CN108346147B - 一种煤岩显微组分快速自动精确识别技术方法 - Google Patents
一种煤岩显微组分快速自动精确识别技术方法 Download PDFInfo
- Publication number
- CN108346147B CN108346147B CN201810130507.7A CN201810130507A CN108346147B CN 108346147 B CN108346147 B CN 108346147B CN 201810130507 A CN201810130507 A CN 201810130507A CN 108346147 B CN108346147 B CN 108346147B
- Authority
- CN
- China
- Prior art keywords
- average
- coal rock
- parameters
- coal
- functional relation
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种煤岩显微组分快速自动精确识别技术方法,涉及冶金炼焦技术领域。首先连续拍摄煤岩光片中均匀分布的各个位置的显微图片,针对高精度摄像机拍摄煤岩光片中单个显微图片中对应的各像素点进行转换,得到三个基础识别参数,将图像按像素分割为若干识别区域,并求取每一区域内各识别参数的平均值及标准偏差值,然后与真实煤岩显微组分类型进行对应,利用三种限制参数进行进一步取舍,进行汇总统计,计算出有效单元总数,重复步骤,依次计算煤岩光片上均匀分布的全部测区图片,最终进行汇总统计,计算出煤中活性物及惰性物含量。本发明的有益效果在于:本发明识别煤岩显微组分准确度高,速度快,可满足生产日常待检样多的情况。
Description
技术领域
本发明主要涉及冶金炼焦技术领域,具体是一种煤岩显微组分快速自动精确识别技术方法。
背景技术
目前地质、焦化、洗煤等行业采用的均是人工低效率方式的煤岩显微组分定量及煤中镜质体反射率检测方法,无法跟上生产来样速度,同时,测点少,准确度也受制于操作人员的经验,检测结果重现性较差,因此,相关行业急需一种准确、快速、可真正满足生产需要的煤岩检测技术及仪器设备。
发明内容
为解决现有技术的不足,本发明提供了一种煤岩显微组分快速自动精确识别技术方法,它识别煤岩显微组分准确度高,速度快,可满足生产日常待检样多的情况。
本发明为实现上述目的,通过以下技术方案实现:
一种煤岩显微组分快速自动精确识别技术方法,包括以下步骤:
1)、通过安装在显微镜上的高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片;
2)、针对高精度摄像机拍摄煤岩光片中单个显微图片中对应的各像素点R、G、B值进行转换,得到三个基础识别参数X1、X2、X3;
3)、将图像按像素分割为若干识别区域,并求取每一区域内各识别参数的平均值及标准偏差值,即X1平均值、X2平均值、X3平均值、S-X1标准偏差值、S-X2标准偏差值、S-X3标准偏差值;
4)、将上述步骤将得到的六个基础识别参数X1平均值、X2平均值、X3平均值、S-X1标准偏差值、S-X2标准偏差值、S-X3标准偏差值与真实煤岩显微组分类型进行对应。其中,真实煤岩显微组分类型分为镜质组、半镜质组、惰质组、壳质组、矿物、焦粉类及粘结物,分别编码为Y1、Y2、Y3、Y4、Y5、Y6、Y7;通过数据统计分析,分别建立每一种显微组分类型与前面六种自变量的对应函数关系式,具体对应关系如下:
Y1~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式1
Y2~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式2
Y3~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式3
Y4~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式4
Y5~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式5
Y6~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式6
Y7~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式7
其中,~与函数关系式相对应,指的是对应关系。
5)、利用上述函数关系式去识别步骤2中高精度摄像机拍摄煤岩光片的显微图片位置处的所有未知煤显微图片,得到初步结果后,利用三种限制参数进行进一步取舍,限制参数分别是大小、色度、灰度,符合限制参数界限值的视为有效结果,否则视为无效,舍弃;
6)、将步骤5中每一张图片的所有检测单元判定最终结果进行汇总统计,得到每一张图片上各种煤岩显微组分类型的单元总个数,同时计算出有效单元总数,即不包含粘结物及第5步中舍弃的结果,则:上述某种煤岩显微组分含量=此类型单元总个数/有效单元总数×100%,从而得出当前区域各种煤岩显微组分的百分比含量;
7)、重复前面2—6步,依次计算煤岩光片上均匀分布的全部测区图片,最终进行汇总统计,并计算出煤中活性物及惰性物含量;公式如下:
活性物=镜质组+1/3半镜质组+壳质组;
惰性物=惰质组+2/3半镜质组+矿物+焦粉类。
所述像素点R、G、B值与基础识别参数X1、X2、X3的转换公式为:
X1=0.299R+0.587G+0.114B;
X2=-0.147R-0.289G+0.436B;
X3=0.615R-0.515G-0.100B。
所述镜质组的限制参数为大小20-1100,色度偏灰,灰度50-130;所述半镜质组的限制参数为大小2-500,色度灰白,灰度60-170;所述壳质组的限制参数为大小1-30,色度黑及棕褐,灰度10-40;所述惰质组的限制参数为大小50-1100,色度黄白,灰度130-255;所述矿物的限制参数为大小10-800,色度黑或黄,灰度10-50或200以上;所述焦粉类的限制参数为大小100-1000,色度亮白黄,灰度大于160;所述粘结物的限制参数为大小200以上,色度黑,灰度0-30。
所述图像按20×20或40×40像素分割为若干识别区域。
所述高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片为900-2000张。
对比现有技术,本发明的有益效果是:
本技术方法识别煤岩显微组分准确度高,配套自动化扫描装置后可实现快速全自动检测,可解决人工检测速度慢、用眼强度大,经验要求高,满足不了煤炭生产日常待检样多的问题,再需要人工辅助判定,速度快,可满足生产日常待检样多的情况。
具体实施方式
下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所限定的范围。
一种煤岩显微组分快速自动精确识别技术方法,包括以下步骤:
1)、通过安装在显微镜上的高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片;图片数量视煤质混杂程度而定,拍摄前应先校正好摄像机状态。
2)、针对高精度摄像机拍摄煤岩光片中单个显微图片中对应的各像素点R、G、B值进行转换,得到三个基础识别参数X1、X2、X3;
3)、将图像按像素分割为若干识别区域,并求取每一区域内各识别参数的平均值及标准偏差值,即X1平均值、X2平均值、X3平均值、S-X1标准偏差值、S-X2标准偏差值、S-X3标准偏差值;
4)、将上述步骤将得到的六个基础识别参数X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3与真实煤岩显微组分类型进行对应。其中,真实煤岩显微组分类型分为镜质组、半镜质组、惰质组、壳质组、矿物、焦粉类及粘结物,分别编码为Y1、Y2、Y3、Y4、Y5、Y6、Y7;通过数据统计分析,分别建立每一种显微组分类型与前面六种自变量的对应函数关系式,具体对应关系如下:
Y1~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式1
Y2~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式2
Y3~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式3
Y4~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式4
Y5~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式5
Y6~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式6
Y7~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式7
其中,~与函数关系式相对应,指的是对应关系。
5)、利用上述函数关系式去识别步骤2中高精度摄像机拍摄煤岩光片的显微图片位置处的所有未知煤显微图片,得到初步结果后,利用三种限制参数进行进一步取舍,限制参数分别是大小、色度、灰度,符合限制参数界限值的视为有效结果,否则视为无效,舍弃;
6)、将步骤5中每一张图片的所有检测单元判定最终结果进行汇总统计,得到每一张图片上各种煤岩显微组分类型的单元总个数,同时计算出有效单元总数,即不包含粘结物及第5步中舍弃的结果,则:上述某种煤岩显微组分含量=此类型单元总个数/有效单元总数×100%,从而得出当前区域各种煤岩显微组分的百分比含量;
7)、重复前面2—6步,依次计算煤岩光片上均匀分布的全部测区图片,最终进行汇总统计,并计算出煤中活性物及惰性物含量;公式如下:
活性物=镜质组+1/3半镜质组+壳质组;
惰性物=惰质组+2/3半镜质组+矿物+焦粉类。本技术方法识别煤岩显微组分准确度高,配套自动化扫描装置后可实现快速全自动检测,可解决人工检测速度慢、用眼强度大,经验要求高,满足不了煤炭生产日常待检样多的问题,再需要人工辅助判定,速度快,可满足生产日常待检样多的情况。
作为优化,所述像素点R、G、B值与基础识别参数X1、X2、X3的转换公式为:
X1=0.299R+0.587G+0.114B;
X2=-0.147R-0.289G+0.436B;
X3=0.615R-0.515G-0.100B。
作为优化,通过大量实验统计出来的限制参数值如下:所述镜质组的限制参数为大小20-1100,色度偏灰,灰度50-130;所述半镜质组的限制参数为大小2-500,色度灰白,灰度60-170;所述壳质组的限制参数为大小1-30,色度黑及棕褐,灰度10-40;所述惰质组的限制参数为大小50-1100,色度黄白,灰度130-255;所述矿物的限制参数为大小10-800,色度黑或黄,灰度10-50或200以上;所述焦粉类的限制参数为大小100-1000,色度亮白黄,灰度大于160;所述粘结物的限制参数为大小200以上,色度黑,灰度0-30。
作为优化,所述图像按20×20或40×40像素分割为若干识别区域。
作为优化,所述高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片为900-2000张。
Claims (5)
1.一种煤岩显微组分快速自动精确识别技术方法,其特征在于,包括以下步骤:
1)、通过安装在显微镜上的高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片;
2)、针对高精度摄像机拍摄煤岩光片中单个显微图片中对应的各像素点R、G、B值进行转换,得到三个基础识别参数X1、X2、X3;
3)、将上述步骤中的图像按像素分割为若干识别区域,并求取每一区域内各识别参数的平均值及标准偏差值,即X1平均值、X2平均值、X3平均值、S-X1标准偏差值、S-X2标准偏差值、S-X3标准偏差值;
4)、将上述步骤将得到的六个基础识别参数X1平均值、X2平均值、X3平均值、S-X1标准偏差值、S-X2标准偏差值、S-X3标准偏差值与真实煤岩显微组分类型进行对应,其中,真实煤岩显微组分类型分为镜质组、半镜质组、惰质组、壳质组、矿物、焦粉类及粘结物,分别编码为Y1、Y2、Y3、Y4、Y5、Y6、Y7;通过数据统计分析,分别建立每一种显微组分类型与前面六种自变量的对应函数关系式,具体对应关系如下:
Y1~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式1
Y2~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式2
Y3~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式3
Y4~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式4
Y5~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式5
Y6~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式6
Y7~f(X1平均值、X2平均值、X3平均值、S-X1、S-X2、S-X3);函数关系式7
其中,~与函数关系式相对应,指的是对应关系;
5)、利用上述函数关系式去识别步骤2中高精度摄像机拍摄煤岩光片的显微图片位置处的所有未知煤显微图片,得到初步结果后,利用三种限制参数进行进一步取舍,限制参数分别是大小、色度、灰度,符合限制参数界限值的视为有效结果,否则视为无效,舍弃;
6)、将步骤5中每一张图片的所有检测单元判定最终结果进行汇总统计,得到每一张图片上各种煤岩显微组分类型的单元总个数,同时计算出有效单元总数,即不包含粘结物及第5步中舍弃的结果,则:某种煤岩显微组分含量=此类型单元总个数/有效单元总数×100%,从而得出当前区域各种煤岩显微组分的百分比含量;
7)、重复前面2—6步,依次计算煤岩光片上均匀分布的全部测区图片,最终进行汇总统计,并计算出煤中活性物及惰性物含量;公式如下:
活性物=镜质组+1/3半镜质组+壳质组;
惰性物=惰质组+2/3半镜质组+矿物+焦粉类。
2.根据权利要求1所述的一种煤岩显微组分快速自动精确识别技术方法,其特征在于,所述像素点R、G、B值与基础识别参数X1、X2、X3的转换公式为:
X1=0.299R+0.587G+0.114B;
X2=-0.147R-0.289G+0.436B;
X3=0.615R-0.515G-0.100B。
3.根据权利要求1所述的一种煤岩显微组分快速自动精确识别技术方法,其特征在于,所述镜质组的限制参数为大小20-1100,色度偏灰,灰度50-130;所述半镜质组的限制参数为大小2-500,色度灰白,灰度60-170;所述壳质组的限制参数为大小1-30,色度黑及棕褐,灰度10-40;所述惰质组的限制参数为大小50-1100,色度黄白,灰度130-255;所述矿物的限制参数为大小10-800,色度黑或黄,灰度10-50或200以上;所述焦粉类的限制参数为大小100-1000,色度亮白黄,灰度大于160;所述粘结物的限制参数为大小200以上,色度黑,灰度0-30。
4.根据权利要求1所述的一种煤岩显微组分快速自动精确识别技术方法,其特征在于,所述图像按20×20或40×40像素分割为若干识别区域。
5.根据权利要求1所述的一种煤岩显微组分快速自动精确识别技术方法,其特征在于,所述高精度摄像机连续拍摄煤岩光片中均匀分布的各个位置的显微图片为900-2000张。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810130507.7A CN108346147B (zh) | 2018-02-08 | 2018-02-08 | 一种煤岩显微组分快速自动精确识别技术方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810130507.7A CN108346147B (zh) | 2018-02-08 | 2018-02-08 | 一种煤岩显微组分快速自动精确识别技术方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108346147A CN108346147A (zh) | 2018-07-31 |
CN108346147B true CN108346147B (zh) | 2021-09-28 |
Family
ID=62960063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810130507.7A Active CN108346147B (zh) | 2018-02-08 | 2018-02-08 | 一种煤岩显微组分快速自动精确识别技术方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108346147B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144186B (zh) * | 2018-11-06 | 2023-05-05 | 煤炭科学技术研究院有限公司 | 一种用于对显微组分进行自动识别的方法及系统 |
CN110426350A (zh) * | 2019-05-15 | 2019-11-08 | 中国石油大学(北京) | 一种岩石中显微组分组成的定量方法以及系统 |
CN110443303B (zh) * | 2019-08-04 | 2023-07-11 | 中国矿业大学 | 基于图像分割和分类的煤岩显微组分智能识别方法 |
CN112284871B (zh) * | 2020-09-27 | 2023-05-26 | 中钢集团鞍山热能研究院有限公司 | 一种煤的半镜质组分富集方法 |
CN112288671A (zh) * | 2020-11-19 | 2021-01-29 | 长江大学 | 基于maps扫描技术的有机质类型判别方法、系统及装置 |
CN113642437B (zh) * | 2021-08-03 | 2022-05-31 | 中国地质大学(北京) | 一种对煤中不同组分含量及半径的定量计算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034059A (zh) * | 2006-12-26 | 2007-09-12 | 重庆大学 | 一种测量矿物反射率及矿相组成的方法 |
CN102297850A (zh) * | 2010-06-22 | 2011-12-28 | 宝山钢铁股份有限公司 | 数字化煤岩组分自动测定方法 |
-
2018
- 2018-02-08 CN CN201810130507.7A patent/CN108346147B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034059A (zh) * | 2006-12-26 | 2007-09-12 | 重庆大学 | 一种测量矿物反射率及矿相组成的方法 |
CN102297850A (zh) * | 2010-06-22 | 2011-12-28 | 宝山钢铁股份有限公司 | 数字化煤岩组分自动测定方法 |
Non-Patent Citations (2)
Title |
---|
不同变质程度煤中活性物黏结能力的表征指标及效果验证;赵俊国等;《煤质技术》;20110930(第05期);全文 * |
煤岩显微组分的性质研究进展;李国玲等;《辽宁大学学报》;20131231;第40卷(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108346147A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108346147B (zh) | 一种煤岩显微组分快速自动精确识别技术方法 | |
CN103858001B (zh) | 用于检查平板的方法 | |
CN102158727B (zh) | 手机摄像头色彩还原性的检测方法和系统 | |
CN110675373A (zh) | 一种组件安装检测方法、装置和系统 | |
CN109858551A (zh) | 基于图像识别检测结构应力的方法、装置、设备及介质 | |
CN104834939A (zh) | 一种在线自动检测多孔金属材料空洞缺陷的方法 | |
CN112070711A (zh) | 一种微液滴图像检测法中微液滴的分析方法 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN110837860A (zh) | 基于深度学习的贴片检测方法及相关系统 | |
CN112381751A (zh) | 一种基于图像处理算法的在线智能检测系统及方法 | |
CN107633508A (zh) | 一种计量产品印刷线路板外观验证方法及系统 | |
CN110400320B (zh) | 一种电润湿缺陷像素的分割方法 | |
CN109073503B (zh) | 不均匀性评价方法和不均匀性评价装置 | |
CN116721039A (zh) | 一种应用于自动化光学缺陷检测中的图像预处理方法 | |
WO2021017979A1 (zh) | 一种灰阶强度数据的处理方法、存储介质及终端设备 | |
WO2021014682A1 (ja) | 粒子定量装置 | |
CN106447655A (zh) | 一种光滑物件表面异色及轻微凹陷的检测方法 | |
CN105699385B (zh) | 空间光调制器的缺陷层别检测系统及检测方法 | |
CN110688999B (zh) | 马赫带效应模拟的点光源金属钢印文字检测方法 | |
CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
CN104463180B (zh) | 识别导电粒子压痕的方法 | |
CN110059648B (zh) | 一种基于增补分割的复杂组成烧结矿的非结构信息库的建立方法 | |
CN105427335A (zh) | 一种连续带状多孔金属材料漏镀缺陷的检测并定位的方法 | |
Shen et al. | Design and implementation of PCB detection and classification system based on machine vision | |
Lingyu et al. | Defect detection method of LCD Complex display screen combining feature matching and color correction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230117 Address after: No. 261, Yueling Road, Lishan District, Anshan City, Liaoning Province, 114000 Patentee after: Liaoning Tuotai Intelligent Technology Co.,Ltd. Address before: 114051 no.1-271 Lincheng street, high tech Zone, Anshan City, Liaoning Province Patentee before: LIAONING XIANGSHUN TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |