CN101354241A - 集料数字图像评价系统及评价方法 - Google Patents
集料数字图像评价系统及评价方法 Download PDFInfo
- Publication number
- CN101354241A CN101354241A CNA2008101503125A CN200810150312A CN101354241A CN 101354241 A CN101354241 A CN 101354241A CN A2008101503125 A CNA2008101503125 A CN A2008101503125A CN 200810150312 A CN200810150312 A CN 200810150312A CN 101354241 A CN101354241 A CN 101354241A
- Authority
- CN
- China
- Prior art keywords
- image
- aggregate
- module
- materials
- evaluation
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种集料数字图像评价系统,包括运动控制模块、计算机模块、图像采集模块和供电模块、图像预处理模块、集料识别模块、集料分析评价模块和数据存储模块。评价方法包括:计算机向运动控制器发出指令,控制激光扫描仪线性滑动;CCD照相机对扫描板上的集料进行拍摄,转化为数字图像;将数字图像转化为灰度图,使用边缘检测算子对转化后的灰度图进行图像增强和复原,将灰度图像转化为二值图像;对二值图像中的集料进行投影,检测分离二值图像中集料的图像;用IPP图像分析处理软件计算出集料表面的三维坐标;对集料特征进行量化评价分类,得出集料的级配、形状、棱角和纹理;由计算机存储试验数据和分析评价结果。可用于对集料进行分析评价。
Description
技术领域
本发明属于道路集料检测技术领域,特别是涉及一种集料数字图像评价系统及评价方法。
背景技术
目前,随着我国高速公路里程与日俱增,沥青路面的破坏也呈现出新的趋势,造成了巨大的经济损失。由于超载超限现象普遍存在,多轴次、重轴载、重轮压等重载交通的出现,在轮载作用下其非均布荷载将在沥青路面内产生较大的剪应力,而沥青路面面层抗剪性能不足,是路面出现大面积损坏的根本原因。国内外高等级公路的建设实践表明,随着交通量的增长和渠化交通的加重,重车增多,胎压不断增大,沥青路面普遍出现了抗车辙能力不足和路面的耐久性较差等技术问题。影响沥青混合料路用性能的因素有许多,就集料而言,主要包括集料级配,形状,棱角和纹理等。目前关于这些因素的影响评价只是局限于定性层面,相关的定量研究却比较少。
在路面材料中,集料是用量最大的一类原材料。美国每年生产27亿吨,价值高达142亿美元的矿质集料,其中最重要的就是用于水泥混凝土和热拌沥青混合料路面中:在水泥混凝土中,集料所占的质量百分率为70~85%,而在热拌沥青混合料中则可达到90~95%。考虑到这一点,就不难理解集料性质对路面性能的重要意义了。集料是热拌沥青混合料的主要组成部分,大致占体积的80%~90%,占质量的95%左右,集料的特性和质量是影响混合料性能的重要因素。
随着计算机技术的发展,数字图像技术已经越来越广泛地应用到各个生产和科技领域。如果测量集料的形状,棱角和纹理也采用数字图像技术,将避免试验过程中许多人为因素的影响。利用图像技术测量集料特征的技术方案有早期图像系统、VDG-40视频分级机、Wipshape设备、集料图像分析仪。
早期图像系统:采用影印机和胶片来量化骨料形状,对每种集料颗粒进行两次投影,得到两种立体影像,但集料的最小尺寸必须由游标卡尺确定,对尺寸大于8号筛的集料颗粒,是可行的,对于比8号筛小的颗粒,须用缩影照片测量得到;后来,CCD相机和图像分析系统取代了影印机和数码片,该系统能捕获粗集料的静态图像,从而获得颗粒的最长尺寸、中间尺寸及最短尺寸;Broyles等用两个相互垂直的相机在三维空间里同时拍摄静态图像,能在10分钟内对一个颗粒的主要尺寸实现100次测量,用于计算扁平或细长颗粒的频率分布,以及比例范围。该系统的主要缺点是,整个过程均为人工处理,测试方法和读取数据存在人为的主观性,使得计算集料特征数据的误差较大,而且费时费力,效率较低。
VDG-40视频分级机:VDG-40视频分级机由法国路桥实验中心发展,用于确定集料的形状,并提供大样本的一个分级分析,该设备主要用于测量级配比1mm大的集料颗粒,集料是背光的,当它们落在CCD相机前时,能产生集料的行扫描图像,有相同长度和面积的椭圆作为标准来衡量每个颗粒,该设备能对集料颗粒进行样本分级和形状两项评价。该设备的缺点是,试验中集料通过CCD相机前时,很难控制集料不歪倒,该机不能测试集料的棱角和纹理,只能评价样本分级和集料形状。
Wipshape:该Wipshape设备使用两个垂直安装的相机捕捉集料图像,用振动给料机生产,集料颗粒在黑色传送带上保持大约5cm的间隔,颗粒在传送带上运动,从侧面和上方用灯照射,应注意黑色或杂色集料与黑色传送带之间的对比,由软件从背景中分离集料,该软件还可以确定集料粒径,长细比和棱角。该设备的主要缺点是:摄像机拍摄图像时,从两个方向拍摄,没有从上部拍摄,也就无法在三维空间上得到集料的相关数据。其中“有效盒子”的体积不精确,存在偶然误差。该方法只能对粗集料(4.75mm以上集料)颗粒做出评价,无法评价细集料(4.75mm以下集料)颗粒。
集料图像分析仪:采用了3个垂直安装的相机,上面一个、侧向一个、前方一个,从而提高了计算的精确性,使大部分的集料颗粒得以精确地确定。集料颗粒放在传送带上以大约8cm/s的速度移动,颗粒间距为25cm,此时用一个虚构的盒子去捕捉图像,确定颗粒的主要尺寸,若盒子的体积不被集料充满,减去盒子的有效体积可以得到集料的体积,由集料的体积可以确定颗粒的数量。该分析仪的缺点是,摄像机从三个角度拍摄集料,大部分的颗粒得以精确地确定,但仍需人工对图像进行分析处理,才能进行评价,增加了操作人员的工作量,并且不能评价集料表面纹理。
发明内容
本发明所要解决的一个技术问题在于克服上述集料评价系统和分析仪器的缺点,提供一种自动识别、自动检测和评价、分析速度快、分析数据准确的集料数字图像评价系统。
本发明所要解决的另一个技术问题在于提供一种集料数字图像评价系统的评价方法。
解决上述技术问题所采用的技术方案是:包括运动控制模块、处理相关数据的计算机模块、图像采集模块和向其它各部分提供稳定电流的供电模块,其中,运动控制模块在接收到计算机模块的指令后,向图像采集模块输出触发信号,图像采集模块对集料进行图像拍摄,并将所拍摄的图像输出,其特征在于:该系统还包括图像预处理模块、集料识别模块、集料分析评价模块和数据存储模块,其中,图像预处理模块接收图像采集模块输出的图像,并将所接收的图像转化为灰度图,以及利用边缘检测算子对图像进行增强和复原,得到集料的二值图,将二值图输入到集料识别模块。集料识别模块,接受图像预处理模块发来的二值图,检测分离二值图中的集料,提取集料相关的特征值,并对集料分类。集料分析评价模块,分析二值图中的集料,提取相关参数,并依据集料相关标准,对集料特征进行量化评价,最终完成分类。数据存储模块,存储试验数据和分析评价的结果。
本发明的图像采集模块包括支撑架、激光扫描器、照相机和扫描板,在三维空间内测量集料的颗粒,激光扫描仪向扫描板发射出激光,反射的激光被照相机接受,知道激光光源的位置,得出集料表面的三维坐标;上述的照相机为CCD数字照相机或CMOS数字相机或胶片扫描仪;所说的图像预处理模块、集料识别模块、集料分析评价模块和数据存储模块集成在计算机软件上。
本发明的图像预处理模块、集料识别模块和集料分析评价模块集成在计算机的数字信号处理器上。
上述集料数字图像评价系统的评价方法,包括以下步骤:
1、计算机向运动控制器发出指令,控制激光扫描仪在支撑架上线性滑动。
2、CCD照相机接受反射的激光,对扫描板上的集料进行拍摄,并将拍摄的图像转化为具有视频信号的数字图像。
3、将数字图像转化为灰度图,并使用边缘检测算子对转化后的灰度图进行图像增强和复原,再将灰度图像转化为二值图像。
4、使用投影方法对二值图像中的集料进行投影,检测分离二值图像中集料的图像。
5、由激光光源的位置,用IPP图像分析处理软件计算出集料表面的三维坐标。
6、依据集料的评价标准,对集料特征进行量化评价并分类,得出集料的级配、形状、棱角和纹理。
7、由计算机存储试验数据和分析评价结果。
本发明集料数字图像评价系统评价方法的拍摄图像是将集料颗粒彼此互不粘结地以最稳方式放置在扫描板上,在没有其它光源影响的情况下进行拍摄。
本发明集料数字图像评价系统评价方法的灰度图像是通过整数方法:
Gray=(R×30+G×59+B×11)/100
得到,式中Gray为图像的灰度、R为24位彩色图像中各个点的红色色度值、G为24位彩色图像中各个点的绿色色度值、B为24位彩色图像中各个点的蓝色色度值,将原来某点的颜色中的红色色度值、绿色色度值、蓝色色度值统一用Gray替换,形成新的颜色,为灰度图像。图像质量较差时,需对图像进行像增强或复原或编码或压缩预处理。
本发明的集料数字图像评价系统的评价方法的二值图像是只有黑白两个灰度级,即像素灰度级非1即0,其数字图像用每个像素1比特的矩阵表示。步骤4所述的检测分离二值图像中的集料,包括图像分割、特征提取和图像分类。所述的图像分割是将数字图像划分成互不相交的区域,把集料图像从背景中检测、分离出来,不同区域之间边界上灰度不连续的图像,采用区域法、边界法以及边缘法进行分割。
本发明的集料数字图像评价系统的评价方法步骤6中的量化评价为:对分离提取出的集料图像,测量集料的面积、周长、轮廓数据,进行数学形态学处理,对集料形状特征进行量化,完成分类。
本发明与现有的评价系统以及评价方法相比,采用计算机对试验进行控制,对相关数据进行处理和存储,能准确、快速、客观地获得试验结果,保证试验的精确性,可批量对样本进行测试,降低了单位测试的成本,实现了快速、自动识别对集料进行检测和评价,克服了人为判断的弊端,避免了产生二义性和集料各特征相互之间的作用。本发明方法再现性好,可重复对集料进行测试评价。本发明评价系统和方法,可用于对集料进行分析评价,能自动确定集料的级配,形状,棱角和纹理。
附图说明
图1是本发明评价系统的结构示意图。
图2是实现本发明的一个实施例的流程图。
图3是图像的识别过程图。
图4是集料颗粒棱角度数计算图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但本发明不限于这些实施例。
实施例1
在图1中,本实施例的集料数字图像评价系统由供电模块、运动控制模块、计算机模块、图像采集模块、图像预处理模块、集料识别模块、集料分析评价模块、数据存储模块连接构成,图像预处理模块、集料识别模块、集料分析评价模块、数据存储模块的输出端接计算机模块,计算机模块的输出端接运动控制模块,运动控制模块的输入端接供电模块、输出端接图像采集模块,图像采集模块、图像预处理模块、集料识别模块、集料分析评价模块、数据存储模块输入端相连接,供电模块为评价系统提供电源。
在图1~4中,本实施例实现集料数字图像评价系统的评价方法包括以下步骤:
步骤201:启动电源,通过供电模块向系统中的其它各个模块供电。
在本实施例中,供电模块采用的电压为220V交流电源,向各个模块供电,保证系统各个模块的正常工作。
步骤202:开启计算机,向运动控制器输入信号,控制激光扫描器的滑动。激光扫描器沿着1.5m的Y轴移动,并以25次/秒的速度扫描,X轴的扫描宽度为120mm。
步骤203:图像采集模块在接收到计算机发来的触发信号后,对扫描板上的集料进行拍摄,并将拍摄到的彩色图像传给图像预处理模块。
数字图像获取一般利用数字化仪离散(采样、量化)一幅连续的图像。常用的仪器有:胶片扫描仪、CCD数字照相机或摄像机、CMOS数字相机等,其中采用CCD数字照相机获取数字图像是现在最常用的方法。实验表明,采用CCD相机可获得比较理想的集料数字图像。
图像采集模块包括激光扫描器,扫描板和支撑架,其中,激光扫描器中含有高速电荷耦合器件CCD照相机。高速电荷耦合器件CCD照相机应具有较高的分辨率和灵敏度,感光性能好,畸变小,信噪比低,抗振动,以及速度较高的快门。每当接受到触发信号后,高速CCD照相机则对集料进行拍摄,然后将拍摄到的24位彩色图像输出到图像预处理模块。拍摄过程中,应尽量使集料平铺在扫描板上,防止集料“粘”在一起,保证拍摄的质量。
步骤204:图像预处理模块对接受到的彩色图像进行预处理,然后将处理后的图像输出到集料识别模块。
数字图像预处理是指为了某种目的对图像进行一种或几种处理(数学或逻辑运算),以达到需要效果的过程。集料数字图像处理过程主要包括:
几何校正:对光学镜头边缘引起的像变以及光学主轴不垂直于物面所引起的变形进行纠正。
消除噪音:消除由于CCD照相机记录过程中电子热运动和数字信号进行光电转换过程中产生的无效信息。
图像增强技术:集料图像灰度直方图具有明显的双峰性,采用灰度图像作为处理对象。实际上,集料并非均一物质,无论是石灰岩,花岗岩,还是玄武岩,其灰度可能会分布在很大的灰阶范围内,改善图像质量显得非常重要。集料图像经过阈值处理后,灰度图像转化为二值图像,集料颗粒将更加清晰。
图像预处理模块内部包括一个视频采集卡,因为高速CCD照相机拍摄的图像为视频信号,为使本发明系统对图像进行后续处理,图像预处理模块在接收到高速CCD照相机发来的视频信号时,使用内部的视频采集卡将视频信号转化为数字信号,使本发明的系统可对转换后的数字图像进行图像预处理。
图像灰度化的处理过程为:分别计算出彩色数字图像中每个像素点的颜色,通过整数方法:
Gray=(R×30+G×59+B×11)/100
得到,式中Gray为图像的灰度、R为24位彩色图像中各个点的红色色度值、G为24位彩色图像中各个点的绿色色度值、B为24位彩色图像中各个点的蓝色色度值,将原来某点的颜色中的红色色度值、绿色色度值、蓝色色度值统一用Gray替换,形成新的颜色,为灰度图像。去除图像中的色彩信息,保留亮度信息,以便于系统对图像进行后续处理。
步骤205:利用模式识别方法,通过图像分割分离图像中的集料。将数字图像划分成互不相交的不重叠区域,把集料从背景中检测、分离出来的过程称为图像分割。在图像中不同区域之间的边界上一般具有灰度不连续性,即灰度的阶跃变化形成了区域的边界,可以寻找相邻像素颜色或灰度突变的算法,根据各个像素点的灰度不连续性进行分割。图像分割处理可以采用三种不同的方法来实现,即区域法、边界法和边缘法。
本实施例采用边缘法对图像进行分割,提取集料与背景在灰度上的差异。一旦完成图像分割,生成二值图像,利用公开的IPP图像分析处理软件对集料进行测量。
步骤206:分析图像中的集料,提取相关参数,这些部分通常称为目标或对象,在集料图像中,集料颗粒是研究的对象,为了辨别和分析对象,需要将这些区域分离提取出来,通过测量提取出来的集料颗粒的面积、周长、轮廓数据基本参数,以及进行数学形态学处理,对集料形状特征进行量化,完成分类。
由于拍摄时,一次扫描板上放置的粗集料颗粒数量较多,难免会出现颗粒“粘”在一起的情况,在测量时,计算机会将粘在一起的颗粒当成一个颗粒计算各个测量参数,造成错误。在IPP图像分析处理软件中Split Objects命令能够很好地将粘在一起的颗粒人为地分离开来,避免了错误发生。
步骤207:依据集料相关标准对集料进行量化评价并最终完成分类。对集料的量化评价包括分析集料的级配、形状、棱角和纹理。
1、集料级配
以粒径大于4.75mm的集料称为粗集料,粒径小于4.75mm的集料称为细集料。成像的级配分析使用1.0mm至100mm的颗粒来完成,粗集料既能影响集料的骨架间隙,又起到了填充骨架间隙的双重作用,增加较大粒径的粗集料对提高沥青混合料的高温稳定性有显著效果。细集料在混合料中主要起填充料的作用,但也为混合料提供一定的强度,对混合料的抗水损能力和耐久性影响显著。
粗集料的级配是指集料大小颗粒相互搭配的数量比例。粗集料的级配有连续级配和间断级配两种。通常同一粒级中最大粒径与最小粒径之比为2,且相邻粒级的粒径比为2,符合这种级配的集料为连续级配;在连续级配集料中,去除一个或几个中间粒级的集料,这种级配称为间断级配。目前主要采用细度模数和级配区来评判粗集料的级配,粗集料级配与粗集料空隙率之间关系密切。细度模数按下式计算:
式中Fm为细度模数,F0.15、F0.3、F0.6、F1.18、F2.36、F4.75分别为粒径0.15mm、0.3mm、0.6mm、1.18mm、2.36mm、4.75mm上颗粒累计筛余百分率。
粒径小于4.75mm的颗粒称为细集料,在混合料中主要起填充料的作用,但也为混合料提供一定的强度。因此,确定细集料级配时主要是找到最大的干密度和较大的静态比特率值,细集料的级配一般是按照泰波公式来确定。泰波公式:
式中Px为集料通过的百分率(%),d为集料的粒径(mm),D为集料的最大粒径(mm),n为泰波公式系数。
2、集料形状
集料尺寸和形状特性影响沥青混凝土层的力学特性和使用性能。粗、细集料的形状包括轮廓形状和棱角性,轮廓形状反映了颗粒的针片度,棱角性体现出棱角的突出程度,二者对沥青路面的性能有重要影响。针片状颗粒是不被期望的,因为它在荷载的作用下易破碎。颗粒棱角性突出则增大彼此间的嵌锁,提高路面的强度和抗永久变形的能力。为了能对粗、细集料形状特征进行快速、客观、准确地测定,本实施例对粗、细集料形状特征的量化进行了系统研究。
(1)粗集料形状的数字图像处理和分析
计算周长L:取边界点的数目作为周长,为减少数字化图形的误差,对垂直、水平方向倾斜45°的方向上增大倍,按下式计算:
式中m为垂直、水平方向倾斜45°方向上的边界点数目,n为总的边界点数目。
计算面积S:面积是颗粒的投影面积,它可以通过属于这个图形的像素总数T乘以每个像素所代表的实际面积a来求得。
S=T×a
a可以利用定标的方法来确定。
形状指数计算模型为:
式中F为形状指数,L为投影轮廓周长,S为投影面积。上式表明,形状指数是圆形度倒数的平方值,因此,F≥1;而且F越偏离1,说明颗粒的投影轮廓偏离圆的程度越大,越接近针状,甚至纤维状,其表面的锐角也越大。
发明人对粗集料的个体形态进行了分析,结果表明,可以根据集料三维视图确定6个关键性指标来描述粗集料的个体形状特征,即圆形度(ROUND)、纵横比(AR)、近似多边形周长比(APPR)、球形度(DS)、扁平比(FER)、形状因子(SF),其中扁平比和形状因子指标相类似。具体指标见表1。
表1所确定的粗集料个体形态6个关键性指标
注:表中D1和D2分别为正面图中每个颗粒的最小外接矩形长和宽,D3为对应的侧面图中颗粒高度。
DL=Max(D1,D2,D3)
Ds=Min(D1,D2,D3)
Di为中间值。
(2)细集料形状的数字图像处理和分析
细集料颗粒的形状特征可以用形状因子F和球度Ψ指标来量化。形状因子:
式中p为T/W,F值等于1代表一个球状或立方体颗粒,小于1则颗粒趋于针状,大于1则颗粒易表现为扁平状,q为W/L。
球度为与集料相同体积球体的表面积与集料实际表面积的比值。按照这个定义,球体的球度为1,立方体为0.806,除了棱角性的差别外,球体和立方体应具有相同的轮廓形状。此外,由于集料的表面积测定困难,采用集料的三个主尺寸来表征球度公式如下:
式中Ψ为球度、L表示一个集料的最长尺寸、W表示一个集料的次长尺寸、T表示一个集料的最短尺寸。
3、集料纹理
在沥青混合料中,集料表面纹理对沥青混合料的路用性能具有极为明显的影响,通常明显细微凸出粗糙表面的集料,在碾压后能相互嵌挤锁结具有很大的内摩擦力。在其它条件相同的情况下,这种集料所组成的沥青混合料较之表面平滑的集料具有较高的抗剪强度,使沥青混合料具有良好的高温稳定性。集料的表面纹理还可以影响沥青混合料内部的空隙结构,如空隙的大小、形状和连通情况。
当集料表面纹理粗糙时,集料的比表面积大,有利于增加沥青与集料的接触面积和粘附力;而且集料表面粗糙,沥青膜也不会从集料表面一下全部脱落。在不考虑其他影响因素时,集料的比表面越大,吸附沥青的数量越多,集料表面的平均沥青膜就越厚,沥青混合料的耐久性越好,集料表面纹理大小的差异是沥青混合料中集料表面吸附的沥青膜厚度不同的主要原因之一。
本实施例采用数字图像来评价集料的表面纹理,并采用轮廓算术平均偏差Rα对集料表面纹理进行了定量评定,反应了轮廓高度相对于中线的离散程度。轮廓算术平均偏差公式:
式中Rα为轮廓算术平均偏差,hi为第i点的轮廓偏距。
4、集料的棱角
本实施例引入了两个棱角性的量化指标,来反映集料轮廓上棱角的圆度:
式中θi为i点的方向角,θi+3为i+3点的方向角。
式中R1是颗粒上θ角所对应的轮廓半径,R2是颗粒上θ角所对应的等效椭圆的半径,Δθ为5°。
棱角性(梯度法)是计算颗粒轮廓上每隔3个点的梯度向量的方向角之差的和,对于一个圆形集料来说,梯度向量之差将是非常小,在棱角性突出的地方,该值则变得很大。
棱角性(半径法)是由等效椭圆得出,该椭圆与集料有相同面积、相同一阶矩和二阶矩。
针对粗集料的几何特征和热拌沥青的永久变形,由等效椭圆的概念,提出了如下棱角性指标,来反映集料轮廓的整体轮廓的圆度。
式中P3为集料凸面的周长,P2为等效椭圆的周长。
(1)粗集料棱角性
由于等效椭圆保留了集料轮廓形状特征、最小化轮廓形状对棱角性量化的影响,同时椭圆的棱角性为0,因此,粗集料棱角性的量化指标可以从集料和等效椭圆之间的比值关系引出,本实施例建立了两类四个棱角性指标进行量化研究。粗集料的棱角性指标,基于半径的为:
Δθ=5°
Δθ=5°
基于周长的为:
上式中P1为集料轮廓周长,P3为凸面的周长,P2为等效椭圆的周长,R1为集料上θ角所对应的轮廓半径,R2为集料上角θ所对应的等效椭圆的半径。
(2)细集料棱角性
细集料棱角性(FAA)是指未压实细集料的空隙率。细集料颗粒棱角的度数反映棱角性的公式为(计算图示见图4):
式中Ai为集料轮廓上第i个棱角的度数,α为测定的棱角度数,L为棱角尖端与颗粒最大内接圆中心的距离,R为颗粒最大内接圆的半径。
该公式不仅反映了集料轮廓上棱角的圆度,还描述了棱角距离颗粒最大内接圆中心的程度。
步骤208:数据存储模块根据接收到的集料级配、形状、纹理和棱角量化分析的信息,存储到计算机的硬盘中。
Claims (8)
1、一种集料数字图像评价系统,包括运动控制模块、处理相关数据的计算机模块、图像采集模块和向其它各部分提供稳定电流的供电模块,其中,运动控制模块在接收到计算机模块的指令后,向图像采集模块输出触发信号,图像采集模块对集料进行图像拍摄,并将所拍摄的图像输出,其特征在于:该系统还包括图像预处理模块、集料识别模块、集料分析评价模块和数据存储模块,其中,图像预处理模块接收图像采集模块输出的图像,并将所接收的图像转化为灰度图,以及利用边缘检测算子对图像进行增强和复原,得到集料的二值图,将二值图输入到集料识别模块;
集料识别模块,接受图像预处理模块发来的二值图,检测分离二值图中的集料,提取集料相关的特征值,并对集料分类;
集料分析评价模块,分析二值图中的集料,提取相关参数,并依据集料相关标准,对集料特征进行量化评价,最终完成分类;
数据存储模块,存储试验数据和分析评价的结果。
2、按照权利要求1所述的集料数字图像评价系统,其特征在于:所说的图像采集模块包括支撑架、激光扫描器、照相机和扫描板,在三维空间内测量集料的颗粒,激光扫描仪向扫描板发射出激光,反射的激光被照相机接受,知道激光光源的位置,得出集料表面的三维坐标;上述的照相机为CCD数字照相机或CMOS数字相机或胶片扫描仪;所说的图像预处理模块、集料识别模块、集料分析评价模块和数据存储模块集成在计算机软件上。
3、按照权利要求1或2所述的集料数字图像评价系统,其特征在于:所说的图像预处理模块、集料识别模块和集料分析评价模块集成在计算机的数字信号处理器上。
4、一种权利要求1集料数字图像评价系统的评价方法,其特征在于该评价方法包括以下步骤:
(1)计算机向运动控制器发出指令,控制激光扫描仪在支撑架上线性滑动;
(2)CCD照相机接受反射的激光,对扫描板上的集料进行拍摄,并将拍摄的图像转化为具有视频信号的数字图像;
(3)将数字图像转化为灰度图,并使用边缘检测算子对转化后的灰度图进行图像增强和复原,再将灰度图像转化为二值图像;
(4)使用投影方法对二值图像中的集料进行投影,检测分离二值图像中集料的图像;
(5)由激光光源的位置,用IPP图像分析处理软件计算出集料表面的三维坐标;
(6)依据集料的评价标准,对集料特征进行量化评价并分类,得出集料的级配、形状、棱角和纹理;
(7)由计算机存储试验数据和分析评价结果。
5、按照权利要求4所述的集料数字图像评价系统的评价方法,其特征在于:所述拍摄图像是将集料颗粒彼此互不粘结地以最稳方式放置在扫描板上,在没有其它光源影响的情况下进行拍摄。
6、按照权利要求4所述的集料数字图像评价系统的评价方法,其特征在于:所述灰度图像是通过整数方法:
Gray=(R×30+G×59+B×11)/100
得到,式中Gray为图像的灰度、R为24位彩色图像中各个点的红色色度值、G为24位彩色图像中各个点的绿色色度值、B为24位彩色图像中各个点的蓝色色度值,将原来某点的颜色中的红色色度值、绿色色度值、蓝色色度值统一用Gray替换,形成新的颜色,为灰度图像;
所述的图像质量较差时,需对图像进行像增强或复原或编码或压缩预处理。
7、按照权利要求4所述的集料数字图像评价系统的评价方法,其特征在于:所说的二值图像是只有黑白两个灰度级,即像素灰度级非1即0,其数字图像用每个像素1比特的矩阵表示;步骤(4)所述的检测分离二值图像中的集料,包括图像分割、特征提取和图像分类;所述的图像分割是将数字图像划分成互不相交的区域,把集料图像从背景中检测、分离出来,不同区域之间边界上灰度不连续的图像,采用区域法、边界法以及边缘法进行分割。
8、按照权利要求4所述的集料数字图像评价系统的评价方法,其特征在于步骤(6)中所说的量化评价为:对分离提取出的集料图像,测量集料的面积、周长、轮廓数据,进行数学形态学处理,对集料形状特征进行量化,完成分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101503125A CN101354241B (zh) | 2008-07-11 | 2008-07-11 | 集料数字图像评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101503125A CN101354241B (zh) | 2008-07-11 | 2008-07-11 | 集料数字图像评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101354241A true CN101354241A (zh) | 2009-01-28 |
CN101354241B CN101354241B (zh) | 2011-06-08 |
Family
ID=40307165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101503125A Expired - Fee Related CN101354241B (zh) | 2008-07-11 | 2008-07-11 | 集料数字图像评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101354241B (zh) |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101776566A (zh) * | 2010-03-18 | 2010-07-14 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN101793674A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测的图像采集系统 |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN102500452A (zh) * | 2011-10-13 | 2012-06-20 | 西安理工大学 | 碎纸机纸质条状碎片恢复系统及纸质条状碎片恢复方法 |
CN102682451A (zh) * | 2012-05-08 | 2012-09-19 | 《中国学术期刊(光盘版)》电子杂志社 | 学术图片信息量评价的量化方法 |
CN102706803A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 通过数字图像检测沥青粘附性等级的方法 |
CN103063558A (zh) * | 2012-11-16 | 2013-04-24 | 重庆大学 | 一种机制砂颗粒形状评价方法 |
CN103292749A (zh) * | 2013-06-08 | 2013-09-11 | 重庆交通大学 | 运用数字图像处理技术检测路表宏观构造分布状态的方法 |
CN103575752A (zh) * | 2013-11-05 | 2014-02-12 | 浙江大学 | 一种沥青混合料均匀性评价方法 |
CN103592305A (zh) * | 2013-11-28 | 2014-02-19 | 国家电网公司 | 一种便携式在役电杆集料外露率检测仪器及其检测方法 |
CN103698497A (zh) * | 2013-11-04 | 2014-04-02 | 浙江大学 | 一种沥青混合料集料分布状态评价方法 |
CN104502245A (zh) * | 2015-01-08 | 2015-04-08 | 青岛理工大学 | 一种利用图像分析技术测定砂子细度模数的方法 |
CN105092452A (zh) * | 2015-07-14 | 2015-11-25 | 同济大学 | 一种机制砂球体类似度的检测方法 |
CN105136622A (zh) * | 2015-08-21 | 2015-12-09 | 河海大学 | 一种批量测试粗集料扁平率的方法 |
CN105136649A (zh) * | 2011-08-29 | 2015-12-09 | 安进公司 | 非破坏性地检测流体中未溶解的颗粒的方法和装置 |
CN106153507A (zh) * | 2016-06-20 | 2016-11-23 | 青岛石大石仪科技有限责任公司 | 一种测试压裂支撑剂圆球度的方法 |
CN106355587A (zh) * | 2016-09-06 | 2017-01-25 | 东南大学 | 基于接触距离分布的沥青混合料砂浆厚度计算方法 |
CN106442539A (zh) * | 2016-08-31 | 2017-02-22 | 王钦裕 | 利用图像信息测量工件表面缺陷的方法 |
CN106442231A (zh) * | 2016-08-31 | 2017-02-22 | 北京建筑大学 | 一种基于数字图像分析技术的粗集料棱角性评价方法 |
CN106560814A (zh) * | 2016-01-15 | 2017-04-12 | 东南大学 | 一种基于离散元的三维形态特征集料生成方法 |
CN106643509A (zh) * | 2017-03-01 | 2017-05-10 | 宁波舜宇智能科技有限公司 | 工件测量系统和方法 |
CN106780457A (zh) * | 2016-12-09 | 2017-05-31 | 武汉理工大学 | 道路集料表观特性测试方法 |
CN106969708A (zh) * | 2017-04-20 | 2017-07-21 | 华侨大学 | 一种骨料形态质量的检测装置和方法 |
CN107194915A (zh) * | 2017-04-21 | 2017-09-22 | 重庆交通大学 | 集料颗粒中有害颗粒的评价方法 |
CN107655796A (zh) * | 2017-09-18 | 2018-02-02 | 青岛理工大学 | 一种建筑用砂细度模数快速测定方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108181211A (zh) * | 2017-12-20 | 2018-06-19 | 长安大学 | 一种矿料粗集料复合几何特性的评价方法 |
US10088660B2 (en) | 2017-02-10 | 2018-10-02 | Amgen Inc. | Imaging system for counting and sizing particles in fluid-filled vessels |
WO2018203167A1 (en) * | 2017-04-30 | 2018-11-08 | Behrouz Mataei | Pavement drainage evaluation system |
CN109116002A (zh) * | 2018-06-26 | 2019-01-01 | 长安大学 | 一种路用粗集料棱角性量化方法 |
CN110580493A (zh) * | 2019-06-10 | 2019-12-17 | 长安大学 | 基于机器学习的集料形状分类方法 |
CN110658117A (zh) * | 2019-09-30 | 2020-01-07 | 中冶南方工程技术有限公司 | 一种粗集料棱角性评价装置及方法 |
CN110907457A (zh) * | 2019-12-19 | 2020-03-24 | 长安大学 | 基于3d点云数据的集料形态特征检测系统及检测方法 |
CN111044419A (zh) * | 2019-12-30 | 2020-04-21 | 华侨大学 | 一种基于二维动态图像法的机制砂级配测量系统 |
CN111727368A (zh) * | 2018-02-14 | 2020-09-29 | 株式会社斯库林集团 | 检查装置、检查方法、片剂印刷装置以及片剂印刷方法 |
CN112509025A (zh) * | 2020-12-03 | 2021-03-16 | 山东省科学院海洋仪器仪表研究所 | 一种基于三维欧氏距离的岩石空间结构距离图的计算方法 |
CN112971266A (zh) * | 2016-02-26 | 2021-06-18 | 耐克创新有限合伙公司 | 定制鞋类制品中的前足缓冲的方法 |
CN113487643A (zh) * | 2021-07-19 | 2021-10-08 | 华电西藏能源有限公司大古水电分公司 | 一种胶结砂砾石料场采样确定方法 |
CN113791069A (zh) * | 2021-07-26 | 2021-12-14 | 河海大学 | 一种基于方形区域划分的沥青混合料均匀性评价方法 |
CN114511541A (zh) * | 2022-02-10 | 2022-05-17 | 哈尔滨工业大学 | 基于X-ray CT的三维数字集料库快速建立与评价方法 |
CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109406348A (zh) * | 2018-12-05 | 2019-03-01 | 华侨大学 | 一种三维棱角性检测系统和检测方法 |
-
2008
- 2008-07-11 CN CN2008101503125A patent/CN101354241B/zh not_active Expired - Fee Related
Cited By (71)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101776566A (zh) * | 2010-03-18 | 2010-07-14 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN101793674A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测的图像采集系统 |
CN101793664A (zh) * | 2010-03-18 | 2010-08-04 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
CN101776566B (zh) * | 2010-03-18 | 2011-08-10 | 长安大学 | 基于数字图像的集料级配实时检测方法 |
CN101793664B (zh) * | 2010-03-18 | 2011-08-31 | 长安大学 | 一种集料级配实时检测方法和图像采集系统 |
US9892523B2 (en) | 2011-08-29 | 2018-02-13 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
CN105136649A (zh) * | 2011-08-29 | 2015-12-09 | 安进公司 | 非破坏性地检测流体中未溶解的颗粒的方法和装置 |
US9922429B2 (en) | 2011-08-29 | 2018-03-20 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
CN105136649B (zh) * | 2011-08-29 | 2018-07-31 | 安进公司 | 非破坏性地检测流体中未溶解的颗粒的方法和装置 |
US10832433B2 (en) | 2011-08-29 | 2020-11-10 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
US9842408B2 (en) | 2011-08-29 | 2017-12-12 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
US11803983B2 (en) | 2011-08-29 | 2023-10-31 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
US11501458B2 (en) | 2011-08-29 | 2022-11-15 | Amgen Inc. | Methods and apparati for nondestructive detection of undissolved particles in a fluid |
CN102500452B (zh) * | 2011-10-13 | 2014-01-08 | 西安理工大学 | 碎纸机纸质条状碎片恢复系统及纸质条状碎片恢复方法 |
CN102500452A (zh) * | 2011-10-13 | 2012-06-20 | 西安理工大学 | 碎纸机纸质条状碎片恢复系统及纸质条状碎片恢复方法 |
CN102682451B (zh) * | 2012-05-08 | 2015-07-08 | 《中国学术期刊(光盘版)》电子杂志社有限公司 | 学术图片信息量评价的量化方法 |
CN102682451A (zh) * | 2012-05-08 | 2012-09-19 | 《中国学术期刊(光盘版)》电子杂志社 | 学术图片信息量评价的量化方法 |
CN102706803A (zh) * | 2012-06-26 | 2012-10-03 | 哈尔滨工业大学 | 通过数字图像检测沥青粘附性等级的方法 |
CN103063558A (zh) * | 2012-11-16 | 2013-04-24 | 重庆大学 | 一种机制砂颗粒形状评价方法 |
CN103292749A (zh) * | 2013-06-08 | 2013-09-11 | 重庆交通大学 | 运用数字图像处理技术检测路表宏观构造分布状态的方法 |
CN103698497A (zh) * | 2013-11-04 | 2014-04-02 | 浙江大学 | 一种沥青混合料集料分布状态评价方法 |
CN103698497B (zh) * | 2013-11-04 | 2015-06-17 | 浙江大学 | 一种沥青混合料集料分布状态评价方法 |
CN103575752B (zh) * | 2013-11-05 | 2015-10-28 | 浙江大学 | 一种沥青混合料均匀性评价方法 |
CN103575752A (zh) * | 2013-11-05 | 2014-02-12 | 浙江大学 | 一种沥青混合料均匀性评价方法 |
CN103592305A (zh) * | 2013-11-28 | 2014-02-19 | 国家电网公司 | 一种便携式在役电杆集料外露率检测仪器及其检测方法 |
CN103592305B (zh) * | 2013-11-28 | 2016-05-04 | 国家电网公司 | 一种便携式在役电杆集料外露率检测仪器及其检测方法 |
CN104502245A (zh) * | 2015-01-08 | 2015-04-08 | 青岛理工大学 | 一种利用图像分析技术测定砂子细度模数的方法 |
CN104502245B (zh) * | 2015-01-08 | 2017-09-05 | 青岛理工大学 | 一种利用图像分析技术测定砂子细度模数的方法 |
CN105092452B (zh) * | 2015-07-14 | 2017-11-07 | 同济大学 | 一种机制砂球体类似度的检测方法 |
CN105092452A (zh) * | 2015-07-14 | 2015-11-25 | 同济大学 | 一种机制砂球体类似度的检测方法 |
CN105136622A (zh) * | 2015-08-21 | 2015-12-09 | 河海大学 | 一种批量测试粗集料扁平率的方法 |
CN106560814A (zh) * | 2016-01-15 | 2017-04-12 | 东南大学 | 一种基于离散元的三维形态特征集料生成方法 |
CN112971266A (zh) * | 2016-02-26 | 2021-06-18 | 耐克创新有限合伙公司 | 定制鞋类制品中的前足缓冲的方法 |
CN112971266B (zh) * | 2016-02-26 | 2022-07-12 | 耐克创新有限合伙公司 | 定制鞋类制品中的前足缓冲的方法 |
CN106153507B (zh) * | 2016-06-20 | 2018-10-02 | 青岛石大石仪科技有限责任公司 | 一种测试压裂支撑剂圆球度的方法 |
CN106153507A (zh) * | 2016-06-20 | 2016-11-23 | 青岛石大石仪科技有限责任公司 | 一种测试压裂支撑剂圆球度的方法 |
CN106442539A (zh) * | 2016-08-31 | 2017-02-22 | 王钦裕 | 利用图像信息测量工件表面缺陷的方法 |
CN106442539B (zh) * | 2016-08-31 | 2019-04-12 | 杭州潇楠科技有限公司 | 利用图像信息测量工件表面缺陷的方法 |
CN106442231A (zh) * | 2016-08-31 | 2017-02-22 | 北京建筑大学 | 一种基于数字图像分析技术的粗集料棱角性评价方法 |
CN106355587A (zh) * | 2016-09-06 | 2017-01-25 | 东南大学 | 基于接触距离分布的沥青混合料砂浆厚度计算方法 |
CN106355587B (zh) * | 2016-09-06 | 2019-03-05 | 东南大学 | 基于接触距离分布的沥青混合料砂浆厚度计算方法 |
CN106780457A (zh) * | 2016-12-09 | 2017-05-31 | 武汉理工大学 | 道路集料表观特性测试方法 |
US10088660B2 (en) | 2017-02-10 | 2018-10-02 | Amgen Inc. | Imaging system for counting and sizing particles in fluid-filled vessels |
US10962756B2 (en) | 2017-02-10 | 2021-03-30 | Amgen Inc. | Imaging system for counting and sizing particles in fluid-filled vessels |
US10539773B2 (en) | 2017-02-10 | 2020-01-21 | Amgen Inc. | Imaging system for counting and sizing particles in fluid-filled vessels |
CN106643509A (zh) * | 2017-03-01 | 2017-05-10 | 宁波舜宇智能科技有限公司 | 工件测量系统和方法 |
CN106969708A (zh) * | 2017-04-20 | 2017-07-21 | 华侨大学 | 一种骨料形态质量的检测装置和方法 |
CN106969708B (zh) * | 2017-04-20 | 2023-03-07 | 华侨大学 | 一种骨料形态质量的检测装置和方法 |
CN107194915A (zh) * | 2017-04-21 | 2017-09-22 | 重庆交通大学 | 集料颗粒中有害颗粒的评价方法 |
CN107194915B (zh) * | 2017-04-21 | 2020-07-10 | 重庆交通大学 | 集料颗粒中有害颗粒的评价方法 |
WO2018203167A1 (en) * | 2017-04-30 | 2018-11-08 | Behrouz Mataei | Pavement drainage evaluation system |
CN107655796B (zh) * | 2017-09-18 | 2019-10-29 | 青岛理工大学 | 一种建筑用砂细度模数快速测定方法 |
CN107655796A (zh) * | 2017-09-18 | 2018-02-02 | 青岛理工大学 | 一种建筑用砂细度模数快速测定方法 |
CN107909584A (zh) * | 2017-11-09 | 2018-04-13 | 东南大学 | 一种通过冷料监控的沥青混合料级配预估方法 |
CN108181211A (zh) * | 2017-12-20 | 2018-06-19 | 长安大学 | 一种矿料粗集料复合几何特性的评价方法 |
CN108181211B (zh) * | 2017-12-20 | 2020-09-01 | 长安大学 | 一种矿料粗集料复合几何特性的评价方法 |
CN111727368A (zh) * | 2018-02-14 | 2020-09-29 | 株式会社斯库林集团 | 检查装置、检查方法、片剂印刷装置以及片剂印刷方法 |
CN111727368B (zh) * | 2018-02-14 | 2023-07-25 | 株式会社斯库林集团 | 检查装置、检查方法、片剂印刷装置以及片剂印刷方法 |
CN109116002B (zh) * | 2018-06-26 | 2021-04-20 | 长安大学 | 一种路用粗集料棱角性量化方法 |
CN109116002A (zh) * | 2018-06-26 | 2019-01-01 | 长安大学 | 一种路用粗集料棱角性量化方法 |
CN110580493A (zh) * | 2019-06-10 | 2019-12-17 | 长安大学 | 基于机器学习的集料形状分类方法 |
CN110658117A (zh) * | 2019-09-30 | 2020-01-07 | 中冶南方工程技术有限公司 | 一种粗集料棱角性评价装置及方法 |
CN110907457A (zh) * | 2019-12-19 | 2020-03-24 | 长安大学 | 基于3d点云数据的集料形态特征检测系统及检测方法 |
CN111044419A (zh) * | 2019-12-30 | 2020-04-21 | 华侨大学 | 一种基于二维动态图像法的机制砂级配测量系统 |
CN112509025A (zh) * | 2020-12-03 | 2021-03-16 | 山东省科学院海洋仪器仪表研究所 | 一种基于三维欧氏距离的岩石空间结构距离图的计算方法 |
CN113487643A (zh) * | 2021-07-19 | 2021-10-08 | 华电西藏能源有限公司大古水电分公司 | 一种胶结砂砾石料场采样确定方法 |
CN113791069A (zh) * | 2021-07-26 | 2021-12-14 | 河海大学 | 一种基于方形区域划分的沥青混合料均匀性评价方法 |
CN114511541A (zh) * | 2022-02-10 | 2022-05-17 | 哈尔滨工业大学 | 基于X-ray CT的三维数字集料库快速建立与评价方法 |
CN114511541B (zh) * | 2022-02-10 | 2022-12-02 | 哈尔滨工业大学 | 基于X-ray CT的三维数字集料库快速建立与评价方法 |
CN116503804A (zh) * | 2023-04-28 | 2023-07-28 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
CN116503804B (zh) * | 2023-04-28 | 2023-11-10 | 东莞理工学院 | 基于图像处理的粗集料形态特征获取方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101354241B (zh) | 2011-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101354241B (zh) | 集料数字图像评价方法 | |
Tong et al. | Innovative method for recognizing subgrade defects based on a convolutional neural network | |
CN109804232B (zh) | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 | |
CN110414334B (zh) | 一种基于无人机巡视的智能水质识别方法 | |
Quintana et al. | A simplified computer vision system for road surface inspection and maintenance | |
Kumara et al. | Image analysis techniques on evaluation of particle size distribution of gravel | |
Edmondson et al. | Improved non-contact 3D field and processing techniques to achieve macrotexture characterisation of pavements | |
CN107621435A (zh) | 一种骨料在线监测装置 | |
CN105510195A (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
Rao et al. | Coarse aggregate shape and size properties using a new image analyzer | |
CN107169953A (zh) | 基于hog特征的桥梁混凝土表面裂缝检测方法 | |
CN110672478A (zh) | 基于图像处理技术分析机制砂颗粒形状的测试方法及装置 | |
Chen et al. | A potential crack region method to detect crack using image processing of multiple thresholding | |
CN112964712A (zh) | 一种快速检测沥青路面状态的方法 | |
Chua et al. | Simple procedure for identifying pavement distresses from video images | |
Wilson et al. | Quantitative analysis of aggregate based on hough transform | |
Gui et al. | Object-based crack detection and attribute extraction from laser-scanning 3D profile data | |
Matlack et al. | Measuring surface texture of in-service asphalt pavement: Evaluation of two proposed hand-portable methods | |
Elunai et al. | Asphalt concrete surfaces macrotexture determination from still images | |
Wilson et al. | Automated measurement of aggregate indices of shape | |
McNeil et al. | Evaluation of errors in automated pavement-distress data acquisition | |
Moaveni | Advanced image analysis and techniques for degradation characterization of aggregates | |
Li et al. | Road Damage Evaluation via Stereo Camera and Deep Learning Neural Network | |
Zhang et al. | Assessment of presence conditions of pavement markings with image processing | |
Sun et al. | Pavement crack detection and quantification based on scanning grid and projection method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110608 Termination date: 20160711 |
|
CF01 | Termination of patent right due to non-payment of annual fee |