專(zhuān)利名稱(chēng)：高爐料面溫度場(chǎng)等溫線(xiàn)的智能提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及鋼鐵冶金生產(chǎn)的過(guò)程監(jiān)測(cè)與控制技術(shù)領(lǐng)域，特別是提供了一種高爐料面溫度場(chǎng)等溫線(xiàn)的智能提取方法。
背景技術(shù)：
鋼鐵作為我國(guó)國(guó)民經(jīng)濟(jì)和國(guó)防軍工發(fā)展的重要基礎(chǔ)原料和戰(zhàn)略物資，已廣泛應(yīng)用于機(jī)械、電子、建材、交通、航天、航空、國(guó)防軍工等各個(gè)行業(yè)，在國(guó)民經(jīng)濟(jì)發(fā)展中具有十分重要的地位。
高爐是鋼鐵生產(chǎn)的關(guān)鍵設(shè)備，內(nèi)部環(huán)境復(fù)雜，許多狀態(tài)難以直接檢測(cè)。高爐料面溫度場(chǎng)直接影響高爐內(nèi)塊狀區(qū)的熱能分布、化學(xué)反應(yīng)、煤氣流分布以及爐內(nèi)壓力，因而實(shí)時(shí)了解高爐料面溫度場(chǎng)的變化，對(duì)預(yù)測(cè)高爐煤氣流的發(fā)展?fàn)顩r、優(yōu)化高爐操作、保證高爐穩(wěn)順運(yùn)行十分關(guān)鍵。
高爐紅外圖像是能夠直接表現(xiàn)高爐料面溫度場(chǎng)的熱狀態(tài)，但由于高爐內(nèi)部反應(yīng)的復(fù)雜性，造成紅外攝像機(jī)拍攝的料面紅外圖像受到多種因素干擾，導(dǎo)致難以精確獲取料面溫度場(chǎng)的情況。針對(duì)高爐紅外圖像的特點(diǎn)，研究新的方法和技術(shù)對(duì)原始紅外圖像進(jìn)行處理，準(zhǔn)確、有效地提取圖像中的等溫線(xiàn)來(lái)表征高爐料面溫度場(chǎng)的重要信息，對(duì)判斷爐內(nèi)煤氣分布和控制高爐生產(chǎn)質(zhì)量有極其重要的意義。

發(fā)明內(nèi)容
為有效解決大型高爐生產(chǎn)中料面溫度場(chǎng)的特征信息難于準(zhǔn)確獲取的問(wèn)題，本發(fā)明提供了一種基于紅外圖像的高爐料面溫度場(chǎng)等溫線(xiàn)的智能提取方法，采用該方法能有效地提取料面溫度場(chǎng)的等溫線(xiàn)的分布情況，較準(zhǔn)確地反映出高爐料面溫度場(chǎng)的重要特征信息。
本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案包括以下步驟
(1) 采集多幅圖像，根據(jù)每幅圖像灰度分布方差質(zhì)量綜合指標(biāo)來(lái)確定最佳待處理的圖像，對(duì)最佳圖像進(jìn)行均值濾波，初次濾除主要噪聲信號(hào)；
(2) 采用基于統(tǒng)計(jì)方法和動(dòng)態(tài)改變分割閾值范圍的特征提取方法，對(duì)濾波后圖像i^進(jìn)行灰度等高線(xiàn)進(jìn)提取，得到的圖像尸21作為初步的等溫線(xiàn)圖像；
4(3) 對(duì)上一個(gè)步驟中的幾幅圖像進(jìn)行疊加，然后對(duì)疊加后的圖像進(jìn)行基于均方誤差和最小估計(jì)值的濾波處理，得到圖像,3;
(4) 對(duì)等溫線(xiàn)圖像中輪廓線(xiàn)進(jìn)行修正，如去毛刺、補(bǔ)斷裂點(diǎn)等處理，使得溫度線(xiàn)更具有連貫性；
(5) 根據(jù)各條灰度等高線(xiàn)上的點(diǎn)到十字測(cè)溫中最近熱電偶之間的溫度和灰度對(duì)應(yīng)關(guān)系，分別進(jìn)行標(biāo)定溫度值，然后對(duì)溫度值進(jìn)行修正，最后獲得有溫度標(biāo)注的高爐料面等溫線(xiàn)圖像Ffinal。
本發(fā)明提出的根據(jù)圖像灰度分布方差質(zhì)量綜合指標(biāo)來(lái)對(duì)最佳紅外圖像進(jìn)行選擇，比傳統(tǒng)憑經(jīng)驗(yàn)和圖像局部值來(lái)選擇更具有可靠性和靈活性。與固定分割閾值、雙峰值分割法等傳統(tǒng)閾值分割方法相比，基于統(tǒng)計(jì)和動(dòng)態(tài)變分割閾值的方法，更能適應(yīng)對(duì)多工況下動(dòng)態(tài)變化的高爐料面紅外圖像的分割。對(duì)圖像進(jìn)行不同閾值的分割并分成幾副圖像比通常使用的在一副圖像上進(jìn)行多閾值分割能有效保存重要信息。


圖1本發(fā)明的等溫線(xiàn)提取方法流程圖；圖2本發(fā)明的3X3均值濾波窗口圖；圖3本發(fā)明中步驟2中圖像掃描方式示意圖；圖4為不同閾值對(duì)同一幅圖像分割后的五幅圖像圖5多幅分割圖的疊加圖像；圖6粗燥的等溫線(xiàn)圖；圖7修補(bǔ)后的等溫線(xiàn)圖。
具體實(shí)施例方式
為了更好的理解本發(fā)明的技術(shù)方案，以下結(jié)合說(shuō)明書(shū)中附圖對(duì)本發(fā)明的實(shí)施方式作進(jìn)一步描述，圖l為方法的實(shí)現(xiàn)框圖。
首先，選取最佳圖像。由于紅外波段具有固有的分辨力及其在傳輸過(guò)程中受大氣吸收和散射作用的影響，導(dǎo)致紅外圖像質(zhì)量對(duì)拍攝環(huán)境的依賴(lài)性很強(qiáng)。而高爐內(nèi)部是一個(gè)高溫、多浮塵、光源強(qiáng)度分布不均勻的復(fù)雜環(huán)境，使得高爐紅外圖像常常受環(huán)境影響，出現(xiàn)局部曝光過(guò)多或曝光不足的現(xiàn)象，導(dǎo)致料面信息難以反映，而根據(jù)操作經(jīng)驗(yàn)，料面溫度場(chǎng)變化并不劇烈，甚至在較短時(shí)間內(nèi)可以看作穩(wěn)定，因此，在短時(shí)間內(nèi)采集多幅圖像，并通過(guò)比較灰度分布信息，選取其中受環(huán)境影響較的圖像，能夠有效防止高爐環(huán)境因素導(dǎo)致的檢測(cè)失準(zhǔn)。
這種最佳圖像選擇策略，比憑直觀(guān)經(jīng)驗(yàn)選擇圖像和根據(jù)圖像局部像素灰度 值得大小來(lái)判斷更具有可靠性和靈活性。
對(duì)高爐攝像機(jī)采集到的紅外圖像《_4" &3。 &2一 l，《，(其中/;々為,-,Y
時(shí)刻的采集圖像，r=500ms)進(jìn)行基于圖像灰度分布方差質(zhì)量指標(biāo)篩選，其基 本流程如下。
5fe/ l:對(duì)&"，《_3?！禵27，《_7， ^分別進(jìn)行灰度像素統(tǒng)計(jì)，由于紅外圖 像灰度有0 255共256級(jí)，對(duì)每一幅圖像每一灰度級(jí)的像素個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，得
至u g/' 。 ~ g乂 255 ， g二 。 ~ g/—r 255 , g/-2, 0 ~ 255 ， g/—3r 。 ~ g,.3r 255 ， g/.4r 0 ~ g_/;.4r 255 ;
^印2:對(duì)各幅圖像的灰度分布按公式(1)和(2)分別求取方差
&々 ")
1 255
《J2 (2)
。o m=0
分別得到每幅圖像的灰度分布方差值^，《，《r， 《r式(D中A,為
每幅圖像各個(gè)灰度級(jí)的平均像素個(gè)數(shù)，N為圖像總像素個(gè)數(shù)。式(2)中^為 各圖像灰度級(jí)像素個(gè)數(shù)的方差，g力—^為各圖像各灰度級(jí)的像素個(gè)數(shù)；
Sfep3:比較&印2得到的多個(gè)灰度分布方差值，并從這幾幅圖像中選取灰 度分布方差值處于中間的圖像設(shè)定為最佳圖像，并對(duì)其進(jìn)3X3均值濾波，作為 待處理圖像K。
第二，灰度等高線(xiàn)提取。由于高爐紅外圖像中像素灰度值的分布趨勢(shì)是由邊 緣到中心點(diǎn)逐漸增大的并且沒(méi)有背景圖像。因此，高爐紅外圖像灰度等高線(xiàn)的 提取與一般圖像的輪廓提取、邊緣提取有所不同。在此采用基于統(tǒng)計(jì)方法和動(dòng) 態(tài)變分割閾值范圍的特征提取方法對(duì)"圖像提取灰度等高線(xiàn)。與固定分割閾值 和雙峰值等傳統(tǒng)閾值分割方法相比，基于統(tǒng)計(jì)和動(dòng)態(tài)變分割閾值的方法，更能 適應(yīng)對(duì)多工況下高爐料面紅外圖像的分割。具體的算法流程如下 確定圖像&的左邊緣中點(diǎn)A和上邊緣中點(diǎn)B;
Sfe;7 2:沿中點(diǎn)A和B對(duì)圖像進(jìn)行橫向和縱向掃描，記錄橫向像素?cái)?shù)iVA和 縱向像素?cái)?shù)A^，以及每個(gè)像素對(duì)應(yīng)的灰度值；
&印3:對(duì)7VA+iVB個(gè)像素灰度值進(jìn)行統(tǒng)計(jì)。確定分割閾值il4(hl， 2, 3, 4， 5)， 且Mc是從0開(kāi)始逐漸遞增到255，直到滿(mǎn)足下列條件，并記錄相應(yīng)的Mk及閾值
6范圍。
IF灰度值小于Mi的像素個(gè)數(shù)A^((ATA+A^) /5-50， (A^A+WB) /5+50 ) THEN第一個(gè)閾值范圍為(M廠(chǎng)5， A/!);
IF灰度值小于M2的像素個(gè)數(shù)7V2e (2* (Wa+^b) /5-50,2*(AAa+A/b) /5+50 ) THEN第二個(gè)閾值范圍為(M2-5， M2);
IF灰度值小于肘3的像素個(gè)數(shù)^3￡(2* (iVA+A/b) /5-50，2*0VA+AAB) /5+50 ) THEN第三個(gè)閾值范圍為(M3-5， M3);
IF灰度值小于^4的像素個(gè)數(shù)乂￡(2* (iVA+#B) /5-50，2*(iVA+iVB) /5+50)
THEN第四個(gè)閾值范圍為(M4-5， M4);
ELSEM5=(255-M4)/2，即第五個(gè)閾值范圍為(M5-5， M5)。
依次確定了5個(gè)分割閾值范圍，分別為(M廣5， M》、(錄-5， M2)、 (Af3-5, M3) 、 (M4-5， Mt) 、 (M5-5， M5)，由于A(yíng)/^ Ol， 2, 3,4， 5) 隨著圖片不同而變化的，因此相應(yīng)的閾值范圍也是動(dòng)態(tài)變化的。
&W4:對(duì)K進(jìn)行多閾值范圍的圖像分割。對(duì)"中的每個(gè)像素進(jìn)行掃描， 獲得灰度值W,/)，然后進(jìn)行如下二值化處理
IF jc(/,力e (Afk—5， Mk) ， h1，2,3，4,5
THEN ;c(/,_/)=255;
ELSE x(/,_/)=0。
其中，；c(/，力為圖像中像素的灰度值。通過(guò)上述分割，圖像變成幾幅具有粗糙灰 度等高線(xiàn)的二值圖像R。
第三，圖像疊加，經(jīng)過(guò)第二步處理，可從選取的最佳圖像提取得到多幅反 映料面溫度場(chǎng)不同信息的灰度等高線(xiàn)圖像，對(duì)這些圖像采用像素或運(yùn)算疊加算 法，可得到一幅綜合反映料面溫度場(chǎng)多種信息的特征圖像。
考慮到像素或運(yùn)算會(huì)帶來(lái)新的平穩(wěn)噪聲，本發(fā)明采用均方誤差和最小估計(jì) 值的濾波方法可以獲得很好的去噪效果。因此，接下來(lái)進(jìn)行基于均方誤差和最 小方法的第二層濾波處理。先確定每個(gè)像素灰度值:c(/,y)局部均值 與局部方差
=~izKx2X (3)
(4)其中^={0。， 45。， 90。， 135。， 180。， 225。， 275。， 315。}， ca^^)為計(jì)算集合成 員個(gè)數(shù)。用式(6)表示圖像中平穩(wěn)噪聲方差。最后確定濾波后圖像中像素;c(/,/) 的灰度值:KU)，
_ J ,,、 力',力= +-]~ x ( —) (6)
通過(guò)在閾值分割后圖像上進(jìn)行均方誤差和最小估計(jì)值的濾波方法，比圖像處
理前進(jìn)行一次濾波更能徹底去除孤立噪聲點(diǎn)，得到濾波后的圖像F3。
第四，灰度等高線(xiàn)修正。在上一步提取得到的灰度等高線(xiàn)，由于比較粗糙， 還會(huì)存在一些孤立噪聲點(diǎn)、毛刺、局部斷裂等一些問(wèn)題。因此對(duì)分割后的圖像 尸3進(jìn)行灰度等高線(xiàn)的全面修補(bǔ)。具體的修正算法如下
對(duì)斷裂點(diǎn)進(jìn)行搜索。沿各條灰度等高線(xiàn)逐點(diǎn)跟蹤搜索，確定兩個(gè)參 考點(diǎn)C和D，由C向D連線(xiàn)，確定灰度等高線(xiàn)的走向，以24鄰域?yàn)闃?biāo)準(zhǔn)，以D 點(diǎn)為中心，在灰度等高線(xiàn)走向的方向進(jìn)行7角度掃描，判斷圖4在灰度等高線(xiàn) 走向的標(biāo)有灰色像素點(diǎn)的灰度值，當(dāng)灰度值不全為0，則認(rèn)為是斷裂點(diǎn)，則轉(zhuǎn)到 &卬3，否則轉(zhuǎn)到&印2。
6V印2:對(duì)毛剌進(jìn)行搜索。掃描圖4中E和F連線(xiàn)上的，且在24鄰域以外 的點(diǎn)，如果存在灰度值為0的點(diǎn)，如果灰度則認(rèn)為有毛刺，把相應(yīng)點(diǎn)的灰度值 置0。如果灰度值都是255則認(rèn)為沒(méi)有毛刺，轉(zhuǎn)到Step4。
3:對(duì)斷裂點(diǎn)進(jìn)行修補(bǔ)，把圖4中標(biāo)有灰色的10個(gè)點(diǎn)中灰度值為255 的置為0，轉(zhuǎn)到&印2。
&印4:沿灰度等高線(xiàn)走向進(jìn)行移動(dòng)，確定下一組參考點(diǎn)，并轉(zhuǎn)到&eph 通過(guò)對(duì)灰度等高線(xiàn)的修正，得到一幅有著連貫灰度等高線(xiàn)的圖像&，也稱(chēng) 為等溫線(xiàn)。
最后，等溫線(xiàn)溫度標(biāo)定。標(biāo)定的方法是根據(jù)不同區(qū)域的像素和灰度值的對(duì) 應(yīng)關(guān)系，分別給每條灰度等高線(xiàn)做標(biāo)定，具體的標(biāo)定步驟如下-
S^ph搜索5條等溫線(xiàn)上距離附近熱電偶的距離最短的點(diǎn)，記錄下5個(gè)點(diǎn) 的坐標(biāo)(、，厶)，(薩1,2，3,4，5)和分別對(duì)應(yīng)熱電偶在圖像中的坐標(biāo)(4,厶)，(h 1,2， 3， 4, 5);
85Vep 2:分別獲得5個(gè)坐標(biāo)點(diǎn)在圖像A中的像素灰度值;c(4，厶)，(附=1， 2， 3, 4, 5)和5個(gè)熱電偶在圖像巧中對(duì)應(yīng)點(diǎn)的像素灰度值x'"，厶)，(卜1, 2， 3, 4， 5)， 對(duì)應(yīng)的5個(gè)熱電偶溫度值^ (;=1,2， 3， 4， 5);
&印3:根據(jù)公式(7)計(jì)算5個(gè)點(diǎn)的溫度值^， (5=1, 2, 3， 4， 5)
T 一々 4; ， Jm ) ,7、
式中，m=A=l,2,3，4，5，通過(guò)線(xiàn)性溫度定標(biāo)方法，計(jì)算得到5個(gè)溫度值， 依次作為5條等溫線(xiàn)的標(biāo)定溫度值；
S&p4:根據(jù)上升管溫度、十字測(cè)溫與料面的距離等檢測(cè)數(shù)據(jù)，利用經(jīng)驗(yàn)公 式對(duì)等溫線(xiàn)的標(biāo)定溫度值進(jìn)行非線(xiàn)性校正。
假定料面的溫度到爐頂?shù)臏囟仁请S著高度逐漸遞減的，根據(jù)經(jīng)驗(yàn)公式(8) 和(9)計(jì)算修正溫度值，△r-C")'"2 (8) 《
《=丄-《 (9) 其中，A7'為修正溫度值，^p為爐頂4個(gè)熱電偶平均值，g為基于線(xiàn)性溫度定標(biāo)
的5條等溫線(xiàn)溫度平均值，《為爐頂?shù)绞譁y(cè)溫的距離，^為十字測(cè)溫到料面 的距離，丄為高爐料線(xiàn)；
&卬5:高爐料面溫度場(chǎng)等溫線(xiàn)，灰度一溫度映射分解成線(xiàn)性定標(biāo)溫度值r, 和誤差補(bǔ)償部分Ar，即
r>7;+Ar (10)
其中，5=1,2, 3， 4， 5。
經(jīng)過(guò)最佳圖像的選擇、灰度等高線(xiàn)提取、灰度等高線(xiàn)修正、等溫線(xiàn)溫度標(biāo) 定一系列的處理后，實(shí)現(xiàn)高爐料面溫度場(chǎng)等溫線(xiàn)的提取，最后得到具有溫度標(biāo) 注的等溫線(xiàn)圖像能夠表征高爐料面溫度場(chǎng)的主要特征信息，并且具有清晰、直 觀(guān)等特點(diǎn)。
權(quán)利要求
1. 一種高爐料面溫度場(chǎng)等溫線(xiàn)的智能提取方法，其特征在于利用多種圖像處理方法對(duì)紅外圖像進(jìn)行處理，采用圖像灰度分布方差質(zhì)量綜合指標(biāo)的最佳圖像選擇策略、灰度等高線(xiàn)提取方法、灰度等高線(xiàn)修補(bǔ)算法及等溫線(xiàn)溫度標(biāo)定方法，得到表征溫度場(chǎng)主要特征信息的等溫線(xiàn)，具體步驟如下(1)采集不同時(shí)刻的高爐圖像，即Ft-4τ，F(xiàn)t-3τ、Ft-2τ，F(xiàn)t-τ，F(xiàn)t，其中Ft-iτ為t-iτ時(shí)刻的采集圖像，τ＝500ms，對(duì)每一幅圖像每一灰度級(jí)的像素個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，得到其中分別為每幅圖像的灰度級(jí)從0～255的像素個(gè)數(shù)，i＝0～4，根據(jù)圖像灰度分布方差質(zhì)量綜合指標(biāo)，其中為每幅圖像的灰度分布方差值式(1)中為每幅圖像各個(gè)灰度級(jí)的平均像素個(gè)數(shù)，N為圖像總像素個(gè)數(shù)，式(2)中為各圖像灰度級(jí)像素個(gè)數(shù)的方差，為各圖像各灰度級(jí)的像素個(gè)數(shù)，從這幾幅圖像中選取灰度分布方差值處于中間的圖像設(shè)定為最佳圖像，然后進(jìn)行均值濾波，初步去除主要噪聲信號(hào)；(2)通過(guò)對(duì)圖片橫縱中線(xiàn)上的素?cái)?shù)進(jìn)行掃描，確定橫向像素?cái)?shù)NA和縱向像素?cái)?shù)NB，根據(jù)統(tǒng)計(jì)的方法，在一定閾值下像素?cái)?shù)滿(mǎn)足下列條件IF灰度值小于M1的像素個(gè)數(shù)N1∈((NA+NB)/5-50，(NA+NB)/5+50)THEN第一個(gè)閾值范圍為(M1-5，M1)；IF灰度值小于M2的像素個(gè)數(shù)N2∈(2*(NA+NB)/5-50，2*(NA+NB)/5+50)THEN第二個(gè)閾值范圍為(M2-5，M2)；IF灰度值小于M3的像素個(gè)數(shù)N3∈(2*(NA+NB)/5-50，2*(NA+NB)/5+50)THEN第三個(gè)閾值范圍為(M3-5，M3)；IF灰度值小于M4的像素個(gè)數(shù)N4∈(2*(NA+NB)/5-50，2*(NA+NB)/5+50)THEN第四個(gè)閾值范圍為(M4-5，M4)；ELSE M5＝(255-M4)/2，即第五個(gè)閾值范圍為(M5-5，M5)；依次確定了5個(gè)分割閾值范圍，分別為(M1-5，M1)、(M2-5，M2)、(M3-5，M3)、(M4-5，M4)、(M5-5，M5)，其中Mk，k＝1，2，3，4，5，是隨著圖片不同而動(dòng)態(tài)變化的，通過(guò)動(dòng)態(tài)變閾值對(duì)圖像進(jìn)行分割獲得有多幅等高線(xiàn)的圖像；(3)對(duì)步驟(2)中的幾幅圖像進(jìn)行疊加，獲得一幅具有多條灰度等高線(xiàn)的圖像，然后采用均方誤差和最小值濾波方法對(duì)疊加后的圖像進(jìn)行再次濾波，先確定每個(gè)像素灰度值x(i，j)局部均值μij與局部方差其中φ＝{0°，45°，90°，135°，180°，225°，275°，315°}，card(φ)為計(jì)算集合成員個(gè)數(shù)，用式(6)表示圖像中平穩(wěn)噪聲方差，再確定濾波后圖像中像素x(i，j)的灰度值y(i，j)，得到濾波后圖像F3；(4)針對(duì)步驟(3)中得到的灰度等高線(xiàn)圖像存在毛刺和斷裂點(diǎn)，分別對(duì)各條灰度等高線(xiàn)進(jìn)行毛刺和斷裂點(diǎn)搜索，先剔除灰度等高線(xiàn)的毛刺再填補(bǔ)斷裂點(diǎn)；(5)根據(jù)各條灰度等高線(xiàn)上的點(diǎn)到十字測(cè)溫中最近熱電偶之間的溫度和灰度對(duì)應(yīng)關(guān)系，分別進(jìn)行標(biāo)定溫度值，然后對(duì)溫度值進(jìn)行修正，最后獲得有溫度標(biāo)注的高爐料面溫度場(chǎng)等溫線(xiàn)圖像。
全文摘要
高爐料面溫度場(chǎng)等溫線(xiàn)的智能提取方法，本發(fā)明以數(shù)字圖像處理技術(shù)為基礎(chǔ)，運(yùn)用圖像灰度分布方差質(zhì)量綜合指標(biāo)的最佳圖像選擇策略、基于統(tǒng)計(jì)和變分割閾值的灰度等高線(xiàn)提取技術(shù)、灰度等高線(xiàn)修正算法、等溫線(xiàn)溫度標(biāo)定方法分別對(duì)采集到的高爐料面紅外圖像進(jìn)行選擇、提取灰度等高線(xiàn)、修正各灰度等高線(xiàn)、標(biāo)定等溫線(xiàn)的溫度值。利用該方法對(duì)基于紅外圖像的高爐料面溫度場(chǎng)等溫線(xiàn)進(jìn)行智能提取，提取的等溫線(xiàn)能夠表征高爐料面溫度場(chǎng)的主要特征信息，具有計(jì)算簡(jiǎn)單、方便的特點(diǎn)。本發(fā)明為了解高爐料面溫度場(chǎng)的情況提供了可靠依據(jù)，進(jìn)而在高爐冶煉過(guò)程中，為判斷煤氣流與料面分布提供了客觀(guān)、量化的參考信息，具有較強(qiáng)的實(shí)用性。
文檔編號(hào)C21B7/24GK101457267SQ20091004241
公開(kāi)日2009年6月17日 申請(qǐng)日期2009年1月5日 優(yōu)先權(quán)日2009年1月5日
發(fā)明者勇 何, 劉振燾, 敏 吳, 安劍奇, 寅 朱, 薛崇盛, 黃兆軍 申請(qǐng)人:中南大學(xué)