基于多角度偏振光宽带滤光片的光谱重构方法及光谱仪与流程 专利技术说明

测量装置的制造及其应用技术1.本发明涉及光谱分析领域，具体涉及一种基于多角度偏振光宽带滤光片的光谱重构方法及转动式计算光谱仪，有望应用在现代科学实验、生物医疗、工农业生产、国防等众多领域。背景技术：2.光谱仪是认识光谱世界的重要工具，光谱测量作为观察物质结构和分析物质成分的基础技术手段，广泛应用于生物传感、环境监测、天文学、医学和通信等众多科学研究与工业生产领域。色散型光谱仪通常由光源、色散单元和探测器组成,其中,色散单元是仪器的关键部分,将复合光按照波长分解为单色光,形成光谱。随着探测器(单点、阵列)、色散元件、光源等部件的不断发展,逐步形成了一系列性能优良的光谱仪器。3.传统光谱仪受限于衍射极限，需要增大整个光学系统来满足高光谱分辨率的需求，使得仪器的制作成本往往十分昂贵。在大部分情况下，物质检测中对减小仪器体积、成本以及功耗的需求已经大于对高性能的需求。自20世纪90年代以来，微型化与集成化的电子器件、以及计算机技术的飞速进步为微型光谱仪的发展提供了有利的条件。与笨重、庞大的传统光谱仪相比，经过持续改良和精简的微型光谱仪更加便携好用。4.近年来，得益于微纳加工技术和相关算法(压缩感知、机器学习等)的进步，出现了一种全新的微型光谱仪——计算重构型。计算重构型微型光谱仪利用压缩感知、深度神经网络等算法，从一组经宽带探测器或宽带滤光片编码的光谱响应中反演入射光谱。理论上，可以产生不同宽光谱响应的光学元件都可以作为编码器，如量子点、纳米线、薄膜、液晶、光子晶体、超表面等。该方法的编码次数往往少于待测光谱通道数，从而有效减少所需阵列区块个数，简化加工流程，降低加工难度。另一方面，光谱分辨率不再受限于光谱仪尺寸大小，使光谱仪尺寸有望缩小至毫米甚至亚毫米量级。技术实现要素：5.本发明提供了一种基于多角度偏振光宽带滤光片的重构微型光谱仪，该方案摒弃以往棱镜、光栅、傅里叶干涉仪等体积大、重量重、价格昂贵、局限性高的分光器件，仅采用一个滤光元件，大大简化加工流程。6.滤光元件主要包括薄膜、超表面、光子晶体、量子点等，采用这些滤光元件制备的光谱仪都能达到小型化的目的。7.本发明提供如下技术方案：8.一种基于多角度偏振光宽带滤光片的光谱重构方法，包括：入射光经准直后以不同角度入射至滤光元件进行调制，同时在滤光元件前或者滤光元件后对对应的光束进行起偏，经调制和起偏后的光束照射至待检测样品上，透射光照射到探测器上，获得透射光束的强度值，将该光强值输入至光谱解码网络计算得到待检测样品的待测光谱。9.作为优选，光束经过准直透镜准直后，多角度下的滤光元件对其进行调制。此时可以选择按照设定角度间隔旋转的滤光片，以实现所述入射光经准直后以不同角度入射至滤光元件进行调制。多次旋转滤光元件获得不同的入射角，探测器测得透射光束的强度值并输入计算机，经计算机内的光谱解码网络计算得到待测光谱。10.作为优选，在检测样品之前，我们利用光源和硬件的相关特性计算出理想光强值，然后对实际检测过程中获得的探测器光强值进行标定。具体讲，按照相同的光路，去除样品，将已知光强的光束通过本发明的方法(系统)检测得到实际光强值，然后实际光强值除以理想光强值，即可得到样标定因子。进行实际样品检测时，将光束通过样品后打到探测器上得到的光强值除以标定因子，既可以得到标定后的光强值，将该标定后光强值作为光谱解码网络的输入，经计算得到待检测样品的待测光谱。11.作为优选，光谱重构过程中，所述滤光元件在0°‑85°之间按照特定角度间隔进行旋转。12.作为优选，所述光谱解码网络来自于光谱反演网络的解码网络。所述谱反演网络采用主成分分析算法、遗传算法、深度神经网络及压缩感知算法中的一种或多种的结合得到。13.作为优选，所述光谱反演网络为深度神经网络，包括编码网络和解码网络，所述编码网络包括光谱输入层和光强输入层；所述解码网络包括光强输入层、光谱输出层，以及位于光强输入层、光谱输出层之间的若干隐层。其中：光谱输入层的神经元数量和光谱输出层的神经元数量均为光谱通道数；光强输入层的神经元数量为多角度下若干条偏振光实际光谱响应数量m；光谱输入层、光强输入层、若干隐层、光谱输出层的神经元之间的连接方式均为全连接，并在每个全连接层之后添加批归一化层与激活函数。14.作为优选，光谱反演网络模型优化时，软件把已知输入光谱(比如n个高斯曲线的任意叠加所得曲线，n为1～50)作为训练集和测试集，以实际光谱响应作为编码网络神经元之间的连接权重，并在深度学习过程中设置为不更新参数，仅对解码网络进行优化。15.作为优选，光谱反演网络模型优化时，光谱输入层和光强输入层神经元之间的权重设置为实际光谱响应并使其在后续训练过程中保持不变偏置设置为0并锁定，对解码网络进行“微训练”，可以使之与实际光谱响应更加适配，并提高光谱重构精度。16.本发明提供了一种基于多角度偏振光宽带滤光片的光谱重构方法，将不同角度的入射光经过滤光区块、偏振片所形成的光谱响应作为神经网络的编码过程，利用该方法可以将探测器上多次获得的光强值作为网络的输入，反演出离散化的待测光束光谱分布，准确度高，反演速度快，有望应用在生物学、毒品检测、遥感、化工业等诸多领域。17.本发明将待测光束经过准直透镜准直后，多角度下的滤光元件对其进行调制。光束再依次通过偏振片和样品，照射到探测器上。多次旋转滤光元件获得不同的入射角，探测器测得透射光束的强度值并输入计算机，经光谱解码网络计算得到待测光谱。18.作为优选，起偏后的光束为具有2～4种不同偏振角度的偏振光。19.一种基于多角度偏振光宽带滤光片的重构微型光谱仪，包括：20.对于输入光束进行准直的准直透镜；21.对准直后光束或者调控后光束进行起偏的偏振片；22.对起偏的后光束或者准直后光束进行调控的可旋转滤光片；23.对起偏和调制后光束进行检测的探测器；24.利用探测器所得光强数据进行重构的计算机。25.所述偏振片、可旋转滤光片的位置可以调换，得到不同角度、不同偏振态下光束通过滤光元件的光强值。26.在本发明中，偏振片、滤光片位于准直透镜与探测器之间，且滤光片单独置于角度可调的转轮上。可以根据需要设置驱动机构，比如驱动电机等。27.由压缩感知理论可知，滤光元件光谱响应相关度越低，其对待测光谱的编码冗余越小，因此实验可以充分利用数量有限的滤光元件来对光束进行编码，使之产生不同的透过率曲线。一般的光源是非偏振光，包含光矢量向各个方向振动的多种偏振光。不同角度下，选取若干种特定的偏振光入射到滤光元件时，得到的透过率曲线会有明显的差异，表现为不同波长点透过率大小的不同。随着入射角的增加，它们透过率曲线峰谷会发生位移，且互相分离的趋势越明显。偏振片起到只有一种沿特定方向振动的光才能透过它的作用。利用这一原理，实验通过改变偏振片摆放的角度可以获取多种光矢量沿不同方向振动的偏振光。28.入射光束与滤光元件表面垂直时，所有偏振光的透过率相同；入射角增大至30°，各个偏振光透射/反射光谱有明显区别。将滤光元件按一定方向转动，可以获得特定角度下、特定波长范围内不同的光谱响应，取0°‑85°之间，若干条特定的偏振光透过率作为编码器参数。29.所述滤光元件只需一个，入射光偏振态与入射角度的不同，使得每次光线通过滤光元件的透射光谱互不相同(包含不同的峰谷个数)，但均为覆盖探测全波段的宽带光谱。30.在本发明中，所述若干个是指大于等于1个。31.所述滤光元件选自薄膜、超表面、光子晶体、量子点等，优选为薄膜，具体包括基底和在基底上沉积的滤光膜系。所述滤光膜系选择高/低折射率堆叠的多层全介质膜。32.优选的，可见光波段基底材料选用玻璃或塑料，中红外波段基底材料选用硅、锗、硫化物、硒化物、氟化物等。33.优选的，所述可见光波段多层全介质膜中的高折射率层材料选自二氧化钛、二氧化铪、五氧化二钽、氮化硅或硫化锌中的一种或至少两种的组合；所述可见光波段多层全介质膜中的低折射率层材料选自二氧化硅、三氧化二铝或金属氟化物中的一种或至少两种的组合。34.优选的，所述中红外波段多层全介质膜中的高折射率层材料选自硫化锌、硒化锌、二氧化锆、二氧化铪、二氧化钛、硅或锗中的一种或至少两种的组合；所述中红外波段多层全介质膜中的低折射率层材料选自二氧化硅、三氧化二铝或金属氟化物中的一种或至少两种的组合。其中，所述金属氟化物可以为氟化镁。35.优选的，所述多层可见光全介质膜高折射率层与低折射率层交替；所述多层中红外全介质膜高折射率层与低折射率层交替。36.优选的，所述可见光多层全介质膜的层数为2-60层，中红外多层全介质膜的层数为2-60层。37.优选的，所述两种多层全介质膜中单层厚度为5-3000nm，各层厚度可以相同或不同。38.在本发明中，所述探测器选自光伏探测器、光电导探测器、热释电探测器、ccd或cmos中的一种。探测器采集多角度下若干偏振光经宽带滤光片调制后透射光束的强度值，且强度值个数为多个角度下若干条偏振光透过率曲线的总条数之和。39.本发明提供的微型光谱仪测量原理是待测光束经准直镜准直、偏振片起偏后，照射于不同偏转角度的宽带滤光片上，探测器连续读出其对应的光强值。解码网络根据此光强值，计算反演得到待测光束的光谱分布。每个光强值是待测光谱某一波长处的光强值与该波长处滤光元件的透射率、探测器响应率的乘积在微型光谱仪探测全波段内的累加和。由于滤光元件的光谱响应是由专业设备实际测得，基本不受外部环境影响，故认为是定值。类似地，探测器响应也可视为已知常量。40.假设每次一个角度下一种偏振光通过宽带滤光片得到一个目标光谱，一共能获得m个目标光谱，探测器可读出对应角度下的m个光强值ii(i＝1,2,……,m)。光谱探测的量程为λmin至λmax，滤光区块的不同入射角度光谱响应为ti(λ)，探测器响应为d(λ)，待测光谱为s(λ)，则探测器读出的n个光强值可表示为：[0041][0042]离散化后可表示为[0043][0044]其中，n为光谱通道数，即待测光谱、滤光元件光谱响应、探测器响应等连续值以(λmax-λmin)/x+1的离散化后的值，其中x是光谱分辨率。[0045]可以得到由m个方程组成的方程组：[0046][0047]上述方程表示了宽带滤光片对待测光谱的编码过程。[0048]解码网络为光谱反演网络的一部分，其输入为光强值，输出为重构的待测光谱。可选用的光谱反演算法包含主成分分析、遗传算法、深度神经网络等机器学习算法及压缩感知算法。[0049]优选的，所述的光谱反演算法为深度神经网络算法。该深度神经网络的输入神经元数量为目标光谱曲线数m，输出神经元数量为光谱通道数n，且网络包含若干个隐层。网络输入神经元与隐层神经元、隐层神经元与隐层神经元、隐层神经元与输出神经元之间的连接方式为全连接，并在每个全连接层之后添加批归一化层与激活函数。激活函数可以为sigmoid函数、tanh函数、relu以及leakyleru和softmax函数等。[0050]所述滤光元件制备根据结构不同选择不同的制备方法，所述薄膜滤光元件可以采用电子束蒸发、离子束溅射、磁控溅射等物理气相沉积方法，也可采用表面等离子体化学气相沉积、低压化学气相沉积等化学气相沉积方法，还可以采用离子镀、电镀、电弧镀等方法。实验采用多次电子束蒸发的方法，即根据设计的滤光元件的结构参数(膜层材料及层数、各层膜厚等参数)，在两种波段中分别使用电子束蒸发方法在洁净基板上进行镀膜。[0051]本发明提供的基于多角度偏振光宽带滤光片重构微型光谱仪的制备方法，包括：[0052]1)根据测量精度需满足的性能指标要求，确定选取构建目标光谱数目所需的角度；根据光谱仪的工作波长范围选择滤光元件的结构和材料(如果薄膜滤光元件，确定基底材料、膜层材料和各膜层厚度，使用光学薄膜设计软件得到)；构建基于深度神经网络的光谱反演网络；[0053]2)制备相应的宽谱编码滤光元件(如果薄膜滤光元件，将基底用乙醇、丙酮进行擦拭清洗后，将清洗后的基底置于电子束蒸发设备中，控制沉积参数，在基底上沉积多层膜系)；[0054]3)比较多角度下若干种偏振光通过制备的滤光元件实际光谱响应与目标光谱响应，并使用实际光谱响应作为编码网络的权重，对光谱反演网络进行微训练，得到与实际多角度滤光元件更适配的光谱解码网络；[0055]4)搭建准直镜，使得待测光束均匀照射于滤光元件；将滤光元件固定在转动装置上，滤光元件、偏振片置于准直镜和探测器之间，探测器连续采集不同角度下光束通过滤光元件的光强值，并输入至光谱解码网络；[0056]5)经数据计算、分析处理得到重构光谱。由此，即可搭建起基于多角度偏振光宽带滤光片的重构微型光谱仪。[0057]本发明的基于多角度偏振光宽带滤光片重构微型光谱仪，与其他微型光谱仪相比，具有以下优势：[0058](1)该方案利用入射角度不同所引起的光谱的偏差，将不同角度下多种偏振光透射率或反射率作为编码器的权重训练反演网络，增加了目标光谱的特征性与复杂性，提高了光谱仪后续识别检测工作的准确度和稳定性。[0059](2)采用宽带滤光片作为光学调制元件，避免使用光栅等色散元件，进一步减小光谱仪的物理尺寸。相比使用窄带滤光片的微型化方法，这增大了滤光元件的编码能力，使目标光谱数小于光谱通道数，简化加工流程。[0060](3)采用电子束蒸发加工方法所制备的薄膜结构滤光元件，降低加工难度，且有利于提高滤光元件结构参数与光谱响应之间映射关系的精确度。[0061](4)使用基于深度神经网络的解码网络，将探测器快速多次获得的光强值作为输入，反演出离散化的待测光束光谱分布，精度高，反演速度快。[0062](5)将多角度下偏振光透过滤光元件得到的实际光谱响应作为解码网络的权重对光谱反演网络进行微训练，所得的解码网络与滤光元件实际光谱响应更适配，能够减小滤光元件制备过程中的误差对光谱重构精度的影响。[0063]本发明是一种全新的，微型化的，可集成的光谱仪，有望在便携式工业检测、消费电子等领域得到广泛应用。附图说明[0064]图1为本发明提供的基于多角度偏振光宽带滤光片重构微型光谱仪结构示意图；[0065]图2、图3分别为实施例中可见光波段和中红外波段薄膜滤光元件结构示意图；[0066]图4为基于深度神经网络的光谱反演网络示意图；[0067]图5、图6为实施例中光学薄膜设计软件获得的两种波段内的目标光谱响应，各仅展示9条。[0068]图7、图8为实施例中基于多角度偏振光宽带滤光片重构微型光谱仪对两种不同波段光谱的重构结果；[0069]其中：1为待测光束，2为准直透镜，3为可旋转滤光片，4为偏振片，5为探测器，6为计算机；201为基底，202为高折射率层，203为低折射率层，高低折射率膜层交替；301为基底，302为低折射率层，303为高折射率层，高低折射率膜层交替。具体实施方式[0070]下面结合附图和实施例对本发明作进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。[0071]如图1所示，本发明提供的光谱仪包括准直透镜2、可旋转滤光元件3、偏振片4、探测器5以及计算机6。光束1通过准直透镜2准直后平行出射，又经可旋转的滤光元件3进行多个入射角度光谱调制，再经偏振片4起偏，最后光束被探测器5多次探测得到对应的光强值。光强值传至计算机6中的解码网络反解得出待测光束的光谱分布。[0072]可见光波段薄膜滤光元件的结构示意图如图2所示。201为基板，序号202-203及以上部分为高/低折射率膜堆，此处202为高折射率薄膜，203为低折射率薄膜，每层膜的厚度可相同或不相同，由电子束蒸发制作而成。中红外光波段薄膜滤光元件的结构示意图如图3所示。301为基板，序号302-303及以上部分为高/低折射率膜堆，此处302为低折射率薄膜，303为高折射率薄膜，每层膜的厚度可相同或不相同，由电子束蒸发制作而成。具体参数等均可采用现有技术得到。[0073]在制作前，预先构建光谱反演网络，所述光谱反演网络基于深度神经网络，其结构如图4所示。进行可见光波段实验时，光谱输入层与光谱输出层含有301个神经元，对应微型光谱仪探测全波段内的301个光谱通道；光强输入层含有23个神经元，对应探测器连续读出的23个光强；隐层1和隐层2各含有500个神经元。进行中红外波段实验时，除光谱输入层与光谱输出层神经元含有721个外，其余光强输入层、隐层1和隐层2的神经元数量均与探究可见光波段实验时相同。对神经网络的训练过程中，通过比较输入光谱(作为训练集和测试集的光谱)与输出光谱(与输入光谱对应的重构光谱)，不断更新网络参数(各神经元之间的连接权重、偏置等)，最终得到光谱反演网络，得到光谱反演网络后，删除前端的编码网络(光谱输入层和光强输入层)，剩余光强输入层、隐层1、隐层2和光谱输出层即为本发明实际使用的光谱解码网络。本实施例中，作为训练集和测试集的光谱采用1～30个高斯曲线随机叠加得到的220000条曲线。网络训练过程中，损失函数确定为重构出来的光谱值与输入光谱值的均方误差(也可以采用其他损失函数如mae，mse和rmse等，可根据需要确定)。[0074]在实际检测光强时，可以利用无样品光束对探测器的光强数值进行标定，其中标定因子x＝i’100％/i100％，i’100％为采用本系统无样品检测时探测器所得光强，i100％为光束理想光强。实际对待检测样品检测时，输入光谱解码网络的光强值＝探测器实际所得光强值/x。[0075]实验中所需薄膜结构滤光元件的光谱响应不仅与膜层材料、层数、厚度等结构参数有关，还与入射角度、偏振光类型有关。滤光元件的制备过程中各种结构参数均为精确控制，故穿过偏振片与滤光元件的实际光谱响应与目标光谱响应的高度吻合。采用光学薄膜设计软件，可以快速获得最佳的滤光元件结构参数，然后基于现有的薄膜沉淀加工方法，即可制备滤光片。[0076]本实施例中，偏振光束以不同角度入射同一个滤光片会对目标光谱产生不同的调制效果，进而在探测器6上会得到不同的光强值。目标光谱响应为光学薄膜软件设计的结果，实际光谱曲线为实际实验结果，两者之间存在来源于镀膜过程中的实验误差，不可避免。软件利用实际光谱响应作为编码网络权重，同时在深度学习过程中设置为“不更新参数”，利用已知光谱作为训练集与测试集，对构建的光谱反演网络进行优化，进而得到最终的光谱反演网络。即，模型训练过程中，将图4光谱输入与光强输入层神经元之间的权重设置为实际光谱响应并使其在后续训练中保持不变，偏置设置为0并锁定，对解码网络进行“微训练”，可以使之与实际光谱响应更加适配，并提高光谱重构精度。[0077]实施例1[0078]本实施例提供的微型光谱仪的探测可见光波段为400nm-700nm，光谱分辨率设置为1nm，则光谱通道数为[0079][0080]设置一组滤光元件，入射光以不同角度入射滤光元件和偏振片后得到多组偏振光透过率数据。将其作为编码器的权重项参数，共23个。基底选用玻璃，膜系选用sub/tio2/sio2/tio2/sio2/tio2/sio2/tio2/air的宽带滤光膜系。[0081]光学薄膜设计软件可以获取各膜层结构参数，如下表所示。[0082]表1可见光波段宽带滤光片的结构参数[0083]膜层数膜层材料物理厚度/nm1tio257.652sio294.503tio257.654sio21134.025tio257.656sio294.507tio257.65[0084]宽带滤光片的制备过程为：清洗基板；确定各层需要的材料；输入各膜层厚度并镀膜。[0085]光学薄膜设计软件所得的目标光谱响应如图5所示。由于实验中采用了多个角度下的不同偏振光透过率光谱曲线作为实际光谱响应，相互间非相关度高，这可以高效实现对待测光谱的编码且不存在冗余。目标光谱响应与实际光谱响应存在的偏差，主要来源于镀膜误差。将实际光谱响应设置为图4光谱输入到光强输入层之间的权重并锁定，并对光谱反演网络进行微训练，这可以使光谱解码网络与实际光谱响应更加适配，并提高光谱重构精度。[0086]可见光束经过准直镜与偏振片后，形成一种偏振光束，改变偏振片与轴线的角度，可以将光束分离成若干种偏振光束。偏振光束在12种角度下(0°、30°、35°、40°、45°、50°、55°、60°、65°、70°、75°、80°)经滤光元件调制后照射于探测器上。探测器芯片可以依次读出对应的光强值ii(i＝1,2,……,23)。取23组光强，可以由含23个方程的方程组表示：[0087][0088]将光强值输入计算机后，使用解码网络重构待测光谱的结果如图7所示，图中可以看到重构的光谱曲线与真实的光谱曲线基本吻合。[0089]实施例2[0090]另一实施例提供的微型光谱仪的探测中红外波段为2400nm-6000nm，设光谱分辨率为5nm，则光谱通道数为[0091][0092]设置一组滤光元件，入射光以不同角度入射滤光元件和偏振片后得到多组偏振光透过率数据。将其作为编码器的权重项参数，共23个。基底选用玻璃，膜系选用sub/mgf2/zns/mgf2/zns/mgf2/zns/mgf2/zns/mgf2/air的宽带滤光膜系。[0093]光学薄膜设计软件可以获取各膜层结构参数，如下表所示。[0094]表2中红外波段宽带滤光片的结构参数[0095]膜层数膜层材料物理厚度/nm1mgf2760.872zns1165.853mgf21521.744zns1399.025mgf22282.616zns1399.027mgf21521.748zns1165.859mgf2760.87[0096]宽带滤光片的制备过程为：清洗基板；确定各层需要的材料；输入各膜层厚度并镀膜。[0097]光学薄膜设计软件所得的目标光谱响应如图6所示。[0098]中红外光束经过准直镜与偏振片后，形成一种偏振光束，改变偏振片与轴线的角度，可以将光束分离成若干种偏振光束。偏振光束在12种角度下(0°、30°、35°、40°、45°、50°、55°、60°、65°、70°、75°、80°)经滤光元件调制后照射于探测器上。探测器芯片可以依次读出对应的光强值ii(i＝1,2,……,23)。取23组光强，可以由含23个方程的方程组表示：[0099][0100]将光强值输入计算机后，使用解码网络重构待测光谱的结果如图8所示，图中可以看到重构的光谱曲线与真实的光谱曲线基本吻合。[0101]通过比较，实验可以得出本发明—基于多角度偏振光宽带滤光片的光谱重构方法及光谱仪具有较好的光谱获取能力，可满足大多数光谱精度要求不高的应用场合。[0102]以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!