CN104700394B - 一种浮萍高通量筛选方法 - Google Patents
一种浮萍高通量筛选方法 Download PDFInfo
- Publication number
- CN104700394B CN104700394B CN201410614408.8A CN201410614408A CN104700394B CN 104700394 B CN104700394 B CN 104700394B CN 201410614408 A CN201410614408 A CN 201410614408A CN 104700394 B CN104700394 B CN 104700394B
- Authority
- CN
- China
- Prior art keywords
- duckweed
- image
- area
- strain
- throughput screening
- 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.)
- Active
Links
- 244000207740 Lemna minor Species 0.000 title claims abstract description 194
- 235000006439 Lemna minor Nutrition 0.000 title claims abstract description 178
- 235000001855 Portulaca oleracea Nutrition 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013537 high throughput screening Methods 0.000 title claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 235000015097 nutrients Nutrition 0.000 claims description 5
- 238000011534 incubation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 12
- 238000005070 sampling Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 238000012258 culturing Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种浮萍高通量筛选方法，包括：步骤一，获取不同品系浮萍的初始图像；步骤二，根据初始图像截取单株浮萍图像，获取截取图像；步骤三，对截取图像进行处理，获取浮萍的初始面积；步骤四，重复步骤二～步骤三，获取多孔板培养装置上各品系浮萍的初始面积；步骤五，将多孔板培养装置和浮萍放入培养箱中，在相同的培养条件下培养一段时间后，获取浮萍图像；步骤六，重复步骤二～步骤四获取培养一段时间后各品系浮萍的面积；步骤七，根据各品系浮萍的初始面积、培养一段时间后各品系浮萍的面积以及培养时间获取各品系浮萍的面积增长速率。该方法在浮萍筛选时不造成破坏性取样，并减少浮萍筛选的工作量。
Description
技术领域
本发明涉及浮萍的生长速度检测技术，具体是关于一种用于浮萍生长速度检测的高通量筛选方法。
背景技术
浮萍的种类众多，不同的浮萍品系由于所属种类和生长环境的不同，在生长和环境的适应能力上可能存在一定差异。在进行相关研究之前一般都需要对浮萍品系进行筛选。在浮萍品系筛选中，浮萍的生长速度是主要的指标。目前衡量浮萍生长速度的主要方法是记录浮萍重量的变化(干重和湿重)，然而称量重量的方法一般都需要破坏性取样，或者会对浮萍的自然生长产生干扰；且用这种方法筛选时，浮萍的初始用量和培养液的用量相对较大，需要较长的浮萍扩大培养时间和较多的培养液，工作量大。
由于浮萍植株为扁平的叶状体结构，其生长主要表现为叶状体横向的平面面积增长，而叶状体的纵向厚度在一定的生长条件下基本固定。因此，也可以通过测量浮萍叶状体面积的方法来衡量浮萍的生长速度。
以面积为浮萍衡量指标在早期就有相关的研究，但并没有见到具体的利用浮萍面积增长为衡量指标的批量的浮萍筛选方法。
发明内容
本发明的目的在于提供一种浮萍高通量筛选方法，用于在浮萍筛选时不造成破坏性取样，同时减少浮萍筛选的工作量。
为了实现上述目的，本发明提供一种浮萍高通量筛选方法，包括：
步骤一，获取不同品系浮萍的初始图像；
步骤二，根据所述初始图像截取单株浮萍图像，获取截取图像；
步骤三，对所述截取图像进行处理，获取浮萍的初始面积；
步骤四，重复步骤二～步骤三，获取一多孔板培养装置上各品系浮萍的初始面积；
步骤五，将所述多孔板培养装置和浮萍放入培养箱中，在相同的培养条件下培养一段时间后，获取浮萍图像；
步骤六，重复步骤二～步骤四获取培养一段时间后各品系浮萍的面积；
步骤七，根据各品系浮萍的初始面积、培养一段时间后各品系浮萍的面积以及培养时间获取各品系浮萍的面积增长速率。
所述的浮萍高通量筛选方法，其中，所述步骤一中，包括：
将不同品系浮萍放置于所述多孔板培养装置上，在所述多孔板培养装置的各个小孔中装入培养液，并将多品系的浮萍分别放置到各个孔中培养。
所述的浮萍高通量筛选方法，其中，所述步骤二中，包括：
所述截取单株浮萍图像是以所述多孔板培养装置的小孔为基准，截取小孔的外切正方形图像。
所述的浮萍高通量筛选方法，其中，所述步骤二中，包括：
当所述初始图像为多品系浮萍的完整图像时，所述单株浮萍图像为其中一个品系浮萍的完整规则图像。
所述的浮萍高通量筛选方法，其中，所述步骤二中，包括：
当所述初始图像为多品系浮萍的完整图像时，所述单株浮萍图像是其中一个品系浮萍以小孔的外切正方形为边缘的规则图像。
所述的浮萍高通量筛选方法，其中，所述步骤二中，包括：
当所述初始图像为一个品系浮萍的完整图像时，所述单株浮萍图像是该品系浮萍的以小孔的外切正方形为边缘的规则图像。
所述的浮萍高通量筛选方法，其中，所述步骤三中，包括：
对所述截取图像进行二值化处理，获取黑色区域、白色区域，白色区域是浮萍的图像区域；
计算所述截取图像中黑色区域、白色区域占总区域的比例，由所述单株浮萍图像的总面积乘以白色区域所占的比例，得到浮萍叶状体的面积。
所述的浮萍高通量筛选方法，其中，所述步骤三中，包括：
所述截取图像中每个像素点的灰度值介于0到255之间，将灰度值小于阈值的像素点的灰度值设置为0，将灰度值大于阈值的像素点的灰度值设置为255，得到黑色区域、白色区域。
所述的浮萍高通量筛选方法，其中，所述步骤三中，包括：
该阈值为127.5。
所述的浮萍高通量筛选方法，其中，所述步骤七中，以如下公式计算面积增长速率：
其中，Si0为第i品系浮萍的初始面积，i为第1品系浮萍至第N品系浮萍中的第i品系浮萍；Si为培养时间T后第i品系浮萍的面积。
与现有技术相比，本发明基于浮萍面积增长的特征提供了一种浮萍高通量筛选方法，使得在浮萍筛选时不造成破坏性取样，同时减少了浮萍筛选的工作量，具有以下优点：
本发明根据浮萍个体大小的特点，利用计算面积的方法建立浮萍的高通量筛选方法，鉴别浮萍的生长速度，不需要称重，因此就不需要破坏性取样，对浮萍的生长干扰较小。随着图像采集技术及图像数据处理技术的进步，利用Matlab软件，通过二值化法和面积比例法计算面积，这种方法越来越精确和简便，并被更好地用于表征浮萍的生长状态。
附图说明
图1是本发明浮萍高通量筛选方法流程图；
图2是本发明浮萍图像采集、截取、二值化处理的过程示意图。
具体实施方式
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
如图1所示，是本发明浮萍高通量筛选方法流程图。该流程是将多品系浮萍放到一多孔板培养装置上，采用图像面积处理法筛选，具体过程如下：
步骤101，首先，把不同品系浮萍放到一多孔板培养装置上，用相机正对着浮萍顶面拍照，记录浮萍的初始图像，储存到计算机中。
步骤102，其次，用photoshop或画图软件截取具有一定规则大小的单品系浮萍图像，以jpg格式或其它Matlab软件可识别的格式存储到计算机中。
步骤103，然后，利用Matlab软件对截取的图像进行处理，计算浮萍初始面积Si0，具体为：
①对截取的图像进行二值化处理：预设一灰度值的阈值，定义该图像中所有小于这个阈值的所有像素点的灰度值都为0，显示为黑色，该图像中大于这个阈值的所有像素点的灰度值都为255，显示为白色，显示白色的区域即是浮萍的图像区域；
所述灰度值的阈值设为127.5；
②面积的计算：利用Matlab软件，计算出截取的图像中黑、白区域占总区域的比例，用总面积乘以白色区域所占的比例，就得出白色区域的面积，即浮萍叶状体的面积，即浮萍初始面积Si0，总面积即规则大小的单株浮萍图像的面积。
步骤104，重复上述步骤102～步骤103，获取培养装置上各品系浮萍叶状体的初始面积Si0，i为第1品系浮萍至第N品系浮萍中的第i品系浮萍；
步骤105，把培养装置和浮萍一并放入到培养箱中，在相同的培养条件下培养一段时间T后，用相机正对浮萍顶面拍照，获得浮萍照片；
步骤106，重复步骤102～步骤104的方法计算生长一段时间T以后的不同品系浮萍的面积Si；
步骤107，通过计算不同品系浮萍面积增长的速率筛选出生长速度快的浮萍品系。面积增长速率Vi的计算公式为：
所述培养装置为一多孔板培养装置，多品系浮萍同期放置到多孔板培养装置中培养，以便批量筛选。
在步骤101中，相机拍下的可以是包含孔板上所有品系浮萍的完整图像，步骤102中截取的是其中一个小孔里单品系浮萍的完整规则图像。
在步骤101中，相机拍下的也可以是多孔板上的部分品系浮萍的完整图像，步骤102中截取的是其中一个小孔里单品系浮萍的完整规则图像。
在步骤102中，所述截取具有一定规则大小的单品系浮萍图像，是以多孔板培养装置的小孔为基准，截取小孔的外切正方形图像。
如图2所示，是本发明浮萍图像采集、截取、二值化处理的过程示意。
在图2中，将多品系浮萍1放到同一培养装置2上，进行同期培养，观察在相同的生长时间内其生长状况，筛选出生长良好的品种。培养装置采用多孔培养方式，各小孔中可以分放不同的培养液，同时也可以分养不同的浮萍品系，因此，既可以观察相同品系浮萍在不同生长环境下的生长情况，也可以观察不同品系浮萍在相同生长环境下的生长情况。
对多品系浮萍的同期培养，可以实现高通量的筛选检测。
结合图1、2，进一步通过实施例来描述本发明浮萍高通量筛选方法的过程，该实施例所描述的筛选方法是基于多株浮萍同期同环境培养的前提下进行的，这样可以进行批量(高通量)筛选，筛选方法采用图像面积处理法，过程具体如下：
1、首先是浮萍初始图像的采集
用相机拍摄浮萍叶状体的照片，要求尽量把所有浮萍的完整叶状体图像都拍到，存储到计算机中。拍照时应使得相机的位置相对固定，相机正对着浮萍顶面自上而下拍照，且镜头应尽量保持水平。在拍照之前应使浮萍生长的小孔中加满水。
2、图像的截取
主要是把不同品系的浮萍初始图像分别截取出来，成为规则大小的图像，利用photoshop或画图软件截取均可。
截取过程中应尽量在放大一定倍数下进行，截取的图像为正方形。这种正方形是小孔的外切正方形，这样方便计算。截取后把图像另存为jpg格式或其它Matlab软件可识别的格式。
3、图像的处理
利用Matlab软件对截取的图像进行处理，计算浮萍生长面积。
(1)首先用软件对截取的图像进行二值化处理：
图像上每个像素点的灰度值(或者称为亮度)都是在0到255范围之内变化。进行图像的二值化处理，就是根据预设的一个阈值，图像中灰度值小于这个值的所有像素点的灰度值都被赋予为0，而图像中灰度值大于这个值的所有像素点的灰度值都被赋予为255，即分别对应黑色和白色，把图像制成黑白图像。因此，根据二值化法，计算机可以根据预设的阈值把浮萍和周围的物体区分开来，把浮萍的部分显示为白色，其他部分显示为黑色。阈值的选取的方法比较多，这里可以根据经验值，把浮萍灰度值的阈值设定为127.5，所有大于127.5的灰度值都定义为255，显示为白色，即浮萍；所有小于127.5的灰度值都定义为0，显示为黑色，即浮萍周围的空白区域。
(2)面积的计算
利用Matlab软件，可以通过设定的程序，计算出每幅图像中黑、白区域占总区域的比例，而总区域的面积就是所截取的图像的总面积，用总面积乘以白色区域所占比例，从而可以得到白色区域的面积，也就是浮萍叶状体的初始面积Si0，i是表示从第一株到第N株浮萍。
4、浮萍的培养及浮萍的筛选
把培养装置和浮萍一并放入培养箱中，在相同的培养条件下培养一段时间T后，采用上述相同的方法用相机正对浮萍顶面拍照，然后获得浮萍的初始图像，用相同的面积计算方法计算生长一段时间T以后的不同品系浮萍的面积Si。通过计算不同品系浮萍面积增长的速率筛选出生长速度快的浮萍株系，面积增长速率Vi的计算公式为：
对于这种面积计算方法经过了实验验证：
(1)实验方法
取带有36孔板的培养装置，在任意选择的16个孔中加满水，取一株浮萍放入其中一个孔中，并用相机拍照，记录图像数据；再把这株浮萍转移到另一个孔中，同样记录图像数据。共进行16次。采集后的图像用Matlab软件处理计算浮萍叶状体的面积。
(2)实验结果
用Matlab软件计算的浮萍面积数据见下表1。Matlab计算的标准偏差为0.99％，计算精密度较高。
表1
本发明提供一种浮萍高通量筛选方法，根据浮萍个体大小的特点，利用计算面积的方法建立浮萍的高通量筛选方法，鉴别浮萍的生长速度，不需要称重，因此就不需要破坏性取样，对浮萍的生长干扰较小。随着图像采集技术及图像数据处理技术的进步，利用Matlab软件，通过二值化法和面积比例法计算面积，这种方法越来越精确和简便，并被更好地用于表征浮萍的生长状态。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种基于浮萍个体大小特点实现的浮萍高通量筛选方法，其特征在于，包括：
步骤一，获取不同品系浮萍的初始图像；
步骤二，根据所述初始图像截取单株浮萍图像，获取截取图像；
步骤三，对所述截取图像进行处理，获取浮萍的初始面积；
步骤四，重复步骤二～步骤三，获取一多孔板培养装置上各品系浮萍的初始面积；
步骤五，将所述多孔板培养装置和浮萍放入培养箱中，在相同的培养条件下培养一段时间后，获取浮萍图像；
步骤六，重复步骤二～步骤四获取培养一段时间后各品系浮萍的面积；
步骤七，根据各品系浮萍的初始面积、培养一段时间后各品系浮萍的面积以及培养时间获取各品系浮萍的面积增长速率。
2.根据权利要求1所述的浮萍高通量筛选方法，其特征在于，所述步骤一中，包括：
将不同品系浮萍放置于所述多孔板培养装置上，在多孔板培养装置的各个小孔中装入培养液，并将多品系的浮萍分别放置到各个孔中培养。
3.根据权利要求2所述的浮萍高通量筛选方法，其特征在于，所述步骤二中，包括：
所述截取单株浮萍图像是以所述多孔板培养装置的小孔为基准，截取小孔的外切正方形图像。
4.根据权利要求2所述的浮萍高通量筛选方法，其特征在于，所述步骤二中，包括：
当所述初始图像为多品系浮萍的完整图像时，所述单株浮萍图像为其中一个品系浮萍的完整规则图像。
5.根据权利要求2所述的浮萍高通量筛选方法，其特征在于，所述步骤二中，包括：
当所述初始图像为多品系浮萍的完整图像时，所述单株浮萍图像是其中一个品系浮萍以小孔的外切正方形为边缘的规则图像。
6.根据权利要求2所述的浮萍高通量筛选方法，其特征在于，所述步骤二中，包括：
当所述初始图像为一个品系浮萍的完整图像时，所述单株浮萍图像是该品系浮萍的以小孔的外切正方形为边缘的规则图像。
7.根据权利要求1-6任一所述的浮萍高通量筛选方法，其特征在于，所述步骤三中，包括：
对所述截取图像进行二值化处理，获取黑色区域、白色区域，白色区域是浮萍的图像区域；
计算所述截取图像中黑色区域、白色区域占总区域的比例，由所述单株浮萍图像的总面积乘以白色区域所占的比例，得到浮萍叶状体的面积。
8.根据权利要求7所述的浮萍高通量筛选方法，其特征在于，所述步骤三中，包括：
所述截取图像中每个像素点的灰度值介于0到255之间，将灰度值小于阈值的像素点的灰度值设置为0，将灰度值大于阈值的像素点的灰度值设置为255，得到黑色区域、白色区域。
9.根据权利要求8所述的浮萍高通量筛选方法，其特征在于，所述步骤三中，包括：
该阈值为127.5。
10.根据权利要求1-6、8、9任一所述的浮萍高通量筛选方法，其特征在于，所述步骤七中，以如下公式计算面积增长速率：
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mn>0</mn>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>T</mi>
</mrow>
</mfrac>
</mrow>
其中，Si0为第i品系浮萍的初始面积，i为第1品系浮萍至第N品系浮萍中的第i品系浮萍；Si为培养时间T后第i品系浮萍的面积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410614408.8A CN104700394B (zh) | 2014-11-04 | 2014-11-04 | 一种浮萍高通量筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410614408.8A CN104700394B (zh) | 2014-11-04 | 2014-11-04 | 一种浮萍高通量筛选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104700394A CN104700394A (zh) | 2015-06-10 |
| CN104700394B true CN104700394B (zh) | 2018-05-04 |
Family
ID=53347478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410614408.8A Active CN104700394B (zh) | 2014-11-04 | 2014-11-04 | 一种浮萍高通量筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104700394B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010272097A (ja) * | 2009-05-22 | 2010-12-02 | Advanced Systems Co Ltd | 緑視率測定装置、方法及びプログラム |
| CN102507580A (zh) * | 2011-10-19 | 2012-06-20 | 南昌大学 | 一种基于理想化细胞半径定量测量细胞铺展速率的方法 |
-
2014
- 2014-11-04 CN CN201410614408.8A patent/CN104700394B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010272097A (ja) * | 2009-05-22 | 2010-12-02 | Advanced Systems Co Ltd | 緑視率測定装置、方法及びプログラム |
| CN102507580A (zh) * | 2011-10-19 | 2012-06-20 | 南昌大学 | 一种基于理想化细胞半径定量测量细胞铺展速率的方法 |
Non-Patent Citations (4)
| Title |
|---|
| An image processing technique for automatically detecting forest fire;Jerome Vicente等;《International Journal of Thermal Science》;20021231;第1113-1120页 * |
| 基于图像处理的植物叶面面积计算算法研究;马丽等;《安徽农业科学》;20111231;第39卷(第25期);第15812-15814页 * |
| 基于数字图像处理的植物叶面积测量方法;左欣等;《计算机工程与应用》;20061231(第27期);第194-197页 * |
| 红外图像型智能火灾探测系统的研究与实现;邬晓琳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130615(第06期);第4-5页，第40-42页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104700394A (zh) | 2015-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mazhar et al. | Seed size and shape analysis of registered common bean (Phaseolus vulgaris L.) cultivars in Turkey using digital photography | |
| CN113222991A (zh) | 基于深度学习网络的田间麦穗计数以及小麦产量预测 | |
| RU2014102263A (ru) | Устройство для скрининга экземпляров растений | |
| CN102763573A (zh) | 一种土壤栽培条件下植物根系原位动态观测装置和系统及观测方法 | |
| CN206146778U (zh) | 一种SoilTron‑Pheno植物表型观测蒸渗仪 | |
| CN101903532A (zh) | 细胞观察的图像解析方法、图像处理程序和图像处理装置 | |
| CN108120402A (zh) | 一种基于Photoshop软件测定植物叶面积的方法 | |
| CN102331244A (zh) | 利用普通数码相机获取水稻冠层叶面积指数的方法 | |
| CN109284771A (zh) | 一种番茄生长模型判定方法及装置 | |
| Medeiros et al. | SAPL®: a free software for determining the physiological potential in soybean seeds1 | |
| CN102109471A (zh) | 农作物冠层覆盖度与土壤面源污染物输出强度关系的定量评估方法 | |
| CN104137761A (zh) | 一种用于研究根系应对垂直障碍的试验装置及其试验方法 | |
| CN112698009A (zh) | 模拟土壤动物修复受损农田土壤的实验装置及实验方法 | |
| Bao et al. | A new method for the rapid characterization of root growth and distribution using digital image correlation | |
| CN113933450A (zh) | 一种海洋生态系统海草床固碳能力估算方法 | |
| CN104700394B (zh) | 一种浮萍高通量筛选方法 | |
| DoVale et al. | Root phenomics | |
| CN205830505U (zh) | 一种根系培养与形态分布观测的试验装置 | |
| CN114967798A (zh) | 一种基于互联网的天麻种植管理控制系统 | |
| CN103210864A (zh) | 一种基于生长积温划分短蛸胚胎发育阶段的方法 | |
| CN104568881B (zh) | 荧光显微筛检生长快和油脂高的微藻单细胞的方法 | |
| JP2017003475A (ja) | 微細藻類成分量測定方法およびその装置 | |
| CN107315720A (zh) | 基于物联网技术的石斛生态因子多元线性回归分析方法 | |
| CN109632558A (zh) | 一种基于离散元的软体蛆料参数获取方法 | |
| CN106011029A (zh) | 微生物平板培养方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |