CN113052823A - 油位和油色检测方法、装置、电子设备和存储介质 - Google Patents
油位和油色检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113052823A CN113052823A CN202110328315.9A CN202110328315A CN113052823A CN 113052823 A CN113052823 A CN 113052823A CN 202110328315 A CN202110328315 A CN 202110328315A CN 113052823 A CN113052823 A CN 113052823A
- Authority
- CN
- China
- Prior art keywords
- oil
- oil level
- detection
- boundary line
- area
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种油位和油色检测方法、装置、电子设备和存储介质,油位和油色检测方法包括:获取检测图像,从检测图像中识别出油表边界线和油位分界线;基于油表边界线和油位分界线生成油位检测结果;从检测图像中截取油色样本图像;将油色样本图像输入预先训练的油色检测模型中得到油色检测结果。本发明实施例无需检修工人对设备进行油位和油色检测,降低了检修工人的劳动强度,提高了油位和油色的检测效率,并且避免了检修工人人为主观影响检测结果,能够客观地检测设备的油位和油色,检测结果准确性高。
Description
技术领域
本发明实施例涉及设备检测技术领域,尤其涉及一种油位和油色检测方法、装置、电子设备和存储介质。
背景技术
随着高铁技术取得举世瞩目的成就,为了保证高铁安全、可靠、高效运行,高铁检测和维修工作变得至关重要。
高铁检测和维修项目众多,对高铁车底齿轮箱的油位和油色进行检测,以此确保车底齿轮箱的油位和油色正常是重要的检测项目之一。目前国内对高铁车底齿轮箱的油位和油色的检测工作主要以人工为主,检修工人需要位于高铁车底观察齿轮箱上的油表来判断油位和油色是否正常,当高铁数量较多时,需要检修工人昼夜交替执行检测和维修作业,劳动强度大,工作效率低,并且检测结果受人为主观影响较大,检测结果准确性低。
发明内容
本发明实施例提供一种油位和油色检测方法、装置、电子设备和存储介质,以解决现有技术中人工检测油位和油色劳动强度大、效率低以及检测结果准确性低的问题。
第一方面,本发明实施例提供了一种油位和油色检测方法,包括:
获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像;
从所述检测图像中识别出油表边界线和油位分界线;
基于所述油表边界线和所述油位分界线生成油位检测结果;
从所述检测图像中截取油色样本图像;
将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
可选地,所述从所述检测图像中识别出油表边界线和油位分界线,包括:
采用预设的油表模板图像对所述检测图像进行模板匹配得到所述检测图像中的油表区域和所述油表区域的几何位置数据;
对所述油表区域进行边缘检测得到油表的第一边界线和第二边界线;
从所述油表区域确定油位指示区域;
对所述油位指示区域进行边缘检测得到油位分界线。
可选地,所述几何位置数据包括所述油表区域的角度以及中心坐标,所述从所述油表区域确定油位指示区域,包括:
绘制矩形区域作为油位指示区域,所述矩形区域的中心坐标等于所述油表区域的中心坐标,所述矩形区域的角度等于所述油表区域的角度,所述矩形区域的长度为所述油表的油位指示区域的实际长度映射到所述检测图像中的长度,所述矩形区域的宽度为所述油表的油位指示区域的宽度映射到所述检测图像中的宽度。
可选地,所述对所述油位指示区域进行边缘检测得到油位分界线,包括:
对所述油位指示区域进行边缘检测得到初始油位分界线;
采用最小二乘法对所述初始油位分界线进行拟合得到最终的油位分界线。
可选地,所述油表边界线包括第一边界线和第二边界线,所述基于所述油表边界线和所述油位分界线生成油位检测结果,包括:
在所述油表区域上计算所述第一边界线到所述第二边界线的第一像素距离;
获取所述油表的第一边界到所述第二边界的第一实际距离;
在所述油表区域上计算所述油位分界线到所述第一边界线的第二像素距离;
计算所述第一像素距离与所述实际距离的比值作为比例因子;
计算所述第二像素距离与所述比例因子的比值得到所述油表上的油位分界线到所述油表的第一边界的第二实际距离;
判断所述第二实际距离是否在预设的距离范围内;
若是,则生成油位正常的检测结果;
若否,则生成油位异常的检测结果。
可选地,所述预设的距离范围包括上限值和下限值,所述判断所述第二实际距离是否在预设的距离范围内,包括:
判断所述第二实际距离是否大于上限值;
若是,所述生成油位异常的检测结果,包括:
生成油位过高的检测结果;
若否,判断所述第二实际距离是否小于下限值;
在所述第二实际距离小于下限值时,所述生成油位异常的检测结果,包括:
生成油位过低的检测结果;
在所述第二实际距离大于下限值并且小于上限值时,执行生成油位正常的检测结果的步骤。
可选地,所述从所述检测图像中截取油色样本图像,包括:
以所述油位分界线将所述油位指示区域划分为靠近所述第一边界线的第一区域和所述第二边界线的第二区域;
从所述油位指示区域截取所述第一区域的图像作为油色样本图像。
第二方面,本发明实施例提供了一种油位和油色检测装置,包括:
检测图像获取模块,用于获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像;
油表边界线和油位分界线检测模块,用于从所述检测图像中识别出油表边界线和油位分界线;
油位检测结果生成模块,用于基于所述油表边界线和所述油位分界线生成油位检测结果;
