CN107036787B - 检测方法和检测系统 - Google Patents
检测方法和检测系统 Download PDFInfo
- Publication number
- CN107036787B CN107036787B CN201710245413.XA CN201710245413A CN107036787B CN 107036787 B CN107036787 B CN 107036787B CN 201710245413 A CN201710245413 A CN 201710245413A CN 107036787 B CN107036787 B CN 107036787B
- Authority
- CN
- China
- Prior art keywords
- class equipment
- equipment line
- pixel
- line
- sub
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
Abstract
本发明公开了一种检测方法和检测系统,获取显示面板显示的检测画面之中的类设备线,根据类设备线形成免检区域,所述免检区域有效降低设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。另外,本发明形成的免检区域,既滤除了重复发生的设备线假不良对自动光学检测造成的干扰,又保证了漏检率水平不因设备线滤除而升高,极大提升了自动光学检测的有效适用性,使得自动光学检测能够实际应用于大尺寸高分辨率产品的成盒检测,最终有效解决了自动光学检测设备线过检以及设备宕机难题。
Description
技术领域
本发明涉及显示技术领域,尤其涉及一种检测方法和检测系统。
背景技术
随着智能化制造技术的发展,自动光学检测(Automatic Optic Inspection,简称AOI)在显示面板的生产检测环节日益广泛使用。自动光学检测采用无人化自动检测的方式,检测速度快、性能稳定、可调控性好,成为替代人工检测的主要检测模式。
图1为现有技术之中类设备线的结构示意图。如图1所示,类设备线501由成盒检测设备本身在量产使用时造成,量产过程之中经常由于探针单元异常、压合稳定性偏差等情况造成类设备线假不良。类设备线501的产生特征具有必然性、突发性和反复性,其中突发性体现在测试的任意时刻、显示面板500的任意位置都可能突然出现类设备线501,而先前出现的类设备线501也可能在任意时刻消失。反复性体现在一旦出现类设备线501,那么相同位置将会反复多次出现。这类设备线假不良在实际生产中对自动光学检测造成极大干扰,影响了自动光学检测的有效性。
发明内容
为解决上述问题,本发明提供一种检测方法和检测系统,至少部分解决现有技术之中类设备线假不良对自动光学检测造成极大干扰,影响了自动光学检测的有效性的问题。
为此,本发明提供一种检测方法,包括:
获取显示面板显示的检测画面之中的类设备线;
判断所述类设备线是否位于已有的免检区域之内;
若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。
可选的,若所述类设备线位于所述已有的免检区域之内,则将所述类设备线的所有子像素的灰阶值替换为正常子像素的平均灰阶值。
可选的,根据所述类设备线形成新的免检区域的步骤包括:
将所述类设备线的宽度扩大预设倍数;
将扩大后的类设备线所在区域确定为所述新的免检区域。
可选的,所述预设倍数的范围为1至10。
可选的,所述获取显示面板显示的检测画面之中的类设备线的步骤包括:
获取所述检测画面中显示的图像线,所述图像线对应的所有子像素具有相同的横坐标或者相同的纵坐标;
判断所述图像线是否同时满足如下两个条件:
图像线子像素的灰阶值与正常子像素的平均灰阶值之间的第一比例系数在第一预设范围之内,所述图像线子像素为所述图像线对应的子像素,所述正常子像素为正常显示区域的子像素;
所述图像线子像素的灰阶值与相邻的子像素的灰阶值之间的第二比例系数在第二预设范围之内;
若所述图像线同时满足上述两个条件,确定所述图像线为类设备线。
可选的,所述第一预设范围为0至0.9,所述第二预设范围均为0.1至0.9。
可选的,所述第一预设范围和所述第二预设范围均为0.15至0.2。
可选的,还包括:
若所述检测画面中的类设备线在同一位置出现的次数大于等于Q次,则生成第一报警信息;
若所述检测画面中同时出现超过N条类设备线的连续次数大于等于M次,则生成第二报警信息;
其中,所述Q、M、N为正整数。
可选的,所述Q的范围为5至50,所述M的范围为2至20,所述N的范围为5至50。
本发明还提供一种检测系统,包括:
获取单元,用于获取显示面板显示的检测画面之中的类设备线;
判断单元,用于判断所述类设备线是否位于已有的免检区域之内;
形成单元,用于若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。
本发明具有下述有益效果:
本发明提供的检测方法和检测系统之中,获取显示面板显示的检测画面之中的类设备线,判断所述类设备线是否位于已有的免检区域之内,若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。本发明提供的技术方案能够识别类设备线,再根据类设备线形成免检区域,有效降低类设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。另外,本发明提供的技术方案形成了多个位置与数量不断变化的免检区域,既滤除了重复发生的类设备线假不良对自动光学检测造成的干扰,又保证了漏检率水平不因类设备线滤除而升高,极大提升了自动光学检测的有效适用性,使得自动光学检测能够实际应用于大尺寸高分辨率产品的成盒检测,最终有效解决了自动光学检测类设备线过检以及设备宕机难题。
附图说明
图1为现有技术之中类设备线的结构示意图;
图2为本发明实施例一提供的一种检测方法的流程图;
图3为实施例一中图像线对应的子像素的灰阶值示意图;
图4为实施例一中类设备线的结构示意图;
图5为图4所示类设备线对应的免检区域的结构示意图;
图6为实施例一中连续出现类设备线的结构示意图;
图7为本发明实施例二提供的一种检测系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的检测方法和检测系统进行详细描述。
实施例一
图2为本发明实施例一提供的一种检测方法的流程图。如图2所示,所述检测方法包括:
步骤101、获取显示面板显示的检测画面之中的类设备线。
步骤102、判断所述类设备线是否位于已有的免检区域之内。
步骤103、若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。
步骤104、若所述类设备线位于所述已有的免检区域之内,则将所述类设备线的所有子像素的灰阶值替换为正常子像素的平均灰阶值。
本实施例获取显示面板显示的检测画面之中的类设备线,判断所述类设备线是否位于已有的免检区域之内,若所述类设备线位于所述已有的免检区域之外,则确认该类设备线为有效的显示不良,可以基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。若类设备线位于已有的免检区域之内,则确认该类设备线不是有效的显示不良,为了实现对该类设备线的免检,可以将类设备线的所有子像素的灰阶值替换为正常子像素的平均灰阶值。
本实施例提供的技术方案能够识别类设备线,再根据类设备线形成免检区域,有效降低类设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。另外,本实施例提供的技术方案形成了多个位置与数量不断变化的免检区域,既滤除了重复发生的类设备线假不良对自动光学检测造成的干扰,又保证了漏检率水平不因类设备线滤除而升高,极大提升了自动光学检测的有效适用性,使得自动光学检测能够实际应用于大尺寸高分辨率产品的成盒检测,最终有效解决了自动光学检测类设备线过检以及设备宕机难题。
本实施例中,所述获取显示面板显示的检测画面之中的类设备线的步骤包括:获取所述检测画面中显示的图像线,所述图像线对应的所有子像素具有相同的横坐标或者相同的纵坐标;判断所述图像线是否同时满足如下两个条件:图像线子像素的灰阶值与正常子像素的平均灰阶值之间的第一比例系数在第一预设范围之内,所述图像线子像素为所述图像线对应的子像素,所述正常子像素为正常显示区域的子像素;所述图像线子像素的灰阶值与相邻的子像素的灰阶值之间的第二比例系数在第二预设范围之内;若所述图像线同时满足上述两个条件,确定所述图像线为类设备线。可选的,所述第一预设范围为0至0.9,所述第二预设范围均为0.1至0.9。优选的,所述第一预设范围和所述第二预设范围均为0.15至0.2。
可选地,正常子像素的灰阶值T0可以根据下面公式进行计算:f(x,y)为正常取值域
图3为实施例一中图像线对应的子像素的灰阶值示意图。如图3所示,以纵向的图像线601在显示画面的灰阶值为127为例,运算矩阵的坐标原点为左上角的子像素,记为(1,1),因此图像线对应的子像素的灰阶值集合为{X1,X2,......Xn},其中n值为显示面板的纵向分辨率一致。本实施例所述的图像线601对应的所有子像素具有相同的横坐标或者相同的纵坐标。
本实施例判断图像线601为类设备线的条件之一为:图像线对应的子像素的灰阶值与正常子像素的平均灰阶值之间的第一比例系数在预设范围之内。也就是,要求图像线对应的子像素的灰阶值集合{X1,X2,......Xn}之中的每个灰阶值≤K*T,其中T为正常子像素的平均灰阶值,K为可调试的第一比例系数。T=A/B,其中A为正常显示区域600的所有子像素的灰阶值之和,B为正常显示区域600的所有子像素的数量之和。可选的,所述第一比例系数的范围为0至0.9。优选的,所述第一比例系数的范围为0.15至0.2。更优选的,所述第一比例系数为0.2。
本实施例判断图像线601为类设备线的条件之二为:所述图像线对应的子像素的灰阶值与相邻的子像素的灰阶值之间的第二比例系数在预设范围之内。参见图3,本实施例将图像线601的相邻两侧的子像素阵列分别记为{Y1,Y2,......Yn}&{Z1,Z2,......、Zn},其灰度值与类设备线相互影响,为使本实施例提供的识别方法更加严谨,本实施例要求Xm≤{Ym,Zm}*S,其中1≤m≤n,S为可调试的第二比例系数,此时可以确认类设备线为自发性暗线不良,与相邻区域的灰度影响无关。可选的,所述第二比例系数的范围为0.1至0.9。优选的,所述第二比例系数为0.15至0.2。
可选的,所述根据所述类设备线形成新的免检区域的步骤包括:将所述类设备线的宽度扩大预设倍数,将扩大后的类设备线所在区域确定为所述新的免检区域。优选的,所述预设倍数的范围为1至10。图4为实施例一中类设备线的结构示意图,图5为图4所示类设备线对应的免检区域的结构示意图。如图4和图5所示,类设备线602对应的子像素的灰阶值为35,将类设备线602的宽度扩大3倍,从而形成替换区域,再将替换区域的灰阶值替换为正常子像素的平均灰阶值127,最终形成新免检区域603。同样,类设备线604对应的子像素的灰阶值为40,将类设备线604的宽度扩大3倍,从而形成替换区域,再将替换区域的灰阶值替换为正常子像素的平均灰阶值127,最终形成新免检区域605。本实施例形成的免检区域有效降低类设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。
本实施例中,若所述检测画面中的类设备线在同一位置出现的次数大于等于Q次,则生成第一报警信息;若所述检测画面中同时出现超过N条类设备线的连续次数大于等于M次,则生成第二报警信息;其中,所述Q、M、N为正整数。可选的,所述Q的范围为5至50,所述M的范围为2至20,所述N的范围为5至50。图6为实施例一中连续出现类设备线的结构示意图。如图6所示,显示面板500的同一位置出现类设备线501的次数大于等于Q次,生成第一报警信息。显示面板500同时出现超过N条类设备线501的连续次数大于等于M次,则生成第二报警信息。本实施例通过上述方法可以判断异常状况,例如,探针单元的针脚缺失、探针单元的芯片异常或者设备整体状态异常等情况。因此,本实施例通过对异常状况进行判断,从而可以减少漏检风险。
本实施例提供的检测方法之中,获取显示面板显示的检测画面之中的类设备线,判断所述类设备线是否位于已有的免检区域之内,若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。本实施例提供的技术方案能够识别设备线,再根据设备线形成免检区域,有效降低设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。另外,本实施例提供的技术方案形成了多个位置与数量不断变化的免检区域,既滤除了重复发生的设备线假不良对自动光学检测造成的干扰,又保证了漏检率水平不因设备线滤除而升高,极大提升了自动光学检测的有效适用性,使得自动光学检测能够实际应用于大尺寸高分辨率产品的成盒检测,最终有效解决了自动光学检测设备线过检以及设备宕机难题。
实施例二
图7为本发明实施例二提供的一种检测系统的结构示意图。如图7所示,所述检测系统包括获取单元1001、判断单元1002以及形成单元1003,所述获取单元1001获取显示面板显示的检测画面之中的类设备线,所述判断单元1002判断所述类设备线是否位于已有的免检区域之内,若所述类设备线位于所述已有的免检区域之外,所述形成单元1003基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。
本实施例提供的检测系统之中,获取显示面板显示的检测画面之中的类设备线,判断所述类设备线是否位于已有的免检区域之内,若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。本实施例提供的技术方案能够识别设备线,再根据设备线形成免检区域,有效降低设备线假不良造成的干扰,极大提升自动光学检测的使用效能与适用范围,为全面推动无人化智能检测、降低生产运营成本、提升判断准确度以及降低废品损失起到极大的促进作用。另外,本实施例提供的技术方案形成了多个位置与数量不断变化的免检区域,既滤除了重复发生的设备线假不良对自动光学检测造成的干扰,又保证了漏检率水平不因设备线滤除而升高,极大提升了自动光学检测的有效适用性,使得自动光学检测能够实际应用于大尺寸高分辨率产品的成盒检测,最终有效解决了自动光学检测设备线过检以及设备宕机难题。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (9)
1.一种检测方法,其特征在于,包括:
获取显示面板显示的检测画面之中的类设备线;
判断所述类设备线是否位于已有的免检区域之内;
若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域;
所述获取显示面板显示的检测画面之中的类设备线的步骤包括:
获取所述检测画面中显示的图像线,所述图像线对应的所有子像素具有相同的横坐标或者相同的纵坐标;
判断所述图像线是否同时满足如下两个条件:
图像线子像素的灰阶值与正常子像素的平均灰阶值之间的第一比例系数在第一预设范围之内,所述图像线子像素为所述图像线对应的子像素,所述正常子像素为正常显示区域的子像素;
所述图像线子像素的灰阶值与相邻的子像素的灰阶值之间的第二比例系数在第二预设范围之内;
若所述图像线同时满足上述两个条件,确定所述图像线为类设备线。
2.根据权利要求1所述的检测方法,其特征在于,若所述类设备线位于所述已有的免检区域之内,则将所述类设备线的所有子像素的灰阶值替换为正常子像素的平均灰阶值。
3.根据权利要求1所述的检测方法,其特征在于,所述根据所述类设备线形成新的免检区域的步骤包括:
将所述类设备线的宽度扩大预设倍数;
将扩大后的类设备线所在区域确定为所述新的免检区域。
4.根据权利要求3所述的检测方法,其特征在于,所述预设倍数的范围为1至10。
5.根据权利要求1所述的检测方法,其特征在于,所述第一预设范围为0至0.9,所述第二预设范围均为0.1至0.9。
6.根据权利要求5所述的检测方法,其特征在于,所述第一预设范围和所述第二预设范围均为0.15至0.2。
7.根据权利要求1至6任一项所述的检测方法,其特征在于,还包括:
若所述检测画面中的类设备线在同一位置出现的次数大于等于Q次,则生成第一报警信息;
若所述检测画面中同时出现超过N条类设备线的连续次数大于等于M次,则生成第二报警信息;
其中,所述Q、M、N为正整数。
8.根据权利要求7所述的检测方法,其特征在于,所述Q的范围为5至50,所述M的范围为2至20,所述N的范围为5至50。
9.一种检测系统,其特征在于,包括:
获取单元,用于获取显示面板显示的检测画面之中的类设备线,包括:
获取所述检测画面中显示的图像线,所述图像线对应的所有子像素具有相同的横坐标或者相同的纵坐标;
判断所述图像线是否同时满足如下两个条件:
图像线子像素的灰阶值与正常子像素的平均灰阶值之间的第一比例系数在第一预设范围之内,所述图像线子像素为所述图像线对应的子像素,所述正常子像素为正常显示区域的子像素;
所述图像线子像素的灰阶值与相邻的子像素的灰阶值之间的第二比例系数在第二预设范围之内;
若所述图像线同时满足上述两个条件,确定所述图像线为类设备线;
判断单元,用于判断所述类设备线是否位于已有的免检区域之内;
形成单元,用于若所述类设备线位于所述已有的免检区域之外,则基于所述类设备线形成所述显示面板的不良信息,并根据所述类设备线形成新的免检区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245413.XA CN107036787B (zh) | 2017-04-14 | 2017-04-14 | 检测方法和检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710245413.XA CN107036787B (zh) | 2017-04-14 | 2017-04-14 | 检测方法和检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107036787A CN107036787A (zh) | 2017-08-11 |
CN107036787B true CN107036787B (zh) | 2019-03-12 |
Family
ID=59535392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710245413.XA Expired - Fee Related CN107036787B (zh) | 2017-04-14 | 2017-04-14 | 检测方法和检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107036787B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101097389A (zh) * | 2006-06-30 | 2008-01-02 | 株式会社日立显示器 | 显示装置 |
CN202170149U (zh) * | 2011-06-08 | 2012-03-21 | 北京京东方光电科技有限公司 | 一种薄膜晶体管液晶显示器的基板分类配对装置 |
CN106068450A (zh) * | 2014-01-22 | 2016-11-02 | 蒂阿马公司 | 用于检测特别是折射缺陷的方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005315776A (ja) * | 2004-04-30 | 2005-11-10 | ▲桜▼井精技株式会社 | 平面表示装置の表示欠陥検出方法 |
CN103308279B (zh) * | 2012-03-16 | 2016-12-28 | 苹果公司 | 测试设备及其方法 |
CN104166250A (zh) * | 2013-05-20 | 2014-11-26 | 冠捷投资有限公司 | 一种平面显示器面板均匀度检测方法及其系统 |
CN103278948B (zh) * | 2013-05-30 | 2015-10-21 | 合肥京东方光电科技有限公司 | 用于显示面板的线类不良检测的方法和检测装置 |
CN103487961B (zh) * | 2013-10-22 | 2016-01-06 | 合肥京东方光电科技有限公司 | 显示面板检测方法 |
CN103558699B (zh) * | 2013-11-12 | 2016-03-23 | 合肥京东方光电科技有限公司 | 一种检测设备及方法 |
CN105845062A (zh) * | 2016-03-31 | 2016-08-10 | 京东方科技集团股份有限公司 | 检测显示面板的方法及系统和显示面板的批量检测方法 |
-
2017
- 2017-04-14 CN CN201710245413.XA patent/CN107036787B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101097389A (zh) * | 2006-06-30 | 2008-01-02 | 株式会社日立显示器 | 显示装置 |
CN202170149U (zh) * | 2011-06-08 | 2012-03-21 | 北京京东方光电科技有限公司 | 一种薄膜晶体管液晶显示器的基板分类配对装置 |
CN106068450A (zh) * | 2014-01-22 | 2016-11-02 | 蒂阿马公司 | 用于检测特别是折射缺陷的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107036787A (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190063839A (ko) | 제조 공정에서 딥러닝을 활용한 머신 비전 기반 품질검사 방법 및 시스템 | |
CN104520983A (zh) | 用于半导体制造中的检验的嵌入噪声中的缺陷的检测 | |
CN101600957A (zh) | 缺陷检测装置及缺陷检测方法 | |
CN104410855A (zh) | 一种监控视频的抖动检测方法 | |
CN104459421B (zh) | 一种二极管极性检测方法与系统 | |
CN101197999A (zh) | 内插帧生成方法及内插帧生成设备 | |
CN101487934B (zh) | 光学检测装置及光学检测方法 | |
CN103500722B (zh) | 一种电子束缺陷检测方法 | |
CN109087294A (zh) | 一种产品缺陷检测方法、系统及计算机可读存储介质 | |
EP3904868A1 (en) | Learned model generation method, learned model, surface defect inspection method, steel manufacturing method, pass/fail determination method, grade determination method, surface defect determination program, pass/fail determination program, determination system, and steel manufacturing equipment | |
US11908127B2 (en) | Internet of Things systems for industrial data processing, control methods, and storage medium thereof | |
CN106528938B (zh) | 一种基于按类统计的滚动轴承可靠性可视化动态评估方法 | |
CN106709905A (zh) | 一种基于双目视觉图像的防振锤故障在线检测识别方法 | |
He et al. | Enhancing the monitoring of 3D scanned manufactured parts through projections and spatiotemporal control charts | |
CN107036787B (zh) | 检测方法和检测系统 | |
CN108121648B (zh) | 一种界面错误监控方法 | |
TW201104243A (en) | Method for misalignment of photolithographic masks from a charged particle microscopic image and system thereof | |
CN104215638A (zh) | 针脚弯曲检测方法 | |
JP2021179321A (ja) | 状態管理方法、プログラム、及び状態管理システム | |
CN104349125A (zh) | 一种区域监控方法及设备 | |
Yu et al. | An economic design for a variable-sampling-interval control chart for a continuous-flow process | |
CN109919120B (zh) | 一种基于近红外光谱成像的火焰检测方法 | |
CN112598695A (zh) | 基于光流和动量法的化工运动目标监控方法 | |
CN103152512B (zh) | 检测产品图案消失的方法与电路 | |
CN111583383A (zh) | 一种高压容器检验的三维可视化辅助方法 |
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 |
Granted publication date: 20190312 |
|
CF01 | Termination of patent right due to non-payment of annual fee |