本發(fā)明涉及生豬養(yǎng)殖領(lǐng)域，更具體地，涉及一種生豬養(yǎng)殖多變量飼料投喂決策方法及其系統(tǒng)。

背景技術(shù)：

生豬飼養(yǎng)主要成本來(lái)自于投喂飼料，飼料成本占規(guī)?；i養(yǎng)殖總成本的60％-70％，居成本首位，在養(yǎng)豬效益中起關(guān)鍵作用。在生豬飼養(yǎng)過(guò)程中的溫度、濕度等生豬生長(zhǎng)環(huán)境，生豬采食、生豬排泄和生豬活動(dòng)等生豬行為都會(huì)影響生豬生長(zhǎng)。傳統(tǒng)的人工投喂方法更多側(cè)重于生豬的體重、年齡等信息來(lái)確定飼料投喂的量及營(yíng)養(yǎng)成分，造成過(guò)量投喂降低飼料轉(zhuǎn)化率，污染生態(tài)環(huán)境，增加生豬養(yǎng)殖成本。隨著生豬養(yǎng)殖業(yè)的集約化迅猛發(fā)展，基于多變量精量飼料投喂成為降低生豬養(yǎng)殖成本有效途徑。

歐美國(guó)家在精確化養(yǎng)殖方面進(jìn)行了大量系統(tǒng)性研究，荷蘭使用Velos智能化母豬管理系統(tǒng)和Agrovision FARM豬場(chǎng)管理軟件，實(shí)現(xiàn)生豬養(yǎng)殖過(guò)程中的精細(xì)投喂，但在多變量精量飼料投喂方面研究較少。我國(guó)在生豬投喂方面也進(jìn)行大量研究，這些研究主要側(cè)重于飼料添加劑和配方的研究，對(duì)于多變量精量飼料投喂的研究也很少。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種生豬養(yǎng)殖多變量飼料投喂決策方法及其系統(tǒng)。

本發(fā)明所提供的一種生豬養(yǎng)殖多變量飼料投決策方法，包括：

S1：基于生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所采食的各營(yíng)養(yǎng)成分量，利用BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到生豬所需的各類營(yíng)養(yǎng)動(dòng)態(tài)需求量；

S2：基于養(yǎng)殖場(chǎng)內(nèi)的飼料信息和所述各類營(yíng)養(yǎng)動(dòng)態(tài)需求量，利用飼料選擇決策模型得到投喂的飼料種類和飼料量。

根據(jù)本發(fā)明的另一個(gè)方面，提供一種生豬養(yǎng)殖多變量飼料投喂決策系統(tǒng)，包括：

信息采集系統(tǒng)，用于獲取生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息、每天所采食的各營(yíng)養(yǎng)成分量和養(yǎng)殖場(chǎng)內(nèi)的飼料信息；

BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，用于基于生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所采食的各營(yíng)養(yǎng)成分量，計(jì)算生豬所需的各類營(yíng)養(yǎng)動(dòng)態(tài)需求量；

飼料選擇決策系統(tǒng)，用于基于養(yǎng)殖場(chǎng)內(nèi)的飼料信息和所述各類營(yíng)養(yǎng)動(dòng)態(tài)需求量，確定投喂的飼料種類和飼料量。

本申請(qǐng)?zhí)岢龅纳i養(yǎng)殖多變量飼料投喂決策方法及系統(tǒng)的有益效果：

1)本申請(qǐng)能夠得到在多個(gè)變量因子影響下的生豬所需且較為精確的飼料投喂量；

2)本發(fā)明的方法根據(jù)生豬不同生長(zhǎng)期的生長(zhǎng)信息、養(yǎng)殖環(huán)境信息以及行為信息，多參數(shù)融合來(lái)選擇滿足生豬生長(zhǎng)營(yíng)養(yǎng)需求和成本最低的飼料，提高飼料的轉(zhuǎn)化率，降低生豬飼養(yǎng)成本，提高養(yǎng)殖效益；

3)利用計(jì)算機(jī)技術(shù)使用模型計(jì)算代替了手工計(jì)算飼料投喂量的計(jì)算方法，可以快速、簡(jiǎn)便、準(zhǔn)確地得出不同生長(zhǎng)階段，不同環(huán)境，不同身體狀況下的生豬每天采食所需投喂量，克服了現(xiàn)在養(yǎng)殖中主觀性強(qiáng)，僅靠經(jīng)驗(yàn)誤差大等不足；

4)本發(fā)明以成本最小為目標(biāo)函數(shù)，滿足營(yíng)養(yǎng)需要為約束條件構(gòu)建飼料決策數(shù)學(xué)模型，通過(guò)求解該線性規(guī)劃數(shù)學(xué)模型，動(dòng)態(tài)確定投喂的飼料種類和飼料量，降低養(yǎng)殖戶飼養(yǎng)成本，增加經(jīng)濟(jì)效益，減少生態(tài)環(huán)境污染。

附圖說(shuō)明

圖1為根據(jù)本發(fā)明實(shí)施例中生豬多變量飼料投喂決策方法的總體流程示意圖；

圖2為根據(jù)本發(fā)明一個(gè)優(yōu)選實(shí)施例中生豬養(yǎng)殖多變量飼料投喂決策方法的流程示意圖；

圖3為根據(jù)本發(fā)明一個(gè)優(yōu)選實(shí)施例中使用神經(jīng)網(wǎng)絡(luò)模型計(jì)算的流程示意圖；

圖4為根據(jù)本發(fā)明實(shí)施例中生豬多變量飼料投喂決策系統(tǒng)的總體流程示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。

本發(fā)明所提供的生豬養(yǎng)殖多變量飼料投喂決策方法，如圖1所示，包括：

S1：基于生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所采食的各營(yíng)養(yǎng)成分量，利用BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到生豬所需的各類營(yíng)養(yǎng)動(dòng)態(tài)需求量；

S2：基于養(yǎng)殖場(chǎng)內(nèi)的飼料信息和所述各類營(yíng)養(yǎng)動(dòng)態(tài)需求量，利用飼料選擇決策模型得到投喂的飼料種類和飼料量。

本發(fā)明使用BP神經(jīng)網(wǎng)絡(luò)模型和飼料選擇決策模型代替了手工計(jì)算飼料投喂量，可以得到在生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所采食的各營(yíng)養(yǎng)成分量等多個(gè)變量因子的影響下生豬所需且較為精確的飼料投喂量。

同時(shí)，在實(shí)現(xiàn)本發(fā)明的過(guò)程中，研究發(fā)現(xiàn)：生豬飼料投喂時(shí)，針對(duì)不同階段生豬生長(zhǎng)，根據(jù)多變量信息進(jìn)行飼料投喂，能更精確，既降低成本也減少環(huán)境污染。

其中，BP神經(jīng)網(wǎng)絡(luò)模型包括：

(1)節(jié)點(diǎn)輸出模型

隱節(jié)點(diǎn)輸出模型：O_j＝f(Σw_ij×X_i-q_j) (1)

輸出節(jié)點(diǎn)輸出模型：Y_k＝f(Σt_jk×O_j-q_k) (2)

其中，X_j是樣本集合X的一個(gè)樣本值，f為非線性作用函數(shù)，q為神經(jīng)元閾值，w_ij為隱層和輸入層間神經(jīng)元的初始權(quán)值。式(1)表示為：給定的樣本輸入X_j計(jì)算出隱層的實(shí)際輸出O_j；t_jk是計(jì)算輸出層與隱層間的權(quán)值，式(2)表示為根據(jù)上一層的實(shí)際輸出O_j計(jì)算出輸出層的實(shí)際值為Y_k。

(2)作用函數(shù)模型

作用函數(shù)是反映下層輸入對(duì)上層節(jié)點(diǎn)刺激脈沖強(qiáng)度的函數(shù)又稱刺激函數(shù)，一般取為(0,1)內(nèi)連續(xù)取值Sigmoid函數(shù)：

f(x)＝1/(1+e^-X) (3)

(3)誤差計(jì)算模型

誤差計(jì)算模型是反映神經(jīng)網(wǎng)絡(luò)期望輸出與計(jì)算輸出之間誤差大小的函數(shù)：

E_P＝1/2×Σ(t_pi-O_pi)² (4)

其中，t_pi為節(jié)點(diǎn)i的期望輸出值，O_pi為節(jié)點(diǎn)i的計(jì)算輸出值。

(4)自學(xué)習(xí)模型

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程，即連接下層節(jié)點(diǎn)與上層節(jié)點(diǎn)之間的權(quán)重矩陣w_ij的設(shè)定和誤差修正過(guò)程。BP學(xué)習(xí)方式分為有師學(xué)習(xí)方式(需要設(shè)定期望值)和無(wú)師學(xué)習(xí)方式(只需要輸入模式之分)。自學(xué)習(xí)模型為：

Δw_ij(n+1)＝h×Φ_i×O_j+α×Δw_ij(n) (5)

其中，h為學(xué)習(xí)因子，Φ_i為輸出節(jié)點(diǎn)i的計(jì)算誤差，O_j為輸出節(jié)點(diǎn)j的計(jì)算輸出，α為動(dòng)量因子。

在本發(fā)明中，更優(yōu)選使用其中的誤差計(jì)算模型來(lái)訓(xùn)練樣本，以生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所需要的各營(yíng)養(yǎng)成分量作為輸入變量，生豬每天應(yīng)需要的各營(yíng)養(yǎng)需求量作為輸出變量，通過(guò)不斷訓(xùn)練樣本，將誤差降到可接受范圍內(nèi)，以此來(lái)動(dòng)態(tài)計(jì)算生豬各類營(yíng)養(yǎng)需求量。

在本發(fā)明的一個(gè)優(yōu)選實(shí)施例中，利用BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到生豬所需的各類營(yíng)養(yǎng)需求量的具體步驟為，見(jiàn)圖3：

S11：參數(shù)初始化，隨機(jī)初始化網(wǎng)絡(luò)的權(quán)值矩陣以及閾值；初始化訓(xùn)練誤差E＝0，最小訓(xùn)練誤差E_min為一個(gè)小的正數(shù)；設(shè)置訓(xùn)練樣本數(shù)為P，學(xué)習(xí)率0＜η＜1；

S12：輸入訓(xùn)練樣本，即生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天的采食的各營(yíng)養(yǎng)成分量，計(jì)算神經(jīng)網(wǎng)絡(luò)各層的輸出向量；

S13：計(jì)算網(wǎng)絡(luò)的輸出誤差，根據(jù)式

計(jì)算總體輸出誤差，其中，t_pi為節(jié)點(diǎn)i的期望輸出值，O_pi為節(jié)點(diǎn)i的計(jì)算輸出值；

S14：計(jì)算各層的誤差信號(hào)；

S15：調(diào)整各層的權(quán)值矩陣，根據(jù)自學(xué)習(xí)模型更新權(quán)值矩陣；

S16：檢查是否完成一次訓(xùn)練，若計(jì)數(shù)器p，p＜P，p＝p+1，返回步驟S12；否則，轉(zhuǎn)向步驟S17；

S17：檢查網(wǎng)絡(luò)總體輸出誤差是否滿足精度要求，若滿足E＜E_min，則訓(xùn)練結(jié)束；否則，置E為“0”，p為“1”，返回步驟S12。

在本發(fā)明的實(shí)施例中，為了能更準(zhǔn)確地得到生豬每天應(yīng)需要的各營(yíng)養(yǎng)需求量，生豬的生長(zhǎng)信息通常選用體重信息。按體重可將生豬生長(zhǎng)劃分為不同生長(zhǎng)階段，飼料需求量也不同，通過(guò)信息管理等軟件系統(tǒng)可以收集到生豬生長(zhǎng)信息。

其中，生豬的生長(zhǎng)環(huán)境信息通常選用生長(zhǎng)環(huán)境溫度信息和生長(zhǎng)環(huán)境濕度信息，生豬的行為信息包括每天的采食次數(shù)、采食時(shí)間、排泄次數(shù)、活動(dòng)時(shí)間以及活動(dòng)次數(shù)。

通常上述信息通過(guò)信息管理系統(tǒng)得到。將獲取得到的上述信息作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入變量，生豬每天應(yīng)需要的各營(yíng)養(yǎng)需求量作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出變量，通過(guò)不斷訓(xùn)練樣本，將誤差降到可接受范圍內(nèi)，以此來(lái)動(dòng)態(tài)計(jì)算生豬各類營(yíng)養(yǎng)需求量，見(jiàn)圖2。

飼料選擇決策模型可以為本領(lǐng)域中已知的任意的分配選擇模型。在本發(fā)明一個(gè)優(yōu)選實(shí)施例中，為了實(shí)現(xiàn)投喂成本的最小化，決策模型優(yōu)選通過(guò)以成本最小為目標(biāo)函數(shù)和以滿足營(yíng)養(yǎng)需要為約束條件聯(lián)合構(gòu)建。

即S2的步驟優(yōu)選為：

S21：基于養(yǎng)殖場(chǎng)內(nèi)各飼料的市場(chǎng)單價(jià)和各飼料的日投喂量，得到最小投喂成本目標(biāo)函數(shù)；

S22：基于養(yǎng)殖場(chǎng)內(nèi)各飼料的日投喂量和各飼料中所含的營(yíng)養(yǎng)元素，列舉方程組，得到含有所述約束條件的線性規(guī)劃模型；

S23：基于所述各類營(yíng)養(yǎng)動(dòng)態(tài)需求量和所述最小投喂成本目標(biāo)函數(shù)，求解上述線性規(guī)劃模型得到投喂的飼料種和飼料量。

其中，S21中的目標(biāo)函數(shù)可以為：

其中，c_i記為全部飼料中某一種飼料的市場(chǎng)單價(jià)，設(shè)(x_i+η_iΔx)為飼料m_i的日投喂量，x_i為每日需要添加的全部飼料中某一種飼料的量，η_i為前一日吃剩下的全部飼料中某一種飼料的占剩下總飼料的百分比，其值也為全部飼料中某一種飼料的日投喂量所在總飼料的日投喂量的百分比，Δx為前一日吃剩下的總飼料量，目標(biāo)函數(shù)最小投喂成本Z。

在本發(fā)明一個(gè)優(yōu)選實(shí)施例中，為了能更好的降低飼養(yǎng)成本，含有約束條件的線性規(guī)劃模型具體為：根據(jù)飼料信息列舉方程組，得到線性規(guī)劃；

飼料用量約束：

其中(i＝1,2,...,n)

營(yíng)養(yǎng)元素?cái)z入量約束：

其中(j＝1,2,...,v)，非負(fù)約束：x_i≥0,i＝1,2,......,p；

其中，x_i為飼料m_i的日投喂量，和分別表示飼料的用料上限和下限，將第j種營(yíng)養(yǎng)元素記為n_j用和分別表示營(yíng)養(yǎng)元素n_j攝入量的上限和下限；在單位質(zhì)量的m_i中，營(yíng)養(yǎng)元素n_j質(zhì)量百分含量記為u_ij。即針對(duì)每種營(yíng)養(yǎng)元素均建立其約束條件方程。

其中，S23的具體步驟為：基于S1中計(jì)算得到的生豬的所需的各類營(yíng)養(yǎng)需求量信息和養(yǎng)殖場(chǎng)內(nèi)飼料信息，使用上述飼料選擇決策模型動(dòng)態(tài)地確定投喂的飼料種類和飼料量。

本發(fā)明所提供的生豬養(yǎng)殖多變量飼料投喂決策系統(tǒng)，如圖4所示，包括：

信息采集系統(tǒng)A1，用于獲取生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息、每天所采食的各營(yíng)養(yǎng)成分量和養(yǎng)殖場(chǎng)內(nèi)的飼料信息；

BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)A2，用于基于生豬的生長(zhǎng)信息、生長(zhǎng)環(huán)境信息、行為信息和每天所采食的各營(yíng)養(yǎng)成分量，計(jì)算生豬所需的各類營(yíng)養(yǎng)動(dòng)態(tài)需求量；

飼料選擇決策系統(tǒng)A3，用于基于養(yǎng)殖場(chǎng)內(nèi)的飼料信息和所述各類營(yíng)養(yǎng)動(dòng)態(tài)需求量，確定投喂的飼料種類和飼料量。

其中，信息采集系統(tǒng)中包括信息管理系統(tǒng)。

其中，BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)中包括BP神經(jīng)網(wǎng)絡(luò)模型，在BP神經(jīng)網(wǎng)絡(luò)模型包括誤差計(jì)算模型。

其中，飼料選擇決策系統(tǒng)包括目標(biāo)函數(shù)的建立模塊和約束條件的建立模塊。

本發(fā)明的系統(tǒng)還包括輸出模塊。

實(shí)施例1

以金鑼集團(tuán)養(yǎng)豬場(chǎng)為例，所有生豬的生長(zhǎng)狀態(tài)信息以及生長(zhǎng)環(huán)境 信息等都可通過(guò)購(gòu)買的基礎(chǔ)信息管理軟件獲得，為飼料投喂提供基礎(chǔ)數(shù)據(jù)。營(yíng)養(yǎng)物質(zhì)以蛋白質(zhì)、粗纖維、維生素、鈣、磷為例。

本實(shí)施例中生豬養(yǎng)殖多變量飼料投喂決策方法包括：

步驟1)，通過(guò)信息管理系統(tǒng)，獲取生豬體重生長(zhǎng)信息，記錄生豬體重生長(zhǎng)信息，詳細(xì)記錄每頭生豬的基本信息；

步驟2)，通過(guò)信息管理系統(tǒng)，獲取生豬生長(zhǎng)環(huán)境信息，包括溫度、濕度，詳細(xì)記錄每頭生豬生長(zhǎng)環(huán)境的基本信息；

步驟3)，通過(guò)信息管理系統(tǒng)，獲取生豬行為信息，包括采食行為、排泄行為和活動(dòng)行為，詳細(xì)記錄每頭生豬每天采食次數(shù)、采食時(shí)間、排泄次數(shù)、活動(dòng)時(shí)間以及活動(dòng)次數(shù)；

步驟4)，通過(guò)信息管理系統(tǒng)，獲取每頭生豬每天所需要的各營(yíng)養(yǎng)成分量；

步驟5)，根據(jù)步驟1)中得到的生豬生長(zhǎng)信息，步驟2)中得到的生豬生長(zhǎng)環(huán)境信息，步驟3)中得到的生豬行為信息以及步驟4)中得到的生豬每天所采食的各營(yíng)養(yǎng)成分量，基于神經(jīng)網(wǎng)絡(luò)的方法計(jì)算出多變量下生豬所需的各類營(yíng)養(yǎng)動(dòng)態(tài)需求量；

步驟6)：通過(guò)信息管理系統(tǒng)，獲取飼料信息，主要是獲取養(yǎng)殖場(chǎng)內(nèi)的現(xiàn)有全部飼料信息；

步驟7)，獲取飼料選擇決策模型，所述模型是，以成本最小為目標(biāo)，來(lái)選擇滿足生豬營(yíng)養(yǎng)需求的飼料；

步驟8)，根據(jù)步驟5)中獲取到生豬生長(zhǎng)營(yíng)養(yǎng)需要量信息以及步驟6)中的飼料信息，使用步驟7)飼料選擇決策模型動(dòng)態(tài)確定投喂的飼料種類和飼料量。

其中，在步驟5)中：

1、參數(shù)初始化，隨機(jī)初始化網(wǎng)絡(luò)的權(quán)值矩陣以及閾值；初始化訓(xùn)練誤差E＝0，最小訓(xùn)練誤差E_min為一個(gè)小的正數(shù)；設(shè)置訓(xùn)練樣本數(shù)為P，學(xué)習(xí)率0＜η＜1；

2、輸入訓(xùn)練樣本，即步驟1)、2)、3)、4)中獲得的生豬相關(guān)信息，計(jì)算神經(jīng)網(wǎng)絡(luò)各層的輸出向量；

3、計(jì)算網(wǎng)絡(luò)的輸出誤差，根據(jù)式計(jì)算總體輸出誤差；

4、計(jì)算各層的誤差信號(hào)；

5、調(diào)整各層的權(quán)值矩陣，根據(jù)自學(xué)習(xí)模型更新權(quán)值矩陣；

6、檢查是否完成一次訓(xùn)練，若計(jì)數(shù)器p，p＜P，p＝p+1，返回步驟2；否則，轉(zhuǎn)向步驟7；

7、檢查網(wǎng)絡(luò)總體輸出誤差是否滿足精度要求，若滿足E＜E_min，則訓(xùn)練結(jié)束；否則，置E為“0”，p為“1”，返回步驟2。

在該步驟5)中，主要通過(guò)步驟1)、2)、3)、4)獲取的生豬相關(guān)信息，建立BP神經(jīng)網(wǎng)絡(luò)模型，其中以生豬體重、環(huán)境溫度、環(huán)境濕度、生豬采食次數(shù)、采食時(shí)間、排泄次數(shù)、生豬每天所需要的各營(yíng)養(yǎng)成分量作為輸入變量，生豬每天應(yīng)需要的各營(yíng)養(yǎng)需求量作為輸出變量。通過(guò)不斷訓(xùn)練樣本，將誤差降到可接受范圍內(nèi)，以此來(lái)動(dòng)態(tài)計(jì)算生豬營(yíng)養(yǎng)需求量。

其中，在步驟7)中，獲取飼料選擇決策模型，所述模型是以成本最小為目標(biāo)，來(lái)選擇滿足生豬營(yíng)養(yǎng)需求的飼料；模型包括目標(biāo)函數(shù)和約束條件方程。

實(shí)際應(yīng)用中，其中步驟S7中的決策模型為如下式：

目標(biāo)函數(shù)：

Z_min＝7x₁+6.2x₂+6.3x₃+5.5x₄+5.2x₅ (1)

滿足如下約束條件成立：

其中，目標(biāo)函數(shù)是為得到成本最優(yōu)飼料投喂，Z_min指飼料投喂成本值；x₁，x₂，x₃，x₄，x₅分別表示A、B、C、D、E五種不同生豬飼料投喂量，x_i對(duì)應(yīng)第i種飼料投喂量，Δx為前一日所剩飼料，(η_i,i＝1,2,3,4,5)分別為蛋白質(zhì)、粗纖維、維生素、鈣、磷在Δx中的百分比含量；模型約束條件中，約束條件是飼料投喂過(guò)程中必須滿足生豬生長(zhǎng)需要，式(2)是蛋白質(zhì)約束條件方程，式(3)是粗纖維約束方程，式(4)是維生素約束方程，式(5)是鈣約束方程，式(6)是磷約束方程。

利用本實(shí)施例提供的生豬養(yǎng)殖多變量飼料投喂決策方法，能夠得到在多個(gè)變量影響下的生豬較為精確的投喂量。

本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。

最后，本申請(qǐng)的方法僅為較佳的實(shí)施方案，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。