油色样本图像截取模块,用于从所述检测图像中截取油色样本图像;
油色检测模块,用于将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
可选地,所述油表边界线和油位分界线检测模块包括:
模板匹配子模块,用于采用预设的油表模板图像对所述检测图像进行模板匹配得到所述检测图像中的油表区域和所述油表区域的几何位置数据;
边界线检测子模块,用于对所述油表区域进行边缘检测得到油表的第一边界线和第二边界线;
油位指示区域确定子模块,用于从所述油表区域确定油位指示区域;
油位分界线检测子模块,用于对所述油位指示区域进行边缘检测得到油位分界线。
可选地,所述几何位置数据包括所述油表区域的角度以及中心坐标,所述油位指示区域确定子模块包括:
油位指示区域绘制单元,用于在所述油表区域绘制矩形区域作为油位指示区域,所述矩形区域的中心坐标等于所述油表区域的中心坐标,所述矩形区域的角度等于所述油表区域的角度,所述矩形区域的长度为所述油表的油位指示区域的实际长度映射到所述检测图像中的长度,所述矩形区域的宽度为所述油表的油位指示区域的宽度映射到所述检测图像中的宽度。
可选地,所述油位分界线检测子模块包括:
油位分界线检测单元,用于对所述油位指示区域进行边缘检测得到初始油位分界线;
油位分界线拟合单元,用于采用最小二乘法对所述初始油位分界线进行拟合得到最终的油位分界线。
可选地,所述油表边界线包括第一边界线和第二边界线,所述油位检测结果生成模块包括:
第一像素距离计算子模块,用于在所述油表区域上计算所述第一边界线到所述第二边界线的第一像素距离;
第一实际距离获取子模块,用于获取所述油表的第一边界到所述第二边界的第一实际距离;
第二像素距离计算子模块,用于在所述油表区域上计算所述油位分界线到所述第一边界线的第二像素距离;
比例因子计算子模块,用于计算所述第一像素距离与所述实际距离的比值作为比例因子;
第二实际距离计算子模块,用于计算所述第二像素距离与所述比例因子的比值得到所述油表上的油位分界线到所述油表的第一边界的第二实际距离;
距离判断子模块,用于判断所述第二实际距离是否在预设的距离范围内;
油位正常检测结果生成子模块,用于生成油位正常的检测结果;
油位异常检测结果生成子模块,用于生成油位异常的检测结果。
可选地,所述预设的距离范围包括上限值和下限值,所述距离判断子模块包括:
上限值判断单元,用于判断所述第二实际距离是否大于上限值;
所述油位异常检测结果生成子模块包括:
油位过高检测结果生成单元,用于在所述上限值判断单元判断所述第二实际距离大于上限值时生成油位过高的检测结果;
下限值判断单元,用于判断所述第二实际距离是否小于下限值;
所述油位异常检测结果生成子模块包括:
油位过低检测结果生成单元,用于在所述下限值判断单元判断所述第二实际距离小于下限值时生成油位过低的检测结果;
可选地,所述油色样本图像截取模块包括:
划分子模块,用于以所述油位分界线将所述油位指示区域划分为靠近所述第一边界线的第一区域和所述第二边界线的第二区域;
油色样本图像截取子模块,用于从所述油位指示区域截取所述第一区域的图像作为油色样本图像。
第三方面,本发明实施例提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任一实施例所述的油位和油色检测方法。
第四方面,本发明实施例提供了一种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任一实施例所述的油位和油色检测方法。
本发明实施例通过获取设置有油表的设备的检测图像,从检测图像中识别出油表边界线和油位分界线,并基于油表边界线和油位分界线生成油位检测结果,进一步从检测图像中截取油色样本图像,将油色样本图像输入预先训练的油色检测模型中得到油色检测结果,无需检修工人对设备进行油位和油色检测,降低了检修工人的劳动强度,提高了油位和油色的检测效率,并且避免了检测工人人为主观影响检测结果,能够客观地检测设备的油位和油色,检测结果准确性高。
附图说明
图1是本发明实施例一提供的一种油位和油色检测方法的步骤流程图;
图2A是本发明实施例二提供的一种油位和油色检测方法的步骤流程图;
图2B是本发明实施例的检测图像采集系统的示意图;
图2C是本发明实施例中检测图像的示意图;
图2D是本发明实施例的检测图像中油表区域的示意图;
图2E是本发明实施例油表区域的示意图;
图3是本发明实施例三提供的一种油位和油色检测装置的结构框图;
图4是本发明实施例四提供的一种电子设备的结构示意图。
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详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
实施例一
图1为本发明实施例一提供的一种油位和油色检测方法的步骤流程图,本发明实施例可适用于对设备的油位和油色进行检测的情况,该方法可以由本发明实施例的油位和油色检测装置来执行,该油位和油色检测装置可以由硬件或软件来实现,并集成在本发明实施例所提供的电子设备中,具体地,如图1所示,本发明实施例的油位和油色检测方法可以包括如下步骤:
S101、获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像。
在本发明实施例中,设置有油表的设备可以是高铁的车底齿轮箱或者其他设置有油表的设备,本发明实施例对设置有油表的设备不加以限制。为了便于说明,本发明实施例以设置有油表的车底齿轮箱作为示例来说明油位和油色检测方法,其中,检测油位可以保证有适量的油液来维持设备的正常运转,由于油色可以反映油液的浓稠度、被氧化程度等参数,检测油色可以保证有合格质量的油液来维持设备的正常运转。以车底齿轮箱为示例,车底齿轮箱内灌注有油液,适量的、正常油色的油液对车底齿轮箱内的齿轮进行浸润,一方面可以对齿轮起到润滑作用,另一方面起到散热降温的效果,为了保证车底齿轮箱内有足量的、合格质量的油液来保证齿轮的正常工作,可以在车底齿轮箱上设置有油表,该油表上设置有指示油位的油位指示区域,通过该油位指示区域既可以观察到油位分界线,还可以观察到油色。
在一个可选实施例中,在高铁停车检修时,可以通过末端固定有相机的机器臂进入高铁车底,对位于每节车厢下的车底齿轮箱进行拍摄得到检测图像,使得油表被拍摄到检测图像中,当然,对于油位和油色要求严格的设备,也可以在设备上设置相机,通过相机实时采集油表的检测图像,以对油位和油色进行实时检测。
S102、从所述检测图像中识别出油表边界线和油位分界线。
在一个可选实施例中,油位分界线可以是油表中油液的表面所形成的线条,油位分界线随着油液的损耗或者增加而沿一个方向来回移动,油表分界线可以是油表上与油位分界线的移动方向垂直的油表的外轮廓线。在一个示例中,油表外形为长方体,矩形的油位指示区域位于该长方体上,则油表边界线可以是油表上与矩形的油位指示区域的长边垂直的、相对的第一边界线和第二边界线,油位分界线可以是油位指示区内油液的液面所形成的线条,油位分界线可沿矩形的油位指示区域的长边方向移动。
在本发明实施例中,可以先通过预先建立的油表模板图像对检测图像进行模板匹配,从检测图像中匹配出油表区域,并对该油表区域执行边缘检测获得油表边界线和油位分界线。
S103、基于所述油表边界线和所述油位分界线生成油位检测结果。
具体地,可以在检测图像上计算油位分界线到油表边界线的像素距离,通过该像素距离换算得到油表中油位分界线到油表边界的实际距离,以该实际距离作为油位的度量值,通过该实际距离与预设的油位范围进行比较,如果该实际距离在预设的油位范围内则表示油位正常,可以生成油位正常的检测结果,如果该实际距离在预设的油位范围外,则生成油位过低或者过高的异常检测结果。
S104、从所述检测图像中截取油色样本图像。
具体地,本发明实施例的油位指示区域可以是透明的,通过该油位指示区域可以观察到油液的颜色,则可以从检测图像中的油位指示区域截取被油液填充的区域作为油色样本图像,优选地,可以从油位指示区域截取部分或者全部的油液区域得到一个初始样本图像,然后对该初始样本图像进行裁剪、去噪等预处理后得到指定尺寸大小的图像作为油色样本图像。
S105、将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
在本发明实施例中,可以预先训练油色检测模型,该油色检测模型在输入油色样本图像后可以输出油色检测的分类结果。具体地,可以从不同设备的检测图像中获取不同的油色样本图像,并人为地为油色样本图像标注油色,以油色样本图像为输入来训练油色检测模型。从检测图像中获得油色样本图像后,可以将油色样本图像输入训练好的油色检测模型中,由油色检测模型对油色样本图像中的油色进行分类得到油色分类结果,该分类结果可以是油色的色号,还可以是正常油色和异常油色的判断结果。
本发明实施例通过获取设置有油表的设备的检测图像,从检测图像中识别出油表边界线和油位分界线,并基于油表边界线和油位分界线生成油位检测结果,进一步从检测图像中截取油色样本图像,将油色样本图像输入预先训练的油色检测模型中得到油色检测结果,无需检修工人对设备进行油位和油色检测,降低了检修工人的劳动强度,提高了油位和油色的检测效率,并且避免了检测工人人为主观影响检测结果,能够客观地检测设备的油位和油色,检测结果准确性高。
实施例二
图2A为本发明实施例二提供的一种油位和油色检测方法的步骤流程图,本发明实施例在前述实施例一的基础上进行优化,具体地,如图2A所示,本发明实施例的油位和油色检测方法可以包括如下步骤:
S201、获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像。
在本发明实施例中,设置有油表的设备可以是高铁的车底齿轮箱或者其他设置有油表的设备,本发明实施例对设置有油表的设备不加以限制。为了便于说明,本发明实施例以设置有油表的车底齿轮箱作为示例来说明油位和油色检测方法。
如图2B所示,本发明实施例的检测图像采集系统包括下位机、设置有机械臂的机器人以及上位机,机械臂的末端设置有彩色相机,下位机与机器人连接,彩色相机与上位机连接,下位机发送运动指令控制机械臂移动到高铁车底的拍照点位后,下位机发送拍照指令和曝光时间触发彩色相机拍摄车底齿轮箱的图像,彩色相机拍摄的图像通过网络传输到上位机,由上位机对图像进行图像处理得到检测图像。
S202、采用预设的油表模板图像对所述检测图像进行模板匹配得到所述检测图像中的油表区域和所述油表区域的几何位置数据。
具体地,油表模板图像可以是仅包括了油表的图像,模板匹配是指在一幅图像中寻找与模板图像最匹配的区域,具体到本发明实施例中,可以以模板图像遍历检测图像,计算模板图像和被模板图像覆盖的区域的匹配相关系数,在遍历完之后可以确定匹配相关系统最大的区域即为匹配目标,即检测图像中的油表区域,并获取该油表区域的中心坐标和角度作为油表区域的几何位置数据,其中,相关系数可以是平均差匹配相关系数、标准平方差匹配相关系数等,本发明实施例对模板匹配的具体算法不加以限制。
如图2C所示,在一个示例中,检测图像10中包含了油表区域20,该油表区域20为一矩形区域,通过模板匹配可以确定检测图像10中的油表区域20,以及油表区域20的中心坐标O(x,y)和旋转角度a。
S203、对所述油表区域进行边缘检测得到油表的第一边界线和第二边界线。
如图2D所示的油表区域,包括第一边界线201和第二边界线202,可以通过边缘检测算法对油表区域进行检测,得到第一边界线201和第二边界线202,其中,第一边界线201和第二边界线202可以是长方形的油表区域20上与矩形的油位指示区域203的长边垂直的、相对的边界线。其中,边缘检测可以是基于搜索的边缘检测方法或者是基于零交叉的边缘检测方法,基于搜索的边缘检测方法先计算边缘强度,通常用一阶导数表示,例如梯度模,然后估计边缘的局部方向,通常采用梯度的方向,并利用此方向找到局部梯度模的最大值;基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘,通常用拉普拉斯算子或非线性微分方程的零交叉点。在实际应用中本领域技术人员可以根据实际需要采用不同的边缘检测方法来检测第一边界线201和第二边界线202,本发明实施例对边缘检测算法不做限制。
当然,在实际应用中,除了通过边缘检测算法获得第一边界线201和第二边界线202,还可以将油表区域的图像输入训练好的边界线识别神经网络来识别第一边界线201和第二边界线202,本发明实施例对从油表区域中识别第一边界线201和第二边界线202的方式不加以限制。
S204、从所述油表区域确定油位指示区域。
在本发明的可选实施例中,可以绘制矩形区域作为油位指示区域,该矩形区域的中心坐标等于油表区域的中心坐标,矩形区域的角度等于油表区域的角度,矩形区域的长度为油表的油位指示区域的实际长度映射到检测图像中的长度,矩形区域的宽度为油表的油位指示区域的宽度映射到检测图像中的宽度。
具体地,如图2C和图2E所示,在获得油表区域20的中心坐标O和旋转角度后,可以以中心坐标O为油位指示区域的中心坐标,在检测图像上的油表区域绘制一个矩形区域作为油位指示区域,该油位指示区域的旋转角度等于油表区域的旋转角度a,检测图像上油位指示区域的长度为油表上油位指示区域的实际长度映射到检测图像中的像素长度,检测图像上油位指示区域的宽度为油表上油位指示区域的实际宽度映射到检测图像中的像素宽度。
当然,在实际应用中,还可以通过模板匹配或者边缘检测算法从油表区域中确定出油位指示区域,本发明实施例对确定油表指示区域的方式不做限制。
S205、对所述油位指示区域进行边缘检测得到油位分界线。
在一个可选实施例中,同样可以通过对油位指示区域进行边缘检测得到初始油位分界线,并对初始油位分界线进行拟合得到最终的油位分界线,在实际应用中,油位指示区域通常是细长的区域,检测图像上的油位分界线比较短并且不是直线,在得到初始油位分界线之后,可以对初始油位分界线进行最小二乘法线性拟合得到最终的油位分界线,以提高油位分界线的识别准确度。如图2D所示,油位指示区域203中虚线部分为油液,油液在油位指示区域203形成油位分界线204。
S206、在所述油表区域上计算所述第一边界线到所述第二边界线的第一像素距离。
像素距离可以是指在检测图像的像素坐标系下第一边界线到第二边界线的距离,如图2D和图2E所示,第一边界线201到第二边界线202的第一像素距离记为D1_pixel,第一像素距离D1_pixel可以是检测图像上第一边界线201到第二边界线202的距离,也可以是第一边界线201到第二边界线202的像素数量,本发明实施例对第一像素距离的计量方式不做限制。
S207、获取所述油表的第一边界到所述第二边界的第一实际距离。
在实际应用中,油表的第一边界到第二边界的第一实际距离是固定不变的,可以直接测量油表的第一边界到第二边界的实际距离并预先存储在存储介质中,直接从存储介质中读取第一边界到第二边界的第一实际距离,该第一实际距离可以记为D1_world。
S208、在所述油表区域上计算所述油位分界线到所述第一边界线的第二像素距离。
如图2E所示,在本发明实施例中,油位指示区域为A1-A2-A3-A4区域,该油位指示区域为一个玻璃容器区域,在油位指示区域中,区域A1-A5-A6-A4所形成的区域表示为被油液填充的区域,油位分界线204离第一分界线越远,表示油位指示区域被油液填充的区域越大,油位就越高,相反油位越低。因此需要计算油表区域上油位分界线204到第一边界线201的第二像素距离D2_pixel,通过第二像素距离D2_pixel换算为实际距离作为油位的度量值,其中,第二像素距离D2_pixel可以是检测图像上油位分界线204到第一边界线201的距离,也可以是检测图像上油位分界线204到第一边界线201的像素数量,本发明实施例对第二像素距离D2_pixel的计量方式不做限制,与第一像素距离D1_pixel的计量方式一致即可。
S209、计算所述第一像素距离与所述实际距离的比值作为比例因子。
具体地,记比例因子为S,比例因子S计算如下:
比例因子S反映了检测图像上的像素距离与实际距离的换算关系,通过该比例因子S,可以将检测图像上任意两点的像素距离换算为实际距离。
S210、计算所述第二像素距离与所述比例因子的比值得到所述油表上的油位分界线到所述油表的第一边界的第二实际距离。
具体地,记第二实际距离为D2_world,则存在如下关系式:
通过上述关系式可知:
即:
亦即,将第二像素距离D2_pixel与比例因子S作比值,得到油表上的油位分界线到油表的第一边界的第二实际距离D2_world,以第二实际距离D2_world作为油位的度量值。
S211、判断所述第二实际距离是否在预设的距离范围内。
具体地,预设的距离范围可以是合适的油位范围,该预设的距离范围包括上限值和下限值,可以判断第二实际距离是否大于上限值,以及判断第二实际距离是否小于下限值,如果第二实际距离大于上限值或者小于下限值,则执行S213,如果第二实际距离在上限值和下限值的之间,则执行S212。
S212、生成油位正常的检测结果。
如果第二实际距离在上限值和下限值的之间,说明油位在预设的油位范围内,设备的油位正常,可以生成油位正常的检测结果,例如生成检测通过的提示信息,该提示信息可以是文字、图案等。
S213、生成油位异常的检测结果。
在一个示例中,如果第二实际距离大于上限值,说明油位分界线离第一分界线过远,油位过高,则可以生成油位过高的检测结果,以提示检修人员放油,如果第二实际距离小于上限值,说明油位分界线离第一分界线过近,油位过低,则可以生成油位过低的检测结果,以提示检修人员加油。
S214、从所述检测图像中截取油色样本图像。
在本发明的可选实施例中,可以以油位分界线将油位指示区域划分为靠近第一边界线的第一区域和靠近第二边界线的第二区域,从油位指示区域截取第一区域的图像作为油色样本图像。
示例性地,如图2E所示,在油位指示区域A1-A2-A3-A4中,被油液填充的区域为区域A1-A5-A6-A4,则可以以油位分界线204将油位指示区域A1-A2-A3-A4划分为两部分,截取被油液填充的区域A1-A5-A6-A4作为油色样本图像。
S215、将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
在本发明实施例中,可以预先训练油色检测模型,该油色检测模型在输入油色样本图像后可以输出油色检测的分类结果,具体地,可以先获取训练样本,训练样本可以是各种油色样本,例如从不同油表图像中截取油位指示区域被油液填充的区域得到样本图像,对样本图像归一化为统一尺寸后作为训练样本,将训练样本输入初始化后的颜色分类器中进行迭代训练,追踪训练好的颜色分类器即为油色检测模型。当从检测图像中获得油色样本图像后,可以将油色样本图像输入训练好的油色检测模型中,由油色检测模型对油色样本图像中的油色进行分类得到油色分类结果,该分类结果可以是油色的色号,还可以是正常油色和异常油色判断结果。
本发明实施例通过获取设置有油表的设备的检测图像,从检测图像中识别出油表边界线和油位分界线,并基于油表边界线和油位分界线生成油位检测结果,进一步从检测图像中截取油色样本图像,将油色样本图像输入预先训练的油色检测模型中得到油色检测结果,无需检修工人对设备进行油位和油色检测,降低了检修工人的劳动强度,提高了油位和油色的检测效率,并且避免了检测工人人为主观影响检测结果,能够客观地检测设备的油位和油色,检测结果准确性高。
实施例三
图3是本发明实施例三提供的一种油位和油色检测装置的结构框图,如图3所示,本发明实施例的油位和油色检测装置具体可以包括如下模块:
检测图像获取模块301,用于获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像;
油表边界线和油位分界线检测模块302,用于从所述检测图像中识别出油表边界线和油位分界线;
油位检测结果生成模块303,用于基于所述油表边界线和所述油位分界线生成油位检测结果;
油色样本图像截取模块304,用于从所述检测图像中截取油色样本图像;
油色检测模块305,用于将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
可选地,所述油表边界线和油位分界线检测模块302包括:
模板匹配子模块,用于采用预设的油表模板图像对所述检测图像进行模板匹配得到所述检测图像中的油表区域和所述油表区域的几何位置数据;
边界线检测子模块,用于对所述油表区域进行边缘检测得到油表的第一边界线和第二边界线;
油位指示区域确定子模块,用于从所述油表区域确定油位指示区域;
油位分界线检测子模块,用于对所述油位指示区域进行边缘检测得到油位分界线。
可选地,所述几何位置数据包括所述油表区域的角度以及中心坐标,所述油位指示区域确定子模块包括:
油位指示区域绘制单元,用于在所述油表区域绘制矩形区域作为油位指示区域,所述矩形区域的中心坐标等于所述油表区域的中心坐标,所述矩形区域的角度等于所述油表区域的角度,所述矩形区域的长度为所述油表的油位指示区域的实际长度映射到所述检测图像中的长度,所述矩形区域的宽度为所述油表的油位指示区域的宽度映射到所述检测图像中的宽度。
可选地,所述油位分界线检测子模块包括:
油位分界线检测单元,用于对所述油位指示区域进行边缘检测得到初始油位分界线;
油位分界线拟合单元,用于采用最小二乘法对所述初始油位分界线进行拟合得到最终的油位分界线。
可选地,所述油表边界线包括第一边界线和第二边界线,所述油位检测结果生成模块303包括:
第一像素距离计算子模块,用于在所述油表区域上计算所述第一边界线到所述第二边界线的第一像素距离;
第一实际距离获取子模块,用于获取所述油表的第一边界到所述第二边界的第一实际距离;
第二像素距离计算子模块,用于在所述油表区域上计算所述油位分界线到所述第一边界线的第二像素距离;
比例因子计算子模块,用于计算所述第一像素距离与所述实际距离的比值作为比例因子;
第二实际距离计算子模块,用于计算所述第二像素距离与所述比例因子的比值得到所述油表上的油位分界线到所述油表的第一边界的第二实际距离;
距离判断子模块,用于判断所述第二实际距离是否在预设的距离范围内;
油位正常检测结果生成子模块,用于生成油位正常的检测结果;
油位异常检测结果生成子模块,用于生成油位异常的检测结果。
可选地,所述预设的距离范围包括上限值和下限值,所述距离判断子模块包括:
上限值判断单元,用于判断所述第二实际距离是否大于上限值;
所述油位异常检测结果生成子模块包括:
油位过高检测结果生成单元,用于在所述上限值判断单元判断所述第二实际距离大于上限值时生成油位过高的检测结果;
下限值判断单元,用于判断所述第二实际距离是否小于下限值;
所述油位异常检测结果生成子模块包括:
油位过低检测结果生成单元,用于在所述下限值判断单元判断所述第二实际距离小于下限值时生成油位过低的检测结果;
可选地,所述油色样本图像截取模块304包括:
划分子模块,用于以所述油位分界线将所述油位指示区域划分为靠近所述第一边界线的第一区域和所述第二边界线的第二区域;
油色样本图像截取子模块,用于从所述油位指示区域截取所述第一区域的图像作为油色样本图像。
本发明实施例所提供的油位和油色检测装置可执行本发明实施例一、实施例二所提供的油位和油色检测方法,具备执行方法相应的功能和有益效果。
实施例四
参照图4,示出了本发明一个示例中的一种电子设备的结构示意图。如图4所示,该电子设备具体可以包括:处理器401、存储器402、具有触摸功能的显示屏403、输入装置404、输出装置405以及通信装置406。该电子设备中处理器401的数量可以是一个或者多个,图4中以一个处理器401为例。该电子设备中存储器402的数量可以是一个或者多个,图4中以一个存储器402为例。该设备的处理器401、存储器402、显示屏403、输入装置404、输出装置405以及通信装置406可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储器402作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例所述的油位和油色检测方法对应的程序指令/模块(例如,上述油位和油色检测装置中的检测图像获取模块301、油表边界线和油位分界线检测模块302、油位检测结果生成模块303、油色样本图像截取模块304和油色检测模块305),存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器402可进一步包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
显示屏403为具有触摸功能的显示屏403,其可以是电容屏、电磁屏或者红外屏。一般而言,显示屏403用于根据处理器401的指示显示数据,还用于接收作用于显示屏403的触摸操作,并将相应的信号发送至处理器401或其他装置。可选的,当显示屏403为红外屏时,其还包括红外触摸框,该红外触摸框设置在显示屏403的四周,其还可以用于接收红外信号,并将该红外信号发送至处理器401或者其他设备。
通信装置406,用于与其他设备建立通信连接,其可以是有线通信装置和/或无线通信装置。
输入装置404可用于接收输入的数字或者字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置405可以包括扬声器等音频设备。需要说明的是,输入装置404和输出装置405的具体组成可以根据实际情况设定。
处理器401通过运行存储在存储器402中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述油位和油色检测方法。
具体地,实施例中,处理器401执行存储器402中存储的一个或多个程序时,具体实现本发明实施例提供的油位和油色检测方法的步骤。
实施例五
本发明实施例五还提供了一种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可实现本发明任意实施例中的油位和油色检测方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明应用于电子设备上任意实施例所提供的油位和油色检测方法中的相关操作。
需要说明的是,对于装置、电子设备、存储介质实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的油位和油色检测方法。
值得注意的是,上述油位和油色检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理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。
Claims (10)
1.一种油位和油色检测方法,其特征在于,包括:
获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像;
从所述检测图像中识别出油表边界线和油位分界线;
基于所述油表边界线和所述油位分界线生成油位检测结果;
从所述检测图像中截取油色样本图像;
将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
2.根据权利要求1所述的油位和油色检测方法,其特征在于,所述从所述检测图像中识别出油表边界线和油位分界线,包括:
采用预设的油表模板图像对所述检测图像进行模板匹配得到所述检测图像中的油表区域和所述油表区域的几何位置数据;
对所述油表区域进行边缘检测得到油表的第一边界线和第二边界线;
从所述油表区域确定油位指示区域;
对所述油位指示区域进行边缘检测得到油位分界线。
3.根据权利要求2所述的油位和油色检测方法,其特征在于,所述几何位置数据包括所述油表区域的角度以及中心坐标,所述从所述油表区域确定油位指示区域,包括:
在所述油表区域绘制矩形区域作为油位指示区域,所述矩形区域的中心坐标等于所述油表区域的中心坐标,所述矩形区域的角度等于所述油表区域的角度,所述矩形区域的长度为所述油表的油位指示区域的实际长度映射到所述检测图像中的长度,所述矩形区域的宽度为所述油表的油位指示区域的宽度映射到所述检测图像中的宽度。
4.根据权利要求2所述的油位和油色检测方法,其特征在于,所述对所述油位指示区域进行边缘检测得到油位分界线,包括:
对所述油位指示区域进行边缘检测得到初始油位分界线;
采用最小二乘法对所述初始油位分界线进行拟合得到最终的油位分界线。
5.根据权利要求2所述的油位和油色检测方法,其特征在于,所述油表边界线包括第一边界线和第二边界线,所述基于所述油表边界线和所述油位分界线生成油位检测结果,包括:
在所述油表区域上计算所述第一边界线到所述第二边界线的第一像素距离;
获取所述油表的第一边界到所述第二边界的第一实际距离;
在所述油表区域上计算所述油位分界线到所述第一边界线的第二像素距离;
计算所述第一像素距离与所述实际距离的比值作为比例因子;
计算所述第二像素距离与所述比例因子的比值得到所述油表上的油位分界线到所述油表的第一边界的第二实际距离;
判断所述第二实际距离是否在预设的距离范围内;
若是,则生成油位正常的检测结果;
若否,则生成油位异常的检测结果。
6.根据权利要求5所述的油位和油色检测方法,其特征在于,所述预设的距离范围包括上限值和下限值,所述判断所述第二实际距离是否在预设的距离范围内,包括:
判断所述第二实际距离是否大于上限值;
若是,所述生成油位异常的检测结果,包括:
生成油位过高的检测结果;
若否,判断所述第二实际距离是否小于下限值;
在所述第二实际距离小于下限值时,所述生成油位异常的检测结果,包括:
生成油位过低的检测结果;
在所述第二实际距离大于下限值并且小于上限值时,执行生成油位正常的检测结果的步骤。
7.根据权利要求2-6任一项所述的油位和油色检测方法,其特征在于,所述从所述检测图像中截取油色样本图像,包括:
以所述油位分界线将所述油位指示区域划分为靠近所述第一边界线的第一区域和靠近所述第二边界线的第二区域;
从所述油位指示区域截取所述第一区域的图像作为油色样本图像。
8.一种油位和油色检测装置,其特征在于,包括:
检测图像获取模块,用于获取检测图像,所述检测图像为相机对设置有油表的设备拍摄后得到的图像;
油表边界线和油位分界线检测模块,用于从所述检测图像中识别出油表边界线和油位分界线;
油位检测结果生成模块,用于基于所述油表边界线和所述油位分界线生成油位检测结果;
油色样本图像截取模块,用于从所述检测图像中截取油色样本图像;
油色检测模块,用于将所述油色样本图像输入预先训练的油色检测模型中得到油色检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的油位和油色检测方法。
10.一种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如权利要求1-7中任一项所述的油位和油色检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110328315.9A CN113052823A (zh) | 2021-03-26 | 2021-03-26 | 油位和油色检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110328315.9A CN113052823A (zh) | 2021-03-26 | 2021-03-26 | 油位和油色检测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052823A true CN113052823A (zh) | 2021-06-29 |
Family
ID=76515781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110328315.9A Pending CN113052823A (zh) | 2021-03-26 | 2021-03-26 | 油位和油色检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052823A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912278A (zh) * | 2023-09-13 | 2023-10-20 | 武汉大学 | 一种全自动注脂方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608703A (zh) * | 2015-12-28 | 2016-05-25 | 浙江国自机器人技术有限公司 | 一种变电站智能巡检机器人的电流互感器油位检测方法 |
KR20170043142A (ko) * | 2015-10-12 | 2017-04-21 | 중앙대학교 산학협력단 | 저조도 환경에서 카메라 기반 수위 검출 방법 및 장치 |
CN106960437A (zh) * | 2017-03-24 | 2017-07-18 | 重庆邮电大学 | 一种电力巡检机器人的油浸电力变压器液位检测方法 |
CN107610128A (zh) * | 2017-09-26 | 2018-01-19 | 山东鲁能智能技术有限公司 | 一种油位计的巡检方法和装置 |
CN109564125A (zh) * | 2016-06-03 | 2019-04-02 | 福伊特专利有限公司 | 对液力耦合器中的液位的获知 |
CN111209876A (zh) * | 2020-01-10 | 2020-05-29 | 汕头大学 | 一种漏油缺陷检测方法及系统 |
CN111640151A (zh) * | 2020-05-18 | 2020-09-08 | 苏州佐竹冷热控制技术有限公司 | 油位检测方法及检测系统 |
CN112488928A (zh) * | 2020-10-12 | 2021-03-12 | 国网河南省电力公司济源供电公司 | 基于图像识别技术的变压器油枕油位在线监测装置及方法 |
-
2021
- 2021-03-26 CN CN202110328315.9A patent/CN113052823A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170043142A (ko) * | 2015-10-12 | 2017-04-21 | 중앙대학교 산학협력단 | 저조도 환경에서 카메라 기반 수위 검출 방법 및 장치 |
CN105608703A (zh) * | 2015-12-28 | 2016-05-25 | 浙江国自机器人技术有限公司 | 一种变电站智能巡检机器人的电流互感器油位检测方法 |
CN109564125A (zh) * | 2016-06-03 | 2019-04-02 | 福伊特专利有限公司 | 对液力耦合器中的液位的获知 |
CN106960437A (zh) * | 2017-03-24 | 2017-07-18 | 重庆邮电大学 | 一种电力巡检机器人的油浸电力变压器液位检测方法 |
CN107610128A (zh) * | 2017-09-26 | 2018-01-19 | 山东鲁能智能技术有限公司 | 一种油位计的巡检方法和装置 |
CN111209876A (zh) * | 2020-01-10 | 2020-05-29 | 汕头大学 | 一种漏油缺陷检测方法及系统 |
CN111640151A (zh) * | 2020-05-18 | 2020-09-08 | 苏州佐竹冷热控制技术有限公司 | 油位检测方法及检测系统 |
CN112488928A (zh) * | 2020-10-12 | 2021-03-12 | 国网河南省电力公司济源供电公司 | 基于图像识别技术的变压器油枕油位在线监测装置及方法 |
Non-Patent Citations (4)
Title |
---|
沈晓东;: "基于小波模极大值变压器油色谱在线异常数据识别", 新型工业化, no. 06 * |
邱俊伟,王海林: "基于机器视觉的斑点图谱法机油污染度检测", 机械科学与技术, pages 1 - 6 * |
闯家亮;段中兴;: "基于图像处理的油脂色泽检测系统研究", 计算机工程, no. 24 * |
高杨;张慧宁;: "BP神经网络在油脂颜色检测中的应用", 黄河水利职业技术学院学报, no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912278A (zh) * | 2023-09-13 | 2023-10-20 | 武汉大学 | 一种全自动注脂方法、装置、设备及存储介质 |
CN116912278B (zh) * | 2023-09-13 | 2023-12-08 | 武汉大学 | 一种全自动注脂方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106767399B (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
CN110095062A (zh) | 一种物体体积参数测量方法、装置及设备 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN106949936B (zh) | 利用双目视觉位移监测系统分析输电塔结构模态的方法 | |
CN103759676A (zh) | 一种工件表面粗糙度非接触式的检测方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN102135236A (zh) | 双目视觉管道内壁自动无损检测方法 | |
CN111612846A (zh) | 基于U-net CNN图像识别和像素标定的混凝土裂缝宽度测定方法 | |
CN111754466A (zh) | 传输机皮带损伤状况的智能检测方法 | |
CN104463845B (zh) | 一种水火弯板特征配准点的选取方法及系统 | |
CN107091636B (zh) | 一种无人机测量植被面积及长度的方法 | |
CN104568981A (zh) | 基于图像的建筑物墙壁缺陷测量方法及其系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
CN107928675A (zh) | 一种基于深度学习和红点激光相结合的人体躯干测量方法 | |
CN107819268B (zh) | 三维扫描系统中激光器功率的控制方法及装置 | |
CN110009651A (zh) | 用于复杂环境下对于仪表视觉读数在线监测系统的抗干扰算法 | |
CN103925878A (zh) | 基于Hough圆卷积变换算法的孔组检测方法与系统 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN104777174A (zh) | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 | |
CN107990850A (zh) | 一种基于激光散射法的表面粗糙度在线测量系统及方法 | |
CN116612176A (zh) | 一种轧制棒线材剪切废料尺寸的测量方法和装置 | |
CN107146223A (zh) | 一种输电塔及输电线位移耦合的分析系统及方法 | |
Liu et al. | A binocular reconstruction method fused with Laplacian image information for pavement texture evaluation | |
CN117274573A (zh) | 基于二维图像和三维点云的飞机表面孔洞定位测量方法 | |
CN113052823A (zh) | 油位和油色检测方法、装置、电子设备和存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 511338 a2-1003, No. 76, Chuangyu Road, Ningxi street, Zengcheng District, Guangzhou City, Guangdong Province (self number) Applicant after: Guangdong scientific research world Intelligent Technology Co.,Ltd. Address before: 523962 Room 102, 177 West Ring Road, Houjie Town, Dongguan City, Guangdong Province Applicant before: Dongguan Scientific Research World Intelligent Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210629 |
|
RJ01 | Rejection of invention patent application after publication |