CN106092961A - 一种快速检测农产品中化学成分的方法 - Google Patents
一种快速检测农产品中化学成分的方法 Download PDFInfo
- Publication number
- CN106092961A CN106092961A CN201610606462.7A CN201610606462A CN106092961A CN 106092961 A CN106092961 A CN 106092961A CN 201610606462 A CN201610606462 A CN 201610606462A CN 106092961 A CN106092961 A CN 106092961A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- data
- infrared spectrum
- standard
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000000126 substance Substances 0.000 title claims abstract description 32
- 239000000203 mixture Substances 0.000 title claims abstract description 25
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 73
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000012546 transfer Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims description 8
- 239000003242 anti bacterial agent Substances 0.000 claims description 2
- 229940088710 antibiotic agent Drugs 0.000 claims description 2
- 238000012271 agricultural production Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 235000013305 food Nutrition 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 235000013399 edible fruits Nutrition 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 235000013311 vegetables Nutrition 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Abstract
本发明涉及一种快速检测农产品中化学成分的方法,该方法包括用标准近红外光谱数据和检测近红外光谱数据建立光谱传递模型;用化学成分数据和标准近红外光谱数据建立反演模型;将实际近红外检测设备采集实际农产品样品的近红外光谱数据通过光谱传递模型获得该实际农产品样品的标准近红外光谱数据,再通过反演模型获得实际农产品样品的化学成分数据。该方法建立特定农产品不同仪器的光谱传递模型,只需一台标准设备,进行一次样品的模型建立,可以适配其他任何形式的光谱测量仪器,准确测量农产品的化学成分。
Description
技术领域
本发明属于农产品检测领域,尤其涉及一种快速检测农产品中化学成分的方法。
背景技术
食品、蔬菜和水果等化学成分的快速检测方法一直是检测领域的难题,近红外检测技术发展以来,围绕近红外检测方法层出不穷,但是没有解决最佳的方法实现快速检测。
公开号为CN104897607A的专利公开了一种便携式近红外光谱食品建模与快速检测一体化方法及其系统,在windows系统下对便携式近红外光谱仪进行二次开发,通过校正集食品样本的组分指标参数的浓度参考值和近红外光谱数据建立食品检测校正模型,再通过校正模型对待测集食品样本的组分参数进行检测,得到未知样本的待测组分浓度检测值;可通过调整模型参数得到针对具体检测食品对象的最佳检测校正模型。一体化系统包括样本光谱数据采集模块、样本谱图预处理模块和模型建立与评价分析模块。
公开号为CN104048939A的专利公开了一种生猪血液中血糖含量的近红外快速检测方法,包括以下步骤:1)采集生猪血液样品,对血清进行近红外光谱数据信息采集;同时用试剂盒检测方法检测血糖;2)将近红外光谱数据信息与试剂盒检测的血糖化学测定值一一对应建立样品集,分为校正集和验证集,使用不同光谱预处理方法进行预处理后,利用校正集的光谱数据信息和血糖化学测定值,建立生猪血液中血糖的预测模型;3)利用最佳近红外光谱数据信息预处理方法和最佳预测模型,对待测生猪血液样品的血糖进行检测。
公开号为CN103499530A的专利公开了一种应用于蔬菜水果农药检测的方法;该方法首先建立检测模型,然后检测待测蔬菜水果光谱,最后判断蔬菜水果中农药成分及含量;本发明不仅可以通过光谱检测出农药的种类,还可以根据吸收的强弱判断农药的含量;由于不需要测量出农药的实际含量,即可通过与检测模型相对比得到其含量,因此检测效率高;由于采用蒸馏水和酒精作为溶剂,透过性强,因此灵敏度好、测量精度高。
但是现有技术中对于能够实现快速检测的方法还不够完善,尤其是针对更换近红外检测设备过程中出现的检测不准的问题没有良好的解决办法。
发明内容
为解决上述技术问题,本发明提供了一种快速检测农产品中化学成分的方法,其特征在于该方法包括如下步骤:
步骤A:用标准近红外检测设备对农产品标准样品进行近红外数据采集,得到标准近红外光谱数据;
步骤B:用检测农产品的实际近红外检测设备采集步骤A中的农产品标准样品的检测近红外光谱数据;
步骤C:根据步骤A和步骤B所采集的标准近红外光谱数据和检测近红外光谱数据建立光谱传递模型;
步骤D:用化学方法检测步骤A中的农产品标准样品的化学成分数据;
步骤E:根据步骤A的标准近红外光谱数据和步骤D的化学成分数据建立反演模型;
步骤F:应用步骤B的实际近红外检测设备采集实际农产品样品的近红外光谱数据,将该近红外光谱数据通过光谱传递模型获得该实际农产品样品的标准近红外光谱数据,再将该标准近红外光谱数据通过反演模型获得实际农产品样品的化学成分数据;
其中农产品标准样品和实际农产品样品为同一植物种。
优选的,上述方法中,步骤A中的标准近红外光谱数据为多条,多条标准近红外光谱数据形成标准近红外光谱数据库。
优选的,上述方法中,步骤B中的检测近红外光谱数据为多条,多条检测近红外光谱数据形成检测近红外光谱数据库。
优选的,上述方法中,标准近红外检测设备为稳定的全谱段红外光谱仪器。
优选的,上述方法中,光谱传递模型包括像素匹配、仪器参数校正和波长校准。
优选的,上述方法中,步骤C中的光谱传递模型可以通过根据步骤A和步骤B所采集的多条标准近红外光谱数据和多条检测近红外光谱数据形成的标准近红外光谱数据库和检测近红外光谱数据库建立光谱传递模型。
优选的,上述方法中,实际近红外检测设备为连续型便携式红外光谱仪、单点式手持光谱仪或者其他形式的光谱测量设备。
优选的,上述方法中,光谱传递模型可以应用数据构建模型的任意方法进行构建,构建过程中不断通过农产品标准样品的化学数据进行验证,最终实现光谱传递模型能够实现实际近红外光谱检测设备和标准近红外光谱检测设备之间在计算化学成分含量之间的相对准确的对应关系。
优选的,上述方法中,反演模型可以应用数据建模中的任意方法通过标准近红外光谱数据库和化学数据建立,只要能够反映标准近红外光谱数据和化学成分之间相对准确的对应关系即可。
优选的,上述方法中,农产品为蔬菜、水果或粮食等,农产品也可以替换为食品在上述方法中被检测。
本发明还提供了一种快速检测农产品中化学成分的系统,其特征在于该系统包括数据输入端、云服务器和数据输出端,其特征在于数据输入端具有农产品近红外光谱数据输入接口和农产品化学数据输入接口,云服务器包括近红外光谱传递模型和反演模型,数据输出端具有农产品化学数据输出端口,数据输入端与云服务器双向连接,云服务器与数据输出端连接。
有益效果:
1、建立特定农产品不同仪器的光谱传递模型,只需一台标准设备,进行一次样品的模型建立,可以适配其他任何形式的光谱测量仪器;
2、反演模型的维护较为简单,只需要对标准近红外光谱检测仪器进行定期的信号采集,进行反演模型更新即可,不需要对所有近红外光谱检测设备进行模型更新;
3、标准近红外光谱检测设备和实际近红外光谱检测设备可以任意选择,但是一旦标准近红外光谱检测设备确定后,其后续更换的实际近红外光谱检测设备所依据的光谱传递模型和反演模型就不需要变更。
4、光谱传递模型可以内嵌在设备端,也可以内嵌在云端,反演模型建立在云端,这样可以实现数据的采集和结果的计算能够共享。
附图说明
图1为农产品化学成分检测机器校准模型建立框图;
图2为农产品化学成分测量框图。
具体实施方式
实施例1
步骤1:用稳定的全谱段红外光谱仪器(作为标准近红外检测设备)对马铃薯标准样品进行近红外数据采集,马铃薯标准样品共100个,分别标记为B1、B2、B3、……B100,得到100个马铃薯的标准近红外光谱数据,形成马铃薯标准近红外光谱数据库。
步骤2:用单点式手持光谱仪(作为检测农产品的实际近红外检测设备)采集B1、B2、……B100的近红外光谱数据,定义为检测近红外光谱数据),形成马铃薯检测近红外光谱数据库;
步骤3:根据步骤1的马铃薯标准近红外光谱数据库和步骤2的马铃薯检测近红外光谱数据库建立马铃薯光谱传递模型;
步骤4:用化学方法检测步骤1中B1、B2、B3……B100的马铃薯样品的化学成分数据;
步骤5:根据步骤1的马铃薯标准近红外光谱数据库和步骤4的化学成分数据建立马铃薯的反演模型;
步骤6:应用步骤2的单点式手持光谱仪采集一个马铃薯实际样品的近红外光谱数据,将该近红外光谱数据通过马铃薯光谱传递模型计算得到该马铃薯实际样品的标准近红外光谱数据,再将该马铃薯标准近红外光谱数据通过马铃薯反演模型获得马铃薯实际样品的化学成分数据。
实施例2
步骤1:用稳定的全谱段红外光谱仪器(作为标准近红外检测设备)对苹果标准样品进行近红外数据采集,苹果标准样品共200个,分别标记为B1、B2、B3、……B200,得到200个苹果的标准近红外光谱数据,形成苹果标准近红外光谱数据库。
步骤2:用连续型便携式红外光谱仪(作为检测农产品的实际近红外检测设备)采集B1、B2、……B200的近红外光谱数据,定义为检测近红外光谱数据),形成苹果检测近红外光谱数据库;
步骤3:根据步骤1的苹果标准近红外光谱数据库和步骤2的苹果检测近红外光谱数据库建立苹果光谱传递模型;
步骤4:用化学方法检测步骤1中B1、B2、B3……B200的苹果样品的化学成分数据;
步骤5:根据步骤1的苹果标准近红外光谱数据库和步骤4的化学成分数据建立苹果的反演模型;
步骤6:应用步骤2的连续型便携式红外光谱仪采集一个苹果实际样品的近红外光谱数据,将该近红外光谱数据通过苹果光谱传递模型计算得到该苹果实际样品的标准近红外光谱数据,再将该苹果标准近红外光谱数据通过苹果反演模型获得苹果实际样品的化学成分数据。
Claims (9)
1.一种快速检测农产品中化学成分的方法,其特征在于该方法包括如下步骤:
步骤A:用标准近红外检测设备对农产品标准样品进行近红外数据采集,得到标准近红外光谱数据;
步骤B:用检测农产品的实际近红外检测设备采集步骤A中的农产品标准样品的检测近红外光谱数据;
步骤C:根据步骤A和步骤B所采集的标准近红外光谱数据和检测近红外光谱数据建立光谱传递模型;
步骤D:用化学方法检测步骤A中的农产品标准样品的化学成分数据;
步骤E:根据步骤A的标准近红外光谱数据和步骤D的化学成分数据建立反演模型;
步骤F:应用步骤B的实际近红外检测设备采集实际农产品样品的近红外光谱数据,将该近红外光谱数据通过光谱传递模型获得该实际农产品样品的标准近红外光谱数据,再将该标准近红外光谱数据通过反演模型获得实际农产品样品的化学成分数据;
其中农产品标准样品和实际农产品样品为同一植物种。
2.根据权利要求1所述的方法,其特征在于步骤A中的标准近红外光谱数据为多条,多条标准近红外光谱数据形成标准近红外光谱数据库。
3.根据权利要求2所述的方法,其特征在于步骤B中的检测近红外光谱数据为多条,多条检测近红外光谱数据形成检测近红外光谱数据库。
4.根据权利要求1所述的方法,其特征在于标准近红外检测设备为稳定的全谱段红外光谱仪器。
5.根据权利要求1所述的方法,其特征在于光谱传递模型包括像素匹配、仪器参数校正和波长校准。
6.根据权利要求3所述的方法,其特征在于步骤C中的光谱传递模型通过步骤A和步骤B所采集的多条标准近红外光谱数据和多条检测近红外光谱数据形成的标准近红外光谱数据库和检测近红外光谱数据库建立光谱传递模型。
7.根据权利要求1所述的方法,其特征在于实际近红外检测设备为连续型便携式红外光谱仪、单点式手持光谱仪或者其他形式的光谱测量设备。
8.根据权利要求1所述的方法,其特征在于农产品为蔬菜、水果或粮食。
9.一种快速检测农产品中化学成分的系统,其特征在于该系统包括数据输入端、云服务器和数据输出端,其特征在于数据输入端具有农产品近红外光谱数据输入接口和农产品化学数据输入接口,云服务器包括近红外光谱传递模型和反演模型,数据输出端具有农产品化学数据输出端口,数据输入端与云服务器双向连接,云服务器与数据输出端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610606462.7A CN106092961A (zh) | 2016-07-28 | 2016-07-28 | 一种快速检测农产品中化学成分的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610606462.7A CN106092961A (zh) | 2016-07-28 | 2016-07-28 | 一种快速检测农产品中化学成分的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106092961A true CN106092961A (zh) | 2016-11-09 |
Family
ID=57478611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610606462.7A Pending CN106092961A (zh) | 2016-07-28 | 2016-07-28 | 一种快速检测农产品中化学成分的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106092961A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872397A (zh) * | 2016-12-29 | 2017-06-20 | 深圳市芭田生态工程股份有限公司 | 一种基于已有校正模型快速检测农产品化学组分的方法 |
CN106872396A (zh) * | 2016-12-28 | 2017-06-20 | 南京农业大学 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
CN111060703A (zh) * | 2019-12-02 | 2020-04-24 | 武汉市纽艾云健康科技有限公司 | 一种试纸传感器分析方法、设备及系统 |
CN112683816A (zh) * | 2020-12-25 | 2021-04-20 | 中船重工安谱(湖北)仪器有限公司 | 一种光谱模型传递的光谱识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1148171A (zh) * | 1995-04-13 | 1997-04-23 | 辉瑞大药厂 | 校准变换标准品及其方法 |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
CN101413885A (zh) * | 2008-11-28 | 2009-04-22 | 中国农业科学院蜜蜂研究所 | 一种快速定量蜂蜜品质的近红外光谱方法 |
CN105699304A (zh) * | 2016-01-28 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种获得光谱信息所代表的物质信息的方法 |
-
2016
- 2016-07-28 CN CN201610606462.7A patent/CN106092961A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1148171A (zh) * | 1995-04-13 | 1997-04-23 | 辉瑞大药厂 | 校准变换标准品及其方法 |
CN1544921A (zh) * | 2003-11-26 | 2004-11-10 | 广东省农业科学院作物研究所 | 一种非破坏性测定花生单粒种子含油量的方法 |
CN101413885A (zh) * | 2008-11-28 | 2009-04-22 | 中国农业科学院蜜蜂研究所 | 一种快速定量蜂蜜品质的近红外光谱方法 |
CN105699304A (zh) * | 2016-01-28 | 2016-06-22 | 深圳市芭田生态工程股份有限公司 | 一种获得光谱信息所代表的物质信息的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872396A (zh) * | 2016-12-28 | 2017-06-20 | 南京农业大学 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
CN106872396B (zh) * | 2016-12-28 | 2019-06-07 | 南京农业大学 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
CN106872397A (zh) * | 2016-12-29 | 2017-06-20 | 深圳市芭田生态工程股份有限公司 | 一种基于已有校正模型快速检测农产品化学组分的方法 |
CN111060703A (zh) * | 2019-12-02 | 2020-04-24 | 武汉市纽艾云健康科技有限公司 | 一种试纸传感器分析方法、设备及系统 |
CN111060703B (zh) * | 2019-12-02 | 2023-08-04 | 苏州纽艾健康科技有限公司 | 一种试纸传感器分析方法、设备及系统 |
CN112683816A (zh) * | 2020-12-25 | 2021-04-20 | 中船重工安谱(湖北)仪器有限公司 | 一种光谱模型传递的光谱识别方法 |
CN112683816B (zh) * | 2020-12-25 | 2021-08-06 | 中船重工安谱(湖北)仪器有限公司 | 一种光谱模型传递的光谱识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103630499B (zh) | 一种基于高光谱成像技术的鱼蛋白质含量分布检测方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN103575689B (zh) | 近红外光谱和可见光分析仪快速检测稻米中直链淀粉含量的方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN101210876A (zh) | 基于可见/近红外多光谱成像的水稻养分信息测量方法 | |
CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的系统及方法 | |
CN106092961A (zh) | 一种快速检测农产品中化学成分的方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
Zhou et al. | Development and performance test of an in-situ soil total nitrogen-soil moisture detector based on near-infrared spectroscopy | |
CN104749132A (zh) | 一种测定面粉中偶氮甲酰胺的含量的方法 | |
CN102564962A (zh) | 果树营养成分检测系统及方法 | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN105115910A (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
CN105181606A (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
CN104034691A (zh) | 一种甜菜品质的快速检测方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
Wang et al. | Rapid detection of chlorophyll content and distribution in citrus orchards based on low-altitude remote sensing and bio-sensors | |
CN105527236A (zh) | 一种利用光谱法测定农产品主要营养成分的方法 | |
CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
CN106226267A (zh) | 一种辣椒干色价的近红外测定方法 | |
CN106323880A (zh) | 基于soc高光谱指数的植物叶片花青素含量估算方法及装置 | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
CN104568827A (zh) | 一种近红外光谱法测定西瓜中糖含量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |