CN103903273A - 一种基于手机终端的pm2.5等级快速评价系统 - Google Patents
一种基于手机终端的pm2.5等级快速评价系统 Download PDFInfo
- Publication number
- CN103903273A CN103903273A CN201410155041.8A CN201410155041A CN103903273A CN 103903273 A CN103903273 A CN 103903273A CN 201410155041 A CN201410155041 A CN 201410155041A CN 103903273 A CN103903273 A CN 103903273A
- Authority
- CN
- China
- Prior art keywords
- transmitance
- value
- pixel
- grade
- picture
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种运行于手机终端的PM2.5等级快速评价系统。该系统原理基于Dark Channel Prior(暗原色先验),在对户外照片进行处理过程中提取某些雾化信息进行对该照片场景中PM2.5的等级评估。其中,该方法包括如下步骤:打开手机中该应用系统并利用拍摄功能对室外场景进行拍照;为加快系统处理速度将照片压缩至合适尺寸;计算图片中每一个像素的Dark Channel并以此估计透射率;从所有像素的估计透射率值中筛选出合适的像素进行求平均值计算;通过平均值与先前的统计数据进行对比,最终得到PM2.5等级评价结果;本系统可根据最终的等级评价结果,给予用户是否适合进行户外运动的建议等。利用本发明实施例,能够快速对所在地区PM2.5的等级进行估测,具有很大的实用价值。
Description
技术领域
本发明涉及图像处理领域,特别是对图片提取雾化信息以及通过图像处理对PM2.5进行等级评价。
背景技术
PM2.5即细颗粒物,指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中,其在空气中含量浓度越高,就代表空气污染越严重。PM2.5对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比,PM2.5粒径小,面积大,活性强,易附带有毒、有害物质(例如,重金属、微生物等),且在大气中的停留时间长、输送距离远,因而对人体健康和大气环境质量的影响更大。随着人们对环境污染重视程度的增加,PM2.5已经成为了热点话题。
由于国内大多数城市中PM2.5的监测点数量有限,甚至许多城市没有PM2.5监测点。这给关心环境污染情况的人们带来很大不便。本发明致力于通过智能手机对室外取景的方式,系统快速对所在场景的PM2.5进行等级评估并给予是否适合户外活动的建议。
发明内容
本发明的目的在于提供一种基于手机终端的PM2.5等级快速评价系统,使得人们通过智能手机对室外取景的方式,系统快速对所在场景的PM2.5进行等级评估并给予是否适合户外活动的建议。
为达到上述目的,本发明提出技术方案如下:
一、系统自动求得照片中每一像素点的透过率的步骤
1.在计算机视觉和计算机图形领域中,下述方程所描述的雾图形成模型被广泛使用:
I(x)=J(x)t(x)+A(1-t(x))
其中,x是表示像素点坐标,I(x)指该像素点的像素颜色强度,即现在已经有的图像(待去雾的图像),J(x)表示景物的实际光线强度,即要恢复的无雾的图像,A是全球大气光成分,t(x)用于描述光线通过媒介透射到相机过程中未被散射的部分。求得透过率的目标就是从I中复原t(x)。
将上式两边稍作处理,变形为下式:
然后对其进行两边求两次最小值运算,得到下式:
现在的已知条件就是I(x),要求目标值J(x)。暗通道先验的理论指出:
因此,可推导出:
二、筛选有效像素透过率估计值的步骤
为了让该系统适应更多场景下对PM2.5进行较为准确的等级评估,在得到图片任意像素的后,对近景无雾部分(视趋近于0为特殊情况)以及天空中白云部分(视趋近于1为特殊情况)进行排除。根据对大量图片分析的结果,排除特殊区域如下:
2.通常情况下,天空中白云部分会被系统自动识别为雾霾浓度极大的情况,而这种雾霾浓度即使在重度污染的情况下也很难出现。此种情况下,白云局部区域的估计值低于B(比如,在8bit灰度图中B可取10/255,B可依据实际情况而改变)
三、求得PM2.5评估系数步骤:
由于一张图片中局部区域与局部区域之间的透过率值的大小存在差异,为了全面衡量一张图片所反映的雾化信息,在排除雾霾浓度的特殊情况后,对所有筛选出的有效像素透过率估计值求均值。
首先需要明确:
1.若此均值越趋向于B,说明该图片中雾霾浓度越大,PM2.5污染情况越严重。
2.若此均值越趋近于A,说明该图片中雾霾浓度越小,即PM2.5指标越低。
而在B与A之间,做如下分级处理:
首先在不同环境采集大量室外雾霾照片并记录这些照片当时所在地的PM2.5值。计算出出这些照片透过率估计值并结合这些照片当时所在地的PM2.5值用统计学软件做相关性分析,从而找到透过率估计值与PM2.5值的回归方程。最终,可依据每一张照片所求得的透过率估计值的均值找到与其对应的PM2.5估计值,从而进行PM2.5等级评价。
依据具体污染情况,可将PM2.5划分为六个等级:优、良、轻度污染、中度污染、重度污染、严重污染。
附图说明
图1为本发明提供的方法的步骤流程图;
图2为求位置为(i,j)像素的透过率估计值的步骤流程图;
图3为筛选有效像素透过率估计值的步骤流程图。
具体实施方式
下面将结合附图对本发明具体实施方式进行详细说明。
图1是本发明的整体流程图,包括以下步骤:
一.对于待评测地区的照片采集及预处理:
步骤S1:启动手机终端的PM2.5等级评估系统。
步骤S2:用手机拍照待评估的室外照片,即待评测地区的环境采集。导入该评估系统。
步骤S3:识别照片大小,是否小于设定最大尺寸。为减少用户等待时间,提前对高清照片进行压缩处理。最大尺寸可根据手机的不同系统及处理速度而定。
二.系统自动求得照片中每一像素点的透过率的步骤:
步骤S4:计算图片中每一个像素的Dark Channel。
步骤S5:依据Dark Channel的值求得每一个像素点透过率的估计值。该估计值可直接反映出雾霾浓度,将成为PM2.5评估等级的重要参考依据。
三.求得PM2.5评估系数步骤:
步骤S6:一张图片中有部分特殊的像素点的透过率估计值并不适合作为雾化信息处理,因此需要做特殊的筛选处理。从所有像素的估计透过率值中筛选出合适的像素并进行求均值计算。
步骤S7:通过平均值与先前的统计数据进行对比,最终得到PM2.5等级评价结果。
下面将对重要步骤进行具体的说明:
步骤S4:计算图片中每一个像素的Dark Channel。
对于一张无雾图像,在绝大多数非天空的局部区域里,某一些像素总会有至少一个颜色通道具有很低的值。换言之,该区域光强度的最小值是个很小的数。给予Dark Channel一个数学定义,即对于任意的输入的图像J,其暗通道可以用下式表达:
式中JC表示彩色图像R/G/B三个通道的每个通道,Ω(x)表示以像素x为中心的一个窗口。
式(1)的意义用代码表达也很简单,首先求出每个像素R/G/B分量中的最小值,存入一副和原始图像大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波,滤波的半径由窗口大小决定,一般有Window-Size=2*Radius+1。即局部区域Ω(x)=(2r+1)x(2r+1)。
图2为求位置为(i,j)像素的透过率估计值的步骤流程图:
如图所示,每一个像素的Dark Channel值的取值为以该像素为中心点的局部区域Ω(x)=(2r+1)x(2r+1)中所有像素R/G/B分量中的最小值。
暗通道先验的理论指出:
步骤S5:依据Dark Channel的值求得每一个像素点透过率的估计值。
首先,在计算机视觉和计算机图形领域中,下述方程所描述的雾图形成模型被广泛使用:
I(x)=J(x)t(x)+A(1-t(x)) (3)
其中,X是表示像素点坐标,I(x)指该像素点的像素颜色强度,即现在已经有的图像(待去雾的图像),J(x)表示景物的实际光线强度,即要恢复的无雾的图像,A是全球大气光成分,t(x)用于描述光线通过媒介透射到相机过程中未被散射的部分。方程右边的第一项J(x)t(x)叫做直接衰减项,第二项A(1-t(x))则是大气光成分。直接衰减项描述的是景物光线在透射媒介中经衰减后的部分,而大气光成分则是由前方散射引起的,会导致景物颜色的偏移。目标就是从I中复原透过率t(x)。
现在的已知条件仅是I(x),因此,就需要一些先验知识来处理。
将式(3)稍作处理,变形为下式:
如上所述,上标C表示R/G/B三个通道的意思。
上式中,J是待求的无雾的图像,根据前述的暗原色先验理论有:
因此,可推导出:
把式(7)带入式(5)中,得到:
就是单独一个像素点的透过率的估计值。
步骤S6:筛选有效像素,并求所有有效像素透过率估计值的均值。
对于雾霾等级评估的影响因素及解决方案如下:
影响因素:
解决方案:
2.一般天空白云部分会被系统自动识别为雾霾浓度极大的情况,而这种雾霾浓度即使在重度污染的情况下也很难出现。此种情况下,白云局部区域的估计值低于B(比如在8bit灰度图中B可取10/255,B可依据实际情况而改变)
由于一张图片中局部区域与局部区域之间的透过率值的大小存在差异,为了全面衡量一张图片所反映的雾化信息,在排除雾霾浓度的特殊情况后,对所有筛选出的有效像素透过率估计值求均值。
步骤S7:通过平均值与先前的统计数据进行对比,最终得到PM2.5等级评价结果。
首先需要明确:
1.若此均值越趋向于B,说明该图片中雾霾浓度越大,PM2.5污染情况越严重。
2.若此均值越趋近于A,说明该图片中雾霾浓度越小,即PM2.5指标越低。
而在B与A之间,可做如下分级处理:
首先在不同环境采集大量室外雾霾照片并记录这些照片当时所在地的PM2.5值。计算出出这些照片透过率估计值并结合这些照片当时所在地的PM2.5值用统计学软件做相关性分析,从而找到透过率估计值与PM2.5值的回归方程。最终,可依据每一张照片所求得的透过率估计值的均值找到与其对应的PM2.5估计值,从而进行PM2.5等级评价。
依据具体污染情况,可将PM2.5划分为六个等级:优、良、轻度污染、中度污染、重度污染、严重污染。
以上结合附图对所提出的一种基于手机终端的PM2.5等级快速评价系统具体实施方式进行了阐述。通过以上实施方式的描述,所属领域的一般技术人员可以清楚的了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现,但前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现,该软件产品存储在一个存储介质中,包括若干指令用以使得一台或多台计算机设备执行本发明各个实施例所述的方法。
依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
以上所述的本发明实施方式,并不构成对发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于手机终端的PM2.5等级快速评价系统,其特征在于,包括以下步骤:
一.对于待评测地区的照片采集及预处理步骤;
二.系统自动求得照片中PM2.5评估等级的参考指标的步骤:
A:计算图片中每一个像素的Dark Channel。
B:依据Dark Channel的值求得每一个像素点透过率的估计值。该估计值可直接反映出雾霾浓度,将成为PM2.5评估等级的重要参考指标。
三.求得PM2.5评估系数步骤:
A:一张图片中通常含有部分特殊的像素点,其透过率估计值并不适合作为雾化信息处理,因此需要做特殊的预筛选处理。
B:从所有像素的估计透过率值中筛选出合适的像素并进行求均值计算。通过平均值与先前的统计数据进行对比,最终得到PM2.5等级评价结果。
2.如权利要求1所述的一种基于手机终端的PM2.5等级快速评价方法,其特征在于,第一步所述的对于待评测地区的照片采集及预处理:
用手机拍照待评估的室外照片,即待评测地区的环境状况采集。将图片导入该评估系统后,系统自动识别照片大小,并根据设定尺寸调整大小。为减少用户等待时间,提前对高清照片进行压缩处理。最大尺寸可根据手机的不同系统及处理速度而定。
3.如权利要求1所述的一种基于手机终端的PM2.5等级快速评价方法,其特征在于,第二步所述系统自动求得照片中PM2.5评估等级的参考指标的步骤为:
通过下述在计算机视觉和计算机图形领域中被广泛使用的雾图形成模型:
I(x)=J(x)t(x)+A(1-t(x))
其中,X是表示像素点坐标,I(x)指该像素点的像素颜色强度,即现在已经有的图像(待去雾的图像),J(x)表示景物光线的实际强度,即要恢复的无雾的图像,A是全球大气光成分,t(x)用于描述光线通过媒介透射到相机过程中未被散射的部分。求得透过率的目标就是从I中复原t(x)。
将式两边稍作处理,变形为下式:
然后对其进行两边求两次最小值运算,得到下式:
结合暗通道先验的理论:
可推导出:
4.如权利要求1所述的一种基于手机终端的PM2.5等级快速评价方法,其特征在于,第三步之步骤A所述的对部分特殊像素点的筛选处理步骤为:
为了让该系统适应更多场景下对PM2.5进行较为准确的等级评估,在得到图片任意像素的后,对 近景无雾部分(视趋近于0为特殊情况)以及天空中白云部分(视趋近于1为特殊情况)进行排除。根据对大量图片分析的结果,排除特殊区域如下:
(2)一般天空白云部分会被系统自动识别为雾霾浓度极大的情况,而这种雾霾浓度即使在重度污染的情况下也很难出现。此种情况下,白云局部区域的估计值低于B(比如,在8bit灰度图中B可取10/255,B可依据实际情况而改变)。
5.如权利要求1所述的一种基于手机终端的PM2.5等级快速评价方法,第三步之步骤B所述,由于一张图片中局部区域与局部区域之间的透过率值的大小存在差异,为了全面衡量一张图片所反映的雾化信息,在排除雾霾浓度的特殊情况后,对所有筛选出的有效像素透过率估计值求均值。
首先需要明确:
(1)若此均值越趋向于B,说明该图片中雾霾浓度越大,PM2.5情况越严重。
(2)若此均值越趋近于A,说明该图片中雾霾浓度越小,即PM2.5指标越低。
而在B与A之间,可做如下分级处理:
首先在不同环境采集大量室外雾霾照片并记录这些照片当时所在地的PM2.5值。计算出出这些照片透过率估计值并结合这些照片当时所在地的PM2.5值用统计学软件做相关性分析,从而找到透过率估计值与PM2.5值的回归方程。最终,可依据每一张照片所求得的透过率估计值的均值找到与其对应的PM2.5估计值,从而进行PM2.5等级评价。
依据具体污染情况,可将PM2.5划分为六个等级:优、良、轻度污染、中度污染、重度污染、严重污染。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410155041.8A CN103903273B (zh) | 2014-04-17 | 2014-04-17 | 一种基于手机终端的pm2.5等级快速评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410155041.8A CN103903273B (zh) | 2014-04-17 | 2014-04-17 | 一种基于手机终端的pm2.5等级快速评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103903273A true CN103903273A (zh) | 2014-07-02 |
CN103903273B CN103903273B (zh) | 2015-03-18 |
Family
ID=50994580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410155041.8A Active CN103903273B (zh) | 2014-04-17 | 2014-04-17 | 一种基于手机终端的pm2.5等级快速评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103903273B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165658A (zh) * | 2014-09-03 | 2014-11-26 | 美埃(中国)环境净化有限公司 | 基于移动终端的pm2.5在线监控系统及其监控方法 |
CN104990847A (zh) * | 2015-07-08 | 2015-10-21 | 苏州经贸职业技术学院 | 基于移动终端动态带有位置的pm2.5实时数据监控系统及方法 |
CN105388095A (zh) * | 2015-05-22 | 2016-03-09 | 杨晓富 | 一种基于银亭的雾霾检测与隔离方法 |
CN105403491A (zh) * | 2015-05-22 | 2016-03-16 | 杨晓富 | 一种基于银亭的雾霾检测与调节方法 |
CN106408605A (zh) * | 2016-08-30 | 2017-02-15 | 浙江克里蒂弗机器人科技有限公司 | 一种基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法 |
CN106446957A (zh) * | 2016-10-08 | 2017-02-22 | 常熟理工学院 | 一种基于随机森林的雾霾图像分类方法 |
CN106709903A (zh) * | 2016-11-22 | 2017-05-24 | 南京理工大学 | 基于图像质量的pm2.5浓度预测方法 |
CN106851086A (zh) * | 2016-11-28 | 2017-06-13 | 北京奇虎科技有限公司 | 一种进行照片生成的方法及设备 |
CN107038691A (zh) * | 2017-04-12 | 2017-08-11 | 北京爱特拉斯信息科技有限公司 | 基于云检测辅助的暗原色遥感影像去雾方法 |
CN107044947A (zh) * | 2017-05-02 | 2017-08-15 | 山西大学 | 一种基于图像特征的pm2.5污染指数的识别方法 |
CN108121775A (zh) * | 2017-12-08 | 2018-06-05 | 重庆广睿达科技有限公司 | 一种污染物浓度地图生成方法 |
CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
CN113588507A (zh) * | 2021-07-28 | 2021-11-02 | 沭阳新辰公路仪器有限公司 | 一种道路交通用雾霾天气自动检测警示系统及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2568438A2 (en) * | 2011-09-08 | 2013-03-13 | Fujitsu Limited | Image defogging method and system |
CN103049890A (zh) * | 2013-01-17 | 2013-04-17 | 四川川大智胜软件股份有限公司 | 一种基于cuda的图像实时去雾方法 |
-
2014
- 2014-04-17 CN CN201410155041.8A patent/CN103903273B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2568438A2 (en) * | 2011-09-08 | 2013-03-13 | Fujitsu Limited | Image defogging method and system |
CN103049890A (zh) * | 2013-01-17 | 2013-04-17 | 四川川大智胜软件股份有限公司 | 一种基于cuda的图像实时去雾方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104165658A (zh) * | 2014-09-03 | 2014-11-26 | 美埃(中国)环境净化有限公司 | 基于移动终端的pm2.5在线监控系统及其监控方法 |
CN105388095A (zh) * | 2015-05-22 | 2016-03-09 | 杨晓富 | 一种基于银亭的雾霾检测与隔离方法 |
CN105403491A (zh) * | 2015-05-22 | 2016-03-16 | 杨晓富 | 一种基于银亭的雾霾检测与调节方法 |
CN104990847A (zh) * | 2015-07-08 | 2015-10-21 | 苏州经贸职业技术学院 | 基于移动终端动态带有位置的pm2.5实时数据监控系统及方法 |
CN106408605A (zh) * | 2016-08-30 | 2017-02-15 | 浙江克里蒂弗机器人科技有限公司 | 一种基于颜色与纹理识别技术来判断光伏电池板是否肮脏的方法 |
CN106446957B (zh) * | 2016-10-08 | 2019-02-22 | 常熟理工学院 | 一种基于随机森林的雾霾图像分类方法 |
CN106446957A (zh) * | 2016-10-08 | 2017-02-22 | 常熟理工学院 | 一种基于随机森林的雾霾图像分类方法 |
CN106709903A (zh) * | 2016-11-22 | 2017-05-24 | 南京理工大学 | 基于图像质量的pm2.5浓度预测方法 |
CN106709903B (zh) * | 2016-11-22 | 2020-06-19 | 南京理工大学 | 基于图像质量的pm2.5浓度预测方法 |
CN106851086A (zh) * | 2016-11-28 | 2017-06-13 | 北京奇虎科技有限公司 | 一种进行照片生成的方法及设备 |
CN107038691A (zh) * | 2017-04-12 | 2017-08-11 | 北京爱特拉斯信息科技有限公司 | 基于云检测辅助的暗原色遥感影像去雾方法 |
CN107044947A (zh) * | 2017-05-02 | 2017-08-15 | 山西大学 | 一种基于图像特征的pm2.5污染指数的识别方法 |
CN107044947B (zh) * | 2017-05-02 | 2019-11-19 | 山西大学 | 一种基于图像特征的pm2.5污染指数的识别方法 |
CN108121775A (zh) * | 2017-12-08 | 2018-06-05 | 重庆广睿达科技有限公司 | 一种污染物浓度地图生成方法 |
CN108121775B (zh) * | 2017-12-08 | 2020-07-24 | 重庆广睿达科技有限公司 | 一种污染物浓度地图生成方法 |
CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
CN113588507A (zh) * | 2021-07-28 | 2021-11-02 | 沭阳新辰公路仪器有限公司 | 一种道路交通用雾霾天气自动检测警示系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103903273B (zh) | 2015-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903273B (zh) | 一种基于手机终端的pm2.5等级快速评价系统 | |
CN107301624B (zh) | 基于区域划分及浓雾预处理的卷积神经网络去雾方法 | |
Negru et al. | Exponential contrast restoration in fog conditions for driving assistance | |
CN107103591B (zh) | 一种基于图像雾霾浓度估计的单幅图像去雾方法 | |
Tripathi et al. | A probabilistic approach for detection and removal of rain from videos | |
CN104299192B (zh) | 一种基于大气光散射物理模型的单幅图像去雾方法 | |
CN105163110A (zh) | 摄像头清洁度的检测方法、检测系统及拍摄终端 | |
CN103020914B (zh) | 基于空间连续性原理的快速图像去雾方法 | |
Chen et al. | Detecting and tracking moving objects in long-distance imaging through turbulent medium | |
CN104050637A (zh) | 基于两次引导滤波的快速图像去雾方法 | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN103218778A (zh) | 一种图像和视频的处理方法及装置 | |
CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
CN104272347A (zh) | 去除包含在静止图像中的雾的图像处理装置及其方法 | |
CN113792791B (zh) | 针对视觉模型的处理方法及装置 | |
CN104574325A (zh) | 一种天空光估计方法与系统及其图像去雾方法 | |
Choi et al. | Fog detection for de-fogging of road driving images | |
Zhang et al. | Image dehazing based on dark channel prior and brightness enhancement for agricultural remote sensing images from consumer-grade cameras | |
Kim et al. | Adaptive patch based convolutional neural network for robust dehazing | |
Saini et al. | A comparative analysis on edge detection techniques used in image processing | |
CN107977941A (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
Hu et al. | Big data oriented novel background subtraction algorithm for urban surveillance systems | |
Jin et al. | Single image de-haze based on a new dark channel estimation method | |
Anwar et al. | Classification of foggy images for vision enhancement | |
Negru et al. | Exponential image enhancement in daytime fog conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |