车牌识别 开题报告
车牌识别毕设开题报告
车牌识别毕设开题报告车牌识别毕设开题报告摘要：车牌识别技术是计算机视觉领域的热门研究方向，具有广泛的应用前景。
本毕设旨在设计和实现一种高效准确的车牌识别系统，以解决现有系统在复杂环境下的识别率低、速度慢等问题。
本文将介绍车牌识别技术的研究背景、意义和目标，以及研究方法和预期结果。
1. 引言车牌识别技术是一种将图像处理和模式识别技术应用于交通管理和智能交通系统中的重要技术。
随着车辆数量的增加和交通管理的需求，车牌识别系统在安全监控、违法行为监测、停车管理等方面发挥着重要作用。
然而，由于车牌图像的复杂性和环境的多变性，现有的车牌识别系统在复杂环境下的识别率低、速度慢等问题亟待解决。
2. 研究背景车牌识别技术起源于20世纪90年代，经过多年的发展，已取得了显著的进展。
然而，现有的车牌识别系统仍然存在一些问题。
首先，复杂环境下的车牌识别率较低，尤其是在夜间、雨雪天气或车牌变形的情况下。
其次，现有系统的处理速度较慢，无法满足实时监控和大规模车辆管理的需求。
因此，设计一种高效准确的车牌识别系统具有重要意义。
3. 研究意义本毕设旨在设计和实现一种高效准确的车牌识别系统，以解决现有系统存在的问题。
该系统将采用深度学习算法和图像处理技术，结合车牌特征提取和模式识别方法，提高车牌识别的准确率和处理速度。
通过研究和实验，可以验证该系统在复杂环境下的性能，并为实际应用提供参考。
4. 研究方法本毕设将采用以下研究方法：(1) 数据采集：收集大量不同环境下的车牌图像，并进行标注和预处理。
(2) 特征提取：使用深度学习算法提取车牌图像中的特征信息，如颜色、纹理等。
(3) 模式识别：采用机器学习算法对提取的特征进行分类和识别。
(4) 系统设计与实现：设计和实现一个高效准确的车牌识别系统，包括图像预处理、特征提取、模式识别和结果输出等功能模块。
(5) 实验与评估：通过对实际车牌图像进行测试和评估，验证系统的性能和效果。
5. 预期结果预计本毕设的主要结果包括：(1) 设计和实现一个高效准确的车牌识别系统，能够在复杂环境下实现高识别率和快速处理速度。
智能视频监控系统中车牌识别技术的研究的开题报告
智能视频监控系统中车牌识别技术的研究的开题报告一、选题背景随着社会的进步和科技的发展，智能视频监控系统已逐渐成为社会安全监管的重要工具之一。
在智能视频监控系统中，车辆管理是重要的一环。
车牌识别技术作为车辆管理的核心技术之一，得到了广泛应用，尤其是在智能停车场、城市交通管理等领域。
虽然已经有很多研究者对车牌识别技术进行了深入的研究，但是在实际应用过程中仍然存在很多问题。
例如，在复杂环境中车牌的识别率会降低，而且光线、角度等因素都会影响车牌的识别。
因此，对于车牌识别技术进行进一步的研究和优化，将为智能视频监控系统的应用提供更好的支持和保障。
二、研究内容及方法本文将针对现有车牌识别技术存在的问题，对车牌识别技术进行深入研究和优化。
具体来说，本文将从以下几个方面进行研究：1. 利用深度学习技术提高车牌识别的准确率和鲁棒性。
深度学习模型已经在图像识别等领域得到了广泛应用，并取得了很好的效果。
本文将尝试将深度学习技术应用于车牌识别中，提高其准确率和鲁棒性。
2. 优化车牌检测算法。
车牌检测是车牌识别的第一步，其准确率直接影响车牌识别的结果。
因此，本文将重点优化车牌检测算法，提高其准确率和鲁棒性。
3. 设计合理的数据预处理方法。
数据预处理是车牌识别中很重要的一环。
例如，对于光线影响较大的场景，可以考虑对图像进行补光等操作，提高车牌识别的结果。
因此，本文将针对不同情况设计合理的数据预处理方法，提高识别率。
本文将采用图像处理和机器学习等技术进行研究，并使用公开数据集和实际数据集进行实验验证。
三、研究意义和价值本文将深入研究车牌识别技术，针对现有技术存在的问题进行优化和改进，提高车牌识别的准确率和鲁棒性。
这将为智能视频监控系统的应用提供更好的支持和保障，也将为城市交通管理、智能停车场等领域提供更好的解决方案。
同时，本文也为车牌识别技术的发展提供参考和借鉴，提高车牌识别技术的水平。
四、预期成果和进度安排本文的预期成果包括：1. 对现有车牌识别技术进行深入研究和优化，提高车牌识别的准确率和鲁棒性。
车牌字符识别算法的研究和实现的开题报告
车牌字符识别算法的研究和实现的开题报告一、选题背景和意义随着交通工具的普及和城市化的快速发展，车辆管理已成为当今社会中不可或缺的重要组成部分。
车牌识别技术作为智能交通系统的核心技术之一，能够有效地提高交通管理的效率和质量。
而车牌字符识别算法则是车牌识别技术中的重要组成部分。
车牌字符识别算法可以从车辆图像或视频中提取车牌上的字符信息，用于车辆的分类、计费、违章查询等诸多方面。
目前，车牌字符识别技术已经广泛应用于智能交通系统、停车场管理、高速公路收费、城市公共交通、车辆安保等领域。
随着交通工具数量的不断增长和流量的不断提高，车牌字符识别技术的应用前景必将越来越广阔。
因此，本文选取车牌字符识别算法的研究和实现作为毕业设计的选题，旨在通过对该课题的研究和实践，深入了解车牌字符识别算法的相关原理和技术，提高自身的编程能力和算法设计能力，为今后的就业和学术研究打下坚实的基础。
二、选题的研究内容和目标车牌字符识别算法是一项涉及多个学科的技术，包括图像处理、模式识别、计算机视觉等。
本文将从以下几个方面入手，对车牌字符识别算法进行研究和实现：1. 车牌图像的处理和预处理。
重点研究车牌图像处理和预处理的方法，包括图像增强、图像二值化、形态学处理等。
2. 特征提取算法的研究。
特征提取是车牌字符识别算法的重要组成部分。
本文将综合考虑不同的特征提取算法，并选取适合本课题的算法进行实现和优化。
3. 字符识别算法的研究。
字符识别是车牌字符识别算法的关键部分，本文将研究不同的字符识别算法，并选取适合本课题的算法进行实现和优化。
4. 算法性能评价和优化。
本文将对所选取的算法进行实验验证和性能评价，并通过对实验结果的分析和讨论，对算法进行优化和改进。
三、预期研究成果本文的预期研究成果包括以下方面：1. 实现一套车牌字符识别系统，并验证其识别率和处理速度等性能指标。
2. 掌握车牌字符识别算法的基本原理和方法，并能够根据实际需求选择合适的算法进行设计与优化。
车牌识别技术研究开题报告
车牌识别技术研究开题报告一、研究背景和意义随着汽车数量的快速增长和交通管理的要求不断提高，车辆识别技术日益成为一个重要研究领域。
车牌识别是在交通管理、违章监测、停车场管理、智能交通系统等方面具有广泛应用前景的一项技术。
车牌识别技术可以通过车牌与车主信息的关联，实现车辆的快速准确识别和信息管理，并有效提升交通管理和公共安全水平。
二、研究目标和内容本研究旨在深入探索和研究车牌识别技术的关键技术和方法，为实现车牌的自动识别和信息管理提供有效的解决方案。
具体研究内容包括以下几个方面：1. 车牌定位与分割技术：通过图像处理和模式识别等方法，实现对车辆图像中车牌位置的精确定位和分割，为后续的车牌识别提供基础。
取和判别分析，通过模式匹配和机器学习等方法实现车牌的准确识别。
3. 车牌信息管理和数据库设计：将识别出的车牌与车主信息进行关联，构建有效的车辆信息数据库，并研究车牌信息的查询和管理方法。
4. 实验验证和性能评价：通过实际数据采集和实验测试，验证所提方法的有效性和可行性，并对其性能进行评价和改进。
三、研究方法和步骤本研究将采用以下方法和步骤：1. 调研和理论分析：通过对车牌识别技术的相关文献和现有方法的调研，分析其原理和技术特点，为后续研究提供理论支持。
2. 数据采集和预处理：通过车载摄像头或公共摄像头采集车辆图像数据，并进行图像预处理，包括去噪、灰度化、二值化等操作。
3. 车牌定位与分割：采用图像处理算法，如边缘检测和形态学运算，对车辆图像进行定位和分割，提取出车牌图像。
如颜色、纹理和形状等特征，通过模式匹配或机器学习方法实现车牌的识别。
5. 车牌信息管理和数据库设计：将识别出的车牌与车主信息进行关联，构建完整的车辆信息管理系统，并设计合适的数据库结构和查询方式。
6. 实验验证和性能评价：通过真实场景的数据采集和实验测试，验证所提方法的有效性和可行性，并对其性能进行评价和改进。
四、预期成果和创新点1. 高效准确的车牌识别算法：通过对车牌定位与分割、特征提取与识别等关键问题的研究，设计出高效准确的车牌识别算法。
关于车牌字符识别技术的研究的开题报告
关于车牌字符识别技术的研究的开题报告一、研究背景随着汽车数量的日益增多，车辆管理和交通管理变得越来越重要。
车牌识别技术是自动化车辆管理系统中的关键技术之一，旨在提高车辆管理和交通管控的效率。
车牌字符识别是车牌识别技术的核心环节，其准确率、稳定性和高效性直接关系到车牌识别系统的可用性和可靠性。
二、研究现状车牌字符识别技术的研究已经十分成熟，其应用范围广泛，包括物流、停车场、交通流量监测、安防等领域。
从技术方案来看，主要包括传统图像处理和机器学习两类方法。
传统图像处理方法包括车牌预处理、字符分割、字符识别等环节，需要提取出车牌图像中的字符特征，再使用机器学习算法进行分类识别。
而机器学习方法则包括基于特征的方法和基于深度学习的方法两种，前者需要根据车牌图像提取特征，而后者则需要经过大量训练才能实现多种车牌字符的分类识别。
三、研究内容和意义本项目旨在探究车牌字符识别技术在图像处理和机器学习中的应用。
具体来说，本项目将研究以下内容：1. 车牌图像的预处理方法。
选择合适的预处理算法对车牌图像进行噪声抑制、增强、二值化和形态学变换等处理，以提高车牌字符定位和识别的准确率和稳定性。
2. 车牌字符定位和分割算法。
针对不同的车牌类型，设计合适的字符定位和分割算法，以克服车牌字符分布不均的问题，提高字符分割的精度。
3. 车牌字符识别的特征提取算法。
根据车牌字符的特点，设计合适的特征提取算法，以提高字符分类识别的准确性和鲁棒性。
4. 基于机器学习的车牌字符分类识别算法。
采用常见的机器学习算法，如SVM、神经网络等，进行车牌字符分类识别实验，并对实验结果进行分析和评估。
本项目的意义在于提高车牌识别技术的精准度和自动化程度，为车辆管理和交通管理等领域提供有效的技术支持和服务。
汽车车牌识别系统研究--开题报告
汽车车牌识别系统研究--开题报告汽车车牌识别系统研究开题报告一、选题背景随着社会的快速发展，汽车数量急剧增加，交通管理面临着巨大的挑战。
传统的人工车牌识别方式效率低下，容易出错，且难以满足大规模数据处理的需求。
因此，汽车车牌识别系统的研究具有重要的现实意义。
车牌识别系统作为智能交通系统的重要组成部分，能够自动识别车辆的车牌号码，实现车辆的快速通行、交通流量监测、违法车辆追踪等功能。
它不仅提高了交通管理的效率和准确性，还为智慧城市的建设提供了有力的技术支持。
二、研究目的本研究旨在开发一种高效、准确、稳定的汽车车牌识别系统，以满足实际应用中的需求。
具体目标包括：1、提高车牌识别的准确率，减少误识别和漏识别的情况。
2、缩短车牌识别的时间，提高系统的实时性。
3、增强系统对不同环境条件（如光照、天气、车牌污损等）的适应性。
4、降低系统的成本，提高其性价比，便于广泛推广应用。
三、研究内容1、车牌图像采集与预处理研究合适的图像采集设备和方法，确保获取清晰、高质量的车牌图像。
对采集到的车牌图像进行去噪、增强、倾斜校正等预处理操作，提高图像质量，为后续的识别工作奠定基础。
2、车牌定位算法探索有效的车牌定位方法，能够准确地从复杂的背景中定位出车牌区域。
考虑车牌的形状、颜色、纹理等特征，结合边缘检测、形态学处理等技术，提高车牌定位的准确性和鲁棒性。
3、字符分割算法研究如何将车牌上的字符准确地分割出来，为字符识别做好准备。
针对字符粘连、断裂等情况，采用合适的算法进行处理，确保字符分割的准确性。
4、字符识别算法比较不同的字符识别方法，如模板匹配、神经网络、支持向量机等，选择最适合的算法进行车牌字符识别。
对识别算法进行优化和改进，提高识别的准确率和速度。
5、系统性能评估与优化建立一套科学的系统性能评估指标，如准确率、召回率、识别时间等。
根据评估结果，对系统进行优化和改进，不断提高系统的性能。
四、研究方法1、文献研究法广泛查阅国内外相关文献，了解车牌识别系统的研究现状和发展趋势。
车牌文字识别开题报告
车牌文字识别开题报告车牌文字识别开题报告一、研究背景随着社会的发展，汽车的普及程度越来越高，车辆管理也变得越来越重要。
而车牌作为车辆的唯一标识，对于交通管理、追踪违法行为等方面起着至关重要的作用。
然而，由于车牌上的文字种类繁多、字体不规则、环境复杂多变，传统的车牌识别方式已经无法满足实际需求。
因此，车牌文字识别技术的研究和应用成为了当前热门的课题之一。
二、研究目的和意义本研究旨在开发一种高效准确的车牌文字识别系统，以提高车牌识别的准确性和效率。
具体目标如下：1. 实现对不同类型车牌的文字识别，包括普通车牌、特种车牌等；2. 提高车牌文字识别的准确性，尤其是在复杂环境下的识别率；3. 提高车牌文字识别的速度，以应对大规模车辆的快速通行。
本研究的意义在于：1. 为交通管理部门提供一种高效准确的车牌识别技术，帮助他们更好地进行车辆管理和追踪违法行为；2. 为智能交通系统提供支持，提升交通流量监控、自动收费等方面的效率；3. 推动图像识别技术的发展，为其他领域的研究和应用提供借鉴。
三、研究内容和方法本研究主要包括以下内容：1. 车牌图像预处理：对车牌图像进行灰度化、二值化、去噪等预处理操作，以提高后续处理的效果。
2. 车牌定位与分割：通过图像处理和机器学习的方法，将车牌从图像中定位出来，并对车牌进行分割，以便后续文字识别。
3. 车牌文字识别：采用深度学习的方法，建立车牌文字识别模型，通过训练和测试，实现对车牌上文字的准确识别。
4. 性能评估与优化：对所设计的车牌文字识别系统进行性能评估，分析其准确性、效率等指标，并针对问题进行优化和改进。
本研究的方法主要包括以下几个方面：1. 图像处理技术：包括灰度化、二值化、去噪等预处理操作，以及边缘检测、形态学处理等车牌定位与分割方法。
2. 机器学习技术：通过训练样本，建立车牌定位与分割模型，以提高定位和分割的准确性。
3. 深度学习技术：采用卷积神经网络等深度学习方法，建立车牌文字识别模型，以提高识别准确性。
车载式车牌识别系统的研究与应用的开题报告
车载式车牌识别系统的研究与应用的开题报告一、课题背景和意义车牌识别系统是现代交通管理中非常重要的一项技术，能够有效地帮助交通管理部门实现对车辆的自动识别、监控和管理。
目前，车牌识别系统已经广泛应用于高速公路收费、交通违法监控、停车场管理等领域。
现有的车牌识别系统主要有两种类型，一种是固定式车牌识别系统，另一种是车载式车牌识别系统。
固定式车牌识别系统主要用于停车场管理和路口监控等固定场所，而车载式车牌识别系统则主要应用于车辆巡检和巡逻等移动场所。
本论文研究的是车载式车牌识别系统。
由于车载式车牌识别系统需要在移动中对车辆进行识别，所以需要考虑到移动过程中光照和摄像头晃动等因素对车牌识别精度的影响。
因此，设计一套高效、准确的车载式车牌识别系统对于提高交通管理水平、缓解交通拥堵具有重要的现实意义。
二、研究内容和目标本论文拟研究车载式车牌识别系统的关键技术，包括图像采集、图像处理、车牌定位、字符分割和字符识别等。
具体研究内容如下：1. 对车载式车牌识别系统的原理和关键技术进行深入研究，了解车牌识别系统的主要算法和应用场景。
2. 根据车载式车牌识别系统的特点，设计采用的摄像头和处理器，保证系统的稳定性和高效性。
3. 研究车牌定位算法，根据车牌形状和颜色的特征，实现车牌的自动定位，保证车牌识别精度。
4. 研究字符分割算法，对车牌上的字符进行有效分割，以便进行后续的字符识别。
5. 研究字符识别算法，实现车牌上字符的准确识别，并进行车牌号码的验证、比对及记录。
三、研究方法和技术路线本论文采用实验室研究和算法仿真相结合的方法，具体技术路线如下：1. 设计并实现车载式车牌识别系统的硬件和软件框架，搭建实验环境。
2. 利用MATLAB等软件平台，对车牌识别系统的图像处理算法进行仿真和验证。
优化算法，提高车牌识别精度。
3. 利用C++等编程语言，实现车牌识别系统的软件程序，完成对所有算法的实现。
4. 进行实际测试，对车牌识别系统的性能进行评价，验证系统的可行性和实用性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计开题报告
学生姓名：学号：
专业：计算机科学与技术
设计题目：车牌识别系统
指导教师：
2011 年 3 月 18 日
毕业设计开题报告
1．本课题的研究意义，国内外研究现状、水平和发展趋势
牌照自动识别系统是现代社会智能交通系统（ITS）的重要组成部分,是图像处理和模式识别技术研究的热点,应用也越来越普遍。
车牌识别主要包括以下三个主要步骤：车牌定位，车牌字符分割，车牌字符识别。
近年来，许多学者对其进行了较为深入的研究和探讨，提出了基于纹理特征、颜色信息和运用数学工具的车牌定位法，基于投影分析、连通域分析的字符分割方法和基于模板匹配、神经网络等的字符识别方法。
根据国内外汽车牌照的字符特征，对近年来出现的车牌识别方法进行综述并提出建议，在现有方法的基础上，取其优点，相互补充，结合数学工具，提高系统的速度和精度。
智能交通系统（ITS）为解决当前紧迫的交通问题提供了关键的技术，其中汽车牌照识别（LPR）是ITS中最关键技术之一，已广泛应用于各级公路和城市交通管理，具有巨大的经济价值和现实意义。
车牌定位是一个复杂背景的图像找到车牌素在的区域，作为车牌识别的第一步，定位的结果直接影响到整个系统的性能。
车牌字符识别作为车牌识别得到结果的重要部分其准确性直接关系到整个系统的效率。
毕业设计开题报告
2．本课题的基本内容，预计可能遇到的困难，提出解决问题的方法和措施
1汽车牌照的定位方法
汽车牌照定位（LPL）是在具有复杂背景的图片上进行图像预处理、汽车牌照区域搜索和汽车牌照定位3部分。
图像预处理是对原始图像进行滤波和怎强后，搜索整幅图像中可能包含汽车的若干区域，剔除非牌照区域，找到真实位置。
即车牌定位是从一张复杂背景的图像中找到车牌所在的区域，其关键在于寻找最有效的车牌特征。
目前，根据车牌本身两种比较明显的特征，将车牌定位方法分为基于纹理特征和基于颜色特征。
车牌纹理特征可以用不同的方法来描述：车牌灰度图像的边缘、图像水平方向上的方差、水平方向上的梯度等。
由于纹理特征比较稳定而且易于提取，所以目前大多数的车牌定位算法都是用纹理特征作为车牌的主要特征。
2汽车牌照的字符识别
在汽车牌照字符识别中，字符包含约50个汉字，25个大写英文字母及10个阿拉伯数字。
首字符为汉字，第2-6个字符为英文字母或数字，其余为数字(但现今某些车牌各字符均有可能是英文字母或数字，如：个性车牌等)。
在现实中为保证识别系统在各种复杂环境下，能发挥其应有的作用，系统必须满足较好的鲁棒性和实时性的要求。
目前常用的字符识别主要是基于模版匹配和神经网络的方法。
基于模版匹配字符识别法
模板匹配法，将待识别字符经分割归一化成模板字体的大小，将它输入字符识别模块进行匹配，选择最优匹配字符作为识别结果。
最先使用的简单模版匹配法，根据实际字符和模板图像之间匹配方差最小的原则，判定车牌图像字符所属类别。
这种方法对于标准、规范的字符识别效果较好。
但在复杂环境下的车牌字符会与
理想模板字符不完全一致，这导致了识别结果存在较大误差。
由此许多学者对简单模板匹配法进行了改进。
胡爱明根据图像放大和缩小原理构建多种字符模板，利用图像上、下矩对字符进行粗分类，后根据图像自相关特性，构建匹配比例加权惩罚匹配模型，对车牌字符进行精确识别。
3可能遇到的难点
一个好的车牌定位系统不仅能够处理好各种输入汽车图像，准确提取车牌，而且在许多实际应用中还要求算法具有实时性，能够快速高效地做出定位处理。
车牌字符识别是车牌识别系统中非常重要的部分，对于标准字体而言，上述分割、识别方法均能达到理想的识别效果。
但在实际环境中字符受噪声影响很大，导致较多字符横向或纵向重叠，就很难采用投影法进行分割。
再如“沪”，“湘”，“浙”等此类汉字，由于其部首与字并不相连，采用水平投影也存在局部最小值，进行字符分割时往往把部首当作背景切掉。
并且经过车牌定位的牌照区域有时是含有牌照四条边框的残缺图像和牌照上两个铆钉干扰的区域，采用连通域分析时，可能会把几个连通域连在一起组成大连通域而造成误判。
在识别中，模板匹配法对汉字的识别效果不佳，人工神经网络为了保证系统高识别率，需要大量样本学习并改进自身性能。
当学习系统所处环境非平稳时，神经网络很难自适应学习。
一些
结构识别方法主要是利用字符结构的完整性，一旦字符结构有缺陷或污染，严重破坏了字符结构固有属性，特征提取的结果不准确，相应的识别结果也就不准确。
因此，车牌识别技术的研究应以受污染、噪声大的车牌为主。
而某些噪声的产生是由于阈值选取的不当，如在连通域分析中，噪声很容易把几个连通域连成一个大连通域，这时可把大连通域里的像素重新选取阈值，再找连通域。
所以研究
选择恰当的阈值，对车牌识别技术仍具有很大的意义。
对于某些旋转角度较大的车牌图像，作整体水平投影后，很难直接分析出水平分割线，但对于单个字符，旋转对其的影响并不大，可根据单个字符的投影分析得到水平分割线。
在字符识别中，可添加语法分析，以进一步确定合理性。
针对5-S，2-Z等易混淆的字母和数字，可在模板匹配后加入特征点匹配，对易出错的字符进行检查。
小波变换对字符特征的提取，对字符识别很有帮助，因为它不仅能得到频域信息而且能得到空间域信息。
将模版匹配和神经网络相结合，在参数训练中加入数学算法，加快识别速度。
同时隐马尔科夫模型的研究发展前景也较为广阔。
在汉字识别中可将协同理论和支持矢量机(SVM)算法应用其中，提高识别速度。
3．本课题拟采用的研究手段（途径）和可行性分析
本程序将采用visual stdio 2010开发环境进行开发，windows 7进行测试，测试样本将使用自己拍摄的汽车图片，以保证程序的正确性和可信性。
并在有经验的指导教授的带领下想必可行性毋庸置疑。
研究方法完全按照国际软件工程流的规范来操作，以此来指引开发文档使用说明书等文档的撰写。
结合现有的成熟的算法来处理提取图片信息。
特色或创新之处
毕业设计开题报告
指导教师意见：
（对本课题的深度、广度及工作量的意见和对设计结果的预测）
本课题深度适中，涉及面广，工作量饱满，技术路线可行，同意开题。
指导教师：
年月日教研室审查意见：
教研室负责人：
年月日。