CN105354827B - 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 - Google Patents
一种在接触网图像中智能识别线夹螺母脱落的方法及系统 Download PDFInfo
- Publication number
- CN105354827B CN105354827B CN201510643925.2A CN201510643925A CN105354827B CN 105354827 B CN105354827 B CN 105354827B CN 201510643925 A CN201510643925 A CN 201510643925A CN 105354827 B CN105354827 B CN 105354827B
- Authority
- CN
- China
- Prior art keywords
- image
- detection block
- nut
- detection
- comes
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及接触网图像处理技术领域,本发明公开了一种在接触网图像中智能识别线夹螺母脱落的方法,其具体包括以下的步骤:步骤一、获取接触网图像,并定位出其中含有定位线夹的图像;步骤二、提取定位后图像的形状特征,并通过位置关系进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框;步骤三、进行螺母是否脱落的判定:当同时满足以下四个条件时,判定该检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框;(4)检测框的总数大于4。该方法智能识别出图像中定位线夹的螺母是否脱落,避免了人工识别带来的问题。
Description
技术领域
本发明涉及对高铁接触网的图像进行处理的技术领域,尤其涉及一种在接触网图像中智能识别线夹螺母脱落的方法及系统。
背景技术
接触网是电气化铁道的重要设备,由于接触网结构、力学、工作环境等工作特点,易造成松脱裂断等故障,且接触网沿线架设无备用,是整个牵引供电系统的薄弱环节,其技术参数是否符合要求将直接影响铁路供电和行车安全,因此铁路供电部门要有计划地进行接触网检测,以便及时发现隐患,保证电气化铁路的安全运营,为此原铁道部积极构建高速铁路供电安全检测监测系统(6C系统),并于2012年7月发布实施《高速铁路供电安全检测监测系统(6C系统)总体技术规范》。
由于高速铁路接触线及承力索的张力增大,各接触网零部件的受力及震动也大幅增加,接触网零部件的安全问题尤为突出,实际运营过程中已发生多起由接触网关键部件引发的事故,因此为了高速铁路安全运行,需要对接触网悬挂状态进行有效的监测,定位线夹作为接触网悬挂的关键部件,处于接触线和受电弓的连接部位,受到的冲击力很大,一旦发生松动或脱落等故障,会造成接触线脱落引发弓网事故,因此需要针对定位线夹状态进行监测。
目前现阶段接触网定位线夹是否存在故障主要采用人工定期巡视检测和技术人员查看定位线夹图像的方式,但是存在劳动强度大,工作效率低,工作周期长,隐患不易发现等缺点。相对于人工巡线的方式,通过查看图像的方式检测装置故障可大大缩短工作周期,但通过高清成像系统得到的接触网关键悬挂图像数量巨大,工人容易产生视觉疲劳从而发生误检漏检。因此,采用图像处理的方式自动检测图像中关键部件的故障成为亟待解决的实际工程问题,其中在高精度成像的图像中准确定位到定位线夹就是第一个步骤,定位的准确率直接影响后续检测的准确率,是关键的一步。另外即使是采用技术人员人工查看图像的方式,单独提取定位线夹部分显示查看也可以大大提高效率,对于定位线夹的监测具有重要的意义。
目前的检测方式仍限制在后期人工查看高清图像的阶段,国内外基于图像处理的定位线夹智能检测方法的研究很少,在实际工程应用中,利用图像处理的定位线夹故障检测也尚无先例。
针对此问题,申请号为201510217820.0的专利公开了一种在接触网图像中定位出定位线夹的方法,但这样定位出的定位线夹要使识别出螺母是否脱落仍然需要人工才能实现,但人工对接触网悬挂关键部件中的螺母脱落缺陷隐患不易发现、耗时。
发明内容
针对上述人工识别螺母是否脱落存在不易发现、耗时的技术问题,本发明公开了一种在接触网图像中智能识别线夹螺母是否脱落的方法,本发明还公开了一种在接触网图像中智能识别线夹螺母是否脱落的系统。
本发明公开了一种在接触网图像中智能识别线夹螺母脱落的方法,其具体包括以下的步骤:步骤一、获取接触网图像,并定位出其中含有定位线夹的图像;步骤二、提取定位后图像的特征,并根据特征进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销;步骤三、进行螺母是否脱落的判定:当同时满足以下条件时,判定该检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框。通过上述方法,智能识别出螺母脱落的线夹。
更进一步地,上述步骤三中的条件还包括(4)检测框的总数大于4。避免因为图像质量问题导致无法提取出检测框带来的干扰,提高了识别的准确度。
更进一步地,上述步骤二中的聚类具体是指根据形状特征和位置关系进行聚类。定位线夹的图片,根据标准的规定,螺杆、螺母、开口销以及他们的位置关系有其明显的特性,可以直接根据形状和位置关系进行聚类就可以得到不同的部件轮廓。
更进一步地,上述提取定位后图像的特征中的提取具体是指对MSER区域特征提取算法进行改进,将不同阈值所得的极值区域作为形状特征。提取算法简便,高效,便于实现。
更进一步地,上述方法还包括精定位线夹图像,在精定位线夹图像的基础上进行智能识别线夹螺母是否脱落。精定位,提高了识别的准确度,同时降低了识别的计算量,以便于工程实现。
更进一步地,上述精定位线夹图像的过程具体包括以下的步骤:步骤a.获取粗定位的线夹图像;步骤b.采用直线检测算法检测粗定位的线夹图像中的直线;步骤c.识别出图像中的横向直线,选取其中横向直线的中点坐标的纵坐标值最大的直线作为基准直线;步骤d.截取基准直线以下的部分作为精定位线夹图像。通过精定位,识别出基准直线(即安装定位线夹的横臂),降低了后续识别的计算量。
本发明还公开了一种在接触网图像中智能识别线夹螺母脱落的系统,其具体包括图像定位模块、聚类模块以及判定模块,所述图像定位模块用于从接触网图像中定位出其中含有定位线夹的图像,所述聚类模块用于根据形状对定位后的图像通过位置关系进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销;所述判定模块用于根据螺母脱落后螺杆的形状特征对图像进行判定,得到螺母是否脱落的判定结果,当同时满足以下条件时,判定检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框。
更进一步地,上述判定模块中的条件还包括(4)检测框的总数大于4。
通过采用以上的技术方案,本发明具备以下的有益效果:通过上述的方法,智能识别出图像中定位线夹的螺母是否脱落,避免了人工识别带来的问题:工作强度大,易漏识别等。通过上述方法,判定过程简单易实现,判定结果准确,无漏识别及误报警,保证了判定结果的准确性,通过多次的测试,其识别率高。
附图说明:
图1为本发明的在接触网图像中智能识别线夹螺母脱落的方法的流程图。
具体实施方式:
下面结合说明书附图,详细说明本发明的具体实施方式。
本发明公开了一种在接触网图像中智能识别线夹螺母脱落的方法,其具体包括以下的步骤:步骤一、获取接触网图像,并定位出其中含有定位线夹的图像;步骤二、提取定位后图像的形状特征,并通过位置关系进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销;步骤三、进行螺母是否脱落的判定:当同时满足以下四个条件时,判定该检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框;(4)检测框的总数大于4。通过上述的方法,智能识别出图像中定位线夹的螺母是否脱落,避免了人工识别带来的问题:工作强度大,易漏识别等。当螺母脱落后,图像中会呈现出没有螺母的螺杆,根据螺杆的形状,可以知道该螺杆聚类后形成的检测框其宽度必然大于高度,因此设计了条件(1)。当通过条件(1)得到螺杆后,其检测框的左右在一定位置范围内(具体的位置范围的参数设定本领域技术人员可以根据现有已经保存的相同位置的图像得到一个合适的参数,其不属于本发明的重点改进点,在此不详细赘述)必然无其它检测框,此处具体指螺杆检测框的左右无螺母的检测框,因此设计了条件(2),条件(2)具体是排除螺母未脱落的情形。在实际应用中,发现开口销也符合条件(1)(2), 此时通过条件(3)将开口销进行排除,在实际应用中,知道开口销的上下都有螺母,因此开口销框的上下都有螺母框,通过该条件(3)将开口销框进行排除,避免了开口销框对检测结果的干扰,同样地,其中“一定位置范围”的参数设定本领域技术人员可以根据现有已经保存的相同位置的图像得到一个合适的参数,其不属于本发明的重点改进点,在此不详细赘述。若检测框个数小于4,则可能的原因为特征提取过程失败或是图像质量差,或是部件与背景区分性小等造成,因此进行了条件(4)的设计。通过上述四个条件的设计,使得判定结果准确,从而智能、准确地得到线夹螺母脱落的判定结果。
图像中的各个部件的边缘形成一个待检测矩形框,所有待检测的矩形框以及其相对的位置关系形成待判定区域。
部件检测原理为:通过对传统MSER区域特征提取算法进行改进,将不同阈值所得的极值区域作为形状特征,通过位置关系聚类,得到不同部件的聚类结果,从而得到部件检测框。
在实际工程应用中,由于定位线夹螺母脱落缺陷样本数量有限,不利于缺陷模型的设计;同时实际线路中螺母脱落现象不常见,加之螺母部件小,通过人工查看的方式收集进程慢;截止到目前,共计收集到螺母脱落缺陷样本50处,基本上满足缺陷识别模块模型设计需求。经过实际线路测试,本申请中的螺母脱落缺陷识别已初见成效,在后续的改进中识别模型的框架不会变,仅会通过缺陷样本对模型参数进行优化。
优选地,上述方法还包括精定位线夹图像,在精定位线夹图像的基础上进行智能识别线夹螺母是否脱落,提高了判定的效率以及准确程度。其中精定位线夹图像的过程具体包括以下的步骤:步骤a.获取粗定位的线夹图像;步骤b.采用直线检测算法检测粗定位的线夹图像中的直线;步骤c.识别出图像中的横向直线,所述横向直线是指与水平方向成一定夹角的直线(比如与水平方向成正负20度夹角的直线),选取其中横向直线的中点坐标的纵坐标值最大的直线作为基准直线;步骤d.截取基准直线以下的部分作为精定位线夹图像。通过对线夹的精确定位,提高了识别的效率以及准确度,通过上述的方法,能够快速准确地识别出4C系统中支持悬挂装置部件中的所有螺母的脱落缺陷。
更进一步地,上述粗定位线夹图像主要包括以下的步骤:步骤11、设置在机车顶部的接触网巡检装置拍摄接触网图像,并对拍摄到的图像进行边缘检测;步骤12、检测图像中的直线,分别得到横向直线和纵向直线;步骤13、排除图像中的受电弓;步骤14、判断横向直线和纵向直线相交处是否形成T形,若判断为T形相交,继续步骤15,否则结束;步骤15、提取该T形相交处的图像轮廓并检测其高斯分布,同时将该图像与预设模板进行匹配,若高斯分布满足预设定条件或者图像与预设模板匹配则判定该T形相交处为定位线夹,并获取该处的坐标值,否则结束。通过本方法,实现了基于图像处理实现定位线夹的自动识别及定位,其优点主要有:1)针对不同类型、不同的光照条件和背景干扰的图片可自适应处理,使得定位线夹检测的不在局限于晚上;2可以快速实现定位线夹的定位,并将其单独成像,大大提高现场技术人员查看的效率,并为后续定位线夹的缺陷检测做好了基础准备工作;3)该方法针对定位线夹的特征设计,有效的降低了误识别率和漏识别率,提高了可靠性。
本发明还公开了一种在接触网图像中智能识别线夹螺母脱落的系统,其具体包括图像定位模块、聚类模块以及判定模块,所述图像定位模块用于从接触网图像中定位出其中含有定位线夹的图像,所述聚类模块用于根据形状对定位后的图像通过位置关系进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销;所述判定模块用于根据螺母脱落后螺杆的形状特征对图像进行判定,得到螺母是否脱落的判定结果,当同时满足以下四个条件时,判定检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框;(4)检测框的总数大于4。通过上述的方法,智能识别出图像中定位线夹的螺母是否脱落,避免了人工识别带来的问题:工作强度大,易漏识别等。
上述说明示出并描述了本发明的一个优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种在接触网图像中智能识别线夹螺母脱落的方法,其具体包括以下的步骤:步骤一、获取接触网图像,并定位出其中含有定位线夹的图像;步骤二、提取定位后图像的特征,并根据特征进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销,所述聚类是指根据形状特征和位置关系进行聚类;步骤三、进行螺母是否脱落的判定:当同时满足以下条件时,判定该检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框;所述步骤三中的条件还包括(4)检测框的总数大于4。
2.如权利要求1所述的在接触网图像中智能识别线夹螺母脱落的方法,其特征在于所述提取定位后图像的特征中的提取具体是指对MSER区域特征提取算法进行改进,将不同阈值所得的极值区域作为形状特征。
3.如权利要求1所述的在接触网图像中智能识别线夹螺母脱落的方法,其特征在于所述方法还包括精定位线夹图像,在精定位线夹图像的基础上进行智能识别线夹螺母是否脱落。
4.如权利要求3所述的在接触网图像中智能识别线夹螺母脱落的方法,其特征在于所述精定位线夹图像的过程具体包括以下的步骤:步骤a.获取粗定位的线夹图像;步骤b.采用直线检测算法检测粗定位的线夹图像中的直线;步骤c.识别出图像中的横向直线,选取其中横向直线的中点坐标的纵坐标值最大的直线作为基准直线;步骤d.截取基准直线以下的部分作为精定位线夹图像。
5.一种在接触网图像中智能识别线夹螺母脱落的系统,其特征在于具体包括图像定位模块、聚类模块以及判定模块,所述图像定位模块用于从接触网图像中定位出其中含有定位线夹的图像,所述聚类模块用于根据形状对定位后的图像通过位置关系进行聚类,得到不同部件的聚类结果,聚类后各个部件的边缘形成各个部件的矩形检测框,所述部件包括螺杆、螺母以及开口销,所述聚类是指根据形状特征和位置关系进行聚类;所述判定模块用于根据螺母脱落后螺杆的形状特征对图像进行判定,得到螺母是否脱落的判定结果,当同时满足以下条件时,判定检测框中的螺母脱落,(1)检测框的宽度大于高度;(2)检测框的左右在一定位置范围内无其它检测框;(3)检测框的上下在一定位置范围内无其它检测框;
所述判定模块中的条件还包括(4)检测框的总数大于4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510643925.2A CN105354827B (zh) | 2015-10-08 | 2015-10-08 | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510643925.2A CN105354827B (zh) | 2015-10-08 | 2015-10-08 | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105354827A CN105354827A (zh) | 2016-02-24 |
CN105354827B true CN105354827B (zh) | 2017-11-21 |
Family
ID=55330794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510643925.2A Active CN105354827B (zh) | 2015-10-08 | 2015-10-08 | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105354827B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106558048B (zh) * | 2016-11-28 | 2019-05-24 | 湖南挚新科技发展有限公司 | 螺钉阵列异位故障检测方法与系统 |
CN108154506B (zh) * | 2017-12-27 | 2020-07-03 | 合肥市雅视智能科技有限公司 | 一种六角螺母自动检测方法 |
CN109389566B (zh) * | 2018-10-19 | 2022-01-11 | 辽宁奇辉电子系统工程有限公司 | 基于边界特征的地铁高度调节阀紧固螺母不良状态检测方法 |
CN109631779A (zh) * | 2018-11-09 | 2019-04-16 | 四川国软科技发展有限责任公司 | 一种基于3d图像处理的部件松动脱落的检测方法和系统 |
CN111080600A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车弹簧托板上开口销的故障识别方法 |
CN112365481B (zh) * | 2020-11-13 | 2021-06-18 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的横跨梁组装螺栓丢失检测方法 |
CN114781222A (zh) * | 2022-04-29 | 2022-07-22 | 中铁第一勘察设计院集团有限公司 | 接触网线夹脱落故障的仿真方法及系统 |
CN115995062B (zh) * | 2023-03-22 | 2023-08-04 | 西南交通大学 | 一种接触网电联接线线夹螺母异常识别方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794720A (zh) * | 2015-05-04 | 2015-07-22 | 成都唐源电气有限责任公司 | 一种在接触网图像中定位出定位线夹的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6074272B2 (ja) * | 2013-01-17 | 2017-02-01 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
-
2015
- 2015-10-08 CN CN201510643925.2A patent/CN105354827B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794720A (zh) * | 2015-05-04 | 2015-07-22 | 成都唐源电气有限责任公司 | 一种在接触网图像中定位出定位线夹的方法及系统 |
Non-Patent Citations (2)
Title |
---|
便携式接触网安全巡检系统;赵光 等;《工业控制计算机》;20141231;第27卷(第4期);第64-65页 * |
关于高铁接触网定位线夹脱落问题的分析及建议;杨留有等;《铁道机车车辆》;20140630;第34卷(第3期);第141-144页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105354827A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105354827B (zh) | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 | |
CN104794720B (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
Karakose et al. | A new computer vision based method for rail track detection and fault diagnosis in railways | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN106919978B (zh) | 一种高铁接触网支撑装置零部件识别检测方法 | |
Santur et al. | Random forest based diagnosis approach for rail fault inspection in railways | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN105719305B (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN111402214A (zh) | 基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法 | |
CN102221553B (zh) | 基于结构光的铁路扣件高速识别方法 | |
CN106372667B (zh) | 一种高铁接触网斜撑套筒部件螺钉不良状态检测方法 | |
CN102980896B (zh) | 高铁接触网悬挂装置耳片断裂检测方法 | |
CN106778833A (zh) | 一种复杂背景下小目标丢失故障的自动识别方法 | |
CN107764839A (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
CN106290393B (zh) | 一种高铁接触网斜腕臂管帽丢失检测方法 | |
Karakose et al. | A new approach for condition monitoring and detection of rail components and rail track in railway | |
CN105654461A (zh) | 一种多分裂导线间隔棒断裂的机器视觉检测方法 | |
CN109271872A (zh) | 一种高压隔离开关分合状态判断与故障诊断装置及方法 | |
KR20140031541A (ko) | 전차선로 결함 검사시스템 | |
CN106097380A (zh) | 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法 | |
CN107169951A (zh) | 一种基于图像的斜腕臂末端管帽的缺失检测方法及系统 | |
Yilmazer et al. | Mask R-CNN architecture based railway fastener fault detection approach | |
CN106446934A (zh) | 基于hog特征的高铁接触网承力索座支撑底座检测方法 | |
CN111497689B (zh) | 车载接触网分段分相绝缘器自动巡检装置 | |
CN108195843A (zh) | 一种锚段吊弦状态检测装置及方法 |
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: 610045, Chengdu, Sichuan, Wuhou District Province, five Xing Road, No. 55 West Chi Valley A1-1-9 Applicant after: Chengdu Tang source electrical Limited by Share Ltd Address before: 610045 Wuhou District, Sichuan Province, Wu Xing Road, No. 28, West Chi Valley A1-1-9 Applicant before: Chengdu Tangyuan Electric Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |