CN105574531A - 一种基于交点特征提取的数字识别方法 - Google Patents

一种基于交点特征提取的数字识别方法 Download PDF

Info

Publication number
CN105574531A
CN105574531A CN201510920430.XA CN201510920430A CN105574531A CN 105574531 A CN105574531 A CN 105574531A CN 201510920430 A CN201510920430 A CN 201510920430A CN 105574531 A CN105574531 A CN 105574531A
Authority
CN
China
Prior art keywords
character
value
pixel
image
intersection point
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
Application number
CN201510920430.XA
Other languages
English (en)
Inventor
张庚
李丹
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN201510920430.XA priority Critical patent/CN105574531A/zh
Publication of CN105574531A publication Critical patent/CN105574531A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Abstract

本发明提供一种基于交点特征提取的数字识别方法，所述方法包括如下步骤：(1)图像预处理；(2)字符区域定位；(3)字符分割；(4)交点特征提取；(5)字符识别。本发明防止将噪声区域误判为数字，提高了数字识别的精确度。在保证识别精度和抗干扰性的条件下，大大降低了运算量，对电网中数字仪表的识别具有较高的应用价值，实现了效果比较好的仪表数字实时识别系统。采用这种方法的优点还在于这种处理方法不需要进行归一化与细化处理。

Description

一种基于交点特征提取的数字识别方法
技术领域
本发明涉及一种数字识别方法，具体涉及一种基于交点特征提取的数字识别方法。
背景技术
七段式数显仪表有着诸如易于读数、无需估读、准确度高、可调整模式和参数等很多优点，被人们广泛应用于机械、化工、医药、电子、金融等各行各业中。由于电力行业恶劣环境的影响，人工操作危险性极高，不利于人为去记录仪表的数据。利用数字图像处理技术和识别技术可以实现数显仪表的自动识别，不仅可以提高工作效率，保证提高准确率，而且可以消除人工现场操作的危险性，这些都表明数显仪表的数字识别技术研究具有非常重要的实用价值。
对于数字字符识别，人们提出了很多方法，包括模板匹配法、统计决策法、句法结构法、模糊判别法、逻辑推理法、神经网络法等。模版匹配法对每个模式类都定义一个标准的模式，这种方法适用于印刷体数字的识别；统计决策法是在概率论和数理统计的基础上形成的，抗干扰能力强，但是难以反映模式的精细结构特征；神经网络法需要通过自身的学习机制形成决策区域，网络的特性由拓扑结构神经元特性决定，利用状态信息对不同状态的信息逐一训练获得某种映射，但该方法过分依赖特征向量的选取。
发明内容
为了克服上述现有技术的不足，本发明提供一种基于交点特征提取的数字识别方法，在保证识别精度和抗干扰性的条件下，大大降低了运算量，对电网中数字仪表的识别具有较高的应用价值。
为了实现上述发明目的，本发明采取如下技术方案：
一种基于交点特征提取的数字识别方法，所述方法包括如下步骤：
(1)图像预处理；
(2)字符区域定位；
(3)字符分割；
(4)交点特征提取；
(5)字符识别。
优选的，所述步骤(1)包括如下步骤：
步骤1-1、灰度化采用对RGB三分量进行加权平均能得到较合理的灰度图像；
步骤1-2、中值滤波让周围的像素值接近的真实值，从而消除孤立的噪声点；
步骤1-3、采用最大类间方差法实现二值化，将要识别的目标和图像的背景区分开。
优选的，所述步骤(2)中，所述字符区域定位采用双向投影法处理二值图像，确定仪表显示区域的具体位置，将包含字符的子图像从整个图像中划分出来。
优选的，所述步骤(3)包括如下步骤：
步骤3-1、设第k个被识别为数字区域的外接矩形为Rk，这个区域的横坐标、纵坐标、宽度和高度分别为xk,yk,wk,hk；
