CN101576553A - 冷却猪肉的货架期预测模型 - Google Patents
冷却猪肉的货架期预测模型 Download PDFInfo
- Publication number
- CN101576553A CN101576553A CNA2009100499165A CN200910049916A CN101576553A CN 101576553 A CN101576553 A CN 101576553A CN A2009100499165 A CNA2009100499165 A CN A2009100499165A CN 200910049916 A CN200910049916 A CN 200910049916A CN 101576553 A CN101576553 A CN 101576553A
- Authority
- CN
- China
- Prior art keywords
- shelf life
- temperature
- pork
- meat
- model
- 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.)
- Pending
Links
Landscapes
- Meat, Egg Or Seafood Products (AREA)
Abstract
冷却猪肉的货架期预测模型,本发明从感官和理化方面对贮藏在0℃、5℃、10℃和20℃下的猪肉进行了实验研究,通过相应的品质能级函数分析,确立挥发性盐基氮反应级数为1级,基于其与感官值的良好对应关系,设立为猪肉的鲜度指标。根据该指标建立冷却肉货架期预测模型:在温度段(10℃~20℃)内任一点温度T下货架寿命预测公式为:θSg(T)=2.38×1.62(293-T)/10在温度段(0℃~10℃)内任何一点温度T下货架寿命预测公式为:θSd(T)=3.79×1.6(283-T)/10式中:T为贮藏温度,K;θs(T)为货架寿命,天。此货架期预测模型可以通过计算冷却肉经历不同温度、时间流通后的品质损失量和货架寿命余量,从而有利于准确地对冷却肉的食用安全性进行判别。
Description
技术领域
本发明涉及一种预测冷却猪肉货架期的方法。
背景技术
2006年,全国肉类总产量达到8051万吨,占全世界肉类总产量的近30%,其中猪肉产量为5197万吨,占世界猪肉总产量46.8%,居世界第一,占我国所有肉类产量的64.5%。猪肉在我国肉类消费中的比例更是高达66.8%,其安全性关系到广大人民的身体健康和生命安全。虽然我国是猪肉等肉制品生产大国,但还不是强国,与发达国家的肉品供应链相比,我国生产的肉制品品种少、质量参差不齐、品质和安全检测技术落后、安全隐患多。冷却肉是指对严格执行检疫制度屠宰后的畜禽胴体迅速进行冷却处理,使胴体温度(以后腿为测量点)在24h内降为0~4℃,并在后续的加工、流通和零售过程中始终保持在0~4℃范围内的鲜肉。
然而,在食品的生产和贮存的过程中,食品经历的温度并不是一成不变的。食品温度会根据外界环境的变化而产生波动,同一批或同一节货箱中的食品,温度变化情况不同,货架期不同。因此需要一种快速、有效的方法预测食品品质的变化,指示食品的安全和质量状态,提供食品剩余货架期的信息。货架期预测模型的建立就显得十分必要了。
冷却肉以其新鲜、肉嫩、味美、营养、卫生的优点日益受到消费者的青睐。但是,如果冷链系统不完善,会影响到冷却肉的品质及其货架寿命。因此,有必要掌握冷却肉品质在不同温度下的变化规律,将感官与理化等指标与温度、时间建立数学模型,通过数理分析获得温度、时间与货架寿命的对应关系,从而可以对冷却肉经历不同温度和时间的货架期进行预测。
发明内容
冷却猪肉的货架期预测模型,本发明对冷却猪肉在不同贮藏温度条件下的感官和理化指标值的变化进行研究,建立TVBN、菌落总数、亮度L和红度a值随贮藏温度变化的动力学模型,通过感官评定及设立的感官评分的切分点6(即Y=6)获得相应货架寿命终点值,筛选冷却肉鲜度的对应指标,建立的货架期预测模型,为快速监测和控制冷却猪肉的货架期提供理论依据。
本发明的测定步骤按照以下过程进行:
1)对贮藏在0℃、5℃、10℃、20℃条件下的冷却肉的TVBN、菌落总数、亮度L和红度a值、感官品质变化进行测定。
2)建立冷却肉的TVBN、菌落总数、亮度L和红度a值随贮藏温度变化的动力学模型。模型选择一级化学反应动力学模型为佳。
3)建立的货架期预测模型。将在不同贮藏温度下得到的冷却肉反映品质的理化指标以温度对反应速率常数影响的数学模型——Arrhenius方程进行回归,用lnk对热力学温度的倒数(1/T)作图可得到一条斜率为-EA/R的直线,求得不同温度下的速率常数和活化能Ea。根据Q10公式,进行不同温度货架寿命的预测。
4)根据设立的切分点,通过冷却肉的感官评定获得相应货架寿命终点值,与理化指标确定的货架期相比对。确立化学指标挥发性盐基氮可作为猪肉鲜度对应指标。
5)货架期预测模型的验证和评价。将冷却肉贮藏在特定温度条件下,用以挥发性盐基氮为鲜度指标的得到的货架期模型计算值与实测值进行比较,计算预测值和实测值的相对误差。
6)通过获得的不同温度段下猪肉的货架寿命利用时间-温度-耐藏性(T.T.T,Time-Temperature-Tolerance)原理进行剩余货架期分析。通过品质损失量S%=100/θS(T0),及累积损失量 可以模拟猪肉品质变化的累计效应,获得流通后的品质损失量和货架寿命余量。
具体实施方式
以下结合说明书对发明进行进一步说明,但本发明所要求的保护范围并不局限于实施例描述的范围。
1材料与方法
1.1材料和实验仪器
实验所用的猪后腿瘦肉直接购自屠宰厂,宰杀不超过6个小时。购得的猪肉用冰桶运回分割后在冰水中清洗,然后在干燥的冰上沥干,并进行感官评定,最后将上述猪肉样品分袋(食品自封袋)包装贮藏于0℃、5℃、10℃的冰箱及20℃的恒温培养箱,肉在实验过程中每天进行感官评定和菌落总数、挥发性盐基氮(TVBN)、色差及pH值的测定。实验所用仪器有:理化干燥箱、手提式不锈钢蒸气消毒器、数显示恒温水浴锅、生化培养箱、FOSS自动凯氏定氮仪、pH计、三星BCD-191GNS(E)冰箱;ZE2000型色差计。
1.2实验方法
1.2.1菌落总数的测定
按GB-T4789.2-2003进行,结果以LogCFU/g(CFU,Colony Forming Unit)表示。
1.2.2挥发性盐基氮(TVBN)的测定
采用GB-609-88 FOSS自动凯式定氮仪。
1.2.3色差的测定
在打开包装袋后立即用色差仪对肉色进行测定,记录下数据亮度变量L、红度坐标a、黄度坐标b,每个肉样测定3次,取其平均值。
1.2.4pH值测定
取肉样10g,置于烧杯中剪碎,加入蒸馏水100ml,浸泡30min,不时搅拌,然后过滤于另一烧杯中备用,再用pH计测定。
1.2.5冷却肉感官评定
对样品肉色、气味、组织状态、持水力4项指标进行感官评定。评分标准采用5段评分法,具体判定标准见表1-1。
表1冷却肉感官描述检验评分标准
1.2.6冷却肉货架寿命的预测方法
一般认为,如果食品的某种品质的变化是由化学反应引起的,其反应产物浓度随时间变化而降低(A)或升高(B)。用该品质变化表示的货架寿命数据大多遵循0级或1级模式。对于0级模式,采用线性坐标可得到一条直线;对于1级模式,则需要通过半对数坐标才能得到一条直线。
0级反应:[A]=[A0]-k0·t或[B]=[B0]+k0·t (1-1)
1级反应:ln([A]/[A0])=-k1·t或ln([B]/[B0])=k1·t (1-2)
式中,[A]、[B]——贮藏t天后某理化指标含量;
[A0]、[B0]——某理化指标的初始含量;
t——贮藏时间;
kn——n(n=0、1)级反应速度常数。
活化能Ea的数值可利用Arrhenius公式求出[6]:
式中:k1、k2——对应T1、T2温度下的反应速率常数。
Ea——反应活化能(某理化指标A或B变化所需要克服的能垒),J/mol或cal/mol;
R——气体常数,8.3144J/(mol·k);
T1、T2——热力学温度,K。
Arrhenius关系式的主要价值在于:可以在高温(低1/T下收集数据,然后利用外推法获得其它贮藏温度下的货架寿命)由式(1-3)求得的Ea而获得Q10模型:
式中:Q10——是温差10℃,品质降低速度的比值;
θs——货架寿命,d。
在本次实验中,通过Q10模型可预测不同温度段(0℃~10℃)、(10℃~20℃)内各温度点的货架期:
式中,TO——通过感官评定确定货架寿命的已知较大的温度点;
T——所要求货架寿命的温度点。
1.2.7理化实验数据分析
用Excel2003对实验数据进行分析。
2结果与分析
2.1计算在不同温度下猪肉的Ea
由公式(1-3)知,为了求出各温度反应段(0℃~10℃)、(10℃~20℃)的平均Ea,必须先得到其k值。猪肉在贮藏过程中TVBN值和菌落总数的变化是呈上升趋势,亮度L值和红度a值的变化呈下降趋势,各项指标的变化及不同级数下反应速率常数和线型回归相关系数R2的统计见表2、3。
表2各温度下猪肉TVBN、菌落总数、L值和a值的变化
表3各项指标在不同级数下反应速率常数和线型回归决定系数R2
*表示选择的反应级数的k作后续计算
∑R2较大则说明总体线性关系较好[11],故经分析发现TVBN、菌落总数、亮度L和红度a反应动力学能级选择都为1级k。这也验证了Labuza所指出的微生物生长及氧化还原反应引起的食品质量变化遵循1级反应模式。
由三个温度点分别为(0℃、10℃和20℃)与其对应的k值,通过公式(1-3),求得Ea1和Ea2,运用公式(1-4)获得Q10(0℃~10℃)、Q10(10℃~20℃)的值,具体结果见表4。
表4猪肉在两个温度段上活化能Ea和Q10的计算值
2.2计算在不同温度下猪肉的货架期
通过感官评定,评定小组对不同温度条件下猪肉的品质进行评分,分值对应贮藏时间进行线形回归,根据设立的切分点6(即Y=6)获得相应货架寿命终点值即x,具体见表5。
表5各温度下猪肉通过感官评定获得的货架寿命
注:x-贮藏天数;Y-感官评分的分值。
由此,通过感官评定,实验得到20℃、10℃及0℃贮藏温度下猪肉的货架寿命的分别为,2.38天、3.79天和10.14天,则由式(1-4),求得:Q10感(0℃~10℃)=2.66;Q10感(10℃~20℃)=1.59
表6由理化指标得出的Q10和由感官评定得出的Q10对比表
通过比较发现TVBN的计算值Q10(0℃)最接近感官评定值,当达到感官评定对应的货架终点时,TVBN值分别为20℃时,38.9756mg/100g;10℃时,19.6448mg/100g;0℃时,14.8431mg/100g,或与初始值之比分别为3.85、1.94和1.47。因此,化学指标挥发性盐基氮可作为猪肉鲜度指标,并且可作为动力学模型进行货架寿命的预测。
2.3利用3T模拟冷却肉在流通过程中品质损失以及货架寿命余量
Q10值受Arrhenius关系影响很大,Arrhenius曲线的微小误差就能导致Q10预测货架寿命的较大误差。然而,新鲜猪肉低温下的货架寿命最长也不超过11天,所以Q10的微小变化对货架寿命的预测影响不明显,所以若规定TVBN在20℃的货架期为2.38天,通过Q10(10℃)=1.62且根据公式(1-4)获得10℃温度对应的货架寿命为3.86天,根据公式(1-5)可得在温度段(10℃~20℃)内任一点温度T下货架寿命预测公式为:
θSg(T)=2.38×1.62(293-T)/10 (2-1)
通过该公式可以预测冷却肉在11℃贮藏时的货架寿命为3.67天;通过计算可求得在10℃条件下货架寿命为3.86天,与感官值获得的货架寿命的误差仅为1.8%。同样在温度段(0℃~10℃)内任何一点温度T下货架寿命预测公式为:
θSd(T)=3.79×1.6(283-T)/10 (2-2)
通过该公式可以预测冷却肉在5℃贮藏时的货架寿命为4.79天;7℃贮藏时的货架寿命为4.36天;4℃贮藏时的货架寿命为5.02天。
由此可看出所得公式能较好预测猪肉在不同温度段的货架寿命。
通过求得不同温度下猪肉的货架寿命可以利用T.T.T原理进行分析。T.T.T一般是用于冷冻食品在流通环节中,保持产品质量的决定条件,其含义代表时间(Time)温度经历(Temperature)和耐藏性(Tolerance)。同时此概念还表明食品在流通中因时间、温度的经历而引起的品质降低量是累积且不可逆的,而且与经历的顺序无关。通过T.T.T模型可以模拟猪肉品质变化的累计效应,获得流通后的品质损失量和货架寿命余量。粗略而言,品质损失量为S%=100/θS(T0),累积损失量为:
式中,t——经历时间d。
根据猪肉宰后的主要流通环节(温度和时间历程),可以求得品质的损失量,从而获得冷却肉在超市柜台条件下的货架寿命余量。假设流通过程中冷却肉所经历的温度和时间变化如表7。
表7冷却肉模拟流通过程中时间、温度一例
可见经过3天的流通其累积品质损失量为62.475%,仍具有商品价值。因此,若将这些经过流通的冷却肉放在平均温度为4℃的冷柜销售,则剩余货架寿命余量还有(100%-62.475%)/19.92%=1.88天,其中19.92%为4℃条件下每日品质损失量。由此,超市商家可估计冷却肉通过整个流通过程,其货架寿命最长不能维持2天,若要延长其货架期,则要考虑更低的销售环境温度。
3结论
通过对冷却肉品质动力学分析,结合感官评定,发现TVBN的变化最能反应冷却肉品质的变化,并与感官评价达成一致,因此化学指标TVBN作为猪肉鲜度指标,并且可作为动力学模型进行货架寿命的预测。
通过实验分析得到在温度段(10℃~20℃)内任何一点温度T下货架寿命预测公式为:θSg(T)=2.38×1.62(293-T)/10,在温度段(0℃~10℃)内任何一点温度T下货架寿命预测公式为:θsd(T)=3.79×1.6(283-T)/10。
Claims (8)
1.冷却猪肉的货架期预测模型,其特征在于:对不同贮藏温度情况下冷却肉的感官和理化指标变化情况进行研究,确定猪肉的鲜度对应指标,并以此指标建立货架期预测模型。步骤如下:
1)对新鲜猪肉清洗。将清洗后的冷却肉切块。
2)将切块后的冷却肉,立即密封包装,冷藏。在实验过程中每天进行感官评定和菌落总数、挥发性盐基氮(TVBN)及色差的测定。
3)建立TVBN、菌落总数、亮度L和红度a值随贮藏温度变化的动力学模型。
4)由三个温度点分别为(0℃、10℃和20℃)与其对应的k值,利用Arrhenius公式,求得活化能Ea1和Ea2,运用Q10模型建立冷却肉的货架期预测模型。
5)通过感官评定及设立的感官评分的切分点6(即Y=6)获得相应货架寿命终点值,确立冷却肉鲜度的对应指标,并作为动力学模型进行货架寿命的预测。
6)货架期预测模型的验证和评价。
2.如权利要求1所述的冷却猪肉的货架期预测模型,其特征在于:将冷却肉放入碎冰中,用冰水清洗。将清洗后的冷却肉沿最长肌纤维方向切成重量100±15g,厚度约2cm的长条型样品。
3.如权利要求1所述的冷却猪肉的货架期预测模型,其特征在于:冷却肉样品分别在0℃、5℃、10℃和20℃下下贮藏。
4.如权利要求1所述的冷却肉的货架期预测模型,其特征在于:用一级和零级化学反应动力学模型对不同贮藏温度下肉的感官和理化指标进行回归分析。以1级模型为佳。
5.如权利要求1所述的冷却猪肉的货架期预测模型,其特征在于:温度对反应速率常数影响的数学模型根据Arrhenius方程进行分析,获得活化能EA和反应速度常数k。
6.如权利要求1所述的冷却猪肉的货架期预测模型,其特征在于:根据设立的切分点,通过冷却肉的感官评定获得相应货架寿命终点值,与理化指标确定的货架期相比对。确立化学指标挥发性盐基氮可作为猪肉鲜度指标。
7.如权利要求1所述的冷却猪肉货架期预测模型,其特征在于:运用Q10模型进行货架期建模,得到不同温度段的货架期预测模型为:
在温度段(10℃~20℃)内任一点温度T下货架寿命预测公式为:
θSg(T)=2.38×1.62(293-T)/10
在温度段(0℃~10℃)内任何一点温度T下货架寿命预测公式为:
θS(T)=3.79×1.6(283-T)/10。
式中:T为贮藏温度,K;θs为货架寿命,天。
8.如权利要求1所述的冷却猪肉货架期预测模型,其特征在于:通过获得的不同温度段下猪肉的货架寿命利用时间-温度-耐藏性(T.T.T,Time-Temperature-To1erance)原理进行剩余货架期分析。可以模拟猪肉品质变化的累计效应,获得流通后的品质损失量和货架寿命余量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100499165A CN101576553A (zh) | 2009-04-24 | 2009-04-24 | 冷却猪肉的货架期预测模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009100499165A CN101576553A (zh) | 2009-04-24 | 2009-04-24 | 冷却猪肉的货架期预测模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101576553A true CN101576553A (zh) | 2009-11-11 |
Family
ID=41271538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009100499165A Pending CN101576553A (zh) | 2009-04-24 | 2009-04-24 | 冷却猪肉的货架期预测模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101576553A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650632A (zh) * | 2012-05-24 | 2012-08-29 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN102707022A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种浆果制品货架期的预测方法 |
CN103487382A (zh) * | 2013-09-27 | 2014-01-01 | 浙江工商大学 | 利用红度指标来判定金枪鱼鱼肉鲜度的方法 |
CN104330539A (zh) * | 2014-10-28 | 2015-02-04 | 浙江大学 | 基于物联网架构的冷鲜肉货架寿命预测方法 |
CN104655810A (zh) * | 2015-02-25 | 2015-05-27 | 山东商业职业技术学院 | 一种预测冷贮冬枣品质变化的方法 |
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN108615094A (zh) * | 2018-05-04 | 2018-10-02 | 上海海洋大学 | 一种南美白对虾剩余货架期的预测方法及系统 |
CN110084409A (zh) * | 2019-04-10 | 2019-08-02 | 北京农业信息技术研究中心 | 智能指示标签的制备方法、剩余货架期预测方法及装置 |
CN112036619A (zh) * | 2020-08-17 | 2020-12-04 | 中国标准化研究院 | 电子鼻结合贝叶斯算法判别烤鸭是否超过货架终点的方法 |
CN112345716A (zh) * | 2020-10-15 | 2021-02-09 | 武汉轻工大学 | 基于神经网络的冷鲜猪肉的货架期预测方法 |
-
2009
- 2009-04-24 CN CNA2009100499165A patent/CN101576553A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102650632A (zh) * | 2012-05-24 | 2012-08-29 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN102650632B (zh) * | 2012-05-24 | 2014-06-25 | 上海海洋大学 | 一种应用于波动温度下评价冷却猪肉货架期的方法 |
CN102707022A (zh) * | 2012-05-25 | 2012-10-03 | 中国农业大学 | 一种浆果制品货架期的预测方法 |
CN103487382A (zh) * | 2013-09-27 | 2014-01-01 | 浙江工商大学 | 利用红度指标来判定金枪鱼鱼肉鲜度的方法 |
CN103487382B (zh) * | 2013-09-27 | 2015-07-15 | 浙江工商大学 | 利用红度指标来判定金枪鱼鱼肉鲜度的方法 |
CN104330539A (zh) * | 2014-10-28 | 2015-02-04 | 浙江大学 | 基于物联网架构的冷鲜肉货架寿命预测方法 |
CN104655810A (zh) * | 2015-02-25 | 2015-05-27 | 山东商业职业技术学院 | 一种预测冷贮冬枣品质变化的方法 |
CN104792950A (zh) * | 2015-05-12 | 2015-07-22 | 上海海洋大学 | 一种预测金枪鱼货架期的模型 |
CN108615094A (zh) * | 2018-05-04 | 2018-10-02 | 上海海洋大学 | 一种南美白对虾剩余货架期的预测方法及系统 |
CN110084409A (zh) * | 2019-04-10 | 2019-08-02 | 北京农业信息技术研究中心 | 智能指示标签的制备方法、剩余货架期预测方法及装置 |
CN112036619A (zh) * | 2020-08-17 | 2020-12-04 | 中国标准化研究院 | 电子鼻结合贝叶斯算法判别烤鸭是否超过货架终点的方法 |
CN112345716A (zh) * | 2020-10-15 | 2021-02-09 | 武汉轻工大学 | 基于神经网络的冷鲜猪肉的货架期预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101576553A (zh) | 冷却猪肉的货架期预测模型 | |
CN101349685B (zh) | 一种预测冷却肉品质变化的方法 | |
Caine et al. | Relationship of texture profile analysis and Warner-Bratzler shear force with sensory characteristics of beef rib steaks | |
Wanihsuksombat et al. | Development and characterization of a prototype of a lactic acid–based time–temperature indicator for monitoring food product quality | |
Lee et al. | Use of electrical conductivity to predict water-holding capacity in post-rigor pork | |
Byrne et al. | Postmortem changes in muscle electrical properties of bovine M. longissimus dorsi and their relationship to meat quality attributes and pH fall | |
Leroy et al. | Prediction of technological and organoleptic properties of beef Longissimus thoracis from near-infrared reflectance and transmission spectra | |
Young et al. | Effects of rigor attainment temperature on meat blooming and colour on display | |
Tang et al. | Predicting shelf-life of chilled pork sold in China | |
CN110210680A (zh) | 一种基于温度变化的鱼体新鲜度检测方法和装置 | |
CN102650632B (zh) | 一种应用于波动温度下评价冷却猪肉货架期的方法 | |
Moeller et al. | Trained sensory perception of pork eating quality as affected by fresh and cooked pork quality attributes and end-point cooked temperature | |
CN104655761A (zh) | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 | |
CN101358958B (zh) | 带鱼的货架期预测模型 | |
CN104200068A (zh) | 一种用tba建立河鲫鱼货架期预测模型的方法 | |
CN104297440A (zh) | 一种预测河鲫鱼货架期的方法 | |
CN101539561A (zh) | 一种预测冷藏链中南美白对虾贮藏品质变化的方法 | |
CN101349686B (zh) | 一种预测鲜带鱼品质变化的方法 | |
Lee et al. | Heat inactivation of peroxidase in corn‐on‐the‐cob | |
CN106093324A (zh) | 一种精准预测速冻莲藕片品质变化的方法 | |
Armitage | Use of predictive microbiology in meat hygiene regulatory activity | |
CN101539562A (zh) | 一种预测生鲜鲳鱼品质变化的方法 | |
Roseiro et al. | Muscle pH60, colour (L, a, b) and water-holding capacity and the influence of post-mortem meat temperature | |
CN101949870B (zh) | 一种冷藏鲤鱼鲜度品质预测方法 | |
Lee et al. | A novel laser air puff and shape profile method for predicting tenderness of broiler breast meat |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20091111 |