CN111401276A - 一种安全帽佩戴识别方法及*** - Google Patents

一种安全帽佩戴识别方法及*** Download PDF

Info

Publication number
CN111401276A
CN111401276A CN202010201329.XA CN202010201329A CN111401276A CN 111401276 A CN111401276 A CN 111401276A CN 202010201329 A CN202010201329 A CN 202010201329A CN 111401276 A CN111401276 A CN 111401276A
Authority
CN
China
Prior art keywords
detection frame
feature points
confidence
safety helmet
detection box
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
CN202010201329.XA
Other languages
English (en)
Other versions
CN111401276B (zh
Inventor
安民洙
葛晓东
梁立宏
林玉娟
姜贺
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.)
Guangdong Light Speed Intelligent Equipment Co ltd
Tenghui Technology Building Intelligence Shenzhen Co ltd
Original Assignee
Guangdong Light Speed Intelligent Equipment 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 Guangdong Light Speed Intelligent Equipment Co ltd filed Critical Guangdong Light Speed Intelligent Equipment Co ltd
Priority to CN202010201329.XA priority Critical patent/CN111401276B/zh
Publication of CN111401276A publication Critical patent/CN111401276A/zh
Application granted granted Critical
Publication of CN111401276B publication Critical patent/CN111401276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Helmets And Other Head Coverings (AREA)

Abstract

本发明公开了一种安全帽佩戴识别方法及***，通过本发明所提供的方法，可以对图像进行尺度划分，在尺度划分的基础上进行特征点检测确定出最终的检测框，因此通过该方法可以充分利用现有建筑工地视频流即可实现安全帽的佩戴识别，不需要安装其他监控设备，节省成本，并且该算法可以保证结果的稳定性、鲁棒性以及高精度，提升了准确性，并且识别效率也得到提升。

Description

一种安全帽佩戴识别方法及***
技术领域
本申请涉及图像识别处理技术领域，尤其涉及一种安全帽佩戴识别方法及***。
背景技术
建筑工地的安全问题是监管部门和建设单位高度重视的头等大事，因此为保证施工人员的人身安全、工地建筑材料、设备等财产安全，在施工现场安装视频监控***显得尤其重要，可以保证监控中心实时掌握现场施工动态。
但是，这些传回监控中心的视频信息一般是通过人眼观看，这样费时费力且人眼容易出现疲劳，从而导致错误判断。
发明内容
本发明提供了一种安全帽佩戴识别方法及***，用以解决现有技术中监控视频中的安全帽佩戴需要人工识别，不仅费时费力，而且导致容易判断错误的问题。
其具体的技术方案如下：
一种安全帽佩戴识别方法，所述方法包括：
将采集到的图像进行尺度划分，得到N个尺度对应的子图像，其中，N为大于等于2的正整数；
在子图像的每个尺度上的每个像素点中确定3个特征点，其中，每个特征点至少包括置信度值以及非极大值抑制；
根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；
根据所述目标检测框中的颜色确定是否佩戴安全帽。
可选的，根据所述置信度值以及非极大值抑制对所有特征点进行过滤，包括：
将置信度值小于阈值的特征点忽略；
在剩余的特征点中，按照非极大值抑制进行排序，并得到得分最高的检测框；
降低与所述检测框重叠面积大于指定比例的检测框的置信度值；
将最终得到的排序结果中大于阈值的检测框作为最终的目标检测框。
可选的，所述特征点中的每个特征点包括检测框的中心点坐标、检测框的宽高、检测框的置信度以及检测框的每一个类别的概率。
可选的，在根据所述目标检测框中的颜色确定是否佩戴安全帽之后，所述方法还包括：
在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；
在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。
一种安全帽佩戴识别***，所述***包括：
划分模块，用于将采集到的图像进行尺度划分，得到N个尺度对应的子图像，其中，N为大于等于2的正整数；
确定模块，用于在子图像的每个尺度上的每个像素点中确定3个特征点，其中，每个特征点至少包括置信度值以及非极大值抑制；
处理模块，用于根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；根据所述目标检测框中的颜色确定是否佩戴安全帽。
可选的，所述处理模块，具体用于将置信度值小于阈值的特征点忽略；在剩余的特征点中，按照非极大值抑制进行排序，并得到得分最高的检测框；降低与所述检测框重叠面积大于指定比例的检测框的置信度值；将最终得到的排序结果中大于阈值的检测框作为最终的目标检测框。
可选的，所述确定模块，具体用于所述特征点中的每个特征点包括检测框的中心点坐标、检测框的宽高、检测框的置信度以及检测框的每一个类别的概率。
可选的，所述处理模块，还用于在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。
通过本发明实施例所提供的方法，可以对图像进行尺度划分，在尺度划分的基础上进行特征点检测确定出最终的检测框，因此通过该方法可以充分利用现有建筑工地视频流即可实现安全帽的佩戴识别，不需要安装其他监控设备，节省成本，并且该算法可以保证结果的稳定性、鲁棒性以及高精度，提升了准确性，并且识别效率也得到提升。
附图说明
图1为本发明实施例中一种安全帽佩戴识别方法的流程图；
图2为本发明实施例中工作人员佩戴安全帽的示意图；
图3为本发明实施例中一种安全帽佩戴识别***的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解，本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明，而不是限定，在不冲突的情况下，本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种安全帽佩戴识别方法的流程图，该方法包括：
S1，将采集到的图像进行尺度划分，得到N个尺度对应的子图像；
首先来讲，本发明所提供的方法应用到一***中，该***包括四个部分：摄像头进行现场视频采集，服务器进行视频处理和存储，客户端识别结果显示，报警设备。摄像头采集到的视频流传至服务器。
服务器首先将通过基础卷积神经网络，分别得到三个尺度的子图像(featuremap)，具体尺度可以为：13*13*21、26*26*21、52*52*21。当然此处只是在本发明实施例中例举的三个尺度，在具体的应用场景中可以根据实际情况进行调整。
S2，在子图像的每个尺度上的每个像素点中确定3个特征点；
在本发明实施例中，因为目标是分为两个类别，即：佩戴安全帽以及未佩戴安全帽，因此可以进一步在每个尺度上确定出3个特征点，即3个proposal，此处三个尺度下对应的proposal个数为13*13*3+26*26*3+52*52*3＝1067个proposal。每个proposal包含7个信息：center_x、center_y、w、h、confidence、probability of 2classes，即方框的中心点坐标、宽、高、目标置信度、每一个类别的概率。
S3，根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；
在得到所有proposal之后，将得到的所有proposals进行过滤。过滤分为两个方面，置信度过滤和soft-nms(非极大值抑制)过滤。置信度过滤是，置信度低于阈值的proposal将被忽略掉。Softnms是将检测框按得分排序，然后保留得分最高的框，同时降低与该框重叠面积大于一定比例的其它框的置信度，再指定一个阈值，最后得分大于该阈值的检测框得以保留。相对于nms，soft-nms可以减少漏检的情况。最终得到目标检测框。
S4，根据所述目标检测框中的颜色确定是否佩戴安全帽。
在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。具体如图2所示，在图2中佩戴了安全帽的人员，检测框显示为绿色，若是工作人员未佩戴安全帽，则检测框显示为红色。
通过本发明实施例所提供的方法，可以对图像进行尺度划分，在尺度划分的基础上进行特征点检测确定出最终的检测框，因此通过该方法可以充分利用现有建筑工地视频流即可实现安全帽的佩戴识别，不需要安装其他监控设备，节省成本，并且该算法可以保证结果的稳定性、鲁棒性以及高精度，提升了准确性，并且识别效率也得到提升。
对应本发明所提供的方法，本发明实施例中还提供了一种安全帽佩戴识别***，如图3所示为本发明实施例中一种安全帽佩戴识别***的结构示意图，该***包括：
划分模块301，用于将采集到的图像进行尺度划分，得到N个尺度对应的子图像，其中，N为大于等于2的正整数；
确定模块302，用于在子图像的每个尺度上的每个像素点中确定3个特征点，其中，每个特征点至少包括置信度值以及非极大值抑制；
处理模块303，用于根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；根据所述目标检测框中的颜色确定是否佩戴安全帽。
进一步，在本发明实施例中，所述处理模块303，具体用于将置信度值小于阈值的特征点忽略；在剩余的特征点中，按照非极大值抑制进行排序，并得到得分最高的检测框；降低与所述检测框重叠面积大于指定比例的检测框的置信度值；将最终得到的排序结果中大于阈值的检测框作为最终的目标检测框。
进一步，在本发明实施例中，所述确定模块302，具体用于所述特征点中的每个特征点包括检测框的中心点坐标、检测框的宽高、检测框的置信度以及检测框的每一个类别的概率。
进一步，在本发明实施例中，所述处理模块303，还用于在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。
尽管已描述了本申请的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改，包括采用特定符号、标记确定顶点等变更方式。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种安全帽佩戴识别方法，其特征在于，所述方法包括：
将采集到的图像进行尺度划分，得到N个尺度对应的子图像，其中，N为大于等于2的正整数；
在子图像的每个尺度上的每个像素点中确定3个特征点，其中，每个特征点至少包括置信度值以及非极大值抑制；
根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；
根据所述目标检测框中的颜色确定是否佩戴安全帽。
2.如权利要求1所述的方法，其特征在于，根据所述置信度值以及非极大值抑制对所有特征点进行过滤，包括：
将置信度值小于阈值的特征点忽略；
在剩余的特征点中，按照非极大值抑制进行排序，并得到得分最高的检测框；
降低与所述检测框重叠面积大于指定比例的检测框的置信度值；
将最终得到的排序结果中大于阈值的检测框作为最终的目标检测框。
3.如权利要求1所述的方法，其特征在于，所述特征点中的每个特征点包括检测框的中心点坐标、检测框的宽高、检测框的置信度以及检测框的每一个类别的概率。
4.如权利要求1所述的方法，其特征在于，在根据所述目标检测框中的颜色确定是否佩戴安全帽之后，所述方法还包括：
在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；
在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。
5.一种安全帽佩戴识别***，其特征在于，所述***包括：
划分模块，用于将采集到的图像进行尺度划分，得到N个尺度对应的子图像，其中，N为大于等于2的正整数；
确定模块，用于在子图像的每个尺度上的每个像素点中确定3个特征点，其中，每个特征点至少包括置信度值以及非极大值抑制；
处理模块，用于根据所述置信度值以及非极大值抑制对所有特征点进行过滤，并根据筛选出的特征点得到最终目标检测框；根据所述目标检测框中的颜色确定是否佩戴安全帽。
6.如权利要求5所述的***，其特征在于，所述处理模块，具体用于将置信度值小于阈值的特征点忽略；在剩余的特征点中，按照非极大值抑制进行排序，并得到得分最高的检测框；降低与所述检测框重叠面积大于指定比例的检测框的置信度值；将最终得到的排序结果中大于阈值的检测框作为最终的目标检测框。
7.如权利要求5所述的***，其特征在于，所述确定模块，具体用于所述特征点中的每个特征点包括检测框的中心点坐标、检测框的宽高、检测框的置信度以及检测框的每一个类别的概率。
8.如权利要求5所述的***，其特征在于，所述处理模块，还用于在检测到人员佩戴安全帽时，则将检测框标记为绿色，并显示输出；在检测到人员未佩戴安全帽时，则检测检测框标记为红色，并显示输出。
CN202010201329.XA 2020-03-20 2020-03-20 一种安全帽佩戴识别方法及*** Active CN111401276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010201329.XA CN111401276B (zh) 2020-03-20 2020-03-20 一种安全帽佩戴识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010201329.XA CN111401276B (zh) 2020-03-20 2020-03-20 一种安全帽佩戴识别方法及***

Publications (2)

Publication Number Publication Date
CN111401276A true CN111401276A (zh) 2020-07-10
CN111401276B CN111401276B (zh) 2024-05-17

Family

ID=71428982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010201329.XA Active CN111401276B (zh) 2020-03-20 2020-03-20 一种安全帽佩戴识别方法及***

Country Status (1)

Country Link
CN (1) CN111401276B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112863187A (zh) * 2021-01-18 2021-05-28 北京百度网讯科技有限公司 感知模型的检测方法、电子设备、路侧设备和云控平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875588A (zh) * 2018-05-25 2018-11-23 武汉大学 基于深度学习的跨摄像头行人检测跟踪方法
CN108960340A (zh) * 2018-07-23 2018-12-07 电子科技大学 卷积神经网络压缩方法及人脸检测方法
CN109145854A (zh) * 2018-08-31 2019-01-04 东南大学 一种基于级联卷积神经网络结构的人脸检测方法
CN110188724A (zh) * 2019-06-05 2019-08-30 中冶赛迪重庆信息技术有限公司 基于深度学习的安全帽定位与颜色识别的方法及***
CN110348329A (zh) * 2019-06-24 2019-10-18 电子科技大学 基于视频序列帧间信息的行人检测方法
CN110399905A (zh) * 2019-07-03 2019-11-01 常州大学 施工场景中安全帽佩戴情况的检测及描述方法
CN110852283A (zh) * 2019-11-14 2020-02-28 南京工程学院 一种基于改进YOLOv3的安全帽佩戴检测与跟踪方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875588A (zh) * 2018-05-25 2018-11-23 武汉大学 基于深度学习的跨摄像头行人检测跟踪方法
CN108960340A (zh) * 2018-07-23 2018-12-07 电子科技大学 卷积神经网络压缩方法及人脸检测方法
CN109145854A (zh) * 2018-08-31 2019-01-04 东南大学 一种基于级联卷积神经网络结构的人脸检测方法
CN110188724A (zh) * 2019-06-05 2019-08-30 中冶赛迪重庆信息技术有限公司 基于深度学习的安全帽定位与颜色识别的方法及***
CN110348329A (zh) * 2019-06-24 2019-10-18 电子科技大学 基于视频序列帧间信息的行人检测方法
CN110399905A (zh) * 2019-07-03 2019-11-01 常州大学 施工场景中安全帽佩戴情况的检测及描述方法
CN110852283A (zh) * 2019-11-14 2020-02-28 南京工程学院 一种基于改进YOLOv3的安全帽佩戴检测与跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张志超 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112863187A (zh) * 2021-01-18 2021-05-28 北京百度网讯科技有限公司 感知模型的检测方法、电子设备、路侧设备和云控平台

Also Published As

Publication number Publication date
CN111401276B (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
CN111401314B (zh) 着装信息检测方法、装置、设备及存储介质
CN111967393A (zh) 一种基于改进YOLOv4的安全帽佩戴检测方法
CN103886612B (zh) 一种基于水库监控摄像头的水位自动提取方法及***
CN107437318B (zh) 一种可见光智能识别算法
CN111881730A (zh) 一种火电厂现场安全帽佩戴检测方法
CN106529410A (zh) 一种基于监控视频的灰霾扩散路径绘制与来源确定方法
US9864908B2 (en) Slow change detection system
CN108875531B (zh) 人脸检测方法、装置、***及计算机存储介质
CN105354563A (zh) 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法
CN110781853B (zh) 人群异常检测方法以及相关装置
US20210133495A1 (en) Model providing system, method and program
CN105139011B (zh) 一种基于标识物图像的车辆识别方法及装置
CN104680554B (zh) 基于surf的压缩跟踪方法和***
JP2019045922A (ja) 変状箇所検出装置、変状箇所検出プログラムおよび変状箇所検出方法
CN113505638B (zh) 车流量的监测方法、监测装置及计算机可读存储介质
CN108596115A (zh) 一种基于卷积神经网络的车辆检测方法、装置及***
CN111259763A (zh) 目标检测方法、装置、电子设备及可读存储介质
CN103456009A (zh) 目标检测方法与装置、监控***
CN111401276B (zh) 一种安全帽佩戴识别方法及***
US10115028B2 (en) Method and device for classifying an object in an image
CN110390224B (zh) 一种交通指示牌的识别方法及装置
CN106709445A (zh) 一种基于视频图像的高速公路雾天检测预警方法
CN109993107A (zh) 一种基于非迭代k均值算法的移动机器人障碍物视觉检测方法
CN105282542A (zh) 一种视频图像中异常条纹的检测方法及***
CN117475353A (zh) 基于视频的异常烟雾识别方法及***

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: 20210901

Address after: 701, 7 / F, No. 60, Chuangxin Third Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province, 519000

Applicant after: Guangdong Light Speed Intelligent Equipment Co.,Ltd.

Applicant after: Tenghui Technology Building Intelligence (Shenzhen) Co.,Ltd.

Address before: 701, 7 / F, No. 60, Chuangxin Third Road, Tangjiawan Town, high tech Zone, Zhuhai City, Guangdong Province, 519000

Applicant before: Guangdong Light Speed Intelligent Equipment Co.,Ltd.

GR01 Patent grant
GR01 Patent grant