CN112604916B - 基于统计学和piv图像确定喷涂覆膜沉积基线的方法 - Google Patents
基于统计学和piv图像确定喷涂覆膜沉积基线的方法 Download PDFInfo
- Publication number
- CN112604916B CN112604916B CN202011465376.1A CN202011465376A CN112604916B CN 112604916 B CN112604916 B CN 112604916B CN 202011465376 A CN202011465376 A CN 202011465376A CN 112604916 B CN112604916 B CN 112604916B
- Authority
- CN
- China
- Prior art keywords
- baseline
- deposition
- spraying
- spray
- soybean protein
- 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
- 238000005507 spraying Methods 0.000 title claims abstract description 54
- 230000008021 deposition Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 22
- 108010073771 Soybean Proteins Proteins 0.000 claims abstract description 58
- 235000019710 soybean protein Nutrition 0.000 claims abstract description 53
- 239000002245 particle Substances 0.000 claims abstract description 44
- 239000007921 spray Substances 0.000 claims abstract description 39
- 239000007788 liquid Substances 0.000 claims abstract description 27
- 238000009718 spray deposition Methods 0.000 claims abstract description 10
- 239000012460 protein solution Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 5
- 229940001941 soy protein Drugs 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007619 statistical method Methods 0.000 abstract description 2
- 239000011248 coating agent Substances 0.000 abstract 2
- 238000000576 coating method Methods 0.000 abstract 2
- 238000000465 moulding Methods 0.000 abstract 1
- 238000000889 atomisation Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229920005646 polycarboxylate Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05D—PROCESSES FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05D1/00—Processes for applying liquids or other fluent materials
- B05D1/02—Processes for applying liquids or other fluent materials performed by spraying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
- Peptides Or Proteins (AREA)
Abstract
本发明公开了一种基于统计学和PIV图像确定喷涂覆膜沉积基线的方法。由于扇形喷涂的整体形貌是动态微弱变化的，喷涂沉积基线长度和位置是变化的，本方法通过PIV技术得到大豆蛋白液粒子喷雾速度场图像，基于每组20张(或若干张)粒子速度场的原始图像，运用统计学的方法和PIV图像求出每组对应的沉积基线的平均长度及其位置。本方法能为大豆蛋白喷涂覆膜沉积基线长度及位置的确定提供参考，进一步为覆膜厚度求解以及得到高质量的类似覆膜成型提供理论和实践依据。
Description
技术领域
本发明涉及材料成型领域，更具体的说，是一种基于统计学和PIV技术确定大豆蛋白液喷涂覆膜成型沉积基线长度和位置的方法。
背景技术
粒子图像技术(PIV)是一种常见的非接触式、不对所测粒子速度场产生干扰的定量测试技术，统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，均值是统计学的主要术语。目前采用Matlab软件对喷雾图像进行预处理，包括从原图像中减去背景、灰度图像转化和二值化处理等，这种处理喷雾图像方法缺陷是经过多次处理造成的误差偏大而且仅有一次不具备集中趋势。本发明中大豆蛋白液的喷涂就是在蔬菜纸表面形成一层均匀的大豆蛋白膜，制备满足热封性能要求的蔬菜复合纸。在覆膜成型过程中，大豆蛋白液的沉积厚度是影响覆膜质量的因素之一，而沉积基线长度和位置与其沉积厚度有密切关联。
发明内容
为了解决上述问题，本发明提供了一种基于统计学和PIV图像确定沉积基线长度和位置的方法，以便于快速得到不同参数大豆蛋白液的喷涂基线长度和位置，找到最佳喷涂参数，进而为覆膜厚度求解提供依据。
本发明一种基于统计学和PIV图像确定沉积基线长度和位置的方法，包括以下步骤：
第一步：基于统计学和PIV速度场图像得到大豆蛋白液的沉积基线长度
先根据实际需求设定好喷涂参数，配置不同浓度的大豆蛋白液；然后将配制好的大豆蛋白液在设定好的喷涂参数进行雾化喷雾，利用PIV系统拍摄20张粒子速度场原始图像，通过Tecplot软件预处理后得到喷雾粒子速度场图像；
然后将处理后的速度场图像基于有粒子有速度、无粒子无速度的原理，运用Teclopt软件进行喷雾区域提取，并运用Origin软件做喷涂基线边界提取；通过提取边界数据得出喷涂轴线两侧的最大长度和喷嘴到基线的最大距离即基线长度和喷涂距离，基于统计学运用Origin软件作出沉积基线最大长度和平均长度折线图以及喷涂最大距离和喷涂平均距离折线图，分析出最佳大豆蛋白液的喷涂参数；
第二步：基于统计学和PIV速度场图像确定大豆蛋白液的沉积基线位置
根据上述第一步得到的设定参数下该浓度下大豆蛋白液沉积基线长度和喷涂距离，进而通过Matlab软件编程分析计算喷雾角在喷射中轴线上的偏移量，最后确定大豆蛋白液喷涂沉积基线的位置，是一个统计学意义上平均的所在位置。
本发明确定喷涂沉积基线长度和位置的方法的优点在于：
1、由于喷涂扇形的整体形貌以及喷涂基线长度和位置是动态微弱变化的，本方法基于统计学和数字图像处理，能够快速精确地测出沉积基线的长度和位置。
2、本方法通过统计学和PIV图像在有粒子有速度、无粒子无速度的理论下求得沉积基线的长度和位置更加精确，最大化的减少了误差。
3、本方法是一种无接触式、非侵入式的检测方法，具有全流场、精度高、不对粒子速度场产生干扰，不会污染被检测物。
本方法运用Tecplot软件、Origin软件和Matlab软件基于PIV粒子速度场图像和统计学确定大豆蛋白液沉积基线的长度和位置。为进一步为覆膜厚度求解以及得到高质量的类似覆膜成型提供理论和实践依据。
附图说明
图1是浓度为7.76％的大豆蛋白液的雾化粒子速度场；
图2是大豆蛋白液的雾化粒子速度场的边界区域；
图3是大豆蛋白液的雾化粒子速度场的边界提取折线图；
图4是大豆蛋白液喷涂沉积基线最大长度和平均长度的数据折线图；
图5是大豆蛋白液喷涂最大距离和平均距离的数据折线图；
图6是大豆蛋白液喷涂雾化沉积基线位置和喷雾角偏移量。
具体实施方式
下面结合附图对本发明做进一步说明。
本发明一种基于统计学和PIV图像确定沉积基线长度和位置的方法，按照下述步骤完成：
第一步：根据实验设计要求，设定好喷涂参数：喷涂流量、喷涂气压、喷涂液压和喷嘴电子脉冲频率；再根据实际情况，制定试验方案，按照试验方案配制出一定的大豆蛋白液。利用PIV装置拍摄得到一定浓度的大豆蛋白液的不同喷涂气压下雾化粒子速度场图像，并用Tecplot软件处理得到速度场图像。
第二步：选取处理得到的大豆蛋白液喷涂雾化粒子速度场图像，用Teclpot软件对图像进行预处理，进行喷雾场区域确定，然后使用Origin软件进行沉积基线边界提取，之后提取边界数据。
第三步：提取每幅PIV图像边界数据计算出大豆蛋白液喷涂沉积基线的最大长度，并运用统计学求出大豆蛋白液喷涂沉积基线的平均长度，绘制出沉积基线最大长度和平均长度的数据折线图。
第四步：提取每幅PIV图像边界数据计算出大豆蛋白液喷嘴到基线的距离即喷涂最大距离，并运用统计学求出大豆蛋白液喷涂平均距离，绘制出喷涂最大距离和平均距离的数据折线图。运用Matlab软件编程分析计算出大豆蛋白液喷涂雾化的雾化角偏移量。
下面利用具体实施例进一步说明:
实施例1
设定喷涂参数喷涂流量30cc/min
喷涂气压为0.08MPa
喷涂液压为0.08MPa
恒定不变喷嘴电子脉冲频率为80Hz。
步骤：
(1)通过大豆蛋白80g、CMC(1％)50g、聚羧酸盐(1％)40g和800g蒸馏水配制浓度为7.76％的大豆蛋白液，利用PIV装置测得该大豆蛋白液浓度下雾化粒子速度场情况，大豆蛋白液浓度是指大豆蛋白的质量分数。
(2)对试验装置的调试之后，对喷雾场的尺寸做标定，确定放大倍数，系统标定之后得出的速度放大率0.6619m/s.pixel，图像放大率为0.33099mm/pixel，然后进行试验喷雾，为了避免喷雾瞬时性对某些雾化特性的影响，试验中，每组持续测出20张粒子速度场的原始图像。将测得的20张原始图像处理成粒子速度场平均图像，将平均图像用tecplot软件进行后处理，得到每组试验喷雾粒子速度场粒子速度变化情况。图1为喷涂流量为30cc/min、喷涂气压为0.08MPa、喷涂液压0.08MPa下浓度为7.76％的大豆蛋白液的雾化粒子速度场。在图像中显示了大豆蛋白液喷雾的整体形貌，基于有粒子有速度、无粒子无速度的原理，能够明显的看出粒子速度场区域，也能够从图像里不同速度颜色区域得出，雾化粒子喷出后速度先迅速增大而后逐渐减小的趋势，直到边缘处速度基本为零，且速度场内部没有出现无速度区域。
(3)图2是本实验设定参数下浓度为7.76％的大豆蛋白液的雾化粒子速度场的边界区域，即在图1的基础上根据有无粒子速度继续用Tecplot软件处理得到速度场的边界。通过图像区域可以看出雾化粒子速度场外速度均为零，无雾化粒子，且有明显的基线长度和喷涂距离界线。而图3是该喷涂参数设定下浓度为7.76％的大豆蛋白液的雾化粒子速度场的边界提取折线图。用Tecplot软件对图2粒子速度场区域提取区域数据。然后运用Origin软件导入数据进行对沉积基线边界数据的提取，作出粒子速度场区域边界。
(4)表1是浓度为7.76％的大豆蛋白液粒子速度场最大长度和喷涂最大距离的数据。通过对图3边界数据的提取整理计算得出每张图像的基线最大长度和喷涂最大距离。然后通过运用统计学的方法对每组10张PIV图像提取的最大长度和最大距离求其平均值，即得出了该设定参数下浓度为7.76％的大豆蛋白液粒子速度场的整体形貌。图4是大豆蛋白液喷涂沉积基线最大长度和平均长度的数据折线图。从图中可以看出每张的PIV图像粒子速度场的沉积基线的最大长度波动很小，趋于平稳，都很接近平均长度值。可得出喷涂流量为30cc/min、喷涂气压为0.08MPa、喷涂液压0.08MPa下浓度为7.76％的大豆蛋白液在喷涂雾化过程中，雾化粒子速度场较稳定，雾化整体形貌较完整，沉积基线的最大长度变化很小，且最大长度数值为502.5mm，能够为喷涂覆膜提供有力的试验数据参考。图5是大豆蛋白液喷涂最大距离和平均距离的数据折线图，从图中可以看出每张的PIV图像在喷涂雾化过程中喷涂的最大距离变化较小，在平均距离值上下跳跃幅度很小，能够确定本试验设定参数下该浓度的大豆蛋白液喷涂雾化时喷嘴到沉积基线的距离，即喷涂距离为485.8mm。
表1是十幅PIV图像大豆蛋白液粒子速度场的基线最大长度和喷涂最大距离数据
| 图像 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 宽度(mm) | 466.6 | 538.6 | 475.4 | 501.7 | 498.8 | 512.6 | 513.1 | 521.9 | 480.7 | 515.8 |
| 长度(mm) | 458.5 | 490.9 | 516.6 | 479.4 | 482.6 | 431.1 | 495.3 | 510.8 | 501.4 | 491.5 |
(5)图6是大豆蛋白液喷涂雾化沉积基线位置和喷雾角偏移量。喷雾角的定义是喷嘴与基线两端点之间的夹角，图中的喷雾角偏移量是喷嘴的中心轴线与喷雾角角平分线的夹角，可以看出该设定参数下浓度为7.76％的大豆蛋白液喷雾雾化特性较好，喷雾角偏移量很小，且粒子速度场整体形貌基本呈对称。通过Matlab程序计算得出本次实验喷雾角偏移量是0.24°，对图6中角偏移量做了定量计算。
大豆蛋白液喷雾计算角偏移量的Matlab程序及主要注解如下：
clear
a＝[96.4 68.5 116.8 72.4 98.3 64.1 52.2 81.2 94.0 83.0]；
A＝mean(a(:))； 沉积基线左端点横坐标值
b＝[563.0 607.1 592.2 574.1 597.1 576.7 565.3 603.1 574.7 598.8]；
B＝mean(b(:))； 沉积基线右端点很坐标值
T＝(B-A)/2； 沉积基线最大宽度的1/2值
alpha＝180*atan((336-(A+T))/485.8)/pi喷雾角偏移量
综合上述分析计算，喷涂流量为30cc/min、喷涂气压为0.08MPa、喷涂液压0.08MPa下浓度为7.76％的大豆蛋白液的雾化粒子速度场的沉积基线宽度为502.5mm，喷射最大长度为485.8mm，角偏移量为0.24°。可以得出该设定参数下浓度为7.76％的大豆蛋白液雾化粒子速度场喷涂雾化整体形貌较好，能很好得形成均匀一致性的蔬菜纸复合膜，因此本实施例为进一步选取最佳沉积基线宽度和喷射长度的大豆蛋白液作铺垫和试验数据参考。
以上内容是结合具体的实施方式对本发明作的进一步详细说明，不能认定本发明只局限于上述具体实施。在不脱离本发明整体思路和权利要求所保护的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (1)
1.一种基于统计学和PIV图像确定喷涂沉积基线长度和位置的方法，其特征在于：所述确定基线长度和位置的方法包括以下步骤：
第一步：基于统计学和PIV速度场图像得到大豆蛋白液的沉积基线长度
先根据实际需求设定好喷涂参数：喷涂流量、喷涂气压、喷涂液压和喷嘴电子脉冲频率，配置一定浓度的大豆蛋白液，进行喷涂；利用PIV系统拍摄若干张粒子速度场原始图像，通过Tecplot软件处理后得到速度场图像；
然后将处理后的速度场图像基于有粒子有速度、无粒子无速度的原理运用Teclopt软件进行喷雾区域提取，并运用Origin软件做边界提取；通过提取每幅PIV图像边界数据计算出大豆蛋白液喷涂沉积基线的最大长度和最大喷涂距离，基于统计学运用Origin软件作出沉积基线最大长度和平均长度折线图以及喷涂最大距离和平均距离折线图，分析出沉积基线最大长度和喷涂最大距离波动稳定时的最佳大豆蛋白液的喷涂参数；
第二步：基于统计学和PIV速度场图像确定大豆蛋白液的沉积基线位置
根据上述第一步得到的设定参数下该浓度下大豆蛋白液沉积基线的最大长度和最大喷涂距离，编写Matlab语言程序，进而通过Matlab软件分析计算喷雾角在喷涂轴线上的角偏移量，最后根据所得角偏移量来确定大豆蛋白液喷涂沉积基线的位置；喷雾角是喷嘴与沉积基线宽度两端点之间夹角，而喷雾角的角偏移量是喷雾角的角平分线与喷嘴喷头中心轴线之间的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465376.1A CN112604916B (zh) | 2020-12-14 | 2020-12-14 | 基于统计学和piv图像确定喷涂覆膜沉积基线的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011465376.1A CN112604916B (zh) | 2020-12-14 | 2020-12-14 | 基于统计学和piv图像确定喷涂覆膜沉积基线的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112604916A CN112604916A (zh) | 2021-04-06 |
| CN112604916B true CN112604916B (zh) | 2022-05-10 |
Family
ID=75233817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011465376.1A Active CN112604916B (zh) | 2020-12-14 | 2020-12-14 | 基于统计学和piv图像确定喷涂覆膜沉积基线的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112604916B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4810883A (en) * | 1985-05-31 | 1989-03-07 | Turner David W | Device for providing an energy filtered charge particle image |
| US5499198A (en) * | 1993-08-31 | 1996-03-12 | The Dow Chemical Company | Method for predicting spray drift |
| EP2036996A1 (de) * | 2007-09-13 | 2009-03-18 | Sulzer Metco AG | Verfahren zur Bestimmung von Prozessparametern in einem plasmagestützten Prozess zur Oberflächenbehandlung |
| CN110426415A (zh) * | 2019-07-15 | 2019-11-08 | 武汉大学 | 基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10445877B2 (en) * | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
-
2020
- 2020-12-14 CN CN202011465376.1A patent/CN112604916B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4810883A (en) * | 1985-05-31 | 1989-03-07 | Turner David W | Device for providing an energy filtered charge particle image |
| US5499198A (en) * | 1993-08-31 | 1996-03-12 | The Dow Chemical Company | Method for predicting spray drift |
| EP2036996A1 (de) * | 2007-09-13 | 2009-03-18 | Sulzer Metco AG | Verfahren zur Bestimmung von Prozessparametern in einem plasmagestützten Prozess zur Oberflächenbehandlung |
| CN110426415A (zh) * | 2019-07-15 | 2019-11-08 | 武汉大学 | 基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112604916A (zh) | 2021-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112630222B (zh) | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 | |
| CN108876860B (zh) | 一种用于管水准器气泡偏移量测量的图像标定方法 | |
| CN101984916B (zh) | 基于数字图像处理技术的血管管径测量方法 | |
| CN103295232B (zh) | 基于直线和区域的sar图像配准方法 | |
| CN107561087A (zh) | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 | |
| CN105046271A (zh) | 基于模板匹配的melf元件定位与检测方法 | |
| CN101137003A (zh) | 一种基于灰色关联分析的亚像素边缘提取方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
| CN107369140A (zh) | 非结构化环境下的高精密靶球中心提取方法 | |
| CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
| CN109584215A (zh) | 一种电路板在线视觉检测系统 | |
| CN111260708A (zh) | 一种线结构光中心提取方法及系统 | |
| CN106595496A (zh) | 一种人机交互零件尺寸柔性视觉测量方法 | |
| CN105427323A (zh) | 一种基于相位一致性的激光熔覆熔池边缘提取方法 | |
| CN103925878A (zh) | 基于Hough圆卷积变换算法的孔组检测方法与系统 | |
| CN108534802A (zh) | 基于图像处理技术的管水准器气泡偏移量测量方法 | |
| CN112604916B (zh) | 基于统计学和piv图像确定喷涂覆膜沉积基线的方法 | |
| CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
| CN105631857B (zh) | 一种光学元件表面的划痕检测方法和装置 | |
| CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
| CN106546174A (zh) | 一种基于模型滤波的圆检测方法 | |
| CN105374045B (zh) | 一种基于形态学的图像特定形状尺寸目标快速分割方法 | |
| CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
| CN108269264A (zh) | 豆籽粒图像的去噪及分形方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240320 Address after: 336000, No.1 Honggang Avenue, Xiangtian New Area, Industrial Park, Jing'an County, Yichun City, Jiangxi Province Patentee after: JIANGXI ZHUOYA INDUSTRY CO.,LTD. Country or region after: China Address before: 409 Guangrong Road, Beichen District, Tianjin Patentee before: TIANJIN University OF COMMERCE Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for determining the baseline of spray coating deposition based on statistics and PIV images Granted publication date: 20220510 Pledgee: Bank of China Limited Jing'an sub branch Pledgor: JIANGXI ZHUOYA INDUSTRY CO.,LTD. Registration number: Y2024980023484 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |