CN112923852B - 基于动态角点定位的sd卡位姿检测方法 - Google Patents
基于动态角点定位的sd卡位姿检测方法 Download PDFInfo
- Publication number
- CN112923852B CN112923852B CN202110123844.5A CN202110123844A CN112923852B CN 112923852 B CN112923852 B CN 112923852B CN 202110123844 A CN202110123844 A CN 202110123844A CN 112923852 B CN112923852 B CN 112923852B
- Authority
- CN
- China
- Prior art keywords
- card
- positioning
- corner
- dynamic
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于动态角点定位的SD卡位姿检测方法，属于数字图像处理技术领域。所述方法包括步骤一：使用基于统计决策的动态角点定位算法动态定位Pocket区域；步骤二：使用基于粗定位的自适应阈值分割方法对步骤一定位的Pocket区域进行图像分割，提取出SD卡轮廓；步骤三：通过分析SD卡在Pocket区域中的相对位置检测SD卡位姿。本发明公开的基于动态角点定位的SD卡位姿检测方法相比于人工目检，具有更快的检测速度，避免了人工目检可能存在的漏检，而且运行效率高，抗干扰能力强，准确度高并且降低了机械定位误差和料盘制造尺寸公差对SD卡位姿检测的影响，显著提升了图像分割效果。
Description
技术领域
本发明涉及基于动态角点定位的SD卡位姿检测方法，属于数字图像处理技术领域。
背景技术
在SD卡(Secure Digital Memory Card)彩喷生产环节中，需要将SD卡从料盘翻转至金属打印盘中，再在其卡面彩喷logo、型号、容量和性能参数等标识图案。为了防止SD卡在翻转的过程中被夹紧翻转装置压伤或损坏，就必须确保SD卡在料盘Pocket(限制SD卡位置的料盘卡槽)中处于正确的位姿，如图1所示。目前，料盘内SD卡的位姿是由人工目检来完成，这种方式存在效率低、准确性易受主观因素影响、容易造成视觉疲劳等缺点。
基于机器视觉的检测技术可以克服上述缺点，将其运用到SD卡位姿检测中，能够很好的代替人工目检，提高生产效率和稳定性。如“周小萌,吴静静,安伟.一种鲁棒的非均匀光场中SD卡形态识别算法[J].传感技术学报,2019,32(4):549-554.”在利用定位块进行机械定位的基础上，通过对SD卡表面的金手指进行特征分析，实现随机姿态下SD卡的形态识别，但是机械定位误差和料盘制造尺寸公差会影响到SD卡位置检测准确性。如“张磊,张鑫,贾磊,庄春刚.一种基于形状匹配的零件位置检测技术[J].机电一体化,2018,24(04):52-57.DOI:10.16413/j.cnki.issn.1007-080x.2018.04.009.”提出了一种基于形状匹配的零件位置检测技术，将零件的两段圆弧边缘作为形状匹配的模板进行目标搜索与定位，再使用两段圆弧进行最小二乘拟合，最终得到目标零件两个圆中心坐标，但是目标识别率不够高。如“程希希,张艳玲,田军委.基于模板匹配的快速角点检测方法[J].计算机工程,2020,46(07):222-227.DOI:10.19678/j.issn.1000-3428.0055021.”通过创建的角点原型滤波核与图像卷积得到角点相似度来剔除响应值较小的伪角点，并在此基础上进行非极大值抑制，利用角点的方向特性提取角点并实现亚像素定位，但是在图像过曝光的情况下存在一定的漏检。
发明内容
为了解决目前SD卡位姿检测过程中存在的检测效率低，检测不准确，目标识别率低，图像过曝光的情况下存在漏检的问题，本发明提供了基于动态角点定位的SD卡位姿检测方法。
本发明的目的在于提供一种基于动态角点定位的SD卡位姿检测方法，所述方法包括以下步骤：
步骤一：使用基于统计决策的动态角点定位算法动态定位Pocket区域；
步骤二：使用基于粗定位的自适应阈值分割方法对步骤一定位的Pocket区域进行图像分割，提取出SD卡轮廓；
步骤三：通过分析SD卡在Pocket区域中的相对位置检测SD卡位姿。
可选的，所述基于统计决策的动态角点定位算法包括步骤：
S1.对Pocket右上、右下、左下3个凸起直角的角点进行预定位；
S2.对预定位存在异常的角点进行矫正，得出Pocket左上角点坐标。
可选的，所述S1角点预定位包括如下步骤：
1)提取直角ROI并使用中值滤波去除直角ROI中的干扰噪声；
2)通过模板匹配粗定位内边缘ROI；
3)采用Canny算子检测内边缘ROI中内边缘直线；
4)根据内边缘直线预定位角点位置。
可选的，所述基于粗定位的自适应阈值分割方法包括如下步骤：
Step1.使用固定阈值分割法对所述基于统计决策的动态角点定位算法动态定位的Pocket区域进行图像分割；
Step2.采用差值平方和作为相似度测量方法，将预先制作的SD卡模板与分割后的Pocket区域图像进行匹配，得到粗定位SD卡ROI；
Step3.通过粗定位SD卡ROI的灰度直方图获取灰度值分布情况，并对像素数达到预设阈值的灰度值进行统计，得到SD卡表面的灰度值区间(MinGray，MaxGray)；
Step4.根据SD卡表面的灰度值区间对Pocket区域进行自适应阈值分割，使用预先制作的SD卡模板与自适应阈值分割后的Pocket区域图像进行匹配，得到精定位SD卡左上角点坐标。
可选的，所述Step4中自适应阈值分割的数学表达式如下：
式中：src(x，y)为原图像中坐标(x，y)处像素点的灰度值，dst(x，y)为结果图像中坐标(x，y)处像素点的灰度值，MinGray和MaxGray分别为统计得到的SD卡表面灰度值区间最小值和最大值。
可选的，所述步骤三检测SD卡位姿具体是通过分析所述步骤二得出的精定位SD卡左上角点坐标和步骤一得出的Pocket左上角点坐标之间的相对位置来检测SD卡位姿。
可选的，所述判定SD卡偏移量允许误差为0.5mm。
可选的，所述基于动态角点定位的SD卡位姿检测方法应用于多目标图像匹配领域。
有益效果
(1)本发明提供的基于动态角点定位的SD卡位姿检测方法相比于人工目检，具有更快的检测速度，避免了人工目检可能存在的漏检，而且运行效率高，抗干扰能力强，准确度高。
(2)本发明提供的基于动态角点定位的SD卡位姿检测方法的软件接口能够很好地与计算机连接，发展和改良空间巨大，可以有效地代替人工检测。
(3)本发明采用基于统计决策的动态角点定位算法，降低机械定位误差和料盘制造尺寸公差对SD卡位姿检测的影响，实现了Pocket区域的动态定位，能够准确定位并提取目标。
(4)本发明采用基于粗定位的自适应阈值分割方法，解决由于不同型号或批次的SD卡和料盘表面颜色存在差异，且不同位置的SD卡边缘存在不同程度的阴影，传统图像分割算法很难有效地提取出SD卡轮廓的不足，显著提升了图像分割效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是料盘内阵列排布的SD卡原图。
图2是SD卡位姿检测模型。
图3是基于动态角点定位的SD卡位姿检测方法流程图
图4是Pocket角点预定位示意图
图5是基于统计决策的动态角点定位算法中S1角点预定位流程图
图6是基于统计决策的动态角点定位算法中S2异常角点矫正方法流程图
图7是SD卡粗定位与自适应阈值分割结果图
图8是SD卡表面灰度直方图
图9是SD卡在Pocket中的位姿示意图
图10-a是基于统计决策的动态角点定位结果图
图10-b是基于统计决策的动态角点定位误差统计图
图11是SD卡图像分割对比试验结果图
图12-a是SD卡位姿检测方法试验中少料检测结果图
图12-b是SD卡位姿检测方法试验中正常位姿与偏移位姿检测结果图
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1：
如图3所示，本实施例提供一种基于动态角点定位的SD卡位姿检测方法，所述方法包括以下步骤：
步骤一：使用基于统计决策的动态角点定位算法动态定位Pocket区域；
步骤二：使用基于粗定位的自适应阈值分割方法对步骤一定位的Pocket区域进行图像分割，提取出SD卡轮廓；
步骤三：通过分析SD卡在Pocket区域中的相对位置检测SD卡位姿。
所述步骤一基于统计决策的动态角点定位算法具体为：
S1：对Pocket右上、右下、左下3个凸起直角的角点进行预定位，具体预定位方法包括如下步骤：(Pocket内边缘直角顶点，简称角点，如图4中白色圆点所示，白色圆点外的白色线框为直角ROI，黑色线框为内边缘ROI，图5为角点预定位流程图)
1)提取直角ROI并使用中值滤波去除直角ROI中的干扰噪声；
2)通过模板匹配粗定位内边缘ROI；
3)采用Canny算子检测内边缘ROI中内边缘直线；
4)根据内边缘直线预定位角点位置。
S2：为了预防S1的角点预定位错误会对Pocket区域的动态定位造成影响，根据Pocket右上角点p1(x1，y1)、右下角点p2(x2，y2)、左下角点p3(x3，y3)之间的相对距离判断是否存在角点预定位错误的异常情况。当不存在异常角点时，直接输出Pocket左上角点坐标；当存在异常角点时，对异常角点进行矫正。所述相对距离的计算公式如下：
dx1＝|x1-x2|dy1＝|y1-y2|
dx2＝|x1-x3|dy2＝|y1-y3| (1)
dx3＝|x2-x3|dy3＝|y2-y3|
式中：dx1、dx2、dx3分别为3个角点在X方向的相对距离；dy1、dy2、dy3分别为3个角点在Y方向的相对距离。图6为异常角点矫正方法流程图，异常角点矫正包括以下两种情况：
情况1：当前Pocket属于单个角点坐标异常或另外2个角点坐标同时异常的情况，则分别计算当前Pocket与最近邻Pocket间3个角点坐标的差值dx′1、dx′2、dx′3、dy′1、dy′2、dy′3，并根据坐标差值之间不同的大小关系，使用不同的基准角点坐标对异常角点进行矫正，最终得到Pocket左上角点坐标。
情况2：当前Pocket属于3个角点坐标均出现异常的情况，则直接使用最近邻Pocket角点坐标对当前Pocket角点坐标进行矫正，最终得到Pocket左上角点坐标。
其中图2为SD卡位姿检测模型，O(0，0)是机械定位的坐标系原点。在料盘定位正确(实线)的情况下，O1’(0，0)为动态角点定位得到的Pocket区域左上角点坐标，作为当前位置SD卡定位的坐标系原点，P1’(x’，y’)为SD卡左上角点在以O1’(0，0)为原点的坐标系中的坐标。在料盘定位有偏差(虚线)的情况下，O2’(0，0)为动态角点定位得到的Pocket区域左上角点坐标，作为当前位置SD卡定位的坐标系原点，P2’(x’，y’)为SD卡左上角点在以O2’(0，0)为原点的坐标系中的坐标。
所述步骤二基于粗定位的自适应阈值分割方法具体包括如下步骤：
Step1.使用固定阈值分割法对如图7(a)所示的Pocket区域进行图像分割，固定阈值分割法的数学描述为：
式中：src(x，y)为原图像中坐标(x，y)处像素点的灰度值，dst(x，y)为结果图像中坐标(x，y)处像素点的灰度值，t hre s h为预设的固定分割阈值；
Step2.采用差值平方和作为相似度测量方法，将预先制作的SD卡模板与分割后的Pocket区域图像进行匹配，得到粗定位SD卡ROI，如图7(b)所示；
Step3.通过粗定位SD卡ROI的灰度直方图获取灰度值分布情况，并对像素数达到预设阈值的灰度值进行统计，如图8所示，最终得到SD卡表面的灰度值区间(MinGray，MaxGray)；
Step4.根据SD卡表面的灰度值区间对Pocket区域进行自适应阈值分割，数学表达式如下：
式中：src(x，y)为原图像中坐标(x，y)处像素点的灰度值，dst(x，y)为结果图像中坐标(x，y)处像素点的灰度值，MinGray和MaxGray分别为统计得到的SD卡表面灰度值区间最小值、最大值，255代表图7(c)自适应阈值分割结果图的白色部分，0代表图7(c)自适应阈值分割结果图的黑色部分。使用预先制作的SD卡模板与自适应阈值分割后的Pocket区域图像进行匹配，得到精定位SD卡左上角点坐标。
所述步骤三具体是通过分析步骤二得出的精定位SD卡左上角点坐标和步骤一得出的Pocket左上角点坐标之间的相对位置，实现对SD卡位姿的检测，图9为SD卡在Pocket中的位姿示意图。
实施例2
为了验证实施例1提出的基于统计决策的动态角点定位算法的有效性，随机选取25幅图像，对如图10-a所示的8*8阵列排布的图像对角线上16个位置的Pocket右下角点进行定位误差统计，即基于统计决策的动态角点定位算法定位到的角点坐标与实际角点坐标在X、Y方向上的像素点距离，本实施例取两者较大值作为该角点的定位误差。
试验配置为：Intel(R)Core(TM)i7-6700 CPU、8G内存的PC机，Win10操作系统，开发环境为Visual Studio 2015。得到的结果如图10-b所示。从图10-b中可以看到，25幅图像中共400个位置的Pocket右下角点的定位误差在2个像素(0.06mm)以内，而判定SD卡偏移量允许误差是0.5mm。因此，实施例1提出的基于统计决策的动态角点定位算法具有较高的精度与鲁棒性，满足实际检测需求。
实施例3
为了验证实施例1提出的自适应阈值分割算法的有效性，根据实施例2获取到的Pocket区域，分别使用固定阈值分割算法、经典OTSU算法、本发明自适应阈值分割算法，对SD卡图像进行分割，分割效果如图11所示。由图11(b)可以看出，对于凸起直角内壁的灰度值与SD卡表面灰度值接近的情况，固定阈值分割算法很难将两者分割开；由图11(c)可以看出，对于SD卡边缘存在阴影干扰的情况，OTSU算法容易将背景干扰作为前景进行分割提取，使得SD卡的轮廓信息更为模糊；由图11(d)可以看出，自适应阈值分割法可以将SD卡与背景更好地分割开，边缘轮廓清晰，效果更好。
实施例4
为了验证实施例1提出的基于动态角点定位的SD卡位姿检测方法的有效性和稳定性，挑选了具有各类位姿的SD卡阵列图像若干，再通过本实施例进行SD卡位姿检测。
按照实施例1提出的基于动态角点定位的SD卡位姿检测方法流程，采用设备采集到的图像中共4800颗SD卡进行位姿检测试验。通过将本实施例的SD卡位姿检测结果与图像中SD卡真实位姿进行核对，得到如图12-a所示的SD卡位姿检测方法试验中少料检测结果图，和如图12-b所示的SD卡位姿检测方法试验中正常位姿与偏移位姿检测结果图。SD卡位姿检测方法试验结果如表1所示，对于实际采集图像中总计4800颗SD卡，本实施例正确检测的数量为4796，检测准确率为99.917％，完全能够满足检测需求。
表1 SD卡位姿检测方法试验结果
| 位姿 | 实际数量 | 正常数量 | 少料数量 | 偏移数量 |
| 正常 | 3621 | 3617 | 0 | 4 |
| 少料 | 283 | 0 | 283 | 0 |
| 偏移 | 896 | 0 | 0 | 896 |
实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.基于动态角点定位的SD卡位姿检测方法，其特征在于，所述方法包括以下步骤：
步骤一：使用基于统计决策的动态角点定位算法动态定位Pocket区域；
步骤二：使用基于粗定位的自适应阈值分割方法对步骤一定位的Pocket区域进行图像分割，提取出SD卡轮廓；
步骤三：通过分析SD卡在Pocket区域中的相对位置检测SD卡位姿；
所述基于统计决策的动态角点定位算法包括步骤：
S1.对Pocket右上、右下、左下3个凸起直角的角点进行预定位；
S2.对预定位存在异常的角点进行矫正，得出Pocket左上角点坐标；
所述S1角点预定位包括如下步骤：
1)提取直角ROI并使用中值滤波去除直角ROI中的干扰噪声；
2)通过模板匹配粗定位内边缘ROI；
3)采用Canny算子检测内边缘ROI中内边缘直线；
4)根据内边缘直线预定位角点位置；
所述基于粗定位的自适应阈值分割方法包括如下步骤：
Step1.使用固定阈值分割法对所述基于统计决策的动态角点定位算法动态定位的Pocket区域进行图像分割；
Step2.采用差值平方和作为相似度测量方法，将预先制作的SD卡模板与分割后的Pocket区域图像进行匹配，得到粗定位SD卡ROI；
Step3.通过粗定位SD卡ROI的灰度直方图获取灰度值分布情况，并对像素数达到预设阈值的灰度值进行统计，得到SD卡表面的灰度值区间(MinGray,MaxGray)；
Step4.根据SD卡表面的灰度值区间对Pocket区域进行自适应阈值分割，使用预先制作的SD卡模板与自适应阈值分割后的Pocket区域图像进行匹配，得到精定位SD卡左上角点坐标。
2.根据权利要求1所述的基于动态角点定位的SD卡位姿检测方法，其特征在于，所述Step4中自适应阈值分割的数学表达式如下：
式中：src(x,y)为原图像中坐标(x,y)处像素点的灰度值，dst(x,y)为结果图像中坐标(x,y)处像素点的灰度值，MinGray和MaxGray分别为统计得到的SD卡表面灰度值区间最小值和最大值。
3.根据权利要求2所述的基于动态角点定位的SD卡位姿检测方法，其特征在于，所述步骤三检测SD卡位姿具体是通过分析所述步骤二得出的精定位SD卡左上角点坐标和步骤一得出的Pocket左上角点坐标之间的相对位置来检测SD卡位姿。
4.根据权利要求1-3任一所述的基于动态角点定位的SD卡位姿检测方法，其特征在于，所述基于动态角点定位的SD卡位姿检测方法应用于多目标图像匹配领域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110123844.5A CN112923852B (zh) | 2021-01-29 | 2021-01-29 | 基于动态角点定位的sd卡位姿检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110123844.5A CN112923852B (zh) | 2021-01-29 | 2021-01-29 | 基于动态角点定位的sd卡位姿检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112923852A CN112923852A (zh) | 2021-06-08 |
| CN112923852B true CN112923852B (zh) | 2021-11-12 |
Family
ID=76168320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110123844.5A Active CN112923852B (zh) | 2021-01-29 | 2021-01-29 | 基于动态角点定位的sd卡位姿检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112923852B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114092695B (zh) * | 2022-01-21 | 2022-05-13 | 武汉精立电子技术有限公司 | 一种基于分割模型的roi提取方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5963353B2 (ja) * | 2012-08-09 | 2016-08-03 | 株式会社トプコン | 光学データ処理装置、光学データ処理システム、光学データ処理方法、および光学データ処理用プログラム |
| CN107123188B (zh) * | 2016-12-20 | 2020-05-12 | 北京联合众为科技发展有限公司 | 基于模板匹配算法和边缘特征的伤票识别与定位方法 |
| CN109741302B (zh) * | 2018-12-20 | 2021-04-30 | 江南大学 | 基于机器视觉的sd卡形态识别系统和方法 |
| CN111444964B (zh) * | 2020-03-27 | 2023-08-08 | 江南大学 | 一种基于自适应roi划分的多目标快速图像匹配方法 |
| CN112270710B (zh) * | 2020-11-16 | 2023-12-19 | Oppo广东移动通信有限公司 | 位姿确定方法、位姿确定装置、存储介质与电子设备 |
-
2021
- 2021-01-29 CN CN202110123844.5A patent/CN112923852B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112923852A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992326B (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
| CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
| CN108369650B (zh) | 标识校准图案的可能特征点的方法 | |
| CN111260731B (zh) | 一种棋盘格亚像素级角点自适应检测的方法 | |
| CN102945368B (zh) | 啤酒瓶盖激光字符的定位识别方法 | |
| CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
| CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
| CN115063421B (zh) | 极片区域检测方法及系统及装置及介质及缺陷检测方法 | |
| CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
| CN106709500B (zh) | 一种图像特征匹配的方法 | |
| CN110647882A (zh) | 图像校正方法、装置、设备及存储介质 | |
| CN113077437B (zh) | 工件质量检测方法及其系统 | |
| CN110674812B (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
| CN110660072A (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
| CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
| CN115439523A (zh) | 一种半导体器件引脚尺寸检测方法、设备及存储介质 | |
| CN109242917A (zh) | 一种基于棋盘格的相机分辨率标定方法 | |
| CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
| CN114926387A (zh) | 基于背景估计与边缘梯度抑制的焊缝缺陷检测方法及装置 | |
| CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
| CN112923852B (zh) | 基于动态角点定位的sd卡位姿检测方法 | |
| CN103745236A (zh) | 纹理图像识别方法以及纹理图像识别装置 | |
| CN112184723B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
| CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
| CN108205641B (zh) | 手势图像处理方法及装置 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220516 Address after: 214000 18th floor, No.8, financial 2nd Street, Binhu District, Wuxi City, Jiangsu Province Patentee after: WUXI JIUXIAO TECHNOLOGY Co.,Ltd. Address before: 214000 1800 Lihu Avenue, Binhu District, Wuxi, Jiangsu Patentee before: Jiangnan University |