CN106683093A - 板材外观质量综合量化评价方法 - Google Patents

板材外观质量综合量化评价方法 Download PDF

Info

Publication number
CN106683093A
CN106683093A CN201710021952.5A CN201710021952A CN106683093A CN 106683093 A CN106683093 A CN 106683093A CN 201710021952 A CN201710021952 A CN 201710021952A CN 106683093 A CN106683093 A CN 106683093A
Authority
CN
China
Prior art keywords
sheet material
knot
crack
coefficient
quality
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
Application number
CN201710021952.5A
Other languages
English (en)
Other versions
CN106683093B (zh
Inventor
杨建华
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.)
Research Institute of Wood Industry of Chinese Academy of Forestry
Original Assignee
Beijing Forest Machinery Institute of State Forest Bureau
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 Beijing Forest Machinery Institute of State Forest Bureau filed Critical Beijing Forest Machinery Institute of State Forest Bureau
Priority to CN201710021952.5A priority Critical patent/CN106683093B/zh
Publication of CN106683093A publication Critical patent/CN106683093A/zh
Application granted granted Critical
Publication of CN106683093B publication Critical patent/CN106683093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20161—Level set

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Veneer Processing And Manufacture Of Plywood (AREA)

Abstract

本发明具体为一种板材外观质量综合量化评价方法，解决了现有板材外观质量评价不准确、效率低、难以实现在线检测评价等的问题。板材外观质量综合量化评价方法，包括以下步骤，获取板材图像，测量板材外观质量的特征参数，构建节疤影响系数h、裂缝位置影响系数k、裂缝长度影响系数p，从而确定板材外观质量综合量化评价量值Q，并将Q分为四个等级，定义不同质量的板材。本发明克服了传统板材外观质量综合量化评价方法过于主观或者由于影响因素过多评价不准确的缺陷，有利于将板材外观质量综合量化评价方法应用到更广泛的领域并可以结合计算机图像处理等方法构建新型板材外观质量评价体系。

Description

板材外观质量综合量化评价方法
技术领域
本发明涉及农林行业中木材加工领域，具体为一种板材外观质量综合量化评价方法。
背景技术
板材有多个外观特征，特别是表面材质缺陷、加工缺陷、色差和纹理，是决定外观质量的主要因素。国家标准GB/T 5849-2006(细木工板)、GB/T 9846-2004（第4部分：普通胶合板外观分等技术条件）、GB/T 13010-2006（刨切单板）、GB/T 17656-2008（混凝土模板用胶合板）、GB/T 19536-2004（集装箱底板用胶合板）、GB/T 20241-2006（单板层积材）等，以及林业行业标准LY/T 1654-2006（重组装饰单板）、LY/T 1655-2006（重组装饰材）、LY/T1599-2011（旋切单板）、LY/T 1738-2008（实木复合地板用胶合板）等中，都有关于板材外观质量的要求和限定，涉及到的主要影响因素有活节、死节、裂缝、孔洞、虫眼、变色、色差等。这些缺陷中节疤、裂缝、色差是最为常见和对板材外观质量影响最大的因素。
外观质量（Appearance Quality）是评价板材加工质量、使用价值和商品价值的重要指标，是影响单板利用和材质特性的重要因素。对于外观质量的评价，目前主要是通过视觉观察由业内专家做出评价或分级。然而，该方法缺乏客观性，而且是未量化的，因为它在很大程度上取决于特定专家的经验知识；同时如果考虑因素过多的话，就很难做出准确评价，特别是某些因素重复性和单一性的特点，在生产过程中很难达到在线生产要求；而且，随着劳力工资的不断增长，人工成本不断攀升，这已成为相关企业不可忽视的一项支出。
发明内容
本发明为了解决现有板材外观质量评价不准确、效率低、难以实现在线检测评价等的问题，提供了一种板材外观质量综合量化评价方法。
本发明是采用如下技术方案实现的：板材外观质量综合量化评价方法，包括以下步骤，
（1）获取板材图像，进行图像处理后，测量板材图像的特征参数，包括板材的长度a，板材的宽度b，板材图像中节疤的长轴尺寸d，板材图像中节疤的面积A，节疤个数M，板材图像裂缝的长度l，裂缝沿长度方向距木质单板边缘的最小距离e，裂缝个数N；
（2）获取板材的彩色图像，将所有像素点按R、G、B分量，分别计算定量值的均方差、、，取三分量均方差最大值为该板材的最大均方差，构建色差外观质量评价量值；
（3）构建节疤影响系数h的计算函数，
h的取值范围为，，，，，根据板材图像中节疤的长轴尺寸d和板材的宽度b计算确定表面节疤外观质量影响系数h；
（4）构建裂缝位置影响系数k的计算函数，
k的取值范围为，，，，根据木质单板图像中裂缝沿长度方向距木质单板边缘的最小距离e计算确定木质单板裂缝外观质量影响系数k；
（5）构建裂缝长度影响系数p的计算函数，
p的取值范围为，，，根据木质单板图像中裂缝长度l计算确定木质单板裂缝外观质量影响系数p；
（6）构建节疤外观质量评价量值的计算函数，
其中，为第n个节疤的面积，为第n个节疤的表面节疤外观质量影响系数，根据表面节疤外观质量影响系数h、板材面积、节疤面积计算确定板材节疤外观质量评价量值；
（7）构建裂缝外观质量评价量值的计算函数，
其中，第n个裂缝位置影响系数，为第n个裂缝长度影响系数，根据裂缝位置影响系数、裂缝长度影响系数计算确定木质单板裂缝外观质量评价量值；
（8）构建板材外观质量综合量化评价量值Q的计算函数，
根据板材的应用领域对板材外观质量的要求，将Q分为四个等级，Q在0.98~1.0范围内时，对应板材定义为一级质量板材；Q在0.90~0.97范围内时，对应板材定义为二级质量板材；Q在0.60~0.89范围内时，对应板材定义为三级质量板材；Q在0.00~0.59范围内时，对应板材定义为四级质量板材。
均方差小，表明木材的色差小，颜色较匀；反之，均方差大，表明木材色差大，颜色均匀度差。节疤影响系数h反映该节疤缺陷对外观质量的影响程度，裂缝位置影响系数k反映裂缝位置对外观质量的影响程度，裂缝长度影响系数p反映裂缝长度对外观质量的影响程度，板材外观质量综合量化评价量值Q综合了节疤、裂缝、色差三种对板材外观质量的影响因素，具体定义了板材外观质量的高低，对应确定为一级质量板材的，外观质量最好，二级质量板材外观质量稍差于一级质量板材，三级质量板材外观质量稍差于二级质量板材，四级质量板材最差。
本发明的有益效果如下：通过构建板材外观质量综合量化评价量值Q及其计算函数，将板材表面质量的评价过程具体成为参数计算过程，实现了板材外观质量的量化评价。本发明克服了板材外观质量人工评价方法过于主观且是未量化的，或者由于影响因素过多且检测过程重复性和单一性的特点，很难做出快速而准确的评价等缺点，有利于结合计算机图像处理等方法实现板材的自动、快速在线检测分级，同时构建外观质量量化评价体系，不仅能提高产品的使用价值和商品价值，也能有效提高板材的利用率，节约资源能源，对我国的低碳环保、可持续发展具有重要的社会战略意义。
附图说明
图1为实施例1中的板材图像。
图2为实施例1中的图像处理后的结疤图像。
具体实施方式
板材外观质量综合量化评价方法，包括以下步骤，
（1）获取板材图像，进行图像处理后，测量板材图像的特征参数，包括板材的长度a，板材的宽度b，板材图像中节疤的长轴尺寸d，板材图像中节疤的面积A，节疤个数M，板材图像裂缝的长度l，裂缝沿长度方向距木质单板边缘的最小距离e，裂缝个数N；
（2）获取板材的彩色图像，将所有像素点按R、G、B分量，分别计算定量值的均方差、、，取三分量均方差最大值为该板材的最大均方差，构建色差外观质量评价量值；
（3）构建节疤影响系数h的计算函数，
h的取值范围为，，，，，根据板材图像中节疤的长轴尺寸d和板材的宽度b计算确定表面节疤外观质量影响系数h；
（4）构建裂缝位置影响系数k的计算函数，
k的取值范围为，，，，根据木质单板图像中裂缝沿长度方向距木质单板边缘的最小距离e计算确定木质单板裂缝外观质量影响系数k；
（5）构建裂缝长度影响系数p的计算函数，
p的取值范围为，，，根据木质单板图像中裂缝长度l计算确定木质单板裂缝外观质量影响系数p；
（6）构建节疤外观质量评价量值的计算函数，
其中，为第n个节疤的面积，为第n个节疤的表面节疤外观质量影响系数，根据表面节疤外观质量影响系数h、板材面积、节疤面积计算确定板材节疤外观质量评价量值；
（7）构建裂缝外观质量评价量值的计算函数，
其中，第n个裂缝位置影响系数，为第n个裂缝长度影响系数，根据裂缝位置影响系数、裂缝长度影响系数计算确定木质单板裂缝外观质量评价量值；
（8）构建板材外观质量综合量化评价量值Q的计算函数，
根据板材的应用领域对板材外观质量的要求，将Q分为四个等级，Q在0.98~1.0范围内时，对应板材定义为一级质量板材；Q在0.90~0.97范围内时，对应板材定义为二级质量板材；Q在0.60~0.89范围内时，对应板材定义为三级质量板材；Q在0.00~0.59范围内时，对应板材定义为四级质量板材。
具体实施过程中，获取板材图像的方法采用工业相机拍摄方法，测量方法可以采用专业人员手工测量方法或者利用机器视觉技术的方法，精度可以达到毫米级。
根据Q值分级板材质量可以按下列定义，但不局限于下列定义，可根据实际应用领域对板材外观质量的要求具体定义：
一级质量板材，外观质量最好，对于锯材来说可直接利用，不用去节指接加长；
二级质量板材，外观质量较好，对于锯材来说，要做处理（科学排列、重点部位加固等）后再利用，或要对主要节疤进行去除后再评价利用；
三级质量板材，板材质量较差，对于锯材来说，必须去除主要节疤后再评价利用，或用于其它用途，比如用于刨切成刨花，做刨花板；
四级质量板材，板材质量极差，可在改变板材原始形态后再利用，比如用于做刨花板或纤维板或者用于特殊外观应用。
实施例1
获取四块板材图像，如图1，进行图像处理，如图2，测量板材图像的特征参数，包括板材的长度a，板材的宽度b，板材图像中节疤的长轴尺寸d，板材图像中节疤的面积A，节疤个数M，板材图像裂缝的长度l，裂缝沿长度方向距木质单板边缘的最小距离e，裂缝个数N等，色差外观质量评价量值计算统计如表1所示，板材外观质量综合量化评价量值Q的计算统计如表2所示；
表1色差外观质量评价量值
图像
Ⅰ 9.4986 11.166 12.941 10.843 0.9153
Ⅱ 5.2379 7.6224 9.0414 7.0490 0.9449
Ⅲ 8.2203 9.4577 11.511 9.2918 0.9274
Ⅳ 20.722 20.983 21.330 20.939 0.8364
表2板材外观质量综合量化评价量值
图像
Ⅰ 0.8421 1.0000 0.9153 0.95
Ⅱ 0.9776 1.0000 0.9449 0.99
Ⅲ 1.0000 0.3333 0.9274 0.52
Ⅳ 0.9055 0.1429 0.8364 0.36
Ⅰ号板材经板材外观质量综合量化评价方法确定为二级质量板材；Ⅱ号板材经板材外观质量综合量化评价方法确定为一级质量板材；Ⅲ号板材经板材外观质量综合量化评价方法确定为四级质量板材；Ⅳ号板材经板材外观质量综合量化评价方法确定为四级质量板材。

Claims (1)

1.一种板材外观质量综合量化评价方法，其特征在于：包括以下步骤，
（1）获取板材图像，进行图像处理后，测量板材图像的特征参数，包括板材的长度a，板材的宽度b，板材图像中节疤的长轴尺寸d，板材图像中节疤的面积A，节疤个数M，板材图像裂缝的长度l，裂缝沿长度方向距木质单板边缘的最小距离e，裂缝个数N；
（2）获取板材的彩色图像，将所有像素点按R、G、B分量，分别计算定量值的均方差、、，取三分量均方差最大值为该板材的最大均方差，构建色差外观质量评价量值；
（3）构建节疤影响系数h的计算函数，
h的取值范围为，，，，，根据板材图像中节疤的长轴尺寸d和板材的宽度b计算确定表面节疤外观质量影响系数h；
（4）构建裂缝位置影响系数k的计算函数，
k的取值范围为，，，，根据木质单板图像中裂缝沿长度方向距木质单板边缘的最小距离e计算确定木质单板裂缝外观质量影响系数k；
（5）构建裂缝长度影响系数p的计算函数，
p的取值范围为，，，根据木质单板图像中裂缝长度l计算确定木质单板裂缝外观质量影响系数p；
（6）构建节疤外观质量评价量值的计算函数，
其中，为第n个节疤的面积，为第n个节疤的表面节疤外观质量影响系数，根据表面节疤外观质量影响系数h、板材面积、节疤面积计算确定板材节疤外观质量评价量值；
（7）构建裂缝外观质量评价量值的计算函数，
其中，第n个裂缝位置影响系数，为第n个裂缝长度影响系数，根据裂缝位置影响系数、裂缝长度影响系数计算确定木质单板裂缝外观质量评价量值；
（8）构建板材外观质量综合量化评价量值Q的计算函数，
根据板材的应用领域对板材外观质量的要求，将Q分为四个等级，Q在0.98~1.0范围内时，对应板材定义为一级质量板材；Q在0.90~0.97范围内时，对应板材定义为二级质量板材；Q在0.60~0.89范围内时，对应板材定义为三级质量板材；Q在0.00~0.59范围内时，对应板材定义为四级质量板材。
CN201710021952.5A 2017-01-12 2017-01-12 板材外观质量综合量化评价方法 Active CN106683093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710021952.5A CN106683093B (zh) 2017-01-12 2017-01-12 板材外观质量综合量化评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710021952.5A CN106683093B (zh) 2017-01-12 2017-01-12 板材外观质量综合量化评价方法

Publications (2)

Publication Number Publication Date
CN106683093A true CN106683093A (zh) 2017-05-17
CN106683093B CN106683093B (zh) 2019-11-29

Family

ID=58849608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710021952.5A Active CN106683093B (zh) 2017-01-12 2017-01-12 板材外观质量综合量化评价方法

Country Status (1)

Country Link
CN (1) CN106683093B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107315015A (zh) * 2017-07-08 2017-11-03 北京林业大学 基于结构激光扫描技术的锯材表面缺陷的研究方法
CN107345915A (zh) * 2017-07-08 2017-11-14 北京林业大学 一种基于结构激光扫描技术的锯材表面缺陷的研究方法
CN108362702A (zh) * 2017-12-14 2018-08-03 北京木业邦科技有限公司 一种基于人工智能的单板缺陷检测方法、***及设备
CN109187329A (zh) * 2018-09-10 2019-01-11 武汉钢铁有限公司 钢轨滚动接触疲劳伤损的量化评价方法
CN113570599A (zh) * 2021-09-22 2021-10-29 江苏绿泉装饰工程有限公司 一种基于图像处理的实木颗粒板板材质量评价方法及***
CN113733287A (zh) * 2021-05-28 2021-12-03 付生 一种可降解排水板的制备工艺
CN113820337A (zh) * 2021-11-24 2021-12-21 深圳市丰用实业集团有限公司 基于机器视觉的抗菌生态板生产制造质量检测预警***
CN114034347A (zh) * 2021-11-30 2022-02-11 广东鑫光智能***有限公司 板材质量检测方法及终端
CN114054381A (zh) * 2021-11-16 2022-02-18 南京我乐家居智能制造有限公司 一种基于物料分拣的工业机器人智能引导控制管理方法、设备及计算机存储介质
CN114511619A (zh) * 2022-04-01 2022-05-17 石家庄市长安育才建材有限公司 混凝土外观评测方法、装置以及计算机可读存储介质
CN117782225A (zh) * 2024-02-23 2024-03-29 广州华凯车辆装备有限公司 一种防暴车厢结构及其评定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2530919A1 (en) * 2003-05-27 2004-12-09 Coe Newnes/Mcgehee Inc. Method of wood strength and stiffness prediction
JP2009293999A (ja) * 2008-06-03 2009-12-17 Panasonic Electric Works Co Ltd 木材欠陥検出装置
CN205786378U (zh) * 2016-05-24 2016-12-07 佛山市陆锋金属建材有限公司 一种铝幕墙板材检验装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2530919A1 (en) * 2003-05-27 2004-12-09 Coe Newnes/Mcgehee Inc. Method of wood strength and stiffness prediction
JP2009293999A (ja) * 2008-06-03 2009-12-17 Panasonic Electric Works Co Ltd 木材欠陥検出装置
CN205786378U (zh) * 2016-05-24 2016-12-07 佛山市陆锋金属建材有限公司 一种铝幕墙板材检验装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YIZHUO ZHANG等: "Wood defect detection method with PCA feature fusion and compressed sensing", 《J.FOR.RES.》 *
张召等: "基于纹理提取和SVM技术的自动木材缺陷识别", 《计算机工程与应用》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107345915A (zh) * 2017-07-08 2017-11-14 北京林业大学 一种基于结构激光扫描技术的锯材表面缺陷的研究方法
CN107315015B (zh) * 2017-07-08 2019-11-05 北京林业大学 基于结构激光扫描技术的锯材表面缺陷的研究方法
CN107315015A (zh) * 2017-07-08 2017-11-03 北京林业大学 基于结构激光扫描技术的锯材表面缺陷的研究方法
CN108362702A (zh) * 2017-12-14 2018-08-03 北京木业邦科技有限公司 一种基于人工智能的单板缺陷检测方法、***及设备
CN109187329A (zh) * 2018-09-10 2019-01-11 武汉钢铁有限公司 钢轨滚动接触疲劳伤损的量化评价方法
CN113733287A (zh) * 2021-05-28 2021-12-03 付生 一种可降解排水板的制备工艺
CN113733287B (zh) * 2021-05-28 2022-10-18 江苏中联路基工程有限公司 一种可降解排水板的制备工艺
CN113570599A (zh) * 2021-09-22 2021-10-29 江苏绿泉装饰工程有限公司 一种基于图像处理的实木颗粒板板材质量评价方法及***
CN113570599B (zh) * 2021-09-22 2021-12-07 江苏绿泉装饰工程有限公司 一种基于图像处理的实木颗粒板板材质量评价方法及***
CN114054381A (zh) * 2021-11-16 2022-02-18 南京我乐家居智能制造有限公司 一种基于物料分拣的工业机器人智能引导控制管理方法、设备及计算机存储介质
CN113820337A (zh) * 2021-11-24 2021-12-21 深圳市丰用实业集团有限公司 基于机器视觉的抗菌生态板生产制造质量检测预警***
CN113820337B (zh) * 2021-11-24 2022-03-15 深圳市丰用实业集团有限公司 基于机器视觉的抗菌生态板生产制造质量检测预警***
CN114034347A (zh) * 2021-11-30 2022-02-11 广东鑫光智能***有限公司 板材质量检测方法及终端
CN114511619A (zh) * 2022-04-01 2022-05-17 石家庄市长安育才建材有限公司 混凝土外观评测方法、装置以及计算机可读存储介质
CN117782225A (zh) * 2024-02-23 2024-03-29 广州华凯车辆装备有限公司 一种防暴车厢结构及其评定方法
CN117782225B (zh) * 2024-02-23 2024-05-03 广州华凯车辆装备有限公司 一种防暴车厢结构及其评定方法

Also Published As

Publication number Publication date
CN106683093B (zh) 2019-11-29

Similar Documents

Publication Publication Date Title
CN106683093A (zh) 板材外观质量综合量化评价方法
CN106680299B (zh) 板材节疤外观质量评价方法
Huang et al. Cell wall structure and wood properties determined by acoustics—a selective review
CN108254540A (zh) 一种锯材表面质量等级划分装置及方法
CN106683094B (zh) 木质单板裂缝外观质量评价方法
CN107972137A (zh) 一种实木生态板的生产工艺
CN107345915A (zh) 一种基于结构激光扫描技术的锯材表面缺陷的研究方法
US20100230310A1 (en) Warp Stable Wood Product Package and Methods for Sorting a Wood Product
Fahey Lumber and veneer recovery from intensively managed young-growth Douglas-fir
CN107315015B (zh) 基于结构激光扫描技术的锯材表面缺陷的研究方法
Gurau et al. Effect of species and grinding disc distance on the surface roughness parameters of medium density fiberboard
Tanritanir et al. Effect of steaming time on surface roughness of beech veneer
CN208156009U (zh) 一种锯材表面质量等级划分装置
CA3138255C (en) Veneer sorting control device, veneer sorting control method, and program for veneer sorting control
Hao et al. Annual ring orientation effect and slope of grain in hemlock timber drying
Cassens et al. Modeling lumber manufacturing processes using Monte Carlo computer simulation
Eriksson et al. An experimental study of shape stability in glued boards
Lungu et al. Evaluation of CNC Routed Surface Quality of Maple (Acer pseudoplatanus) and Oak (Quercus robur L.) with Different Milling Angles as Function of Grain Orientation.
Gaff et al. Evaluation of wood surface quality after 3D molding of wood by pressing
Lycken Appearance grading of sawn timber
CN117314262B (zh) 一种木门多工序自动化集成加工生产线检测方法及***
CN113177908B (zh) 一种实木生态板的辨认方法和装置
CN104089875A (zh) 胶合板组胚冷压强度的定量测试方法
Kiaei et al. Surface roughness in relation to altitude of hornbeam wood
Yuehua et al. Veneer warpage deformation measurement based on 3D laser scanning technology

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100029 Seventh Floor of Century Xingyuan Building, No. 20 Anyuan Road, Chaoyang District, Beijing

Applicant after: BEIJING FORESTRY MACHINERY Research Institute OF THE STATE FORESTRY AND PRAIRIE ADMINISTRATION

Address before: 100029 Seventh Floor of Century Xingyuan Building, No. 20 Anyuan Road, Chaoyang District, Beijing

Applicant before: Beijing Forestry Machinery Research Institute of State Forestry Administration

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240126

Address after: 100091 No. 2 east mansion, Beijing, Haidian District

Patentee after: RESEARCH INSTITUTE OF WOOD INDUSTRY, CHINESE ACADEMY OF FORESTRY

Country or region after: China

Address before: 100029, Beijing, Chaoyang District Court Road, No. 20 century Xingyuan building, seven floor

Patentee before: BEIJING FORESTRY MACHINERY Research Institute OF THE STATE FORESTRY AND PRAIRIE ADMINISTRATION

Country or region before: China