CN104952081A - 一种基于极值差分统计特征的cog偏移检测方法 - Google Patents

一种基于极值差分统计特征的cog偏移检测方法 Download PDF

Info

Publication number
CN104952081A
CN104952081A CN201510424823.1A CN201510424823A CN104952081A CN 104952081 A CN104952081 A CN 104952081A CN 201510424823 A CN201510424823 A CN 201510424823A CN 104952081 A CN104952081 A CN 104952081A
Authority
CN
China
Prior art keywords
image
value
cog
difference
region
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
Application number
CN201510424823.1A
Other languages
English (en)
Other versions
CN104952081B (zh
Inventor
刘霖
何岗
谢煜
胡勇
梁翔
倪光明
刘鹏
张静
刘娟秀
刘永
叶玉堂
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510424823.1A priority Critical patent/CN104952081B/zh
Publication of CN104952081A publication Critical patent/CN104952081A/zh
Application granted granted Critical
Publication of CN104952081B publication Critical patent/CN104952081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/1306—Details
    • G02F1/1309—Repairing; Testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Nonlinear Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

该发明公开了一种基于极值差分统计特征的COG偏移检测方法，属于数字图像处理领域，具体涉及一种COG检测方法。本发明根据BUMP引脚压合区域的灰度梯度及位置特征，进行特征重组，再通过区域梯度场的量化，避开了大量的数据运算，在运算速度上完全能跟上实际的生产节拍。采用最小二乘法拟合多组计算数据，本方法检测正确率很高，能取代人工的电气检测和显微镜检测，可以广泛应用于COG生产中的自动光学检测。

Description

一种基于极值差分统计特征的COG偏移检测方法
技术领域
本发明属于数字图像处理领域，具体涉及一种COG检测方法。
背景技术
Chip-On-Glass(COG)互连，即驱动器IC接合在与覆盖有各向异性导电液膜(ACF)的玻璃基板(ITO)上，是用于液晶显示器(LCD)的共同使用的封装的过程，也就是COG Bonding过程。其中ACF是一种类似于胶带组成的粘合剂环氧基体和导电粒子组成，导电粒子是金属涂覆的聚合物球体，直径3～5微米,粘合剂是热固性树脂。导电互连是通过芯片凸块和相应的基底衬垫之间捕集的导电粒子实现的，同时粘合基质提供了稳定的密合性及固化后的电绝缘性。
COG Bonding偏移检测是判断LCD屏线路导电互连的关键标准。通常的检测方法是将LCM生产工艺中经过COG Bonding后的玻璃放置在金相显微镜下，由现场技术人员观察偏移尺寸。这种检查方式是凭借技术人员自身的知识和经验判断具体的尺寸，掺杂了较多主观因素，存在效率和精度的不足，不能给出一个准确的量化数据。随着计算机数字图像技术的不断发展，利用配合机器视觉技术的自动化系统检测已经成为趋势，使用计算机自动处理代替人工处理可以提高检测效率和检测精度。通过包含有微分干涉模块(DIC)的图像采集系统对COG Bonding后的玻璃采集图像，通过图像极值差分的统计特征，利用计算机自动检测，快速有效地检测出COG Bonding偏移，避免了人工检测速度慢，劳动强度大，易受主观因素影响等缺点。
发明内容：
本发明的目的是针对COG Bonding偏移检测中现有技术的不足，设计了一种基于极值差分统计特征的COG偏移检测方法，从而达到简便、高效、准确的检测出COG Bonding偏移的目的。
本发明技术方案是一种基于极值差分统计特征的COG偏移检测方法，该方法包括如下步骤：
步骤1：采集图像；
步骤2：将步骤1获取的图像向右旋转90度；
步骤3：对步骤2获取的图像做框选操作，得到COG Bonding区域的裁剪矩形，根据裁剪矩形将图像进行裁剪；
步骤4：对步骤3获取的图像二值化；
步骤5：对步骤4获取的二值化图像中白色连通区域进行标记，记录各个连通区域的位置；
步骤6：对步骤5获取的图像计算每个连通区域的面积，并进行面积大小比对，留下最大面积连通区域，删除其他连通区域，获取到最大连通区域图像；
步骤7：对步骤6获取的最大连通区域图像记录其白色像素的坐标，复制出步骤3获取的图像在相同坐标对应的区域的ITO引脚图像；
步骤8：对步骤7获取的ITO引脚图像使用均值滤波器减小噪声，获取到去噪之后的图像；
步骤9：对步骤8获取的去噪图像，计算像素指定邻域的极大值与极小值，并将极大值与极小值的差值作为极值差分图像的对应位置像素的灰度值，获取到极值差分图像；
步骤10：对步骤9获取的极值差分图像做统计操作，计算图像每一列的均值与方差，获取到长度与图像宽度一样的一维数组；
步骤11：对步骤10获取的一维数组，计算数组指定邻域的极大值与极小值，并将该极大值与极小值的差值作为极值差分数组的对应位置数据的值，获取到极值差分数组；；
步骤12：对步骤11获取的极值差分数组，得到该数组的满足COG Bongding BUMP区域左右边的局部极大值点与局部极小值点的索引，即对应BUMP区域的左右边，获取到包含有BUMP区域的左右边坐标信息的一维数组；
步骤13：根据步骤12获取的一维数组，计算出对应的Bump区域左右中心，获取到包含有BUMP区域的中心X坐标信息的一维数组；
步骤14：根据步骤13获取的一维数组，计算出所有BUMP区域中心的中心X坐标的值，并与步骤7获取的ITO引脚图像的宽度的一半，即ITO区域的中心X坐标做比对，二者之间的差值为COG Bonding偏移尺寸。
其中步骤4的具体步骤为：
步骤4-1：对灰度图像进行直方图均衡校正，得到校正图像；
步骤4-2：对校正图像使用最大类间方差法得到的灰度阈值；
步骤4-3：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值255，若小于阈值则对该点灰度赋值0，得到二值图像；
步骤6的具体步骤为：
步骤6-1：计算连通区域的面积，经过面积筛选保留面积最大的连通区域；
步骤6-2：对剩下的连通区域做填充操作；
步骤9的具体步骤为：
步骤9-1：计算像素3*3邻域内的极大值与极小值；
步骤9-2：将对应像素的邻域极大值减去极小值，得到差值；
步骤9-3：重复步骤9-1，步骤9-2，遍历图像，得到差分图像；
步骤12的具体步骤为：
步骤12-1：经过局部极大值筛选，保留极大值在0.6之上的极大值；
步骤12-2：经过局部极小值筛选，保留极小值在0.2之下的极小值；
步骤12-3：经过相邻局部极大极小差值筛选，保留局部极大极小差值在0.7之下的极大值，极小值；
通过本发明一种基于极值差分统计特征的COG偏移检测方法，实现了以高效准确的方式数量化COG Bonding偏移尺寸。本发明具有检测精度高，检测效率快，操作简便，数量化偏移尺寸等优点，能取代人工的电气检测和显微镜检测，可以广泛应用于COG Bongding生产中的自动光学检测，避免了人工检测速度慢，操作复杂，易受主观因素影响等缺点。
附图说明：
图1是本发明的一种基于极值差分统计特征的COG Bonding偏移的自动检测方法的流程图。
具体实施方式：
本发明像素精度可以达到0.7微米，检测精度可以达到亚像素精度0.35微米，检测效率可以达到0.1秒，实现了以高效准确的方式数量化COG Bonding偏移尺寸。下面结合附图，对本发明的一种基于极值差分统计特征的COG Bonding偏移的自动检测方法进行详细说明：
步骤1：通过线阵相机采集图像，获取到图像Image_1；
步骤2：将步骤1获取的图像Image_1向右旋转90度，得到旋转后的图像Image_2；
步骤3：对步骤2获取的图像Image_2上做框选操作，得到COG Bonding区域的裁剪矩形，根据裁剪矩形将图像裁剪获取到裁剪后的图像Image_3；
步骤4：对步骤3获取的图像Image_3做二值化操作，获取到二值化图像Image_4；
步骤4-1：对灰度图像进行直方图均衡校正，得到校正图像；
步骤4-2：对校正图像使用最大类间方差法得到的灰度阈值；
步骤4-3：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值255，若小于阈值则对该点灰度赋值0，得到二值图像。
步骤5：对步骤4获取的图像Image_4中白色连通区域进行标记，记录各个连通区域的位置，得到标记图像Image_5；
步骤6：对步骤5获取的图像Image_5计算每个连通区域的面积，并进行面积大小比对，留下最大面积连通区域，删除其他连通区域，获取到最大连通区域图像Image_6；
步骤6-1：计算连通区域的面积，经过面积筛选保留面积最大的连通区域；
步骤6-2：对剩下的连通区域做填充操作；
步骤7：对步骤6获取的图像Image_6记录其白色像素的坐标，复制出步骤3获取的图像Image_3在相同坐标对应的区域的ITO引脚图像Image_7；
步骤8：对步骤7获取的图像Image_7使用均值滤波器减小噪声，获取到去噪之后的图像Image_8；
步骤9：对步骤8获取的图像Image_8，计算像素指定邻域的极大值Gray_Max与极小值Gray_Min，并将Gray_Max与Gray_Min的差值Gray_Diff作为极值差分图像的对应位置像素的灰度值，获取到极值差分图像Image_9；
步骤9-1：计算像素3*3邻域内的极大值与极小值；
步骤9-2：将对应像素的邻域极大值减去极小值，得到差值；
步骤9-3：重复步骤9-1，步骤9-2，遍历图像，得到差分图像；
步骤10：对步骤9获取的图像Image_9做统计操作，计算图像每一列的均值与方差，获取到长度与图像宽度一样的一维数组Array_10；
步骤11：对步骤10获取的一维数组Array_10，计算数据指定邻域的极大值Value_Max与极小值Value_Min，并将Value_Max与Value_Min的差值Value_Diff作为极值差分数组的对应位置数据的值，获取到极值差分数组Array_11；；
步骤12：对步骤11获取的一维数组Array_11，得到该数组的满足COG Bongding BUMP区域左右边的局部极大值点与局部极小值点的索引，即对应BUMP区域的左右边，获取到包含有BUMP区域的左右边坐标信息的一维数组BumpEdgeArray_12；
步骤12-1：经过局部极大值筛选，保留极大值在0.6之上的极大值；
步骤12-2：经过局部极小值筛选，保留极小值在0.2之下的极小值；
步骤12-3：经过相邻局部极大极小差值筛选，保留局部极大极小差值在0.7之下的极大值，极小值；
步骤13：根据步骤12获取的BumpEdgeArray_12，计算出对应的Bump区域左右中心，获取到包含有BUMP区域的中心X坐标信息的一维数组BumpCenterArray_13；
步骤14：根据步骤13获取的BumpCenterArray_13，计算出所有BUMP区域中心的中心X坐标的值BumpCenterX_14，并与步骤7获取的ITO引脚图像Image_7的宽度的一半，即ITO区域的中心X坐标ITOCenterX_14做比对，二者之间的差值即为COG Bonding偏移尺寸。

Claims (5)

1.一种基于极值差分统计特征的COG偏移检测方法，该方法包括如下步骤：
步骤1：采集图像；
步骤2：将步骤1获取的图像向右旋转90度；
步骤3：对步骤2获取的图像做框选操作，得到COG Bonding区域的裁剪矩形，根据裁剪矩形将图像进行裁剪；
步骤4：对步骤3获取的图像二值化；
步骤5：对步骤4获取的二值化图像中白色连通区域进行标记，记录各个连通区域的位置；
步骤6：对步骤5获取的图像计算每个连通区域的面积，并进行面积大小比对，留下最大面积连通区域，删除其他连通区域，获取到最大连通区域图像；
步骤7：对步骤6获取的最大连通区域图像记录其白色像素的坐标，复制出步骤3获取的图像在相同坐标对应的区域的ITO引脚图像；
步骤8：对步骤7获取的ITO引脚图像使用均值滤波器减小噪声，获取到去噪之后的图像；
步骤9：对步骤8获取的去噪图像，计算像素指定邻域的极大值与极小值，并将极大值与极小值的差值作为极值差分图像的对应位置像素的灰度值，获取到极值差分图像；
步骤10：对步骤9获取的极值差分图像做统计操作，计算图像每一列的均值与方差，获取到长度与图像宽度一样的一维数组；
步骤11：对步骤10获取的一维数组，计算数组指定邻域的极大值与极小值，并将该极大值与极小值的差值作为极值差分数组的对应位置数据的值，获取到极值差分数组；；
步骤12：对步骤11获取的极值差分数组，得到该数组的满足COG Bongding BUMP区域左右边的局部极大值点与局部极小值点的索引，即对应BUMP区域的左右边，获取到包含有BUMP区域的左右边坐标信息的一维数组；
步骤13：根据步骤12获取的一维数组，计算出对应的Bump区域左右中心，获取到包含有BUMP区域的中心X坐标信息的一维数组；
步骤14：根据步骤13获取的一维数组，计算出所有BUMP区域中心的中心X坐标的值，并与步骤7获取的ITO引脚图像的宽度的一半，即ITO区域的中心X坐标做比对，二者之间的差值为COG Bonding偏移尺寸。
2.如权利要求1所述的一种基于极值差分统计特征的COG偏移检测方法，其特征在于步骤4的具体步骤为：
步骤4-1：对灰度图像进行直方图均衡校正，得到校正图像；
步骤4-2：对校正图像使用最大类间方差法得到的灰度阈值；
步骤4-3：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值255，若小于阈值则对该点灰度赋值0，得到二值图像；
3.如权利要求1所述的一种基于极值差分统计特征的COG偏移检测方法，其特征在于步骤6的具体步骤为：
步骤6-1：计算连通区域的面积，经过面积筛选保留面积最大的连通区域；
步骤6-2：对剩下的连通区域做填充操作；
4.如权利要求1所述的一种基于极值差分统计特征的COG偏移检测方法，其特征在于步骤9的具体步骤为：
步骤9-1：计算像素3*3邻域内的极大值与极小值；
步骤9-2：将对应像素的邻域极大值减去极小值，得到差值；
步骤9-3：重复步骤9-1，步骤9-2，遍历图像，得到差分图像；
5.如权利要求1所述的一种基于极值差分统计特征的COG偏移检测方法，其特征在于步骤12的具体步骤为：
步骤12-1：经过局部极大值筛选，保留极大值在0.6之上的极大值；
步骤12-2：经过局部极小值筛选，保留极小值在0.2之下的极小值；
步骤12-3：经过相邻局部极大极小差值筛选，保留局部极大极小差值在0.7之下的极大值，极小值。
CN201510424823.1A 2015-07-20 2015-07-20 一种基于极值差分统计特征的cog偏移检测方法 Active CN104952081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510424823.1A CN104952081B (zh) 2015-07-20 2015-07-20 一种基于极值差分统计特征的cog偏移检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510424823.1A CN104952081B (zh) 2015-07-20 2015-07-20 一种基于极值差分统计特征的cog偏移检测方法

Publications (2)

Publication Number Publication Date
CN104952081A true CN104952081A (zh) 2015-09-30
CN104952081B CN104952081B (zh) 2018-01-12

Family

ID=54166709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510424823.1A Active CN104952081B (zh) 2015-07-20 2015-07-20 一种基于极值差分统计特征的cog偏移检测方法

Country Status (1)

Country Link
CN (1) CN104952081B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303573A (zh) * 2015-10-26 2016-02-03 广州视源电子科技股份有限公司 金针类元件的引脚检测方法和系统
CN109816653A (zh) * 2019-01-28 2019-05-28 宁波舜宇仪器有限公司 一种用于导电粒子检测的方法
CN111445491A (zh) * 2020-03-24 2020-07-24 山东智翼航空科技有限公司 微型无人机三邻域极大差值边缘检测狭道导引算法
CN111768410A (zh) * 2019-05-22 2020-10-13 北京沃东天骏信息技术有限公司 图像处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008077379A (ja) * 2006-09-21 2008-04-03 Seiko Epson Corp 画像検出装置、画像検出方法及び画像検出プログラム
CN103150735A (zh) * 2013-03-26 2013-06-12 山东大学 一种基于灰度差值平均的图像边缘检测方法
CN104729961A (zh) * 2015-03-27 2015-06-24 电子科技大学 一种各向异性导电膜中粒子的检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008077379A (ja) * 2006-09-21 2008-04-03 Seiko Epson Corp 画像検出装置、画像検出方法及び画像検出プログラム
CN103150735A (zh) * 2013-03-26 2013-06-12 山东大学 一种基于灰度差值平均的图像边缘检测方法
CN104729961A (zh) * 2015-03-27 2015-06-24 电子科技大学 一种各向异性导电膜中粒子的检测方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303573A (zh) * 2015-10-26 2016-02-03 广州视源电子科技股份有限公司 金针类元件的引脚检测方法和系统
CN105303573B (zh) * 2015-10-26 2018-05-25 广州视源电子科技股份有限公司 金针类元件的引脚检测方法和系统
CN109816653A (zh) * 2019-01-28 2019-05-28 宁波舜宇仪器有限公司 一种用于导电粒子检测的方法
CN111768410A (zh) * 2019-05-22 2020-10-13 北京沃东天骏信息技术有限公司 图像处理方法和装置
CN111768410B (zh) * 2019-05-22 2024-04-05 北京沃东天骏信息技术有限公司 图像处理方法和装置
CN111445491A (zh) * 2020-03-24 2020-07-24 山东智翼航空科技有限公司 微型无人机三邻域极大差值边缘检测狭道导引算法
CN111445491B (zh) * 2020-03-24 2023-09-15 山东智翼航空科技有限公司 微型无人机三邻域极大差值边缘检测狭道导引方法

Also Published As

Publication number Publication date
CN104952081B (zh) 2018-01-12

Similar Documents

Publication Publication Date Title
CN104952081A (zh) 一种基于极值差分统计特征的cog偏移检测方法
CN103558229B (zh) 一种tft-lcd制程的mura视觉自动检测方法及装置
TWI549482B (zh) 用於相機之檢測方法
CN104729961B (zh) 一种各向异性导电膜中粒子的检测方法
CN103134785A (zh) 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法
CN101059459A (zh) 显微热成像方法及其装置
KR102009740B1 (ko) 표시패널 검사 장치 및 그 방법
CN104732900A (zh) 像素缺陷检测方法和装置
CN112014413A (zh) 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法
WO2020098181A1 (zh) 一种液晶面板缺陷检测方法及其系统
CN104749801B (zh) 高精度自动光学检测方法和系统
CN107730510B (zh) 一种结合LTCD和Hu不变矩的COG中bump的分割方法
CN112419229A (zh) 一种显示屏线状缺陷检测方法、装置及存储介质
CN115018702A (zh) 高分辨光场图像重建方法、装置、电子设备及存储介质
CN109829912B (zh) Tft阵列基板的缺陷检测方法
CN107577070B (zh) 获取液晶显示面板缺陷位置的方法及液晶显示面板缺陷定位装置
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
CN202177587U (zh) 基于机器视觉技术的滤纸缺陷检测系统
CN113112396B (zh) 导电粒子的检测方法
CN203101022U (zh) 一种中继镜检测装置
CN109751959B (zh) 线宽测量方法
WO2015100757A1 (zh) 基于ccd相机的lcd全灰阶数据采集方法
CN106651869B (zh) 一种基于局部投影的ito分割方法
Qian et al. Sub-Pixel defect detection for super large LCD images using quadrant gradient operator
CN110660043A (zh) 异方性导电膜绑定后导电粒子数目的快速检测方法及装置

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