CN106682683B - 一种酒标图片的识别方法以及装置 - Google Patents
一种酒标图片的识别方法以及装置 Download PDFInfo
- Publication number
- CN106682683B CN106682683B CN201610953222.4A CN201610953222A CN106682683B CN 106682683 B CN106682683 B CN 106682683B CN 201610953222 A CN201610953222 A CN 201610953222A CN 106682683 B CN106682683 B CN 106682683B
- Authority
- CN
- China
- Prior art keywords
- wine
- picture
- identified
- mark
- label
- 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.)
- Expired - Fee Related
Links
Images
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种酒标图片的识别方法以及装置,其方法包括:读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;找出酒标图片中的特征点,记录特征点在酒标图片中出现的位置及次数;计算酒标图片的平均色阶值及最大最小值;根据所述酒标图片中的特征点及酒标酒标平均色阶值,识别所述待识别的酒标图片。本公开实施例提供的方法及装置,在确定了正确匹配的酒标图片中的特征点及酒标平均色阶值对之后,分析共性,并排除干扰信息,来提高了相似酒标图片识别的速度和准确性。
Description
技术领域
本发明涉及图片识别领域,尤其涉及一种酒标图片的识别方法。
背景技术
目前,市场上有很多品牌的酒,超市工作人员或者是酒类收集者往往不能将不同品牌的酒进行分类,经常会出现不是同一品牌的酒瓶放错位置的现象,这会使不同品牌的酒瓶整理分类带来很多麻烦,而对酒瓶进行分类的主要依据在于贴在酒瓶外面的酒标,因此,研究一种用于识别酒标图片的方法是十分重要的。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种酒标图片的识别方法,该方法可以提高酒标图片的识别的准确度。
本发明的另一个目的在于提出一种酒标图片的识别装置。
为达到上述目的,本发明第一方面实施例提出的酒标图片的识别方法,包括:读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;找出酒标图片中的特征点,记录特征点在酒标图片中出现的位置及次数;计算酒标图片的平均色阶值及最大最小值;根据酒标图片中的特征点及酒标图片平均色阶值,识别待识别的酒标图片其中当酒标图片中的文字在识别过程中无法匹配成功时,记录超出匹配阀值范围的识别文字并计算其与已识别文字间的相对位置,如果相对位置在允许的误差范围内,则这些文字都被视为匹配正确。
对待识别的两张酒标图片进行特征点提取,得到两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到两张酒标图片的多个特征点。
特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃该样本酒标的计算。
将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
排除外景干扰信息如下:先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
为达到上述目的,本发明第二方面实施例提出的一种酒标的识别装置,包括:
获取模块,用于读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;
提取模块,用于找出酒标图片中的特征点,记录特征点在图片中出现的位置及次数;
计算模块,用于计算酒标图片平均色阶值及最大最小值;
识别模块,用于根据酒标图片中的特征点及酒标图片平均色阶值,识别待识别的酒标图片;其中当酒标图片中的文字在识别过程中无法匹配成功时,记录超出匹配阀值范围的识别文字并计算其与已识别文字间的相对位置,如果相对位置在允许的误差范围内,则这些文字都被视为匹配正确。
所述一种酒标图片的识别装置还包括:提取模块,用于对待识别的两张酒标图片进行特征点提取,得到两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到两张酒标图片的多个特征点。
所述一种酒标图片的识别装置还包括存储模块,用于所述特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃该样本酒标的计算。
所述一种酒标图片的识别装置还包括:解析模块,用于将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
所述一种酒标图片的识别装置还包括:排除干扰模块,用于排除外景干扰,先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
本发明的有益效果为:本公开实施例提供的方法及装置,在确定了正确匹配的酒标图片中的特征点及酒标平均色阶值对之后,分析共性,并排除干扰信息,来提高了相似酒标图片识别的速度和准确性。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例提出的酒标图片的识别方法的流程示意图;
图2是本发明另一实施例提出的酒标图片的识别装置的结构示意图;
图3是本发明实施例的实例图;
图4是本发明酒标图片去除背景干扰后的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的图片识别方法的流程示意图,该方法包括:
S11:读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;
S12:找出酒标图片中的特征点,记录特征点在酒标图片中出现的位置及次数;
其中,所述对待识别的两张酒标图片进行特征点提取,得到所述两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到所述两张酒标图片的多个特征点;
S13:计算酒标图片的平均色阶值及最大最小值;
所述特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃该样本酒标的计算;
S14:根据所述酒标图片中的特征点及酒标酒标平均色阶值,识别所述待识别的酒标图片;
其中,所述将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储所述酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
如图4所示,所述排除外景干扰信息如下:先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
例如,如图3所示,数据库中酒标图片中字母R相对的坐标为:(-0.19,-0.21)(X和Y的坐标值均为-1到1之间,取比例),用户提交的R相对坐标为:(-0.27,-0.16),对于比较,设定一个偏差阈值Δx,Δy,假定此次比较偏差值都在阈值范围内,则视为匹配成功。如果匹配不在阈值范围内,则先记录下,取出所有匹配不在阈值范围内的识别字母,计算相对位置,比如样本和被识别酒标图片中都识别到字母“C”,计算两个图片中“C”和“R”的Δx,Δy,再进行计算比较。如果相对位置在一个允许的误差范围内,则这些字母都视为匹配正确,反之则匹配不正确。
将同一款酒标图片的所有样本对比完,对于样本中匹配上的情况做一个综合评分,例如,全部匹配上为100分,都没有匹配上,为0分,部分匹配上的话,按照每个出现字母权重计算得分。
图2是本发明另一实施例提出的酒标图片的识别装置的结构示意图,该装置包括:获取模块、提取模块、计算模块和识别模块;
获取模块用于读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;
提取模块用于找出酒标图片中的特征点,记录特征点在图片中出现的位置及次数;
提取模块用于所述对待识别的两张酒标图片进行特征点提取,得到所述两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到所述两张酒标图片的多个特征点。
计算模块用于计算酒标图片平均色阶值及最大最小值;
存储模块用于所述特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃该样本酒标的计算;识别模块用于根据所述酒标图片中的特征点及酒标图片平均色阶值,识别所述待识别的酒标图片;
解析模块用于将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储所述酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
如图4所示,排除干扰模块用于先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
例如,如图3所示,通过获取模块、提取模块和计算模块来建立数据库中酒标图片中字母R相对的坐标为:(-0.19,-0.21)(X和Y的坐标值均为-1到1之间,取比例),用户提交的R相对坐标为:(-0.27,-0.16),通过识别模块来比较,设定一个偏差阈值Δx,Δy,假定此次比较偏差值都在阈值范围内,则视为匹配成功。如果匹配不在阈值范围内,则先记录下,取出所有匹配不在阈值范围内的识别字母,计算相对位置,比如样本和被识别酒标图片中都识别到字母“C”,计算两个图片中“C”和“R”的Δx,Δy,再进行计算比较。如果相对位置在一个允许的误差范围内,则这些字母都视为匹配正确,反之则匹配不正确。
将同一款酒标图片的所有样本对比完,对于样本中匹配上的情况做一个综合评分,例如,全部匹配上为100分,都没有匹配上,为0分,部分匹配上的话,按照每个出现字母权重计算得分。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种酒标图片的识别方法,其特征在于,包括:
读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;
找出酒标图片中的特征点,记录特征点在酒标图片中出现的位置及次数;
计算酒标图片的平均色阶值及最大、最小值;
根据酒标图片中的特征点及酒标图片平均色阶值,识别待识别的酒标图片,
其中当酒标图片中的文字在识别过程中无法匹配成功时,记录超出匹配阀值范围的识别文字并计算其与已识别文字间的相对位置,如果相对位置在允许的误差范围内,则这些文字都被视为匹配正确。
2.根据权利要求1所述的一种酒标图片的识别方法,其特征在于,对待识别的两张酒标图片进行特征点提取,得到两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到两张酒标图片的多个特征点。
3.根据权利要求1所述的一种酒标图片的识别方法,其特征在于,特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃样本酒标的计算。
4.根据权利要求1所述的一种酒标图片的识别方法,其特征在于,将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
5.根据权利要求1所述的一种酒标图片的识别方法,其特征在于,排除外景干扰信息如下:先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
6.一种酒标图片的识别装置,其特征在于,包括:
获取模块,用于读取并识别酒标图片中的文字,并记录文字在酒标图片中的位置及次数;
提取模块,用于找出酒标图片中的特征点,记录特征点在图片中出现的位置及次数;
计算模块,用于计算酒标图片平均色阶值及最大最小值;
识别模块,用于根据酒标图片中的特征点及酒标图片平均色阶值,识别待识别的酒标图片;
其中当酒标图片中的文字在识别过程中无法匹配成功时,记录超出匹配阀值范围的识别文字并计算其与已识别文字间的相对位置,如果相对位置在允许的误差范围内,则这些文字都被视为匹配正确。
7.根据权利要求6所述的一种酒标图片的识别装置,其特征在于,还包括:提取模块,用于对待识别的两张酒标图片进行特征点提取,得到两张酒标图片的多个特征点包括:采用SIFT提取出来待识别的两张相似酒标图片进行特征点提取,得到两张酒标图片的多个特征点。
8.根据权利要求6所述的一种酒标图片的识别装置,其特征在于,还包括存储模块,用于特征点和平均色阶值出现的位置分别存储在不同的数据库表格中,以提升计算速度,如果被识别酒标缺少与之匹配上的文字或者没有,则放弃样本酒标的计算。
9.根据权利要求6所述的一种酒标图片的识别装置,其特征在于,还包括:解析模块,用于将待识别的酒标图片进行解析,并获得解析结果包括:在获取被识别酒标时,先计算酒标区域,分析共性,并排除外景干扰信息,并根据预先存储酒标图片中的特征点及酒标平均色阶值规则,对待识别的酒标图片进行解析,获得待识别的酒标图片信息。
10.根据权利要求6所述的一种酒标图片的识别装置,其特征在于,还包括排除干扰模块,用于排除外景干扰,先将被提交酒标缩放到一定像素比例,从第一个像素开始计算他附近的像素是否和它连续,这样会得到一组连续区域,取最大一组连续区域,如果这个区域超过图片的一定比例,则视为有效酒标区域,如果每个连续区域都达不到这个比例,则将全图视为酒标区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953222.4A CN106682683B (zh) | 2016-11-03 | 2016-11-03 | 一种酒标图片的识别方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610953222.4A CN106682683B (zh) | 2016-11-03 | 2016-11-03 | 一种酒标图片的识别方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682683A CN106682683A (zh) | 2017-05-17 |
CN106682683B true CN106682683B (zh) | 2020-09-29 |
Family
ID=58839516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610953222.4A Expired - Fee Related CN106682683B (zh) | 2016-11-03 | 2016-11-03 | 一种酒标图片的识别方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682683B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101561B (zh) * | 2018-07-13 | 2021-10-01 | 深圳红酒世界电商股份有限公司 | 一种酒标识别的方法 |
CN112115950A (zh) * | 2020-09-28 | 2020-12-22 | 郭杰 | 酒标识别方法、酒品信息管理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964048A (zh) * | 2010-07-19 | 2011-02-02 | 安徽科大讯飞信息科技股份有限公司 | 一种字符识别方法及系统 |
CN105260751A (zh) * | 2015-11-02 | 2016-01-20 | 冯清亮 | 一种文字识别方法及其系统 |
CN105654072A (zh) * | 2016-03-24 | 2016-06-08 | 哈尔滨工业大学 | 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法 |
CN106033544A (zh) * | 2015-03-18 | 2016-10-19 | 成都理想境界科技有限公司 | 基于模板匹配的试卷内容区域提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9075808B2 (en) * | 2007-03-29 | 2015-07-07 | Sony Corporation | Digital photograph content information service |
KR100884066B1 (ko) * | 2007-03-30 | 2009-02-19 | 한국전자통신연구원 | Svd 기반의 영상 비교시스템 및 방법 |
CN101425143B (zh) * | 2008-11-07 | 2012-10-31 | 东莞市微模式软件有限公司 | 一种图像定位的方法及装置 |
CN103577475B (zh) * | 2012-08-03 | 2018-01-30 | 阿里巴巴集团控股有限公司 | 一种图片自动化分类方法、图片处理方法及其装置 |
CN105205494B (zh) * | 2015-08-31 | 2018-12-11 | 小米科技有限责任公司 | 相似图片识别方法及装置 |
-
2016
- 2016-11-03 CN CN201610953222.4A patent/CN106682683B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964048A (zh) * | 2010-07-19 | 2011-02-02 | 安徽科大讯飞信息科技股份有限公司 | 一种字符识别方法及系统 |
CN106033544A (zh) * | 2015-03-18 | 2016-10-19 | 成都理想境界科技有限公司 | 基于模板匹配的试卷内容区域提取方法 |
CN105260751A (zh) * | 2015-11-02 | 2016-01-20 | 冯清亮 | 一种文字识别方法及其系统 |
CN105654072A (zh) * | 2016-03-24 | 2016-06-08 | 哈尔滨工业大学 | 一种低分辨率医疗票据图像的文字自动提取和识别系统与方法 |
Non-Patent Citations (2)
Title |
---|
A hierarchical feature search method for wine label image recognition;Mei-Yi Wu等;《2015 38th International Conference on Teleconmmunications and Signal Processing (ISP)》;20151012;第568-572页 * |
Recognition of Text in Wine Label images;Junsik Lim等;《2009 Chinese Conference on Pattern Recognition》;20091204;第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106682683A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520254B (zh) | 一种基于格式化图像的文本检测方法、装置以及相关设备 | |
CN109583429B (zh) | 一种批改试卷中应用题的方法及装置 | |
CN111753767A (zh) | 一种作业自动批改的方法、装置、电子设备和存储介质 | |
CN104866849A (zh) | 一种基于移动终端的食品营养成分标签识别方法 | |
CN105678322A (zh) | 样本标注方法和装置 | |
US9489561B2 (en) | Method and system for estimating fingerprint pose | |
CN111126122B (zh) | 人脸识别算法评估方法及装置 | |
CN112232332B (zh) | 一种基于视频序列的非接触式手掌检测方法 | |
CN103473545B (zh) | 一种基于多特征的文本图像相似度度量方法 | |
CN111178252A (zh) | 多特征融合的身份识别方法 | |
CN107909034A (zh) | 一种人脸检测方法、装置和计算机可读存储介质 | |
CN107220664B (zh) | 一种基于结构化随机森林的油瓶装箱清点方法 | |
CN105046255A (zh) | 一种基于车尾文字识别的车型鉴定方法及系统 | |
US20080304699A1 (en) | Face feature point detection apparatus and method of the same | |
CN106682683B (zh) | 一种酒标图片的识别方法以及装置 | |
CN105426890A (zh) | 一种字符扭曲粘连的图形验证码识别方法 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN106778621A (zh) | 人脸表情识别方法 | |
CN108921006B (zh) | 手写签名图像真伪鉴别模型建立方法及真伪鉴别方法 | |
US20170309040A1 (en) | Method and device for positioning human eyes | |
CN111126160B (zh) | 基于五笔输入法构建的智能汉字结构评价方法及系统 | |
CN112579803A (zh) | 一种图像数据清洗方法、装置、电子设备及存储介质 | |
CN111382703B (zh) | 一种基于二次筛选与分数融合的指静脉识别方法 | |
US20220067081A1 (en) | Training data acquisition apparatus, training apparatus, and training data acquiring method | |
CN112149654B (zh) | 基于深度学习的发票文本信息识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200929 Termination date: 20211103 |