[go: up one dir, main page]

CN111862135A - 一种摇床矿带图像分割方法 - Google Patents

一种摇床矿带图像分割方法 Download PDF

Info

Publication number
CN111862135A
CN111862135A CN202010766804.8A CN202010766804A CN111862135A CN 111862135 A CN111862135 A CN 111862135A CN 202010766804 A CN202010766804 A CN 202010766804A CN 111862135 A CN111862135 A CN 111862135A
Authority
CN
China
Prior art keywords
image
boundary
pixel
ore
threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010766804.8A
Other languages
English (en)
Other versions
CN111862135B (zh
Inventor
卢明
覃左栋
刘黎辉
王仓
谢永芳
黄昆
江云生
邓毓弸
王锦煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Tongfang Electric Co ltd
Hunan Yaoze Technology Co ltd
Hunan University of Science and Technology
Original Assignee
Hunan Tongfang Electric Co ltd
Hunan Daqi Intelligent Technology Co Ltd
Hunan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan Tongfang Electric Co ltd, Hunan Daqi Intelligent Technology Co Ltd, Hunan University of Science and Technology filed Critical Hunan Tongfang Electric Co ltd
Priority to CN202010766804.8A priority Critical patent/CN111862135B/zh
Publication of CN111862135A publication Critical patent/CN111862135A/zh
Application granted granted Critical
Publication of CN111862135B publication Critical patent/CN111862135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30132Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种摇床矿带图像分割方法,包括以下步骤:采集矿带图像,对采集到的矿带图像进行预处理;针对预处理后的矿带图像,采用OUST算法获取精矿左侧分界线;通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位;采用区域生长法对矿带图像中矿与尾矿分界线进行细定位。本发明可以准确地得到精矿、中矿和尾矿的分界线,实时性好,提高了矿物回收率,并且节约了劳动力。

Description

一种摇床矿带图像分割方法
技术领域
本发明涉及一种摇床矿带图像分割方法。
背景技术
选矿摇床是选矿过程中分选细粒矿石的常用设备,通过摇床的竖向振动和水流的横向冲刷,可以使矿粒按其密度和粒度不同而沿不同方向运动,并从给矿槽开始沿对角线呈扇形展开,从而达到将不同矿物进行分离的效果。
目前,大部分选矿厂都采用肉眼判断矿带并通过人工调整接矿板的方式将精矿、中矿、尾矿接取到不同矿池中。这种方式的接取效果受到工人操作水平的影响,并且存在调整接矿板不及时的问题,造成矿物回收率低。另外,这种方式也比较浪费人力。
由于受到矿石品质的影响,尾矿带有时会以多条矿带的形式存在,最左侧尾矿带的灰度值甚至会与中矿带的灰度值相近,此时要正确的识别中矿与尾矿的分界线有一定的难度。
发明内容
为了解决上述技术问题,本发明提供一种算法简单、准确度高的摇床矿带图像分割方法。
本发明解决上述问题的技术方案是:一种摇床矿带图像分割方法,包括以下步骤:
步骤一:采集矿带图像,对采集到的矿带图像进行预处理;
步骤二:针对预处理后的矿带图像,采用OUST算法获取精矿左侧分界线;
步骤三:通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位;
步骤四:采用区域生长法对矿带图像中矿与尾矿分界线进行细定位。
上述摇床矿带图像分割方法,所述步骤一中,对采集到的矿带图像进行预处理包括:先将图像转换成灰度图,然后对图像进行3×3邻域中值滤波,最后对滤波后的图像进行像素归一化处理,使得归一化之后所有的像素值都在[0,1]区间内。
上述摇床矿带图像分割方法,所述步骤二中,采用OUST算法获取精矿左侧分界线的步骤包括;先设定阈值T1,用阈值T1对图像进行一次阈值分割,得到分界线L1,L1右侧图像为尾矿区域,采用OTSU算法对分割后的左侧图像进行再次分割,其分割线即精矿带左侧分界线L2
上述摇床矿带图像分割方法,所述步骤二中,OTSU算法是一种自适应全局最佳阈值确定方法,OTSU算法认为分割后得到的背景与前景两部分之间的类间方差越大,分割时错分的概率越小,因此,该算法采用遍历的方式得到使类间方差最大的阈值,即为所求,具体过程为:
若图像大小为M×N,图像中像素的灰度值小于阈值的像素个数记作N1,像素灰度大于阈值的像素个数记作N2,背景像素占比记为ω1,其平均灰度μ1;前景像素占比为ω2,其平均灰度为μ2,图像的总平均灰度记为μ,类间方差记为g;则有以下公式:
背景像素占比
Figure BDA0002614995800000021
前景像素占比ω2=1-ω1
像素平均灰度值为μ=ω1×μ12×μ2
类间方差g=ω1×(μ-μ1)22×(μ-μ2)2
简化可得等价公式g=ω1×ω2×(μ12)2
循环遍历所有阈值,使得类间方差g最大的阈值即为所求阈值。
上述摇床矿带图像分割方法,所述步骤三中,通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位的步骤包括;截取图像L2,L1两个分界线之间部分,采用自适应阈值计算方法得到T2,使用阈值T2对图像进行二值化,对二值化得到的图像进行竖向积分投影,对积分投影图像从右侧开始向左侧搜索,当检测到投影值连续为0的点超过一个固定值m时,则以此位置作为中矿与尾矿分界线的粗定位分界线L3
上述摇床矿带图像分割方法,所述步骤三中,自适应阈值利用下式求取:
T2=min(I)+α×(max(I)-min(I))
其中min(I)表示图像像素的最小值,max(I)表示图像像素的最大值,α为调整因子。
上述摇床矿带图像分割方法,所述步骤四中,其中采用区域生长法对矿带图像中矿与尾矿分界线进行细定位的步骤包括;以分界线L3为种子点,采用区域生长法进一步确定分界线位置,得到中矿与尾矿的准确分界线L4
区域生长法的生长准则为:判断种子点L3附近的8邻域内像素的各自灰度值与生长点所在像素灰度值之差是否大于阈值T,若是,则将该像素包括进种子点像素所在的区域;区域生长结束后,取生长区域的最右侧作为中矿与尾矿的分界线L4。
本发明的有益效果在于:本发明首先采集矿带图像,对采集到的矿带图像进行预处理;然后针对预处理后的矿带图像,采用OUST算法获取精矿左侧分界线;再通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位;最后采用区域生长法对矿带图像中矿与尾矿分界线进行细定位,可以准确地得到精矿、中矿和尾矿的分界线,实时性好,提高了矿物回收率,并且节约了劳动力。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
本实施例是对金矿矿带进行分割,矿带图像分辨率为1280×720P。如图1所示,一种摇床矿带图像分割方法,包括以下步骤:
步骤一:采集矿带图像,对采集到的矿带图像进行预处理。
预处理包括:先将图像转换成灰度图,然后对图像进行3×3邻域中值滤波,最后对滤波后的图像进行像素归一化处理,使得归一化之后所有的像素值都在[0,1]区间内。
步骤二:针对预处理后的矿带图像,采用OUST算法获取精矿左侧分界线。
采用OUST算法获取精矿左侧分界线的步骤包括;先设定阈值T1=0.85,用阈值T1对图像进行一次阈值分割,得到分界线L1,L1右侧图像为尾矿区域,采用OTSU算法对分割后的左侧图像进行再次分割,其分割线即精矿带左侧分界线L2
OTSU算法是一种自适应全局最佳阈值确定方法,OTSU算法认为分割后得到的背景与前景两部分之间的类间方差越大,分割时错分的概率越小,因此,该算法采用遍历的方式得到使类间方差最大的阈值,即为所求,具体过程为:
若图像大小为M×N,图像中像素的灰度值小于阈值的像素个数记作N1,像素灰度大于阈值的像素个数记作N2,背景像素占比记为ω1,其平均灰度μ1;前景像素占比为ω2,其平均灰度为μ2,图像的总平均灰度记为μ,类间方差记为g;则有以下公式:
背景像素占比
Figure BDA0002614995800000051
前景像素占比ω2=1-ω1
像素平均灰度值为μ=ω1×μ12×μ2
类间方差g=ω1×(μ-μ1)22×(μ-μ2)2
简化可得等价公式g=ω1×ω2×(μ12)2
循环遍历所有阈值,使得类间方差g最大的阈值即为所求阈值。
步骤三:通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位。
粗定位的步骤包括;截取图像L2,L1两个分界线之间部分,采用自适应阈值计算方法得到T2,使用阈值T2对图像进行二值化,对二值化得到的图像进行竖向积分投影,对积分投影图像从右侧开始向左侧搜索,当检测到投影值连续为0的点超过一个固定值m=100时,则以此位置作为中矿与尾矿分界线的粗定位分界线L3
自适应阈值利用下式求取:
T2=min(I)+α×(max(I)-min(I))
其中min(I)表示图像像素的最小值,max(I)表示图像像素的最大值,α为调整因子。
步骤四:采用区域生长法对矿带图像中矿与尾矿分界线进行细定位。
细定位的步骤包括;以分界线L3为种子点,采用区域生长法进一步确定分界线位置,得到中矿与尾矿的准确分界线L4
区域生长法的生长准则为:判断种子点L3附近的8邻域内像素的各自灰度值与生长点所在像素灰度值之差是否大于阈值T=12,若是,则将该像素包括进种子点像素所在的区域;区域生长结束后,取生长区域的最右侧作为中矿与尾矿的分界线L4。
上述实施例中得到的两个位置L2和L4则为自动接取所需的矿带分割结果。

Claims (7)

1.一种摇床矿带图像分割方法,其特征在于,包括以下步骤:
步骤一:采集矿带图像,对采集到的矿带图像进行预处理;
步骤二:针对预处理后的矿带图像,采用OUST算法获取精矿左侧分界线;
步骤三:通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位;
步骤四:采用区域生长法对矿带图像中矿与尾矿分界线进行细定位。
2.根据权利要求1所述的摇床矿带图像分割方法,其特征在于,所述步骤一中,对采集到的矿带图像进行预处理包括:先将图像转换成灰度图,然后对图像进行3×3邻域中值滤波,最后对滤波后的图像进行像素归一化处理,使得归一化之后所有的像素值都在[0,1]区间内。
3.根据权利要求1所述的摇床矿带图像分割方法,其特征在于,所述步骤二中,采用OUST算法获取精矿左侧分界线的步骤包括;先设定阈值T1,用阈值T1对图像进行一次阈值分割,得到分界线L1,L1右侧图像为尾矿区域,采用OTSU算法对分割后的左侧图像进行再次分割,其分割线即精矿带左侧分界线L2
4.根据权利要求3所述的摇床矿带图像分割方法,其特征在于,所述步骤二中,OTSU算法是一种自适应全局最佳阈值确定方法,OTSU算法认为分割后得到的背景与前景两部分之间的类间方差越大,分割时错分的概率越小,因此,该算法采用遍历的方式得到使类间方差最大的阈值,即为所求,具体过程为:
若图像大小为M×N,图像中像素的灰度值小于阈值的像素个数记作N1,像素灰度大于阈值的像素个数记作N2,背景像素占比记为ω1,其平均灰度μ1;前景像素占比为ω2,其平均灰度为μ2,图像的总平均灰度记为μ,类间方差记为g;则有以下公式:
背景像素占比
Figure FDA0002614995790000021
前景像素占比ω2=1-ω1
像素平均灰度值为μ=ω1×μ12×μ2
类间方差g=ω1×(μ-μ1)22×(μ-μ2)2
简化可得等价公式g=ω1×ω2×(μ12)2
循环遍历所有阈值,使得类间方差g最大的阈值即为所求阈值。
5.根据权利要求4所述的摇床矿带图像分割方法,其特征在于,所述步骤三中,通过自适应阈值分割与积分投影对矿带图像中矿与尾矿分界线进行粗定位的步骤包括;截取图像L2,L1两个分界线之间部分,采用自适应阈值计算方法得到T2,使用阈值T2对图像进行二值化,对二值化得到的图像进行竖向积分投影,对积分投影图像从右侧开始向左侧搜索,当检测到投影值连续为0的点超过一个固定值m时,则以此位置作为中矿与尾矿分界线的粗定位分界线L3
6.根据权利要求5所述的摇床矿带图像分割方法,其特征在于,所述步骤三中,自适应阈值利用下式求取:
T2=min(I)+α×(max(I)-min(I))
其中min(I)表示图像像素的最小值,max(I)表示图像像素的最大值,α为调整因子。
7.根据权利要求5所述的摇床矿带图像分割方法,其特征在于,所述步骤四中,其中采用区域生长法对矿带图像中矿与尾矿分界线进行细定位的步骤包括;以分界线L3为种子点,采用区域生长法进一步确定分界线位置,得到中矿与尾矿的准确分界线L4
区域生长法的生长准则为:判断种子点L3附近的8邻域内像素的各自灰度值与生长点所在像素灰度值之差是否大于阈值T,若是,则将该像素包括进种子点像素所在的区域;区域生长结束后,取生长区域的最右侧作为中矿与尾矿的分界线L4
CN202010766804.8A 2020-08-03 2020-08-03 一种摇床矿带图像分割方法 Active CN111862135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010766804.8A CN111862135B (zh) 2020-08-03 2020-08-03 一种摇床矿带图像分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010766804.8A CN111862135B (zh) 2020-08-03 2020-08-03 一种摇床矿带图像分割方法

Publications (2)

Publication Number Publication Date
CN111862135A true CN111862135A (zh) 2020-10-30
CN111862135B CN111862135B (zh) 2024-08-20

Family

ID=72952794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010766804.8A Active CN111862135B (zh) 2020-08-03 2020-08-03 一种摇床矿带图像分割方法

Country Status (1)

Country Link
CN (1) CN111862135B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113304869A (zh) * 2021-06-03 2021-08-27 昆明理工大学 一种摇床矿带自动识别及接取方法与装置
CN117409009A (zh) * 2023-12-15 2024-01-16 长沙矿冶研究院有限责任公司 一种基于UNet的干式磁选颗粒实时分选方法
CN112434570B (zh) * 2020-11-09 2024-05-24 宜春钽铌矿有限公司 一种钽铌矿摇床矿带的图像识别方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070065009A1 (en) * 2005-08-26 2007-03-22 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Ultrasound image enhancement and speckle mitigation method
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN102527489A (zh) * 2012-01-16 2012-07-04 昆明理工大学 一种利用矿带图像灰度动态分割摇床矿带的方法
CN103366362A (zh) * 2013-04-17 2013-10-23 昆明理工大学 一种基于萤火虫优化算法的矿带图像分割法
KR101363370B1 (ko) * 2012-11-29 2014-02-17 주식회사 포스코 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법
CN103871029A (zh) * 2014-01-28 2014-06-18 西安科技大学 一种图像增强及分割方法
RU2012156290A (ru) * 2012-12-25 2014-06-27 Общество с ограниченной ответственностью "НТЦ "Магнитные жидкости" Способ определения контуров промышленного оруденения золоторудного месторождения
WO2017020723A1 (zh) * 2015-08-04 2017-02-09 阿里巴巴集团控股有限公司 一种字符分割方法、装置及电子设备
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070065009A1 (en) * 2005-08-26 2007-03-22 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Ultrasound image enhancement and speckle mitigation method
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN102527489A (zh) * 2012-01-16 2012-07-04 昆明理工大学 一种利用矿带图像灰度动态分割摇床矿带的方法
KR101363370B1 (ko) * 2012-11-29 2014-02-17 주식회사 포스코 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법
RU2012156290A (ru) * 2012-12-25 2014-06-27 Общество с ограниченной ответственностью "НТЦ "Магнитные жидкости" Способ определения контуров промышленного оруденения золоторудного месторождения
CN103366362A (zh) * 2013-04-17 2013-10-23 昆明理工大学 一种基于萤火虫优化算法的矿带图像分割法
CN103871029A (zh) * 2014-01-28 2014-06-18 西安科技大学 一种图像增强及分割方法
WO2017020723A1 (zh) * 2015-08-04 2017-02-09 阿里巴巴集团控股有限公司 一种字符分割方法、装置及电子设备
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田隽;钱建生;厉丹;李世银;: "基于多摄像机的矿井危险区域目标匹配算法", 中国矿业大学学报, no. 01, 15 January 2010 (2010-01-15) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434570B (zh) * 2020-11-09 2024-05-24 宜春钽铌矿有限公司 一种钽铌矿摇床矿带的图像识别方法
CN113304869A (zh) * 2021-06-03 2021-08-27 昆明理工大学 一种摇床矿带自动识别及接取方法与装置
CN113304869B (zh) * 2021-06-03 2024-04-19 昆明理工大学 一种摇床矿带自动识别及接取方法与装置
CN117409009A (zh) * 2023-12-15 2024-01-16 长沙矿冶研究院有限责任公司 一种基于UNet的干式磁选颗粒实时分选方法

Also Published As

Publication number Publication date
CN111862135B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
CN111862135A (zh) 一种摇床矿带图像分割方法
CN115018828B (zh) 一种电子元器件的缺陷检测方法
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及系统
US10489903B2 (en) Stepwise refinement detection method for pavement cracks
CN105784713B (zh) 基于机器视觉的密封圈表面缺陷检测方法
WO2019196130A1 (zh) 面向车载热成像行人检测的分类器训练方法和装置
CN110866903B (zh) 基于霍夫圆变换技术的乒乓球识别方法
WO2019196131A1 (zh) 面向车载热成像行人检测的感兴趣区域过滤方法和装置
CN109460754B (zh) 一种水面异物检测方法、装置、设备及存储介质
CN102222226B (zh) 一种基于先验分析的迭代式车牌字符分割方法
CN109993099A (zh) 一种基于机器视觉的车道线提取识别方法
CN109115785A (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN108985170A (zh) 基于三帧差分法及深度学习的输电线路悬挂物识别方法
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
CN103886290B (zh) 一种复杂背景下的煤流视频检测方法
CN101170641A (zh) 一种基于阈值分割的图像边缘检测方法
CN101877074A (zh) 基于多元特征的结核杆菌目标识别计数算法
CN112287888B (zh) 一种基于预测权重的轨道转弯识别方法
CN104318225A (zh) 车牌检测方法及装置
CN111753749A (zh) 一种基于特征匹配的车道线检测方法
CN109030502A (zh) 一种基于机器视觉的焊点缺陷检测系统
CN114758322A (zh) 基于机器识别的道路质量检测系统
CN111476804A (zh) 托辊图像高效分割方法、装置、设备及存储介质
CN105139391A (zh) 一种雾霾天气交通图像边缘检测方法
CN111889222A (zh) 基于视觉伺服的摇床导流控制系统和摇床导流控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20240724

Address after: Room 701-9, Superstar Entrepreneurship Base, No. 8 Lujing Road, High-tech Development Zone, Changsha City, Hunan Province 410205

Applicant after: Hunan Yaoze Technology Co.,Ltd.

Country or region after: China

Applicant after: HUNAN TONGFANG ELECTRIC Co.,Ltd.

Applicant after: HUNAN University OF SCIENCE AND TECHNOLOGY

Address before: Room 702, Superstar Entrepreneurship Base, No. 8 Lujing Road, Changsha High tech Development Zone, Hunan Province, China 410205

Applicant before: Hunan Daqi Intelligent Technology Co.,Ltd.

Country or region before: China

Applicant before: HUNAN TONGFANG ELECTRIC Co.,Ltd.

Applicant before: HUNAN University OF SCIENCE AND TECHNOLOGY

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant