CN105181998B - 一种检测投篮时手臂的semg与动作轨迹的方法 - Google Patents
一种检测投篮时手臂的semg与动作轨迹的方法 Download PDFInfo
- Publication number
- CN105181998B CN105181998B CN201510472691.XA CN201510472691A CN105181998B CN 105181998 B CN105181998 B CN 105181998B CN 201510472691 A CN201510472691 A CN 201510472691A CN 105181998 B CN105181998 B CN 105181998B
- Authority
- CN
- China
- Prior art keywords
- arm
- shooting
- semg
- movement locus
- effect
- 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.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 45
- 101000739754 Homo sapiens Semenogelin-1 Proteins 0.000 title claims abstract description 34
- 102100037550 Semenogelin-1 Human genes 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 210000003205 muscle Anatomy 0.000 claims abstract description 46
- 230000000694 effects Effects 0.000 claims abstract description 41
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 16
- 210000000245 forearm Anatomy 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 10
- 238000002567 electromyography Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 210000001097 facial muscle Anatomy 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000003321 amplification Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 3
- 230000005057 finger movement Effects 0.000 description 3
- 230000003183 myoelectrical effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种检测投篮时手臂的SEMG与动作轨迹的方法，在每一次完整的投篮动作过程中，通过SEMG传感器检测手臂肌肉的表面肌电信号，通过运动位置传感器检测手臂的运动轨迹；通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，并结合采集的手臂的运动轨迹，得出一个完整的投篮动作的投篮动作采样数据。本发明所述的方法中，投篮动作采样数据真实地反映球员投篮过程中的动作要领对应的肌肉相关信息，可用于对球员的投篮动作及肌肉使用情况进行分析与建议，从人体的生理上进行投篮的训练，针对性强，检测结果可用于直观地观察，有助于快速纠正动作要领，训练成果与效率均有极大的提高。
Description
技术领域
本发明涉及机体检测领域，更具体地说，涉及一种检测投篮时手臂的SEMG与动作轨迹的方法。
背景技术
传统的投篮训练包括理论学习与实践练习。
理论学习通常只是通过经验传授的方式对球员进行指导，包括从教科书、教练等对象进行学习。通过教科书进行学习时，存在的不足是，基本属于纯理论教学，无法做到“身教”，而且将晦涩的理论文字通过球员自身学习，转化为实战技术的过程，跟球员自身的学习与理解能力关系较大。而且对学习的结果，球员自身几乎不可能验证是否正确。通过教练进行学习时，与教科书相比，解决了“身教”的问题，但仍存在的不足是，教练也只能从表象上观察球员的动作与训练结果，教学质量与教练水平的相关性非常大，而一名优秀的教练指导的球员的数量也非常有限，不利于大范围地进行训练指导，效率极低。
对于实践练习，现有技术公开有投篮训练装置，但仅能统计投篮结果的高低，并不能给球员予建议或分析。球员只能凭“熟能生巧”的方法进行训练，事倍功半。
发明内容
本发明的目的在于克服现有技术的不足，提供一种能够反映球员投篮过程中的动作要领对应的肌肉相关信息的检测投篮时手臂的SEMG与动作轨迹的方法。
本发明的技术方案如下：
一种检测投篮时手臂的SEMG与动作轨迹的方法，在每一次完整的投篮动作过程中，通过SEMG传感器检测手臂肌肉的表面肌电信号，通过运动位置传感器检测手臂的运动轨迹；通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，并结合采集的手臂的运动轨迹，得出一个完整的投篮动作的投篮动作采样数据。
作为优选，SEMG传感器检测到表面肌电信号后，与预设的肌电流信号参考数据进行对比，分析得出投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。
作为优选，表面肌电信号与预设的肌电流信号参考电压进行对比前，对表面肌电信号进行优化降噪。
作为优选，对表面肌电信号进行优化降噪包括：对采集的表面肌电信号经带通滤波器得到选定的频率范围，然后再经陷波滤波器过滤噪音频率段，得到优选信号。
作为优选，分析得出优选信号的时域分布，进而得到每个表面肌电信号的时间分布，进而获得每个肌肉的发力先后顺序；再通过肌电流信号分析模组使用傅里叶转换方法得出优选信号的频域分布后，进行频域平均分析，再与预设的肌电流信号参考数据进行对比，得到表面肌电信号表示的肌肉发力大小。
作为优选，通过肌肉发力大小与肌肉发力先后顺序，识别出一个完整的投篮动作的手臂与手指的发力与肌肉运用是否正确。
作为优选，表面肌电信号在进入带通滤波器之前，与经陷波滤波器输出后均进行放大，经陷波滤波器放大后的表面肌电信号经过模数转换器转换成数字信号。
作为优选，运动位置传感器检测上臂与前臂的运动轨迹，进而判断手臂的姿势。
作为优选，运动轨迹包括一个完整的投篮动作中，上臂与前臂在投篮前、投篮中、投篮后的动作姿势、相对位置以及上臂与前臂的夹角。
作为优选，SEMG传感器检测上臂、前臂与手指参与投篮动作的肌肉的表面肌电信号。
本发明的有益效果如下：
本发明所述的检测投篮时手臂的SEMG与动作轨迹的方法，用于检测投篮时的手臂与手指的一连贯动作，包括手臂与手指的肌肉状态与动作姿势。本发明通过检测每次完整的投篮动作中，相关肌肉产生的表面肌电信号，进而分析得出每块参与投篮的肌肉的使用状态，包括发力大小、发力先后顺序、手指姿势。本发明还通过运动位置传感器检测每次完整的投篮动作中，手臂的运动轨迹。将上述的发力大小、发力先后顺序、手指动作与运动轨迹结合，进而得出一个完整的投篮动作的投篮动作采样数据。投篮动作采样数据真实地反映球员投篮过程中的动作要领对应的肌肉相关信息，可用于对球员的投篮动作及肌肉使用情况进行分析与建议，从人体的生理上进行投篮的训练，针对性强，检测结果可用于直观地观察，有助于快速纠正动作要领，训练成果与效率均有极大的提高。
附图说明
图1是本发明所述的方法的原理流程图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明提供一种检测投篮时手臂的SEMG与动作轨迹的方法，用于从人体的生理上反映投篮动作中，参与投篮动作的肌肉与手臂、手指的使用情况，进而有针对性地纠正投篮动作，提高投篮训练的成果与效率。
本发明所述的方法中，在每一次完整的投篮动作过程中，通过SEMG传感器检测手臂肌肉的表面肌电信号，通过运动位置传感器检测手臂与手指的运动轨迹；通过分析采集的表面肌电信号得到投篮时手臂相关肌肉的发力大小、发力先后顺序、手臂肌肉对应的手指姿势，并结合采集的手臂的运动轨迹，得出一个完整的投篮动作的投篮动作采样数据，用于反应参与投篮动作的肌肉与手臂、手指的使用情况。
对应的，需要配置能够采集表面肌电信号与运动轨迹的设备，可以是一种具备SEMG传感器与运动位置传感器的臂套，在进行投篮训练时，穿戴所述的臂套，用于检测投篮动作中的表面肌电信号与手臂、手指的运动轨迹。臂套供以球员对手臂(包含手指)的姿势以及发力的肌肉运动状态进行信息反馈，可以设置若干SEMG传感器与运动位置传感器(如九轴传感器)，SEMG传感器接触在球员皮肤表面上，球员对其某块肌肉发力时，对其神经元发送电信号，神经元接受到信号后会向其周边的肌肉纤维传递信号，这些在肌肉表面的产生的电信号，将会被SEMG传感器检测到，根据所要检测的肌肉群放置若干SEMG传感器在相对应的位置，即可识别出球员对其手指及其手臂的发力状态，串联各个肌肉发力的状态时间，即可看出球员在投篮时手臂与手指的连贯动作。臂套的上臂位置放置九轴传感器，可还原出球员在投篮时手臂的动作姿势及相对位置。臂套可针对手指和前臂发力程度、投篮的发力顺序、投篮后手臂角度做出计算，并还原结果显示于使用计算机上。
采集的数据的多少直接关系到分析结果的精确度，如果需要得到尽量精确的分析结果，则需要SEMG传感器检测上臂、前臂与对应的手指参与投篮动作的肌肉的表面肌电信号。尽可能地检测参与投篮动作的每一块肌肉，有利于最终得到最精确的分析结果。运动位置传感器检测手臂的运动轨迹，以及由前臂带动的手指的运动轨迹。运动轨迹包括一个完整的投篮动作中，上臂与前臂在投篮前、投篮中、投篮后的动作姿势、相对位置以及手臂和身体的夹角。由于投篮动作从起始至结束，从抬手开始，直至篮球脱离手指后的手指、手腕与手臂的动作，均会影响投篮质量，因此，需要全程完整地检测上臂与前臂在整个完整的投篮动作中的状态。
由于单独存在的表面肌电信号并不能直接反应投篮动作的正确与否，因此，SEMG传感器检测到表面肌电信号后，与预设的肌电流信号参考数据进行对比，分析得出投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。
为了得到更精确的检测数据，表面肌电信号与预设的肌电流信号参考电压进行对比前，对表面肌电信号进行优化降噪，防止不必要的杂音也进行分析，得到误差较大的结果。本发明中，对表面肌电信号进行优化降噪包括：对采集的表面肌电信号经带通滤波器得到选定的频率范围，然后再经陷波滤波器过滤噪音频率段，得到优选信号。
表面肌电信号表示的是肌肉在发力时产生的微电流，呈离散状态，不能直接反映投篮动作的完整与连贯性。因此，本发明分析得出优选信号的时域分布，进而得到每个表面肌电信号的时间分布，进而获得每个肌肉的发力先后顺序；再通过肌电流信号分析模组使用傅里叶转换方法得出优选信号的频域分布后，进行频域平均分析，再与预设的肌电流信号参考数据进行对比，得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。最后，通过肌肉发力大小与肌肉发力先后顺序，识别出一个完整的投篮动作的手臂与手指的发力与肌肉运用是否正确。
由于表面肌电信号的微电流较小，不便于直接进行处理，为了达到更优的优化效果，表面肌电信号在进入带通滤波器之前先进行一次放大，经陷波滤波器输出后进行二次放大。
如图1所示，本实施例中，SEMG传感器采集到表面肌电信号后，经放大器进行一次放大后，经带通滤波器(band-pass filter)将表面肌电信号进行过滤，得到选定的频率范围，其分布在20Hz到200Hz之间，再通过陷波滤波器(notch filter)滤除频率55Hz到65Hz的信号，得到优选信号。因为60Hz的信号夹带著电线与环境的杂音，将影响最终的分析结果。优选信号再经放大器进行二次放大，然后通过ADC(模数转换器)进行模数转换，得到数字信号。然后对所得的数字信号进行分析，得到时域分布，通过傅里叶变换算法得出频域分布，即对每个SEMG传感器采集到的表面肌电信号进行处理提取特征值，再跟预设的肌电流信号参考数据进行比对，进而识别出对应的手臂、手指动作。运动位置传感器(如九轴传感器)采集手臂三维方向的信号，通过三维方向的信号分析判断手臂姿势。
上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。
Claims (8)
1.一种检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，在每一次完整的投篮动作过程中，通过SEMG传感器检测手臂肌肉的表面肌电信号，通过运动位置传感器检测手臂的运动轨迹；通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，并结合采集的手臂的运动轨迹，得出一个完整的投篮动作的投篮动作采样数据；
SEMG传感器检测到表面肌电信号后，对表面肌电信号进行优化降噪，分析得出优选信号的时域分布，进而得到每个表面肌电信号的时间分布，进而获得每个肌肉的发力先后顺序；再通过肌电流信号分析模组使用傅里叶转换方法得出优选信号的频域分布后，进行频域平均分析，再与预设的肌电流信号参考数据进行对比，得到表面肌电信号表示的肌肉发力大小。
2.根据权利要求1所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，SEMG传感器检测到表面肌电信号后，与预设的肌电流信号参考数据进行对比，分析投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。
3.根据权利要求2所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，对表面肌电信号进行优化降噪包括：对采集的表面肌电信号经带通滤波器得到选定的频率范围，然后再经陷波滤波器过滤噪音频率段，得到优选信号。
4.根据权利要求3所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，通过肌肉发力大小与肌肉发力先后顺序，识别出一个完整的投篮动作的手臂与手指的肌肉发力与肌肉运用是否正确。
5.根据权利要求3所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，表面肌电信号在进入带通滤波器之前，与经陷波滤波器输出后均进行放大，经陷波滤波器放大后的表面肌电信号经过模数转换器转换成数字信号。
6.根据权利要求1所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，运动位置传感器检测上臂与前臂的运动轨迹，进而判断手臂的姿势。
7.根据权利要求6所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，运动轨迹包括一个完整的投篮动作中，上臂与前臂在投篮前、投篮中、投篮后的动作姿势、相对位置以及上臂与前臂的夹角。
8.根据权利要求1所述的检测投篮时手臂的SEMG与动作轨迹的方法，其特征在于，SEMG传感器检测上臂、前臂与手指参与投篮动作的肌肉的表面肌电信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510472691.XA CN105181998B (zh) | 2015-08-03 | 2015-08-03 | 一种检测投篮时手臂的semg与动作轨迹的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510472691.XA CN105181998B (zh) | 2015-08-03 | 2015-08-03 | 一种检测投篮时手臂的semg与动作轨迹的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105181998A CN105181998A (zh) | 2015-12-23 |
| CN105181998B true CN105181998B (zh) | 2018-10-26 |
Family
ID=54904217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510472691.XA Active CN105181998B (zh) | 2015-08-03 | 2015-08-03 | 一种检测投篮时手臂的semg与动作轨迹的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105181998B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106669125B (zh) * | 2016-12-31 | 2021-11-26 | 安徽工业大学 | 基于肌电信号的陪练乒乓球机器人回球方式的预测系统及方法 |
| CN108229283B (zh) * | 2017-05-25 | 2020-09-22 | 深圳市前海未来无限投资管理有限公司 | 肌电信号采集方法及装置 |
| CN107042012B (zh) * | 2017-06-07 | 2019-01-15 | 简极科技有限公司 | 一种智能篮球投篮轨迹监测方法 |
| CN108305682A (zh) * | 2018-02-01 | 2018-07-20 | 四川东鼎里智信息技术有限责任公司 | 一种基于可穿戴的脚部肌肉恢复系统 |
| CN108319368A (zh) * | 2018-02-01 | 2018-07-24 | 四川东鼎里智信息技术有限责任公司 | 一种可穿戴的ai动作学习系统 |
| CN108309240A (zh) * | 2018-02-01 | 2018-07-24 | 四川东鼎里智信息技术有限责任公司 | 一种基于可穿戴的脑部疲劳预警系统 |
| CN108197607A (zh) * | 2018-02-01 | 2018-06-22 | 四川东鼎里智信息技术有限责任公司 | 一种基于可穿戴的运动神经元预警系统 |
| CN111375183B (zh) * | 2018-12-28 | 2022-10-04 | 财团法人工业技术研究院 | 往复式运动的动作监测方法及系统 |
| CN109731316B (zh) * | 2019-03-21 | 2021-05-28 | 张皓翔 | 一种投篮训练系统 |
| CN110090005B (zh) * | 2019-05-30 | 2021-09-28 | 北京积水潭医院 | 医疗数据处理装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102068264B (zh) * | 2009-11-23 | 2012-10-10 | 财团法人资讯工业策进会 | 挥击动作的肌能状态分析系统及方法 |
| CN102198003B (zh) * | 2011-06-07 | 2014-08-13 | 嘉兴恒怡科技有限公司 | 肢体运动检测评估网络系统及其方法 |
| ITMI20120494A1 (it) * | 2012-03-27 | 2013-09-28 | B10Nix S R L | Apparato e metodo per l'acquisizione ed analisi di una attivita' muscolare |
| CN103417218A (zh) * | 2013-08-27 | 2013-12-04 | 中山大学附属第一医院 | 一种上肢运动的参数采集评估系统及方法 |
| CN104107134B (zh) * | 2013-12-10 | 2017-08-01 | 中山大学 | 基于肌电反馈的上肢训练方法及系统 |
| CN103768774A (zh) * | 2014-01-22 | 2014-05-07 | 成都微英威诺环境监控设备有限公司 | 基于mems加速度计的投掷训练用运动轨迹记录装置 |
-
2015
- 2015-08-03 CN CN201510472691.XA patent/CN105181998B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105181998A (zh) | 2015-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105181998B (zh) | 一种检测投篮时手臂的semg与动作轨迹的方法 | |
| CN105107178B (zh) | 一种投篮动作训练方法 | |
| EP3698707B1 (en) | Electrocardiogram information dynamic monitoring system, computer program and computer readable storage medium | |
| CN109222969A (zh) | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 | |
| WO2019100566A1 (zh) | 基于人工智能自学习的静态心电图分析方法和装置 | |
| WO2019100560A1 (zh) | 基于人工智能自学习的心电图自动分析方法和装置 | |
| CN104107134B (zh) | 基于肌电反馈的上肢训练方法及系统 | |
| Fang et al. | A multichannel surface EMG system for hand motion recognition | |
| EP3692904A1 (en) | Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence | |
| CN101732050B (zh) | 一种基于光电容积波的呼吸率监测方法 | |
| Milosevic et al. | Design challenges for wearable EMG applications | |
| CN107157450B (zh) | 用于对帕金森病人的手部运动能力进行量化评估方法和系统 | |
| AU2013239151A1 (en) | System for the acquisition and analysis of muscle activity and operation method thereof | |
| CN110179643A (zh) | 一种基于环带传感器的颈部康复训练系统和训练方法 | |
| CN103417218A (zh) | 一种上肢运动的参数采集评估系统及方法 | |
| CN105249925B (zh) | 一种中医脉象采集装置及降噪系统和降噪方法 | |
| CN105550659A (zh) | 基于随机投影的实时心电分类方法 | |
| CN114052693B (zh) | 心率分析方法、装置及设备 | |
| KR20120094857A (ko) | 피복타입 무구속 생체신호 측정 및 이를 이용한 재활훈련 정도 판단방법 | |
| CN105125206A (zh) | 一种智能心电监护方法及装置 | |
| CN110960211A (zh) | 一种基于嵌入式的心电实时监测系统 | |
| CN106308801A (zh) | 一种利用智能手机检测人体呼吸频率的方法 | |
| CN103886184A (zh) | 一种心脏病理识别模型的构建方法 | |
| CN103211603A (zh) | 一种心理压力检测跟踪反馈系统 | |
| Mekruksavanich et al. | Badminton activity recognition and player assessment based on motion signals using deep residual network |
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: 361000 Fujian city of Xiamen province Xiamen torch hi tech Zone torch torch Park Road, torch Plaza South Building No. 56-58 203-3 Applicant after: GENGEE TECHNOLOGY Co.,Ltd. Address before: 361000 Fujian city of Xiamen province Xiamen torch hi tech Zone torch torch Park Road, torch Plaza South Building No. 56-58 203-3 Applicant before: GENGEE TECHNOLOGY Co.,Ltd. |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method for detecting SEMG and motion locus of arm in shooting mode Effective date of registration: 20190909 Granted publication date: 20181026 Pledgee: Lin Zhihong Pledgor: GENGEE TECHNOLOGY Co.,Ltd. Registration number: Y2019980000128 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220729 Granted publication date: 20181026 Pledgee: Lin Zhihong Pledgor: GENGEE TECHNOLOGY Co.,Ltd. Registration number: Y2019980000128 |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220928 Address after: Room 827, 3rd Floor, No. 62, Jinbiao Lane, Yizhou Street, Taijiang District, Fuzhou City, Fujian Province, 350000 Patentee after: Fujian Miracle Sports Sports Technology Co.,Ltd. Address before: Room 203-3, South Building, Torch Plaza, No. 56-58, Torch Road, Torch Park, Torch High-tech Zone, Xiamen, Fujian 361000 Patentee before: GENGEE TECHNOLOGY Co.,Ltd. |