CN113361534B - 全自动洗车方法及*** - Google Patents
全自动洗车方法及*** Download PDFInfo
- Publication number
- CN113361534B CN113361534B CN202110610424.XA CN202110610424A CN113361534B CN 113361534 B CN113361534 B CN 113361534B CN 202110610424 A CN202110610424 A CN 202110610424A CN 113361534 B CN113361534 B CN 113361534B
- Authority
- CN
- China
- Prior art keywords
- license plate
- recognition
- server
- image
- identification
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S3/00—Vehicle cleaning apparatus not integral with vehicles
- B60S3/04—Vehicle cleaning apparatus not integral with vehicles for exteriors of land vehicles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种全自动洗车方法,应用于全自动洗车***,所述***包括:车牌识别设备、第一服务器、第二服务器和终端,所述终端用于控制洗车机,先采用车牌识别设备对车牌进行识别,当识别到车牌为新能源车牌时,需要第一服务器采用第一识别算法进行再次识别,当识别到车牌为易识别错车牌时,需要采用第二识别算法进行再次识别,当识别到车牌为会员车牌时,则需要采用第三识别算法进行再次识别,然后基于识别得到的车牌号与第二服务器进行交互生成待洗车订单,之后终端指示车辆进入指定位置,并开启洗车机进行车辆的清洗,清洗完毕后进行无感支付。整个过程不仅保证了车牌识别的准确度,且实现了无感支付。此外,还提出了一种全自动洗车***。
Description
技术领域
本申请涉及信息处理技术领域,特别涉及为一种全自动洗车方法及***。
背景技术
随着物联网的发展,洗车已经逐渐进入了全自动模式,在洗车支付方面,已经由现金支付,逐渐转为线上支付。但是目前整个洗车过程实现全自动化的还比较少,主要是受限于两个方面,一方面是车牌识别的准确度,一方面是无感支付。首先,目前的车牌识别技术虽然准确率已经能够达到98%以上,但是要想整个洗车过程全部实现自动化,识别的准确率需要几乎达到100%,所以车牌识别技术在洗车全自动化的过程中需要进一步提高。其次,无感支付目前很多时候还需要用户下载APP或者安装ETC才能实现,操作比较麻烦,导致用户体验差。
发明内容
基于此,本申请提出了一种车牌识别准确度高且操作比较简便的全自动洗车***及方法。
实现上述目的,本申请第一方面提供一种全自动洗车方法,应用于全自动洗车***,所述***包括:车牌识别设备、第一服务器、第二服务器和终端,所述终端用于控制洗车机;
所述方法包括:
当车牌进入预设范围内时,所述车牌识别设备采用预设识别算法对所述车辆的车牌进行识别;
当识别到所述车牌为新能源车牌时,所述车牌识别设备向所述第一服务器发送第一识别请求,所述第一识别请求中包括:所述新能源车牌的图像和第一识别类型;
所述第一服务器根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号,将识别得到的所述新能源车牌的车牌号返回给所述车牌识别设备;
当识别到所述车牌为易识别错车牌时,所述车牌识别设备向所述第一服务器发送第二识别请求,所述第二识别请求中包括:所述易识别错车牌的图像和第二识别类型;
所述第一服务器根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号,将识别得到的所述易识别错车牌的车牌号返回给所述车牌识别设备;
当识别到所述车牌为会员车牌时,所述车牌识别设备向所述第一服务器发送第三识别请求,所述第三识别请求中包括:所述会员车牌的图像和第三识别类型;
所述第一服务器根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述会员车牌进行识别得到车牌号,将识别得到的所述会员车牌的车牌号返回给所述车牌识别设备;
所述车辆识别设备基于识别得到的所述车牌号与第二服务器进行交互,获取所述车牌号对应的支付账号,当所述支付账号中有足够的余额时,生成待洗车订单;
所述车辆识别设备判断当前是否有排队订单,若没有,则通过LED面板指示所述车辆停到指定位置;
所述终端当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗;
当车辆清洗完毕后,所述终端指示打开出口闸机,以使车辆开出;
所述车牌识别设备当接收到终端发送的订单完成的通知后,与所述第二服务器进行交互,从所述支付账号中扣除相应的洗车费用。
为实现上述目的,本申请第二方面提供一种一种全自动洗车***,所述***包括:车牌识别设备、第一服务器、第二服务器和终端,所述终端用于控制洗车机;
所述车牌识别设备用于当车牌进入预设范围内时,采用预设识别算法对所述车辆的车牌进行识别;
所述车牌识别设备还用于当识别到所述车牌为新能源车牌时,向所述第一服务器发送第一识别请求,所述第一识别请求中包括:所述新能源车牌的图像和第一识别类型,所述第一识别类型用于指示所述第一服务器采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别,接收所述第一服务器返回的对所述新能源车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为易识别错车牌时,向所述第一服务器发送第二识别请求,所述第二识别请求中包括:所述易识别错车牌的图像和第二识别类型,所述第二识别类型用于指示所述第一服务器采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述易识别错车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为会员车牌时,向所述第一服务器发送第三识别请求,所述第三识别请求中包括:所述会员车牌的图像和第三识别类型,所述第三识别类型用于指示所述第一服务器采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述会员车牌进行识别得到的车牌号;
所述第一服务器用于根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别得到车牌号;
所述车辆识别设备还用于基于识别得到的所述车牌号与第二服务器进行交互,获取所述车牌号对应的支付账号,当所述支付账号中有足够的余额时,生成待洗车订单;
所述车辆识别设备还用于判断当前是否有排队订单,若没有,则通过LED面板指示所述车辆停到指定位置;
所述终端用于当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗;
所述终端还用于当车辆清洗完毕后,打开出口闸机,以使车辆开出;
所述车牌识别设备还用于当接收到终端发送的订单完成的通知后,与所述第二服务器进行交互,从所述支付账号中扣除相应的洗车费用。
上述全自动洗车方法及***,首先采用车牌识别设备对车辆的车牌进行识别,当识别到车牌为新能源车牌时,则需要第一服务器采用第一识别算法进行再次识别,当识别到车牌为易识别错车牌时,则需要第一服务器采用第二识别算法进行再次识别,当识别到车牌为会员车牌时,则需要第一服务器采用第三识别算法进行再次识别,当识别到车牌号后,通过与第二服务器进行交互可以获取到与车牌号对应的支付账号以及余额,当余额充足时,生成待洗车订单,当当前没有排队订单时,则通过LED面板指示车辆停到指定位置,然后通过终端控制洗车机的开启进行车辆的清洗,清洗完毕后,打开出口闸机,车辆开出即完成订单,车牌识别设备接收到终端发送的订单完成的通知后,与第二服务器进行交互完成洗车费用的扣除,实现无感支付。该全自动洗车***,首先车牌识别设备对车牌进行识别,然后针对特殊车牌(新能源车牌、易识别错车牌、会员车牌)在第一服务器采用有针对性的识别算法进行再次识别,从而保证了车牌识别的准确率。通过与第二服务器进行交互完成无感支付,不需要用户下载APP或安装ETC,只需要用户授权开通无感支付权限即可。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中全自动洗车方法的流程图;
图2为一个实施例中采用第一识别算法对新能源车牌进行识别的方法流程图;
图3为一个实施例中采用第二识别算法对易识别错车牌进行识别的方法流程图;
图4为一个实施例中采用第三识别算法对会员车牌进行识别的方法流程图;
图5为一个实施例中全自动洗车***的架构图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,提出了一种全自动洗车方法,应用于全自动洗车***,***包括:车牌识别设备、第一服务器、第二服务器和终端,终端用于控制洗车机;车牌识别设备分别与第一服务器、第二服务器通过网络连接,车牌识别设备与终端通过网络连接,终端与洗车机通过网络连接。
上述全自动洗车方法包括:
步骤102,当车牌进入预设范围内时,车牌识别设备采用预设识别算法对车辆的车牌进行识别,当识别到车牌为新能源车牌时,进入步骤104,当识别到车牌为易识别错车牌时,进入步骤108,当识别到车牌为会员车牌时,进入步骤112;
其中,车牌识别设备带有摄像头,用于对进入预设范围内的车牌进行拍照,然后采用预设识别算法进行初步识别。即车牌识别设备中内置有车牌识别算法,这样便于快速地对车牌进行本地识别。预设识别算法是基于神经网络模型进行训练得到的。预设识别算法可以采用现有的识别算法,准确率很多时候可以达到98%以上,但是对于一些特殊车牌,比如,新能源车牌、以及一些包含有易识别错字符的车牌(比如“8”和“B”,“C”和“O”等)的识别准确率就会大大下降。所以为了提高车牌对于特殊车牌识别的准确率,本申请针对于特殊的车牌采用二次识别,车牌识别设备10先对于车牌进行初步车牌,如果发现车牌属于定义的特殊车牌,那么将开启二次识别。由于车牌识别算法是比较复杂的算法,需要较高的计算资源,而车牌识别设备的运算资源有限,为了减少车牌识别设备的负担,将需要进行二次识别的车牌采用在云端进行识别,即上传到第一服务器进行识别。
步骤104,车牌识别设备向第一服务器发送第一识别请求,第一识别请求中包括:新能源车牌的图像和第一识别类型。
步骤106,第一服务器根据第一识别请求采用与新能源车牌对应的第一识别算法对新能源车牌进行识别得到车牌号,将识别得到的新能源车牌的车牌号返回给车牌识别设备;
步骤108,车牌识别设备向第一服务器发送第二识别请求,第二识别请求中包括:易识别错车牌的图像和第二识别类型;
步骤110,第一服务器根据第二识别请求采用与易识别错车牌对应的第二识别算法对易识别错车牌进行识别得到车牌号,将识别得到的易识别错车牌的车牌号返回给车牌识别设备;
步骤112,车牌识别设备向第一服务器发送第三识别请求,第三识别请求中包括:会员车牌的图像和第三识别类型;
步骤114,第一服务器根据第三识别请求采用与会员车牌对应的第三识别算法对会员车牌进行识别得到车牌号,将识别得到的会员车牌的车牌号返回给车牌识别设备;
其中,为了提高车牌识别的准确率,对于一些特殊车牌进行二次识别,不同类型的车牌由于其具有的特殊性是不一样的,所以为了有针对性地提高车牌的识别准确率,针对不同类型的车牌采用不同的识别算法。第一服务器为云端,其具有较强的运算能力,所以将二次识别放在第一服务器,这样有利于提高识别的速度和准确度。第一服务器中存储多种识别算法,每种识别算法具有针对性,即针对不同类型的车牌具有不同的识别算法。
一个实施例中,车牌根据类型可以分为:普通车牌、新能源车牌、易识别错车牌和会员车牌。其中,普通车牌不需要进行二次识别,采用车牌识别设备中的预设识别算法进行识别即可。新能源车牌由于车牌位数、颜色等的不同,导致识别的准确度降低,所以需要有针对性地设置针对新能源车牌的识别算法。易识别错车牌是指车牌中包含有易识别错的字符,所以需要针对特殊字符进行特殊处理来提高识别准确度。会员车牌是指已经设置了无感支付的用户车牌,为了避免扣错钱,保障客户账户资金的安全性,针对这一部分车牌需要进行校验,即校验其识别的准确度。二次识别是需要在第一服务器上来实现,通过车牌识别设备与第一服务器进行交互完成二次识别。具体地,针对不同的车牌类型,发送不同的识别请求,不同的识别请求,用于指示采用不同的识别算法进行车牌的识别。为了区分,称为“第一识别请求”、“第二识别请求”、“第三识别请求”等。第一识别请求用于指示第一服务器采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号;第二识别请求用于指示第一服务器采用与易识别错车牌对应的第二识别算法对易识别错车牌进行识别得到车牌号;第三识别请求用于指示第一服务器采用与会员车牌对应的第三识别算法对会员车牌进行识别得到车牌号。
需要说明的是,新能源车牌的优先级大于易识别错车牌,易识别错车牌的优先级大于会员车牌,即优先级顺序为:新能源车牌>易识别错车牌>会员车牌。如果出现多重类型,采用优先级最高的处理算法进行处理。举个例子,当同一车牌既属于新能源车牌,也属于会员车牌,则将其类型归为新能源车牌,采用与新能源车牌对应的第一识别算法进行处理。
步骤116,车辆识别设备基于识别得到的车牌号与第二服务器进行交互,获取车牌号对应的支付账号,当支付账号中有足够的余额时,生成待洗车订单。
其中,当识别到车牌号后,与第二服务器交互来获取支付账号的余额,当余额充足时,则生成待洗车订单。
步骤118,车辆识别设备判断当前是否有排队订单,若没有,则进入步骤120,若有,则通过LED面板指示等待;
其中,车牌识别设备获取当前排队情况,判断该待洗车订单前面是否还有其它订单,若没有,则通过LED面板指示该车辆开到指定位置。LED面板中会显示要进入的车牌号以及指示具体到达什么位置,比如,指示进入1号洗车位。当队列中还有其它订单时,则将待洗车订单加入队列进行排队等待。
步骤120,通过LED面板指示车辆停到指定位置。
步骤122,终端当获取到车辆停到指定位置时,指示洗车机启动进行车辆的清洗。
其中,当车辆进入指定位置后,会触发传感器,然后传感器将信号发送给终端,以使终端知道车辆已经停到了指定位置,此时,终端向洗车机发送开启指令,开始进行车辆的清洗工作。洗车机是一种全自动的洗车设备,不需要人工干预。
步骤124,当车辆清洗完毕后,终端指示打开出口闸机,以使车辆开出。
其中,当洗车机清洗完毕后,会发送完成信号给终端,此时,终端打开出口闸机,以使车辆驶出,当检测到车辆驶出时,表示已洗车完毕。
步骤126,车牌识别设备当接收到终端发送的订单完成的通知后,与第二服务器进行交互,从支付账号中扣除相应的洗车费用。
其中,当接收到终端发送的订单完成通知后,车牌识别设备才与第二服务器交互进行扣款,从而保证了不会出现错扣的情况。对于有些用户在排队等待的过程中可能出现有急事而离开的情况,如果提前扣费会导致错扣的情况,而确定已经清洗完毕后再进行扣款可以大大提高扣款的准确度,提升用户的满意度。第二服务器可以理解为是第三方支付平台,比如,微信、支付宝或者银行快捷支付等。
上述全自动洗车方法,首先采用车牌识别设备对车辆的车牌进行识别,当识别到车牌为新能源车牌时,则需要第一服务器采用第一识别算法进行再次识别,当识别到车牌为易识别错车牌时,则需要第一服务器采用第二识别算法进行再次识别,当识别到车牌为会员车牌时,则需要第一服务器采用第三识别算法进行再次识别,当识别到车牌号后,通过与第二服务器进行交互可以获取到与车牌号对应的支付账号以及余额,当余额充足时,生成待洗车订单,当当前没有排队订单时,则通过LED面板指示车辆停到指定位置,然后通过终端控制洗车机的开启进行车辆的清洗,清洗完毕后,打开出口闸机,车辆开出即完成订单,车牌识别设备接收到终端发送的订单完成的通知后,与第二服务器进行交互完成洗车费用的扣除,实现无感支付。该全自动洗车***,首先车牌识别设备对车牌进行识别,然后针对特殊车牌(新能源车牌、易识别错车牌、会员车牌)在第一服务器采用有针对性的识别算法进行再次识别,从而保证了车牌识别的准确率。通过与第二服务器进行交互完成无感支付,不需要用户下载APP或安装ETC,只需要用户授权开通无感支付权限即可。
如图2所示,在一个实施例中,第一服务器根据第一识别请求采用与新能源车牌对应的第一识别算法对新能源车牌进行识别得到车牌号,包括:
步骤202,对新能源车牌的图像进行预处理,得到预处理后的待识别车牌图像,预处理包括:降噪处理、车牌区域提取、位置矫正处理;
步骤204,将待识别车牌图像按照预设的新能源车牌模板进行字符分割,得到多个车牌字符;
步骤206,将多个车牌字符作为第一车牌识别模型的输入,第一车牌识别模型是基于深度神经网络模型进行训练得到的,获取第一车牌识别模型输出的识别得到的车牌号。
其中,新能源车牌具有和普通车牌不一样的特点,所以在对新能源车牌的图像进行预处理后,按照预设的新能源车牌模板进行字符分割,分割成单个字符,即得到多个车牌字符。然后将分割后的多个车牌字符作为第一车牌识别模型的输入,然后识别得到每个字符,从而得到车牌号。第一车牌识别模型是基于深度神经网络模型进行训练得到的,该深度神经网络模型中包括多个卷积层和全连接层,全连接层作为输出层,输出识别到的车牌字符。卷积层用于对字符图像进行卷积处理,提取图像特征,全连接层用于将最后提取到的图像特征进行分类,确定分类概率最高的类别,将概率最高的类别作为识别的结果。第一车牌识别模型的训练过程和预测过程是对应的,在训练模型的过程中,也需要先对训练车牌图像进行预处理,然后进行字符分割,最后输入到模型中进行学习训练,第一车牌识别模型的训练是需要基于大量车牌样本的,训练样本在千万级(比如,不少于3000万)。通过在第一服务器端对新能源车牌进行再次识别,提高了新能源车牌识别的准确度,使得识别准确率能最大可能地接近100%。
如图3所示,在一个实施例中,第一服务器根据第二识别请求采用与易识别错车牌对应的第二识别算法对易识别错车牌进行识别得到车牌号,包括:
步骤302,对易识别错车牌的图像进行预处理,得到预处理后的待识别车牌图像,预处理包括:降噪处理、车牌区域提取、位置矫正处理;
步骤304,对待识别车牌图像进行二值化处理,得到二值化图像;采用连通域算法对二值化图像进行车牌字符边缘修复,得到修复后的二值化图像;
步骤306,基于修复后的二值化图像进行字符分割,得到多个车牌字符;
步骤308,将多个车牌字符作为第二车牌识别模型的输入,第二车牌识别模型是基于循环神经网络模型进行训练得到的,获取第二车牌识别模型输出的识别得到的车牌号。
其中,易识别错车牌中往往包含有易识别错的字符,而出现易识别错的字符往往可能车牌字符存在边缘磨损造成的,所以为了提高识别的准确度,在对易识别错车牌的图像进行预处理后,首先进行二值化处理,得到二值化图像,然后采用连通域算法对二值化图像进行车牌字符边缘修复,然后基于修复后的二值化图像进行字符分割,得到多个车牌字符,并采用第二车牌识别模型进行识别。第二车牌识别模型是基于循环神经网络模型建立的。通过在第一服务器端对易识别错车牌进行再次识别,提高了易识别错车牌识别的准确度,使得识别准确率能最大可能地接近100%。
如图4所示,在一个实施例中,第一服务器根据第三识别请求采用与会员车牌对应的第三识别算法对易识别错车牌进行识别得到车牌号,包括:
步骤402,对会员车牌的图像进行预处理,得到预处理后的待识别车牌图像,预处理包括:降噪处理、车牌区域提取、位置矫正处理;
步骤404,获取会员车牌对应的标准车牌图像,计算待识别车牌图像与标准车牌图像之间的相似度;
步骤406,当相似度大于预设阈值时,第一服务器则将会员车牌的车牌号作为识别得到的车牌号。
其中,由于对于会员车牌是直接从会员账号中进行费用扣除的,为了避免出错,所以当检测到车牌属于会员车牌时,需要再次确认,首先,对会员车牌进行预处理,预处理包括降噪出来、车牌区域提取以及位置矫正处理,然后获取与该会员车牌对应的标准车牌图像,将待识别车牌图像与标准车牌图像进行比对,比对的方式是通过计算相似度来体现,当相似度大于预设阈值(比如,99%)的时候,则判定初步识别的会员车牌的车牌号是正确的,若相似度小于预设阈值,则需要对该会员车牌进行重新识别。重新识别的方法可以采用上述第二识别算法进行识别,即对易识别错车牌的识别算法。通过在第一服务器端对会员车牌进行再次识别,提高了会员车牌识别的准确度,使得识别准确率达到100%。
在一个实施例中,计算待识别车牌图像与标准车牌图像之间的相似度,包括:将待识别车牌图像处理为与标准车牌图像同样大小的图像;统计所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图;计算所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图之间的列相似度;根据所述列相似度计算得到所述待识别车牌图像与所述标准车牌图像之间的相似度。
其中,为了比较待识别车牌图像和标准车牌图像的相似度,将待识别车牌图像的大小缩放到与标准车牌图像相同,然后比较每一列颜色直方图的相似度,只有每一列的相似度都达到了预设阈值,才判定两者是相同的。
在一个实施例中,所述终端还用于当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗,包括:当获取到所述车辆停到指定位置后,所述终端指示所述洗车机对所述车辆的车型进行识别,根据识别到的车型确定与所述车型对应的洗车方式,开启洗车机,以使所述洗车机采用所述洗车方式对所述车辆进行清洗。
其中,在指定位置处设置有传感器,当车辆停到指定位置时,则会触发传感器将感应信号发送到终端,终端获取到感应信号即确定车辆已经停到了指定位置,此时,为了更好地对车辆进行清洗,终端指示洗车机对车辆的车型的进行识别,根据车型确定洗车方式,确定完洗车方式后,再开启洗车机采用确定的洗车方式进行车辆的清洗。该方式可以有针对性地对车辆进行清洗,从而保障清洗的效果。
在一个实施例中,所述预设识别算法是采用训练得到的初始车牌识别模型得到的,所述初始车牌识别模型是基于卷积神经网络模型训练得到的,所述卷积神经网络模型包括:多个卷积层和输出层,所述输出层是采用全连接层实现的。
其中,车牌识别设备中的预设识别算法是采用初始车牌识别模型来实现的,该初始车牌识别模型是基于卷积神经网络模型来实现的,包括多个卷积层和输出层。卷积层用于对车牌图像特征进行提取,输出层用于根据提取出的图像特征进行分类,从而确定车牌号。
如图5所示,在一个实施例中,提出了一种全自动洗车***,该***包括:车牌识别设备502、第一服务器504、第二服务器506和终端508,所述终端用于控制洗车机510;车牌识别设备分别与第一服务器、第二服务器通过网络连接,车牌识别设备与终端通过网络连接,终端与洗车机通过网络连接。
所述车牌识别设备用于当车牌进入预设范围内时,采用预设识别算法对所述车辆的车牌进行识别;所述车牌识别设备还用于当识别到所述车牌为新能源车牌时,向所述第一服务器发送第一识别请求,所述第一识别请求中包括:所述新能源车牌的图像和第一识别类型,所述第一识别类型用于指示所述第一服务器采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别,接收所述第一服务器返回的对所述新能源车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为易识别错车牌时,向所述第一服务器发送第二识别请求,所述第二识别请求中包括:所述易识别错车牌的图像和第二识别类型,所述第二识别类型用于指示所述第一服务器采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述易识别错车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为会员车牌时,向所述第一服务器发送第三识别请求,所述第三识别请求中包括:所述会员车牌的图像和第三识别类型,所述第三识别类型用于指示所述第一服务器采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述会员车牌进行识别得到的车牌号;
所述第一服务器用于根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别得到车牌号;
所述车辆识别设备还用于基于识别得到的所述车牌号与第二服务器进行交互,获取所述车牌号对应的支付账号,当所述支付账号中有足够的余额时,生成待洗车订单;
所述车辆识别设备还用于判断当前是否有排队订单,若没有,则通过LED面板指示所述车辆停到指定位置;
所述终端用于当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗;
所述终端还用于当车辆清洗完毕后,打开出口闸机,以使车辆开出;
所述车牌识别设备还用于当接收到终端发送的订单完成的通知后,与所述第二服务器进行交互,从所述支付账号中扣除相应的洗车费用。
在一个实施例中,第一服务器还用于对所述新能源车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;将所述待识别车牌图像按照预设的新能源车牌模板进行字符分割,得到多个车牌字符;将所述多个车牌字符作为第一车牌识别模型的输入,所述第一车牌识别模型是基于深度神经网络模型进行训练得到的,获取所述第一车牌识别模型输出的识别得到的车牌号。
在一个实施例中,第一服务器还用于对所述易识别错车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;对所述待识别车牌图像进行二值化处理,得到二值化图像;基于所述二值化图像进行字符分割,得到多个车牌字符;将所述多个车牌字符作为第二车牌识别模型的输入,所述第二车牌识别模型是基于循环神经网络模型进行训练得到的,获取所述第二车牌识别模型输出的识别得到的车牌号。
在一个实施例中,第一服务器还用于对所述会员车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;获取所述会员车牌对应的标准车牌图像,计算所述待识别车牌图像与所述标准车牌图像之间的相似度;当所述相似度大于预设阈值时,所述第一服务器则将所述会员车牌的车牌号作为识别得到的车牌号。
在一个实施例中,第一服务器还用于将所述待识别车牌图像处理为与所述标准车牌图像同样大小的图像;统计所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图;计算所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图之间的列相似度;根据所述列相似度计算得到所述待识别车牌图像与所述标准车牌图像之间的相似度。
在一个实施例中,终端还用于当检测到所述车辆停到指定位置后,指示所述洗车机对所述车辆的车型进行识别,根据识别到的车型确定与所述车型对应的洗车方式,开启洗车机,以使所述洗车机采用所述洗车方式对所述车辆进行清洗。
在一个实施例中,预设识别算法是采用训练得到的初始车牌识别模型得到的,所述初始车牌识别模型是基于卷积神经网络模型训练得到的,所述卷积神经网络模型包括:多个卷积层和输出层,所述输出层是采用全连接层实现的。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种全自动洗车方法,应用于全自动洗车***,所述***包括:车牌识别设备、第一服务器、第二服务器和终端,所述终端用于控制洗车机;
所述方法包括:
当车牌进入预设范围内时,所述车牌识别设备采用预设识别算法对车辆的车牌进行识别,所述预设识别算法是采用训练得到的初始车牌识别模型得到的,所述初始车牌识别模型是基于卷积神经网络模型训练得到的,所述卷积神经网络模型包括:多个卷积层和输出层,所述输出层是采用全连接层实现的;
当识别到所述车牌为新能源车牌时,所述车牌识别设备向所述第一服务器发送第一识别请求,所述第一识别请求中包括:所述新能源车牌的图像和第一识别类型;
所述第一服务器根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号,将识别得到的所述新能源车牌的车牌号返回给所述车牌识别设备;
当识别到所述车牌为易识别错车牌时,所述车牌识别设备向所述第一服务器发送第二识别请求,所述第二识别请求中包括:所述易识别错车牌的图像和第二识别类型;
所述第一服务器根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号,将识别得到的所述易识别错车牌的车牌号返回给所述车牌识别设备;
当识别到所述车牌为会员车牌时,所述车牌识别设备向所述第一服务器发送第三识别请求,所述第三识别请求中包括:所述会员车牌的图像和第三识别类型;
所述第一服务器根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述会员车牌进行识别得到车牌号,将识别得到的所述会员车牌的车牌号返回给所述车牌识别设备;
所述车辆识别设备基于识别得到的所述车牌号与第二服务器进行交互,获取所述车牌号对应的支付账号,当所述支付账号中有足够的余额时,生成待洗车订单;
所述车辆识别设备判断当前是否有排队订单,若没有,则通过LED面板指示所述车辆停到指定位置;
所述终端当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗;
当车辆清洗完毕后,所述终端指示打开出口闸机,以使车辆开出;
所述车牌识别设备当接收到终端发送的订单完成的通知后,与所述第二服务器进行交互,从所述支付账号中扣除相应的洗车费用;
所述第一服务器根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号,包括:
所述第一服务器对所述新能源车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;
所述第一服务器将所述待识别车牌图像按照预设的新能源车牌模板进行字符分割,得到多个车牌字符;
所述第一服务器将所述多个车牌字符作为第一车牌识别模型的输入,所述第一车牌识别模型是基于深度神经网络模型进行训练得到的,获取所述第一车牌识别模型输出的识别得到的车牌号;
所述第一服务器根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号,包括:
所述第一服务器对所述易识别错车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;
对所述待识别车牌图像进行二值化处理,得到二值化图像;
采用连通域算法对所述二值化图像进行车牌字符边缘修复,得到修复后的二值化图像;
基于所述修复后的二值化图像进行字符分割,得到多个车牌字符;
将所述多个车牌字符作为第二车牌识别模型的输入,所述第二车牌识别模型是基于循环神经网络模型进行训练得到的,获取所述第二车牌识别模型输出的识别得到的车牌号;
所述第一服务器根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别得到车牌号,包括:
所述第一服务器对所述会员车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;
获取所述会员车牌对应的标准车牌图像,计算所述待识别车牌图像与所述标准车牌图像之间的相似度;
当所述相似度大于预设阈值时,所述第一服务器则将所述会员车牌的车牌号作为识别得到的车牌号。
2.根据权利要求1所述的方法,其特征在于,所述计算所述待识别车牌图像与所述标准车牌图像之间的相似度,包括:
将所述待识别车牌图像处理为与所述标准车牌图像同样大小的图像;
统计所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图;
计算所述待识别车牌图像的每一列颜色直方图和所述标准车牌图像每一列颜色直方图之间的列相似度;
根据所述列相似度计算得到所述待识别车牌图像与所述标准车牌图像之间的相似度。
3.根据权利要求1所述的方法,其特征在于,所述终端还用于当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗,包括:
当检测到所述车辆停到指定位置后,所述终端指示所述洗车机对所述车辆的车型进行识别,根据识别到的车型确定与所述车型对应的洗车方式,开启洗车机,以使所述洗车机采用所述洗车方式对所述车辆进行清洗。
4.一种全自动洗车***,所述***包括:车牌识别设备、第一服务器、第二服务器和终端,所述终端用于控制洗车机;
所述车牌识别设备用于当车牌进入预设范围内时,采用预设识别算法对车辆的车牌进行识别,所述预设识别算法是采用训练得到的初始车牌识别模型得到的,所述初始车牌识别模型是基于卷积神经网络模型训练得到的,所述卷积神经网络模型包括:多个卷积层和输出层,所述输出层是采用全连接层实现的;
所述车牌识别设备还用于当识别到所述车牌为新能源车牌时,向所述第一服务器发送第一识别请求,所述第一识别请求中包括:所述新能源车牌的图像和第一识别类型,所述第一识别类型用于指示所述第一服务器采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别,接收所述第一服务器返回的对所述新能源车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为易识别错车牌时,向所述第一服务器发送第二识别请求,所述第二识别请求中包括:所述易识别错车牌的图像和第二识别类型,所述第二识别类型用于指示所述第一服务器采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述易识别错车牌进行识别得到的车牌号;
所述车牌识别设备还用于当识别到所述车牌为会员车牌时,向所述第一服务器发送第三识别请求,所述第三识别请求中包括:所述会员车牌的图像和第三识别类型,所述第三识别类型用于指示所述第一服务器采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别,接收所述第一服务器返回的对所述会员车牌进行识别得到的车牌号;
所述第一服务器用于根据所述第一识别请求采用与所述新能源车牌对应的第一识别算法对所述新能源车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第二识别请求采用与所述易识别错车牌对应的第二识别算法对所述易识别错车牌进行识别得到车牌号;
所述第一服务器还用于根据所述第三识别请求采用与所述会员车牌对应的第三识别算法对所述易识别错车牌进行识别得到车牌号;
所述车辆识别设备还用于基于识别得到的所述车牌号与第二服务器进行交互,获取所述车牌号对应的支付账号,当所述支付账号中有足够的余额时,生成待洗车订单;
所述车辆识别设备还用于判断当前是否有排队订单,若没有,则通过LED面板指示所述车辆停到指定位置;
所述终端用于当获取到车辆停到指定位置时,指示所述洗车机启动进行车辆的清洗;
所述终端还用于当车辆清洗完毕后,打开出口闸机,以使车辆开出;
所述车牌识别设备还用于当接收到终端发送的订单完成的通知后,与所述第二服务器进行交互,从所述支付账号中扣除相应的洗车费用;
所述第一服务器还用于对所述新能源车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;将所述待识别车牌图像按照预设的新能源车牌模板进行字符分割,得到多个车牌字符;将所述多个车牌字符作为第一车牌识别模型的输入,所述第一车牌识别模型是基于深度神经网络模型进行训练得到的,获取所述第一车牌识别模型输出的识别得到的车牌号;
所述第一服务器还用于对所述易识别错车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;对所述待识别车牌图像进行二值化处理,得到二值化图像;基于所述二值化图像进行字符分割,得到多个车牌字符;将所述多个车牌字符作为第二车牌识别模型的输入,所述第二车牌识别模型是基于循环神经网络模型进行训练得到的,获取所述第二车牌识别模型输出的识别得到的车牌号;
所述第一服务器还用于对所述会员车牌的图像进行预处理,得到预处理后的待识别车牌图像,所述预处理包括:降噪处理、车牌区域提取、位置矫正处理;获取所述会员车牌对应的标准车牌图像,计算所述待识别车牌图像与所述标准车牌图像之间的相似度;当所述相似度大于预设阈值时,所述第一服务器则将所述会员车牌的车牌号作为识别得到的车牌号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610424.XA CN113361534B (zh) | 2021-06-01 | 2021-06-01 | 全自动洗车方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610424.XA CN113361534B (zh) | 2021-06-01 | 2021-06-01 | 全自动洗车方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361534A CN113361534A (zh) | 2021-09-07 |
CN113361534B true CN113361534B (zh) | 2022-06-24 |
Family
ID=77530923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610424.XA Active CN113361534B (zh) | 2021-06-01 | 2021-06-01 | 全自动洗车方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361534B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115158237B (zh) * | 2022-07-29 | 2023-03-07 | 平安智慧科技(天津)有限公司 | 一种智能洗车***集成的装置及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766384A (zh) * | 2015-04-25 | 2015-07-08 | 吕曦轩 | 一种基于车牌识别技术的不停车联网收费*** |
CN106228625A (zh) * | 2016-07-21 | 2016-12-14 | 广州华工信息软件有限公司 | 基于移动互联网的不停车收费方法及*** |
CN106485845A (zh) * | 2016-10-18 | 2017-03-08 | 四川南之冰原科技有限公司 | 一种自助洗车方法及自助洗车*** |
CN107590500A (zh) * | 2017-07-20 | 2018-01-16 | 济南中维世纪科技有限公司 | 一种基于色彩投影分类的车牌颜色识别方法及装置 |
CN107610252A (zh) * | 2017-08-16 | 2018-01-19 | 齐鲁交通信息有限公司 | 基于移动端应用和车牌识别的高速公路通行费移动支付***及方法 |
CN107719317A (zh) * | 2017-01-20 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 基于停车场的高效洗车方法及装置 |
CN109649342A (zh) * | 2019-01-21 | 2019-04-19 | 广州小鹏汽车科技有限公司 | 一种智能洗车方法及洗车机、服务器和车载终端 |
CN109840521A (zh) * | 2018-12-28 | 2019-06-04 | 安徽清新互联信息科技有限公司 | 一种基于深度学习的一体化车牌识别方法 |
CN111435446A (zh) * | 2019-12-25 | 2020-07-21 | 珠海大横琴科技发展有限公司 | 一种基于LeNet车牌识别方法及装置 |
-
2021
- 2021-06-01 CN CN202110610424.XA patent/CN113361534B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766384A (zh) * | 2015-04-25 | 2015-07-08 | 吕曦轩 | 一种基于车牌识别技术的不停车联网收费*** |
CN106228625A (zh) * | 2016-07-21 | 2016-12-14 | 广州华工信息软件有限公司 | 基于移动互联网的不停车收费方法及*** |
CN106485845A (zh) * | 2016-10-18 | 2017-03-08 | 四川南之冰原科技有限公司 | 一种自助洗车方法及自助洗车*** |
CN107719317A (zh) * | 2017-01-20 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 基于停车场的高效洗车方法及装置 |
CN107590500A (zh) * | 2017-07-20 | 2018-01-16 | 济南中维世纪科技有限公司 | 一种基于色彩投影分类的车牌颜色识别方法及装置 |
CN107610252A (zh) * | 2017-08-16 | 2018-01-19 | 齐鲁交通信息有限公司 | 基于移动端应用和车牌识别的高速公路通行费移动支付***及方法 |
CN109840521A (zh) * | 2018-12-28 | 2019-06-04 | 安徽清新互联信息科技有限公司 | 一种基于深度学习的一体化车牌识别方法 |
CN109649342A (zh) * | 2019-01-21 | 2019-04-19 | 广州小鹏汽车科技有限公司 | 一种智能洗车方法及洗车机、服务器和车载终端 |
CN111435446A (zh) * | 2019-12-25 | 2020-07-21 | 珠海大横琴科技发展有限公司 | 一种基于LeNet车牌识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113361534A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191539B (zh) | 证件真伪验证方法、装置、计算机设备和存储介质 | |
WO2021047187A1 (zh) | 基于人脸识别进行车辆缴费的方法、相关设备及存储介质 | |
CN107909661B (zh) | 停车场控制方法、***及计算机可读存储介质 | |
US8977011B2 (en) | Face recognition using face tracker classifier data | |
WO2018166116A1 (zh) | 车损识别方法、电子装置及计算机可读存储介质 | |
CN110807491A (zh) | 车牌图像清晰度模型训练方法、清晰度检测方法及装置 | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
KR20190137669A (ko) | 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램 | |
US11704887B2 (en) | System, method, apparatus, and computer program product for utilizing machine learning to process an image of a mobile device to determine a mobile device integrity status | |
CN112668640B (zh) | 一种文本图像质量评估方法、装置、设备及介质 | |
CN113361534B (zh) | 全自动洗车方法及*** | |
WO2020093303A1 (zh) | 基于人脸识别的处理方法、装置、设备及可读存储介质 | |
US20210224565A1 (en) | Method for optical character recognition in document subject to shadows, and device employing method | |
CN110827418A (zh) | 智慧社区的停车自动收费方法、计算机设备及存储介质 | |
CN111008623A (zh) | 证件图像采集方法、装置、设备及存储介质 | |
CN111275901B (zh) | 快递柜的控制方法、装置、存储介质和计算机设备 | |
CN114092686A (zh) | 无人停车场车牌识别数据再匹配方法、介质、设备及装置 | |
CN113762136A (zh) | 人脸图像遮挡判断方法、装置、电子设备和存储介质 | |
CN113569839B (zh) | 证件识别方法、***、设备及介质 | |
CN112070570B (zh) | 智能化的司机端网约车操作方法 | |
CN113298182A (zh) | 基于凭证影像的预警方法、装置及设备 | |
CN113920471A (zh) | 生产废物的远程监控方法、装置、计算机设备及存储介质 | |
JP2019215747A (ja) | 情報処理装置及びプログラム | |
US11461763B2 (en) | Systems and methods for instant bank card issuance |
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: 20220518 Address after: No.16 Huanzhen Road, Digang community, Shajing street, Bao'an District, Shenzhen, Guangdong 518000 Applicant after: Shenzhen Yabao Intelligent Equipment System Co.,Ltd. Address before: 2202, building B, innovation building, 198 Daxin Road, majialong community, Nantou street, Nanshan District, Shenzhen, Guangdong 518000 Applicant before: Yabao Technology (Shenzhen) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |