CN102519886A - 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 - Google Patents
一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 Download PDFInfo
- Publication number
- CN102519886A CN102519886A CN2011104261952A CN201110426195A CN102519886A CN 102519886 A CN102519886 A CN 102519886A CN 2011104261952 A CN2011104261952 A CN 2011104261952A CN 201110426195 A CN201110426195 A CN 201110426195A CN 102519886 A CN102519886 A CN 102519886A
- Authority
- CN
- China
- Prior art keywords
- image
- leaf
- chlorophyll
- blade
- brightness
- 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
Images
Abstract
本发明公开了一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,包括:选取一组叶色深浅明显不同的叶片,通过扫描和图像分析处理获得该组叶片样品的图像亮度值,再结合分光光度法准确测定的该组叶片的叶绿素a和类胡萝卜素含量,分别建立叶绿素a与叶片的图像亮度值的函数关系,以及类胡萝卜素与叶片的图像亮度值的函数关系;再通过扫描和图像分析处理获得待测叶片的图像亮度值,并根据所述的函数关系分别计算出待测叶片中叶绿素a和类胡萝卜素含量。本发明所用设备简单,操作简便、成本低、速度快,无需化学试剂和提取,检测不受时间和外部环境的影响,测定结果稳定,可实现随时随地快速检测农作物叶片中叶绿素a和类胡萝卜素含量。
Description
技术领域
本发明属于植物生理指标检测方法,具体涉及一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法。
背景技术
叶绿素是植物进行光合作用的物质基础,其含量是植物生理研究中的重要指标之一。叶片的颜色与其色素含量有着密不可分的关系,人们往往把叶片颜色变化作为判断植物生长状态、生理特性和营养状况的依据。因此,研究和建立叶片色素含量测定的方法意义重大。
传统的植物叶片色素分析方法首先要提取然后采用分光光度法测定,它基于叶绿素a和叶绿素b在645nm和663nm处有最大吸收,且两吸收曲线相交于652nm处。测定提取液在645nm、663nm、652nm波长下的吸光值,并根据经验公式分别计算出叶绿素a、叶绿素b和类胡萝卜素的含量。这种测定方法需要破坏大量的植物叶片,不能监测随着时间或生育期而变化的同一叶片中不同色素的动态变化;色素提取需要用到易挥发的有机溶剂,如丙酮、乙醇、二甲基亚砜等,有的对人体有害,提取时叶绿素也会受光氧化而引起测量误差;提取过程和测定过程都也比较费时耗力。
近年来根据叶片对光吸收和反射的光学测定方法得到了广泛的应用。其方法之一的工作原理是是根据叶片对红光和近红外光两种波长的吸收特征,在红光区叶绿素有强烈的吸收,近红外光用于调节不同叶片结构的参比波长,通过叶绿素测定仪测量叶片在两种波长范围内的透光系数来确定叶片当前叶绿素的相对数量;方法之二是根据叶片中各种色素对光谱反射特性不同,光谱仪能够定量测定植物叶片对可见光到近红外光范围(300~1100nm)内任何一段波长的反射,通过测定叶片对不同光谱的反射特性便能测定多种不同色素的含量。与分光光度计法相比,这类测定方法简便、快速、省时、省力,但测量精度不如分光光度计法高,而且需要专用仪器;读取的数值仅是仪器探触点处的色素含量值,不能代表整个叶片的色素含量水平。此外,利用叶绿素测定仪测定还存在着因不同材料叶片厚度不同而影响测定结果的问题;而利用光谱仪测定时还需要针对不同材料和不同生育期所使用的双波长组合进行优化。
目前,我国已授权的植物叶绿素含量测定方法的专利有两个,一是“快速检测叶片叶绿素含量的建模方法及检测方法”(授权公告号:CN101718683B),采用CCD照相机与高光谱扫描仪连接,用于采集高光谱扫描仪扫描到的载物台上所载作物的光谱图像;计算机与所述CCD照相机连接,用于对光谱图像进行处理,以得到检测叶绿素含量的预测模型。该方法可快速、无污染检测,检测准确度高,但需要一整套检测装置,包括CCD照相机、高光谱扫描仪、载物台、电控平移台、运动控制器、计算机及带有反馈控制器的光源供给系统等;另一个是“一种基于冠层多光谱的烤烟鲜烟叶叶绿素含量测”(授权公告号:CN101762463B),采用多光谱辐射计对团棵期到现蕾前期的烤烟冠层光谱进行测定,构建植被指数,并在实验室采用比色法测定对应植株倒数第5片叶中部的叶绿素含量,利用统计学方法建立利用冠层光谱参数反演叶片叶绿素含量的模型和根据测定待测样本的冠层光谱参数实现对烤烟叶片叶绿素含量的测定。该方法原位测定、无损伤、不需化学试剂,但需要专门的设备——光谱辐射计,测定时期限于团棵期到现蕾前期,只测定倒数第5片叶中部的叶绿素含量。此外,这两种方法直接在田间采集光谱图像和光谱,易受自然光强变化的影响。
发明内容
本发明提供了一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,测定结果稳定,操作简便、成本低、速度快,无需化学试剂和提取,解决了植物叶片色素传统测量方法耗时长、环节多、操作复杂等问题。
一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,包括以下步骤:
(1)选取一种待测农作物的一组叶色深浅明显不同的叶片作为叶片样品;
(2)用扫描仪对该组叶片样品分别进行扫描,并以图片格式保存为不同的叶片图像文件;再分别用计算机图像分析软件打开所述叶片图像文件,选定所述叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为每个叶片样品的图像亮度值,最后获得该组叶片样品的图像亮度值;
(3)采用分光光度法准确测定这一组叶片的叶绿素a和类胡萝卜素含量,结合步骤(2)所获取的该组叶片样品的图像亮度值,分别建立叶绿素a与叶片的图像亮度值的函数关系,以及类胡萝卜素与叶片的图像亮度值的函数关系;
(4)用所述扫描仪对同种农作物的待测叶片进行扫描,并以所述图片格式保存为叶片图像文件;再用所述计算机图像分析软件打开所述叶片图像文件,选定所述叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为该待测叶片的图像亮度值;
(5)根据步骤(4)所获取的待测叶片的图像亮度值和步骤(3)中建立的函数关系,分别计算出待测叶片中叶绿素a和类胡萝卜素含量。
优选的技术方案中,所述图片格式为tiff格式。
优选的技术方案中,所述计算机图像分析软件为Image J图像处理软件。
为了检验结果的准确性,本发明将采用上述方法检测的叶绿素a和类胡萝卜素含量与采用传统分光光度法测定的结果进行了比较,结果显示:两种方法测定的叶绿素a含量差值变化于0.04-0.023之间,类胡萝卜素含量的差值变化于0.0011-0.0054之间,误差均小于4%,效果好。
本发明中,根据植物叶片颜色随其叶色素含量的不同而变化,通过扫描获得叶片图像,用计算机图象分析技术将叶片颜色的变化进行数字化,计算出叶片图像亮度值,建立叶片图像亮度值与叶片叶绿素a、类胡萝卜素含量间的函数关系,对待测样品只要依据其叶片图像亮度值,就可通过这种函数关系计算其叶片叶绿素a和类胡萝卜素的含量。
与现有技术相比,本发明具有以下有益的技术效果:
本发明方法测定结果稳定,操作简便、成本低、速度快,无需化学试剂和提取,解决了植物叶片色素传统测量方法耗时长、环节多、操作复杂等问题。
本发明方法还采用室内扫描叶片图像,光强稳定性好,克服了自然光下采集叶片图像时光强变化的误差影响,检测不受时间和外部环境的影响。
此外,本发明方法所采用的设备简单,只需日常的办公设备——计算机和扫描仪,在现代社会办公环境中随处可得,无需增加额外的设备成本。
因此,采取本发明方法,可实现随时随地快速检测农作物叶片中叶绿素a和类胡萝卜素含量。
附图说明
图1为叶绿素a含量(mg/g)与叶片的图像亮度值的关系以及拟合曲线。
图2为类胡萝卜素(mg/g)与叶片的图像亮度值的关系以及拟合曲线。
具体实施方式
下面结合实施例和附图来详细说明本发明,但本发明并不仅限于此。
以下以水稻叶片为例来说明本发明方法:
一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,包括以下步骤:
(1)以水稻作为种待测农作物,以成熟前不同水稻品种剑叶为测定对象,选取一组共12张叶色深浅不同的叶片,取整张叶或整个叶片的2/3,避光、保湿,作为叶片样品;
(2)用扫描仪对所取的该组叶片样品分别进行扫描,并以tiff格式保存为不同的叶片图像文件;再分别用计算机图像分析软件(此处采用ImageJ图像处理软件)对每个叶片图像文件进行处理,即:打开叶片图像文件,选定叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为每个叶片样品的图像亮度值,最后获得该组叶片样品的图像亮度值,在60~128之间变化;
(3)采用分光光度法准确测定这组叶片的叶绿素a和类胡萝卜素含量,结合步骤(2)所获取的该组叶片样品的图像亮度值,分别建立叶绿素a与叶片的图像亮度值的函数关系,以及类胡萝卜素与叶片的图像亮度值的函数关系。
叶绿素a含量(mg/g)与叶片的图像亮度值的关系以及拟合曲线如图1所示,类胡萝卜素(mg/g)与叶片的图像亮度值的关系以及拟合曲线如图2所示,
所建立的叶绿素a含量与叶片得图像亮度值的函数关系为:Y=-0.0126X+1.6429,决定系数R2=0.9503,达极显著水平。
所建立的类胡萝卜素含量与叶片图像亮度值的函数关系为:Y=-0.0029X+0.4698,决定系数R2=0.9737,达极显著水平。
(4)分别选取粳稻秀水110、日本晴、籼稻钱江1号和黄玉A共4个水稻品种灌浆后期的叶片作为待测叶片,用同一扫描仪分别对上述的4个待测叶片进行扫描,并以tiff格式保存为不同的叶片图像文件;再分别用计算机图像分析软件(此处采用Image J图像处理软件)对每个叶片图像文件进行处理,即:打开叶片图像文件,选定叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为每个待测叶片的图像亮度值,记载于下表1中;
(5)根据步骤(4)所获取的待测叶片的图像亮度值和步骤(3)中建立的函数关系,分别计算出待测叶片中叶绿素a和类胡萝卜素含量,同样记载于下表1中。
表1中还记载了采用传统分光光度法对上述4个待测样品进行叶绿素a和类胡萝卜素含量测定的结果,用于进行比较。
表1
表1中,采用本发明方法和传统分光光度法测定的叶绿素a含量差值变化于0.04-0.023mg/g之间,采用本发明方法和传统分光光度法测定的类胡萝卜素含量的差值变化于0.0011-0.0054mg/g之间,可见,对这两种色素含量测定的误差都在4%以下,效果好。
Claims (3)
1.一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,其特征在于,包括以下步骤:
(1)选取一种待测农作物的一组叶色深浅明显不同的叶片作为叶片样品;
(2)用扫描仪对该组叶片样品分别进行扫描,并以图片格式保存为不同的叶片图像文件;再分别用计算机图像分析软件打开所述叶片图像文件,选定所述叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为每个叶片样品的图像亮度值,最后获得该组叶片样品的图像亮度值;
(3)采用分光光度法准确测定这一组叶片的叶绿素a和类胡萝卜素含量,结合步骤(2)所获取的该组叶片样品的图像亮度值,分别建立叶绿素a与叶片的图像亮度值的函数关系,以及类胡萝卜素与叶片的图像亮度值的函数关系;
(4)用所述扫描仪对同种农作物的待测叶片进行扫描,并以所述图片格式保存为叶片图像文件;再用所述计算机图像分析软件打开所述叶片图像文件,选定所述叶片图像上固定大小的区域,获取该区域叶片图像的亮度平均值,作为该待测叶片的图像亮度值;
(5)根据步骤(4)所获取的待测叶片的图像亮度值和步骤(3)中建立的函数关系,分别计算出待测叶片中叶绿素a和类胡萝卜素含量。
2.如权利要求1所述的检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,其特征在于,所述图片格式为tiff格式。
3.如权利要求1所述的检测农作物叶片中叶绿素a和类胡萝卜素含量的方法,其特征在于,所述计算机图像分析软件为Image J图像处理软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104261952A CN102519886A (zh) | 2011-12-19 | 2011-12-19 | 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104261952A CN102519886A (zh) | 2011-12-19 | 2011-12-19 | 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102519886A true CN102519886A (zh) | 2012-06-27 |
Family
ID=46290882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104261952A Pending CN102519886A (zh) | 2011-12-19 | 2011-12-19 | 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102519886A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103637395A (zh) * | 2013-12-04 | 2014-03-19 | 上海烟草集团有限责任公司 | 一种造纸法再造烟叶表面颜色的调控方法 |
CN104634749A (zh) * | 2013-11-12 | 2015-05-20 | 江苏艾兰得营养品有限公司 | β-胡萝卜素含量的测定方法 |
CN105548025A (zh) * | 2015-12-08 | 2016-05-04 | 中国水产科学研究院南海水产研究所 | 一种快速检测海洋双壳类生物体内类胡萝卜素含量的方法 |
CN105651713A (zh) * | 2015-12-30 | 2016-06-08 | 浙江工业大学 | 一种基于计算机图像分析的青菜叶片叶绿素定量检测方法 |
CN105890764A (zh) * | 2016-03-31 | 2016-08-24 | 杭州市农业科学研究院 | 基于计算机图像处理的分辨植物花色深浅的方法 |
CN107024435A (zh) * | 2017-03-30 | 2017-08-08 | 江苏省农业科学院 | 与色差关联的黄肉桃果肉β‑胡萝卜素含量和类胡萝卜素总量预测的方法 |
CN108680513A (zh) * | 2018-06-12 | 2018-10-19 | 山东省林业科学研究院 | 植物叶绿素测定方法及提取装置 |
CN108956398A (zh) * | 2018-07-04 | 2018-12-07 | 东南大学 | 基于图像分析定量细胞内铁纳米颗粒含量的方法 |
CN111610186A (zh) * | 2020-04-21 | 2020-09-01 | 华北水利水电大学 | 混凝土细骨料中云母快速定量检测方法及装置 |
CN112362812A (zh) * | 2020-11-10 | 2021-02-12 | 淮阴师范学院 | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 |
CN115436307A (zh) * | 2022-09-16 | 2022-12-06 | 陕西汉谱迅光电科技有限公司 | 一种无损快速检测植物叶片中叶绿素和类胡萝卜素含量的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1028613A1 (de) * | 1998-09-03 | 2000-08-23 | Norsk Hydro Asa | Verfahren und vorrichtung zum teilflächenspezifischen düngen von pflanzen |
CN1865926A (zh) * | 2006-04-30 | 2006-11-22 | 武汉大学 | 便携式植物叶片色素检测仪 |
CN1900699A (zh) * | 2005-07-21 | 2007-01-24 | 李少昆 | 基于图象技术的棉花叶片叶绿素含量测定方法 |
CN1995389A (zh) * | 2006-09-28 | 2007-07-11 | 上海交通大学 | 工业废水处理中的功能菌群特异性分子检测方法 |
CN101556245A (zh) * | 2009-05-22 | 2009-10-14 | 天津大学 | 一种基于红、绿、蓝三原色数字信号的叶绿素测量方法 |
CN101951961A (zh) * | 2006-12-21 | 2011-01-19 | 勒克斯创新有限公司 | 用于检测脱矿质的组合物和方法 |
-
2011
- 2011-12-19 CN CN2011104261952A patent/CN102519886A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1028613A1 (de) * | 1998-09-03 | 2000-08-23 | Norsk Hydro Asa | Verfahren und vorrichtung zum teilflächenspezifischen düngen von pflanzen |
CN1900699A (zh) * | 2005-07-21 | 2007-01-24 | 李少昆 | 基于图象技术的棉花叶片叶绿素含量测定方法 |
CN1865926A (zh) * | 2006-04-30 | 2006-11-22 | 武汉大学 | 便携式植物叶片色素检测仪 |
CN1995389A (zh) * | 2006-09-28 | 2007-07-11 | 上海交通大学 | 工业废水处理中的功能菌群特异性分子检测方法 |
CN101951961A (zh) * | 2006-12-21 | 2011-01-19 | 勒克斯创新有限公司 | 用于检测脱矿质的组合物和方法 |
CN101556245A (zh) * | 2009-05-22 | 2009-10-14 | 天津大学 | 一种基于红、绿、蓝三原色数字信号的叶绿素测量方法 |
Non-Patent Citations (3)
Title |
---|
《湖南农业大学学报(自然科学版)》 20111031 段史江 等 基于图像处理的密集烘烤过程烟叶beta-胡萝卜素含量的检测 全文 1-3 第37卷, 第5期 * |
段史江 等: "基于图像处理的密集烘烤过程烟叶β-胡萝卜素含量的检测", 《湖南农业大学学报(自然科学版)》 * |
费丽君: "基于数字图像处理的大豆叶片叶绿素含量测算方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104634749A (zh) * | 2013-11-12 | 2015-05-20 | 江苏艾兰得营养品有限公司 | β-胡萝卜素含量的测定方法 |
CN103637395A (zh) * | 2013-12-04 | 2014-03-19 | 上海烟草集团有限责任公司 | 一种造纸法再造烟叶表面颜色的调控方法 |
CN105548025A (zh) * | 2015-12-08 | 2016-05-04 | 中国水产科学研究院南海水产研究所 | 一种快速检测海洋双壳类生物体内类胡萝卜素含量的方法 |
CN105651713A (zh) * | 2015-12-30 | 2016-06-08 | 浙江工业大学 | 一种基于计算机图像分析的青菜叶片叶绿素定量检测方法 |
CN105890764B (zh) * | 2016-03-31 | 2018-01-23 | 杭州市农业科学研究院 | 基于计算机图像处理的分辨植物花色深浅的方法 |
CN105890764A (zh) * | 2016-03-31 | 2016-08-24 | 杭州市农业科学研究院 | 基于计算机图像处理的分辨植物花色深浅的方法 |
CN107024435A (zh) * | 2017-03-30 | 2017-08-08 | 江苏省农业科学院 | 与色差关联的黄肉桃果肉β‑胡萝卜素含量和类胡萝卜素总量预测的方法 |
CN108680513A (zh) * | 2018-06-12 | 2018-10-19 | 山东省林业科学研究院 | 植物叶绿素测定方法及提取装置 |
CN108680513B (zh) * | 2018-06-12 | 2020-08-25 | 山东省林业科学研究院 | 植物叶绿素测定方法及提取装置 |
CN108956398A (zh) * | 2018-07-04 | 2018-12-07 | 东南大学 | 基于图像分析定量细胞内铁纳米颗粒含量的方法 |
CN108956398B (zh) * | 2018-07-04 | 2020-10-16 | 东南大学 | 基于图像分析定量细胞内铁纳米颗粒含量的方法 |
CN111610186A (zh) * | 2020-04-21 | 2020-09-01 | 华北水利水电大学 | 混凝土细骨料中云母快速定量检测方法及装置 |
CN112362812A (zh) * | 2020-11-10 | 2021-02-12 | 淮阴师范学院 | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 |
CN115436307A (zh) * | 2022-09-16 | 2022-12-06 | 陕西汉谱迅光电科技有限公司 | 一种无损快速检测植物叶片中叶绿素和类胡萝卜素含量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102519886A (zh) | 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 | |
CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
Zhang et al. | High throughput analysis of leaf chlorophyll content in sorghum using RGB, hyperspectral, and fluorescence imaging and sensor fusion | |
Xiaobo et al. | In vivo noninvasive detection of chlorophyll distribution in cucumber (Cucumis sativus) leaves by indices based on hyperspectral imaging | |
CN112634212B (zh) | 基于高光谱无人机的病害潜伏树检测方法及系统 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN105651713A (zh) | 一种基于计算机图像分析的青菜叶片叶绿素定量检测方法 | |
CN107796764A (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
CN104749134A (zh) | 一种检测叶菜类作物冠层水分含量的方法 | |
CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
CN104865222A (zh) | 一种牡丹种子脂肪酸含量的无损检测方法 | |
CN105890764A (zh) | 基于计算机图像处理的分辨植物花色深浅的方法 | |
Hakala et al. | Multispectral lidar time series of pine canopy chlorophyll content | |
Brambilla et al. | Application of a low-cost RGB sensor to detect basil (Ocimum basilicum L.) nutritional status at pilot scale level | |
Nevalainen et al. | Nitrogen concentration estimation with hyperspectral LiDAR | |
CN111751347A (zh) | 基于拉曼光谱的白粉病胁迫下大麦叶片色素成像方法 | |
CN106841167A (zh) | 果蔬农药残留的无损检测方法 | |
CN105136686B (zh) | 紫叶李叶片花青素含量的测定方法 | |
Lu et al. | Fluorescence hyperspectral image technique coupled with HSI method to predict solanine content of potatoes | |
CN108827907A (zh) | 一种基于近红外光谱对彩棉色度的快速测定方法 | |
CN102313715A (zh) | 基于激光技术的蜂蜜品质检测方法 | |
CN107036999A (zh) | 一种基于近红外光谱及化学计量学的五元调和油定量分析方法 | |
CN113176227A (zh) | 一种快速预测河南石斛掺伪霍山石斛的方法 | |
CN102759515A (zh) | 基于水平atr的中红外光谱快速测定农产品含油率的方法 | |
CN108318446A (zh) | 一种检测花生种子总维生素e含量的近红外光谱模型及应用 |
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: 20120627 |