CN107154039A - 胶管在线缺陷检测装置及方法 - Google Patents

胶管在线缺陷检测装置及方法 Download PDF

Info

Publication number
CN107154039A
CN107154039A CN201710294525.4A CN201710294525A CN107154039A CN 107154039 A CN107154039 A CN 107154039A CN 201710294525 A CN201710294525 A CN 201710294525A CN 107154039 A CN107154039 A CN 107154039A
Authority
CN
China
Prior art keywords
sebific duct
image
computer
light source
defect
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.)
Granted
Application number
CN201710294525.4A
Other languages
English (en)
Other versions
CN107154039B (zh
Inventor
孟凡武
李健
王翔
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.)
BEIJING SIMPLE TECHNOLOGY Co Ltd
Original Assignee
BEIJING SIMPLE TECHNOLOGY Co Ltd
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 BEIJING SIMPLE TECHNOLOGY Co Ltd filed Critical BEIJING SIMPLE TECHNOLOGY Co Ltd
Priority to CN201710294525.4A priority Critical patent/CN107154039B/zh
Publication of CN107154039A publication Critical patent/CN107154039A/zh
Application granted granted Critical
Publication of CN107154039B publication Critical patent/CN107154039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10052—Images from lightfield camera

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明属于胶管检测技术领域，具体涉及一种胶管缺陷检测装置及方法。一种胶管在线缺陷检测装置，其技术方案是，它包括：光源、图像采集设备、编码器、计算机以及报警设备；所述光源用于确保光线均匀分布在所述胶管上，图像采集设备用于采集胶管表面的图像信息，并将图像信息送至计算机；计算机对光源、图像采集设备的开启进行控制，并对接收到的图像信息进行分析、判断，若判断胶管存在缺陷时，则启动报警设备发出警报。本发明采用图像采集设备采集胶管圆周表面的图像，通过计算机内置的缺陷检测算法识别胶管表面是否具有缺陷，具备检测效率高、成本低的特点，可满足胶管表面质量的全面检测和连续检测的要求。

Description

胶管在线缺陷检测装置及方法
技术领域
本发明属于胶管检测技术领域，具体涉及一种针对于胶管缺陷的检测装置及方法。
背景技术
橡胶管在许多领域有着重要应用，其生产过程一般是将胶料加热后采用挤压方式成形。在胶管挤出的过程中，由于模具、胶料等多方面的原因，可能在已经成形的胶管表面形成各种缺陷。生产企业往往在每个挤出工序安排工人肉眼观察胶管表面的状态，通过工人发现缺陷，及时排除缺陷。但是，由于胶管生产是连续作业，仅仅用肉眼观察不能长时间工作，同时，由于胶管为圆形，工人无法观察到胶管底面的缺陷。对于胶管生产企业，急需开发一种能够代替工人肉眼观察胶管缺陷的方法，自动识别和判断胶管挤出时产生的缺陷，提高胶管挤出生产线在线检测缺陷的能力。
发明内容
本发明的目的是：提供一种能够代替工人肉眼观察、自动识别和判断胶管挤出时产生缺陷的检测装置及方法，以提高胶管挤出生产线缺陷检测的能力。
本发明的技术方案是：胶管在线缺陷检测装置，它包括：光源、图像采集设备、编码器、计算机以及报警设备；
用于被检测的胶管放置在支撑辊筒上，支撑辊筒用于支撑正在输送的胶管；
光源用于确保光线均匀分布在胶管上；
图像采集设备用于采集胶管表面周向360°的图像信息，并将图像信息送至计算机；
计算机对光源、图像采集设备的开启进行控制，并依据接收到的图像信息判断所述胶管表面是否存在缺陷，若判断胶管存在缺陷，则启动报警设备发出警报；
编码器安装在支撑辊筒上，当支撑辊筒转动时，编码器向计算机发送脉冲信号，计算机点亮光源并开启图像采集设备。
胶管在线缺陷检测方法，它包括：以下步骤：
A.对胶管表面进行图像采集，并对采集的图像进行降噪、平滑预处理；
B.检测区域选取
B1.在预处理后的图像中，在垂直胶管轴线的方向生成直线ROI，直线ROI长度大于胶管直径，并横截图像中的胶管；根据直线ROI上的灰度分布，找到两个灰度值突变位置，并分别记为点A、点B，此两点所在的平行于胶管轴线的横线为胶管边缘并用于跟踪后续图像中的胶管位置，两横线之间区域即为胶管；
B2.在胶管区域内绘制矩形ROI，其中矩形ROI长边平行于胶管，短边小于胶管直径；剔除矩形ROI以外的图像，仅保留矩形ROI内的图像作为检测区；
C.检测区域二值化处理
按照3x3邻域对检测区域进行动态二值化处理，计算任一邻域内的最大灰度值NMax,最小灰度值NMin,并将二值化阈值设定为(NMax+NMin,)/2，灰度大于阈值的像素点灰度值被设置为255，否则设为0；
D.缺陷识别
D1.疑似缺陷区域提取
对检测区域中像素灰度值为255的像素连通区域进行边缘识别并作为疑似缺陷区域，统计各疑似缺陷区域面积、长度及宽度；
D2.缺陷识别
将疑似区域的面积、长度、宽度与设定最小面积S，最小长度L，最小宽度W对比，当疑似缺陷区域的任一值大于设定值时，即判断胶管表面出现缺陷。
有益效果：本发明采用图像采集设备采集胶管圆周表面的图像，通过计算机内置处理软件识别图像上的缺陷，具备检测效率高、成本低的特点，可满足胶管表面质量的全面检测和连续检测的要求。
附图说明
图1为本发明的结构示意图。
具体实施方式
实施例1，参见附图1，胶管在线缺陷检测装置，它包括：光源2、图像采集设备1、编码器3、计算机7以及报警设备6；
用于被检测的胶管5放置在支撑辊筒4上，支撑辊筒4用于支撑正在输送的所述胶管5；
光源2为环状结构，数量共为两个，用于确保光线均匀分布在胶管5上，两个光源2同轴套结在胶管5外圆周，发光面相对设置，每个光源2的发光面与水平面的夹角为45°-90°；
图像采集设备1用于采集胶管5表面周向360°的图像信息，并将图像信息送至计算机7；图像采集设备1可采用四个或者四个以上工业相机，环向的设置在两个光源2之间的胶管5周围；
计算机7对光源2、图像采集设备1的开启进行控制，具体为：计算机7在控制光源2频闪的同时，向所有的图像采集设备1发出同步触发采集图像信号，图像采集设备1同时采集图像；计算机7并对接收到的图像信息进行分析、判断，若判断胶管5存在缺陷时，则启动报警设备6发出警报；
编码器3安装在支撑辊筒4上，当支撑辊筒4转动时，编码器3向计算机7发送脉冲信号，计算机7点亮光源2并同步触发四个或者四个以上图像采集设备1。
本装置的具体工作流程为：
S1、被检测的胶管5位于生产线上，由支撑辊筒4向前输送，编码器3安装在支撑辊筒4上；
S2、支撑辊筒4转动后带动编码器3产生编码器脉冲信号；
S3、脉冲信号会传递给计算机7，计算机7发出指令控制光源2点亮以及图像采集设备1同步采集图像；
S4、采集的图像通过协议传递给计算机7；
S5、计算机7通过缺陷识别软件对胶管5表面质量进行判断；
S6、若识别出不合格产品计算机7自动存储当前图像，并发出报警指令，控制报警设备6发出警报。
实施例2，胶管在线缺陷检测方法，它包括：以下步骤：
A.对胶管表面进行图像采集，并对采集的图像进行降噪、利用高斯平滑算子对图像行平滑处理；
B.检测区域选取
B1.在预处理后的图像中，在垂直胶管轴线的方向生成直线ROI，直线ROI长度大于胶管直径，并横截图像中的胶管；根据直线ROI上的灰度分布，找到两个灰度值突变位置，并分别记为点A、点B，此两点所在的平行于胶管轴线的横线即为胶管边缘并用于跟踪后续图像中的胶管位置，两横线之间区域即为胶管；
B2.在胶管区域内绘制矩形ROI，其中矩形ROI长边平行于胶管，短边小于胶管宽度；利用ROISelect算法剔除矩形ROI以外的图像，仅保留矩形ROI内的图像作为检测区；
C.检测区域二值化处理
利用AdaptiveThreshold算法，按照3x3邻域对检测区域进行动态二值化处理，计算任一邻域内的最大灰度值NMax,最小灰度值NMin,并将二值化阈值设定为(NMax+NMin,)/2，灰度大于阈值的像素点灰度值被设置为255，否则设为0；
D.缺陷识别
D1.疑似缺陷区域提取
利用Count算法对检测区域中像素灰度值为255的像素连通区域进行边缘识别并作为疑似缺陷区域，统计各疑似缺陷区域面积(即像素点个数)、长度及宽度；
D2.缺陷识别
将疑似区域的面积、长度、宽度与设定最小面积S，最小长度L，最小宽度W对比，当疑似缺陷区域的任一值大于设定值时，即判断胶管表面出现缺陷。

Claims (9)

1.胶管在线缺陷检测装置，其特征在于，包括：光源(2)、图像采集设备(1)、编码器(3)、计算机(7)以及报警设备(6)；
用于被检测的胶管(5)放置在支撑辊筒(4)上，所述支撑辊筒(4)用于支撑正在输送的所述胶管(5)；
所述光源(2)用于确保光线均匀分布在所述胶管(5)上；
所述图像采集设备(1)用于采集所述胶管(5)表面周向360°的图像信息，并将所述图像信息送至所述计算机(7)；
所述计算机(7)对所述光源(2)、所述图像采集设备(1)的开启进行控制，并依据接收到的图像信息判断所述胶管(5)表面是否存在缺陷，若判断所述胶管(5)存在缺陷，则启动所述报警设备(6)发出警报；
所述编码器(3)安装在所述支撑辊筒(4)上，当所述支撑辊筒(4)转动时，所述编码器(3)向所述计算机(7)发送脉冲信号，所述计算机(7)点亮所述光源(2)并开启所述图像采集设备(1)。
2.如权利要求1所述的胶管在线缺陷检测装置，其特征在于，所述光源(2)为环状结构，数量共为两个，两个所述光源(2)同轴套结在所述胶管(5)外圆周，每个所述光源(2)的发光面与水平面的夹角为45°-90°。
3.如权利要求1所述的胶管在线缺陷检测装置，其特征在于，所述图像采集设备(1)为工业相机，数量为四个以上，环向的设置在两个所述光源(2)之间的所述胶管(5)周围。
4.如权利要求3所述的胶管在线缺陷检测装置，其特征在于，所述计算机(7)在控制所述光源(2)频闪的同时，向所有的所述图像采集设备(1)发出同步触发采集图像信号，所述图像采集设备(1)同时采集图像。
5.胶管在线缺陷检测方法，其特征在于，它包括：以下步骤：
A.对胶管表面进行图像采集，并对采集的图像进行降噪、平滑预处理；
B.检测区域选取
B1.在预处理后的图像中，在垂直胶管轴线的方向生成直线ROI，直线ROI长度大于胶管直径，并横截图像中的胶管；根据直线ROI上的灰度分布，找到两个灰度值突变位置，并分别记为点A、点B，此两点所在的平行于胶管轴线的横线为胶管边缘并用于跟踪后续图像中的胶管位置，两横线之间区域即为胶管；
B2.在胶管区域内绘制矩形ROI，其中矩形ROI长边平行于胶管，短边小于胶管直径；剔除矩形ROI以外的图像，仅保留矩形ROI内的图像作为检测区；
C.检测区域二值化处理
按照3x3邻域对检测区域进行动态二值化处理，计算任一邻域内的最大灰度值NMax,最小灰度值NMin,并将二值化阈值设定为(NMax+NMin,)/2，灰度大于阈值的像素点灰度值被设置为255，否则设为0；
D.缺陷识别
D1.疑似缺陷区域提取
对检测区域中像素灰度值为255的像素连通区域进行边缘识别并作为疑似缺陷区域，统计各疑似缺陷区域面积、长度及宽度；
D2.缺陷识别
将疑似区域的面积、长度、宽度与设定最小面积S，最小长度L，最小宽度W对比，当疑似缺陷区域的任一值大于设定值时，即判断胶管表面出现缺陷。
6.如权利要求5所述的胶管在线缺陷检测方法，其特征在于，步骤A中，利用高斯平滑算子对图像行平滑处理。
7.如权利要求5所述的胶管在线缺陷检测方法，其特征在于，步骤B2中，利用ROISelect算法剔除图像中背景部分。
8.如权利要求5所述的胶管在线缺陷检测方法，其特征在于，步骤C中，利用AdaptiveThreshold算法对检测区域进行动态二值化处理。
9.如权利要求5所述的胶管在线缺陷检测方法，其特征在于，步骤D1中，利用Count算法对检测区域中像素灰度值为255的像素点进行边缘识别。
CN201710294525.4A 2017-04-28 2017-04-28 胶管在线缺陷检测方法 Active CN107154039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710294525.4A CN107154039B (zh) 2017-04-28 2017-04-28 胶管在线缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710294525.4A CN107154039B (zh) 2017-04-28 2017-04-28 胶管在线缺陷检测方法

Publications (2)

Publication Number Publication Date
CN107154039A true CN107154039A (zh) 2017-09-12
CN107154039B CN107154039B (zh) 2020-10-27

Family

ID=59793897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710294525.4A Active CN107154039B (zh) 2017-04-28 2017-04-28 胶管在线缺陷检测方法

Country Status (1)

Country Link
CN (1) CN107154039B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364287A (zh) * 2018-02-11 2018-08-03 北京简易科技有限公司 一种异物监测方法、装置及冲压系统
CN108511359A (zh) * 2018-03-30 2018-09-07 武汉新芯集成电路制造有限公司 晶圆缺陷的检测方法
CN108918542A (zh) * 2018-08-29 2018-11-30 成都理工大学 一种光缆表面缺陷检测装置及方法
CN111141746A (zh) * 2020-02-10 2020-05-12 上海工程技术大学 一种笔芯尾油长度自动检测方法与系统
CN111412862A (zh) * 2020-04-16 2020-07-14 达力普石油专用管有限公司 一种用于芯棒的检测装置
CN112697814A (zh) * 2020-12-15 2021-04-23 电子科技大学 一种基于机器视觉的线缆表面缺陷检测系统及方法
CN113567447A (zh) * 2019-08-07 2021-10-29 浙江大学台州研究院 一种合成革卷边在线检测方法
CN114594746A (zh) * 2022-05-10 2022-06-07 广东祥利科技有限公司 改性橡胶智能生产检测控制方法及系统
CN116105604A (zh) * 2023-04-17 2023-05-12 中科视语(北京)科技有限公司 钢管质量检测系统及检测方法
CN118096766A (zh) * 2024-04-28 2024-05-28 西安乾景防务技术有限公司 一种用于快速拆装便携吸盘的表面缺陷检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320004A (zh) * 2008-07-03 2008-12-10 西北工业大学 基于机器视觉的竹条缺陷在线检测方法
CN102759567A (zh) * 2012-07-18 2012-10-31 南昌航空大学 直流磁化下钢管内外壁缺陷的涡流检测识别及评价方法
CN102788801A (zh) * 2012-08-14 2012-11-21 深圳先进技术研究院 一种在线检测系统及其检测方法
CA2934796A1 (en) * 2013-12-27 2015-07-02 Jfe Steel Corporation Surface defect detecting method and surface defect detecting apparatus
CN204989061U (zh) * 2015-08-13 2016-01-20 中国计量学院 一种轴类零件表面检测装置
CN106066335A (zh) * 2016-05-25 2016-11-02 重庆大学 基于双周外部ct检测装置在线检测大口径管壁的方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101320004A (zh) * 2008-07-03 2008-12-10 西北工业大学 基于机器视觉的竹条缺陷在线检测方法
CN102759567A (zh) * 2012-07-18 2012-10-31 南昌航空大学 直流磁化下钢管内外壁缺陷的涡流检测识别及评价方法
CN102788801A (zh) * 2012-08-14 2012-11-21 深圳先进技术研究院 一种在线检测系统及其检测方法
CA2934796A1 (en) * 2013-12-27 2015-07-02 Jfe Steel Corporation Surface defect detecting method and surface defect detecting apparatus
CN204989061U (zh) * 2015-08-13 2016-01-20 中国计量学院 一种轴类零件表面检测装置
CN106066335A (zh) * 2016-05-25 2016-11-02 重庆大学 基于双周外部ct检测装置在线检测大口径管壁的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨阳等: "基于图像分析的滚动轴承表面缺陷识别技术研究", 《华东交通大学学报》 *
龙晓薇等: "PVC建材表面缺陷检测系统研究与设计", 《计算技术与自动化》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364287A (zh) * 2018-02-11 2018-08-03 北京简易科技有限公司 一种异物监测方法、装置及冲压系统
CN108511359A (zh) * 2018-03-30 2018-09-07 武汉新芯集成电路制造有限公司 晶圆缺陷的检测方法
CN108918542A (zh) * 2018-08-29 2018-11-30 成都理工大学 一种光缆表面缺陷检测装置及方法
CN113567447A (zh) * 2019-08-07 2021-10-29 浙江大学台州研究院 一种合成革卷边在线检测方法
CN111141746A (zh) * 2020-02-10 2020-05-12 上海工程技术大学 一种笔芯尾油长度自动检测方法与系统
CN111412862A (zh) * 2020-04-16 2020-07-14 达力普石油专用管有限公司 一种用于芯棒的检测装置
CN111412862B (zh) * 2020-04-16 2022-03-01 达力普石油专用管有限公司 一种用于芯棒的检测装置
CN112697814A (zh) * 2020-12-15 2021-04-23 电子科技大学 一种基于机器视觉的线缆表面缺陷检测系统及方法
CN114594746A (zh) * 2022-05-10 2022-06-07 广东祥利科技有限公司 改性橡胶智能生产检测控制方法及系统
CN114594746B (zh) * 2022-05-10 2022-08-12 广东祥利科技有限公司 改性橡胶智能生产检测控制方法及系统
CN116105604A (zh) * 2023-04-17 2023-05-12 中科视语(北京)科技有限公司 钢管质量检测系统及检测方法
CN118096766A (zh) * 2024-04-28 2024-05-28 西安乾景防务技术有限公司 一种用于快速拆装便携吸盘的表面缺陷检测方法

Also Published As

Publication number Publication date
CN107154039B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN107154039A (zh) 胶管在线缺陷检测装置及方法
CN104764750B (zh) 基于机器视觉的电梯平衡补偿链质量自动检测装置和方法
CN109115785B (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN110403232B (zh) 一种基于二级算法的烟支质量检测方法
CN109772724B (zh) 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN108613987A (zh) 烟支外观实时在线检测剔除装置及方法
CN101696945B (zh) 机器视觉系统对光伏玻璃瑕疵的在线检测方法
CN108120353B (zh) 一种基于智能相机的传火孔检测装置及其方法
WO2014139273A1 (zh) 焊缝缺陷检测方法
CN105728339B (zh) 一种陶瓷阀芯视觉自动检测系统
CN102539443A (zh) 基于机器视觉的瓶身缺陷自动检测装置及方法
CN106468668A (zh) 工业相机圆柱检测方法
CN104502356A (zh) 一种基于机器视觉的滑动轴承内表面缺陷的自动检测方法
CN106706656A (zh) 一种基于机器视觉的拉链检测装置及方法
WO2021135675A1 (zh) 一种棒材自动计数方法及装置
US20220011241A1 (en) Surface-defect detecting method, surface-defect detecting apparatus, steel-material manufacturing method, steel-material quality management method, steel-material manufacturing facility, surface-defect determination model generating method, and surface-defect determination model
CN101565109A (zh) 基于机器视觉的药品粉针剂生产中铝盖包装在线检测系统
CN104613869B (zh) 一种基于最大内切圆的椭圆孔组检测方法和系统
CN104315977A (zh) 橡胶塞质量检测装置及检测方法
CN103630544A (zh) 一种视觉在线检测系统
CN109507205A (zh) 一种视觉检测系统及其检测方法
CN103983426A (zh) 一种基于机器视觉的光纤缺陷检测及分类系统及其方法
CN104132945A (zh) 一种基于光纤传导的棒材表面质量在线视觉检测装置
CN110813795B (zh) 一种化纤丝锭纸筒破损在线检测装置及方法
CN107121063A (zh) 检测工件的方法

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