CN112668429A - 一种汉白玉粉末的智能制备方法和装置 - Google Patents
一种汉白玉粉末的智能制备方法和装置 Download PDFInfo
- Publication number
- CN112668429A CN112668429A CN202011518901.1A CN202011518901A CN112668429A CN 112668429 A CN112668429 A CN 112668429A CN 202011518901 A CN202011518901 A CN 202011518901A CN 112668429 A CN112668429 A CN 112668429A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- powder
- white marble
- marble powder
- 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
- 239000000843 powder Substances 0.000 title claims abstract description 142
- 239000004579 marble Substances 0.000 title claims abstract description 93
- 238000002360 preparation method Methods 0.000 title claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000003860 storage Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 239000000654 additive Substances 0.000 claims description 30
- 230000000996 additive effect Effects 0.000 claims description 29
- 239000000428 dust Substances 0.000 claims description 19
- 238000012806 monitoring device Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000002156 mixing Methods 0.000 claims description 8
- 238000012958 reprocessing Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- WKBPZYKAUNRMKP-UHFFFAOYSA-N 1-[2-(2,4-dichlorophenyl)pentyl]1,2,4-triazole Chemical compound C=1C=C(Cl)C=C(Cl)C=1C(CCC)CN1C=NC=N1 WKBPZYKAUNRMKP-UHFFFAOYSA-N 0.000 claims description 2
- 239000011031 topaz Substances 0.000 claims description 2
- 229910052853 topaz Inorganic materials 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 11
- 239000010977 jade Substances 0.000 abstract description 3
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 abstract 1
- 238000012876 topography Methods 0.000 abstract 1
- 235000014692 zinc oxide Nutrition 0.000 abstract 1
- 239000011787 zinc oxide Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 239000002245 particle Substances 0.000 description 9
- 235000019738 Limestone Nutrition 0.000 description 8
- 239000006028 limestone Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003973 paint Substances 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 239000005060 rubber Substances 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 239000005997 Calcium carbide Substances 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 229910000019 calcium carbonate Inorganic materials 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000010298 pulverizing process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- CLZWAWBPWVRRGI-UHFFFAOYSA-N tert-butyl 2-[2-[2-[2-[bis[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]amino]-5-bromophenoxy]ethoxy]-4-methyl-n-[2-[(2-methylpropan-2-yl)oxy]-2-oxoethyl]anilino]acetate Chemical compound CC1=CC=C(N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)C(OCCOC=2C(=CC=C(Br)C=2)N(CC(=O)OC(C)(C)C)CC(=O)OC(C)(C)C)=C1 CLZWAWBPWVRRGI-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种汉白玉粉末的智能制备方法和装置，其中，所述方法包括：获得视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；对所述第一视频信息进行特征提取，获得第一3D点数据信息；由3D生成模块获得第一3D形貌信息；将所述第一3D形貌信息输入训练模型，获得所述第一汉白玉粉末堆的第一孔隙度信息；根据所述第一孔隙度信息，获得第一危险指数信息；判断所述第一危险指数信息是否满足预设安全阈值；如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。解决了现有技术中汉白玉粉末堆安全检测难度大，制备及存放过程中安全隐患较高的技术问题。
Description
技术领域
本发明涉及汉白玉粉末领域，尤其涉及一种汉白玉粉末的智能制备方法和装置。
背景技术
汉白玉的主要成分为碳酸钙，汉白玉粉末为将碳酸钙在90％以上的白石用雷蒙磨或其它高压磨经粉碎、分级、分离，而制得的成品。石灰石作为重要的建筑材料有着悠久的开采历史，在现代工业中，石灰石是制造水泥、石灰、电石的主要原料，是冶金工业中不可缺少的熔剂灰岩，优质石灰石经超细粉磨后，被广泛应用于造纸、橡胶、油漆、涂料、医药、化妆品、饲料、密封、粘结、抛光等产品的制造中。在实际生产中，汉白玉粉末的制备及存储都需要更加严格的要求。
本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
汉白玉粉末堆安全检测难度大，制备及存放过程中安全隐患较高。
发明内容
本申请实施例通过提供一种汉白玉粉末的智能制备方法和装置，解决了现有技术中汉白玉粉末堆安全检测难度大，制备及存放过程中安全隐患较高的技术问题，达到了基于3D建模技术对汉白玉粉末堆进行全方位安全检测，并对安全隐患进行及时预警的技术目的。
本申请实施例通过提供一种汉白玉粉末的智能制备方法，应用于一智能制备系统，所述智能制备系统具有视频监控设备及电子围栏设备，且所述视频监控设备具有一3D生成模块，其中，所述方法包括：获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；获得第一提取指令；根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；根据所述第一孔隙度信息，获得第一危险指数信息；判断所述第一危险指数信息是否满足预设安全阈值；如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
另一方面，本申请还提供了一种汉白玉粉末的智能制备装置，其中，所述装置包括：第一获得单元，所述第一获得单元用于获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；第二获得单元，所述第二获得单元用于获得第一提取指令；第三获得单元，所述第三获得单元用于根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；第四获得单元，所述第四获得单元用于将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；第一输入单元，所述第一输入单元用于将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；第五获得单元，所述第五获得单元用于获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；第六获得单元，所述第六获得单元用于根据所述第一孔隙度信息，获得第一危险指数信息；第一判断单元，所述第一判断单元用于判断所述第一危险指数信息是否满足预设安全阈值；第七获得单元，所述第七获得单元用于如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
另一方面，本申请实施例还提供了一种汉白玉粉末的智能制备装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了基于面阵成像技术，不需要外部运动机构配合，依据所述3D生成模块，重建所述汉白玉粉末的三维形貌，并通过将所获得的所述第一3D形貌信息输入训练模型，基于所述训练模型能够不断学习、获取经验来处理数据的特点，从而获得准确的所述第一汉白玉粉末堆的孔隙度信息，继而对所述汉白玉粉末堆的安全性进行全方位检测，并进行及时预警。从而达到了基于3D建模技术对汉白玉粉末堆进行全方位安全检测，并对安全隐患进行及时预警的技术目的。
上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种汉白玉粉末的智能制备方法的流程示意图；
图2为本申请实施例一种汉白玉粉末的智能制备装置的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一输入单元15，第五获得单元16，第六获得单元17，第一判断单元18，第七获得单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提一种汉白玉粉末的智能制备方法和装置，解决了现有技术中汉白玉粉末堆安全检测难度大，制备及存放过程中安全隐患较高的技术问题，达到了基于3D建模技术对汉白玉粉末堆进行全方位安全检测，并对安全隐患进行及时预警的技术目的。下面，将参考附图详细的描述本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
汉白玉的主要成分为碳酸钙，汉白玉粉末为将碳酸钙在90％以上的白石用雷蒙磨或其它高压磨经粉碎、分级、分离，而制得的成品。石灰石作为重要的建筑材料有着悠久的开采历史，在现代工业中，石灰石是制造水泥、石灰、电石的主要原料，是冶金工业中不可缺少的熔剂灰岩，优质石灰石经超细粉磨后，被广泛应用于造纸、橡胶、油漆、涂料、医药、化妆品、饲料、密封、粘结、抛光等产品的制造中。在实际生产中，汉白玉粉末的制备及存储都需要更加严格的要求。现有技术中还存在着汉白玉粉末堆安全检测难度大，制备及存放过程中安全隐患较高的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例通过提供一种汉白玉粉末的智能制备方法，应用于一智能制备系统，所述智能制备系统具有视频监控设备及电子围栏设备，且所述视频监控设备具有一3D生成模块，其中，所述方法包括：获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；获得第一提取指令；根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；根据所述第一孔隙度信息，获得第一危险指数信息；判断所述第一危险指数信息是否满足预设安全阈值；如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种汉白玉粉末的智能制备方法，其中，所述方法包括：
步骤S100：获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；
具体而言，所述视频监控设备与所述智能制备系统相连接，由所述智能制备系统控制所述视频监控设备进行图像捕捉，从而获得所述第一汉白玉粉末堆的第一视频信息。
步骤S200：获得第一提取指令；
步骤S300：根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；
具体而言，在获得所述第一视频信息之后，由所述智能制备系统对所述第一视频信息进行特征提取，获取所述第一视频信息中的每个像素点信息，采用相移光栅投影与深度学习融合技术，向被测物投射一系列特定编码的光栅图案，基于强大的双芯片技术，对经过被测物体调制的光栅图案进行重新解码，结合标定参数解算出3D点云数据，即获得所述第一3D点数据信息。
步骤S400：将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；
具体而言，在获得所述第一3D点数据信息之后，所述3D生成模块依据所述第一3D点数据信息，基于面阵成像技术，不需要外部运动机构配合，依据所述3D生成模块，就能重建全场三维形貌，具有结构简单、检测快速、可靠性高等优点。
步骤S500：将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；
步骤S600：获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；
具体而言，所述训练模型为能够根据训练数据进行不断的自我训练学习的模型，进一步而言，所述训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。其中，训练数据中的每一组训练数据均包括所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息。所述神经网络模型不断地自我修正，当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的数据训练，进而使得所述神经网络模型处理所述输入数据更加准确，进而使得输出的所述第一汉白玉粉末堆的第一孔隙度更加准确。通过准确获取所述第一孔隙度信息，进一步提高了所述第一汉白玉粉末堆的安全性。
步骤S700：根据所述第一孔隙度信息，获得第一危险指数信息；
步骤S800：判断所述第一危险指数信息是否满足预设安全阈值；
步骤S900：如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
具体而言，所述智能制备系统由所述训练模型输出的所述第一孔隙度信息，与数据库中的预设安全孔隙度值进行分析比对，从而获得所述第一危险指数信息，并判断所述第一危险指数信息是否满足所述预设安全阈值，若不满足，则进行安全预警，并将所述预警信息发送给所述工作人员，从而防止所述第一汉白玉粉末堆因为堆积过多发生自燃或爆炸的现象。
进一步而言，本申请实施例步骤S400还包括：
步骤S401：根据所述第一3D形貌信息，获得单位体积内所述第一汉白玉粉末堆的第一粉末尺寸信息；
步骤S402：根据所述第一粉末尺寸信息，获得第一粉末均匀度信息；
步骤S403：判断所述第一粉末均匀度信息是否满足预设均匀度信息；
步骤S404：如果不满足，获得第一再加工指令，其中，所述第一再加工指令用于对所述第一汉白玉粉末堆进行再次加工。
具体而言，所述智能制备系统由所述第一3D形貌信息，获得所述单位体积内所述第一汉白玉粉末堆的第一粉末尺寸信息，并通过获得所述第一汉白玉粉末堆的质量等特性信息，从而获得所述第一粉末均匀度信息，从而判断所制备的所述第一汉白玉粉末堆是否满足所述预设均匀度，若不满足，则对所述第一汉白玉粉末堆进行二次加工。
进一步而言，本申请实施例步骤S100还包括：
步骤S101a：获得所述第一汉白玉粉末堆的第一存储空间信息，其中，所述第一存储空间处于所述电子围栏设备的圈定范围内；
步骤S102a：获得所述第一存储空间内的所有汉白玉粉末堆信息；
步骤S103a：当所述工作人员靠近所述电子围栏设备的圈定范围时，获得所述工作人员的第一防护信息；
步骤S104a：根据所述所有汉白玉粉末堆信息，获得预设防护等级；
步骤S105a：判断所述第一防护信息是否满足所述预设防护等级；
步骤S106a：如果不满足，获得第二报警信息，其中，所述第二报警信息用于禁止所述工作人员进入所述电子围栏设备的圈定范围。
具体而言，所述电子围栏设备与所述智能制备系统相连接，通过将汉白玉粉末堆存储至所述电子围栏设备，并由所述视频监控设备实时获取所述电子围栏设备的图像信息，并对图像信息进行分析处理，通过判断是否有工作人员靠近所述电子围栏设设备，并对工作人员的防护信息进行分析，如判断所述工作人员是否佩戴防尘口罩等，若所述第一防护信息不满足预设要求，则通过声音、灯光等方式进行预警，用于禁止所述工作人员进入所述电子围栏设备的圈定范围。
进一步而言，本申请实施例步骤S101a还包括：
步骤S101a1：获得所述第一存储空间内的第一粉尘浓度信息；
步骤S101a2：判断所述第一粉尘浓度信息是否处于预设浓度范围内；
步骤S101a3：如果不处于，获得所述第一粉尘的分布信息；
步骤S101a4：根据所述分布信息，获得第一防护方案；
步骤S101a5：按照所述第一防护方案，对所述第一粉尘进行处理，其中，所述第一防护方案具体为：在所述第一存储空间的地面上铺设吸附材料，和/或，指令所述工作人员穿戴具备吸附力的服饰。
具体而言，所述第一粉尘浓度信息由所述第一存储空间内的粉尘浓度检测仪进行实时获取，并将数据传输至所述智能制备系统，判断所述第一粉尘浓度信息是否处于安全的所述预设浓度范围内，若不处于，则针对粉尘的分布情况对所述第一存储空间进行安全防护，如进行通风排尘、净化风流、洒水降尘，在所述第一存储空间的地面上铺设吸附材料，和/或，指令所述工作人员穿戴具备吸附力的服饰等。
进一步而言，本申请实施例步骤S100还包括：
步骤S101b：获得所述第一汉白玉粉末堆的第一使用环境信息；
步骤S102b：当所述第一使用环境为室外环境时，根据所述室外环境，获得第一性能指标信息；
步骤S103b：根据所述第一性能指标信息，获得第一添加剂；
步骤S104b：当所述第一使用环境为室内环境时，根据所述室内环境，获得第二性能指标信息；
步骤S105b：根据所述第二性能指标信息，获得第二添加剂。
具体而言，汉白玉粉末被广泛应用于造纸、橡胶、油漆、涂料、医药、化妆品、饲料、密封、粘结、抛光等产品的制造中。通过获取所述第一汉白玉粉末堆的使用环境信息，判断使用环境为室内或室外，并获取在不同的使用环境下所述第一汉白玉粉末堆的性能要求，从而获得不同的添加剂，以满足所述第一汉白玉粉末堆的不同场景下的使用要求。举例而言，若所述第一汉白玉粉末堆为户外使用，则性能要求需要满足抗自然灾害能力强；若所述第一汉白玉粉末堆为室内使用，则性能要求需要满足健康、环保，美观度良好。
进一步而言，所述获得第一添加剂之后，本申请实施例步骤S103b还包括：
步骤S103b1a：根据所述预设均匀度信息，确定所述第一添加剂的第二尺寸信息；
步骤S103b2a：根据所述第二尺寸信息，对所述第一添加剂进行加工处理之后，获得第一混合指令；
步骤S103b3a：根据所述第一混合指令，将所述第一添加剂与所述第一汉白玉粉末堆进行混合。
具体而言，所述智能制备系统通过获取所述第一添加剂的尺寸信息，并依据所述预设均匀度信息、所述第一汉白玉粉末堆的尺寸信息对所述第一添加剂的尺寸信息进行分析并进行加工处理，以保证所述第一添加剂与所述第一汉白玉的粉末尺寸保持一致，从而保证混合充分、均匀。
进一步而言，所述获得第一添加剂之后，本申请实施例步骤S103b还包括：
步骤S103b1b：根据所述第一使用环境信息，获得第一气候特征信息；
步骤S103b2b：根据所述第一气候特征信息，判断所述第一添加剂是否满足预设使用条件；
步骤S103b3b：如果不满足，获得第一调整指令，其中，所述第一调整指令用于对所述第一添加剂进行调整。
具体而言，所述第一汉白玉粉末堆的不同使用环境分为不同的气候条件，举例而言，南、北方气候差异较大，北方早晚温差大，干燥；南方雨水较多，潮湿。则通过对所述第一添加剂进行调整，从而进一步满足所述第一汉白玉粉末堆的不同使用环境要求。
进一步而言，本申请实施例步骤S402还包括：
步骤S4021：获得所述第一汉白玉粉末堆的第一截面信息；
步骤S4022：由所述第一截面信息获得所述第一汉白玉粉末堆的第一颗粒特征信息，其中，所述第一颗粒特征信息包括所述第一汉白玉粉末堆颗粒的颗粒粒径、圆形度、棱角系数；
步骤S4023：将所述第一截面信息、所述第一颗粒特征信息及所述第一粉末尺寸信息输入训练模型，获得所述第一粉末均匀度信息。
具体而言，由所述视频监控设备自动获得所述第一汉白玉粉末堆的粉体截面的图像信息，并将所述第一截面信息输入至所述智能制备系统，由所述智能制备系统中的图像分析处理软件由所述第一截面信息获取所述第一汉白玉粉末堆的所述第一颗粒特征信息，包括所述第一汉白玉粉末堆颗粒的颗粒粒径、圆形度、棱角系数等。继而由所述训练模型依据所述第一截面信息、所述第一颗粒特征信息及所述第一粉末尺寸信息，通过监督学习的方式获得所述第一粉末均匀度信息。
综上所述，本申请实施例所提供的一种汉白玉粉末的智能制备方法具有如下技术效果：
由于采用了基于面阵成像技术，不需要外部运动机构配合，依据所述3D生成模块，重建所述汉白玉粉末的三维形貌，并通过将所获得的所述第一3D形貌信息输入训练模型，基于所述训练模型能够不断学习、获取经验来处理数据的特点，从而获得准确的所述第一汉白玉粉末堆的孔隙度信息，继而对所述第一汉白玉粉末堆的安全性进行全方位检测，并进行及时预警。从而达到了基于3D建模技术对汉白玉粉末堆进行全方位安全检测，并对安全隐患进行及时预警的技术目的。
实施例二
基于与前述实施例中一种汉白玉粉末的智能制备方法同样发明构思，本发明还提供了一种汉白玉粉末的智能制备装置，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；
第二获得单元12，所述第二获得单元12用于获得第一提取指令；
第三获得单元13，所述第三获得单元13用于根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；
第四获得单元14，所述第四获得单元14用于将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；
第一输入单元15，所述第一输入单元15用于将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；
第五获得单元16，所述第五获得单元16用于获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；
第六获得单元17，所述第六获得单元17用于根据所述第一孔隙度信息，获得第一危险指数信息；
第一判断单元18，所述第一判断单元18用于判断所述第一危险指数信息是否满足预设安全阈值；
第七获得单元19，所述第七获得单元19用于如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于根据所述第一3D形貌信息，获得单位体积内所述第一汉白玉粉末堆的第一粉末尺寸信息；
第九获得单元，所述第九获得单元用于根据所述第一粉末尺寸信息，获得第一粉末均匀度信息；
第二判断单元，所述第二判断单元用于判断所述第一粉末均匀度信息是否满足预设均匀度信息；
第十获得单元，所述第十获得单元用于如果不满足，获得第一再加工指令，其中，所述第一再加工指令用于对所述第一汉白玉粉末堆进行再次加工。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于获得所述第一汉白玉粉末堆的第一存储空间信息，其中，所述第一存储空间处于所述电子围栏设备的圈定范围内；
第十二获得单元，所述第十二获得单元用于获得所述第一存储空间内的所有汉白玉粉末堆信息；
第十三获得单元，所述第十三获得单元用于当所述工作人员靠近所述电子围栏设备的圈定范围时，获得所述工作人员的第一防护信息；
第十四获得单元，所述第十四获得单元用于根据所述所有汉白玉粉末堆信息，获得预设防护等级；
第三判断单元，所述第三判断单元用于判断所述第一防护信息是否满足所述预设防护等级；
第十五获得单元，所述第十五获得单元用于如果不满足，获得第二报警信息，其中，所述第二报警信息用于禁止所述工作人员进入所述电子围栏设备的圈定范围。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于获得所述第一存储空间内的第一粉尘浓度信息；
第四判断单元，所述第四判断单元用于判断所述第一粉尘浓度信息是否处于预设浓度范围内；
第十七获得单元，所述第十七获得单元用于如果不处于，获得所述第一粉尘的分布信息；
第十八获得单元，所述第十八获得单元用于根据所述分布信息，获得第一防护方案；
第一执行单元，所述第一执行单元用于按照所述第一防护方案，对所述第一粉尘进行处理，其中，所述第一防护方案具体为：在所述第一存储空间的地面上铺设吸附材料，和/或，指令所述工作人员穿戴具备吸附力的服饰。
进一步的，所述系统还包括：
第十九获得单元，所述第十九获得单元用于获得所述第一汉白玉粉末堆的第一使用环境信息；
第二十获得单元，所述第二十获得单元用于当所述第一使用环境为室外环境时，根据所述室外环境，获得第一性能指标信息；
第二十一获得单元，所述第二十一获得单元用于根据所述第一性能指标信息，获得第一添加剂；
第二十二获得单元，所述第二十二获得单元用于当所述第一使用环境为室内环境时，根据所述室内环境，获得第二性能指标信息；
第二十三获得单元，所述第二十三获得单元用于根据所述第二性能指标信息，获得第二添加剂。
进一步的，所述系统还包括：
第二十四获得单元，所述第二十四获得单元用于根据所述预设均匀度信息，确定所述第一添加剂的第二尺寸信息；
第二十五获得单元，所述第二十五获得单元用于根据所述第二尺寸信息，对所述第一添加剂进行加工处理之后，获得第一混合指令；
第二执行单元，所述第二执行单元用于根据所述第一混合指令，将所述第一添加剂与所述第一汉白玉粉末堆进行混合。
进一步的，所述系统还包括：
第二十六获得单元，所述第二十六获得单元用于根据所述第一使用环境信息，获得第一气候特征信息；
第五判断单元，所述第五判断单元用于根据所述第一气候特征信息，判断所述第一添加剂是否满足预设使用条件；
第二十七获得单元，所述第二十七获得单元用于如果不满足，获得第一调整指令，其中，所述第一调整指令用于对所述第一添加剂进行调整。
前述图1实施例一中的一种汉白玉粉末的智能制备方法的各种变化方式和具体实例同样适用于本实施例的一种汉白玉粉末的智能制备装置，通过前述对一种汉白玉粉末的智能制备方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种汉白玉粉末的智能制备装置，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种汉白玉粉末的智能制备方法的发明构思，本发明还提供一种汉白玉粉末的智能制备装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种汉白玉粉末的智能制备方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例通过提供一种汉白玉粉末的智能制备方法，应用于一智能制备系统，所述智能制备系统具有视频监控设备及电子围栏设备，且所述视频监控设备具有一3D生成模块，其中，所述方法包括：获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；获得第一提取指令；根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；根据所述第一孔隙度信息，获得第一危险指数信息；判断所述第一危险指数信息是否满足预设安全阈值；如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种汉白玉粉末的智能制备方法，应用于一智能制备系统，所述智能制备系统具有视频监控设备及电子围栏设备，且所述视频监控设备具有一3D生成模块，其中，所述方法包括：
获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；
获得第一提取指令；
根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；
将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；
将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；
获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；
根据所述第一孔隙度信息，获得第一危险指数信息；
判断所述第一危险指数信息是否满足预设安全阈值；
如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
2.如权利要求1所述的方法，其中，所述方法还包括：
根据所述第一3D形貌信息，获得单位体积内所述第一汉白玉粉末堆的第一粉末尺寸信息；
根据所述第一粉末尺寸信息，获得第一粉末均匀度信息；
判断所述第一粉末均匀度信息是否满足预设均匀度信息；
如果不满足，获得第一再加工指令，其中，所述第一再加工指令用于对所述第一汉白玉粉末堆进行再次加工。
3.如权利要求1所述的方法，其中，所述方法还包括：
获得所述第一汉白玉粉末堆的第一存储空间信息，其中，所述第一存储空间处于所述电子围栏设备的圈定范围内；
获得所述第一存储空间内的所有汉白玉粉末堆信息；
当所述工作人员靠近所述电子围栏设备的圈定范围时，获得所述工作人员的第一防护信息；
根据所述所有汉白玉粉末堆信息，获得预设防护等级；
判断所述第一防护信息是否满足所述预设防护等级；
如果不满足，获得第二报警信息，其中，所述第二报警信息用于禁止所述工作人员进入所述电子围栏设备的圈定范围。
4.如权利要求3所述的方法，其中，所述方法还包括：
获得所述第一存储空间内的第一粉尘浓度信息；
判断所述第一粉尘浓度信息是否处于预设浓度范围内；
如果不处于，获得所述第一粉尘的分布信息；
根据所述分布信息，获得第一防护方案；
按照所述第一防护方案，对所述第一粉尘进行处理，其中，所述第一防护方案具体为：在所述第一存储空间的地面上铺设吸附材料，和/或，指令所述工作人员穿戴具备吸附力的服饰。
5.如权利要求1所述的方法，其中，所述获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息之前，所述方法还包括：
获得所述第一汉白玉粉末堆的第一使用环境信息；
当所述第一使用环境为室外环境时，根据所述室外环境，获得第一性能指标信息；
根据所述第一性能指标信息，获得第一添加剂；
当所述第一使用环境为室内环境时，根据所述室内环境，获得第二性能指标信息；
根据所述第二性能指标信息，获得第二添加剂。
6.如权利要求5所述的方法，其中，所述获得第一添加剂之后，所述方法还包括：
根据所述预设均匀度信息，确定所述第一添加剂的第二尺寸信息；
根据所述第二尺寸信息，对所述第一添加剂进行加工处理之后，获得第一混合指令；
根据所述第一混合指令，将所述第一添加剂与所述第一汉白玉粉末堆进行混合。
7.如权利要求5所述的方法，其中，所述获得第一添加剂之后，所述方法还包括：
根据所述第一使用环境信息，获得第一气候特征信息；
根据所述第一气候特征信息，判断所述第一添加剂是否满足预设使用条件；
如果不满足，获得第一调整指令，其中，所述第一调整指令用于对所述第一添加剂进行调整。
8.一种汉白玉粉末的智能制备装置，其中，所述装置包括：
第一获得单元，所述第一获得单元用于获得所述视频监控设备采集到的第一汉白玉粉末堆的第一视频信息；
第二获得单元，所述第二获得单元用于获得第一提取指令；
第三获得单元，所述第三获得单元用于根据所述第一提取指令，对所述第一视频信息进行特征提取，获得第一3D点数据信息；
第四获得单元，所述第四获得单元用于将所述第一3D点数据信息发送给所述3D生成模块之后，获得来自所述3D生成模块生成的第一3D形貌信息；
第一输入单元，所述第一输入单元用于将所述第一3D形貌信息输入训练模型，其中，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一3D形貌信息和用来标识所述第一汉白玉粉末堆的第一孔隙度的标识信息；
第五获得单元，所述第五获得单元用于获得所述训练模型的输出信息，其中，所述输出信息包括所述第一汉白玉粉末堆的第一孔隙度信息；
第六获得单元，所述第六获得单元用于根据所述第一孔隙度信息，获得第一危险指数信息；
第一判断单元，所述第一判断单元用于判断所述第一危险指数信息是否满足预设安全阈值；
第七获得单元，所述第七获得单元用于如果不满足，获得第一报警信息，并将所述第一报警信息发送给工作人员。
9.一种汉白玉粉末的智能制备装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011518901.1A CN112668429B (zh) | 2020-12-21 | 2020-12-21 | 一种汉白玉粉末的智能制备方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011518901.1A CN112668429B (zh) | 2020-12-21 | 2020-12-21 | 一种汉白玉粉末的智能制备方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112668429A true CN112668429A (zh) | 2021-04-16 |
| CN112668429B CN112668429B (zh) | 2023-06-20 |
Family
ID=75406751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011518901.1A Active CN112668429B (zh) | 2020-12-21 | 2020-12-21 | 一种汉白玉粉末的智能制备方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668429B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015060865A1 (en) * | 2013-10-25 | 2015-04-30 | Landmark Graphics Corporation | Real-time risk prediction during drilling operations |
| CN105551064A (zh) * | 2015-12-08 | 2016-05-04 | 济南中维世纪科技有限公司 | 一种基于图像特征估计堆料体积变化率的方法 |
| CN106941605A (zh) * | 2017-04-27 | 2017-07-11 | 华南理工大学 | 一种砂轮修锐修整的图像视觉监控装置及方法 |
| CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
| CN112052794A (zh) * | 2020-09-06 | 2020-12-08 | 江苏商贸职业学院 | 一种物联网智慧实训室安全管理方法及装置 |
-
2020
- 2020-12-21 CN CN202011518901.1A patent/CN112668429B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015060865A1 (en) * | 2013-10-25 | 2015-04-30 | Landmark Graphics Corporation | Real-time risk prediction during drilling operations |
| CN105551064A (zh) * | 2015-12-08 | 2016-05-04 | 济南中维世纪科技有限公司 | 一种基于图像特征估计堆料体积变化率的方法 |
| CN106941605A (zh) * | 2017-04-27 | 2017-07-11 | 华南理工大学 | 一种砂轮修锐修整的图像视觉监控装置及方法 |
| CN111667201A (zh) * | 2020-07-10 | 2020-09-15 | 南通市亿控自动化系统有限公司 | 一种工业互联网智能监控的信息处理方法和装置 |
| CN112052794A (zh) * | 2020-09-06 | 2020-12-08 | 江苏商贸职业学院 | 一种物联网智慧实训室安全管理方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| PINKU YADAV ET AL.: "In situ monitoring systems of the SLM process: On the need to develop machine learning models for data processing", 《CRYSTALS》 * |
| 丁珊珊: "考虑孔隙形貌的CFRP复合材料超声散射机理及孔隙率检测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112668429B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105551064B (zh) | 一种基于图像特征估计堆料体积变化率的方法 | |
| Zheng et al. | Three-dimensional Wadell roundness for particle angularity characterization of granular soils | |
| Jog et al. | Pothole properties measurement through visual 2D recognition and 3D reconstruction | |
| Bruno et al. | Image analysis for detecting aggregate gradation in asphalt mixture from planar images | |
| DE102007007576B4 (de) | Verfahren und Vorrichtung zum Sichern eines Arbeitsraums | |
| CN102831751B (zh) | 基于双摄像机成像技术的公路高危边坡监控方法 | |
| Cong et al. | A method to evaluate the segregation of compacted asphalt pavement by processing the images of paved asphalt mixture | |
| CN107145851A (zh) | 建筑作业区危险源智能识别系统 | |
| CN103903246A (zh) | 物体检测方法和装置 | |
| Barraud | The use of watershed segmentation and GIS software for textural analysis of thin sections | |
| CN114821373A (zh) | 一种基建项目工程施工现场安全智能监理监测分析预警系统 | |
| EP2553660B1 (de) | Verfahren zur visualisierung von aktivitätsschwerpunkten in überwachungsszenen | |
| Sun et al. | Particulate material fabric characterization from volumetric images by computational geometry | |
| CN104809756A (zh) | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 | |
| CN114020043A (zh) | 无人机建筑工程监理系统、方法、电子设备及存储介质 | |
| CN112668429A (zh) | 一种汉白玉粉末的智能制备方法和装置 | |
| CN102722894A (zh) | 一种基于摄像机自动标定的智能视频监控方法 | |
| Liu et al. | Evaluating angularity of coarse aggregates using the virtual cutting method based on 3D point cloud images | |
| Hanel et al. | Optimal camera placement to measure distances regarding static and dynamic obstacles | |
| CN209230716U (zh) | 一种体积测量装置 | |
| CN107358153A (zh) | 一种嘴部运动检测方法和装置及活体识别方法和系统 | |
| KR101674266B1 (ko) | 영상 기반의 건설 현장 안전 수준 평가 시스템 | |
| Mahmoud et al. | Implementation of AIMS in measuring aggregate resistance to polishing, abrasion, and breakage | |
| Hamledari | Inpro: Automated indoor construction progress monitoring using unmanned aerial vehicles | |
| Jiang et al. | Computer vision-based methods applied to construction processes: A literature review |
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: 20230519 Address after: Second floor, waiting building, Zhanjiang ShenHan science and Technology Industry Co., Ltd., No.1 Longteng Road, Dongdao new area, Zhanjiang Development Zone, Guangdong Province 524000 Applicant after: ZHANJIANG SHENHAN TECHNOLOGY INDUSTRIAL CO.,LTD. Address before: 246500 Liulong formation, Aikou village, Aikou Township, Susong County, Anqing City, Anhui Province Applicant before: Susong Yuanjing Mining Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Intelligent preparation method and device of White Marble powder Granted publication date: 20230620 Pledgee: Agricultural Bank of China Limited Zhanjiang Development Zone Branch Pledgor: ZHANJIANG SHENHAN TECHNOLOGY INDUSTRIAL CO.,LTD. Registration number: Y2024980009200 |