CN106767467A - 一种基于机器视觉的可转位刀片钝圆检测系统 - Google Patents
一种基于机器视觉的可转位刀片钝圆检测系统 Download PDFInfo
- Publication number
- CN106767467A CN106767467A CN201710125701.1A CN201710125701A CN106767467A CN 106767467 A CN106767467 A CN 106767467A CN 201710125701 A CN201710125701 A CN 201710125701A CN 106767467 A CN106767467 A CN 106767467A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- throw away
- indexable insert
- tip
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的可转位刀片钝圆检测系统,包括图像采集模块、图像处理模块、系统标定模块和图像测量模块,所述的图像采集模块的输出与图像处理模块的输入连接;图像处理模块的输出与系统标定模块的输入连接;系统标定模块的输出与图像测量模块的输入连接,以解决现有技术对刀片刃口钝圆半径测量手段精度低、效率差、通用性差、环境因素和人为因素影响较大等,不能满足刀片刃口高精度测量要求等技术问题。
Description
技术领域
本发明属于图像采集处理技术,尤其涉及一种基于机器视觉的可转位刀片钝圆检测系统。
背景技术
普通硬质合金刀片在精磨之后会存在毛边、小蹦刃、锯口等微观缺陷,这些微观缺陷会加速刀片磨损,严重影响刀具的切削性能和使用寿命,进而影响工厂生产效率,甚至可能导致安全事故发生。通过刀片刃口钝化能够消除刃口上的缺陷、增大刃口钝圆半径和提高刀具表面光洁度,从而使切削加工中刀片的寿命、切削的稳定性和工件已加工表面质量等都有不同程度的延长和提高,其中刀片寿命的延长最为明显。刀片刃口钝化轮廓对刀片切削性能的影响规律已成为切削加工中亟待解决的关键问题。刀片刃口钝化后其钝圆半径达到微米级,这对检测系统的精度提出了更高要求。传统的刀具刃口钝圆半径测量手段精度低、效率差、通用性差、环境因素和人为因素影响较大等,已经不能满足刀片刃口高精度测量要求,因此,一种高精度、高效率、通用性好的检测系统是非常有必要的。
发明内容
本发明要解决的技术问题:提供一种基于机器视觉的可转位刀片刃口钝圆半径检测系统,以解决现有技术对刀片刃口钝圆半径测量手段精度低、效率差、通用性差、环境因素和人为因素影响较大等,不能满足刀片刃口高精度测量要求等技术问题。
本发明采用的的技术方案为一种基于机器视觉的可转位刀片钝圆检测系统,包括图像采集模块、图像处理模块、系统标定模块和图像测量模块,所述的图像采集模块的输出与图像处理模块的输入连接;图像处理模块的输出与系统标定模块的输入连接;系统标定模块的输出与图像测量模块的输入连接。
所述的图像处理模块包括图像增强子模块、图像滤波子模块、图像分割子模块、边缘轮廓提取子模块,所述的图像增强子模块输出与图像滤波子模块的输入连接;图像滤波子模块的输出与图像分割子模块的输入连接;图像分割子模块的输出与边缘轮廓提取子模块的输入连接。
其检测方法,包括以下步骤:
第一步、通过CCD工业相机和镜头拍摄标定板和可转位刀片刃口图像,由图像采集卡将采集到的模拟信号转换为数字信号存入到计算机;
第二步、对存入计算机的图像进行处理,提取可转位刀片刃口边缘轮廓;
第三步、用二值化标定法标定板图像,获取标定板圆心距的真实值和像素值之间的对应关系,得到标定板的标定系数K1,然后校正透视失真,最后对被测可转位刀片刃口图像进行标定;
第四步、系统标定,先建立一个ROI区域,通过由内而外或由外而内的方式在ROI区域中进行搜索,运用双线性插值法或者双线性插值的定点计算法来确定边缘位置,最后运用平均值法或者中间值法将边缘点拟合成圆,拟合圆半径值即为可转位刀片钝圆半径。
所述的对存入计算机的图像进行处理包括采用直方图均衡化和直方图规定化对图像进行增强;采用中值滤波和低通滤波滤除图像噪声;采用局部阈值分割法、多阈值分割法和自适应阈值分割法分割图像,将整个图像分割为目标区和背景区两大区域;运用Roberts、Prewitt、Sobel和Canny边缘检测算子提取可转位刀片边缘轮廓。
所述的自适应阈值分割法采用的算法为最大类间方差法和最大熵原则法。
Canny边缘检测算子具有三个优点:低失误概率高位置精度对边缘有唯一响应性。
本发明的有益效果:
本发明图像采集系统,提供了一种基于机器视觉的可转位刀片钝圆检测系统及检测方法,采用可转位刀片刃口图像和标定板图像的分步采集的方式,确保了可转位刀片刃口图像和标定板图像的放大倍率相同,满足后期系统标定要求的要求,将采集到的图像通过图像增强处理,弥补因相机镜头参数及外界光线影响下图像目标和背景视觉效果不理想问题,通过图像滤波去除了采集过程中不可避免的各种干扰信号,最终提取到清楚的可转位刀片边缘轮廓,以便精确测量到可转位刀片刃口钝圆半径,最终经过系统标定和参数测量得到可转位刀片刃口钝圆半径,本发明由于采用系统自动处理图片,对图片进行各种补偿,因此具有处理速度快效率高等优点,而且不受人为和周围环境的影响,使得到的可转位刀片刃口钝圆半径具有精度高等优点,本发明解决了对刀片夹持困难,对刀具刃口钝圆半径测量手段精度低、效率差、通用性差、环境因素和人为因素影响较大等,不能满足可转位刀片刃口高精度测量要求等技术问题。
附图说明
图1为本发明的系统结构框图;
图2为本发明的图像处理模块结构框图。
具体实施方式
下面结合附图对本发明进行详细说明。
一种基于机器视觉的可转位刀片钝圆检测系统,包括图像采集模块、图像处理模块、系统标定模块和图像测量模块,所述的图像采集模块的输出与图像处理模块的输入连接;图像处理模块的输出与系统标定模块的输入连接;系统标定模块的输出与图像测量模块的输入连接。
所述的图像处理模块包括图像增强子模块、图像滤波子模块、图像分割子模块、边缘轮廓提取子模块,所述的图像增强子模块输出与图像滤波子模块的输入连接;图像滤波子模块的输出与图像分割子模块的输入连接;图像分割子模块的输出与边缘轮廓提取子模块的输入连接。
其检测方法,包括以下步骤:
第一步、通过CCD工业相机和镜头拍摄标定板和可转位刀片刃口图像,由图像采集卡将采集到的模拟信号转换为数字信号存入到计算机;
第二步、对存入计算机的图像进行处理,提取可转位刀片刃口边缘轮廓;
第三步、用二值化标定法标定板图像,获取标定板圆心距的真实值和像素值之间的对应关系,得到标定板的标定系数K1,然后校正透视失真,最后对被测可转位刀片刃口图像进行标定;
第四步、系统标定,先建立一个ROI区域,通过由内而外或由外而内的方式在ROI区域中进行搜索,运用双线性插值法或者双线性插值的定点计算法来确定边缘位置,最后运用平均值法或者中间值法将边缘点拟合成圆,拟合圆半径值即为可转位刀片钝圆半径。
所述的对存入计算机的图像进行处理包括采用直方图均衡化和直方图规定化对图像进行增强;采用中值滤波和低通滤波滤除图像噪声;采用局部阈值分割法、多阈值分割法和自适应阈值分割法分割图像,将整个图像分割为目标区和背景区两大区域;运用Roberts、Prewitt、Sobel和Canny边缘检测算子提取可转位刀片边缘轮廓。
所述的自适应阈值分割法采用的算法为最大类间方差法和最大熵原则法。
图像采集模块,首先将刀片夹持好,然后通过CCD工业相机和镜头拍摄标定板和可转位刀片刃口图像,由图像采集卡将采集到的模拟信号转换为数字信号存入到计算机图像采集模块是整个系统的前提和基础,采集主要包括可转位刀片刃口图像和标定板图像的分步采集,以确保可转位刀片刃口图像和标定板图像的放大倍率相同,满足系统标定要求。
首先在采用环形光源背光照明下,通过LabVIEW软件视觉与运动模块IMAQ Vision模块中的图像采集函数IMAQ Grab Acquire VI调用CCD工业相机和镜头进行拍摄标定板和可转位刀片刃口图像,然后由图像采集卡将采集到的模拟信号转换为数字信号输入到计算机内存中,由图像保存函数IMAQ Write File 2 VI将图像存储于计算机硬盘中。
图像处理模块,对存入计算机的图像进行处理,提取可转位刀片刃口边缘轮廓;
图像增强子模块,采用直方图均衡化和直方图规定化对图像进行增强;在图像采集中因相机镜头参数及外界光线影响下,图像目标和背景视觉效果并不理想,运用图像增强算法改善图像视觉效果,本发明主要采用直方图均衡化和直方图规定化来增强图像;直方图均衡化函数IMAQ Equalize VI用于实现整个图像灰度值的均衡化分布。直方图规定化指的是利用改变图像直方图函数IMAQ BCGLookup VI通过改变图像亮度、对比度和伽玛值这三个参数直接达到改变图像直方图,其三个值的取值范围分别为0到255、0到60、0.1到10,默认值分别为128、45、1。
图像滤波子模块,采用中值滤波和低通滤波滤除图像噪声;在图像采集中同时会不可避免的受到各种噪声的干扰,采集的图像会存在部分噪声信号,影响图像轮廓的提取,因此本发明运用图像滤波算法滤除图像噪声,本实施例采用中值滤波和低通滤波滤除图像噪声。中值滤波函数IMAQ NthOrder VI用于空间域的中值滤波,其滤波模板大小可变,默认值为;低通滤波函数IMAQ LowPass VI用于低通滤波。
图像分割子模块,采用多阈值分割法和自适应阈值分割法分割图像,将整个图像分割为目标区和背景区两大区域;图像经过图像预处理后改善了图像质量,但图像中的各像素灰度值是连续渐变的,系统无法精确确定可转位刀片刃口轮廓和标定板轮廓。因此,根据“二值化”的思想,运用阈值分割法将图像灰度值二值化,从而将整个图像分割为目标(可转位刀片刃口)与背景两大区域。系统中将采用多阈值分割法和自适应阈值分割法分割图像。其中自适应阈值分割法是运用特定的算法根据图像的灰度分布计算出与图像相适应的阈值,从而分割图像,其算法主要采用最大类间方差法和最大熵原则法等。局部阈值分割函数IMAQ Local Threshold VI是将原图像划分为许多较小的图像,并对每个子图像选取相应的阈值。多阈值分割函数IMAQ MultiThreshold VI用于多阈值分割,其运用一维数组设置阈值分割段,运用簇中包含的三个数值输入控件分别代表最低阈值、最高阈值和替代阈值。自适应阈值分割函数IMAQ AutoBThreshold 2 VI用于自适应阈值分割,其方法有最大熵原则法、最大类间方差法等。
边缘轮廓提取子模块,运用Roberts、Prewitt、Sobel和Canny边缘检测算子提取可转位刀片边缘轮廓。经图像分割后,对比相应检测算子的处理效果,发现运用Canny边缘检测算子处理后得到的图像目标与背景分割最为明显,所以最后确定运用Canny边缘检测算子提取可转位刀片边缘轮廓,以便精确测量可转位刀片刃口钝圆半径,边缘检测函数IMAQCannyEdgeDetection VI用于Canny边缘检测;边缘检测函数IMAQEdgeDetection VI用于Roberts、Prewitt、Sobel边缘检测。
由于上述步骤中各种图像处理算法都有两种或两种以上,故本系统将在While循环中运用双重条件结构和移位寄存器,使得该模块在运行过程中可以任意选择相应的算法,对各种算法的处理结果进行对比分析。
系统标定模块,首先用二值化标定标定板图像,获取标定板圆心距的真实值和像素值之间的对应关系,得到标定板的标定系数K1,然后校正透视失真,最后对被测可转位刀片刃口图像进行标定;
可转位刀片刃口钝圆半径达到微米级,精度要求非常高。为实现微米级钝圆半径测量,标定板选用圆心阵列标定板,其外形尺寸为,圆点数为,圆直径为0.25mm,圆心距为0.5mm,制造精度为1µm。
系统标定原理为:圆心阵列标定板的圆心距实际长度为M(以毫米mm为单位),运用相机采集的图像中的圆心距像素尺寸为N(以像素个数为单位),则实际尺寸M与像素尺寸N的比值就是标定板的标定系数K1,用公式表示为:
而对于可转位刀片刃口钝圆:设刃口钝圆半径实际尺寸值为L(以毫米mm为单位),运用相机采集的图像中的刃口钝圆半径像素尺寸为P(以像素个数为单位),则其标定系数K2用公式表示如下:
当图像采集时相机镜头的参数(如视距、焦距、放大倍率)以及外界条件(照明、相机与目标的相对位置)不变时,标定板的标定系数K1等于铣刀刃口钝圆半径的标定系数K2。则由以上两公式可以得出:
其中M为已知尺寸0.5mm,而P和N通过软件系统获取,从而得出钝圆半径L的真实值,达到标定的目的。
由于系统选用的是远心镜头,根据远心镜头所具有的在视场范围内图像的放大倍率不随物距的变化而变化这一特性,所以只要在采集图像时相机的参数不变且拍摄的图像清晰(目标物都在视场范围内),则每一张图像的标定系数都相等。同时远心镜头还具有的低畸变特性,极大地减小了图像采集中的各种失真,增大了系统的标定精度。
根据系统标定原理,首先运用IMAQ Local Threshold VI二值化标定板图像,其次运用IMAQ Calibration Target to Points-Circular Dots VI获取标定板圆心距的真实值和像素值之间的对应关系,得到标定板的标定系数K1,然后运用IMAQ Learn DistortionModel VI和IMAQ Learn Perspective Calibration VI校正由于相机拍摄方向与标定板图像不完全垂直导致的透视失真,最后运用IMAQ Set Calibration Info VI对被测可转位刀片刃口图像进行标定。
图像测量模块,首先在图像中创建一个ROI(Region Of Interest)区域,该区域包括可转位刀片刃口钝圆轮廓:其次,通过由内而外或者由外而内的方式在ROI区域中进行搜索,扇形区域中的线条为搜索方向,运用双线性插值法或者双线性插值的定点计算法来确定边缘位置最后运用平均值法或者中间值法将边缘点拟合成圆,拟合圆半径值近似为可转位刀片钝圆半径得到测量结果。在系统中首先运用IMAQ ConstructROI VI创建圆弧形ROI区域,然后运用IMAQ Find Circular Edge 3 VI测量ROI区域中的钝圆半径。
Claims (5)
1.一种基于机器视觉的可转位刀片钝圆检测系统,包括图像采集模块、图像处理模块、系统标定模块和图像测量模块,其特征在于:所述的图像采集模块的输出与图像处理模块的输入连接;图像处理模块的输出与系统标定模块的输入连接;系统标定模块的输出与图像测量模块的输入连接。
2.根据权利要求1所述的一种基于机器视觉的可转位刀片钝圆检测系统,其特征在于:所述的图像处理模块包括图像增强子模块、图像滤波子模块、图像分割子模块、边缘轮廓提取子模块,所述的图像增强子模块输出与图像滤波子模块的输入连接;图像滤波子模块的输出与图像分割子模块的输入连接;图像分割子模块的输出与边缘轮廓提取子模块的输入连接。
3.一种基于机器视觉的可转位刀片钝圆的检测方法,其特征在于:包括以下步骤:
第一步、通过CCD工业相机和镜头拍摄标定板和可转位刀片刃口图像,由图像采集卡将采集到的模拟信号转换为数字信号存入到计算机;
第二步、对存入计算机的图像进行处理,提取可转位刀片刃口边缘轮廓;
第三步、用二值化标定法标定板图像,获取标定板圆心距的真实值和像素值之间的对应关系,得到标定板的标定系数K1,然后校正透视失真,最后对被测可转位刀片刃口图像进行标定;
第四步、系统标定,先建立一个ROI区域,通过由内而外或由外而内的方式在ROI区域中进行搜索,运用双线性插值法或者双线性插值的定点计算法来确定边缘位置,最后运用平均值法或者中间值法将边缘点拟合成圆,拟合圆半径值即为可转位刀片钝圆半径。
4.根据权利要求3所述的一种基于机器视觉的可转位刀片钝圆的检测方法,其特征在于:所述的对存入计算机的图像进行处理包括采用直方图均衡化和直方图规定化对图像进行增强;采用中值滤波和低通滤波滤除图像噪声;采用局部阈值分割法、多阈值分割法和自适应阈值分割法分割图像,将整个图像分割为目标区和背景区两大区域;运用Roberts、Prewitt、Sobel和Canny边缘检测算子提取可转位刀片边缘轮廓。
5.根据权利要求4所述的一种基于机器视觉的可转位刀片钝圆的检测方法,其特征在于:所述的自适应阈值分割法采用的算法为最大类间方差法和最大熵原则法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710125701.1A CN106767467A (zh) | 2017-03-05 | 2017-03-05 | 一种基于机器视觉的可转位刀片钝圆检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710125701.1A CN106767467A (zh) | 2017-03-05 | 2017-03-05 | 一种基于机器视觉的可转位刀片钝圆检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106767467A true CN106767467A (zh) | 2017-05-31 |
Family
ID=58961294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710125701.1A Pending CN106767467A (zh) | 2017-03-05 | 2017-03-05 | 一种基于机器视觉的可转位刀片钝圆检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106767467A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108506170A (zh) * | 2018-03-08 | 2018-09-07 | 上海扩博智能技术有限公司 | 风机叶片检测方法、系统、设备及存储介质 |
CN108581635A (zh) * | 2018-05-03 | 2018-09-28 | 哈尔滨理工大学 | 一种铣刀侧刃刃口磨损三维检测装置及方法 |
CN111571308A (zh) * | 2020-05-19 | 2020-08-25 | 哈尔滨理工大学 | 一种用于刀具磨损在机检测装置及刀具磨损检测方法 |
CN114878570A (zh) * | 2022-05-18 | 2022-08-09 | 南京工业大学 | 一种基于机器视觉的可转位刀片刃口钝化检测系统及检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101758423A (zh) * | 2008-12-23 | 2010-06-30 | 上海诚测电子科技发展有限公司 | 基于图像识别的旋转刀具状态多参数综合评价方法 |
CN102564314A (zh) * | 2011-12-06 | 2012-07-11 | 上海交通大学 | 用于检测立铣刀磨损状态的正交视觉检测系统 |
CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
CN205156871U (zh) * | 2015-10-22 | 2016-04-13 | 贵州大学 | 立铣刀刃口钝圆半径检测图像采集平台 |
-
2017
- 2017-03-05 CN CN201710125701.1A patent/CN106767467A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101758423A (zh) * | 2008-12-23 | 2010-06-30 | 上海诚测电子科技发展有限公司 | 基于图像识别的旋转刀具状态多参数综合评价方法 |
CN102564314A (zh) * | 2011-12-06 | 2012-07-11 | 上海交通大学 | 用于检测立铣刀磨损状态的正交视觉检测系统 |
CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
CN205156871U (zh) * | 2015-10-22 | 2016-04-13 | 贵州大学 | 立铣刀刃口钝圆半径检测图像采集平台 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108506170A (zh) * | 2018-03-08 | 2018-09-07 | 上海扩博智能技术有限公司 | 风机叶片检测方法、系统、设备及存储介质 |
CN108581635A (zh) * | 2018-05-03 | 2018-09-28 | 哈尔滨理工大学 | 一种铣刀侧刃刃口磨损三维检测装置及方法 |
CN108581635B (zh) * | 2018-05-03 | 2023-10-13 | 哈尔滨理工大学 | 一种铣刀侧刃刃口磨损三维检测装置及方法 |
CN111571308A (zh) * | 2020-05-19 | 2020-08-25 | 哈尔滨理工大学 | 一种用于刀具磨损在机检测装置及刀具磨损检测方法 |
CN114878570A (zh) * | 2022-05-18 | 2022-08-09 | 南京工业大学 | 一种基于机器视觉的可转位刀片刃口钝化检测系统及检测方法 |
CN114878570B (zh) * | 2022-05-18 | 2023-09-08 | 南京工业大学 | 一种基于机器视觉的可转位刀片刃口钝化检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105241389A (zh) | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 | |
CN109490316B (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN106767467A (zh) | 一种基于机器视觉的可转位刀片钝圆检测系统 | |
CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
CN110807355A (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
CN102176228A (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN108387516A (zh) | 基于ccd像机图像处理技术的螺纹缺陷检测装置及检测方法 | |
CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
CN109341570B (zh) | 一种基于机器视觉的内螺纹检测方法及系统 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN108088845A (zh) | 一种基于微弱信息保留的成像校正方法与装置 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
CN109030502A (zh) | 一种基于机器视觉的焊点缺陷检测系统 | |
CN109584239B (zh) | 一种基于反射光的高光物体表面缺陷检测系统及方法 | |
CN111578838A (zh) | 一种齿轮尺寸视觉测量装置及测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |