CN117935704A - 基于光感矫正分析的led显示器主控测验系统 - Google Patents
基于光感矫正分析的led显示器主控测验系统 Download PDFInfo
- Publication number
- CN117935704A CN117935704A CN202410275670.8A CN202410275670A CN117935704A CN 117935704 A CN117935704 A CN 117935704A CN 202410275670 A CN202410275670 A CN 202410275670A CN 117935704 A CN117935704 A CN 117935704A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- light sensation
- module
- display
- 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.)
- Withdrawn
Links
- 230000035807 sensation Effects 0.000 title claims abstract description 68
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 238000012937 correction Methods 0.000 title claims abstract description 46
- 238000012360 testing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000013480 data collection Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000005286 illumination Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004140 cleaning Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Control Of Indicators Other Than Cathode Ray Tubes (AREA)
Abstract
本发明涉及显示器测验领域,具体为基于光感矫正分析的LED显示器主控测验系统,包括数据收集模块、数据处理模块、建模模块、光感分析模块和参数矫正模块。本发明中,首先数据收集模块利用光感传感器收集实时光感数据,利用数据库收集历史显示器数据,数据处理模块对数据进行特征处理,并将实时光感数据和历史显示器数据分别发送给光感分析模块和建模模块,建模模块利用神经网络算法根据历史显示器数据进行模型训练,光感分析模块利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,并将预测结果发送给参数矫正模块,参数矫正模块利用无线通信方式与LED显示器进行连接,并将预测结果发送给LED显示器的控制软件进行参数调整。
Description
技术领域
本发明涉及显示器测验领域,具体为基于光感矫正分析的LED显示器主控测验系统。
背景技术
LED显示器测验系统通常是基于人工操作和规则设定来进行测量和调整,实验人员通过直接观察或测量LED的相关参数来对LED显示器的相关参数调整到预先定义的标准位置,然而,传统的LED显示器测验系统往往会有一些弊端。
一方面,实验人员通过直接观察和比较LED显示器的亮度、对比度、色彩等参数来判断其性能,这需要一定的专业经验和主观判断,可能会因为主观原因导致操作失误;
另一方面,实验人员根据测量结果和标准要求,使用显示器后台的控制面板、物理按钮或操作设备来修改参数值,这依赖于人工手动操作,无法实时更改系统所需要的参数值,增加时间成本和人工成本。
发明内容
本发明的目的在于提供基于光感矫正分析的LED显示器主控测验系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于光感矫正分析的LED显示器主控测验系统,其包括数据收集模块、数据处理模块、建模模块、光感分析模块和参数矫正模块,其中:
所述数据收集模块利用光感传感器收集实时光感数据,利用数据库收集历史显示器数据,并将数据发送给数据处理模块;
所述数据处理模块对实时光感数据进行特征提取,对历史显示器数据进行数据清洗、特征转换和标签处理,并将实时光感数据和历史显示器数据分别发送给光感分析模块和建模模块;
所述建模模块利用神经网络算法根据历史显示器数据进行模型训练,并将训练好的模型发送给光感分析模块;
所述光感分析模块利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,并将预测结果发送给参数矫正模块;
所述参数矫正模块利用无线通信方式与LED显示器进行连接,并将预测结果发送给LED显示器的控制软件进行参数调整。
作为本技术方案的进一步改进,所述数据收集模块包括光感传感器单元和模数转换单元,所述光感传感器单元用于收集实时光感数据,并将收集到的模拟信号数据发送给模数转换单元;所述模数转换单元将模拟信号转换为数字信号,并将转换后的信号数据发送给数据处理模块中的特征处理单元。
作为本技术方案的进一步改进,所述数据收集模块包括历史显示器数据单元,所述历史显示器数据单元利用数据库收集历史显示器数据,并将数据发送给数据处理模块中的数据清洗单元。
作为本技术方案的进一步改进,所述数据处理模块包括数据清洗单元、特征处理单元和标签处理单元,所述数据清洗单元接收历史显示器数据单元发送的历史显示器数据,用于清洗数据中的缺失值、异常值和重复值,将清洗好的数据发送给特征处理单元;所述特征处理单元接收数据清洗单元和模数转换单元分别发送的历史显示器数据和实时光感数据,对历史显示器数据进行特征转换,对实时光感数据进行特征提取,将处理好的历史显示器数据和实时光感数据分别发送给标签处理单元和光感分析模块中的实时数据接收单元;所述标签处理单元用于将历史显示器数据中的LED显示器显示参数数据作为数据的标签列,并将处理好的数据发送给建模模块中的历史数据接收单元。
作为本技术方案的进一步改进,所述建模模块包括历史数据接收单元和模型训练单元,所述历史数据接收单元接收标签处理单元发送的历史显示器数据,将数据进行标准化处理,将处理好的数据发送给模型训练单元;所述模型训练单元利用神经网络算法根据历史数据接收单元发送的历史显示器数据进行模型训练,并将训练好的模型发送给光感分析模块中的分析单元。
作为本技术方案的进一步改进,所述光感分析模块包括实时数据接收单元和分析单元,所述实时数据接收单元接收特征处理单元发送的实时光感数据,用于将数据发送给分析单元;所述分析单元利用模型训练单元训练好的模型对实时数据接收单元发送的实时光感数据进行LED显示器显示参数的预测,并将预测结果发送给参数矫正模块中的矫正单元。
作为本技术方案的进一步改进,所述参数矫正模块包括显示器连接单元和矫正单元,所述显示器连接单元无线通信的方式与LED显示器中控制显示参数的软件进行连接;所述矫正单元接收分析单元发送的预测结果,并根据显示器连接单元的连接方式对LED显示器显示参数进行调整。
作为本技术方案的进一步改进,所述特征处理单元利用数字信号处理技术将数字信号转换为光照强度和光照颜色的特征列。
作为本技术方案的进一步改进,所述分析单元利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,具体包括:
将输入的数据特征从输入层传递到输出层,每一层的节点根据权重和偏置进行计算,并将结果传递给下一层,根据前向传播的输出结果利用激活函数产生亮度、色彩和对比度数值的预测结果。
与现有技术相比,本发明的有益效果是:
1、该基于光感矫正分析的LED显示器主控测验系统首先收集数据库里的历史显示器数据,利用神经网络算法根据历史显示器数据进行模型训练,再根据光感传感器对显示器收集实时光感数据,最后利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,从而实现利用算法模型对LED显示器的显示参数进行标准判断,减少人为主观因素导致的判断失误。
2、该基于光感矫正分析的LED显示器主控测验系统在利用神经网络算法模型对实时光感数据进行LED显示器显示参数的预测后,利用无线通信技术与LED显示器中控制显示参数的软件进行连接,并将预测结果发送给控制软件,从而进行参数的调整,以此减少人工手动进行调整的时间,并降低了人工成本。
附图说明
图1为本发明的整体模块示意图;
图2为本发明的数据收集模块单元示意图;
图3为本发明的数据处理模块单元示意图;
图4为本发明的建模模块单元示意图;
图5为本发明的光感分析模块单元示意图;
图6为本发明的参数矫正模块单元示意图;
图中:100、数据收集模块;101、光感传感器单元;102、模数转换单元;103、历史显示器数据单元;200、数据处理模块;201、数据清洗单元;202、特征处理单元;203、标签处理单元;300、建模模块;301、历史数据接收单元;302、模型训练单元;400、光感分析模块;401、实时数据接收单元;402、分析单元;500、参数矫正模块;501、显示器连接单元;502、矫正单元。
具体实施方式
下面将结合本发明实施例中的附图,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,都属于本发明保护的范围。
请参阅图1-6,本发明提供一种技术方案:基于光感矫正分析的LED显示器主控测验系统,包括数据收集模块100、数据处理模块200、建模模块300、光感分析模块400和参数矫正模块500。
为了采集LED显示器的光感数据,数据收集模块100中的光感传感器单元101利用光感传感器接收LED显示器发射的光线,并将其转换为模拟信号,其中光感传感器放置在显示器的正前方,使其能够接收到显示器所发出的光线。为了让方便对数据进行使用和处理,光感传感器单元101将转换后的模拟信号发送给模数转换单元102,模数转换单元102利用模数转换器将模拟信号转换为数字信号,并将数字信号发送给数据处理模块200中的特征处理单元202。
为了让模型进行应用,需要对数据进行特征提取,特征处理单元202利用数字信号处理技术对接收到的数字信号转换为数据特征列,具体包括:
光照强度:将数字化的数值作为光照强度的特征值,根据数据的量化范围和精度判定光照强度,例如,数据的量化范围为0到1023,其中0表示无光照,1023表示最高光照强度,在这种情况下,通过使用信号数值本身来表示光照强度,如果数据中的数值为800,则推断该时刻的光照强度较高;
光照颜色:对信号进行傅里叶变换,得到频域上的表示,频谱中的频率成分表示出关照颜色,例如,如果红色光频率范围为60-100Hz,而信号中的主要频率峰值位于此范围内,则推断该光照的主要颜色成分为红色。
特征处理单元202根据数字信号提取出光照强度和光照颜色的数据特征,并将时间戳也作为当前LED显示器发射的实时光感数据特征列,将实时光感数据发送给光感分析模块400中的实时数据接收单元401进行LED显示器显示参数的预测。
在进行预测之前,需要进行模型训练,数据收集模块100中的历史显示器数据单元103利用网络公开数据库和公司本地数据库收集历史显示器数据,其中数据包括光照强度、光照颜色、亮度、色彩、对比度和时间戳,将收集的历史显示器数据发送给数据清洗单元201。
为了保证数据的完整性和准确性,数据清洗单元201对历史显示器数据进行清洗,具体包括:
缺失值处理:对整个数据集进行检查,确定缺少数据值的位置,直接删除包含缺失值的所在行;
异常值处理:使用统计方法来检测数据集中的异常值,确定异常值的位置,并删除包含异常值的所在行;
重复值处理:检查数据中是否存在重复值,确定重复值的位置,并删除包含重复值的所在行。
数据清洗单元201将清洗后的数据发送给特征处理单元202,特征处理单元202将历史显示器数据中的文本类数据转换为数值类数据,即将光照颜色转换为数值类数据,例如,当前光照颜色为红色,首先将红色光转换为RGB颜色表示,红色光的频率范围为500THz至700THz,将频率范围等分为201个频率点,每个频率点的幅度值即为频谱强度,将频率范围内的频谱强度平均值作为光照颜色的特征数值。
特征处理单元202将处理好的历史显示器数据发送给标签处理单元203,为了模型有监督的训练,将亮度、色彩和对比度这类LED显示器显示参数数据作为数据的标签列,并将处理好的数据发送给建模模块300中的历史数据接收单元301。
为了减少异常值和噪声对模型的影响,提高模型对异常值的鲁棒性,减少对模型训练和预测的干扰,从而提高模型的性能和稳定性,历史数据接收单元301通过计算数据特征列的均值和标准差,将原始值减去均值然后除以标准差,将数据转换为具有均值为0和标准差为1的分布,让特征权重保持平衡,并将标准化后的历史显示器数据发送给模型训练单元302。
模型训练单元302利用神经网络算法根据历史显示器数据进行模型建立,具体包括:
数据划分:将数据集切分为两份,百分之80为训练集,百分之20为验证集;
模型训练:模型由输入层、隐藏层、分支层和输出层组成,输入层将特征作为输入,将其连接到隐藏层,其中的一个分支层用于预测亮度的特定分支层,一个分支层用于预测色彩任务的特定分支层,一个分支层用于预测对比度任务的特定分支层,分支层接收隐藏层的输出作为输入,并通过自身的全连接神经元和激活函数进行处理,以预测亮度、色彩和对比度的数值;神经网络将输入数据从输入层传递到输出层,其中的输出由激活函数和各层之间的权重来计算;在前向传播之后,将神经网络得到的预测结果与对应的标签值进行比较,计算出一个损失函数的数值,其中损失函数衡量了预测结果与实际标签之间的差异;利用损失函数将误差反向传递回网络中,计算每个参数对于损失的贡献,通过链式法则,从输出层向输入层反向计算梯度,并根据梯度的方向更新每个参数的值,以最小化损失函数,最后根据计算得到的梯度信息,更新神经网络中的参数;
模型评估:计算出模型预测的标签数组与验证集标签数组之间准确预测的样本数目,将准确预测的样本数目除以验证集的样本数目乘以百分比得到准确率,当准确率≥百分之90,则该模型训练成功,将训练好的模型发送给光感分析模块400中的分析单元402进行应用;
模型调优:将评估不合格的模型通过增加神经网络的深度、宽度和调整神经元数量参数值来对模型进行调优。
光感分析模块400中的实时数据接收单元401接收特征处理单元202发送的实时光感数据,并将实时光感数据发送给分析单元402进行分析。分析单元402根据训练好的模型对实时光感数据进行亮度、色彩和对比度的预测,将输入的数据特征从输入层传递到输出层,每一层的节点根据权重和偏置进行计算,并将结果传递给下一层,根据前向传播的输出结果利用激活函数产生亮度、色彩和对比度数值的预测结果,将预测结果发送给参数矫正模块500中的矫正单元502进行矫正。
参数矫正模块500中的显示器连接单元501通过无线通信的方式与LED显示器中控制亮度、色彩和对比度的软件进行连接,并使用共同支持的控制协议和接口,以便系统能够向显示器发送控制指令。矫正单元502将预测结果根据显示器连接单元501建立的连接方式发送到LED显示器中的控制软件中,软件根据预测的数值大小对亮度、色彩和对比度进行调整,从而让LED显示器的相关参数进行自动调整。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于光感矫正分析的LED显示器主控测验系统,其特征在于:包括数据收集模块(100)、数据处理模块(200)、建模模块(300)、光感分析模块(400)和参数矫正模块(500),其中:
所述数据收集模块(100)利用光感传感器收集实时光感数据,利用数据库收集历史显示器数据,并将数据发送给数据处理模块(200);
所述数据处理模块(200)对实时光感数据进行特征提取,对历史显示器数据进行数据清洗、特征转换和标签处理,并将实时光感数据和历史显示器数据分别发送给光感分析模块(400)和建模模块(300);
所述建模模块(300)利用神经网络算法根据历史显示器数据进行模型训练,并将训练好的模型发送给光感分析模块(400);
所述光感分析模块(400)利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,并将预测结果发送给参数矫正模块(500);
所述参数矫正模块(500)利用无线通信方式与LED显示器进行连接,并将预测结果发送给LED显示器的控制软件进行参数调整。
2.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述数据收集模块(100)包括光感传感器单元(101)和模数转换单元(102),所述光感传感器单元(101)用于收集实时光感数据,并将收集到的模拟信号数据发送给模数转换单元(102);所述模数转换单元(102)将模拟信号转换为数字信号,并将转换后的信号数据发送给数据处理模块(200)中的特征处理单元(202)。
3.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述数据收集模块(100)包括历史显示器数据单元(103),所述历史显示器数据单元(103)利用数据库收集历史显示器数据,并将数据发送给数据处理模块(200)中的数据清洗单元(201)。
4.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述数据处理模块(200)包括数据清洗单元(201)、特征处理单元(202)和标签处理单元(203),所述数据清洗单元(201)接收历史显示器数据单元(103)发送的历史显示器数据,用于清洗数据中的缺失值、异常值和重复值,将清洗好的数据发送给特征处理单元(202);所述特征处理单元(202)接收数据清洗单元(201)和模数转换单元(102)分别发送的历史显示器数据和实时光感数据,对历史显示器数据进行特征转换,对实时光感数据进行特征提取,将处理好的历史显示器数据和实时光感数据分别发送给标签处理单元(203)和光感分析模块(400)中的实时数据接收单元(401);所述标签处理单元(203)用于将历史显示器数据中的LED显示器显示参数数据作为数据的标签列,并将处理好的数据发送给建模模块(300)中的历史数据接收单元(301)。
5.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述建模模块(300)包括历史数据接收单元(301)和模型训练单元(302),所述历史数据接收单元(301)接收标签处理单元(203)发送的历史显示器数据,将数据进行标准化处理,将处理好的数据发送给模型训练单元(302);所述模型训练单元(302)利用神经网络算法根据历史数据接收单元(301)发送的历史显示器数据进行模型训练,并将训练好的模型发送给光感分析模块(400)中的分析单元(402)。
6.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述光感分析模块(400)包括实时数据接收单元(401)和分析单元(402),所述实时数据接收单元(401)接收特征处理单元(202)发送的实时光感数据,用于将数据发送给分析单元(402);所述分析单元(402)利用模型训练单元(302)训练好的模型对实时数据接收单元(401)发送的实时光感数据进行LED显示器显示参数的预测,并将预测结果发送给参数矫正模块(500)中的矫正单元(502)。
7.根据权利要求1所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述参数矫正模块(500)包括显示器连接单元(501)和矫正单元(502),所述显示器连接单元(501)无线通信的方式与LED显示器中控制显示参数的软件进行连接;所述矫正单元(502)接收分析单元(402)发送的预测结果,并根据显示器连接单元(501)的连接方式对LED显示器显示参数进行调整。
8.根据权利要求4所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述特征处理单元(202)利用数字信号处理技术将数字信号转换为光照强度和光照颜色的特征列。
9.根据权利要求6所述的基于光感矫正分析的LED显示器主控测验系统,其特征在于:所述分析单元(402)利用训练好的模型对实时光感数据进行LED显示器显示参数的预测,具体包括:
将输入的数据特征从输入层传递到输出层,每一层的节点根据权重和偏置进行计算,并将结果传递给下一层,根据前向传播的输出结果利用激活函数产生亮度、色彩和对比度数值的预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410275670.8A CN117935704A (zh) | 2024-03-12 | 2024-03-12 | 基于光感矫正分析的led显示器主控测验系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410275670.8A CN117935704A (zh) | 2024-03-12 | 2024-03-12 | 基于光感矫正分析的led显示器主控测验系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117935704A true CN117935704A (zh) | 2024-04-26 |
Family
ID=90755963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410275670.8A Withdrawn CN117935704A (zh) | 2024-03-12 | 2024-03-12 | 基于光感矫正分析的led显示器主控测验系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117935704A (zh) |
-
2024
- 2024-03-12 CN CN202410275670.8A patent/CN117935704A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7822697B2 (en) | Method and apparatus for infrastructure health monitoring and analysis wherein anomalies are detected by comparing measured outputs to estimated/modeled outputs by using a delay | |
WO1999027466A2 (en) | System and method for intelligent quality control of a process | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN112734977B (zh) | 一种基于物联网的设备风险预警系统及算法 | |
CN114994261A (zh) | 环境空气监测的传感器远程校准方法 | |
CN117176560A (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN111444233B (zh) | 基于复制器神经网络模型发现环境监测异常数据的方法 | |
CN116451514A (zh) | 桥梁结构状态评估方法、装置以及电子设备 | |
CN113723716A (zh) | 一种客流分级预警异常告警方法、设备及存储介质 | |
CN110864776B (zh) | 称重设备预测性维护算法以及称重设备预测性维护方法 | |
CN117935704A (zh) | 基于光感矫正分析的led显示器主控测验系统 | |
KR20050080818A (ko) | 가중된 회귀모델 결정 방법 및 이를 이용한 혼합물의 성분농도 예측 방법 | |
CN117406027A (zh) | 一种配电网故障测距方法及其系统 | |
CN107220705B (zh) | 常减压装置常压塔顶干点预测方法 | |
CN115183805B (zh) | 基于人工智能的仪器自动化计量检定方法及系统 | |
JP4170843B2 (ja) | 計器校正支援システム | |
CN115618190A (zh) | 基于传感器数据的环境颗粒物浓度估计方法、系统及终端 | |
CN114386672B (zh) | 环境大数据物联网智能检测系统 | |
CN113888841B (zh) | 燃气报警器系统 | |
CN115905869A (zh) | 一种超声水表故障预警方法 | |
CN115828744A (zh) | 一种白光发光二极管故障在线诊断与寿命预测方法 | |
CN113627621B (zh) | 一种面向光网络传输质量回归估计的主动学习方法 | |
CN111327630B (zh) | 基于全对称多胞形理论的攻击检测与修正方法 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN107220252B (zh) | 常减压装置常压塔常一线闪点预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240426 |