CN110728534B - 街区可投放性互联网检测方法 - Google Patents
街区可投放性互联网检测方法 Download PDFInfo
- Publication number
- CN110728534B CN110728534B CN201910442734.8A CN201910442734A CN110728534B CN 110728534 B CN110728534 B CN 110728534B CN 201910442734 A CN201910442734 A CN 201910442734A CN 110728534 B CN110728534 B CN 110728534B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- color matrix
- shared bicycle
- sharpening
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种街区可投放性检测方法,该方法包括使用街区可投放性检测***以对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区。
Description
技术领域
本发明涉及互联网共享领域,尤其涉及一种街区可投放性互联网检测方法。
背景技术
网络共享就是以计算机等终端设备为载体,借助互联网这个面向公众的社会性组织,进行信息交流和资源共享,并允许他人去共享自己的劳动果实。
互联网最初的设计是为了能提供一个通讯网络,即使一些地点被核武器摧毁也能正常工作。如果大部分的直接通道不通,路由器就会指引通信信息经由中间路由器在网络中传播。
1978年,UUCP(UNIX和UNIX拷贝协议)在贝尔实验室被提出来。1979年,在UUCP的基础上新闻组网络***发展起来。新闻组(集中某一主题的讨论组)紧跟着发展起来,它为在全世界范围内交换信息提供了一个新的方法。然而,新闻组并不认为是互联网的一部分,因为它并不共享TCP/IP协议,它连接着遍布世界的UNIX***,并且很多互联网站点都充分地利用新闻组。新闻组是网络世界发展中的非常重大的一部分。
当e-mail(电子邮件)、FTP(文件下载)和telnet(远程登录)的命令都规定为标准化时,学习和使用网络对于非工程技术人员变的非常容易。虽然无论如何也没有今天这么容易,但在大学和特殊领域里确实极大地推广了互联网的应用。其它的部门,包括计算机、物理和工程技术部门,也发现了利用互联网好处的方法,即与世界各地的大学通讯和共享文件和资源。图书馆,也向前走了一步,使他们的检索目录面向全世界。
发明内容
本发明需要具备以下两处关键的发明点:
(1)对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区,从而实现了共享单车的定向投放;
(2)对图像中的目标区域和非目标区域分别执行不同策略的锐化处理机制,以避免对整个图像执行过于复杂的多重锐化处理。
根据本发明的一方面,提供一种街区可投放性检测方法,该方法包括使用街区可投放性检测***以对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区,所述街区可投放性检测***包括,所述***包括:密度提取设备,设置在共享单车运营商的地面监控室内,与再次辨识设备连接,用于基于每一个图像分块内的共享单车子图像的数量确定每一个图像分块对应的实际街区的共享单车密度;信息通告设备,与所述密度提取设备连接,用于将共享单车密度大于等于预设密度阈值的实际街区作为禁止投放街区上传给共享单车运营商的服务器;所述信息通告设备还用于将共享单车密度小于所述预设密度阈值的实际街区作为允许投放街区上传给共享单车运营商的服务器;数据接收设备,设置在共享单车运营商的地面监控室内,用于接收遥感卫星对预设监控区域执行遥感拍摄所获得的遥感图像以作为监控区域图像输出;统计排序滤波设备,与所述数据接收设备连接,用于对接收到的监控区域图像执行统计排序滤波处理,以获得并输出相应的统计排序滤波图像;信号分析设备,与所述统计排序滤波设备连接,用于接收所述统计排序滤波图像,基于共享单车图像特征从所述统计排序滤波图像中搜索出相应的共享单车子图像,并将所述统计排序滤波图像中除了所述共享单车子图像之外的图像作为剩余子图像,所述共享单车图像特征为具有自行车形状的预设颜色均值超限的图案。
本发明的街区可投放性检测方法设计紧凑、具有一定的针对性。由于对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区,从而实现了共享单车的定向投放。
具体实施方式
下面将对本发明的实施方案进行详细说明。
共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务,是一种分时租赁模式。共享单车是一种新型环保共享经济。
共享单车实质是一种新型的交通工具租赁业务-自行车租赁业务,其主要依靠载体为自行车。可以很充分利用城市因快速的经济发展而带来的自行车出行萎靡状况;最大化的利用了公共道路通过率。
2018年5月21日,北京市政交通一卡通与ofo小黄车共同宣布达成战略合作,并发布了支持北京一卡通的NFC智能锁。7月5日,摩拜单车宣布即日起将在全国实行零门槛免押。
现有技术中,共享单车的运营商在投放共享单车时具有一定的盲目性,一般采用平均投放的方式对城市范围内的每一个实际街区定时投放相同数量的共享单车,然而,这种投放方式没有考虑到不同街区使用共享单车的不同频率,另外,一些基于每一个实际街区内存量共享单车的数量执行的自适应投放模式没有考虑到实际街区内存在与其他运营商不同颜色的共享单车的竞争问题。
为了克服上述不足,本发明搭建一种街区可投放性检测方法,该方法包括使用街区可投放性检测***以对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区。所述街区可投放性检测***能够有效解决相应的技术问题。
根据本发明实施方案示出的街区可投放性检测***包括:
密度提取设备,设置在共享单车运营商的地面监控室内,与再次辨识设备连接,用于基于每一个图像分块内的共享单车子图像的数量确定每一个图像分块对应的实际街区的共享单车密度;
信息通告设备,与所述密度提取设备连接,用于将共享单车密度大于等于预设密度阈值的实际街区作为禁止投放街区上传给共享单车运营商的服务器;
所述信息通告设备还用于将共享单车密度小于所述预设密度阈值的实际街区作为允许投放街区上传给共享单车运营商的服务器;
数据接收设备,设置在共享单车运营商的地面监控室内,用于接收遥感卫星对预设监控区域执行遥感拍摄所获得的遥感图像以作为监控区域图像输出;
统计排序滤波设备,与所述数据接收设备连接,用于对接收到的监控区域图像执行统计排序滤波处理,以获得并输出相应的统计排序滤波图像;
信号分析设备,与所述统计排序滤波设备连接,用于接收所述统计排序滤波图像,基于共享单车图像特征从所述统计排序滤波图像中搜索出相应的共享单车子图像,并将所述统计排序滤波图像中除了所述共享单车子图像之外的图像作为剩余子图像,所述共享单车图像特征为具有自行车形状的预设颜色均值超限的图案;
图像增强设备,与所述信号分析设备连接,用于对所述共享单车子图像执行图像增强处理,以获得第一子图像,还用于对所述剩余子图像执行图像增强处理,以获得第二子图像;
高通滤波锐化设备,分别与所述信号分析设备和所述图像增强设备连接,用于接收所述第一子图像,并对所述第一子图像执行高通滤波锐化处理,以获得第三子图像;
数据合并设备,分别与所述图像增强设备和所述高通滤波锐化设备连接,用于分别对所述第二子图像和所述第三子图像执行归一化处理操作,以分别获得第四子图像和第五子图像,并将所述第四子图像和所述第五子图像合并以获得整合处理图像;
边缘锐化设备,与所述数据合并设备连接,用于接收所述整合处理图像,并对所述整合处理图像执行边缘锐化处理,以获得并输出相应的边缘锐化图像;
再次辨识设备,与所述边缘锐化设备连接,用于基于共享单车图像特征从所述边缘锐化图像中搜索出相应的共享单车子图像,并对所述边缘锐化图像执行均匀式图像分割以获得各个图像分块,统计每一个图像分块内的共享单车子图像的数量。
接着,继续对本发明的街区可投放性检测***的具体结构进行进一步的说明。
所述街区可投放性检测***中:
所述图像增强设备还用于在检测到所述共享单车子图像的清晰度超限时,直接将所述共享单车子图像作为第一子图像发送给所述高通滤波锐化设备;
其中,所述图像增强设备还用于在检测到所述剩余子图像的清晰度超限时,直接将所述剩余子图像作为第二子图像发送给所述高通滤波锐化设备。
所述街区可投放性检测***中还可以包括:
通道值排序设备,与所述数据接收设备连接,用于接收所述监控区域图像,对所述监控区域图像中各个像素点的各个灰度值进行排序,以获得排序队列的最大序号;
冗余度识别设备,与所述通道值排序设备连接,用于接收所述最大序号,确定与所述最大序号成反比的所述监控区域图像的冗余度。
所述街区可投放性检测***中还可以包括:
最小值滤波设备,与所述冗余度识别设备连接,用于在接收到的冗余度低于预设冗余度阈值时方接收来自所述通道值排序设备的监控区域图像,对所述监控区域图像执行最小值滤波处理,以获得最小值滤波图像。
所述街区可投放性检测***中还可以包括:
矩阵提取设备,用于接收所述最小值滤波图像,对所述最小值滤波图像执行颜色空间转换,以获得所述最小值滤波图像的CMYK颜色空间下的C颜色矩阵、M颜色矩阵、Y颜色矩阵和K颜色矩阵。
所述街区可投放性检测***中还可以包括:
定制锐化设备,与所述矩阵提取设备连接,用于基于所述C颜色矩阵的均方差确定对所述C颜色矩阵执行锐化处理的强度,基于所述M颜色矩阵的均方差确定对所述M颜色矩阵执行锐化处理的强度,对所述K颜色矩阵和所述Y颜色矩阵不进行锐化处理。
所述街区可投放性检测***中还可以包括:
组合执行设备,与所述定制锐化设备连接,用于将锐化处理后的C颜色矩阵、锐化处理后的M颜色矩阵、未锐化处理的K颜色矩阵和未锐化处理的Y颜色矩阵进行组合操作,以获得对应的组合操作图像。
所述街区可投放性检测***中还可以包括:
双线性插值设备,与所述组合执行设备连接,用于将所述组合操作图像执行双线性插值操作,以获得即时插值图像;
其中,所述双线性插值设备还与所述统计排序滤波设备连接,用于将所述即时插值图像替换所述监控区域图像发送给所述统计排序滤波设备;
其中,在所述定制锐化设备中,基于所述C颜色矩阵的均方差确定对所述C颜色矩阵执行锐化处理的强度包括:所述C颜色矩阵的均方差越大,对所述C颜色矩阵执行锐化处理的强度越大;
其中,在所述定制锐化设备中,基于所述M颜色矩阵的均方差确定对所述M颜色矩阵执行锐化处理的强度包括:所述M颜色矩阵的均方差越大,对所述M颜色矩阵执行锐化处理的强度越大。
所述街区可投放性检测***中:
在所述通道值排序设备中,对所述监控区域图像中各个像素点的各个灰度值进行排序包括:相同灰度值的像素点占用同一个排队序列的序号;
其中,所述通道值排序设备通过串行通信接口与所述冗余度识别设备连接。
另外,可以采用MCU控制器来实现所述矩阵提取设备。MCU根据其存储器结构可分为哈佛(Harvard)结构和冯·诺依曼(Von Neumann)结构。现在的单片机绝大多数都是基于冯·诺伊曼结构的,这种结构清楚地定义了嵌入式***所必需的四个基本部分:一个中央处理器核心,程序存储器(只读存储器或者闪存)、数据存储器(随机存储器)、一个或者更多的定时/计时器,还有用来与***设备以及扩展资源进行通信的输入/输出端口,所有这些都被集成在单个集成电路芯片上。
应当理解,本发明的各部分可以用硬件、软件、固件或他们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种街区可投放性检测方法,该方法包括使用街区可投放性检测***以对监控范围内的每一个实际街区的共享单车密度进行实时监测,以划定出可继续投放的允许投放街区以及车辆饱和的禁止投放街区,其特征在于,所述街区可投放性检测***包括:
密度提取设备,设置在共享单车运营商的地面监控室内,与再次辨识设备连接,用于基于每一个图像分块内的共享单车子图像的数量确定每一个图像分块对应的实际街区的共享单车密度;
信息通告设备,与所述密度提取设备连接,用于将共享单车密度大于等于预设密度阈值的实际街区作为禁止投放街区上传给共享单车运营商的服务器;
所述信息通告设备还用于将共享单车密度小于所述预设密度阈值的实际街区作为允许投放街区上传给共享单车运营商的服务器;
数据接收设备,设置在共享单车运营商的地面监控室内,用于接收遥感卫星对预设监控区域执行遥感拍摄所获得的遥感图像以作为监控区域图像输出;
统计排序滤波设备,与所述数据接收设备连接,用于对接收到的监控区域图像执行统计排序滤波处理,以获得并输出相应的统计排序滤波图像;
信号分析设备,与所述统计排序滤波设备连接,用于接收所述统计排序滤波图像,基于共享单车图像特征从所述统计排序滤波图像中搜索出相应的共享单车子图像,并将所述统计排序滤波图像中除了所述共享单车子图像之外的图像作为剩余子图像,所述共享单车图像特征为具有自行车形状的预设颜色均值超限的图案;
图像增强设备,与所述信号分析设备连接,用于对所述共享单车子图像执行图像增强处理,以获得第一子图像,还用于对所述剩余子图像执行图像增强处理,以获得第二子图像;
高通滤波锐化设备,分别与所述信号分析设备和所述图像增强设备连接,用于接收所述第一子图像,并对所述第一子图像执行高通滤波锐化处理,以获得第三子图像;
数据合并设备,分别与所述图像增强设备和所述高通滤波锐化设备连接,用于分别对所述第二子图像和所述第三子图像执行归一化处理操作,以分别获得第四子图像和第五子图像,并将所述第四子图像和所述第五子图像合并以获得整合处理图像;
边缘锐化设备,与所述数据合并设备连接,用于接收所述整合处理图像,并对所述整合处理图像执行边缘锐化处理,以获得并输出相应的边缘锐化图像;
再次辨识设备,与所述边缘锐化设备连接,用于基于共享单车图像特征从所述边缘锐化图像中搜索出相应的共享单车子图像,并对所述边缘锐化图像执行均匀式图像分割以获得各个图像分块,统计每一个图像分块内的共享单车子图像的数量;