步骤3-2、单个字符外接矩形的面积需要满足s0≤wk.hk≤s1,该条件限制了单个字符区域的大小，s0、s1表示外接矩形的面积范围，s0的值取字符1的外接矩形的最小值，s1取字符8的外接矩形的1.5倍；
步骤3-3、单个字符外接矩形的高度差和纵坐标满足在k≠i时|yk-yi|＜a0、|hk-hi|＜a1，考虑到拍摄的图像中存在倾斜，a0设置为1cm，a1的值设置为2cm；
步骤3-4、设图像第m行第n列的像素为p(m，n)，值为0表示黑，1表示白，单个字符区域像素满足该条件限制区域的像素不能是全白或者全黑，b0的值设置为0，b1的值设置为1。
优选的，所述步骤(4)包括步骤：
步骤4-1、选取两条水平扫描直线，标记为A、B，一条垂直扫描线，标记为C；
步骤4-2、对字符进行水平扫描，直线A、B在数码管的3/4和1/4处，从左到右扫描，若出现像素由白变黑则加一，直到扫描结束；
步骤4-3、对字符进行垂直扫描，选取直线C为1/2处，将字符垂直平均分割成两部分，从上到下扫描，每次出现像素由白变黑就加一，直到扫描结束；
步骤4-4、记录字符0-9水平和垂直扫描的交点数。
优选的，所述步骤(5)包括如下步骤：
步骤5-1、对于字符1的识别采用提取字符宽度特征的方式，所述宽度特征是一个相对值，表示字符最大宽度与最小宽度的比值，在所有字符中所述比值最小则为字符1；
步骤5-2、字符0、4、6、7、8、9的识别，通过查询记录的所述交点数分辨；
步骤5-3、字符2、3、5的交点数完全一样，根据标识矩阵中数字竖直中线左侧一列非0和非1元素的重心分布来识别，像素重心位于水平中线下侧的则为“2”，重心位于上侧的则为“5”，竖直中线左侧的目标元素比“5”和“2”少的则为“3”。
与现有技术相比，本发明的有益效果在于：
本发明在字符识别之前从区域外接矩形的面积、高度差、纵坐标何像素4个方面点设置了限制条件，防止将噪声区域误判为数字，提高了数字识别的精确度。
本发明结合了字符宽度、直线和字符的交点、标识矩阵元素分布和重心等多个特征来提取字符特征，交点的位置我们选取了三个具有电表行的位置进行扫描，最后结合标识矩阵元素的分布精确的将2、3、5数字识别出来，简单准确，降低了运算量。
本发明在保证识别精度和抗干扰性的条件下，大大降低了运算量，对电网中数字仪表的识别具有较高的应用价值，实现了效果比较好的仪表数字实时识别系统。采用这种方法的优点还在于这种处理方法不需要进行归一化与细化处理。
附图说明
图1是本发明提供的一种基于交点特征提取的数字识别方法的流程图
图2是本发明提供的交点特征提取图
具体实施方式
下面结合附图对本发明作进一步详细说明。
七段式数显仪表中数字字符识别是通过使用数字图像处理、模式识别等方法，对图片中的数字内容进行自动识别。七段式数显仪表的识别流程如图1所示，包括视频信号采集、图像预处理、数字区域定位和分割、特征提取和数字识别5部分。
步骤1：图像预处理。预处理过程包括灰度化、中值滤波和二值化。灰度化采用对RGB三分量进行加权平均能得到较合理的灰度图像；中值滤波让周围的像素值接近的真实值，从而消除孤立的噪声点；采用最大类间方差法Otsu来实现二值化，将要识别的目标和图像的背景区分开来。
步骤2：字符区域定位。采用双向投影法处理二值图像，确定仪表显示区域的具体位置，将包含字符的子图像从整个图像中划分出来。
步骤3：字符分割。字符分割采用的是双向投影法，本发明对于字符分割得到的区域设置了一些限制条件，来解决遇到混入噪声的区域被判断成其他数字的问题。设第k个被识别为数字区域的外接矩形为Rk，这个区域的横坐标、纵坐标、宽度和高度分别为xk,yk,wk,hk。
(1)单个字符外接矩形的面积需要满足s0≤wk.hk≤s1,该条件限制了单个字符区域的大小。s0、s1表示外接矩形的面积范围，s0的值取字符1的外接矩形的最小值，s1取字符8的外接矩形的1.5倍。
(2)单个字符外接矩形的高度差和纵坐标满足在k≠i时|yk-yi|＜a0、|hk-hi|＜a1，考虑到拍摄的图像中存在倾斜，a0设置为1cm，a1的值设置为2cm。
(3)设图像第m行第n列的像素为p(m，n)，值为0表示黑，1表示白，单个字符区域像素满足该条件限制区域的像素不能是全白或者全黑，b0的值设置为0，b1的值设置为1。
步骤4：交点特征提取。本发明结合了统计和结构，从穿线法得到启示，采用直线和字符的交点作为提取字符特征和识别的方法。在实际提取特征时还需考虑到字符和直线的交点是假想的，当字符在直线的方向像素由白变黑就认为字符和这条直线有一个交点。
(1)选取两条水平扫描直线，标记为A、B，一条垂直扫描线，标记为C，直线具体位置如图2所示。
(2)对字符进行水平扫描，直线A、B在数码管的3/4和1/4处，从左到右扫描，如果出现像素由白变黑就加一，直到扫描结束。
(3)对字符进行垂直扫描，选取直线C为1/2处，将字符垂直平均分割成两部分，从上到下扫描，同样每次出现像素由白变黑就加一，直到扫描结束。
(4)记录字符0-9水平和垂直扫描的交点数，三条交线交点数如表1所示。
表1字符0-9交点数统计表
步骤5：字符识别。
(1)对于字符1的识别可以提取字符宽度特征，宽度特征是一个相对值，它表示的是字符最大宽度与最小宽度的比值，该特征对于将1与其它数字分开是很有效的。
(2)字符0、4、6、7、8、9的识别，查询步骤4提取的交点数可以分辨。
(3)字符2、3、5的交点数完全一样，根据交线特征无法识别出来，根据标识矩阵中数字竖直中线左侧一列非0和非1元素的重心分布来分类。对于数字“3”，竖直中线左侧几乎没有目标元素，像素重心位于水平中线下侧的则为“2”，重心位于上侧的则为“5”。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于交点特征提取的数字识别方法，其特征在于，所述方法包括如下步骤：
(1)图像预处理；
(2)字符区域定位；
(3)字符分割；
(4)交点特征提取；
(5)字符识别。
2.根据权利要求1所述识别方法，其特征在于，所述步骤(1)包括如下步骤：
步骤1-1、灰度化采用对RGB三分量进行加权平均能得到较合理的灰度图像；
步骤1-2、中值滤波让周围的像素值接近的真实值，从而消除孤立的噪声点；
步骤1-3、采用最大类间方差法实现二值化，将要识别的目标和图像的背景区分开。
3.根据权利要求1所述识别方法，其特征在于，所述步骤(2)中，所述字符区域定位采用双向投影法处理二值图像，确定仪表显示区域的具体位置，将包含字符的子图像从整个图像中划分出来。
4.根据权利要求1所述识别方法，其特征在于，所述步骤(3)包括如下步骤：
步骤3-1、设第k个被识别为数字区域的外接矩形为Rk，这个区域的横坐标、纵坐标、宽度和高度分别为xk,yk,wk,hk；
步骤3-2、单个字符外接矩形的面积需要满足s0≤wk.hk≤s1,该条件限制了单个字符区域的大小，s0、s1表示外接矩形的面积范围，s0的值取字符1的外接矩形的最小值，s1取字符8的外接矩形的1.5倍；
步骤3-3、单个字符外接矩形的高度差和纵坐标满足在k≠i时|yk-yi|＜a0、|hk-hi|＜a1，考虑到拍摄的图像中存在倾斜，a0设置为1cm，a1的值设置为2cm；
步骤3-4、设图像第m行第n列的像素为p(m，n)，值为0表示黑，1表示白，单个字符区域像素满足该条件限制区域的像素不能是全白或者全黑，b0的值设置为0，b1的值设置为1。
5.根据权利要求1所述识别方法，其特征在于，所述步骤(4)包括步骤：
步骤4-1、选取两条水平扫描直线，标记为A、B，一条垂直扫描线，标记为C；
步骤4-2、对字符进行水平扫描，直线A、B在数码管的3/4和1/4处，从左到右扫描，若出现像素由白变黑则加一，直到扫描结束；
步骤4-3、对字符进行垂直扫描，选取直线C为1/2处，将字符垂直平均分割成两部分，从上到下扫描，每次出现像素由白变黑就加一，直到扫描结束；
步骤4-4、记录字符0-9水平和垂直扫描的交点数。
6.根据权利要求1所述识别方法，其特征在于，所述步骤(5)包括如下步骤：
步骤5-1、对于字符1的识别采用提取字符宽度特征的方式，所述宽度特征是一个相对值，表示字符最大宽度与最小宽度的比值，在所有字符中所述比值最小则为字符1；
步骤5-2、字符0、4、6、7、8、9的识别，通过查询记录的所述交点数分辨；
步骤5-3、字符2、3、5的交点数完全一样，根据标识矩阵中数字竖直中线左侧一列非0和非1元素的重心分布来识别，像素重心位于水平中线下侧的则为“2”，重心位于上侧的则为“5”，竖直中线左侧的目标元素比“5”和“2”少的则为“3”。
CN201510920430.XA 2015-12-11 2015-12-11 一种基于交点特征提取的数字识别方法 Pending CN105574531A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510920430.XA CN105574531A (zh) 2015-12-11 2015-12-11 一种基于交点特征提取的数字识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510920430.XA CN105574531A (zh) 2015-12-11 2015-12-11 一种基于交点特征提取的数字识别方法

Publications (1)

Publication Number Publication Date
CN105574531A true CN105574531A (zh) 2016-05-11

Family

ID=55884638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510920430.XA Pending CN105574531A (zh) 2015-12-11 2015-12-11 一种基于交点特征提取的数字识别方法

Country Status (1)

Country Link
CN (1) CN105574531A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975958A (zh) * 2016-05-30 2016-09-28 北京海泰方圆科技股份有限公司 一种数字识别的方法及设备
CN106355205A (zh) * 2016-08-31 2017-01-25 西安西拓电气股份有限公司 一种紫外图像数字识别方法及识别装置
CN106874911A (zh) * 2017-03-03 2017-06-20 沈阳工程学院 一种应用划分法得到的面积比例来进行印刷体数字识别的方法
CN107403128A (zh) * 2016-05-20 2017-11-28 株式会社理光 一种物品识别方法及装置
CN108304839A (zh) * 2017-08-31 2018-07-20 腾讯科技（深圳）有限公司 一种图像数据处理方法以及装置
CN108549889A (zh) * 2018-03-14 2018-09-18 南京航空航天大学 一种简易的印刷体数字识别方法
CN108734189A (zh) * 2017-04-20 2018-11-02 天津工业大学 浓雾天气下基于大气散射模型和深度学习的车牌识别系统
CN109063614A (zh) * 2018-07-19 2018-12-21 江苏省计量科学研究院 一种液晶屏数字识别方法
CN110443773A (zh) * 2019-08-20 2019-11-12 江西博微新技术有限公司 基于印章识别的文档图像去噪方法、服务器及存储介质
CN113159027A (zh) * 2021-04-13 2021-07-23 杭州电子科技大学 基于最小外接矩形变体的七段式数显仪表识别方法
CN113537220A (zh) * 2021-09-17 2021-10-22 济南瑞泉电子有限公司 一种基于端点射线法的摄像直读水表识别方法
CN113591910A (zh) * 2021-06-24 2021-11-02 贵州国致科技有限公司 一种数码管显示仪表识别方法
CN114821134A (zh) * 2022-06-30 2022-07-29 山东蓝彩天下教育科技有限公司 一种基于模板匹配的出版物印刷体数字识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000652A (zh) * 2006-12-31 2007-07-18 沈阳工业大学 流量计费表数字远传图像自动识别方法及数字远传抄表系统
US20100241745A1 (en) * 2009-03-17 2010-09-23 Kindsight, Inc. Character differentiation based on pattern recognition
CN104463157A (zh) * 2014-11-07 2015-03-25 李宇 手写字符的电子识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000652A (zh) * 2006-12-31 2007-07-18 沈阳工业大学 流量计费表数字远传图像自动识别方法及数字远传抄表系统
US20100241745A1 (en) * 2009-03-17 2010-09-23 Kindsight, Inc. Character differentiation based on pattern recognition
CN104463157A (zh) * 2014-11-07 2015-03-25 李宇 手写字符的电子识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘文亮: ""七段式数显仪表中数字识别的研究与实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
崔行臣、段会川等: ""数显仪表数字实时识别系统的设计与实现"", 《计算机工程与设计》 *
郝巧红: ""高压变电站数显仪表的识别"", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403128A (zh) * 2016-05-20 2017-11-28 株式会社理光 一种物品识别方法及装置
CN105975958A (zh) * 2016-05-30 2016-09-28 北京海泰方圆科技股份有限公司 一种数字识别的方法及设备
CN106355205A (zh) * 2016-08-31 2017-01-25 西安西拓电气股份有限公司 一种紫外图像数字识别方法及识别装置
CN106874911A (zh) * 2017-03-03 2017-06-20 沈阳工程学院 一种应用划分法得到的面积比例来进行印刷体数字识别的方法
CN108734189A (zh) * 2017-04-20 2018-11-02 天津工业大学 浓雾天气下基于大气散射模型和深度学习的车牌识别系统
CN108304839A (zh) * 2017-08-31 2018-07-20 腾讯科技（深圳）有限公司 一种图像数据处理方法以及装置
CN108304839B (zh) * 2017-08-31 2021-12-17 腾讯科技（深圳）有限公司 一种图像数据处理方法以及装置
CN108549889B (zh) * 2018-03-14 2021-07-27 南京航空航天大学 一种简易的印刷体数字识别方法
CN108549889A (zh) * 2018-03-14 2018-09-18 南京航空航天大学 一种简易的印刷体数字识别方法
CN109063614A (zh) * 2018-07-19 2018-12-21 江苏省计量科学研究院 一种液晶屏数字识别方法
CN110443773A (zh) * 2019-08-20 2019-11-12 江西博微新技术有限公司 基于印章识别的文档图像去噪方法、服务器及存储介质
CN113159027A (zh) * 2021-04-13 2021-07-23 杭州电子科技大学 基于最小外接矩形变体的七段式数显仪表识别方法
CN113159027B (zh) * 2021-04-13 2024-02-09 杭州电子科技大学 基于最小外接矩形变体的七段式数显仪表识别方法
CN113591910A (zh) * 2021-06-24 2021-11-02 贵州国致科技有限公司 一种数码管显示仪表识别方法
CN113537220A (zh) * 2021-09-17 2021-10-22 济南瑞泉电子有限公司 一种基于端点射线法的摄像直读水表识别方法
CN114821134A (zh) * 2022-06-30 2022-07-29 山东蓝彩天下教育科技有限公司 一种基于模板匹配的出版物印刷体数字识别方法
CN114821134B (zh) * 2022-06-30 2022-09-02 山东蓝彩天下教育科技有限公司 一种基于模板匹配的出版物印刷体数字识别方法

Similar Documents

Publication Publication Date Title
CN105574531A (zh) 一种基于交点特征提取的数字识别方法
US20210374466A1 (en) Water level monitoring method based on cluster partition and scale recognition
WO2021238030A1 (zh) 基于聚类分区进行刻度识别的水位监测方法
Yao et al. Detecting texts of arbitrary orientations in natural images
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
Odone et al. Building kernels from binary strings for image matching
CN105046252B (zh) 一种人民币冠字码识别方法
US8442319B2 (en) System and method for classifying connected groups of foreground pixels in scanned document images according to the type of marking
CN103049763B (zh) 一种基于上下文约束的目标识别方法
CN102663382B (zh) 基于子网格特征自适应加权的视频图像文字识别方法
CN105224937B (zh) 基于人体部件位置约束的细粒度语义色彩行人重识别方法
CN104751187A (zh) 抄表图像自动识别方法
WO2022121039A1 (zh) 银行卡倾斜矫正检测方法、装置、可读存储介质和终端
CN105205488B (zh) 基于Harris角点和笔画宽度的文字区域检测方法
CN111402224B (zh) 一种用于电力设备的目标识别方法
CN102236788A (zh) 电力电能表图像自动识别方法
CN110298376A (zh) 一种基于改进b-cnn的银行票据图像分类方法
CN103295009B (zh) 基于笔画分解的车牌字符识别方法
CN107122775A (zh) 一种基于特征匹配的安卓手机身份证字符识别方法
CN108664975A (zh) 一种维吾尔文手写字母识别方法、系统及电子设备
CN113111796B (zh) 一种芽生孢子的自动细化标注类别的检测识别方法
CN105404868A (zh) 一种基于交互平台的复杂背景中文本的快速检测方法
Jun et al. Automatic classification and recognition of complex documents based on Faster RCNN
CN109271882B (zh) 一种区分颜色的手写体汉字提取方法
CN111199240A (zh) 银行卡识别模型的训练方法、银行卡识别方法以及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160511