CN109410911A - 基于语音识别的人工智能学习方法 - Google Patents

基于语音识别的人工智能学习方法 Download PDF

Info

Publication number
CN109410911A
CN109410911A CN201811068780.8A CN201811068780A CN109410911A CN 109410911 A CN109410911 A CN 109410911A CN 201811068780 A CN201811068780 A CN 201811068780A CN 109410911 A CN109410911 A CN 109410911A
Authority
CN
China
Prior art keywords
speech recognition
answer
module
signal
speech
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.)
Pending
Application number
CN201811068780.8A
Other languages
English (en)
Inventor
何艳玲
王旭
骞保民
周驭让
宋日辉
陈丹丹
赵惠
林镇坤
唐芮
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.)
Red Ship Technology Guangzhou Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201811068780.8A priority Critical patent/CN109410911A/zh
Publication of CN109410911A publication Critical patent/CN109410911A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及语音识别技术及文本分析与匹配的技术领域，更具体地，涉及基于语音识别的人工智能学习方法。基于语音识别的人工智能学习方法，其中，包括语音输入模块，语音识别模块，智能问答模块和学习系统输出模块；包括以下步骤：S1.用户面对学习终端以语音的形式输入问题，终端的收音设备得到实时音频数据；S2.通过音频特征提取器，对原始语音进行预处理，特征提取等操作；S3.利用语音识别技术将音频转化为文本；S4.对文本进行语义分析并将其发送至智能学习知识库模块进行答案匹配，同时记录学员的提出的问题；S5.通过上一步骤得到答案，对答案进行语音合成，并将音频、文本形式的答案发送至学习交互模块向学习者。

Description

基于语音识别的人工智能学习方法
技术领域
本发明涉及语音识别技术及文本分析与匹配的技术领域，更具体地，涉及基于语音识别的人工智能学习方法。
背景技术
如何通过多媒体技术和人工智能技术丰富学习学习交互模式并提高学员学习的效率和积极性，是目前学习工作的一项重要任务。
面对丰富而又深邃的学习知识，仅仅通过“眼”和“手”进行学习，很难深刻记忆并理解知识内涵和文化精神。自然语言处理技术是一种通过机器学习算法将自然语言转变为机器能够理解的知识形态，也是人机语音交互的核心技术。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供基于语音识别的人工智能学习方法，本发明通过终端的收音设备、语音识别技术、文本分析以及后台知识库的匹配技术，实现学习者能与终端进行友好的、有效的互动，提升学习的趣味性、有效性和能动性。本发明在学习领域，实现了学员与学习系统双向互动，解决传统学习工作中学习效率低下、学习过程没有反馈问题，从本质上提高学员自主学习的积极性；语音交互降低了用户的使用门槛，亦可提升用户个人的使用效率。
本发明的技术方案是：基于语音识别的人工智能学习方法，其中，包括语音输入模块，语音识别模块，智能问答模块和学习系统输出模块；包括以下步骤：
S1.用户面对学习终端以语音的形式输入问题，终端的收音设备得到实时音频数据；
S2.通过音频特征提取器，对原始语音进行预处理，特征提取等操作；
S3.利用语音识别技术将音频转化为文本；
S4.对文本进行语义分析并将其发送至智能学习知识库模块进行答案匹配，同时记录学员的提出的问题；
S5.通过上一步骤得到答案，对答案进行语音合成，并将音频、文本形式的答案发送至学习交互模块向学习者。
本发明主要解决的技术问题是：针对学习工作中，学习者通过机器终端学习时，缺少交互手段的问题，提出一种基于终端机器上的收音设备，利用语音识别技术、文本匹配等技术，实现学习者能与终端进行友好的、有效的互动，提升学习的趣味性、有效性和能动性。
与现有技术相比，有益效果是：本发明致力于通过语音识别技术、自然语言处理技术以及其他机器学习算法打造一款新型的学习学习系统。新型学习系统将支持学员对学习学习终端进行语音提问和交流。
丰富学员在学习系统学习交互的手段，使得学习知识的学习方式多维化，自然化；
对比其他学习学习系统的交互模块，本发明让学员的“口”和“耳”也参与学习学习和政治思想提升，提高学员学习的效率和积极性，也实现了学员与学习系统双向互动。
基于语音识别的学习学习系统可自主的或交互的进行一系列拟人化服务，应对更多鼠标交互或者触控屏交互不能响应的场景。将学习设备更加智能化。
附图说明
图1是本发明整体模块示意图。
图2是本发明整体流程示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
基于语音识别的人工智能学习方法，其中，包括语音输入模块，语音识别模块，智能问答模块和学习系统输出模块；包括以下步骤：
S1.用户面对学习终端以语音的形式输入问题，终端的收音设备得到实时音频数据；
S2.通过音频特征提取器，对原始语音进行预处理，特征提取等操作；
S3.利用语音识别技术将音频转化为文本；
S4.对文本进行语义分析并将其发送至智能学习知识库模块进行答案匹配，同时记录学员的提出的问题；
S5.通过上一步骤得到答案，对答案进行语音合成，并将音频、文本形式的答案发送至学习交互模块向学习者。
所述的步骤S2中，其语音数据预处理和特征提取的具体步骤如下：
S21.预加重：
为更好消除"唇齿效应"以识别语音，只保留一定频率范围的信号，步骤如下：
s′n＝sn-k*sn-1
其中，s′n为处理后的信号，sn为原始信号，本发明的k参数取0.9；
S22.分帧：
对原始语音信号采取分帧操作，使得每一帧都可以认为是一段平稳随机过程；为了保证语音信号的连续性，每一帧之间有重叠部分，占帧长的1/2；采用汉明窗进行处理：
S23.提取MFCC特征：
首先对信号进行快速傅里叶变换，使得时域信号转为频域信号；其公式如下：
其中，N为采样点数量，S是计算出来的信号s的连续频谱；接着，对幅度谱加Mel滤波器组，对所有的滤波器输出做对数运算，再进一步做离散余弦变换后均值方差归一化可得MFCC特征。
所述的步骤S3中，分别由声学模型建模，语言模型建模，和解码三部分构成；其中声学模型用来模拟发音的概率分布，语言模型用来模拟词语之间的关联关系。
其中本发明的声学模型采用隐马尔科夫模型+深度神经网络模型，得到与有关学习问题匹配的答案，并将结果输出至语音合成器生成音频，最终发送至学习系统的终端交互板块。终端交互板块将以音频，视频，文本等形式向学员展示有关问题的答案，完成语音交互的过程。
图1是本发明的系统示意图，图2是用户使用的流程图。其中，学习系统的模块被分为终端交互模块、语音识别模块、智能问答模块，以及语音合成模块。终端交互模块负责与用户的语音输入信息读取以及基于屏幕、播放器等交互设备的信息输出。语音识别模块可细分为音频特征提取模块和识别分类器模块，前者负责将学员的音频转换为机器可识别的信号特征，后者利用经过大量训练数据训练的隐马尔科夫模型和卷积神经网络模型进行语音识别，生成文本序列。智能问答模块负责在预先存好的知识库中搜索与用户输入问题相对应的答案文本，并将文本数据发送至语音合成模块，同时将学员输入的语音保存至学习数据分析中心，以记录其学习成果。语音合成模块负责将答案数据从文本转换为音频，终端交互模块最终以文本、视频、音频等形式将答案输出至学员。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.基于语音识别的人工智能学习方法，其特征在于，包括语音输入模块，语音识别模块，智能问答模块和学习系统输出模块；包括以下步骤：
S1.用户面对学习终端以语音的形式输入问题，终端的收音设备得到实时音频数据；
S2.通过音频特征提取器，对原始语音进行预处理，特征提取等操作；
S3.利用语音识别技术将音频转化为文本；
S4.对文本进行语义分析并将其发送至智能学习知识库模块进行答案匹配，同时记录学员的提出的问题；
S5.通过上一步骤得到答案，对答案进行语音合成，并将音频、文本形式的答案发送至学习交互模块向学习者。
2.根据权利要求1所述的基于语音识别的人工智能学习方法，其特征在于：所述的步骤S2中，具体步骤如下：
S21.预加重：
为更好消除"唇齿效应"以识别语音，只保留一定频率范围的信号，步骤如下：
s′n＝sn-k*sn-1
其中，s′n为处理后的信号，sn为原始信号，本发明的k参数取0.9；
S22.分帧：
对原始语音信号采取分帧操作，使得每一帧都可以认为是一段平稳随机过程；为了保证语音信号的连续性，每一帧之间有重叠部分，占帧长的1/2；采用汉明窗进行处理：
S23.提取MFCC特征：
首先对信号进行快速傅里叶变换，使得时域信号转为频域信号；其公式如下：
其中，N为采样点数量，S是计算出来的信号s的连续频谱；接着，对幅度谱加Mel滤波器组，对所有的滤波器输出做对数运算，再进一步做离散余弦变换后均值方差归一化可得MFCC特征。
3.根据权利要求1所述的基于语音识别的人工智能学习方法，其特征在于：所述的步骤S3中，分别由声学模型建模，语言模型建模，和解码三部分构成；其中声学模型用来模拟发音的概率分布，语言模型用来模拟词语之间的关联关系。
CN201811068780.8A 2018-09-13 2018-09-13 基于语音识别的人工智能学习方法 Pending CN109410911A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811068780.8A CN109410911A (zh) 2018-09-13 2018-09-13 基于语音识别的人工智能学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811068780.8A CN109410911A (zh) 2018-09-13 2018-09-13 基于语音识别的人工智能学习方法

Publications (1)

Publication Number Publication Date
CN109410911A true CN109410911A (zh) 2019-03-01

Family

ID=65464198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811068780.8A Pending CN109410911A (zh) 2018-09-13 2018-09-13 基于语音识别的人工智能学习方法

Country Status (1)

Country Link
CN (1) CN109410911A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415684A (zh) * 2019-08-05 2019-11-05 安徽赛福贝特信息技术有限公司 一种人工智能语音识别系统
CN110556028A (zh) * 2019-08-23 2019-12-10 王英伟 基于人机交互的麻醉医师培训方法、设备及存储介质
CN110993124A (zh) * 2019-12-09 2020-04-10 上海光电医用电子仪器有限公司 一种具有语音应答的监护系统和方法
CN111210816A (zh) * 2019-12-16 2020-05-29 北京淇瑀信息科技有限公司 一种智能语音配置管理方法、装置及电子设备
CN111312220A (zh) * 2019-12-02 2020-06-19 西安冉科信息技术有限公司 一种基于学习机对话交流的学习方法
CN111460094A (zh) * 2020-03-17 2020-07-28 云知声智能科技股份有限公司 一种基于tts的音频拼接优化的方法及其装置
CN111666380A (zh) * 2020-06-12 2020-09-15 北京百度网讯科技有限公司 一种智能呼叫方法、装置、设备和介质
CN114138160A (zh) * 2021-08-27 2022-03-04 苏州探寻文化科技有限公司 基于多模块与用户进行交互的学习设备
CN114360517A (zh) * 2021-12-17 2022-04-15 天翼爱音乐文化科技有限公司 一种复杂环境下的音频处理方法、装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739870A (zh) * 2009-12-03 2010-06-16 深圳先进技术研究院 交互式语言学习系统及交互式语言学习方法
CN105513591A (zh) * 2015-12-21 2016-04-20 百度在线网络技术（北京）有限公司 用lstm循环神经网络模型进行语音识别的方法和装置
CN105551483A (zh) * 2015-12-11 2016-05-04 百度在线网络技术（北京）有限公司 语音识别的建模方法和装置
KR20170014812A (ko) * 2015-07-31 2017-02-08 주식회사 이톡 음성 인식을 이용한 대화형 학습 방법
CN106409290A (zh) * 2016-09-29 2017-02-15 深圳市唯特视科技有限公司 一种基于图像分析的幼儿智能语音教育的方法
CN106531157A (zh) * 2016-10-28 2017-03-22 中国科学院自动化研究所 语音识别中的正则化口音自适应方法
CN106649561A (zh) * 2016-11-10 2017-05-10 复旦大学 面向税务咨询业务的智能问答系统
CN107993660A (zh) * 2017-12-26 2018-05-04 江苏可美智能科技股份有限公司 用于物联网智能控制系统的语音控制系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739870A (zh) * 2009-12-03 2010-06-16 深圳先进技术研究院 交互式语言学习系统及交互式语言学习方法
KR20170014812A (ko) * 2015-07-31 2017-02-08 주식회사 이톡 음성 인식을 이용한 대화형 학습 방법
CN105551483A (zh) * 2015-12-11 2016-05-04 百度在线网络技术（北京）有限公司 语音识别的建模方法和装置
CN105513591A (zh) * 2015-12-21 2016-04-20 百度在线网络技术（北京）有限公司 用lstm循环神经网络模型进行语音识别的方法和装置
CN106409290A (zh) * 2016-09-29 2017-02-15 深圳市唯特视科技有限公司 一种基于图像分析的幼儿智能语音教育的方法
CN106531157A (zh) * 2016-10-28 2017-03-22 中国科学院自动化研究所 语音识别中的正则化口音自适应方法
CN106649561A (zh) * 2016-11-10 2017-05-10 复旦大学 面向税务咨询业务的智能问答系统
CN107993660A (zh) * 2017-12-26 2018-05-04 江苏可美智能科技股份有限公司 用于物联网智能控制系统的语音控制系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415684A (zh) * 2019-08-05 2019-11-05 安徽赛福贝特信息技术有限公司 一种人工智能语音识别系统
CN110556028A (zh) * 2019-08-23 2019-12-10 王英伟 基于人机交互的麻醉医师培训方法、设备及存储介质
CN111312220A (zh) * 2019-12-02 2020-06-19 西安冉科信息技术有限公司 一种基于学习机对话交流的学习方法
CN110993124A (zh) * 2019-12-09 2020-04-10 上海光电医用电子仪器有限公司 一种具有语音应答的监护系统和方法
CN111210816A (zh) * 2019-12-16 2020-05-29 北京淇瑀信息科技有限公司 一种智能语音配置管理方法、装置及电子设备
CN111210816B (zh) * 2019-12-16 2023-09-05 北京淇瑀信息科技有限公司 一种智能语音配置管理方法、装置及电子设备
CN111460094A (zh) * 2020-03-17 2020-07-28 云知声智能科技股份有限公司 一种基于tts的音频拼接优化的方法及其装置
CN111460094B (zh) * 2020-03-17 2023-05-05 云知声智能科技股份有限公司 一种基于tts的音频拼接优化的方法及其装置
CN111666380A (zh) * 2020-06-12 2020-09-15 北京百度网讯科技有限公司 一种智能呼叫方法、装置、设备和介质
CN114138160A (zh) * 2021-08-27 2022-03-04 苏州探寻文化科技有限公司 基于多模块与用户进行交互的学习设备
CN114360517A (zh) * 2021-12-17 2022-04-15 天翼爱音乐文化科技有限公司 一种复杂环境下的音频处理方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN109410911A (zh) 基于语音识别的人工智能学习方法
CN103700370B (zh) 一种广播电视语音识别系统方法及系统
CN110459240A (zh) 基于卷积神经网络和深度聚类的多说话人语音分离方法
CN108962229B (zh) 一种基于单通道、无监督式的目标说话人语音提取方法
CN107393554A (zh) 一种声场景分类中融合类间标准差的特征提取方法
WO2022178969A1 (zh) 语音对话数据处理方法、装置、计算机设备及存储介质
CN109256150A (zh) 基于机器学习的语音情感识别系统及方法
CN102568476B (zh) 基于自组织特征映射网络聚类和径向基网络的语音转换法
CN103024530A (zh) 智能电视语音应答系统及方法
CN103871426A (zh) 对比用户音频与原唱音频相似度的方法及其系统
CN105244042B (zh) 一种基于有限状态自动机的语音情感交互装置与方法
CN110097890A (zh) 一种语音处理方法、装置和用于语音处理的装置
CN102637433A (zh) 识别语音信号中所承载的情感状态的方法和系统
CN108876951A (zh) 一种基于声音识别的教学考勤方法
CN113823323B (zh) 一种基于卷积神经网络的音频处理方法、装置及相关设备
CN115062143A (zh) 语音识别与分类方法、装置、设备、冰箱及存储介质
CN108986798A (zh) 语音数据的处理方法、装置及设备
CN104952446A (zh) 基于语音交互的数字楼盘展示系统
CN106875944A (zh) 一种语音控制家庭智能终端的系统
CN113823303A (zh) 音频降噪方法、装置及计算机可读存储介质
Shu et al. Time-frequency performance study on urban sound classification with convolutional neural network
CN111009262A (zh) 语音性别识别的方法及系统
CN116758451A (zh) 基于多尺度和全局交叉注意力的视听情感识别方法及系统
KR20190021421A (ko) 오디오 인식을 위한 방법 및 디바이스
Hu et al. Speech Emotion Recognition Based on Attention MCNN Combined With Gender Information

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190926

Address after: 510275 Room 1405A3, Block A, 628 Zhongda Science Park, 135 Xingang West Road, Haizhu District, Guangzhou City, Guangdong Province (Office only)

Applicant after: Red Ship Technology (Guangzhou) Co.,Ltd.

Address before: 510275 Xingang West Road, Guangdong, Guangzhou, No. 135, No.

Applicant before: He Yanling

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301