CN109697723B - 涡轮叶片温度场图像处理方法 - Google Patents
涡轮叶片温度场图像处理方法 Download PDFInfo
- Publication number
- CN109697723B CN109697723B CN201811538092.3A CN201811538092A CN109697723B CN 109697723 B CN109697723 B CN 109697723B CN 201811538092 A CN201811538092 A CN 201811538092A CN 109697723 B CN109697723 B CN 109697723B
- Authority
- CN
- China
- Prior art keywords
- blade
- temperature field
- row
- field image
- edge
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000009529 body temperature measurement Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000007634 remodeling Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供了一种涡轮叶片温度场图像处理方法,包括步骤一:温度场数据的显示与分析:步骤二:温度场图像的分割:步骤三:温度场图像边缘检测:步骤四:温度场图像的处理:步骤五:温度场图像处理结果评价。
Description
技术领域
本申请涉及航空发动机技术领域,具体提供一种涡轮叶片温度场图像处理方法。
背景技术
目前,红外测温系统基于转速已知的前提给出温度场图像,实际情况下发动机转速在测试时间内无法做到完全精确地测量,经对比观察,发动机最大工作状态下,当转速发生1/10000的恒定偏移时,温度场图像即会发生较明显的扭曲。
测量转速的常用手段为多级齿轮,该方案的缺点是:采用多级齿轮测量高压涡轮转速时,由于齿轮间振动、电磁干扰、转速表锁相环设计缺陷等原因,测得值存在一定的微小误差。
发明内容
为了解决上述技术问题至少之一,本申请提供了一种涡轮叶片温度场图像处理方法,包括:
步骤一:温度场数据的显示与分析:
红外测温系统以二维的方式显示温度场图像,其中,纵坐标代表测温过程经过的圆周数,横坐标代表发动机每转采集温度点的个数;
经观察和分析,在测试过程中,测试时间内转速值的偏移分为两个分量:低频规律偏移和高频随机干扰;
根据低频规律偏移和高频随机干扰,构造一副虚拟的涡轮叶片温度场图像;
步骤二:温度场图像的分割:
设试验对象的叶片数为bnumber,则选择数据中所有峰值数为的bnumber的行,求取第m行相邻峰值间的bnumber-1个坐标差gapmn(m=1~rows,n=1~blade_number-1),理想峰值坐标差为利用如下公式求得叶片间隔与理想叶片间隔最接近的一行数据,将这一行作为基准行,
利用预设的偏移量计算方法,求取每行数据相对基准行需要进行的位移W,即得出每行相对基准行需要位移的像素个数;
根据图像实际情况,选取最易提取且能反映叶片轮廓的特征,用于叶片的粗略轮廓提取;
根据叶片的粗略轮廓,对bnumber个叶片进行分割,然后将每个叶片图像单独存储;
步骤三:温度场图像边缘检测:
分别对单个叶片图像进行边缘检测;
边缘检测提取出的边缘图像需剔除孤立点:若某一边缘点的n×n邻域内无其他边缘点,则剔除该点;
设定发动机叶片位置朝向,选右侧单侧边缘,即边缘图像中的每一行仅保留最右侧的点,删除其他检测到的边缘点,得到的结果可作为该叶片在1~m行中每一行的唯一位置定位;
将所有叶片的边缘检测解耦股图按原组成方式拼接到一起;
步骤四:温度场图像的处理:
利用边缘检测的结果,以边缘点作为叶片的特征点,以行为单位求解温度场图像的精确偏移量W(i)(i=1~rows);
获得精确偏移量后,采用删点/补点的方法修正数据;
将新的数据重塑为rows×colomns大小的图像;
步骤五:温度场图像处理结果评价:
图像处理结果评价分为客观评价与主观评价:
客观评价:检查补点、删点个数之和与总数据点个数的比值,该比值不超过0.1%,比值过大的情况下认为算法本身对被测对象温度场造成了显著影响,应考虑重新计算;
主观评价:对比观察处理前后温度场图像扭曲现象的改善程度,若处理结果不理想,调整参数重新计算。
本申请实施例提供的涡轮叶片温度场图像处理方法,相对于硬件改装,图像处理方法成本低廉、无安全隐患;处理过程仅与基本测量原理有关,不同的焦距、安装位置、测试对象、探头类型对算法影响极小;在较差的测试条件下获得的数据,仍可通过本方法处理后充分利用;可扩展性强,随着试验经验与试验数据的积累,图像处理算法可以不断地更新、迭代、优化。
附图说明
图1是本申请实施例提供的涡轮叶片温度场图像处理方法的流程示意图;
图2是本申请实施例提供的温度场图像的显示方式;
图3是本申请实施例提供的可能出现的温度场图像;
图4是本申请实施例提供的偏移量计算方法的流程图;
图5是本申请实施例提供的叶片的粗略轮廓图;
图6是本申请实施例提供的温度场图像对应叶片位置示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1是本申请实施例提供的涡轮叶片温度场图像处理方法的流程示意图,如图1所示,该方法包括以下步骤:
步骤一:温度场数据的显示与分析。
在本实施例中,红外测温系统以二维的方式显示温度场图像,其中,纵坐标rows代表测温过程经过的圆周数,横坐标colomns代表发动机每转采集温度点的个数,随着系统时间的增加。
在一示例中,扫描过程的进行顺序如图2所示。
经观察和分析,在测试过程中,测试时间内转速值的偏移分为两个分量:低频规律偏移和高频随机干扰。低频偏移分量决定了温度场图像中叶片的分段倾斜情况,高频随机干扰分量则使温度场中叶片扭曲并产生锯齿。
根据低频规律偏移和高频随机干扰,构造一副虚拟的涡轮叶片温度场图像。在一示例中,作为可能出现的温度场图像如图3所示。
步骤二:温度场图像的分割。
基准行:
设试验对象的叶片数为bnumber,则选择数据中所有峰值数为的bnumber的行,求取第m行相邻峰值间的bnumber-1个坐标差gapmn(m=1~rows,n=1~blade_number-1),理想峰值坐标差为利用如下公式求得叶片间隔与理想叶片间隔最接近的一行数据,将这一行作为基准行:
偏移量计算:
利用预设的偏移量计算方法,求取每行数据相对基准行需要进行的位移W,即得出每行相对基准行需要位移的像素个数。
由于叶片偏移时连续的,偏移量以相邻行的相对偏移量求解和表示,首先在每一行数据中,针对每一个叶片定义一个唯一的、可反映叶片一定特征的点,这个点可以是左/右边缘、温度峰值、温度谷值、高温区域中心点等。由于存在干扰和漏检,每行检测出的叶片特征点数可能不相等,将每行中检测到的特征点坐标存入数组中。
编写一个函数,输入量为相邻的两行特征点坐标,记为row1、row2,预设值threshold为相邻两行偏移的最大值,超过threshold则认为无对齐必要,输出量为row1对row2的相对偏移量p,其算法流程如图4所示。
构造2个简单数据r1、r2作为示例,假设选取特征为叶片的高温点,即检测每行中可能出现的叶片温度的峰值,两行出现4个叶片,r1在坐标为7处有一个非叶片的干扰点,r2中第二个叶片的中心点没有捕获到,相邻两行同一叶片位置之差的绝对值threshold为3,运行如下代码后:
r1=[2,7,12,22,32];
r2=[1,21,31];
[sum,p,count]=f(r1,r2);
结果为:sum=-3;count=3;p=-1;
上述结果代表以r1、r2提供的位置信息进行计算,r1需移动-1个像素令r1、r2对齐。
以基准行为基准,设基准行为rown,利用上述编写的函数计算
f(rown-1,rown),f(rown-2,rown-1).........f(row1,row2),
依次求出从基准行向上每相邻两行需要的位移量;计算
f(rown+1,rown),f(rown+2,rown+1).........f(rowrows,rowrows-1),
依次求出从基准行向下每相邻两行需要的偏移量。
通过累加、取整的方法求取每行数据相对基准行需要进行的位移W,即得出每行相对基准行需要位移的像素个数。
叶片粗略轮廓提取:
根据图像实际情况,选取最易提取且能反映叶片轮廓的特征,用于叶片的粗略轮廓提取。
在一示例中,以每行峰值位置作为叶片特征点,应用偏移量计算方法,可粗略求出所有叶片的扭曲轮廓,如图5所示。
在实际情况中,每个叶片温度的弦向峰值不一定在前缘或尾缘,故基于温度峰值提取出的轮廓仅作为分割叶片的参考,不用于图像处理计算。
叶片分割:
根据叶片的粗略轮廓,对bnumber个叶片进行分割,然后将每个叶片图像单独存储。
在提取叶片信息时,为避免高温叶片与低温叶片对整体参数的影响,需要将所有叶片分割开来单独处理,利用偏移量计算方法得到叶片粗略轮廓,对bnumber个叶片进行分割,将每个叶片图像单独存储。
步骤三:温度场图像边缘检测。
图像增强:
不规则的叶片存在与切割出来的矩形图像中,为凸显高温边缘区域,需要进行图像增强,消除掉值为0的黑色区域和叶片低温区域,仅保留视觉显著的高温边缘,将灰度值[min,max]区间内的像素线性映射到[0,1]区间内,灰度区间的选取可根据试验结果的不同进行预设,一般取[0.6,0.8]。
边缘检测:
温度场图像中被测叶片之间位置关系如图6所示,热区、冷区交汇处为叶片尾缘与叶背遮挡处,此处温度跨度大且能反映真实叶片形状,故选取此处作为叶片边缘检测的对象。
分别对单个叶片图像进行边缘检测,可根据实际情况设计边缘检测算子,在一示例中,边缘检测函数为Sobel算子,检测方向为水平方向,可提取单个叶片的高温边缘。
边缘检测提取出的边缘图像需剔除孤立点:若某一边缘点的n×n邻域内无其他边缘点,则剔除该点。
设定发动机叶片位置朝向,选右侧单侧边缘,即边缘图像中的每一行仅保留最右侧的点,删除其他检测到的边缘点,得到的结果可作为该叶片在1~m行中每一行的唯一位置定位。
叶片边缘拼接:
将所有叶片的边缘检测结果按原组成方式拼接到一起。
步骤四:温度场图像的处理:
温度场的精确偏移量:
利用边缘检测的结果,以边缘点作为叶片的特征点,以行为单位求解温度场图像的精确偏移量W(i)(i=1~rows)。
温度场图像位置的修正:
获得精确偏移量后,采用删点/补点的方法修正数据。
即指定一种规则,在每一行数据中删除若干点,或以插入平均值的方式补充若干点,达到修正叶片偏移的目的,具体算法如下:
求位移量W的差分:
diff_W(i)=W(i+1)-W(i)(i=1~rows-1)
diff_W(i)表示第i+1行需要相对第i行进行位移的像素数,通过对第i行删/补点实现。
当diff_W(i)=p>0时,删除第i行的p个点;
当diff_W(i)=p<0时,补充第i行的p个点。
构造两个函数row2=addp(row,p),row2=delp(row,p)。addp函数的功能为:输入任意一维数据row,以及需要添加点的个数,依次求取变化量绝对值最小的相邻两点,在两点间插入一个点,值取两点的平均值,依此类推,插入p个点时结束,返回row2。delp函数的功能为:输入任意一维数据row,以及需要删除点的个数,依次求取变化量绝对值最小的相邻两点,删除第二个点,依此类推,删除p个点时结束,返回row2。两个函数作用演示如下:
row=[1,2,4,7,5,3,2];
addp(row,2)=[1,1.5,2,4,7,5,3,2.5,2];
delp(row,2)=[1,4,7,5,3];
将经过删补点的行数据连接到一起,合成一个一维长向量。比较此向量和原始数据的元素个数。若合成向量元素多于原始数据,则删除多余的元素;若合成向量元素少于原始数据,则用原始数据中最后一行所有元素的平均值补充到末尾。
最后,将新的数据重塑为rows×colomns大小的图像。
步骤五:温度场图像处理结果评价:
图像处理结果评价分为客观评价与主观评价:
客观评价:检查补点、删点个数之和与总数据点个数的比值,该比值不超过0.1%,比值过大的情况下认为算法本身对被测对象温度场造成了显著影响,应考虑重新计算;
主观评价:对比观察处理前后温度场图像扭曲现象的改善程度,若处理结果不理想,调整参数重新计算。
至此,已经结合附图所示的优选实施方式描述了本申请的技术方案,但是,本领域技术人员容易理解的是,本申请的保护范围显然不局限于这些具体实施方式。在不偏离本申请的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本申请的保护范围之内。
Claims (1)
1.一种涡轮叶片温度场图像处理方法,其特征在于,包括:
步骤一:温度场数据的显示与分析:
红外测温系统以二维的方式显示温度场图像,其中,纵坐标代表测温过程经过的圆周数,横坐标代表发动机每转采集温度点的个数;
经观察和分析,在测试过程中,测试时间内转速值的偏移分为两个分量:低频规律偏移和高频随机干扰;
根据低频规律偏移和高频随机干扰,构造一副虚拟的涡轮叶片温度场图像;
步骤二:温度场图像的分割:
设试验对象的叶片数为bnumber,则选择数据中所有峰值数为的bnumber的行,求取第m行相邻峰值间的bnumber-1个坐标差gapmn(m=1~rows,n=1~blade_number-1),理想峰值坐标差为利用如下公式求得叶片间隔与理想叶片间隔最接近的一行数据,将这一行作为基准行,
利用预设的偏移量计算方法,求取每行数据相对基准行需要进行的位移W,即得出每行相对基准行需要位移的像素个数;
根据图像实际情况,选取最易提取且能反映叶片轮廓的特征,用于叶片的粗略轮廓提取;
根据叶片的粗略轮廓,对bnumber个叶片进行分割,然后将每个叶片图像单独存储;
步骤三:温度场图像边缘检测:
分别对单个叶片图像进行边缘检测;
边缘检测提取出的边缘图像需剔除孤立点:若某一边缘点的n×n邻域内无其他边缘点,则剔除该点;
设定发动机叶片位置朝向,选右侧单侧边缘,即边缘图像中的每一行仅保留最右侧的点,删除其他检测到的边缘点,得到的结果可作为该叶片在1~m行中每一行的唯一位置定位;
将所有叶片的边缘检测结果按原组成方式拼接到一起;
步骤四:温度场图像的处理:
利用边缘检测的结果,以边缘点作为叶片的特征点,以行为单位求解温度场图像的精确偏移量W(i)(i=1~rows);
获得精确偏移量后,采用删点/补点的方法修正数据;
将新的数据重塑为rows×colomns大小的图像;
步骤五:温度场图像处理结果评价:
图像处理结果评价分为客观评价与主观评价:
客观评价:检查补点、删点个数之和与总数据点个数的比值,该比值不超过0.1%,比值过大的情况下认为算法本身对被测对象温度场造成了显著影响,应考虑重新计算;
主观评价:对比观察处理前后温度场图像扭曲现象的改善程度,若处理结果不理想,调整参数重新计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811538092.3A CN109697723B (zh) | 2018-12-16 | 2018-12-16 | 涡轮叶片温度场图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811538092.3A CN109697723B (zh) | 2018-12-16 | 2018-12-16 | 涡轮叶片温度场图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697723A CN109697723A (zh) | 2019-04-30 |
CN109697723B true CN109697723B (zh) | 2022-11-22 |
Family
ID=66231777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811538092.3A Active CN109697723B (zh) | 2018-12-16 | 2018-12-16 | 涡轮叶片温度场图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109697723B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007090683A1 (en) * | 2006-02-08 | 2007-08-16 | Dsm Ip Assets B.V. | Combination of reader and incubator |
JP2012114611A (ja) * | 2010-11-24 | 2012-06-14 | Casio Comput Co Ltd | 撮像装置、画像処理方法、及び、プログラム |
CN106485745A (zh) * | 2016-10-21 | 2017-03-08 | 昆明理工大学 | 一种微波反应腔温度场三维立体重构方法 |
CN108510561A (zh) * | 2017-05-17 | 2018-09-07 | 苏州纯青智能科技有限公司 | 一种红外热像文件及其图像的处理方法 |
-
2018
- 2018-12-16 CN CN201811538092.3A patent/CN109697723B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007090683A1 (en) * | 2006-02-08 | 2007-08-16 | Dsm Ip Assets B.V. | Combination of reader and incubator |
JP2012114611A (ja) * | 2010-11-24 | 2012-06-14 | Casio Comput Co Ltd | 撮像装置、画像処理方法、及び、プログラム |
CN106485745A (zh) * | 2016-10-21 | 2017-03-08 | 昆明理工大学 | 一种微波反应腔温度场三维立体重构方法 |
CN108510561A (zh) * | 2017-05-17 | 2018-09-07 | 苏州纯青智能科技有限公司 | 一种红外热像文件及其图像的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109697723A (zh) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
JP6358351B1 (ja) | 表面欠陥検査方法及び表面欠陥検査装置 | |
US9773299B2 (en) | Method for correcting fragmentary or deformed quadrangular image | |
CN104867130B (zh) | 一种基于裂纹图像子区灰度均值的自适应分割方法 | |
CN101980293B (zh) | 一种基于刃边图像的高光谱遥感系统mtf检测方法 | |
CN103164842A (zh) | 点云提取系统及方法 | |
CN114926839B (zh) | 基于rpa和ai的图像识别方法及电子设备 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN112819809B (zh) | 一种岩石中矿物颗粒形态量化方法 | |
CN115082462A (zh) | 一种流体输送管外观质量检测方法及系统 | |
CN112215060B (zh) | 一种基于霍夫变换的高精度机械式仪表示数识别方法 | |
CN115456956A (zh) | 一种液晶屏划痕检测方法、设备及存储介质 | |
CN116993742B (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
KR101782363B1 (ko) | 데이터 밸런싱을 통한 학습기반의 비전검사 방법 | |
Hu et al. | A method for measuring ice thickness of wind turbine blades based on edge detection | |
Chen et al. | Fired bullet signature correlation using the Congruent Matching Profile Segments (CMPS) method | |
JP7355601B2 (ja) | 計算装置、処理方法、プログラム、及び記憶媒体 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
CN109697723B (zh) | 涡轮叶片温度场图像处理方法 | |
JP2018169334A (ja) | レーダ画像解析システム | |
CN117036358B (zh) | 一种数控机床刀具磨损检测方法及系统 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
CN103337080A (zh) | 基于梯度方向Hausdorff 距离的红外图像和可见光图像配准技术 | |
CN117437223A (zh) | 一种高速板对板连接器缺陷智能检测方法 | |
CN103645143A (zh) | 一种多光谱券类质量检测方法和系统 |
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 |