CN111481196A - 外骨骼助力效率的检测方法、装置、电子设备及存储介质 - Google Patents
外骨骼助力效率的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111481196A CN111481196A CN202010300724.3A CN202010300724A CN111481196A CN 111481196 A CN111481196 A CN 111481196A CN 202010300724 A CN202010300724 A CN 202010300724A CN 111481196 A CN111481196 A CN 111481196A
- Authority
- CN
- China
- Prior art keywords
- exoskeleton
- muscle
- mean square
- root mean
- muscle activation
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请提供了一种外骨骼助力效率的检测方法、装置、电子设备及存储介质，属于外骨骼机器人技术领域。所述方法包括：采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。采用本申请提供的技术方案，可以提高检测外骨骼助力效率的准确性。
Description
技术领域
本申请涉及外骨骼机器人技术领域，尤其涉及一种外骨骼助力效率的检测方法、装置、电子设备及存储介质。
背景技术
外骨骼是一种可穿戴的、模仿人体生理构造的机械装置。外骨骼可以为穿戴者提供助力，能够辅助患者的日常生活、康复训练，或，辅助重体力劳动者的日常作业。外骨骼的助力效率可以作为外骨骼为人体提供辅助效果的评价指标。
相关技术中，一般采用间接测量方式对外骨骼的助力效率进行检测，即，分别在人体穿戴外骨骼、不穿戴外骨骼两种情况下，执行同一特定任务时利用心肺功能测试仪测量人体的综合生理信息，其中，综合生理信息可以是二氧化碳排放量和/或耗氧量。然后，根据穿戴外骨骼前后测量得到的综合生理信息，计算外骨骼的助力效率。
然而，由于难以准确测量人体的综合生理信息，因此，基于综合生理信息所计算的助力效率不准确。目前，缺乏有效的外骨骼助力效率的检测方法。
发明内容
本申请实施例的目的在于提供一种外骨骼助力效率的检测方法、装置、电子设备及存储介质，以提高检测外骨骼助力效率的准确性。具体技术方案如下：
第一方面，提供了一种外骨骼助力效率的检测方法，所述方法包括：
采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
可选的，所述分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数，包括：
对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
根据所述均方根值，确定肌肉激活参数。
可选的，所述根据所述均方根值，确定肌肉激活参数，包括：
根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
可选的，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
可选的，所述根据所述均方根值，确定肌肉激活参数，包括：
将所述均方根值作为肌肉激活参数。
可选的，所述基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率，包括：
计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
第二方面，提供了一种外骨骼助力效率的检测装置，所述装置包括：
采集模块，用于采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
第一计算模块，用于分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
第二计算模块，用于基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
可选的，所述第一计算模块包括：
第一计算子模块，用于对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
确定子模块，用于根据所述均方根值，确定肌肉激活参数。
可选的，所述确定子模块，具体用于根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
可选的，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
可选的，所述确定子模块，具体用于将所述均方根值作为肌肉激活参数。
可选的，所述第二计算模块包括：
第二计算子模块，用于计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
第三计算子模块，用于计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现任一第一方面所述的方法步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一第一方面所述的方法步骤。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的外骨骼助力效率的检测方法。
本申请实施例有益效果：
本申请实施例提供了一种外骨骼助力效率的检测方法、装置、电子设备及存储介质，可以采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的表面肌电信号。然后，分别基于每个表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；基于穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算外骨骼的助力效率。
由于表面肌电信号能够表示肌肉肌电在肌肉的伸、缩过程中的变化情况，因此，基于人体分别在穿戴外骨骼、不穿戴外骨骼两种情况下执行预设动作时采集到的表面肌电信号计算肌肉激活参数，可以对这两种情况下人体的肌肉激活程度进行定量计算。进一步的，基于两种情况下的肌肉激活参数计算外骨骼的助力效率，可以实现外骨骼的助力效率的准确检测。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种外骨骼助力效率的检测方法的流程图；
图2为本申请实施例提供的另一种外骨骼助力效率的检测方法的流程图；
图3为本申请实施例提供的一种外骨骼助力效率的检测装置的结构示意图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种外骨骼助力效率的检测方法，可以应用于电子设备，电子设备可以是具有数据处理功能的设备，例如，电子设备可以是手机、笔记本电脑等。在外骨骼具有数据处理功能的情况下，外骨骼也可以作为用于检测助力效率的电子设备。
当人体运动时，人体的肌肉会产生动作电位，肌肉产生的动作电位随动作幅度的改变而改变。可以在肌肉的表面皮肤处设置肌电电极，通过肌电电极采集人体运动过程中动作电位的变化情况，得到表面肌电信号。由于表面肌电信号能够表示肌肉肌电在肌肉的伸、缩过程中的变化情况，因此，基于表面肌电信号检测助力效率，可以对外骨骼的助力效率进行客观、准确的检测。
下面将结合具体实施方式，对本申请实施例提供的一种外骨骼助力效率的检测方法进行详细的说明，如图1所示，具体步骤如下：
步骤101、采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的表面肌电信号。
在实施中，可以将肌电电极粘贴于被测对象待测试肌肉表面的皮肤处，待测试肌肉可以是人体执行预设动作时需要用到的肌肉，预设动作可以是提起物体、挥手和走路，待测试肌肉可以是股直肌、股二头肌。
被测对象可以在穿戴外骨骼之前执行预设动作，电子设备可以在被测对象执行预设动作时，通过待测试肌肉处的肌电电极采集随伸张或收缩而变化的动作电位，得到表面肌电信号。然后，被测对象可以穿戴外骨骼，再执行预设动作。之后，电子设备可以在被测对象执行同一预设动作时，通过待测试肌肉处的肌电电极采集随伸张或收缩而变化的动作电位，得到表面肌电信号。
为了便于描述，将穿戴外骨骼之前人体执行预设动作时采集到的表面肌电信号，称为第一表面肌电信号，将穿戴外骨骼之后人体执行预设动作时采集到的表面肌电信号，称为第二表面肌电信号。
步骤102、分别基于每个表面肌电信号，计算该表面肌电信号对应的肌肉激活参数。
在实施中，针对每个表面肌电信号，电子设备可以计算该表面肌电信号对应的肌肉激活参数。由此，电子设备可以计算得到第一表面肌电信号对应的肌肉激活参数，和第二表面肌电信号对应的肌肉激活参数。为了便于描述，将第一表面肌电信号对应的肌肉激活参数称为第一肌肉激活参数，将第二表面肌电信号对应的肌肉激活参数称为第二肌肉激活参数。
可选的，电子设备可以通过多种方式计算该表面肌电信号对应的肌肉激活参数。
在一种可行的实现方式中，电子设备可以通过计算某一表面肌电信号的均方根值，确定该表面肌电信号对应的肌肉激活参数，具体处理过程后续会进行详细说明。
在另一种可行的实现方式中，电子设备可以在计算某一表面肌电信号的均方根值后，基于均方根值进行进一步计算，得到该表面肌电信号对应的肌肉激活参数，具体处理过程后续会进行详细说明。
可选的，针对被测对象重复执行预设动作的情况，本申请实施例还提供了一种计算第一肌肉激活参数率的实现方式：
在被测对象穿戴外骨骼之前，被测对象可以重复执行预设动作，由此，电子设备可以采集到多个第一表面肌电信号。然后，电子设备可以分别基于每个第一表面肌电信号，计算该第一表面肌电信号对应的肌肉激活参数，得到多个肌肉激活参数。之后，电子设备可以计算多个肌肉激活参数的平均值，将得到的平均值作为穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数，即，第一肌肉激活参数。
类似的，第二肌肉激活参数的计算方式可以为：被测对象可以在穿戴外骨骼之后，重复执行预设动作，由此，电子设备可以采集到多个第二表面肌电信号。然后，电子设备可以分别基于每个第二表面肌电信号，计算该第二表面肌电信号对应的肌肉激活参数，得到多个肌肉激活参数。之后，电子设备可以计算多个肌肉激活参数的平均值，将得到的平均值作为穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，即，第二肌肉激活参数。
步骤103、基于穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算外骨骼的助力效率。
本申请实施例提供了两种电子设备基于第一肌肉激活参数、第二肌肉激活参数，计算外骨骼的助力效率的计算方式，包括：
方式一、电子设备可以计算第二肌肉激活参数和第一肌肉激活参数的比值，将该比值作为外骨骼的助力效率。
例如，第一肌肉激活参数可以为1，第二肌肉激活参数可以为0.8。电子设备可以计算第二肌肉激活参数和第一肌肉激活参数的比值，得到1.25，然后，电子设备可以将该比值1.25作为外骨骼的助力效率。
方式二、电子设备可以计算穿戴外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值。然后，计算差值与第一肌肉激活参数的比值，得到外骨骼的助力效率。
例如，第一肌肉激活参数可以为1，第二肌肉激活参数可以为0.8，电子设备可以计算第一肌肉激活参数和第二肌肉激活参数的差值，得到0.2。然后，电子设备可以计算该差值0.2与第一肌肉激活参数1的比值，得到20％，即，外骨骼的助力效率为20％。
可选的，电子设备中可以预先存储有助力效率计算公式，电子设备可以基于第一肌肉激活参数、第二肌肉激活参数和助力效率计算公式，计算外骨骼的助力效率。本申请实施例提供了一种助力效率计算公式，如公式(1)所示，
其中，η表示外骨骼的助力效率，sEMGH表示第一表面肌电信号对应的第一肌肉激活参数，sEMGA表示第二表面肌电信号对应的第二肌肉激活参数。
本申请实施例中，电子设备可以采集穿戴外骨骼之前人体执行预设动作时的第一表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的第二表面肌电信号。分别基于每个表面肌电信号，计算该表面肌电信号对应的肌肉激活参数。之后，基于穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算外骨骼的助力效率。
由于表面肌电信号能够表示肌肉肌电在肌肉的伸、缩过程中的变化情况，因此，基于人体分别在穿戴外骨骼、不穿戴外骨骼两种情况下执行预设动作时采集到的表面肌电信号计算肌肉激活参数，可以对这两种情况下人体的肌肉激活程度进行定量计算。进一步的，基于两种情况下的肌肉激活参数计算外骨骼的助力效率，可以实现外骨骼的助力效率的准确检测。
相关技术中，外骨骼可以包含肌电电极，外骨骼可以通过粘贴于人体皮肤表面的采样电极，采集人体运动过程中的表面肌电信号，基于表面肌电信号进行运动意图预判。
本申请实施例提供的技术方案，在基于表面肌电信号进行运动意图预判的同时，还能够利用表面肌电信号对外骨骼的助力效果进行客观、定量地评估。与基于生物综合信息计算助力效率的技术方案相比，无需借助测量生物综合信息所需的心肺功能测试仪等辅助设备，具有简单便捷的优点。
发明人经研究发现，表面肌电信号的均方根值与运动单元募集和兴奋节律的同步化相关，均方根值的大小受肌肉负荷性因素和肌肉本身的生理、生化过程之间内在联系的影响，并且，均方根值具有较好的实时性，因此，均方根值可以用于描述肌肉活动状态。由此，可以基于表面肌电信号的均方根值确定肌肉激活参数。
可选的，本申请实施例提供了一种通过计算某一表面肌电信号的均方根值，确定该表面肌电信号对应的肌肉激活参数的实现方式，如图2所示，包括以下步骤：
步骤201、对每个表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值。
在实施中，针对每个表面肌电信号，电子设备可以对该表面肌电信号进行滑窗处理，得到至少一个窗口。然后，针对每个窗口，电子设备可以计算该窗口内表面肌电信号的均方根值。由此，电子设备可以计算得到至少一个均方根值。
通过设置窗口长度可以控制对表面肌电信号进行滑窗处理能够得到的窗口的个数，进而可以控制表面肌电信号对应的均方根值的个数。在计算得到多个均方根值的情况下，电子设备可以基于多个均方根值，确定表面肌电信号的均方根值曲线。
电子设备可以通过均方根值的计算公式和表面肌电信号，计算均方根值。本申请实施例提供了一种均方根值的计算公式，如公式(2)所示，
其中，sEMG表示表面肌电信号，T表示表面肌电信号的窗口长度。本申请实施例中，在进行滑窗处理的过程中，可以将窗口长度设置为100ms，将步长设置为1ms。
可选的，电子设备中可以预先设置有滑窗算法，电子设备可以通过滑窗算法对表面肌电信号进行滑窗处理，并计算表面肌电信号的均方根值。
步骤202、根据均方根值，确定肌肉激活参数。
在实施中，电子设备根据均方根值，确定肌肉激活参数的方式可以是多种多样的，在一种可行的实现方式中，电子设备可以将均方根值，作为肌肉激活参数。
由于均方根值曲线可以反映表面肌电信号的振幅变化情况，因此，电子设备可以直接将某一表面肌电信号的均方根值曲线作为该表面肌电信号对应的肌肉激活参数。
在另一种可行的实现方式中，电子设备可以基于均方根值进行进一步计算，得到肌肉群激活参数，具体处理过程后续会进行详细说明。
本申请实施例中，电子设备可以对每个表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值，然后，电子设备可以根据均方根值，确定肌肉激活参数。由于根据均方根值确定肌肉激活参数，因此，能够定量的描述人体执行预设动作过程中肌肉的激活程度，从而可以实现外骨骼助力效率的准确检测。
可选的，电子设备基于均方根值进行进一步计算，得到肌肉群激活参数的处理过程可以包括：
根据均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
电子设备可以针对每个表面肌电信号，根据该表面肌电信号对应的均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的计算结果，即，肌肉激活参数。
本申请实施例中，由于根据均方根值、预设肌肉群激活程度计算公式，进一步计算表示肌肉群激活程度的肌肉激活参数，因此，可以提供另一种定量描述肌肉的激活程度的肌肉激活参数，从而可以丰富外骨骼助力效率的检测手段。
可选的，本申请实施例还提供了一种预设肌肉群激活程度计算公式，具体如式(3)所示：
其中，α、β和γ为预设常数，ω表示表面肌电信号的特征频率，μ表示肌肉群的募集比率。本申请实施例中，α可以取值为2.014，β可以取值为0.02107，γ可以取值为-1.06。
本申请实施例中，由于表面肌电信号的平均功率与肌肉的主动收缩力或疲劳程度存在一定的映射关系，因此，可以计算表面肌电信号的平均功率，将平均功率的值作为表面肌电信号的特征频率。
μ表示肌肉群的募集比率，本申请实施例提供了一种计算μ的实现方式，包括：在穿戴外骨骼之前，电子设备可以采集被测对象的肌肉处于最大激活状态时的表面肌电信号，然后计算该表面肌电信号的均方根值，得到最大均方根值。
在外骨骼助力效率的检测过程中，在采集到某一表面肌电信号后，电子设备可以基于最大均方根值对该表面肌电信号进行正规化处理，再计算正规化处理后得到的表面肌电信号的均方根值，将该均方根值作为μ。也即，μ为均方根值与最大均方根值的比值。
可选的，在实际检测外骨骼的助力效率时，可以选择均方根值、肌肉群激活程度的任一种参数，或同时选择两种参数作为肌肉激活参数，本申请不作具体限定。
针对放置于人体不同部位处的肌电电极，电子设备可以分别计算得到外骨骼对于相应部位的助力效率。例如，针对股直肌，电子设备可以通过放置于股直肌处的肌电电极，在人体分别在穿戴外骨骼、不穿戴外骨骼两种情况下执行预设动作时采集到两个表面肌电信号，然后，电子设备可以基于采集到的两个表面肌电信号，计算得到与股直肌对应的助力效率。类似的，针对股内侧肌，电子设备可以计算与得到与股内侧肌对应的助力效率。
进一步的，采用本申请实施例提供的检测方法，电子设备可以计算人体多个部位对应的助力效率。电子设备可以输出多个部位对应的助力效率，以便外骨骼的开发人员进行后续优化设计。
本申请实施例提供了一种外骨骼助力效率的检测方法的示例，可以将无线肌电电极放置在左腿的伸肌上，电子设备可以在人体穿戴外骨骼之前，采集人体执行预设动作时的第一表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的第二表面肌电信号。
然后，电子设备可以基于第一表面肌电信号，计算第一表面肌电信号的均方根值、并基于第二表面肌电信号，计算第二表面肌电信号的均方根值。之后，电子设备可以通过公式(1)计算助力效率。
类似的，可以将无线肌电电极放置在右腿的伸肌上、左腿的屈肌上，右腿的屈肌上，通过上述外骨骼助力效率的检测方法步骤分别计算得到该部位的助力效率。
其中，伸肌可以是股直肌、股内侧肌和股外侧肌；屈肌可以是股二头肌、半腱肌和腓肠肌。本申请实施例中，无线肌电电极的采样率可以为1kHz。
基于相同的技术构思，本申请实施例还提供了一种外骨骼助力效率的检测装置，如图3所示，该装置包括：
采集模块310，用于采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
第一计算模块320，用于分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
第二计算模块330，用于基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
可选的，所述第一计算模块包括：
第一计算子模块，用于对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
确定子模块，用于根据所述均方根值，确定肌肉激活参数。
可选的，所述确定子模块，具体用于根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
可选的，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
可选的，所述确定子模块，具体用于将所述均方根值作为肌肉激活参数。
可选的，所述第二计算模块包括：
第二计算子模块，用于计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
第三计算子模块，用于计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
本申请实施例有益效果：
本申请实施例提供了一种外骨骼助力效率的检测装置，可以采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的表面肌电信号。然后，分别基于每个表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；基于穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算外骨骼的助力效率。
由于表面肌电信号能够表示肌肉肌电在肌肉的伸、缩过程中的变化情况，因此，基于人体分别在穿戴外骨骼、不穿戴外骨骼两种情况下执行预设动作时采集到的表面肌电信号计算肌肉激活参数，可以对这两种情况下人体的肌肉激活程度进行定量计算。进一步的，基于两种情况下的肌肉激活参数计算外骨骼的助力效率，可以实现外骨骼的助力效率的准确检测。
基于相同的技术构思，本申请实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
可选的，所述分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数，包括：
对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
根据所述均方根值，确定肌肉激活参数。
可选的，所述根据所述均方根值，确定肌肉激活参数，包括：
根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
可选的，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
可选的，所述根据所述均方根值，确定肌肉激活参数，包括：
将所述均方根值作为肌肉激活参数。
可选的，所述基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率，包括：
计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例有益效果：
本申请实施例提供了一种电子设备，可以采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴外骨骼之后人体执行预设动作时的表面肌电信号。然后，分别基于每个表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；基于穿戴外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算外骨骼的助力效率。
由于表面肌电信号能够表示肌肉肌电在肌肉的伸、缩过程中的变化情况，因此，基于人体分别在穿戴外骨骼、不穿戴外骨骼两种情况下执行预设动作时采集到的表面肌电信号计算肌肉激活参数，可以对这两种情况下人体的肌肉激活程度进行定量计算。进一步的，基于两种情况下的肌肉激活参数计算外骨骼的助力效率，可以实现外骨骼的助力效率的准确检测。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一外骨骼助力效率的检测方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一外骨骼助力效率的检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种外骨骼助力效率的检测方法，其特征在于，所述方法包括：
采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
2.根据权利要求1所述的方法，其特征在于，所述分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数，包括：
对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
根据所述均方根值，确定肌肉激活参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述均方根值，确定肌肉激活参数，包括：
根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
4.根据权利要求3所述的方法，其特征在于，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
5.根据权利要求2所述的方法，其特征在于，所述根据所述均方根值，确定肌肉激活参数，包括：
将所述均方根值作为肌肉激活参数。
6.根据权利要求1所述的方法，其特征在于，所述基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率，包括：
计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
7.一种外骨骼助力效率的检测装置，其特征在于，所述装置包括：
采集模块，用于采集穿戴外骨骼之前人体执行预设动作时的表面肌电信号，以及穿戴所述外骨骼之后人体执行所述预设动作时的表面肌电信号；
第一计算模块，用于分别基于每个所述表面肌电信号，计算该表面肌电信号对应的肌肉激活参数；
第二计算模块，用于基于穿戴所述外骨骼之前采集到的表面肌电信号对应的肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的肌肉激活参数，计算所述外骨骼的助力效率。
8.根据权利要求7所述的装置，其特征在于，所述第一计算模块包括：
第一计算子模块，用于对每个所述表面肌电信号进行滑窗处理，并计算窗口内该表面肌电信号的均方根值；
确定子模块，用于根据所述均方根值，确定肌肉激活参数。
9.根据权利要求8所述的装置，其特征在于，所述确定子模块，具体用于根据所述均方根值、预设肌肉群激活程度计算公式，计算表示肌肉群激活程度的肌肉激活参数。
10.根据权利要求9所述的装置，其特征在于，所述预设肌肉群激活程度计算公式为
其中，所述α、所述β和所述γ为预设常数，所述ω为所述表面肌电信号的特征频率，所述μ为所述均方根值与最大均方根值的比值，所述最大均方根值为穿戴所述外骨骼之前、且肌肉处于最大激活状态下采集到的表面肌电信号的均方根值。
11.根据权利要求8所述的装置，其特征在于，所述确定子模块，具体用于将所述均方根值作为肌肉激活参数。
12.根据权利要求7所述的装置，其特征在于，所述第二计算模块包括：
第二计算子模块，用于计算穿戴所述外骨骼之前采集到的表面肌电信号对应的第一肌肉激活参数、穿戴所述外骨骼之后采集到的表面肌电信号对应的第二肌肉激活参数的差值；
第三计算子模块，用于计算所述差值与所述第一肌肉激活参数的比值，得到所述外骨骼的助力效率。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010300724.3A CN111481196B (zh) | 2020-04-16 | 2020-04-16 | 外骨骼助力效率的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010300724.3A CN111481196B (zh) | 2020-04-16 | 2020-04-16 | 外骨骼助力效率的检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111481196A true CN111481196A (zh) | 2020-08-04 |
| CN111481196B CN111481196B (zh) | 2023-06-27 |
Family
ID=71795085
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010300724.3A Active CN111481196B (zh) | 2020-04-16 | 2020-04-16 | 外骨骼助力效率的检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111481196B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113974660A (zh) * | 2021-12-09 | 2022-01-28 | 重庆理工大学 | 基于连续上台阶步态下肢助力外骨骼效能评估方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5916172A (en) * | 1995-03-29 | 1999-06-29 | The University Of Queensland | Diagnosis of neuromuscular dysfunction |
| US20120071733A1 (en) * | 2010-09-21 | 2012-03-22 | Somaxis Incorporated | Methods for assessing and optimizing muscular performance |
| US20120232675A1 (en) * | 2009-09-02 | 2012-09-13 | Luis Armando Bravo Castillo | System and method for acquiring and processing myoelectric signals in order to control a prosthetic arm |
| CN103431976A (zh) * | 2013-07-19 | 2013-12-11 | 燕山大学 | 基于肌电信号反馈的下肢康复机器人系统及其控制方法 |
| JP2016063995A (ja) * | 2014-09-25 | 2016-04-28 | 国立大学法人九州工業大学 | 筋組織系及び神経系の活動量及び活動効率の評価システム及び評価方法並びにそのプログラム |
| CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN107456743A (zh) * | 2017-08-14 | 2017-12-12 | 京东方科技集团股份有限公司 | 运动指导方法及系统 |
| US20180055400A1 (en) * | 2015-03-23 | 2018-03-01 | Repono Pty Ltd | Muscle Activity Monitoring |
| CN108994833A (zh) * | 2018-07-26 | 2018-12-14 | 北京机械设备研究所 | 一种基于肌电活跃度反馈的关节助力控制方法 |
| CN110339024A (zh) * | 2019-07-19 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 下肢外骨骼机器人及其实时步态切换方法及存储装置 |
| CN110522459A (zh) * | 2019-08-22 | 2019-12-03 | 西安交通大学 | 基于红外光谱检测肌氧含量评估外骨骼助力效果测试方法 |
| CN110786871A (zh) * | 2019-10-31 | 2020-02-14 | 清华大学 | 人体肌电信号的测试装置、数据处理及激活水平计算方法 |
| CN110811553A (zh) * | 2019-11-01 | 2020-02-21 | 西安交通大学 | 一种用于负重外骨骼助力效率的检测方法 |
-
2020
- 2020-04-16 CN CN202010300724.3A patent/CN111481196B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5916172A (en) * | 1995-03-29 | 1999-06-29 | The University Of Queensland | Diagnosis of neuromuscular dysfunction |
| US20120232675A1 (en) * | 2009-09-02 | 2012-09-13 | Luis Armando Bravo Castillo | System and method for acquiring and processing myoelectric signals in order to control a prosthetic arm |
| US20120071733A1 (en) * | 2010-09-21 | 2012-03-22 | Somaxis Incorporated | Methods for assessing and optimizing muscular performance |
| CN103431976A (zh) * | 2013-07-19 | 2013-12-11 | 燕山大学 | 基于肌电信号反馈的下肢康复机器人系统及其控制方法 |
| JP2016063995A (ja) * | 2014-09-25 | 2016-04-28 | 国立大学法人九州工業大学 | 筋組織系及び神経系の活動量及び活動効率の評価システム及び評価方法並びにそのプログラム |
| US20180055400A1 (en) * | 2015-03-23 | 2018-03-01 | Repono Pty Ltd | Muscle Activity Monitoring |
| CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN107456743A (zh) * | 2017-08-14 | 2017-12-12 | 京东方科技集团股份有限公司 | 运动指导方法及系统 |
| CN108994833A (zh) * | 2018-07-26 | 2018-12-14 | 北京机械设备研究所 | 一种基于肌电活跃度反馈的关节助力控制方法 |
| CN110339024A (zh) * | 2019-07-19 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 下肢外骨骼机器人及其实时步态切换方法及存储装置 |
| CN110522459A (zh) * | 2019-08-22 | 2019-12-03 | 西安交通大学 | 基于红外光谱检测肌氧含量评估外骨骼助力效果测试方法 |
| CN110786871A (zh) * | 2019-10-31 | 2020-02-14 | 清华大学 | 人体肌电信号的测试装置、数据处理及激活水平计算方法 |
| CN110811553A (zh) * | 2019-11-01 | 2020-02-21 | 西安交通大学 | 一种用于负重外骨骼助力效率的检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李海龙: "人体上肢生物力学建模及肌肉力预测分析", 中国优秀硕士学位论文全文数据库 信息科技辑 * |
| 龚迪: "不同形式核心稳定训练对核心肌肉激活程度的影响", 中国优秀硕士学位论文全文数据库 医药卫生科技辑 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113974660A (zh) * | 2021-12-09 | 2022-01-28 | 重庆理工大学 | 基于连续上台阶步态下肢助力外骨骼效能评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111481196B (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | Mean frequency derived via Hilbert-Huang transform with application to fatigue EMG signal analysis | |
| CN109480858B (zh) | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法 | |
| WO2018045623A1 (zh) | 一种基于脉搏波时间序列分析的情绪分类方法及装置 | |
| US20100113979A1 (en) | Method and apparatus for quantitative assessment of neuromotor disorders | |
| Wang et al. | sEMG-based consecutive estimation of human lower limb movement by using multi-branch neural network | |
| Lin et al. | A comparative study of smart insole on real-world step count | |
| Zou et al. | A multimodal fusion model for estimating human hand force: Comparing surface electromyography and ultrasound signals | |
| CN111481196A (zh) | 外骨骼助力效率的检测方法、装置、电子设备及存储介质 | |
| JP6652252B2 (ja) | 筋電信号処理方法、装置およびプログラム | |
| Nurhanim et al. | EMG signals classification on human activity recognition using machine learning algorithm | |
| Brandon et al. | Reliability of a combined biomechanical and surface electromyographical analysis system during dynamic barbell squat exercise | |
| Roland et al. | Signal evaluation of capacitive EMG for upper limb prostheses control using an ultra-low-power microcontroller | |
| CN116687429A (zh) | 一种基于下肢外骨骼机器人的肌肉实时监测分析系统 | |
| Grabczyński et al. | Applying EMG technology in medial and lateral elbow enthesopathy treatment using Myo motion controller | |
| Wahyunggoro et al. | Adaptive threshold to compensate the effect of muscle fatigue on elbow-joint angle estimation based on electromyography | |
| MacDonald et al. | Determination of human gait phase using fuzzy inference | |
| Hooda et al. | Optimal channel-set and feature-set assessment for foot movement based EMG pattern recognition | |
| TW201705909A (zh) | 肢體運動功能評估方法及其實施系統 | |
| Montes et al. | Comparison of 4 different smoothness metrics for the quantitative assessment of movement's quality in the upper limb of subjects with cerebral palsy | |
| Gregory et al. | Quantifying human movement across the continuum of care: From lab to clinic to community | |
| CN106983511A (zh) | 肌力与肌张力状态突变点的识别方法及识别装置 | |
| US20170199969A1 (en) | System and method for monitoring gross motor behavior | |
| Fegni Ndam et al. | What are the best indicators of myoelectric manifestation of fatigue? | |
| Di Nardo et al. | Accuracy of EMG linear envelope in identifying the peak of muscular activity during walking | |
| JP6661123B2 (ja) | 姿勢伝達制御装置、姿勢伝達装置、姿勢伝達方法およびプログラム |
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 | ||
| CB02 | Change of applicant information |
Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Shuke Haiyi Information Technology Co.,Ltd. Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Beijing Economic and Technological Development Zone, Beijing 100176 Applicant before: BEIJING HAIYI TONGZHAN INFORMATION TECHNOLOGY Co.,Ltd. Address after: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Information Technology Co.,Ltd. Address before: 601, 6 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: Jingdong Shuke Haiyi Information Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |