CN104964946A - 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 - Google Patents
基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 Download PDFInfo
- Publication number
- CN104964946A CN104964946A CN201510122299.2A CN201510122299A CN104964946A CN 104964946 A CN104964946 A CN 104964946A CN 201510122299 A CN201510122299 A CN 201510122299A CN 104964946 A CN104964946 A CN 104964946A
- Authority
- CN
- China
- Prior art keywords
- monochromator
- vegetable
- light
- fruit
- concentration
- 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
Abstract
本发明属于食品卫生安全检测技术领域,具体为一种基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法。本发明装置包括光源、单色仪、探测器以及数字信号处理系统;光源用于产生特定波长的辐射光束,辐射光束经过探测器探头照射到蔬菜水果洗涤液表面,由洗涤液返回的漫反射光经探测器探头送至单色仪;单色仪从光源中或从连续光谱中分离出不同波长的单色光;探测器用于检测经单色仪筛选出的特定光信号,并将其转变为电信号,最终以数字信号形式输出;数字信号处理系统对采集到的数字信号进行处理,得到某一表征体征的物质含量。本发明可方便、快捷地检测蔬菜水果中所残留的汞离子、铜离子等重金属离子等各物质。
Description
技术领域
本发明属于食品卫生安全检测技术领域,具体涉及一种蔬菜水果农药化肥残留检测装置及检测方法。
背景技术
近红外光谱分析法是一种可用于多组份同时测定、无损、快速检测的分析方法。近红外光谱是指波长介于可见区和中红外区之间的电磁波,是人们在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团(O-H、N-H、C-H)振动的合频和各级倍频的吸收区一致,通过扫描样品的近红外光谱,可以得到样品中有机分子含氢基团的特征信息,近红外光谱化学信息比较丰富,当同一基团或不同基团所在的化学环境不同时,它们对近红外光吸收的波长与强度也有明显区别。而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低,不破坏样品,不消耗化学试剂,不污染环境等优点,因此该技术受到越来越多人的青睐。漫反射光是光源发出的光进入样品内部经过多次反射、折射,衍射及吸收后返回样品表面的光,因此漫反射光负载了样品的化学组成和结构信息。反之,如果在经过大量的检测之后得到与特定化学物质相对应的特定漫反射光的光学参数,即可通过对该种漫反射光的检测来得知特定物质的浓度。
近年来随着农民生产积极性的空前高涨和粮食种植面积的逐渐扩大,农药的施用量也逐年增加,但是随着农药的长期施用,单位面积的施用量逐年增加,生产成本越来越大,同时也严重地危害人们的身体健康。农药在人体内不断积累,短时间内虽不会引起人体出现明显急性中毒症状,但可产生慢性危害,如:有机磷和氨基甲酸酯类农药可抑制胆碱酯酶活性,破坏神经系统的正常功能。有机磷类农药作为神经毒物,还会引起神经功能紊乱、震颤、精神错乱、语言失常等表现。农药残留物的种类与数量与农药的化学性质、结构等特点有关。农药的残留性越大,在食品中的残留量越多,对人体的危害也越大。残留在食品中的农药不仅可以引起人的急性中毒,还具有慢性毒性,特别是致癌、致畸、致突变及对后代的影响,已越来越引起人们的重视。因此如何实现方便可靠地对蔬菜水果中农药化肥的残留进行检测就有着十分重要的意义。
本发明是基于近红外光谱分析进而确定农药化肥残留含量的新技术,该技术可以对蔬菜水果洗涤液中残留的农药化肥的成分进行快速的检测,从而减小农药化肥对人体的危害,提高生活质量,对人们健康生活和社会发展有着重要的意义。
发明内容
本发明的目的在于提出一种基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法。
本发明提出的基于近红外光谱分析的蔬菜水果农药化肥残留检测装置,其结构如图1所示,包括光源、单色仪、探测器以及数字信号处理系统。其中,所述光源(图1中模块5,可以但不局限于卤钨灯),用于产生足够功率的辐射光束, 辐射光束经过探测器探头照射到待测液体样品表面,由待测样品返回的漫反射光经由探测器探头送至单色仪(图1中模块2);所述单色仪是用来从具有复杂光谱组成的光源中或从连续光谱中分离出不同波长的单色光的仪器,单色仪使能够表征某一物质的特定波长的漫反射光通过,并滤除掉其他的光线;单色仪并不对入射的辐照光束与多种漫反射光分别处理,而是对入射的辐照光束一次性筛选出能够表征所要检测物质含量指标的散射光;所述探测器(图1中模块3)由光敏元件构成,用于检测经单色仪筛选出的特定光信号,并将光信号转变为电信号,最终以数字信号形式输出;所述数字信号处理系统(图1中模块4)对采集到的数字信号进行处理,从而得出相对应的表征某一物质的含量。
本发明中,所述单色仪可以是但不局限于一套光学参数不同的棱镜单色仪、光栅单色仪或者滤光片分光单色仪。
本发明中,所述数据处理系统作用是对电信号进行处理,并得到相应农药化肥成分的浓度值。整个数据处理系统可集成在单片机中。
本发明中,装置利用近红外光谱分析的方法,可以在经过大量的检测之后得到与特定化学物质相对应的特定漫反射光的光学参数,即可通过对该种漫反射光的逆向检测来得知洗涤液样品中该种物质的浓度。
本发明中,数据处理系统在使用前应先针对每一种被测物质测定一系列参数值,得到漫反射光强度与该物质活性浓度的函数关系,建立关联模型,进而对洗涤液样品进行检测。
本发明中,用于近红外光谱分析的近红外光处理元件的特点是仅能够筛选出波长一定的漫反射光,无需对入射光和出射光进行分别处理,因此体积小巧。使用时通过更换已经调制好的相应的单色仪即可实现对检测物质的转换。因此检测装置便携,检测物质灵活多样。
本发明中,探测器功能是将筛选过的特定波长的漫反射光信号转换为电信号,因此仅需处理某一特定波长的漫反射光信号,无需在一定波长范围内进行扫描。
本发明装置利用近红外光谱分析方法,可用于对瓜果蔬菜洗涤液中残留的农药化肥成分如有机磷、有机氯以及汞离子等重金属的检测,由于对分光系统即单色仪和探测器进行了简单化处理,整个系统结构简单,能够集成在很小的一个装置中,并且可以通过更换相应结构实现检测多种物质的目的。因此本发明具有功能多样、检测过程简便及装置易于携带等特点。
本发明提供的基于近红外光谱分析的蔬菜水果农药化肥残留检测方法,具体步骤如下:
步骤A、选取一组已知活性浓度的物质样品(如有机磷、有机氯、汞离子等物质)作为校准集,测出其近红外光谱强度,建立该物质活性浓度与光谱强度之间的定量数学模型,也称校准模型;
步骤B、再取另一组已知活性浓度的该物质作为预测集,将预测样品的近红外光谱代入校准模型,得到样品的预测值,用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度,对校准模型不断进行训练,得到相关度最优的该种物质的强度—浓度关联模型,并将每种检测物质的关联模型存储在装置的数据处理系统中;
步骤C、选定相应的光信号处理系统以及强度—浓度关联模型,进行某项指标的检测;
步骤D、检测完一项指标后,如需检测另外一种物质,可以更换事先已经制作好的光学处理零件,从而实现检测功能的多样化。
本发明步骤A中,通过大量对同一物质不同活性浓度样品的近红外光谱分析,得到能够表征其活性浓度的近红外光谱谱峰,并建立相应的计算模型。
本发明步骤A或步骤B中,分析物质活性浓度和近红外谱峰强度以及建立计算模型可以但不局限于使用偏最小二乘回归法(PLSR)进行分析。
本发明应用分析近红外光谱的方法对目标物质的活性含量进行探测和鉴定。与目前通用的检测技术相比具有的有益的效果是:
(一)本发明装置的结构简单,单色仪仅需针对某一散射光进行处理,并且探测器在很大范围内的光谱上进行扫描而采集和处理多个信号,因此装置体积小,便于家庭日常生活使用;
(二)本发明可以通过更换不同参数的单色仪来检测不同的物质,因此可以很方便的根据蔬菜水果种类来选择要检测的物质从而实现多种检测的目的;
(三)本发明所基于的是近红外光谱分析的原理,在测试过程中无有害物质产生,因此不会对环境造成破坏;
(四)本发明所基于的是近红外光谱分析的原理,对于检测过程而言,无需试纸试剂等消耗品,因此大大降低了检测成本。
附图说明
图1为本发明所阐述的便携医疗检测装置结构示意图。
图2为本发明结构原理图。
图中标号:1为检测对象即蔬菜水果的洗涤液,2为单色仪,3为探测器;4为数据处理系统,5为光源,6为显示装置。
具体实施方式
下面结合附图和实施例,进一步具体地描述本发明,本发明提供优选实施例,但不应该被认为仅限于在此阐述的实施例。在图中,为了方便说明,待测液体样品和具体设备中元器件的尺寸,所示大小并不代表实际尺寸。
图1是本发明的装置结构示意图,其中1为检测对象,使用时为蔬菜水果的洗涤液;2为单色仪,可以但不局限于一套光学参数不同的棱镜单色仪、光栅单色仪或者滤光片分光单色仪;3为探测器;4为数据处理模块可以但不局限于用单片机实现;5为光源。本发明所示的实施例不应该被认为仅限于图中所示的结构。装置结构图的表示是示意性的,但这不应该被认为限制本发明的范围。
实施例1,一种有机磷检测装置。它包括光源5,产生功率一定的辐射光束。所产生的辐射光束照射到待测液体表面1,在被测液体表面反射或者在被测液体中经过透射、折射或者漫反射后从液体表面射出。漫反射光线经由单色仪2处理,仅筛选出能够表征有机磷含量的光线。经过光学处理的单一的光信号被探测器3接收,并转换成与有机磷浓度关联的电信号。电信号传递到数据处理系统4,通过对有机磷的强度-浓度关联模型进行比对,从而得出有机磷含量。因此本实施方式对于有机磷含量的检测以及降低一些神经系统疾病的发病率有着极其重要的意义。
本实施例中,经由单色仪筛选过的漫反射光线由探测器采集并加工,转换成电信号。因为仅需要采集特定波长的漫反射光,所以无需在很宽光谱范围内进行扫描,从而大大简化了设备,这也是本发明的一个独特的创新点。
实施例2,一种有机氯检测装置。与实施例1所述的有机磷检测装置的区别在于,单色仪的具体参数不同,利用光学参数与实施例1中不同单色仪的将表征有机氯含量的特定漫反射光筛选出,从而可以通过类似于实施例1的步骤得出蔬菜水果洗涤液中有机氯的含量。本实施例对诊断和治疗由于有机氯中毒导致的内脏病变有着重要意义。
实施例3,一种重金属汞离子检测装置。本实施例与实施例2所述的有机氯检测装置的区别在于,单色仪的具体参数、数据处理的具体方式以及使用时的实施步骤不同。改变单色仪参数,将能够表征重金属汞离子的散射光线筛选出。在使用时,先测量出正常允许范围内的指标值,并由数据处理系统做出相应的记录。在正常测量的过程中,数据处理系统将事先记录的数据与实时测量数据进行比较,并对比较结果进行分析,最终得到汞离子的含量是否超标的结论。
本实施例中,待测物质可以但不局限于重金属汞离子,对于其他并未提及到的物质,在已知表征其特点的光线的基础上均可进行测量标定。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明。对于本发明所属技术领域的技术人员而言,在不脱离本发明构思的前提下,还可以做出若干简单变换或替代,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于近红外光谱分析的蔬菜水果农药化肥残留检测装置,其特征在于包括光源、单色仪、探测器以及数字信号处理系统;其中,所述光源用于产生足够功率的辐射光束, 辐射光束经过探测器探头照射到蔬菜、水果洗涤液表面,由洗涤液返回的漫反射光经由探测器探头送至单色仪;所述单色仪是用来从具有复杂光谱组成的光源中或从连续光谱中分离出不同波长的单色光的仪器,单色仪使能够表征某一物质的特定波长的漫反射光通过,并滤除掉其他的光线;单色仪对入射的辐照光束一次性筛选出能够表征农药化肥中某种组分的散射光;所述探测器由光敏元件构成,用于检测经单色仪筛选出的特定光信号,并将光信号转变为电信号,最终以数字信号形式输出;所述数字信号处理系统对采集到的数字信号进行处理,得出相对应的某一表征体征的物质含量。
2.根据权利要求1所述的基于近红外光谱分析的蔬菜水果农药化肥残留检测装置,其特征在于所述单色仪是一套光学参数不同的棱镜单色仪、光栅单色仪或者滤光片分光单色仪。
3.根据权利要求1所述的基于近红外光谱分析的蔬菜水果农药化肥残留检测装置,其特征在于所述数据处理系统集成在单片机中。
4.根据权利要求1所述的基于近红外光谱分析的蔬菜水果农药化肥残留检测装置,其特征在于所述数据处理系统在使用前先针对每一种被测物质测定一系列参数值,得到漫反射光强度与该物质活性浓度的函数关系,建立关联模型,进而对对洗涤液样品进行检测。
5.基于权利要求1-4之一所述的基于近红外光谱分析的蔬菜水果农药化肥残留检测装置的检测方法,其特征在于具体步骤如下:
步骤:A、选取一组已知浓度的农药化肥的溶液样品作为校准集,测出其近红外光谱强度,建立该物质浓度与近红外光谱强度之间的定量数学模型,也称校准模型;
步骤B、再取另一组已知浓度的该物质作为预测集,将预测样品的近红外光谱代入校准模型,得到样品的预测值,用预测值和实际样品活性浓度之间的相关系数和相对标准偏差来衡量所建校准模型的可靠程度,对校准模型不断进行训练,得到相关度最优的该种物质的强度—浓度关联模型,并将每种检测物质的关联模型存储在装置的数据处理系统中;
步骤C、根据所要检测的不同物质,选定相应的光信号处理系统以及强度—浓度关联模型,利用蔬菜水果洗涤液样品进行某项指标的检测;
步骤D、检测完一项指标后,如需检测另外一种物质,则更换事先已经制作好的光学处理部分,改变滤出光线的波长。
6.根据权利要求5所述的检测方法,其特征在于所述物质样品为农药化肥中的某些组分,包括汞离子、铜离子。
7.根据权利要求5所述的检测方法,其特征在于在步骤A中,通过大量对同一物质不同浓度样品的近红外光谱分析,得到能够表征其浓度的近红外光谱谱峰并选出相应的单色仪参数,并建立相应的计算模型。
8.根据权利要求5所述的检测方法,其特征在于在步骤A或步骤B中,使用偏最小二乘回归法分析物质浓度和近红外谱峰强度以及建立计算模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510122299.2A CN104964946A (zh) | 2015-03-19 | 2015-03-19 | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510122299.2A CN104964946A (zh) | 2015-03-19 | 2015-03-19 | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104964946A true CN104964946A (zh) | 2015-10-07 |
Family
ID=54218993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510122299.2A Pending CN104964946A (zh) | 2015-03-19 | 2015-03-19 | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104964946A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018715A (zh) * | 2016-05-03 | 2016-10-12 | 成都亿信标准认证集团有限公司 | 粮食农药残留自动检测系统 |
CN106990067A (zh) * | 2017-05-05 | 2017-07-28 | 深圳市科迈爱康科技有限公司 | 远程诊疗机器人 |
CN107290285A (zh) * | 2016-04-01 | 2017-10-24 | 王方明 | 光谱快速检测农药残留装置以及检测方法 |
CN107478586A (zh) * | 2017-10-09 | 2017-12-15 | 西安明松电子科技有限公司 | 一种可集成化便携式农药残留浓度检测装置及方法 |
CN107678318A (zh) * | 2017-11-10 | 2018-02-09 | 昆山阳翎机器人科技有限公司 | 一种智能喷药机器人 |
CN108051397A (zh) * | 2017-12-18 | 2018-05-18 | 武汉中科志康生物科技有限公司 | 一种基于红外技术检测农药残留和非法添加剂的方法 |
CN111537469A (zh) * | 2020-06-04 | 2020-08-14 | 哈尔滨理工大学 | 一种基于近红外技术的苹果品质快速无损检测方法 |
CN111551518A (zh) * | 2020-04-21 | 2020-08-18 | 浙江省农业科学院 | 一种蔬菜农药残留检测方法 |
CN111912823A (zh) * | 2020-06-30 | 2020-11-10 | 淮阴工学院 | 一种多成分农药残留荧光检测分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1683922A (zh) * | 2004-04-14 | 2005-10-19 | 深圳市无公害农产品质量监督检验站 | 一种蔬菜有机磷农药残留的分析方法 |
JP2007044659A (ja) * | 2005-08-11 | 2007-02-22 | Yanmar Co Ltd | 青果物選別システム |
CN101584559A (zh) * | 2009-06-12 | 2009-11-25 | 林修鹏 | 一种带有农药检测装置的果蔬清洗机 |
CN201697715U (zh) * | 2010-06-28 | 2011-01-05 | 南通北极光自动控制技术有限公司 | 近红外在线漫反射光谱分析仪 |
CN104007084A (zh) * | 2014-05-09 | 2014-08-27 | 江苏农牧科技职业学院 | 近红外漫反射有机磷农药残留快速无损检测装置 |
CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
-
2015
- 2015-03-19 CN CN201510122299.2A patent/CN104964946A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1683922A (zh) * | 2004-04-14 | 2005-10-19 | 深圳市无公害农产品质量监督检验站 | 一种蔬菜有机磷农药残留的分析方法 |
JP2007044659A (ja) * | 2005-08-11 | 2007-02-22 | Yanmar Co Ltd | 青果物選別システム |
CN101584559A (zh) * | 2009-06-12 | 2009-11-25 | 林修鹏 | 一种带有农药检测装置的果蔬清洗机 |
CN201697715U (zh) * | 2010-06-28 | 2011-01-05 | 南通北极光自动控制技术有限公司 | 近红外在线漫反射光谱分析仪 |
CN104007084A (zh) * | 2014-05-09 | 2014-08-27 | 江苏农牧科技职业学院 | 近红外漫反射有机磷农药残留快速无损检测装置 |
CN104266996A (zh) * | 2014-10-07 | 2015-01-07 | 复旦大学 | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 |
Non-Patent Citations (1)
Title |
---|
张令标等: "基于可见/近红外高光谱成像技术的番茄表面农药残留无损检测", 《食品与机械》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107290285A (zh) * | 2016-04-01 | 2017-10-24 | 王方明 | 光谱快速检测农药残留装置以及检测方法 |
CN106018715A (zh) * | 2016-05-03 | 2016-10-12 | 成都亿信标准认证集团有限公司 | 粮食农药残留自动检测系统 |
CN106990067A (zh) * | 2017-05-05 | 2017-07-28 | 深圳市科迈爱康科技有限公司 | 远程诊疗机器人 |
CN107478586A (zh) * | 2017-10-09 | 2017-12-15 | 西安明松电子科技有限公司 | 一种可集成化便携式农药残留浓度检测装置及方法 |
CN107678318A (zh) * | 2017-11-10 | 2018-02-09 | 昆山阳翎机器人科技有限公司 | 一种智能喷药机器人 |
CN108051397A (zh) * | 2017-12-18 | 2018-05-18 | 武汉中科志康生物科技有限公司 | 一种基于红外技术检测农药残留和非法添加剂的方法 |
CN111551518A (zh) * | 2020-04-21 | 2020-08-18 | 浙江省农业科学院 | 一种蔬菜农药残留检测方法 |
CN111551518B (zh) * | 2020-04-21 | 2022-11-29 | 浙江省农业科学院 | 一种蔬菜农药残留检测方法 |
CN111537469A (zh) * | 2020-06-04 | 2020-08-14 | 哈尔滨理工大学 | 一种基于近红外技术的苹果品质快速无损检测方法 |
CN111912823A (zh) * | 2020-06-30 | 2020-11-10 | 淮阴工学院 | 一种多成分农药残留荧光检测分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104964946A (zh) | 基于近红外光谱分析的蔬菜水果农药化肥残留检测装置及检测方法 | |
CN100590417C (zh) | 一种植物叶片生理指标无损检测方法 | |
Potdar et al. | Determination of soil nutrients (NPK) using optical methods: a mini review | |
CN108287140A (zh) | 一种用于污水处理厂实时在线监测的方法及装置 | |
CN101470077B (zh) | 采用拉曼光谱特征峰信号强度比值的橄榄油快速检测方法 | |
US20070013908A1 (en) | Portable raman sensor for soil nutrient detection | |
CN104266996A (zh) | 基于近红外光谱分析的多功能无创便携医疗检测装置及检测方法 | |
CN102525481B (zh) | 一种基于近红外光谱的人体内酒精含量检测方法及系统 | |
CN103948393B (zh) | 一种血液成分含量的近红外无创检测方法及装置 | |
CN101446548A (zh) | 基于响应量转换实现牛奶成分测量的装置及方法 | |
CN101922969A (zh) | 紫外、可见、近红外在线检测漫反射光谱分析仪 | |
CN107064084B (zh) | 微小型激光荧光光谱仪及光谱检测方法 | |
CN102636454A (zh) | 近红外光谱快速测定食用油中低碳数脂肪酸含量的方法 | |
CN105380609A (zh) | 基于多光谱的皮肤检测方法与系统 | |
Chen et al. | Detection of chlorpyrifos in apples using gold nanoparticles based on surface enhanced Raman spectroscopy | |
CN103487397A (zh) | 一种雷竹笋硬度快速检测方法及装置 | |
CN102841063A (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
Xue et al. | Rapid and nondestructive measurement of glucose in a skin tissue phantom by near-infrared spectroscopy | |
CN102042967B (zh) | 一种基于近红外光谱技术的葡萄糖水溶液快速识别方法 | |
Dixit et al. | Identification and quantification of industrial grade glycerol adulteration in red wine with Fourier transform infrared spectroscopy using chemometrics and artificial neural networks | |
US20130321800A1 (en) | Integrated raman spectroscopy detector | |
CN101460828A (zh) | 专用光谱照射光谱学 | |
CN205251548U (zh) | 一种太赫兹血糖测量装置 | |
CN205215187U (zh) | 基于多光谱的皮肤检测系统 | |
CN104224198A (zh) | 基于拉曼散射的多功能无创便携医疗检测装置及检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151007 |
|
WD01 | Invention patent application deemed withdrawn after publication |