CN109459399A - 一种光谱水质cod、浊度检测方法 - Google Patents

一种光谱水质cod、浊度检测方法 Download PDF

Info

Publication number
CN109459399A
CN109459399A CN201811596786.2A CN201811596786A CN109459399A CN 109459399 A CN109459399 A CN 109459399A CN 201811596786 A CN201811596786 A CN 201811596786A CN 109459399 A CN109459399 A CN 109459399A
Authority
CN
China
Prior art keywords
turbidity
cod
curve
spectral
coefficient
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.)
Granted
Application number
CN201811596786.2A
Other languages
English (en)
Other versions
CN109459399B (zh
Inventor
张敏
吴绍锋
蔡鑫
李东波
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.)
NANJING BOSITU INTELLIGENT TECHNOLOGY Co.,Ltd.
Original Assignee
NANJING BOSITU ELECTRONIC TECHNOLOGY Co Ltd
Nanjing Boston Intelligent Technology Co Ltd
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 NANJING BOSITU ELECTRONIC TECHNOLOGY Co Ltd, Nanjing Boston Intelligent Technology Co Ltd filed Critical NANJING BOSITU ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201811596786.2A priority Critical patent/CN109459399B/zh
Publication of CN109459399A publication Critical patent/CN109459399A/zh
Application granted granted Critical
Publication of CN109459399B publication Critical patent/CN109459399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry

Abstract

本发明公开了一种光谱水质COD、浊度检测方法，包括：(1)获取若干仅有浊度影响的光谱特征曲线，经过预处理后进行拟合，得到浊度相关性模型F1；(2)获取若干仅有浊度与COD影响的光谱特征曲线，经过预处理后，划分成浊度为不同值时的光谱波段数据集合，并对每个集合分别进行拟合，从而得到浊度为不同值时的COD相关性模型，再将每个COD相关模型和对应的浊度进行拟合，从而得到关联浊度和COD相关性模型F2；(3)根据待检测水样的光谱特征曲线，采用浊度相关性模型F1计算得到浊度值，并基于浊度采用相关性模型F2计算得到COD值。本发明可以快速有效的分析出被监测水样中的COD与浊度成分。

Description

一种光谱水质COD、浊度检测方法
技术领域
本发明涉及水质检测，尤其涉及一种光谱水质COD、浊度检测方法。
背景技术
饮水安全问题直接关系到广大人民群众的健康，积极探索采用先进可行的监测技术与方法，实时掌握重要饮用水水源地水质变化情况，加强突发水污染事件水质预警和应急处理能力是十分必要和迫切的。
国家水资源监控能力建设2012-2014年项目(以下简称一期项目)已于2015年完成全部建设内容。一期项目完成后，在填补我国水资源监控手段缺乏、改善水资源管理基础设施薄弱状况、提高水资源源管理信息化永平等方面发挥了重要作用。通过一期项目建设基本实现了列入《全国重要饮用水水源地名录》(水资源函[2011]109号)的重要地表水水源地水质在线监测全覆盖。
近年来，我国水质相关指标仍然使用化学法，虽然测量较为准确，但是耗时长，所需化学试剂多，操作复杂，稳定性差，二次污染严重，因此光谱法应运而生，其监测周期短，速度快，是在线监测的必备手段。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种光谱水质COD、浊度检测方法，可以有效的分析出被监测水样中的COD与浊度成分，为光谱法快速准确的解决水质问题提供保证。
技术方案：本发明所述的光谱水质COD、浊度检测方法包括：
(1)获取若干仅有浊度影响的光谱特征曲线，经过预处理后进行拟合，得到浊度相关性模型F1；
(2)获取若干仅有浊度与COD影响的光谱特征曲线，经过预处理后，划分成浊度为不同值时的光谱波段数据集合，并对每个集合分别进行拟合，从而得到浊度为不同值时的COD相关性模型，再将每个COD相关模型和对应的浊度进行拟合，从而得到关联浊度和COD相关性模型F2；
(3)根据待检测水样的光谱特征曲线，采用浊度相关性模型F1计算得到浊度值，并基于浊度采用相关性模型F2计算得到COD值。
进一步的，步骤(1)具体包括：
(1.1)获取若干仅有浊度影响的光谱特征曲线，并进行预处理；
(1.2)分别将每个预处理后的光谱特征曲线进行拟合，得到多个光谱曲线拟合函数；
(1.3)将每个光谱曲线拟合函数的系数与对应的浊度进行拟合，得到每个系数与浊度的关联函数；
(1.4)将(1.2)中得到的光谱曲线拟合函数中的系数采用系数与浊度的关联函数替代，从而得到浊度作为参数的光谱曲线拟合函数，作为浊度相关性模型F1。
进一步的，步骤(2)具体包括：
(2.1)获取若干仅有浊度与COD影响的光谱特征曲线，并进行预处理；
(2.2)将预处理后的光谱特征曲线划分成浊度为不同值时的光谱波段数据集合，即每一集合包含了浊度为一定值COD为不同值时的光谱波段数据；
(2.3)选取浊度为任一值的光谱波段数据集合，分别将其中每个光谱波段数据进行拟合，得到多个光谱曲线拟合函数；
(2.4)将每个光谱曲线拟合函数的系数与对应的COD进行拟合，得到每个系数与COD的关联函数；
(2.5)将(2.3)中得到的光谱曲线拟合函数中的系数采用系数与COD的关联函数替代，从而得到COD作为参数的光谱曲线拟合函数，作为浊度为当前值时的COD相关性模型；
(2.6)返回执行(2.3)，直至所有光谱波段数据集合被处理，得到浊度为不同值时的COD相关性模型；
(2.7)提取浊度为不同值时的COD相关性模型的系数，与对应的浊度值进行拟合，得到系数与浊度的关联函数；
(2.8)将(2.6)中得到的COD相关性模型中的系数采用系数与浊度的关联函数替代，从而得到浊度和COD作为参数的光谱曲线拟合函数，作为关联浊度和COD相关性模型F2。
进一步的，所述预处理具体包括去噪和四角均化法数据修复。所述去噪采用最优小波基进行小波去噪，同时采用全局平滑去噪。所述四角均化法数据修复具体为：选取光谱集合中均匀化光谱误差最小的四个顶点，采用逐一差分的方法对光谱曲线进行数据修复。
有益效果：本发明与现有技术相比，其显著优点是：本发明可以有效的分析出被监测水样中的COD与浊度成分，为光谱法快速准确的解决水质问题提供保证。
附图说明
图1是本发明的一个实施例的流程示意图；
图2是所采用的光谱特征曲线图；
图3是四角均化法数据修复对比图。
具体实施方式
本实施例提供了一种光谱水质COD、浊度检测方法，如图1所示，包括以下步骤：
(1)获取若干仅有浊度影响的光谱特征曲线，经过预处理后进行拟合，得到浊度相关性模型F1。
其中，所述仅有浊度影响的光谱特征曲线如图2所示的单浊度块；所述预处理具体包括去噪和四角均化法数据修复。所述去噪采用最优小波基进行小波去噪，同时采用全局平滑去噪。所述四角均化法数据修复具体为：选取光谱集合中均匀化光谱误差最小的四个顶点，采用逐一差分的方法对光谱曲线进行数据修复。修复后的数据如图3所示。
该步骤具体包括：(1.1)获取若干仅有浊度影响的光谱特征曲线，并进行预处理。(1.2)分别将每个预处理后的光谱特征曲线进行拟合，得到多个光谱曲线拟合函数。(1.3)将每个光谱曲线拟合函数的系数与对应的浊度进行拟合，得到每个系数与浊度的关联函数。(1.4)将(1.2)中得到的光谱曲线拟合函数中的系数采用系数与浊度的关联函数替代，从而得到浊度作为参数的光谱曲线拟合函数，作为浊度相关性模型F1。
例如，假设预处理后有n条光谱特征曲线，则分别拟合后得到n个光谱曲线拟合函数：
假设拟合函数采用一元二次方程，则拟合函数可以变形为：
式中，A表示吸光度，为变量，W表示波长，为变量，T表示浊度，t1～tn表示n个具体的浊度值。
从n个光谱曲线拟合函数分别提取出系数a、b、c以及对应浊度T进行拟合，即数据{(a1、b1、c1)，(t1)}为一组数据，共n组数据，采用这n组数据进行拟合，得到系数a、b、c与对应浊度T的关系函数：
将关系函数代入光谱曲线拟合函数，得到浊度作为参数的光谱曲线拟合函数，即
A＝fa(T)W2+fb(T)W+fc(T)
按照参数整理后得到浊度相关性模型F1为：
F1：A＝f11(T,W)+f12(W)+f13(T)
(2)获取若干仅有浊度与COD影响的光谱特征曲线，经过预处理后，划分成浊度为不同值时的光谱波段数据集合，并对每个集合分别进行拟合，从而得到浊度为不同值时的COD相关性模型，再将每个COD相关模型和对应的浊度进行拟合，从而得到关联浊度和COD相关性模型F2。
其中，所述仅有浊度与COD影响的光谱特征曲线如图2所示中间部分；所述预处理具体包括去噪和四角均化法数据修复。所述去噪采用最优小波基进行小波去噪，同时采用全局平滑去噪。所述四角均化法数据修复具体为：选取光谱集合中均匀化光谱误差最小的四个顶点，采用逐一差分的方法对光谱曲线进行数据修复。
步骤(2)具体包括：(2.1)获取若干仅有浊度与COD影响的光谱特征曲线，并进行预处理；(2.2)将预处理后的光谱特征曲线划分成浊度为不同值时的光谱波段数据集合，即每一集合包含了浊度为一定值COD为不同值时的光谱波段数据；(2.3)选取浊度为任一值的光谱波段数据集合，分别将其中每个光谱波段数据进行拟合，得到多个光谱曲线拟合函数；(2.4)将每个光谱曲线拟合函数的系数与对应的COD进行拟合，得到每个系数与COD的关联函数；(2.5)将(2.3)中得到的光谱曲线拟合函数中的系数采用系数与COD的关联函数替代，从而得到COD作为参数的光谱曲线拟合函数，作为浊度为当前值时的COD相关性模型；(2.6)返回执行(2.3)，直至所有光谱波段数据集合被处理，得到浊度为不同值时的COD相关性模型；(2.7)提取浊度为不同值时的COD相关性模型的系数，与对应的浊度值进行拟合，得到系数与浊度的关联函数；(2.8)将(2.6)中得到的COD相关性模型中的系数采用系数与浊度的关联函数替代，从而得到浊度和COD作为参数的光谱曲线拟合函数，作为关联浊度和COD相关性模型F2。
例如，假设浊度共有N个值，分别为T＝1mg/L到T＝Nmg/L，则将光谱特征曲线划分成浊度为1mg/L到Nmg/L时的N个光谱波段数据集合，即每个浊度值对应一个集合，首先处理T＝1mg/L时的光谱波段数据集合，该集合包括了T＝1mg/L、COD为不同值时的光谱波段数据，对该集合中每个光谱波段数据分别进行拟合，假设集合中有n条光谱特征曲线则分别拟合后得到n个光谱曲线拟合函数：
式中，C表示COD，c1～cn表示n个具体的COD值。
之后按照步骤(1)中获取系数与对应COD的关系函数的方法，获取到本步骤中系数与COD的关联函数，带入光谱曲线拟合函数中，得到COD作为参数的光谱曲线拟合函数，作为浊度T＝1mg/L时的COD相关性模型，对于其他集合同样的方法处理，从而得到浊度为1mg/L到Nmg/L时的N个COD相关性模型，具体如下：
式中，fC,ij()表示第i个COD相关性模型中第j个关于括号内参数的函数。
再按照步骤(1)中获取系数与对应浊度T的关系函数的方法，获取到本步骤中系数与浊度的关联函数；然后将COD相关性模型中的系数采用系数与浊度的关联函数替代，从而得到浊度和COD作为参数的光谱曲线拟合函数，进行整形后得到关联浊度和COD相关性模型F2：
A＝f21(T,C,W)+f22(C,W)+f23(T,W)+f24(T,C)+f25(W)+f26(C)+f27(T)
(3)根据待检测水样的光谱特征曲线，采用浊度相关性模型F1计算得到浊度值，并基于浊度采用相关性模型F2计算得到COD值。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种光谱水质COD、浊度检测方法，其特征在于包括：
(1)获取若干仅有浊度影响的光谱特征曲线，经过预处理后进行拟合，得到浊度相关性模型F1；
(2)获取若干仅有浊度与COD影响的光谱特征曲线，经过预处理后，划分成浊度为不同值时的光谱波段数据集合，并对每个集合分别进行拟合，从而得到浊度为不同值时的COD相关性模型，再将每个COD相关模型和对应的浊度进行拟合，从而得到关联浊度和COD相关性模型F2；
(3)根据待检测水样的光谱特征曲线，采用浊度相关性模型F1计算得到浊度值，并基于浊度采用相关性模型F2计算得到COD值。
2.根据权利要求1所述的光谱水质COD、浊度检测方法，其特征在于：步骤(1)具体包括：
(1.1)获取若干仅有浊度影响的光谱特征曲线，并进行预处理；
(1.2)分别将每个预处理后的光谱特征曲线进行拟合，得到多个光谱曲线拟合函数；
(1.3)将每个光谱曲线拟合函数的系数与对应的浊度进行拟合，得到每个系数与浊度的关联函数；
(1.4)将(1.2)中得到的光谱曲线拟合函数中的系数采用系数与浊度的关联函数替代，从而得到浊度作为参数的光谱曲线拟合函数，作为浊度相关性模型F1。
3.根据权利要求1所述的光谱水质COD、浊度检测方法，其特征在于：步骤(2)具体包括：
(2.1)获取若干仅有浊度与COD影响的光谱特征曲线，并进行预处理；
(2.2)将预处理后的光谱特征曲线划分成浊度为不同值时的光谱波段数据集合，即每一集合包含了浊度为一定值COD为不同值时的光谱波段数据；
(2.3)选取浊度为任一值的光谱波段数据集合，分别将其中每个光谱波段数据进行拟合，得到多个光谱曲线拟合函数；
(2.4)将每个光谱曲线拟合函数的系数与对应的COD进行拟合，得到每个系数与COD的关联函数；
(2.5)将(2.3)中得到的光谱曲线拟合函数中的系数采用系数与COD的关联函数替代，从而得到COD作为参数的光谱曲线拟合函数，作为浊度为当前值时的COD相关性模型；
(2.6)返回执行(2.3)，直至所有光谱波段数据集合被处理，得到浊度为不同值时的COD相关性模型；
(2.7)提取浊度为不同值时的COD相关性模型的系数，与对应的浊度值进行拟合，得到系数与浊度的关联函数；
(2.8)将(2.6)中得到的COD相关性模型中的系数采用系数与浊度的关联函数替代，从而得到浊度和COD作为参数的光谱曲线拟合函数，作为关联浊度和COD相关性模型F2。
4.根据权利要求1或2或3所述的光谱水质COD、浊度检测方法，其特征在于：所述预处理具体包括去噪和四角均化法数据修复。
5.根据权利要求4所述的光谱水质COD、浊度检测方法，其特征在于：所述去噪具体为：采用最优小波基进行小波去噪，同时采用全局平滑去噪。
6.根据权利要求4所述的光谱水质COD、浊度检测方法，其特征在于：所述四角均化法数据修复具体为：选取光谱集合中均匀化光谱误差最小的四个顶点，采用逐一差分的方法对光谱曲线进行数据修复。
CN201811596786.2A 2018-12-26 2018-12-26 一种光谱水质cod、浊度检测方法 Active CN109459399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811596786.2A CN109459399B (zh) 2018-12-26 2018-12-26 一种光谱水质cod、浊度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811596786.2A CN109459399B (zh) 2018-12-26 2018-12-26 一种光谱水质cod、浊度检测方法

Publications (2)

Publication Number Publication Date
CN109459399A true CN109459399A (zh) 2019-03-12
CN109459399B CN109459399B (zh) 2021-03-02

Family

ID=65614992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811596786.2A Active CN109459399B (zh) 2018-12-26 2018-12-26 一种光谱水质cod、浊度检测方法

Country Status (1)

Country Link
CN (1) CN109459399B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111198186A (zh) * 2020-01-16 2020-05-26 中南大学 基于图像识别与光学透射融合的浊度检测方法
CN111579547A (zh) * 2020-04-17 2020-08-25 北京农业智能装备技术研究中心 水体cod快速检测方法及装置
CN113049512A (zh) * 2021-03-12 2021-06-29 厦门斯坦道科学仪器股份有限公司 基于全波长紫外可见吸收光谱的水质在线监测方法
CN114428063A (zh) * 2022-04-01 2022-05-03 合肥金星智控科技股份有限公司 污染层光谱数据识别方法、装置、电子设备和存储介质
CN115165770A (zh) * 2022-07-05 2022-10-11 华南理工大学 基于宽光谱及bpnn的水体cod与浊度同时检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104034684A (zh) * 2014-06-05 2014-09-10 北京金达清创环境科技有限公司 一种基于紫外-可见吸收光谱的水质多指标检测方法
CN105352898A (zh) * 2015-10-14 2016-02-24 浙江大学 一种基于光谱法cod检测的浊度补偿方法
CN106841075A (zh) * 2016-12-27 2017-06-13 北京国电富通科技发展有限责任公司 基于神经网络的cod紫外光谱在线检测优化方法
KR20170112404A (ko) * 2016-03-31 2017-10-12 광주과학기술원 원격탐사 초분광 영상이미지를 이용한 병원성 미생물의 농도 예측방법
CN107462535A (zh) * 2017-08-17 2017-12-12 中国科学院烟台海岸带研究所 一种基于高斯多峰拟合的光谱解析算法
CN108108889A (zh) * 2017-12-18 2018-06-01 杭州电子科技大学 一种水质监测数据在线处理方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104034684A (zh) * 2014-06-05 2014-09-10 北京金达清创环境科技有限公司 一种基于紫外-可见吸收光谱的水质多指标检测方法
CN105352898A (zh) * 2015-10-14 2016-02-24 浙江大学 一种基于光谱法cod检测的浊度补偿方法
KR20170112404A (ko) * 2016-03-31 2017-10-12 광주과학기술원 원격탐사 초분광 영상이미지를 이용한 병원성 미생물의 농도 예측방법
CN106841075A (zh) * 2016-12-27 2017-06-13 北京国电富通科技发展有限责任公司 基于神经网络的cod紫外光谱在线检测优化方法
CN107462535A (zh) * 2017-08-17 2017-12-12 中国科学院烟台海岸带研究所 一种基于高斯多峰拟合的光谱解析算法
CN108108889A (zh) * 2017-12-18 2018-06-01 杭州电子科技大学 一种水质监测数据在线处理方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHONGNENG XU等: "Reducing the monitoring parameters of fish pond water quality", 《AQUACULTURE》 *
巩彩兰等: "黄浦江不同水质指标的光谱响应模型比较研究", 《红外与毫米波学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111198186A (zh) * 2020-01-16 2020-05-26 中南大学 基于图像识别与光学透射融合的浊度检测方法
CN111579547A (zh) * 2020-04-17 2020-08-25 北京农业智能装备技术研究中心 水体cod快速检测方法及装置
CN113049512A (zh) * 2021-03-12 2021-06-29 厦门斯坦道科学仪器股份有限公司 基于全波长紫外可见吸收光谱的水质在线监测方法
CN114428063A (zh) * 2022-04-01 2022-05-03 合肥金星智控科技股份有限公司 污染层光谱数据识别方法、装置、电子设备和存储介质
CN115165770A (zh) * 2022-07-05 2022-10-11 华南理工大学 基于宽光谱及bpnn的水体cod与浊度同时检测方法
CN115165770B (zh) * 2022-07-05 2024-03-19 华南理工大学 基于宽光谱及bpnn的水体cod与浊度同时检测方法

Also Published As

Publication number Publication date
CN109459399B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN109459399A (zh) 一种光谱水质cod、浊度检测方法
CN100504846C (zh) 基于信息融合的电能质量扰动自动识别方法及系统
CN106845579A (zh) 提高产品质量检验正确性的信息化控制方法及控制系统
WO2011034805A1 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
CN105630743A (zh) 一种光谱波数的选择方法
CN107909118A (zh) 一种基于深度神经网络的配电网工况录波分类方法
CN110716512A (zh) 一种基于燃煤电站运行数据的环保装备性能预测方法
CN109767054A (zh) 基于深度神经网络算法的能效云评估方法及边缘能效网关
CN104807589B (zh) 一种集输－立管系统内气液两相流流型的在线识别方法
CN101826090A (zh) 基于最优模型的web舆情趋势预测方法
CN105758836A (zh) 一种基于面积法的拉曼光谱即时定量分析方法
CN113484257B (zh) 基于神经网络和全光谱吸光度的水质浓度计算系统及方法
CN107132266A (zh) 一种基于随机森林的水质分类方法及系统
CN103674884A (zh) 基于近红外光谱信息的烟叶风格特征的随机森林分类方法
CN101871994A (zh) 多分数阶信息融合的模拟电路故障诊断方法
CN101738998A (zh) 一种基于局部判别分析的工业过程监测系统及方法
CN107679089A (zh) 一种用于电力传感数据的清洗方法、装置和系统
CN103278616A (zh) 一种土壤腐蚀性快速评价的多因子方法
CN105954695A (zh) 一种基于同步的同质传感器突变参数识别方法与装置
CN114358116A (zh) 油浸式变压器故障诊断方法、系统及可读存储介质
CN106708009A (zh) 一种基于支持向量机聚类的船舶动力定位测量系统多故障诊断方法
CN109490776A (zh) 一种基于机器学习的手机振动马达良次品检测方法
CN105956755A (zh) 电力综合线损率影响因子量化关系建立方法及系统
CN106485049B (zh) 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法
CN105069574A (zh) 一种业务流程行为相似度分析的新方法

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: 20200429

Address after: Room 712, building 1, Qilin artificial intelligence Industrial Park, 266 Chuangyan Road, Jiangning District, Nanjing City, Jiangsu Province

Applicant after: NANJING BOSITU INTELLIGENT TECHNOLOGY Co.,Ltd.

Address before: 211135 2, B unit 300, Zhihui Road, Qilin science and Technology Innovation Park, Nanjing, Jiangsu.

Applicant before: NANJING BOSITU INTELLIGENT TECHNOLOGY Co.,Ltd.

Applicant before: NANJING BOSITU ELECTRONIC SCIENCE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant