保定市涿州市范阳西路189号 申请人 中国石油天然气集团有限公司中油油气勘探软件国家工程研究中心有限公司(72)发明人 李磊宋强功崔京彬李全虎袁世洪张勇(74)专利代理机构 石家庄科诚专利事务所(普通合伙)13113专利代理师 李星刘丽丽(51)Int.Cl.G06V 10/74(2022.01)G06V 20/64(2022.01)G06V 30/42。

2、(2022.01)G01V 1/30(2006.01)(54)发明名称基于匹配追踪的断层面自动识别方法及装置、存储介质(57)摘要本发明属于石油勘探技术领域，具体公开了一种基于匹配追踪的断层面自动识别方法及装置、存储介质。本发明将三维地震断层数据体看作是多帧的视频序列，以主测线方向建立多张连续剖面的序列，在断层识别的基础上，通过应用平衡调节卡尔曼滤波和匈牙利算法解决多目标追踪和数据关联问题，实现了三维地震断层数据体的断层组合，并快速提取断层面。本发明有助于提高断层面的提取、分割和标记的精度，缩减断层识别与断层面提取的时间成本和人力成本。本发明适用于石油勘探中断层识别。权利要求书3页 说明书7页。

3、 附图2页CN 117523236 A2024.02.06CN 117523236 A1.一种基于匹配追踪的断层面自动识别方法，其特征在于，包括依次进行的以下步骤：S1、输入断层剖面；将三维地震断层数据体切割成n张二维剖面，输入n张二维剖面；n2；S2、标记位置、加入追踪列表；首先，通过断层检测算法得到n张二维剖面中每一断层实例的个数、位置，获得每张二维剖面的检测结果；然后，结合第一张二维剖面的检测结果对其中每一个断层实例分别创建ID，使用卡尔曼滤波对带有断层实例ID的第一张二维剖面的检测结果初始化，作为追踪结果加入追踪列表中；S3、关联匹配；将第二张二维剖面的检测结果作为当前检测结果，使用平。

4、衡调节卡尔曼滤波对追踪列表中的每个断层实例分别进行预测，根据上一个剖面的断层实例所在位置的后验状态估计值，计算预测结果先验状态估计值，并计算其与当前检测结果之间的欧式距离得到成本矩阵，然后将当前检测结果与追踪结果进行最大化关联匹配，如果关联匹配成功，则执行步骤S5，否则执行步骤S4；S4、重新关联匹配；放宽关联匹配限制条件重新关联匹配；如果在重新关联匹配成功之前，重新关联匹配次数小于m，则在重新关联匹配结束后，执行步骤S5；当重新关联匹配次数达到m时仍未重新关联匹配成功，如果追踪结果中存在未关联成功的断层实例，则将该断层实例从追踪列表中删除，如果检测结果中存在未关联成功的断层实例，即判断为产生。

5、了新的断层实例，则创建新的断层实例ID；然后执行步骤S5；m为正整数；S5、更新追踪列表；采用平衡调节卡尔曼滤波将当前检测结果更新后作为追踪结果加入追踪列表，对追踪列表进行更新，将下一张二维剖面的检测结果作为当前检测结果，重新从步骤S3开始执行，直至完成第n张二维剖面的匹配、关联。2.根据权利要求1所述的基于匹配追踪的断层面自动识别方法，其特征在于，使用平衡调节卡尔曼滤波对追踪列表中的断层实例进行预测的过程为：依据式和式，根据断层实例上一时刻的后验状态估计值来估计当前时刻的状态，得到断层实例k时刻的先验状态估计值；式其中，表示平衡调节因子，表示断层实例k1时刻的后验状态估计值；表示断层实例k时。

6、刻的先验状态估计值，即根据上一时刻的最优估计预测的k时刻的结果；表示状态转移矩阵，表示原始状态相关矩阵，表示k时刻外界对系统的作用；式其中，是k1时刻的后验估计协方差；是k时刻先验估计协方差；是噪声矩阵方程。权利要求书1/3 页2CN 117523236 A23.根据权利要求2所述的基于匹配追踪的断层面自动识别方法，其特征在于，步骤S5更新过程中，根据式式，通过断层实例当前时刻的检测结果来修正预测阶段的估计值，得到断层实例当前时刻的后验状态估计值；后验状态估计值通过式的结果更新为：式；后验协方差矩阵为：式其中，为影响因子，表示断层实例k时刻的后验状态估计值，表示平衡调节卡尔曼增益，表示断层实例。

7、k1时刻的先验状态估计值，表示k时刻的后验估计协方差；表示测量值和状态变量之间的状态转移矩阵；平衡调节卡尔曼增益表示为：式其中，表示测量噪声的协方差。4.根据权利要求3所述的基于匹配追踪的断层面自动识别方法，其特征在于，步骤S4中，欧式距离用于构建成本矩阵，表示为，用于衡量两个断层实例与：式；其中，、和、分别表示距离公式中直角坐标的索引，、表示索引；采用 式 式其中表示断层实例与的某种排列组合，表示取最小值对应的 和 的关系，表示断层实例与最相似，表示所有断层实例与的可能组合，表示匹配关联算法，表示向量单位；关联匹配过程中，根据匈牙利算法找到匹配的最小成本，按照以下步骤顺序进行：T1、对于成本。

8、矩阵的每一行，减去最小值；T2、对于成本矩阵的每一列，减去最小值；T3、在矩阵的行列中画线，以最少数量的线条划掉矩阵中所有的零，如果线条的数量等于矩阵的行列数，跳转步骤T5，如果线条的数量小于矩阵的行列数，执行步骤T4；T4、选择没有被线条覆盖的矩阵，减去其中的最小值，如果线条交叉处有零，那么加上该最小值，然后重复步骤T3；T5、从只有一个零的行开始匹配，匹配完删除对应的整行和整列，直到所有匹配完成。5.一种基于匹配追踪的断层面自动识别装置，用于实施权利要求14任意一项所述的基于匹配追踪的断层面自动识别方法，其特征在于，该装置包括：输入模块、检测模块、标记模块、追踪列表、关联匹配模块和更新模块。

9、；权利要求书2/3 页3CN 117523236 A3输入模块，将维地震断层数据体切割成n张二维剖面，输入n张二维剖面至检测模块；检测模块，检测每一张二维剖面，确定其对应的每一断层实例的个数、位置，获得检测结果，并输出至标记模块；标记模块，为检测结果中的断层实例创建ID并标记后获得追踪结果，将追踪结果输出至追踪列表；关联匹配模块，将当前被处理的二维剖面的检测结果与追踪结果进行关联匹配，并将结果输出至更新模块；更新模块，根据收到的结果对追踪列表进行更新。6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求14任一项所述的。

10、基于匹配追踪的断层面自动识别方法。权利要求书3/3 页4CN 117523236 A4基于匹配追踪的断层面自动识别方法及装置、存储介质技术领域0001本发明属于石油勘探技术领域，涉及一种基于匹配追踪的断层面自动识别方法及装置、存储介质。背景技术0002断层是由地壳运动形成的复杂地质构造现象，其在控制油气运移、构造解释等方面起着重要作用。从地震数据中识别、定位、提取断层面是地震勘探工作中必不可少的环节，这项工作对于了解地质结构和分析地下油藏具有重要意义。0003现有的断层面提取方法通常是在断层识别的基础上，借助断层属性体来提取断层面。根据尺度不同，断层面提取方法大致可以分为两类：一类方法是从三维。

11、的角度对地震体数据进行局部提取，通过识别断层面的一部分，以倾角、走向等断层要素为约束，寻找断层点或者图像块之间的关系进行拼接，将其合并成大的断层面，以此实现三维断层曲面的重建，该断层提取方法得到的断层面比较破碎，断层呈现不完整，或者在断层交叉处存在孔洞；另一类方法是一次性提取一整个断层面，其结果相对比较完整，但在复杂情况下，比如出现相交断层，识别效果需要进一步提升。0004随着人工智能和图形处理器（GPU）计算能力的快速发展，深度学习的应用规模不断扩大。深度学习方法可以在网络训练过程中动态地学习新特征，从而有效提取和挖掘高维复杂信息的特征，因此利用深度学习方法进行断层解释成为近年来地质勘探领域。

12、的一个研究热点。目前的研究大多侧重以深度学习为基础的断层识别方法，涉及到断层面的相关研究较少，如果能以深度学习为基础的进行断层面识别，将会极大的改善上述技术现状。发明内容0005本发明的目的，是要提供一种基于匹配追踪的断层面自动识别方法，以提高断层面的提取、分割和标记的精度，缩减断层识别与断层面提取的时间成本和人力成本；0006本发明的第二个目的，是要提供一种基于匹配追踪的断层面自动识别装置；0007本发明的第三个目的，是要提供一种计算机可读存储介质，用于存储基于匹配追踪的断层面自动识别方法的相应计算机程序。0008本发明为实现上述目的，所采用的技术方案如下：0009一种基于匹配追踪的断层面自。

13、动识别方法，包括依次进行的以下步骤：0010S1、输入断层剖面；0011将三维地震断层数据体切割成n张二维剖面，输入n张二维剖面；n2；0012S2、标记位置、加入追踪列表；0013首先，通过断层检测算法得到n张二维剖面中每一断层实例的个数、位置，获得每张二维剖面的检测结果；0014然后，结合第一张二维剖面的检测结果对其中每一个断层实例分别创建ID，使用卡尔曼滤波对带有断层实例ID的第一张二维剖面的检测结果初始化，作为追踪结果加入追说明书1/7 页5CN 117523236 A5踪列表中；0015S3、关联匹配；0016将第二张二维剖面的检测结果作为当前检测结果，使用平衡调节卡尔曼滤波对追踪列。

14、表中的每个断层实例分别进行预测，根据上一个剖面的断层实例所在位置的后验状态估计值，计算预测结果先验状态估计值，并计算其与当前检测结果之间的欧式距离得到成本矩阵，然后使用匈牙利算法将当前检测结果与追踪结果进行最大化关联匹配，如果关联匹配成功，则执行步骤S5，否则执行步骤S4；0017S4、重新关联匹配；0018放宽关联匹配限制条件重新关联匹配；0019如果在重新关联匹配成功之前，重新关联匹配次数小于m，则在重新关联匹配结束后，执行步骤S5；0020当重新关联匹配次数达到m时仍未重新关联匹配成功，如果追踪结果中存在未关联成功的断层实例，则将该断层实例从追踪列表中删除，如果检测结果中存在未关联成功的。

15、断层实例，即判断为产生了新的断层实例，则创建新的断层实例ID；然后执行步骤S5；m为正整数；0021S5、更新追踪列表；0022采用平衡调节卡尔曼滤波将当前检测结果更新后作为追踪结果加入追踪列表，对追踪列表进行更新，将下一张二维剖面的检测结果作为当前检测结果，重新从步骤S3开始执行，直至完成第n张二维剖面的匹配、关联。0023作为限定，使用平衡调节卡尔曼滤波对追踪列表中的断层实例进行预测的过程为：依据式和式，根据断层实例上一时刻的后验状态估计值来估计当前时刻的状态，得到断层实例k时刻的先验状态估计值；式0024其中，表示平衡调节因子，表示断层实例k1时刻的后验状态估计值；表示断层实例k时刻的先。

16、验状态估计值，即根据上一时刻的最优估计预测的k时刻的结果；表示状态转移矩阵，表示原始状态相关矩阵，表示k时刻外界对系统的作用；式0025其中，是k1时刻的后验估计协方差；是k时刻先验估计协方差；是噪声矩阵方程。0026作为进一步限定，步骤S5更新过程中，根据式式，通过断层实例当前时刻的检测结果来修正预测阶段的估计值，得到断层实例当前时刻的后验状态估计值；0027后验状态估计值通过式的结果更新为：式；0028后验协方差矩阵为：式0029其中，为影响因子，表示断层实例k时刻的后验状态估计值，表示平衡调节卡尔曼增益，表示断层实例k1时刻的先验状态估计值，表示k时刻的后验估计协方说明书2/7 页6CN。

17、 117523236 A6差；表示测量值和状态变量之间的状态转移矩阵；0030平衡调节卡尔曼增益表示为：式0031其中，表示测量噪声的协方差。0032作为更进一步限定，步骤S4中，欧式距离用于构建成本矩阵，表示为，用于衡量两个断层实例与：式；0033其中，、和、分别表示距离公式中直角坐标的索引，、表示索引；0034采用 式 式0035其中表示断层实例与的某种排列组合，表示取最小值对应的 和的关系，表示断层实例与最相似，表示所有断层实例与的可能组合，表示匹配关联算法，表示向量单位；0036关联匹配过程中，根据匈牙利算法找到匹配的最小成本，按照以下步骤顺序进行：0037T1、对于成本矩阵的每一行，。

18、减去最小值；0038T2、对于成本矩阵的每一列，减去最小值；0039T3、在矩阵的行列中画线，以最少数量的线条划掉矩阵中所有的零，如果线条的数量等于矩阵的行列数，跳转步骤T5，如果线条的数量小于矩阵的行列数，执行步骤T4；0040T4、选择没有被线条覆盖的矩阵，减去其中的最小值，如果线条交叉处有零，那么加上该最小值，然后重复步骤T3；0041T5、从只有一个零的行开始匹配，匹配完删除对应的整行和整列，直到所有匹配完成。0042一种基于匹配追踪的断层面自动识别装置，用于实施上述的基于匹配追踪的断层面自动识别方法，该装置包括：输入模块、检测模块、标记模块、追踪列表、关联匹配模块和更新模块；0043。

19、输入模块，将维地震断层数据体切割成n张二维剖面，输入n张二维剖面至检测模块；0044检测模块，检测每一张二维剖面，确定其对应的每一断层实例的个数、位置，获得检测结果，并输出至标记模块；0045标记模块，为检测结果中的断层实例创建ID并标记后获得追踪结果，将追踪结果输出至追踪列表；0046关联匹配模块，将当前被处理的二维剖面的检测结果与追踪结果进行关联匹配，并将结果输出至更新模块；说明书3/7 页7CN 117523236 A70047更新模块，根据收到的结果对追踪列表进行更新。0048一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的基。

20、于匹配追踪的断层面自动识别方法。0049本发明由于采用了上述的技术方案，其与现有技术相比，所取得的技术进步在于：0050（1）传统的断层面提取方法通常需要借助断层属性，本发明将断层面提取视作计算机视觉中的目标检测和追踪任务，该任务旨在检测图像中某个断层（目标）的实例，然后估计它们在连续的二维剖面中的运动轨迹，提供了一种基于匹配追踪进行断层面提取的有效方法，有助于提高断层面的提取、分割和标记的精度，缩减断层识别与断层面提取的时间成本和人力成本；0051（2）本发明使用平衡调节卡尔曼滤波和匈牙利算法的组合来估计每一地震二维剖面中断层的位置，并在多个二维剖面中自动进行匹配，其中平衡调节卡尔曼滤波有助。

21、于对断层位置进行准确预测，匈牙利算法通过寻找断层在不同剖面上的轨迹与断层检测结果的最佳匹配来解决数据关联问题；0052（3）本发明将平衡调节卡尔曼滤波和匈牙利算法相结合，将三维地震断层数据体看作是多帧的视频序列，以主测线方向建立多张连续剖面的序列，能够将三维识别问题转换成二维连续识别问题，降低识别难度。0053本发明属于石油勘探技术领域，能够提高断层面的提取、分割和标记的精度。附图说明0054附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。0055在附图中：0056图1为本发明实施例1的流程图；0057图2为本发明实施例1中。

22、断层识别在第二第四张二维剖面的效果图；0058图3为本发明实施例1基于匹配追踪的断层面自动识别结果图。具体实施方式0059以下结合附图对本发明的优选实施例进行说明。应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。0060实施例1 一种基于匹配追踪的断层面自动识别方法0061本实施例在断层识别的基础上，通过应用平衡调节卡尔曼滤波和匈牙利算法解决多目标追踪和数据关联问题，实现了三维地震断层数据体的断层组合，并快速提取断层面。0062具体地，如图1所示，本实施例包括依次进行的以下步骤：S1、输入断层剖面，S2、标记位置、加入追踪列表，S3、关联匹配，S4、重新关联匹配，S。

23、5、更新追踪列表。接下来对各个步骤进行详细阐述。0063S1、输入断层剖面；0064将三维地震断层数据体切割成n张二维剖面，输入n张二维剖面；n2。0065S2、标记位置、加入追踪列表；0066首先，通过断层检测算法得到n张二维剖面中每一断层实例的个数、位置，获得每说明书4/7 页8CN 117523236 A8张二维剖面的检测结果；0067然后，结合第一张二维剖面的检测结果对其中每一个断层实例分别创建ID，将带有断层实例ID的第一张二维剖面的检测结果作为追踪结果加入追踪列表中；0068其中，第s个断层实例ID为断层IDs，s1，S；S表示断层实例的个数。0069S3、关联匹配；0070将第二。

24、张二维剖面的检测结果作为当前检测结果，使用平衡调节卡尔曼滤波对追踪列表中的每个断层实例分别进行预测，根据上一个剖面的断层实例所在位置的后验状态估计值，计算预测结果先验状态估计值，并计算其与当前检测结果之间的欧式距离得到成本矩阵，然后使用匈牙利算法将当前检测结果与追踪结果进行最大化关联匹配，如果关联匹配成功，则执行步骤S5，否则执行步骤S4。0071显然，对于第一张二维剖面中的断层实例而言，不存在其对应的上一个剖面的断层实例，因此上述预测过程是针对从第二张二维剖面开始的断层实例。第一张二维剖面中断层实例的预测结果由人为给定。0072S4、重新关联匹配；0073放宽关联匹配限制条件重新关联匹配；0。

25、074如果在重新关联匹配成功之前，重新关联匹配次数小于m，则在重新关联匹配结束后，执行步骤S5；0075当重新关联匹配次数达到m时仍未重新关联匹配成功，如果追踪结果中存在未关联成功的断层实例，则将该断层实例从追踪列表中删除，如果检测结果中存在未关联成功的断层实例，即判断为产生了新的断层实例，则创建新的断层实例ID；然后执行步骤S5 ；m为正整数。本实施例中m=10。0076S5、更新追踪列表；0077采用平衡调节卡尔曼滤波将当前检测结果更新后作为追踪结果加入追踪列表，对追踪列表进行更新，将下一张二维剖面的检测结果作为当前检测结果，重新从步骤S3开始执行，直至完成第n张二维剖面的匹配、关联。00。

26、78如图2所示，本实施例给出了断层识别在第二第四张二维剖面的效果图。0079本实施例中，使用平衡调节卡尔曼滤波对追踪列表中的断层实例进行预测的过程为：依据式和式，根据断层实例上一时刻，即k1时刻，后验状态估计值来估计当前时刻，即k时刻的状态，得到断层实例k时刻的先验估计值；式0080其中，表示平衡调节因子，表示断层实例k1时刻的后验状态估计值；表示断层实例k时刻的先验状态估计值，即根据上一时刻的最优估计预测的k时刻的结果；表示状态转移矩阵，表示原始状态相关矩阵，表示k时刻外界对系统的作用；式0081其中，是k1时刻的后验估计协方差，表示状态的不稳定程度；是k时刻先验估计协方差；是噪声矩阵方程，。

27、该参数被用来表示状态转移矩阵与实际过程之间的误差。k1时刻对应于上一张二维剖面，k时刻对应于当前二维剖面。0082本实施例中，步骤S5中更新过程中根据式式，通过断层实例当前时刻的检说明书5/7 页9CN 117523236 A9测结果来修正预测阶段的估计值，得到断层实例当前时刻的后验估计值；0083后验状态估计值通过式的结果更新为：式；0084后验协方差矩阵为：式0085其中，为影响因子，用于衡量k1时刻对k时刻的影响，表示断层实例k时刻的后验状态估计值，表示平衡调节卡尔曼增益，表示断层实例k1时刻的先验状态估计值，表示k时刻的后验估计协方差；表示测量值和状态变量之间的状态转移矩阵，表示将状态。

28、和观测连结起来的关系；0086平衡调节卡尔曼增益表示为：式0087其中，表示测量噪声的协方差。0088步骤S4中，欧式距离用于构建成本矩阵，表示为，用于衡量两个断层实例与：式；0089其中，、和、分别表示距离公式中直角坐标的索引，、表示索引；0090采用 式 式0091其中表示断层实例与的某种排列组合，表示取最小值对应的 和的关系，表示断层实例与最相似，表示所有断层实例与的可能组合，表示匹配关联算法，表示向量单位。代表式等号左边的项，表示所有。0092关联匹配过程中，根据匈牙利算法找到匹配的最小成本，按照以下步骤顺序进行：0093T1、对于成本矩阵的每一行，减去最小值；0094T2、对于成本矩。

29、阵的每一列，减去最小值；0095T3、在矩阵的行列中画线，以最少数量的线条划掉矩阵中所有的零，如果线条的数量等于矩阵的行列数，跳转步骤T5，如果线条的数量小于矩阵的行列数，执行步骤T4；0096T4、选择没有被线条覆盖的矩阵，减去其中的最小值，如果线条交叉处有零，那么加上该最小值，然后重复步骤T3；0097T5、从只有一个零的行开始匹配，匹配完删除对应的整行和整列，直到所有匹配完成。0098如图3所示，本实施例基于匹配追踪的断层面自动识别结果图，可以看出本文提出的方法准确地对断层进行了自动分组。说明书6/7 页10CN 117523236 A100099实施例2 一种基于匹配追踪的断层面自动识。

30、别装置0100本实施例用于实施实施例1，本实施例包括：输入模块、检测模块、标记模块、追踪列表、关联匹配模块和更新模块。0101输入模块，将维地震断层数据体切割成n张二维剖面，输入n张二维剖面至检测模块；0102检测模块，检测每一张二维剖面，确定其对应的每一断层实例的个数、位置，获得检测结果，并输出至标记模块；0103标记模块，为检测结果中的断层实例创建ID并标记后获得追踪结果，将追踪结果输出至追踪列表；0104关联匹配模块，将当前被处理的二维剖面的检测结果与追踪结果进行关联匹配，并将结果输出至更新模块；0105更新模块，根据收到的结果对追踪列表进行更新。0106实施例3 一种计算机可读存储介质。

31、0107本实施例中的计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现实施例1的基于匹配追踪的断层面自动识别方法。0108其中，计算机可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质 包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通 用或专用计算机能够存取的任何可用介质。例如，计算机可读存储介质耦合至处理器，从而使处理器能够从该计算机可读存储介质读取信息，且可向该计算机可读存储介质写入信息。当然，计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific In。

32、tegrated Circuits，ASIC)中。另外，该 ASIC可以位于用户设备中。当然，处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。具体地，该计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备 或者它们的组合实现，如静态随机存取存储器(Static RandomAccess Memory，SRAM)，电可擦除可编程只读存储器(ElectricallyErasable Programmable ReadOnly Memory，EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)，可编程。

33、只读存储器(Programmable readonly memory，PROM)，只读存储器(ReadOnly Memory，ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。0109需要说明的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照上述实施例对本发明进行了详细的说明，对于本领域技术人员来说，其依然可以对上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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。说明书7/7 页11CN 117523236 A11图 1图 2说明书附图1/2 页12CN 117523236 A12图 3说明书附图2/2 页13CN 117523236 A13。