CN104952077B - 一种票据图像油污检测方法及系统 - Google Patents

一种票据图像油污检测方法及系统 Download PDF

Info

Publication number
CN104952077B
CN104952077B CN201510340967.9A CN201510340967A CN104952077B CN 104952077 B CN104952077 B CN 104952077B CN 201510340967 A CN201510340967 A CN 201510340967A CN 104952077 B CN104952077 B CN 104952077B
Authority
CN
China
Prior art keywords
bill
greasy dirt
image
gray level
ordinate
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.)
Expired - Fee Related
Application number
CN201510340967.9A
Other languages
English (en)
Other versions
CN104952077A (zh
Inventor
王佳
易堃
冯少川
师改梅
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.)
Touchstone Intelligence System (shenzhen) Co Ltd
Original Assignee
Touchstone Intelligence System (shenzhen) Co Ltd
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 Touchstone Intelligence System (shenzhen) Co Ltd filed Critical Touchstone Intelligence System (shenzhen) Co Ltd
Priority to CN201510340967.9A priority Critical patent/CN104952077B/zh
Publication of CN104952077A publication Critical patent/CN104952077A/zh
Application granted granted Critical
Publication of CN104952077B publication Critical patent/CN104952077B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Abstract

本发明公开了一种票据图像油污检测方法及系统，方法通过对票据依次进行采集、灰度转换、二值化处理以及连通域标记，进而根据连通域面积检测出票据的污损状态。系统包括图像采集模块、灰度图像转换模块、二值化处理模块和油污检测模块。本发明无需人工操作，能有效解决在批量票据自动化处理过程中因票据污损造成的票据无效现象，大大减少了人工整理票据的时间以及失误，提升了批量票据处理的效率。本发明可广泛应用于票据检测中。

Description

一种票据图像油污检测方法及系统
技术领域
本发明涉及图像处理领域，尤其涉及一种票据图像油污检测方法及系统。
背景技术
随着银行金融业务的增多，票据种类、数量剧增，票据的批量自动化处理技术应运而生，而自动检测票据填写是否规范，票据是否污损是实现批量票据智能处理技术的关键。
目前，票据是否污损的检测工作一般是由营业人员通过目测的方式来完成的，这种检测方式检测效率较低，不利于票据的批量处理，且不可避免人眼目测所带来的偶然误差。
为了减少人工收取票据的时间以及偶尔的失误，提升批量票据处理的效率，急需解决以上问题。
发明内容
为了解决上述技术问题，本发明的目的是提供一种能提高检测处理效率，且能减少失误的一种票据图像油污检测方法。
本发明的另一个目的是提供一种能提高检测处理效率，且能减少失误的一种票据图像油污检测系统。
本发明所采用的技术方案是：
一种票据图像油污检测方法，包括以下步骤：
A、对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
B、对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
C、对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
D、对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定。
作为所述的一种票据图像油污检测方法的进一步改进，所述步骤D包括：
D1、对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
D2、对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
D3、判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
作为所述的一种票据图像油污检测方法的进一步改进，所述步骤B中灰度化转换的具体计算公式为：
Y[i,j]＝0.3*R[i,j]+0.59*G[i,j]+0.11*B[i,j]；
其中，i＝1，2……W，j＝1,2……H，i表示票据彩色图像和票据灰度图像中的横坐标，j表示票据彩色图像和票据灰度图像中的纵坐标，W为票据彩色图像和票据灰度图像的宽度，H为票据彩色图像和票据灰度图像的高度，R[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的红色(R)分量值，G[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的绿色(G)分量值，B[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的蓝色(B)分量值，Y[i,j]表示票据灰度图像在横坐标为i和纵坐标为j的像素点处的值，Y[i,j]∈[0，255]。
作为所述的一种票据图像油污检测方法的进一步改进，所述步骤C中对票据灰度图像和票据红外灰度图像进行阈值分割处理，其具体为：
根据预设的分割阈值和以下公式对票据灰度图像和票据红外灰度图像中的像素进行处理；
其中，i表示票据灰度图像和票据红外灰度图像中的横坐标，j表示票据灰度图像和票据红外灰度图像中的纵坐标，D[i，j]表示票据油污二值图像中横坐标为i和纵坐标为j的像素点处的值，Y[i，j]表示票据灰度图像中横坐标为i和纵坐标为j的像素点处的值，X[i，j]表示票据红外灰度图像中横坐标为i和纵坐标为j的像素点处的值，th1表示第一分割阈值，th2表示第二分割阈值。
本发明所采用的另一技术方案是：
一种票据图像油污检测系统，包括：
图像采集模块，用于对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
灰度图像转换模块，用于对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
二值化处理模块，用于对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
油污检测模块，用于对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定。
作为所述的一种票据图像油污检测系统的进一步改进，所述油污检测模块包括：
腐蚀处理模块，用于对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
连通域标记模块，用于对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
油污判定模块，用于判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
本发明的有益效果是：
本发明一种票据图像油污检测方法通过对票据依次进行采集、灰度转换、二值化处理以及连通域标记，进而根据连通域面积检测出票据的污损状态，无需人工操作，有效解决在批量票据自动化处理过程中因票据污损造成的票据无效现象，大大减少了人工整理票据的时间以及失误，提升了批量票据处理的效率。
本发明的另一个有益效果是：
本发明一种票据图像油污检测系统通过图像采集模块、灰度图像转换模块、二值化处理模块和油污检测模块对票据进行处理，进而根据连通域面积检测出票据的污损状态，无需人工操作，有效解决在批量票据自动化处理过程中因票据污损造成的票据无效现象，大大减少了人工整理票据的时间以及失误，提升了批量票据处理的效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明：
图1是本发明一种票据图像油污检测方法的步骤流程图；
图2是本发明一种票据图像油污检测方法步骤D的步骤流程图；
图3是本发明一种票据图像油污检测系统的模块方框图。
具体实施方式
参考图1，本发明一种票据图像油污检测方法，包括以下步骤：
A、对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
B、对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
C、对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
D、对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定。
参考图2，进一步作为优选的实施方式，所述步骤D包括：
D1、对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
D2、对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
D3、判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
本发明实施例中，腐蚀处理采用图像处理技术领域的基本腐蚀方法，采用3*3结构元素，对票据油污二值图像做一次腐蚀操作，得到腐蚀后的票据油污二值图像D’[i，j]。然后对腐蚀后的票据油污二值图像D’[i，j]进行连通域标记，计算腐蚀后的票据油污二值图像D’[i，j]中各个连通域的面积大小a[n]。a[n]表示第n个连通域的面积大小，其中n可以取从1到N的所有整数，N表示票据油污二值图像D’[i，j]中连通域的个数。用A表示票据油污二值图像中最大的连通域，当最大连通域的面积S(A)大于油污阈值th3时，表示票据图像有油渍污损，为无效票据。
进一步作为优选的实施方式，所述步骤B中灰度化转换的具体计算公式为：
Y[i,j]＝0.3*R[i,j]+0.59*G[i,j]+0.11*B[i,j]；
其中，i＝1，2……W，j＝1,2……H，i表示票据彩色图像和票据灰度图像中的横坐标，j表示票据彩色图像和票据灰度图像中的纵坐标，W为票据彩色图像和票据灰度图像的宽度，H为票据彩色图像和票据灰度图像的高度，R[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的红色(R)分量值，G[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的绿色(G)分量值，B[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的蓝色(B)分量值，Y[i,j]表示票据灰度图像在横坐标为i和纵坐标为j的像素点处的值，Y[i,j]∈[0，255]。
进一步作为优选的实施方式，所述步骤C中对票据灰度图像和票据红外灰度图像进行阈值分割处理，其具体为：
根据预设的分割阈值和以下公式对票据灰度图像和票据红外灰度图像中的像素进行处理；
其中，i表示票据灰度图像和票据红外灰度图像中的横坐标，j表示票据灰度图像和票据红外灰度图像中的纵坐标，D[i，j]表示票据油污二值图像中横坐标为i和纵坐标为j的像素点处的值，Y[i，j]表示票据灰度图像中横坐标为i和纵坐标为j的像素点处的值，X[i，j]表示票据红外灰度图像中横坐标为i和纵坐标为j的像素点处的值，th1表示第一分割阈值，th2表示第二分割阈值。
进一步，th1和th2的选取要使得票据灰度图像和票据红外灰度图像的黑色字体和表格信息不呈现出来，而呈现油污信息，当D[i，j]＝255时，为提取到的前景目标点,
本发明具体实施例中，上述第一分割阈值th1和第二分割阈值th2的具体数值均为180，或者通过自适应阈值或OSTU阈值计算方法得到。
参考图3，本发明一种票据图像油污检测系统，包括：
图像采集模块，用于对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
灰度图像转换模块，用于对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
二值化处理模块，用于对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
油污检测模块，用于对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定。
进一步作为优选的实施方式，所述油污检测模块包括：
腐蚀处理模块，用于对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
连通域标记模块，用于对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
油污判定模块，用于判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
其中，本发明中提到的票据均指银行业务中用到的撕掉存根的票据，是长方形形状的。
从上述内容可知，本发明充分利用了票据本身的特征，原理简单，计算量小，利用扫描图像正确检测出票据图像是否被油渍污损，无需人工操作，能有效解决在批量票据自动化处理过程中因票据污损造成的票据无效现象，大大减少了人工整理票据的时间以及偶尔的失误，提升批量票据处理的效率。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (4)

1.一种票据图像油污检测方法，其特征在于，包括以下步骤：
A、对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
B、对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
C、对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
D、对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定；
所述步骤D包括：
D1、对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
D2、对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
D3、判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
2.根据权利要求1所述的一种票据图像油污检测方法，其特征在于：所述步骤B中灰度化转换的具体计算公式为：
Y[i,j]＝0.3*R[i,j]+0.59*G[i,j]+0.11*B[i,j]；
其中，i＝1，2……W，j＝1,2……H，i表示票据彩色图像和票据灰度图像中的横坐标，j表示票据彩色图像和票据灰度图像中的纵坐标，W为票据彩色图像和票据灰度图像的宽度，H为票据彩色图像和票据灰度图像的高度，R[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的红色(R)分量值，G[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的绿色(G)分量值，B[i，j]表示票据彩色图像在横坐标为i和纵坐标为j的像素点处的蓝色(B)分量值，Y[i,j]表示票据灰度图像在横坐标为i和纵坐标为j的像素点处的值，Y[i,j]∈[0，255]。
3.根据权利要求1所述的一种票据图像油污检测方法，其特征在于：所述步骤C中对票据灰度图像和票据红外灰度图像进行阈值分割处理，其具体为：
根据预设的分割阈值和以下公式对票据灰度图像和票据红外灰度图像中的像素进行处理；
<mrow> <mi>D</mi> <mo>&amp;lsqb;</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>255</mn> <mo>,</mo> <mi>X</mi> <mo>&amp;lsqb;</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;rsqb;</mo> <mo>&lt;</mo> <msub> <mi>th</mi> <mn>1</mn> </msub> <mo>,</mo> <mi>Y</mi> <mo>&amp;lsqb;</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;rsqb;</mo> <mo>&lt;</mo> <msub> <mi>th</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mi>o</mi> <mi>t</mi> <mi>h</mi> <mi>e</mi> <mi>r</mi> <mi>s</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
其中，i表示票据灰度图像和票据红外灰度图像中的横坐标，j表示票据灰度图像和票据红外灰度图像中的纵坐标，D[i，j]表示票据油污二值图像中横坐标为i和纵坐标为j的像素点处的值，Y[i，j]表示票据灰度图像中横坐标为i和纵坐标为j的像素点处的值，X[i，j]表示票据红外灰度图像中横坐标为i和纵坐标为j的像素点处的值，th1表示第一分割阈值，th2表示第二分割阈值。
4.一种票据图像油污检测系统，其特征在于，包括：
图像采集模块，用于对票据分别进行彩色扫描和红外扫描，得到票据彩色图像和票据红外灰度图像；
灰度图像转换模块，用于对票据彩色图像进行灰度化转换，进而得到票据灰度图像；
二值化处理模块，用于对票据灰度图像和票据红外灰度图像进行阈值分割处理，得到票据油污二值图像；
油污检测模块，用于对票据油污二值图像进行连通域标记，进而根据连通域面积进行油污检测判定；
所述油污检测模块包括：
腐蚀处理模块，用于对票据油污二值图像进行腐蚀处理，得到腐蚀后的票据油污二值图像；
连通域标记模块，用于对腐蚀后的票据油污二值图像进行连通域标记，并计算各个连通域的面积，进而选出最大连通域；
油污判定模块，用于判断最大连通域的面积是否大于预设的油污阈值，若是，则判定该票据存在油污；反之，则判定该票据不存在油污。
CN201510340967.9A 2015-06-18 2015-06-18 一种票据图像油污检测方法及系统 Expired - Fee Related CN104952077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510340967.9A CN104952077B (zh) 2015-06-18 2015-06-18 一种票据图像油污检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510340967.9A CN104952077B (zh) 2015-06-18 2015-06-18 一种票据图像油污检测方法及系统

Publications (2)

Publication Number Publication Date
CN104952077A CN104952077A (zh) 2015-09-30
CN104952077B true CN104952077B (zh) 2018-02-16

Family

ID=54166705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510340967.9A Expired - Fee Related CN104952077B (zh) 2015-06-18 2015-06-18 一种票据图像油污检测方法及系统

Country Status (1)

Country Link
CN (1) CN104952077B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741282A (zh) * 2016-01-27 2016-07-06 深圳辰通智能股份有限公司 一种自动检测票据图像要素填写颜色的方法与系统
CN107185221B (zh) * 2017-07-03 2018-12-14 哈尔滨体育学院 一种用于冰雪体育运动的场地监测管理装置与方法
CN109426815B (zh) * 2017-08-22 2022-05-10 顺丰科技有限公司 一种票据区域旋转和切分方法、系统、设备
CN108596874B (zh) * 2018-03-17 2024-01-05 紫光汇智信息技术有限公司 图像清晰判定方法、装置，以及计算机设备、产品
CN111415450B (zh) * 2019-01-08 2022-03-08 深圳怡化电脑股份有限公司 票据涂改的检测方法及其检测装置、计算机存储介质
CN111563845B (zh) * 2019-01-28 2023-10-20 深圳怡化电脑股份有限公司 票据表面涂刮检测方法、装置、设备及存储介质
CN111753848B (zh) * 2020-06-19 2021-03-19 福建省海峡智汇科技有限公司 一种用于油污程度的识别方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054168A (zh) * 2010-12-23 2011-05-11 武汉大学苏州研究院 一种有价票据圆形印鉴识别方法
CN103489255A (zh) * 2013-08-23 2014-01-01 广州智萃电子科技有限公司 一种钞票污损检测装置和方法
CN103606220A (zh) * 2013-12-10 2014-02-26 江苏国光信息产业股份有限公司 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法
CN104376573A (zh) * 2014-12-03 2015-02-25 歌尔声学股份有限公司 一种图像污点检测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054168A (zh) * 2010-12-23 2011-05-11 武汉大学苏州研究院 一种有价票据圆形印鉴识别方法
CN103489255A (zh) * 2013-08-23 2014-01-01 广州智萃电子科技有限公司 一种钞票污损检测装置和方法
CN103606220A (zh) * 2013-12-10 2014-02-26 江苏国光信息产业股份有限公司 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法
CN104376573A (zh) * 2014-12-03 2015-02-25 歌尔声学股份有限公司 一种图像污点检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于OCR的纸币冠字号识别及硬件仿真;宋普庚;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150215(第2期);第2.1,2.3.1,2.5.2节、图2.2,2.3,2.8 *

Also Published As

Publication number Publication date
CN104952077A (zh) 2015-09-30

Similar Documents

Publication Publication Date Title
CN104952077B (zh) 一种票据图像油污检测方法及系统
CN105005969B (zh) 一种票据图像涂改检测方法及系统
EP3309703B1 (en) Method and system for decoding qr code based on weighted average grey method
CN102043950B (zh) 基于canny算子和边缘点统计的车辆轮廓识别方法
CN104966348B (zh) 一种票据图像要素完整性检测方法及系统
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN103914833B (zh) 一种自动检测票据是否残缺的方法及系统
CN107045634B (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
CN103824373B (zh) 一种票据图像金额分类方法及系统
CN106096610A (zh) 一种基于支持向量机的文档图像二值化方法
CN105023256B (zh) 一种图像去雾方法及系统
CN103413311B (zh) 一种基于边缘的模糊检测方法
CN105913093A (zh) 一种用于文字识别处理的模板匹配方法
CN109241973B (zh) 一种纹理背景下的字符全自动软分割方法
CN108133215A (zh) 一种处理单元
CN102509095B (zh) 一种车牌图像的预处理方法
CN109214380A (zh) 车牌倾斜校正方法
CN101520890B (zh) 一种基于灰度特征图像的粘连染色体自动分割方法
CN106650728B (zh) 一种阴影车牌图像二值化方法
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN104112123A (zh) 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法
CN104063859A (zh) 票据图像小写金额位数的检测方法及系统
CN114612333B (zh) 一种基于显微镜图像的微囊藻类细胞统计方法
CN110033469A (zh) 一种亚像素边缘检测方法及系统
CN115082922A (zh) 基于深度学习的水表数字图片处理方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Shenzhen Nanshan District City, Guangdong province 518000 white pine Luxili Nangang first industrial park, building seven floor 1-3

Applicant after: TOUCHSTONE INTELLIGENCE SYSTEM (SHENZHEN) CO., LTD.

Address before: Shenzhen Nanshan District City, Guangdong province 518000 white pine Luxili Nangang first Industrial Park 7

Applicant before: Automated Touchstone Machines Limited

COR Change of bibliographic data
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180216

Termination date: 20190618