CN103785622B - 基于机器视觉的零件分拣装置的零件分拣方法 - Google Patents

基于机器视觉的零件分拣装置的零件分拣方法 Download PDF

Info

Publication number
CN103785622B
CN103785622B CN201410040891.3A CN201410040891A CN103785622B CN 103785622 B CN103785622 B CN 103785622B CN 201410040891 A CN201410040891 A CN 201410040891A CN 103785622 B CN103785622 B CN 103785622B
Authority
CN
China
Prior art keywords
sorting
image
streamline
cylinder
machine vision
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.)
Expired - Fee Related
Application number
CN201410040891.3A
Other languages
English (en)
Other versions
CN103785622A (zh
Inventor
包晓敏
袁欢
汪亚明
沈军民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN201410040891.3A priority Critical patent/CN103785622B/zh
Publication of CN103785622A publication Critical patent/CN103785622A/zh
Application granted granted Critical
Publication of CN103785622B publication Critical patent/CN103785622B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于机器视觉的零件分拣装置,包括分拣机构,用于定时采集零件图像的CCD相机;用于从零件图像获取分拣信息并发送推送指令的图像处理系统;所述分拣机构还包括:用于接收推送指令并推送零件的气缸;与气缸位置配合且用于接收零件的若干流水线分支。利用本发明的零件分拣装置,本发明还公开了零件分拣方法,包括如下步骤:步骤1,传送零件,并定时采集零件图像;步骤2,由零件图像获取零件的分拣信息;步骤3,根据分拣信息将零件分拣至对应的位置;步骤4,重复步骤1至步骤3,直至所有零件分拣完毕。本发明提出的基于机器视觉的零件分拣装置及方法可大大提高生产效率,实现生产自动化以及工业操作的智能化。

Description

基于机器视觉的零件分拣装置的零件分拣方法
技术领域
[0001] 本发明涉及自动化生产技术领域,尤其涉及基于机器视觉的零件分拣装置及方法。
背景技术
[0002] 随着现代化工业生产水平的提高和当今社会对产品需求以及产品质量要求的提高,自动化和智能化生产已经成为一个必然的趋势,机械零件的自动识别和分检也随之成为一项急待解决的问题。
[0003] 而长期以来,零件分拣是一件耗费人力、物力和时间的工作,目前,通常这种分拣多由大量分拣人员来完成,但由于人工视觉检测结果的不一致性,结果也常因检测人员的主观感受,视觉疲劳以及不同检验人员的主观标准之间的细微误差等导致多种检测错误,不仅效率低且可靠性差。
[0004] 例如,公开号为CN1853803A的专利文献公开了一种对多品种零件进行混型集中悬挂传送、自动识别和分拣的设备,包括触发式挂钩、读卡检测装置、读卡脱钩装置和工控机等,挂钩悬链将生产线成品出口、后处理区和分拣包装区串连起来,每个挂钩上固定一张IC卡,以IC识别号作为挂钩识别码。该机能自动识别工件,承重范围宽、下钩零件软着陆,工件无磨损,实现了零件快速分拣。
[0005] 但是,这种分拣方式仅仅对零件类别进行区分,并无零件朝向进行分拣的这一功會K。
[0006] 在20世纪80年代以后机器视觉检测技术得到了快速发展,在零件检测的工业场合也有了具体应用。
[0007] 例如公开号为103499296A的专利文献公开了一种基于机器视觉的批量零件自动检测系统及方法。所述的监测系统包括下方设有下光源、上方设有上光源的透明工作台,上光源与下光源分别与光源照明控制器连接;上光源上方设有工业相机,工业相机下侧设有镜头,镜头透过上光源镂空处对准透明工作台。方法为:先对工件进行几何量检测;将采集到的图像信息作为模板零件信息的有关测量操作处理信息存入系统数据库,以供后续零件测量时自动调用;将工件置于透明工作台上,使镜头对准该工件,该工件成像后判断其与模板零件信息的相似性;最后进行自动检测并判断合格性,输出测量报表。本发明利用机器视觉关于图像处理和数据库等技术,通过机器示教方式实现连续大批量零件的快速、自动检测。
[0008] 分拣机构会因为机器视觉的检测结果多元化导致无法确定输出,因此如何将机器视觉的检测结果与分拣机构的分拣进行结合,使得分拣机构能够使分拣结果更加精确,是需要解决的问题。
发明内容
[0009] 针对上述问题,提出一种机器视觉的高速在线零件分拣方法,来实现生产流水线上零件类别和朝向的自动识别和分拣,且成本低廉,有利于广泛推广应用。
[0010] 一种基于机器视觉的零件分拣装置,包括用于分拣零件的分拣机构,所述分拣机构具有用于传送零件的流水线,所述零件分拣装置还包括用于定时采集零件图像的CCD相机,以及用于从零件图像获取分拣信息并发送推送指令的图像处理系统,所述分拣机构还包括:
[0011] 设置于所述流水线一侧,用于接收推送指令并推送零件的气缸;
[0012]用于接收零件的若干流水线分支,其中各流水线分支设置于所述流水线另一侧且与各气缸位置相对应。
[0013] 本发明装置将机器视觉与分拣机构进行结合,使得分拣机构对零件的分拣更加精确,有助于后续的零件处理。
[0014] 各气缸上均设有用于感测零件的红外线传感器。
[0015] 红外线传感器用于感测零件是否位于所要进行推送的气缸前。
[0016] 利用本发明基于机器视觉的零件分拣装置,本发明还提供了一种通过机器视觉获取零件的分拣信息进行零件分拣的方法。
[0017] —种利用所述零件装置的零件分拣方法,包括如下步骤:
[0018] 步骤1,在流水线上放置零件,CXD相机定时采集零件图像;
[0019] 步骤2,图像处理系统从零件图像获取零件的分拣信息并发送推送指令至对应气缸;
[0020] 步骤3,气缸根据推送指令将零件分拣至对应的流水线分支;
[0021] 步骤4,重复步骤I至步骤3,直至所有零件分拣完毕。
[0022] 在零件间距较小的情况下,接收推送指令的气缸为多个,可能造成气缸误动作,将并非自身所对应的零件推送至流水线分支中。因此,任意两个零件之间的间距均大于全部流水线分支间距的总和。通过机器视觉对零件的分类,减少了人工分拣的压力,大大提高了零件分拣的自动化程度,有助于零件的后续处理。
[0023] 所述分拣信息为零件的朝向。
[0024] 由于在流水线上的零件可能存在多种摆放方式,通过将不同朝向的零件进行分拣,并且在分拣过程中保持零件的朝向,使得零件后续的装配和收集效率大大提高。
[0025] 在步骤2中,判断零件的朝向方法为:
[0026] 步骤2-1,提取零件图像中的角点,并预估零件在整幅零件图像中的目标区域位置;
[0027] 步骤2-2,根据目标区域位置裁剪出包含待检零件的模板图像;
[0028] 步骤2-3,从目标库中搜索与所述模板图像相似度最高的目标图像,得到所述的目标图像所对应的零件朝向。
[0029] 其中目标区域位置的大小根据零件的类型而定,且零件的朝向在实际中允许一定范围的误差,通过比较相似度最高来估计该零件的朝向。
[0030] 所述分拣信息为零件的类别和朝向。
[0031] 通过区分零件的类别和朝向,可以在一条流水线上区分不同的零件及其对应的朝向,使得零件的分拣灵活度更高。同样,气缸将零件推送至流水线分支时,不改变零件的朝向。
[0032] 在步骤2-1中,利用Harris角点检测方法提取零件图像中的角点。
[0033] Harris角点检测方法的优点在于,计算和操作简单,所提取的角点均匀而且合理。
[0034] 在步骤2-1中,预估零件在整幅零件图像中的目标区域位置方法为:在所提取的角点中找到最小横坐标值和最小纵坐标值,并将所述最小横坐标值和最小纵坐标值均减去N个像素,以所得坐标值处的点作为顶点,裁剪出矩形的目标区域位置,其中所述目标区域位置包含所提取的所有角点,其中N的取值范围为50至150。
[0035] 最小横坐标值相当于在零件图像中找到零件最左处,最小纵坐标值相当于在零件图像中找到零件最尚处,将最小横坐标值和最小纵坐标值均减去N个像素,相当于将最左处向左再移动N个像素,向上至零件最高处再向上移动N个像素,作为目标区域位置的顶点,其中N的取值根据零件图像大小确定。
[0036] 所述气缸还设有用于扫描零件的红外线传感器,步骤3中进行分拣的方法为:
[0037] 步骤3-1,接收零件的分拣信息,将分拣信息与流水线分支进行匹配,并输出推送指令至对应的气缸;
[0038] 步骤3-2,零件进入所述气缸的红外线传感器扫描范围,红外线传感器发送信号至所述气缸,所述气缸将零件推入对应的流水线分支并复位。
[0039] 红外线传感器用于及时判断零件是否到达对应的气缸前,并向气缸发出信号进行零件推送,实现分拣。
[0040] 步骤4中,判断零件分拣完毕的方法为:对图像的采集进行判断,连续k次未采集到零件的图像,则判定零件分拣完毕,k的取值范围为3到7次。
[0041] 通过多次采集确定零件分拣完毕,减少零件由于间距过大导致系统误判的概率,提高本发明方法的可靠性。
[0042] 本发明装置与现有技术的主要区别点在于:分拣结果的多元化,且分拣后零件具有朝向信息,并非掉落式收集。
[0043] 利用本发明的装置和方法,实现了自动化生产过程中的实时高速在线零件分拣。
附图说明
[0044] 图1为本发明一个实施例的系统组成示意图;
[0045] 图2为本发明当前实施例CXD相机的安装示意图;
[0046]图3为本发明当前实施例的方法流程图;
[0047]图4为本发明当前实施例的分拣机构结构示意图。
具体实施方式
[0048] 为详细说明本发明的技术内容、构造特征、所实现的目的及效果,以下结合实施方式并配合附图予以详细说明。
[0049] 图1为本发明基于机器视觉的零件分拣装置结构原理图。
[0050] 本发明实施例的装置包括:图像采集系统、图像处理系统和分拣机构。
[0051] 其中图像采集系统为CCD相机,图像处理系统为计算机。
[0052] 分拣机构如图4所示,包括:流水线303、均匀分布于流水线一侧的8个流水线分支304,以及与流水线分支304相配合地分布于流水线另一侧的8个气缸302,其中气缸302上设有红外线传感器301。
[0053] 在进行本发明实施例之前,首先采集所有类别零件的标准图像以及每类零件所有的放置朝向的标准图像,将标准图像录入目标库,并按类别分级,每个类别再按朝向进行编号。因此每一幅目标图像均带有类别和朝向信息。
[0054] 接着设置本发明实施例中的图像采集系统,首先进行硬件设置,如图2所示,本发明当前实施例中的图像采集系统为CCD相机。CCD相机203固定于支架201上,固定CCD相机的支架与支架底盘成70度角,安装支架202的底盘204可平置于与流水线同一平面的正上方,以便CCD相机203的镜头正对流水线上传入摄像区内的零件。转动转轮202调节CCD相机203的镜头与零件之间的焦距。将CXD相机203进行固定,给CXD相机203插上电源,CXD相机203的网线206与计算机的网孔相连,电源线205与外界电源连接。
[0055] 接着进行软件设置,启动计算机的处理平台,由用户通过人机交互界面输入图像采集系统中CCD相机进行定时拍照的时间间隔,继而计算机发出运行指令,其中定时拍照的时间间隔由流水线速度和零件在流水线上的间距决定。完成设置后实行本发明实施例的方法。
[0056] 本发明当前实施例的方法如下:
[0057] 步骤1,分拣机构传送零件,图像采集系统定时采集零件图像并发送至处理系统。
[0058] 分拣机构中的流水线传送零件,图像采集系统自动采集由流水线传入摄像区域的零件图像,再由图像输入接口传入计算机的处理平台,继而由图像处理算法模块做出判断,最后由输出控制接口发出指令,命令分拣机构将该零件进行分类输出。
[0059] 选择合适的拍照焦距后,当人机交互界面发出指令时,CXD相机进入自动拍照状态,定时采集从流水线上传入摄像区的一个个零件图像,摄取到的零件图像由CCD相机网孔终端传入计算机进行显示和保存,并进入步骤2。
[0060] 步骤2,计算机中的图像处理系统由零件图像获取零件的分拣信息,并根据分拣信息发送推送指令。图3为本发明实施例中获取分拣信息的流程图。
[0061] 首先,在图像采集系统自动采集到的零件图像传入计算机后,利用Harris角点检测方法,提取零件图像中的角点。
[0062] 根据角点坐标,预估零件位于整幅图像的目标区域位置。在所提取的角点中找到最小横坐标值和最小纵坐标值,并将所找到最小横坐标值和最小纵坐标值均减去N个像素,以所得坐标值处的点作为顶点,裁剪出矩形的目标区域位置,本发明实施例中N取值为100。当目标区域位置中包含所提取的所有角点时,认为该目标区域包含了完整的零件的图像,因此所裁剪的目标区域位置包含所提取的所有角点。
[0063] 根据目标区域位置,裁剪零件图像,制作模板图像。由于不同类别的零件大小不同,因此模板图像的大小根据具体零件的类别确定;同时,由于过大的图像尺寸会导致在批量处理过程中整体的处理速度变慢,因此一般将模板图像的尺寸进行限制,一般将模板图像的宽度和高度的范围均限制在200像素至250像素的范围内。
[0064] 计算机将目标库图像与模板图像匹配,搜索目标库中与模板图像相似度最高的目标图像,根据目标图像的级号与朝向编号,判断零件的类别与放置的朝向。
[0065] 步骤3,分拣机构根据推送指令将零件分拣至对应的流水线分支。
[0066] 图4为分拣机构的结构示意图,零件305位于流水线303上,由流水线303传输零件,8个气缸302分别对应不同的零件朝向,在初始时所有气缸302均处于待机位置,当图像处理系统(未绘示)判别零件305为某一朝向时,计算机的输出控制接口发出推送指令,使对应的气缸302开启相应的红外传感器301进行扫描,当红外传感器301扫描到对应的零件时,气缸302将零件305推送至对应的流水线分支304,完成零件分拣,最后初始化所有气缸302,等待下一次零件分拣。
[0067] 步骤4,重复步骤2至步骤3,直至所有零件分拣完毕。
[0068] 若摄像头连续k次没有摄取到图像,表明所有零件分拣完毕,由计算机的输出控制接口向流水线控制接口发出指令,命令流水线停止流动,即关闭流水线,停止操作。或者当根据实际操作环境,有需要将流水线速度调快或者慢的时候,由计算机的输出控制接口向流水线控制接口发出指令做出相应调整。其中,k的取值由用户根据实际情况预先设定,一般取值范围在3次到7次,在本发明实施例中设置为5次。
[0069] 综上所述,本发明提出的基于机器视觉的零件分拣方法具有实现简单、成本低、能够全自动处理的优点,可大大提高生产效率,实现生产自动化以及工业操作的智能化。

Claims (7)

1.一种基于机器视觉的零件分拣装置的零件分拣方法,所述的基于机器视觉的零件分拣装置,包括用于分拣零件的分拣机构,所述分拣机构具有用于传送零件的流水线,所述零件分拣装置还包括用于定时采集零件图像的CCD相机,以及用于从零件图像获取分拣信息并发送推送指令的图像处理系统; 所述分拣机构还包括: 设置于所述流水线一侧,用于接收推送指令并推送零件的气缸; 用于接收零件的若干流水线分支,其中各流水线分支设置于所述流水线另一侧且与各气缸位置相对应; 其特征在于,包括如下步骤: 步骤1,在流水线上放置零件,CCD相机定时采集零件图像; 步骤2,图像处理系统从零件图像获取零件的分拣信息并发送推送指令至对应气缸; 判断零件的朝向方法为: 步骤2-1,提取零件图像中的角点,并预估零件在整幅零件图像中的目标区域位置; 步骤2-2,根据目标区域位置裁剪出包含待检零件的模板图像; 步骤2-3,从目标库中搜索与所述模板图像相似度最高的目标图像,得到所述的目标图像所对应的零件朝向; 步骤3,气缸根据推送指令将零件分拣至对应的流水线分支; 步骤4,重复步骤I至步骤3,直至所有零件分拣完毕。
2.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,所述分拣信息为零件的朝向。
3.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,所述分拣信息为零件的类别和朝向。
4.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,在步骤2-1中,利用Harris角点检测方法提取零件图像中的角点。
5.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,在步骤2-1中,预估零件在整幅零件图像中的目标区域位置方法为:在所提取的角点中找到最小横坐标值和最小纵坐标值,并将所述最小横坐标值和最小纵坐标值均减去N个像素,以所得坐标值处的点作为顶点,裁剪出矩形的目标区域位置,其中所述目标区域位置包含所提取的所有角点,其中N的取值范围为50至150。
6.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,所述气缸还设有用于扫描零件的红外线传感器,步骤3中进行分拣的方法为: 步骤3-1,接收零件的分拣信息,将分拣信息与流水线分支进行匹配,并输出推送指令至对应的气缸; 步骤3-2,零件进入所述气缸的红外线传感器扫描范围,红外线传感器发送信号至所述气缸,所述气缸将零件推入对应的流水线分支并复位。
7.如权利要求1所述基于机器视觉的零件分拣方法,其特征在于,步骤4中,判断零件分拣完毕的方法为:对图像的采集进行判断,连续k次未采集到零件的图像,则判定零件分拣完毕,k的取值范围为3到7次。
CN201410040891.3A 2014-01-28 2014-01-28 基于机器视觉的零件分拣装置的零件分拣方法 Expired - Fee Related CN103785622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410040891.3A CN103785622B (zh) 2014-01-28 2014-01-28 基于机器视觉的零件分拣装置的零件分拣方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410040891.3A CN103785622B (zh) 2014-01-28 2014-01-28 基于机器视觉的零件分拣装置的零件分拣方法

Publications (2)

Publication Number Publication Date
CN103785622A CN103785622A (zh) 2014-05-14
CN103785622B true CN103785622B (zh) 2015-12-30

Family

ID=50661920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410040891.3A Expired - Fee Related CN103785622B (zh) 2014-01-28 2014-01-28 基于机器视觉的零件分拣装置的零件分拣方法

Country Status (1)

Country Link
CN (1) CN103785622B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104833925A (zh) * 2015-05-07 2015-08-12 昆山弗尔赛能源有限公司 一种基于机器视觉的燃料电池双极板检测方法及系统
CN105701476A (zh) * 2016-02-04 2016-06-22 合肥泰禾光电科技股份有限公司 一种基于机器视觉的生产线产品自动化识别系统及方法
CN106552772B (zh) * 2016-10-25 2019-01-22 北京京东尚科信息技术有限公司 视觉识别系统和使用所述视觉识别系统的分类分拣系统
CN107081275B (zh) * 2017-04-26 2018-05-04 麦特达因(苏州)汽车部件有限公司 一种基于机器视觉的装配间隙距离检测系统及其检测方法
CN108629343B (zh) * 2018-04-28 2020-08-04 湖北民族学院 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统
CN108921122A (zh) * 2018-07-14 2018-11-30 芜湖益浩昌智能设备有限公司 一种基于目标识别的加工装置
CN109604187A (zh) * 2018-11-29 2019-04-12 芜湖常瑞汽车部件有限公司 一种基于计算机视觉技术的零件自动分拣系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101767094A (zh) * 2009-01-06 2010-07-07 优必选(上海)机械有限公司 根据颜色和木纹分选木材的方法及设备
CN202174066U (zh) * 2011-07-19 2012-03-28 中机美诺科技股份有限公司 基于图像识别的马铃薯外部损伤检测分级装置
CN102721509A (zh) * 2012-05-22 2012-10-10 北京农业信息技术研究中心 粘连块状农产品在线分级方法
CN103279956A (zh) * 2013-05-30 2013-09-04 华南理工大学 一种检测贴片机元器件定位精度的方法
CN203265095U (zh) * 2013-05-30 2013-11-06 厦门华烟行信息科技有限公司 一种条烟荧光码自动识别分选系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3592521B2 (ja) * 1998-04-06 2004-11-24 株式会社リコー 円筒形ワークの表面品質自動検査装置及び方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101767094A (zh) * 2009-01-06 2010-07-07 优必选(上海)机械有限公司 根据颜色和木纹分选木材的方法及设备
CN202174066U (zh) * 2011-07-19 2012-03-28 中机美诺科技股份有限公司 基于图像识别的马铃薯外部损伤检测分级装置
CN102721509A (zh) * 2012-05-22 2012-10-10 北京农业信息技术研究中心 粘连块状农产品在线分级方法
CN103279956A (zh) * 2013-05-30 2013-09-04 华南理工大学 一种检测贴片机元器件定位精度的方法
CN203265095U (zh) * 2013-05-30 2013-11-06 厦门华烟行信息科技有限公司 一种条烟荧光码自动识别分选系统

Also Published As

Publication number Publication date
CN103785622A (zh) 2014-05-14

Similar Documents

Publication Publication Date Title
CN103785622B (zh) 基于机器视觉的零件分拣装置的零件分拣方法
CN105817430B (zh) 基于机器视觉的产品检测方法
CN105388162B (zh) 基于机器视觉的原料硅片表面划痕检测方法
CN106226325B (zh) 一种基于机器视觉的座椅表面缺陷检测系统及其方法
CN102253048B (zh) 可用于多种产品检测的机器视觉检测方法及系统
CN202010662U (zh) 水果外观品质实时检测分级系统装置
CN105787407B (zh) 融合机器视觉与激光扫描的快递条码自动识别方法及系统
CN203750868U (zh) 基于计算机视觉的毛边检测装置
CN104483320B (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
WO2019114380A1 (zh) 木板识别及木板识别的机器学习方法、装置及电子设备
CN204924967U (zh) 全自动aoi整机的图像采集机构
CN104966101B (zh) 一种基于LabVIEW的太阳能电池片分类方法
CN104614379B (zh) 一种版材表面缺陷的检测系统和方法
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN104056790A (zh) 一种马铃薯智能分选方法与装置
CN103776841B (zh) 合成革缺陷自动检测装置及检测方法
CN103934211A (zh) 基于立体视觉的产品三维尺寸分拣系统
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN105844282A (zh) 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法
CN102854195B (zh) 彩色滤光片上缺陷坐标的检测方法
CN109881356B (zh) 基于svm图像分类的袜机织针在线检测装置及方法
CN107036542A (zh) 一种齿环内外径外观检测方法及装置
CN103544524A (zh) 棒材复核计数方法和装置
CN108465648A (zh) 一种基于机器视觉的磁芯自动分拣系统
CN103148783B (zh) 一种气门摇臂安装位置的自动检测方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
C14 Grant of patent or utility model
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20151230

Termination date: 20170128

CF01 Termination of patent right due to non-payment of annual fee