通道值排序设备,与所述数据接收设备连接,用于接收所述监控区域图像,对所述监控区域图像中各个像素点的各个灰度值进行排序,以获得排序队列的最大序号;
冗余度识别设备,与所述通道值排序设备连接,用于接收所述最大序号,确定与所述最大序号成反比的所述监控区域图像的冗余度;
最小值滤波设备,与所述冗余度识别设备连接,用于在接收到的冗余度低于预设冗余度阈值时方接收来自所述通道值排序设备的监控区域图像,对所述监控区域图像执行最小值滤波处理,以获得最小值滤波图像;
矩阵提取设备,用于接收所述最小值滤波图像,对所述最小值滤波图像执行颜色空间转换,以获得所述最小值滤波图像的CMYK颜色空间下的C颜色矩阵、M颜色矩阵、Y颜色矩阵和K颜色矩阵;
定制锐化设备,与所述矩阵提取设备连接,用于基于所述C颜色矩阵的均方差确定对所述C颜色矩阵执行锐化处理的强度,基于所述M颜色矩阵的均方差确定对所述M颜色矩阵执行锐化处理的强度,对所述K颜色矩阵和所述Y颜色矩阵不进行锐化处理;
组合执行设备,与所述定制锐化设备连接,用于将锐化处理后的C颜色矩阵、锐化处理后的M颜色矩阵、未锐化处理的K颜色矩阵和未锐化处理的Y颜色矩阵进行组合操作,以获得对应的组合操作图像。
2.如权利要求1所述的方法,其特征在于,所述***还包括:
双线性插值设备,与所述组合执行设备连接,用于将所述组合操作图像执行双线性插值操作,以获得即时插值图像;
其中,所述双线性插值设备还与所述统计排序滤波设备连接,用于将所述即时插值图像替换所述监控区域图像发送给所述统计排序滤波设备;
其中,在所述定制锐化设备中,基于所述C颜色矩阵的均方差确定对所述C颜色矩阵执行锐化处理的强度包括:所述C颜色矩阵的均方差越大,对所述C颜色矩阵执行锐化处理的强度越大;
其中,在所述定制锐化设备中,基于所述M颜色矩阵的均方差确定对所述M颜色矩阵执行锐化处理的强度包括:所述M颜色矩阵的均方差越大,对所述M颜色矩阵执行锐化处理的强度越大。
3.如权利要求2所述的方法,其特征在于:
在所述通道值排序设备中,对所述监控区域图像中各个像素点的各个灰度值进行排序包括:相同灰度值的像素点占用同一个排队序列的序号;
其中,所述通道值排序设备通过串行通信接口与所述冗余度识别设备连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910442734.8A CN110728534B (zh) | 2019-05-25 | 2019-05-25 | 街区可投放性互联网检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910442734.8A CN110728534B (zh) | 2019-05-25 | 2019-05-25 | 街区可投放性互联网检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110728534A CN110728534A (zh) | 2020-01-24 |
CN110728534B true CN110728534B (zh) | 2021-01-29 |
Family
ID=69217051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910442734.8A Active CN110728534B (zh) | 2019-05-25 | 2019-05-25 | 街区可投放性互联网检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728534B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307922A (zh) * | 2020-10-23 | 2021-02-02 | 泰州芯源半导体科技有限公司 | 基于遥感数据收发的危情分析平台 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9940524B2 (en) * | 2015-04-17 | 2018-04-10 | General Electric Company | Identifying and tracking vehicles in motion |
CN109339509A (zh) * | 2018-10-27 | 2019-02-15 | 朱石明 | 一种基于人工智能的共享单车停放、监管和维护平台 |
CN109615925A (zh) * | 2019-01-03 | 2019-04-12 | 上海钧正网络科技有限公司 | 基于视频监控的车辆停车控制方法、装置、***及服务器 |
CN109598977A (zh) * | 2019-01-04 | 2019-04-09 | 上海钧正网络科技有限公司 | 基于视频监控的车辆检测方法、装置、***及服务器 |
CN109618140B (zh) * | 2019-01-14 | 2020-12-15 | 上海钧正网络科技有限公司 | 基于视频监控的车辆监测方法、装置、***及服务器 |
-
2019
- 2019-05-25 CN CN201910442734.8A patent/CN110728534B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110728534A (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Franklin | Traffic signal violation detection using artificial intelligence and deep learning | |
CN104952255A (zh) | 一种智能终端及其交通违章监督方法、*** | |
CN110473352B (zh) | 街区可投放性互联网检测*** | |
CN110728283A (zh) | 一种车牌类型识别方法及设备 | |
CN104199903B (zh) | 一种基于路径关联的车辆数据查询***及方法 | |
CN109508404A (zh) | 维修教学视频管理方法、装置、终端设备及存储介质 | |
CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN110728534B (zh) | 街区可投放性互联网检测方法 | |
CN105468619A (zh) | 用于数据库连接池的资源分配方法和装置 | |
CN111507278A (zh) | 一种检测路障的方法、装置及计算机设备 | |
CN111368617B (zh) | 车辆出入数据处理方法及装置 | |
CN110990455A (zh) | 大数据识别房屋性质的方法与*** | |
CN110445772A (zh) | 一种基于主机关系的互联网主机扫描方法及*** | |
CN110567733B (zh) | 基于acc的失效场景判定方法及***、服务器及介质 | |
CN112671845B (zh) | 数据处理方法、装置、电子设备、存储介质及云端*** | |
CN110881016A (zh) | 一种网络安全威胁评估方法及装置 | |
CN114268673A (zh) | 一种基于5g通信的电力业务处理方法及控制设备 | |
CN110636209B (zh) | 辅助式信号参数解析方法 | |
Tran et al. | Uit-dronefog: Toward high-performance object detection via high-quality aerial foggy dataset | |
CN111091634A (zh) | 汽车违反限行规则的识别方法、车载终端、服务器及*** | |
Qu et al. | An improved character recognition algorithm for license plate based on BP neural network | |
CN114332740B (zh) | 一种基于视频的路口死锁事件检测方法及设备 | |
CN109947800A (zh) | 数据处理方法、装置、设备和介质 | |
CN115001827B (zh) | 一种云端结合IoT僵尸网络检测原型***及方法 | |
CN108650172A (zh) | 基于社交属性及有效用户计算的任务分发方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210111 Address after: 362000 Hou lion 60, Huang Tang Town, Huian County, Quanzhou, Fujian Applicant after: Hou Xiaofang Address before: 212000 SME Innovation Park, No. 300, Gangnan Road, New District, Zhenjiang City, Jiangsu Province Applicant before: Ren Yuanhua |
|
GR01 | Patent grant | ||
GR01 | Patent grant |