CN113205527A - 一种试卷智能切割方法、系统及存储介质 - Google Patents

一种试卷智能切割方法、系统及存储介质 Download PDF

Info

Publication number
CN113205527A
CN113205527A CN202110360720.9A CN202110360720A CN113205527A CN 113205527 A CN113205527 A CN 113205527A CN 202110360720 A CN202110360720 A CN 202110360720A CN 113205527 A CN113205527 A CN 113205527A
Authority
CN
China
Prior art keywords
cutting
image
test paper
test
question
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.)
Pending
Application number
CN202110360720.9A
Other languages
English (en)
Inventor
郑维维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guagnzhou Yondor Information Development Co ltd
Original Assignee
Guagnzhou Yondor Information Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guagnzhou Yondor Information Development Co ltd filed Critical Guagnzhou Yondor Information Development Co ltd
Priority to CN202110360720.9A priority Critical patent/CN113205527A/zh
Publication of CN113205527A publication Critical patent/CN113205527A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种试卷智能切割方法、系统及存储装置，通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。通过智能算法实现试卷图像信息自动切割、分类，降低人工依赖性、节约时间，提高了成绩收录、错题收集以及相应的统计分析效率。

Description

一种试卷智能切割方法、系统及存储介质
技术领域
本发明涉及智能识别领域，特别是涉及一种试卷智能切割方法、系统及存储介质。
背景技术
在国内现有的基础教育阶段，学生学习状况的主要考核形式主要是通过各种类型的考试，在此状况下，教师背负着很大的批改试卷的工作量压力。因此，出现了网上阅卷系统，通过电子扫描、图像识别技术实现自动评分，大大提高了阅卷效率。目前采用计算机网络技术和扫描技术的网上评卷作为一种新的评卷方式，得到了广泛的应用。
网上阅卷系统在对试卷进行扫描操作后，需要对得到的图像进行切页操作，以及对试卷分页图像上的试题进行切题操作，将每个试题图像切割出来。但当前的网上阅卷系统当需要对试卷的图像进行切页以及切题操作时，是通过原有试卷模板上的定位块坐标来识别扫描得到试卷图片，由于不同的纸张的打印的试卷，其定位块的坐标会有变化，后续扫描过程中由于试卷位置不正也会导致方位块的坐标变快，这时需要人工去进行调整，耗费较多时间，操作比较麻烦，不便于批量处理大量的试卷。
发明内容
本发明要解决的技术问题是：提供一种试卷智能切割方法、系统及存储介质，通过智能算法实现试卷图像信息自动切割、分类，降低人工依赖性、节约时间，提高了成绩收录、错题收集以及相应的统计分析效率。
为了解决上述技术问题，本发明提供了一种试卷智能切割方法，包括：
通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；
对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；
对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；
根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；
对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。
进一步的，对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域，具体为：
对任一所述试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
进一步的，对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板，具体为：
对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
进一步的，每个所述试卷对应的切割数据包括：题目批改对错、错题图像、学生姓名、年级、学号和分数。
为了解决上述技术问题，本发明还提供了一种试卷智能切割系统，包括：
信息获取单元，用于通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；
信息处理单元，用于对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；
模板生成单元，用于对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；
切割单元，用于根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；
分类单元，用于对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。
进一步的，所述信息处理单元，用于对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域，具体为：
对任一所述试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
进一步的，所述模板生成单元，用于对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板，具体为：
对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
进一步的，所述分类单元，用于对切割后得到的信息进行学生错题特征提取，具体为：
所述切割后得到的信息包括题目批改对错、错题图像、学生姓名、年级、学号、分数；根据错题图像进行错题特征提取，获得错题集。
为了解决上述技术问题，本发明还提供了一种计算机可读存储介质，包括：
所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1－4所述的任何一项试卷智能切割方法。
本发明实施例一种试卷智能切割方法、系统及存储介质与现有技术相比，具有如下有益效果：
本发明提供的一种试卷智能切割方法、系统及存储介质。该方法通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。相比于现有技术先扫描试卷，得到图像数据，再通过图像编辑软件人工裁剪题目区域，并对错题进行分类保存好每道题目的图像数据，通过表格统计分析，本发明通过智能算法实现对试卷图像信息自动切割、分类，降低人工依赖性、节约时间，提高了成绩收录、错题收集以及相应的统计分析效率。
附图说明
图1是本发明提供的一种试卷智能切割方法的一种实施例的流程示意图；
图2时本发明提供的一种试卷智能切割系统的单元模块结构图。
具体实施方式
下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参见图1，图1是本发明提供的一种试卷智能切割方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101至步骤105，各步骤具体如下：
步骤101：通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷。
本实施例中，将一个班级中同一科目的多张试卷收集起来后，经老师对试卷进行批改，通过机器扫描，获取多张已经批改好的试卷的图像信息。
步骤102：对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域。
本实施例中，在上述扫描的已经批改好的试卷中选择一张扫描效果好的试卷，并对其试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
步骤103：对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板。
本实施例中，对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
步骤104：根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据。
本实施例中，所述统一切割模板中的主要数据含有各图像切割区域的位置，主要通过将试卷作为平面，以X轴和Y轴的形式记录图像切割区域的位置，将多张试卷通过透视变换与对应所述统一切割模板中的图像进行图像对齐，再对应所述统一切割模板中的各图像切割区域在试卷上的X轴和Y轴的位置进行批量切割，获得所述多张试卷的各自对应的切割数据。
步骤105：对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。
本实施例中，每个所述试卷对应的切割数据包括：题目批改对错、错题图像、学生姓名、年级、学号和分数。依据预设的智能算法将题目批改对错和错题图像中的错题特征提取出来，再与预设的历史错题特征进行对比，自动生成错题分类结果和错因分析结果。
参见图2，图2是本发明提供的一种试卷智能切割系统的单元模块结构图，如图2所示，该试卷智能切割系统包括：
信息获取单元201，用于通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷，具体为：将一个班级中同一科目的多张试卷收集起来后，经老师对试卷进行批改，通过机器扫描，获取多张已经批改好的试卷的图像信息。
信息处理单元202，用于对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域，具体为：在上述扫描的已经批改好的试卷中选择一张扫描效果好的试卷，并对其试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
模板生成单元203，用于对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板，具体为：对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
切割单元204，用于根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据，具体为：所述统一切割模板中的主要数据含有各图像切割区域的位置，主要通过将试卷作为平面，以X轴和Y轴的形式记录图像切割区域的位置，将多张试卷通过透视变换与对应所述统一切割模板中的图像进行图像对齐，再对应所述统一切割模板中的各图像切割区域在试卷上的X轴和Y轴的位置进行批量切割，获得所述多张试卷的各自对应的切割数据。
分类单元205，用于对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果，具体为：每个所述试卷对应的切割数据包括：题目批改对错、错题图像、学生姓名、年级、学号和分数。依据预设的智能算法将题目批改对错和错题图像中的错题特征提取出来，再与预设的历史错题特征进行对比，自动生成错题分类结果和错因分析结果。
本实施例通过获取多张试卷的图像信息，对单张试卷的图像信息进行处理生成统一切割模板，再对多张试卷进行切割，并根据切割得到的数据，输出错题分类结果及错因分析结果，实现对试卷图像信息自动切割、分类，降低人工依赖性、节约时间，提高了成绩收录、错题收集以及相应的统计分析效率。同时，在遇到试卷印刷题号或题目信息印刷错误时，还可以通过手动调整试卷的图像切割区域，避免因印刷错误可能造成的误差。
综上，本发明一种试卷智能切割方法、系统及存储装置，通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果，实现了对试卷图像信息进行自动切割、分类。本发明降低了人工依赖性，节约了时间，解决了当前网上阅卷系统需要人工去进行调整，耗费较多时间，操作比较麻烦，不便于批量处理大量的试卷的问题，提高了阅卷效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (9)

1.一种试卷智能切割方法，其特征在于，包括：
通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；
对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；
对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；
根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；
对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。
2.如权利要求1所述的一种试卷智能切割方法，其特征在于，对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域，具体为：
对任一所述试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
3.如权利要求1所述的一种试卷智能切割方法，其特征在于，对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板，具体为：
对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
4.如权利要求1所述的一种试卷智能切割方法，其特征在于，
每个所述试卷对应的切割数据包括：题目批改对错、错题图像、学生姓名、年级、学号和分数。
5.一种试卷智能切割系统，其特征在于，包括：
信息获取单元，用于通过扫描或拍摄获取多张试卷的图像信息；其中，所述试卷为已经批改好的试卷；
信息处理单元，用于对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域；
模板生成单元，用于对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板；
切割单元，用于根据所述统一切割模板，依次对所述多张试卷的图像信息进行批量切割，获得所述多张试卷各自对应的切割数据；
分类单元，用于对所有所述切割数据进行学生错题特征提取，并将提取的错题特征与预设的历史错题特征进行对比，输出错题分类结果及错因分析结果。
6.如权利要求5述的一种试卷智能切割系统，其特征在于，信息处理单元，用于对任一所述试卷的图像信息进行处理，通过预设的智能算法自动确定图像切割区域，具体为：
对任一所述试卷的图像信息进行图像像素数据分析，以及文本数据转换处理，通过预设的智能算法自动确定题目的提纲、每道题目的图像区域和手写痕迹分离的位置，作为图像切割区域。
7.如权利要求5所述的一种试卷智能切割系统，其特征在于，模板生成单元，用于对所述图像切割区域内的信息进行识别处理后，自动生成所述多张试卷对应的统一切割模板，具体为：
对图像切割区域内的题号、页码和题目文本进行识别后，对识别出的信息进行题号校正和跨页处理，并根据所述预设的智能算法自动生成所述多张试卷对应的统一切割模板。
8.如权利要求5所述的一种试卷智能切割系统，其特征在于，
每个所述试卷对应的切割数据包括：题目批改对错、错题图像、学生姓名、年级、学号和分数。
9.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1－4所述的任何一项试卷智能切割方法。
CN202110360720.9A 2021-04-02 2021-04-02 一种试卷智能切割方法、系统及存储介质 Pending CN113205527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110360720.9A CN113205527A (zh) 2021-04-02 2021-04-02 一种试卷智能切割方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110360720.9A CN113205527A (zh) 2021-04-02 2021-04-02 一种试卷智能切割方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN113205527A true CN113205527A (zh) 2021-08-03

Family

ID=77026051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110360720.9A Pending CN113205527A (zh) 2021-04-02 2021-04-02 一种试卷智能切割方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN113205527A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168398A (zh) * 2023-01-06 2023-05-26 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030009312A1 (en) * 2001-03-05 2003-01-09 Kristian Knowles Pre-data-collection applications test processing system
CN109710590A (zh) * 2018-12-26 2019-05-03 杭州大拿科技股份有限公司 一种错题本生成方法及装置
CN110348444A (zh) * 2019-05-31 2019-10-18 浙江米猪控股有限公司 基于深度学习的错题收集方法、装置及设备
CN110689018A (zh) * 2019-09-24 2020-01-14 华南理工大学 一种智能阅卷系统及其处理方法
CN110705534A (zh) * 2019-09-17 2020-01-17 浙江工业大学 一种适用于电子助视器的错题本生成方法
CN112580503A (zh) * 2020-12-17 2021-03-30 深圳市元德教育科技有限公司 一种作业批改方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030009312A1 (en) * 2001-03-05 2003-01-09 Kristian Knowles Pre-data-collection applications test processing system
CN109710590A (zh) * 2018-12-26 2019-05-03 杭州大拿科技股份有限公司 一种错题本生成方法及装置
CN110348444A (zh) * 2019-05-31 2019-10-18 浙江米猪控股有限公司 基于深度学习的错题收集方法、装置及设备
CN110705534A (zh) * 2019-09-17 2020-01-17 浙江工业大学 一种适用于电子助视器的错题本生成方法
CN110689018A (zh) * 2019-09-24 2020-01-14 华南理工大学 一种智能阅卷系统及其处理方法
CN112580503A (zh) * 2020-12-17 2021-03-30 深圳市元德教育科技有限公司 一种作业批改方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168398A (zh) * 2023-01-06 2023-05-26 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备
CN116168398B (zh) * 2023-01-06 2023-08-08 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备

Similar Documents

Publication Publication Date Title
WO2018006294A1 (zh) 一种基于图像模式识别技术的阅卷系统、装置和方法
CN110110581B (zh) 一种基于人工智能的试卷批改方法和系统
CN106846961B (zh) 电子试卷的处理方法和装置
CN110956138B (zh) 一种基于家教设备的辅助学习方法及家教设备
CN104143094A (zh) 一种无需答题卡的试卷自动阅卷处理方法及系统
CN110689013A (zh) 一种基于特征识别的自动阅卷方法及系统
CN108876195A (zh) 一种智能化的教师教学质量评测系统
CN107067399A (zh) 一种试卷图像分割处理方法
CN113159014A (zh) 基于手写题号的客观题批阅方法、装置、设备及存储介质
CN108428073A (zh) 一种用于教师教学质量的智能评价系统
CN113205527A (zh) 一种试卷智能切割方法、系统及存储介质
CN111008594A (zh) 改错题评阅方法、相关设备及可读存储介质
CN107066939A (zh) 一种网上阅卷系统的试卷切割处理方法
CN114463770A (zh) 一种用于普遍试卷题目的智能切题方法
CN114267046A (zh) 一种文档图像的方向校正方法与装置
CN108681713A (zh) 一种用于教师教学质量评价的系统
CN113569677A (zh) 一种基于扫描件的纸质试验报告生成方法
CN115482535A (zh) 一种试卷自动批改方法、存储介质及设备
CN112149654B (zh) 基于深度学习的发票文本信息识别方法
CN107045635A (zh) 一种网上阅卷系统的试卷图像分页分题处理方法
CN113378824A (zh) 一种将试卷信息录入自动批改系统的方法
CN114241503B (zh) 一种错题原因采集方法、系统、可读存储介质及设备
CN117975477A (zh) 试题录入方法及装置、电子设备、存储介质
CN112906693B (zh) 一种上下标字符识别的方法
CN113962347B (zh) 基于纸质教辅的错题采集方法、系统、存储介质及设备

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