CN105760869B - 一种基于图像灰度识别及处理的阅卷方法 - Google Patents
一种基于图像灰度识别及处理的阅卷方法 Download PDFInfo
- Publication number
- CN105760869B CN105760869B CN201610113241.6A CN201610113241A CN105760869B CN 105760869 B CN105760869 B CN 105760869B CN 201610113241 A CN201610113241 A CN 201610113241A CN 105760869 B CN105760869 B CN 105760869B
- Authority
- CN
- China
- Prior art keywords
- filling
- test paper
- points
- black
- processing
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明涉及一种基于图像灰度识别及处理的阅卷方法,包括如下步骤:对试卷进行影像扫描,获取试卷影像图片,其中,所述试卷影像图片中包含有多个填涂黑点;对所述试卷影像图片中的所述填涂黑点进行灰度识别处理,找出正常填涂黑点;根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。本发明的一种基于图像灰度识别及处理的阅卷方法,能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于图像灰度识别及处理的阅卷方法。
背景技术
随着教育的发展,电脑阅卷越来越普及。由于电脑阅卷效率比较高,可以替代大量的人工劳动,因此受到全面的推广。但是,由于图片传输、压缩、处理效率、可视等多重原因,常见的供阅卷图片为黑白图片,现有的网阅产品都只支持黑白扫描,这种方式扫描出来的图片格式为TI F格式,只有黑色和白色,一个像素只需要一个二进制位就能表示出来,即0表示黑,1表示白。它的处理速度最快,图像格式(存储大小)是最小的,因为将各种干扰色彩都进行了黑白处理,在处理过程中,很有可能出错,导致阅卷的结果不能完全反应考试的正常水平,有失公平。为此,需要开一种更加智能的阅卷方法,在保证阅卷准确率的情况下,同时提高阅卷效率。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种基于图像灰度识别及处理的阅卷方法。
本发明解决上述技术问题的技术方案如下:一种基于图像灰度识别及处理的阅卷方法,包括如下步骤:
步骤1:对试卷进行影像扫描,获取试卷影像图片,其中,所述试卷影像图片中包含有多个填涂黑点;
步骤2:对所述试卷影像图片中的所述填涂黑点进行灰度识别处理,找出正常填涂黑点;
步骤3:根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
本发明的有益效果是:本发明的一种基于图像灰度识别及处理的阅卷方法,能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步:所述步骤1中获取所述试卷影像图片后,还对所述试卷影像图片进行纠偏和等比例还原处理。
进一步:对所述试卷影像图片进行纠偏和等比例还原的具体实现为:识别所述试卷影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;其中,多个所述特征点为在印制试卷时,在所述试卷的卷面内印制。
上述进一步方案的有益效果是:通过对所述试卷影像图片进行纠偏和等比例还原处理,使得所述试卷影像图片尽可能与所述标准卷样的大小和角度保持一致,可以提高后续对所述试卷影像图片中填涂黑点的的识别效率和识别升功率,保证阅卷的准确性。
进一步:在对所述试卷影像图片进行纠偏和等比例还原处理处理后,还对所述试卷影像图片进行滤波处理。
上述进一步方案的有益效果是:通过对所述试卷影像图片进行滤波处理,可以去除扫描过程中产生由于干扰因素产生的图像杂质,提高所述试卷影像图片的真实度,使其更加容易被识别。
进一步:所述步骤2中灰度识别处理包括如下步骤:
步骤2.1:采用中间灰度值依次对所述试卷影像图片中所述填涂黑点进行黑点扫描,获取填涂区域内的填涂黑点数量;
步骤2.2:依次判断每个所述填涂黑点是否为可疑黑点,如果是,则进入步骤2.3;否则将所述填涂黑点标记为正常填涂黑点;
步骤2.3:采用高灰度值依次对每个所述可疑黑点进行黑点扫描,判断所述可疑黑点是否为异常填涂黑点,如果是,则进入步骤2.4,否则将所述可疑黑点标记为正常黑点;
步骤2.4:采用低灰度值依次对每个所述异常填涂黑点进行黑点扫描,判断所述异常填涂黑点是否为填涂在有效区域内,如果是,则将其标记为正常填涂黑点,否则标记为无效填涂黑点。
上述进一步方案的有益效果是:通过上述灰度处理方式可以对所述试卷影像图片中所述填涂黑点进行准确识别,对正常黑点和可疑黑点分别处理,与传统方式相比,大大提高了识别效率,也提高了识别的准确率。
进一步:低灰度值的取值范围为110-130,中间灰度值的取值范围为140-160,高灰度值的取值范围为170-190。
上述进一步方案的有益效果是:通过不同的灰度值配合识别所述试卷影像图片的不同参数,可以对所述试卷影像图片中的填涂黑点进行分层过滤识别,进一步提高识别效率。
进一步:所述步骤2.2中,判断所述填涂黑点中是否为可疑黑点的具体过程为:将每个所述填涂黑点与预设标准填涂黑点进行比对,识别所述填涂黑点的饱和度,并将其与预设饱满度阈值比较,如果所述可疑黑点的饱满度小于预设饱满度阈值,则所述填涂黑点为可疑黑点。
上述进一步方案的有益效果是:通过上述方式,可以根据所述填涂黑点的饱和度将正常填涂黑点和可疑黑点快速分开,方便后续对可疑黑点进行进一步识别,准确高效。
进一步:所述步骤2.3中,判断所述可疑黑点是否为异常填涂黑点的具体实现为:将每个所述可疑黑点与预设标准填涂黑点进行比对,识别每个所述可疑黑点的明度,并将其与预设明度阈值比较,如果所述可疑黑点的明度小于预设明度阈值,则所述可疑黑点为异常填涂黑点。
上述进一步方案的有益效果是:通过上述方式,可以根据所述可疑黑点的明度将正常填涂黑点和异常填涂黑点快速分开,方便后续对异常填涂黑点进行进一步识别,准确高效。
进一步:所述步骤2.4中,判断所述异常填涂黑点是否为填涂在有效区域内的具体实现为:识别所述异常填涂黑点的填涂边界,并将其与对应区域内四周相邻的填涂边界比对,如果所述异常填涂黑点的填涂边界没有越过四周相邻的任意一个填涂边界,则所述异常填涂黑点在有效区域内。
上述进一步方案的有益效果是:通过上述方式,可以根据所述异常填涂黑点的填涂边界将所述异常填涂黑点中的正常填涂黑点和无效填涂黑点进行快速分开,方便后续根据所述正常填涂黑点进行答案判别并计分。
进一步:所述步骤1中,获取所述试卷影像图片后,还对所述试卷影像图片进行图像压缩处理,以减小其占用的存储空间。
上述进一步方案的有益效果是:通过所述图像压缩处理,可以减小其占用的存储空间,方便进行传输和存储。
附图说明
图1为本发明的一种基于图像灰度识别及处理的阅卷方法流程示意图;
图2为本发明的一种基于图像灰度识别及处理的阅卷方法中步骤2的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种基于图像灰度识别及处理的阅卷方法流程示意图,包括如下步骤:
步骤1:对试卷进行影像扫描,获取试卷影像图片,其中,所述试卷影像图片中包含有多个填涂黑点;
步骤2:对所述试卷影像图片中的所述填涂黑点进行灰度识别处理,找出正常填涂黑点;
步骤3:根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
优选地,所述步骤1中获取所述试卷影像图片后,还对所述试卷影像图片进行纠偏和等比例还原处理。
具体地,所述对所述试卷影像图片进行纠偏和等比例还原的具体实现为:识别所述试卷影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;其中,多个所述特征点为在印制试卷时,在所述试卷的卷面内印制。通过对所述试卷影像图片进行纠偏和等比例还原处理,使得所述试卷影像图片尽可能与所述标准卷样的大小和角度保持一致,可以提高后续对所述试卷影像图片中填涂黑点的的识别效率和识别升功率,保证阅卷的准确性。
优选地,在对所述试卷影像图片进行纠偏和等比例还原处理处理后,还对所述试卷影像图片进行滤波处理。通过对所述试卷影像图片进行滤波处理,可以去除扫描过程中产生由于干扰因素产生的图像杂质,提高所述试卷影像图片的真实度,使其更加容易被识别。
如图2所示,本实施例中,所述步骤2中灰度识别处理包括如下步骤:
步骤2.1:采用中间灰度值依次对所述试卷影像图片中所述填涂黑点进行黑点扫描,获取填涂区域内的填涂黑点数量;
步骤2.2:依次判断每个所述填涂黑点是否为可疑黑点,如果是,则进入步骤2.3;否则将所述填涂黑点标记为正常填涂黑点;
步骤2.3:采用高灰度值依次对每个所述可疑黑点进行黑点扫描,判断所述可疑黑点是否为异常填涂黑点,如果是,则进入步骤2.4,否则将所述可疑黑点标记为正常黑点;
步骤2.4:采用低灰度值依次对每个所述异常填涂黑点进行黑点扫描,判断所述异常填涂黑点是否为填涂在有效区域内,如果是,则将其标记为正常填涂黑点,否则标记为无效填涂黑点。
通过上述灰度处理方式可以对所述试卷影像图片中所述填涂黑点进行准确识别,对正常黑点和可疑黑点分别处理,与传统方式相比,大大提高了识别效率,也提高了识别的准确率。
本实施例中,低灰度值的取值范围为110-130,中间灰度值的取值范围为140-160,高灰度值的取值范围为170-190。通过不同的灰度值配合识别所述试卷影像图片的不同参数,可以对所述试卷影像图片中的填涂黑点进行分层过滤识别,进一步提高识别效率。
本实施例中,所述步骤2.2中,判断所述填涂黑点中是否为可疑黑点的具体过程为:将每个所述填涂黑点与预设标准填涂黑点进行比对,识别所述填涂黑点的饱和度,并将其与预设饱满度阈值比较,如果所述可疑黑点的饱满度小于预设饱满度阈值,则所述填涂黑点为可疑黑点。通过上述方式,可以根据所述填涂黑点的饱和度将正常填涂黑点和可疑黑点快速分开,方便后续对可疑黑点进行进一步识别,准确高效。
需要指出的是,这里的饱和度为是指每个所述填涂黑点的面积占标准填涂面积的百分比,上限取1。
本实施例中,所述步骤2.3中,判断所述可疑黑点是否为异常填涂黑点的具体实现为:将每个所述可疑黑点与预设标准填涂黑点进行比对,识别每个所述可疑黑点的明度,并将其与预设明度阈值比较,如果所述可疑黑点的明度小于预设明度阈值,则所述可疑黑点为异常填涂黑点。通过上述方式,可以根据所述可疑黑点的明度将正常填涂黑点和异常填涂黑点快速分开,方便后续对异常填涂黑点进行进一步识别,准确高效。
需要指出的是,这里的明度是指每个所述填涂黑点的填涂色深与标准填涂黑色转化为二进制后的比值,上限取0.8。
本实施例中,所述步骤2.4中,判断所述异常填涂黑点是否为填涂在有效区域内的具体实现为:识别所述异常填涂黑点的填涂边界,并将其与对应区域内四周相邻的填涂边界比对,如果所述异常填涂黑点的填涂边界没有越过四周相邻的任意一个填涂边界,则所述异常填涂黑点在有效区域内。通过上述方式,可以根据所述异常填涂黑点的填涂边界将所述异常填涂黑点中的正常填涂黑点和无效填涂黑点进行快速分开,方便后续根据所述正常填涂黑点进行答案判别并计分。
优选地,所述步骤1中,获取所述试卷影像图片后,还对所述试卷影像图片进行图像压缩处理,以减小其占用的存储空间。通过所述图像压缩处理,可以减小其占用的存储空间,方便进行传输和存储。这里,对所述试卷影像图片进行图像压缩处理在对所述试卷影像图片进行滤波处理之后。
本发明的一种基于图像灰度识别及处理的阅卷方法,能够比较准确的识别考生的填涂黑点,能轻松的辨别异常填涂,在保证阅卷准确率的前提下同时也保证了阅卷效率,减少了大量人力和时间,同时尽可能减少了学生因为填涂不规范造成的意外丢分。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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 (9)
1.一种基于图像灰度识别及处理的阅卷方法,其特征在于,包括如下步骤:
步骤1:对试卷进行影像扫描,获取试卷影像图片,其中,所述试卷影像图片中包含有多个填涂黑点;
步骤2:对所述试卷影像图片中的所述填涂黑点进行灰度识别处理,找出正常填涂黑点;所述步骤2中灰度识别处理包括如下步骤:
步骤2.1:采用中间灰度值依次对所述试卷影像图片中所述填涂黑点进行黑点扫描,获取填涂区域内的填涂黑点数量;
步骤2.2:依次判断每个所述填涂黑点是否为可疑黑点,如果是,则进入步骤2.3;否则将所述填涂黑点标记为正常填涂黑点;
步骤2.3:采用高灰度值依次对每个所述可疑黑点进行黑点扫描,判断所述可疑黑点是否为异常填涂黑点,如果是,则进入步骤2.4,否则将所述可疑黑点标记为正常黑点;
步骤2.4:采用低灰度值依次对每个所述异常填涂黑点进行黑点扫描,判断所述异常填涂黑点是否为填涂在有效区域内,如果是,则将其标记为正常填涂黑点,否则标记为无效填涂黑点;
步骤3:根据所述正常填涂黑点判断与其对应答案是否正确,并根据预设积分规则计分,直至所有正常填涂黑点完成计分,结束处理流程。
2.根据权利要求1所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:所述步骤1中获取所述试卷影像图片后,还对所述试卷影像图片进行纠偏和等比例还原处理。
3.根据权利要求2所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:对所述试卷影像图片进行纠偏和等比例还原的具体实现为:识别所述试卷影像图片中的多个特征点,并将其与标准卷样比较,计算偏转角度和缩放比例,再按照对应的偏转角度进行纠偏处理,以及按照对应的缩放比例径向等比例还原处理;
其中,多个所述特征点为在印制试卷时,在所述试卷的卷面内印制。
4.根据权利要求2所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:在对所述试卷影像图片进行纠偏和等比例还原处理后,还对所述试卷影像图片进行滤波处理。
5.根据权利要求1所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:低灰度值的取值范围为110-130,中间灰度值的取值范围为140-160,高灰度值的取值范围为170-190。
6.根据权利要求1所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:所述步骤2.2中,判断所述填涂黑点中是否为可疑黑点的具体过程为:将每个所述填涂黑点与预设标准填涂黑点进行比对,识别所述填涂黑点的饱和度,并将其与预设饱满度阈值比较,如果所述可疑黑点的饱满度小于预设饱满度阈值,则所述填涂黑点为可疑黑点。
7.根据权利要求1所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:所述步骤2.3中,判断所述可疑黑点是否为异常填涂黑点的具体实现为:将每个所述可疑黑点与预设标准填涂黑点进行比对,识别每个所述可疑黑点的明度,并将其与预设明度阈值比较,如果所述可疑黑点的明度小于预设明度阈值,则所述可疑黑点为异常填涂黑点。
8.根据权利要求1所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:所述步骤2.4中,判断所述异常填涂黑点是否为填涂在有效区域内的具体实现为:识别所述异常填涂黑点的填涂边界,并将其与对应区域内四周相邻的填涂边界比对,如果所述异常填涂黑点的填涂边界没有越过四周相邻的任意一个填涂边界,则所述异常填涂黑点在有效区域内。
9.根据权利要求1至8任一项所述一种基于图像灰度识别及处理的阅卷方法,其特征在于:所述步骤1中,获取所述试卷影像图片后,还对所述试卷影像图片进行图像压缩处理,以减小其占用的存储空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610113241.6A CN105760869B (zh) | 2016-02-29 | 2016-02-29 | 一种基于图像灰度识别及处理的阅卷方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610113241.6A CN105760869B (zh) | 2016-02-29 | 2016-02-29 | 一种基于图像灰度识别及处理的阅卷方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105760869A CN105760869A (zh) | 2016-07-13 |
CN105760869B true CN105760869B (zh) | 2019-12-31 |
Family
ID=56330476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610113241.6A Active CN105760869B (zh) | 2016-02-29 | 2016-02-29 | 一种基于图像灰度识别及处理的阅卷方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105760869B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446865A (zh) * | 2016-10-12 | 2017-02-22 | 北京新晨阳光科技有限公司 | 答卷处理方法、装置 |
CN107679479A (zh) * | 2017-09-27 | 2018-02-09 | 武汉颂大教育科技股份有限公司 | 一种基于图像形态学处理的客观填涂识别方法 |
CN112528930B (zh) * | 2020-12-22 | 2022-10-14 | 山东山大鸥玛软件股份有限公司 | 一种光学标记异常填涂识别方法、系统、终端及存储介质 |
CN112686143B (zh) * | 2020-12-29 | 2023-12-01 | 科大讯飞股份有限公司 | 客观题填涂的识别方法、电子设备和存储介质 |
TWI799236B (zh) * | 2022-04-20 | 2023-04-11 | 圓展科技股份有限公司 | 自動閱卷方法及系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682307A (zh) * | 2012-05-03 | 2012-09-19 | 苏州多捷电子科技有限公司 | 基于图像处理的可编辑答题卡系统及其实现方法 |
CN104143082A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414356B (zh) * | 2007-10-17 | 2010-09-15 | 中国科学院自动化研究所 | 基于模板匹配的信息填涂卡识别方法 |
-
2016
- 2016-02-29 CN CN201610113241.6A patent/CN105760869B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682307A (zh) * | 2012-05-03 | 2012-09-19 | 苏州多捷电子科技有限公司 | 基于图像处理的可编辑答题卡系统及其实现方法 |
CN104143082A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105760869A (zh) | 2016-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105760869B (zh) | 一种基于图像灰度识别及处理的阅卷方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
CN114418899B (zh) | 一种自彩印的自适应修复方法、系统及可读存储介质 | |
CN110210316B (zh) | 基于灰度图像的交通信号灯数字识别方法 | |
CN107590495B (zh) | 答题卡图片纠偏方法、装置、可读存储介质以及电子设备 | |
CN104361335B (zh) | 一种基于扫描图像自动去除黑边的处理方法 | |
CN107679479A (zh) | 一种基于图像形态学处理的客观填涂识别方法 | |
CN111461100A (zh) | 一种票据识别方法、装置、电子设备和存储介质 | |
CN105447491A (zh) | 标识牌图像二值化方法及其装置 | |
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 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN110120073B (zh) | 一种基于灯标视觉信号引导无人艇回收的方法 | |
CN104778432B (zh) | 图像识别方法 | |
CN107609453A (zh) | 一种车牌图像校正、车牌字符分割方法及设备 | |
CN108256475B (zh) | 一种票据图像倒置检测方法 | |
CN107688812B (zh) | 一种基于机器视觉的食品生产日期喷墨字体修复方法 | |
CN113610940B (zh) | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 | |
CN111317426A (zh) | 一种内窥镜参数自适应调整方法和装置 | |
CN111833289B (zh) | 缺陷识别方法、装置和设备 | |
CN115222652A (zh) | 一种成捆钢筋端面的识别计数及中心定位方法与其存储器 | |
CN114267035A (zh) | 一种文档图像处理方法、系统、电子设备及可读介质 | |
CN116071754B (zh) | 一种带指数字符的散点图识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220519 Address after: 430223 room 106, building A-4, zone II (phase 6), National Geospatial Information Industry base, No. 3, wudayuan 4th Road, Wuhan East Lake New Technology Development Zone, Wuhan, Hubei Province Patentee after: Wuhan Songda Educational Technology Co.,Ltd. Address before: 430074 room 2088, 2nd floor, Chuangye building, Wuhan University Science Park, Donghu Development Zone, Wuhan, Hubei Patentee before: WUHAN SUNDATA EDUCATION TECHNOLOGY CO.,LTD. |