JP7311474B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7311474B2 JP7311474B2 JP2020152308A JP2020152308A JP7311474B2 JP 7311474 B2 JP7311474 B2 JP 7311474B2 JP 2020152308 A JP2020152308 A JP 2020152308A JP 2020152308 A JP2020152308 A JP 2020152308A JP 7311474 B2 JP7311474 B2 JP 7311474B2
- Authority
- JP
- Japan
- Prior art keywords
- person
- information
- space
- image
- information processing
- 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
Landscapes
- Image Analysis (AREA)
Description
〔1.はじめに〕
従来、人の暑さ寒さに関する温熱環境における快適さに基づいて空調制御する技術が知られている。例えば、空間の快適さを評価する指標として、人体の熱収支に影響する6つの要素からなるPMV(Predicted Mean Vote)が知られている。PMVは、温度[℃]、湿度[%]、(熱)放射[℃]、気流[m/s]の4つの環境要素と、着衣量[clo]、代謝量(活動量)[met]の2つの人的要素から算出される。ここで、温度、湿度、放射、気流の4つの環境要素は、空間に対するセンシングによって得ることができる。一方、着衣量、代謝量(活動量)の2つの人的要素は、外気温などから推定される推定値が用いられるのが一般的であった。そのため、従来の手法に基づいて算出されたPMV値は、必ずしも実際に人が感じている空間の快適さを反映しているとは限らなかった。すなわち、従来は、空間の快適さを精度よく推定できるとは限らなかった。
ここから、図1を用いて、実施形態に係る情報処理の概要について説明する。図1は、実施形態に係る情報処理の概要を説明するための図である。図1は、情報処理装置100が、空間の快適さを推定する機械学習モデル(以下、快適さ推定モデルM6と記載する)を用いて、利用者が所在するオフィスO1(空間の一例)を撮像したRGB画像G1、サーマル画像G2、RGB画像G1のうち姿勢推定処理に基づいて特定された人物領域G3、サーマル画像G2のうち姿勢推定処理に基づいて特定された人物領域G4、およびオフィスO1内の温度および湿度から、オフィスO1の快適さを推定する例を示している。
次に、図2を用いて、実施形態に係る情報処理システムの構成について説明する。図2は、実施形態に係る情報処理システムの構成例を示す図である。情報処理システム1には、空調装置10と、センサ装置20と、情報処理装置100とが含まれてよい。空調装置10と、センサ装置20と、情報処理装置100とは所定のネットワークNを介して、有線または無線により通信可能に接続されてよい。なお、情報処理システム1には、任意の数の空調装置10と任意の数のセンサ装置20と任意の数の情報処理装置100とが含まれてもよい。
次に、図3を用いて、実施形態に係る情報処理装置100の構成について説明する。図3は、実施形態に係る情報処理装置100の構成例を示す図である。情報処理装置100は、通信部110と、記憶部120と、制御部130とを有してよい。なお、情報処理装置100は、情報処理装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示させるための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、例えば、空調装置10やセンサ装置20との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
取得部131は、利用者が所在する空間に設置されたRGBカメラから、利用者が所在する空間を撮像したRGB画像を取得する。取得部131は、RGB画像を取得すると、取得したRGB画像と空間を識別する識別情報とを対応付けて記憶部120に格納する。
生成部132は、RGB画像が入力情報として入力された場合に、RGB画像の特徴を示す特徴ベクトルを出力情報として出力する学習モデルM1を生成する。例えば、生成部132は、ImageNet等の画像データベースに登録されている多数の(例えば、1000万枚を超える)画像から画像に写っている物体名(クラス)を推定するよう学習された学習モデルM1を生成する。例えば、生成部132は、畳み込みニューラルネットワークである学習モデルM1を生成する。例えば、生成部132は、Resnet50である学習モデルM1を生成する。例えば、生成部132は、RGB画像が入力情報として入力された場合に、RGB画像の特徴を示す2048次元の特徴ベクトルを出力情報として出力する機械学習モデルM1を生成する。
推定部133は、RGBカメラで撮影された人物を含むRGB画像に関する情報に基づいて、人物が所在する空間の快適さを推定する。具体的には、例えば、推定部133は、生成部132によって生成された快適さ推定モデルM6を用いて、生成部132によって生成された特徴ベクトルV1に基づいて生成された特徴ベクトルV6から利用者が所在する空間の快適さを推定してよい。
空調制御部134は、推定部133によって推定された空間の快適さに基づいて、人物が所在する空間を空調する空調装置を制御する。例えば、空調制御部134は、推定部133によって推定された空間の快適さに基づいて、利用者が所在する空間を空調する空調装置を制御する。例えば、空調制御部134は、推定部133によって推定された空間の快適さが「寒い」カテゴリである場合には、利用者が所在する空間の温度を高くするように利用者が所在する空間に設置された空調装置10を制御する。また、空調制御部134は、推定部133によって推定された空間の快適さが「普通」カテゴリである場合には、利用者が所在する空間の温度を保つように利用者が所在する空間に設置された空調装置10を制御する。また、空調制御部134は、推定部133によって推定された空間の快適さが「暑い」カテゴリである場合には、利用者が所在する空間の温度を低くするように利用者が所在する空間に設置された空調装置10を制御する。
次に、図4を用いて、実施形態に係る情報処理の手順について説明する。図4は、実施形態に係る情報処理手順を示すフローチャートである。センサ装置20は、センサ装置20が設置された空間の環境をモニタリングする。具体的には、例えば、センサ装置20は、オフィスの部屋や会議室など、利用者が所在する空間の環境をモニタリングしてよい。例えば、RGBカメラであるセンサ装置20は、利用者が所在する空間のRGB画像を取得してよい。また、赤外線カメラであるセンサ装置20は、利用者が所在する空間のサーマル画像を取得してよい。また、USB型の環境センサであるセンサ装置20は、空間の温度および湿度に関する情報(以下、環境センサ情報ともいう)を取得してよい。センサ装置20は、取得したRGB画像、サーマル画像、および環境センサ情報を情報処理装置100に送信する。
上述した実施形態に係る情報処理システム1は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理システム1の他の実施形態について説明する。なお、実施形態と同一部分には、同一符号を付して説明を省略する。
まず、図5~図7を用いて、第1の変形例について説明する。第1の変形例では、推定部133は、画像のうち姿勢推定処理に基づいて特定された人物の身体の部位ごとの部位領域に関する情報に基づいて、人物の着衣量に関する情報を推定する。
次に、第2の変形例について説明する。第2の変形例では、サーマル画像のうち姿勢推定処理に基づいて特定された人物領域に関する情報に基づいて、人物の着衣量に関する情報を推定する。
上述してきたように、実施形態に係る情報処理装置100は、推定部133を備える。推定部133は、画像のうち人物が撮像された領域である人物領域であって、人物の姿勢に基づいて特定された人物領域に関する情報に基づいて、人物が所在する空間の快適さを推定する。例えば、推定部133は、人物領域に関する情報として、画像から検出された人物の身体の関節の位置を示す関節点に関する情報に基づいて、人物が所在する空間の快適さを推定する。また、例えば、推定部133は、人物領域に関する情報として、2以上の前記関節点を連結して生成される前記人物の身体の骨格を示す骨格モデルに関する情報に基づいて、前記人物が所在する空間の快適さを推定する。
また、上述してきた実施形態に係る情報処理装置100は、例えば図9に示すような構成のコンピュータ1000によって実現される。図9は、情報処理装置100の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を備える。
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
10 空調装置
20 センサ装置
100 情報処理装置
110 通信部
120 記憶部
130 制御部
131 取得部
132 生成部
133 推定部
134 空調制御部
Claims (17)
- RGB画像の中で人物が撮像された領域全体である人物領域であって、前記人物の姿勢に基づいて特定された前記RGB画像の人物領域に関する情報、および、前記RGB画像に対応するサーマル画像のうち、前記RGB画像の人物領域と重複する前記サーマル画像の領域を、前記サーマル画像の中で前記人物が撮像された領域全体である前記サーマル画像の人物領域として特定し、特定した前記サーマル画像の人物領域に関する情報を生成する生成部と、
前記RGB画像の人物領域に関する情報および前記サーマル画像の人物領域に関する情報に基づいて、前記人物が所在する空間の快適さを推定する推定部と、
を備え、
前記推定部は、
前記RGB画像の人物領域に関する情報として、前記人物の身体の部位ごとの部位領域に関する情報を用いて推定された前記人物の着衣量に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
情報処理装置。 - 前記推定部は、
前記RGB画像の人物領域に関する情報として、前記RGB画像から検出された前記人物の身体の関節の位置を示す関節点に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1に記載の情報処理装置。 - 前記推定部は、
前記RGB画像の人物領域に関する情報として、2以上の前記関節点を連結して生成される前記人物の身体の骨格を示す骨格モデルに関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項2に記載の情報処理装置。 - 前記推定部は、
第1学習モデルを用いて、前記部位領域に関する情報から前記人物の着衣量に関する情報を推定する、
請求項1に記載の情報処理装置。 - 学習用の画像と当該学習用の画像に含まれる人物の着衣量に関する情報との組み合わせに基づいて、任意の画像から当該任意の画像に含まれる人物の着衣量に関する情報を推定する前記第1学習モデルを生成する生成部をさらに備える、
請求項4に記載の情報処理装置。 - 前記推定部は、
第2学習モデルを用いて、赤外線カメラで撮影されたサーマル画像のうち前記RGB画像の人物領域に関する情報から前記人物の着衣量に関する情報を推定する、
請求項1~5のいずれか1項に記載の情報処理装置。 - 学習用のサーマル画像と当該学習用のサーマル画像に含まれる人物の着衣量に関する情報との組み合わせに基づいて、任意のサーマル画像から当該任意のサーマル画像に含まれる人物の着衣量に関する情報を推定する前記第2学習モデルを生成する生成部をさらに備える、
請求項6に記載の情報処理装置。 - 前記推定部は、
前記人物領域に関する情報として、前記人物領域の特徴を示す特徴ベクトルに基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~7のいずれか1項に記載の情報処理装置。 - 前記推定部は、
赤外線カメラで撮影されたサーマル画像のうち前記RGB画像の人物領域に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~8のいずれか1項に記載の情報処理装置。 - 前記推定部は、
RGBカメラで撮影された前記人物を含むRGB画像に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~9のいずれか1項に記載の情報処理装置。 - 前記推定部は、
赤外線カメラで撮影された前記人物を含むサーマル画像に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~10のいずれか1項に記載の情報処理装置。 - 前記推定部は、
前記人物が所在する空間の温度および湿度に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~11のいずれか1項に記載の情報処理装置。 - 前記推定部によって推定された空間の快適さに基づいて、前記人物が所在する空間の空調を制御する空調制御部をさらに備える、
請求項1~12のいずれか1項に記載の情報処理装置。 - 前記推定部は、
前記サーマル画像の人物領域に関する情報に基づいて、前記人物の代謝量を推定し、前記人物の代謝量に基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~13のいずれか1項に記載の情報処理装置。 - 前記生成部は、
前記人物が所在する空間を撮像した前記RGB画像の特徴を示す第1の特徴ベクトルと、前記RGB画像に対応する前記サーマル画像の特徴を示す第2の特徴ベクトルと、前記RGB画像の人物領域の特徴を示す第3の特徴ベクトルと、前記サーマル画像の人物領域の特徴を示す第4の特徴ベクトルと、前記人物が所在する空間の温度および湿度に関する情報の特徴を示す第5の特徴ベクトルを生成し、
前記推定部は、
前記第1の特徴ベクトル、前記第2の特徴ベクトル、前記第3の特徴ベクトル、前記第4の特徴ベクトル、および、前記第5の特徴ベクトルに基づいて、前記人物が所在する空間の快適さを推定する、
請求項1~14のいずれか1項に記載の情報処理装置。 - 情報処理装置が実行するプログラムにより実現される情報処理方法であって、
RGB画像の中で人物が撮像された領域全体である人物領域であって、前記人物の姿勢に基づいて特定された前記RGB画像の人物領域に関する情報、および、前記RGB画像に対応するサーマル画像のうち、前記RGB画像の人物領域と重複する前記サーマル画像の領域を、前記サーマル画像の中で前記人物が撮像された領域全体である前記サーマル画像の人物領域として特定し、特定した前記サーマル画像の人物領域に関する情報を生成する生成工程と、
前記RGB画像の人物領域に関する情報および前記サーマル画像の人物領域に関する情報に基づいて、前記人物が所在する空間の快適さを推定する推定工程と、
を含み、
前記推定工程は、
前記RGB画像の人物領域に関する情報として、前記人物の身体の部位ごとの部位領域に関する情報を用いて推定された前記人物の着衣量に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
情報処理方法。 - RGB画像の中で人物が撮像された領域全体である人物領域であって、前記人物の姿勢に基づいて特定された前記RGB画像の人物領域に関する情報、および、前記RGB画像に対応するサーマル画像のうち、前記RGB画像の人物領域と重複する前記サーマル画像の領域を、前記サーマル画像の中で前記人物が撮像された領域全体である前記サーマル画像の人物領域として特定し、特定した前記サーマル画像の人物領域に関する情報を生成する生成手順と、
前記RGB画像の人物領域に関する情報および前記サーマル画像の人物領域に関する情報に基づいて、前記人物が所在する空間の快適さを推定する推定手順と、
を含み、
前記推定手順は、
前記RGB画像の人物領域に関する情報として、前記人物の身体の部位ごとの部位領域に関する情報を用いて推定された前記人物の着衣量に関する情報に基づいて、前記人物が所在する空間の快適さを推定する、
情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020152308A JP7311474B2 (ja) | 2020-09-10 | 2020-09-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020152308A JP7311474B2 (ja) | 2020-09-10 | 2020-09-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022046326A JP2022046326A (ja) | 2022-03-23 |
JP7311474B2 true JP7311474B2 (ja) | 2023-07-19 |
Family
ID=80779986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020152308A Active JP7311474B2 (ja) | 2020-09-10 | 2020-09-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7311474B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008087959A1 (ja) | 2007-01-17 | 2008-07-24 | Daikin Industries, Ltd. | 空調制御システム |
JP2016217583A (ja) | 2015-05-18 | 2016-12-22 | 株式会社東芝 | 空調制御装置 |
WO2017209089A1 (ja) | 2016-06-03 | 2017-12-07 | 三菱電機株式会社 | 機器制御装置及び機器制御方法 |
JP2020005181A (ja) | 2018-06-29 | 2020-01-09 | キヤノンマーケティングジャパン株式会社 | 情報処理システム、及びその制御方法、プログラム |
JP2020052869A (ja) | 2018-09-28 | 2020-04-02 | パナソニックIpマネジメント株式会社 | 識別装置、識別方法および識別プログラム |
WO2020084777A1 (ja) | 2018-10-26 | 2020-04-30 | 三菱電機株式会社 | 推定装置、空調システム及び推定方法 |
JP2020134124A (ja) | 2019-02-12 | 2020-08-31 | 大成建設株式会社 | 空調システムおよび空調装置の制御方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019220145A (ja) * | 2018-06-13 | 2019-12-26 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 操作端末、音声入力方法、及びプログラム |
CN111179281A (zh) * | 2019-12-24 | 2020-05-19 | 广东省智能制造研究所 | 人体图像提取方法及人体动作视频提取方法 |
CN111327788B (zh) * | 2020-02-28 | 2022-05-17 | 北京迈格威科技有限公司 | 相机组的同步方法、测温方法、装置及电子系统 |
-
2020
- 2020-09-10 JP JP2020152308A patent/JP7311474B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008087959A1 (ja) | 2007-01-17 | 2008-07-24 | Daikin Industries, Ltd. | 空調制御システム |
JP2016217583A (ja) | 2015-05-18 | 2016-12-22 | 株式会社東芝 | 空調制御装置 |
WO2017209089A1 (ja) | 2016-06-03 | 2017-12-07 | 三菱電機株式会社 | 機器制御装置及び機器制御方法 |
JP2020005181A (ja) | 2018-06-29 | 2020-01-09 | キヤノンマーケティングジャパン株式会社 | 情報処理システム、及びその制御方法、プログラム |
JP2020052869A (ja) | 2018-09-28 | 2020-04-02 | パナソニックIpマネジメント株式会社 | 識別装置、識別方法および識別プログラム |
WO2020084777A1 (ja) | 2018-10-26 | 2020-04-30 | 三菱電機株式会社 | 推定装置、空調システム及び推定方法 |
JP2020134124A (ja) | 2019-02-12 | 2020-08-31 | 大成建設株式会社 | 空調システムおよび空調装置の制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022046326A (ja) | 2022-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aryal et al. | Thermal comfort modeling when personalized comfort systems are in use: Comparison of sensing and learning methods | |
Yang et al. | Non-invasive (non-contact) measurements of human thermal physiology signals and thermal comfort/discomfort poses-a review | |
CN213501729U (zh) | 用于机动车辆乘客舱的热管理系统 | |
Ranjan et al. | ThermalSense: determining dynamic thermal comfort preferences using thermographic imaging | |
Yang et al. | Real-time and contactless measurements of thermal discomfort based on human poses for energy efficient control of buildings | |
US10043068B1 (en) | Body modeling and garment fitting using an electronic device | |
Čulić et al. | Smart monitoring technologies for personal thermal comfort: A review | |
US8655053B1 (en) | Body modeling and garment fitting using an electronic device | |
Cosma et al. | Using the contrast within a single face heat map to assess personal thermal comfort | |
Liu et al. | Automatic estimation of clothing insulation rate and metabolic rate for dynamic thermal comfort assessment | |
He et al. | Smart detection of indoor occupant thermal state via infrared thermography, computer vision, and machine learning | |
CN112303861A (zh) | 一种基于人体热适应性行为的空调温度调节方法及系统 | |
Meier et al. | Using human gestures to control a building’s heating and cooling System | |
CN111401340B (zh) | 目标对象的运动检测方法和装置 | |
KR20190065636A (ko) | 재실자의 인체발생열량을 고려한 실내환경 제어 시스템 및 이의 제어방법 | |
JP6509108B2 (ja) | 空調管理システム及びプログラム | |
Choi et al. | Deep-vision-based metabolic rate and clothing insulation estimation for occupant-centric control | |
Nishi et al. | Use of thermal point cloud for thermal comfort measurement and human pose estimation in robotic monitoring | |
JP7311474B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
KR102224596B1 (ko) | 식별가능한 얼굴 편차를 처리하기 위한 얼굴 교정 디자인 및 애플리케이션 프로토콜을 자동으로 생성하는 시스템 및 방법 | |
JP7311478B2 (ja) | 情報処理装置、情報処理プログラム及び情報処理システム | |
Bucarelli et al. | Deep learning approach for recognizing cold and warm thermal discomfort cues from videos | |
JP7080294B2 (ja) | 情報処理装置、情報処理プログラム及び情報処理システム | |
Yoshikawa et al. | Combining a thermal camera and a wristband sensor for thermal comfort estimation | |
CN116659047A (zh) | 基于用户行为特征识别的办公环境空调送风参数调节方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220610 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220926 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230417 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230417 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230425 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230706 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7311474 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |