CN107247057B - 一种瓶盖表面生产日期缺陷检测方法 - Google Patents
一种瓶盖表面生产日期缺陷检测方法 Download PDFInfo
- Publication number
- CN107247057B CN107247057B CN201710431725.XA CN201710431725A CN107247057B CN 107247057 B CN107247057 B CN 107247057B CN 201710431725 A CN201710431725 A CN 201710431725A CN 107247057 B CN107247057 B CN 107247057B
- Authority
- CN
- China
- Prior art keywords
- production date
- bottle cap
- template
- calculating
- threshold value
- 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.)
- Active
Links
Images
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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
Abstract
本发明涉及一种瓶盖表面生产日期缺陷检测方法,包括:(1)根据瓶盖表面标准生产日期格式,获取每个字符的中心点坐标形成模板;(2)采集待检测瓶盖图像并进行二值化处理;(3)对二值化图像轮廓检测并过滤;(4)当剩余轮廓的数量小于阈值时表示为缺陷生产日期;当大于或等于阈值时执行以下步骤:(5)计算各剩余轮廓的中心点坐标形成集合;(6)计算集合中每个点对应的直线,并提取经过点数最多的直线,根据直线的倾斜角度旋转集合;(7)对模板和集合粗配准直至收敛;(8)对模板和集合细配准直至收敛;(9)计算收敛后模板与集合的距离,判断生产日期有无缺陷。实现生产日期检测,效率及准确率高、速度快,且提高瓶盖生产线效率。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种瓶盖表面生产日期缺陷检测方法。
背景技术
饮料、啤酒等工业生产线中,大都采用人工目测的方法来检查瓶子是否合格。特别是瓶盖生产中,需要在瓶盖上打印生产日期,经常会有生产日期有无、缺损、严重变形以及重码的情况产生。现有的由于人眼容易发生视觉和肢体疲劳,导致注意力不集中,常常效率很低,会造成漏检或者误检,这种方式只能在一定程度上减小缺陷率,且人工成本也越来越高。一些具有打码缺陷的生产日期的产品流入市场会造成消费者不信任产品的质量,影响销售,甚至导致误饮过期产品危害健康等问题。
机器视觉技术具有非接触、检测速度快、准确率高、检测结果客观可靠的特点,配合合适的检测算法可以迅速准确地检测瓶盖表面生产日期打码的缺陷。机器视觉在很多瓶盖表面生产日期的检测领域已有应用,具体参见“一种基于机器视觉的瓶盖表面生产日期检测”(申请号:201510744035.0,公布号:CN105301003A),其公开了对所采集的瓶盖图像进行滤波处理后对图像圆定位,并且根据合格瓶盖上的生产日期喷码的像素点数预设检测目标的像素点数的上下限,在圆内的生产日期喷码作为检测目标,检测目标的像素点数是否处于上下限范围内来判定该瓶盖生日期是否合格,这种采用圆定位的算法会由于流水线上瓶盖的亮度、色度的不同而导致圆定位易受背景、打光效果以及瓶盖质量(例如杂质或小划痕等)的影响,造成圆定位检测方法误检率较高,且该检测方法仅适用于生产日期字符与背景对比度较为明显的案例,仅能检测“严重缺损”,对于生产日期喷码缺陷、重码等情况无法进行有效检测。
发明内容
本发明提供一种瓶盖表面生产日期缺陷检测方法,用于解决现有技术中对瓶盖表面生产日期打码缺陷无法有效检测的缺陷,实现瓶盖表面生产日期缺陷检测,检测效率及准确率高、速度快,从而提高瓶盖生产线效率。
为了解决上述技术问题,本发明提供如下技术方案予以解决:
一种瓶盖表面生产日期缺陷检测方法,其特征在于,所述方法包括如下步骤:(1)根据瓶盖表面标准生产日期格式,获取标准生产日期中每个字符的中心点坐标,各个中心点坐标集合形成模板M,并且对每个字符标记编号;(2)采集待检测瓶盖的图像,并根据现场环境调整合适的阈值,对图像进行固定阈值二值化处理;(3)对二值化处理后的图像进行轮廓检测,并根据轮廓的面积设定上下阈值以过滤掉大于上阈值的大轮廓和小于下阈值的小轮廓;(4)计算剩余轮廓的数量,当剩余轮廓数量小于预设阈值时,表示瓶盖表面生产日期为缺陷生产日期;当剩余轮廓数量大于或等于预设阈值时,执行以下步骤:(5)计算剩余轮廓中每个轮廓的中心点坐标,形成集合P;(6)根据霍夫变换,计算集合P中每个点对应的直线,并提取经过点的数量最多的直线,根据直线的倾斜角度旋转集合P;(7)对模板M和集合P进行粗配准:初始化P1=P;(7-1)对模板M和集合P均进行标准化;(7-2)计算模板M和集合P1之间的偏移量;(7-3)利用该偏移量对集合P中每个点平移变换;(7-4)对模板M中每个点,计算在平移变换后的集合P中与其距离最近的点,形成新的集合P2,使P1=P2,并且计算模板M和集合P1之间的距离;(7-5)返回(7-2)继续,直至(7-4)中计算的距离收敛;(7-6)返回集合P中与模板M中每个点的编号一一对应的点的编号;(8)对模板M和集合P进行细配准:根据步骤(8)中返回的一一对应的点的编号,利用最小二乘法,计算集合P和模板M之间的距离dist;(9)设定阈值d,当(8)中dist小于或等于d时,表示瓶盖表面生产日期为合格生产日期;当dist大于d时,表示瓶盖表面生产日期为缺陷生产日期。
进一步地,为了实现不同类型的生产日期字符的配准,在步骤(2)中对模板设定一个缩放因子,所述缩放因子通过轮廓检测学习或人工调试得到。
进一步地,所述瓶盖表面生产日期缺陷检测方法还包括当检测到瓶盖表面生产日期为缺陷生产日期时启动报警以提醒工人的报警步骤。
进一步地,所述瓶盖表面生产日期缺陷检测方法还包括当发生报警时控制停止传送对应瓶体的步骤。
进一步地,所述瓶盖表面生产日期缺陷检测方法还包括当检测到瓶盖表面生产日期为缺陷生产日期的同时控制停止传送对应瓶体的步骤。
与现有技术相比,本发明的优点和有益效果是:通过基于机器视觉的瓶盖表面生产日期缺陷检测方法,能够实现对生产日期缺陷、有无以及严重变形进行检测,检测效率及准确率高,能够满足瓶盖生产线高速生产的要求;在检测过程中,对待检测瓶盖上产生的噪声轮廓进行剔除,提高检测准确度;通过使用标准日期字符的模板,通过与模板进行配准实现待检测生产日期字符的定位,算法简单、运行效率高,稳定性强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作一简要介绍,显而易见地,下面描述的附图是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为实现本发明的瓶盖表面生产日期缺陷检测方法的硬件结构图;
图2为本发明的瓶盖表面生产日期缺陷检测方法中获取的瓶盖表面的灰度图;
图3为本发明的瓶盖表面生产日期缺陷检测方法中获取的待检测瓶盖表面的二值化图像;
图4为本发明的瓶盖表面生产日期缺陷检测方法中获取轮廓中心点的示意图;
图5为本发明的瓶盖表面生产日期缺陷检测方法中旋转后的瓶盖表面示意图;
图6(a)至图6(d)为利用本发明的瓶盖表面生产日期缺陷检测方法检测到的瓶盖表面生产日期缺陷的示例图;
图7为本发明的瓶盖表面生产日期缺陷检测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,在生产啤酒、饮料等瓶体的生产线中,在瓶盖通过喷码机完成喷码后,由传送带1将待检测瓶体输送到拍照工位,利用机械支架固定在传送带1旁边的光电触发器2用于检测瓶体是否到达拍照位置,当瓶体到达拍照位置后,光电触发器2发送信号至工控机5,工控机5发出控制信号控制利用机械支架固定在传送带1旁边的黑白工业相机4对待检测瓶体的瓶盖进行拍照。低角度环形白色光源3为黑白工业相机4拍照提供照明,并且为了降低所拍照图像中的噪声,该环形光源3的镜头添加蓝色滤光片,该环形光源3平行于传送带1且放置在距离瓶盖上方若干厘米(根据实际环境情况,可以改变光源3距离瓶盖的距离)处,且工业相机4安装在环形光源3上方若干厘米处、与传送带1垂直放置并且对准环形光源3的圆心拍照,拍照图像被输送工控机5进行处理,其中黑白工业相机4的分辨率为130万像素、帧速度为120fps且镜头为12毫米。
如图7所示,本发明涉及一种瓶盖表面生产日期缺陷检测方法,该方法包括如下步骤。
(1)根据瓶盖表面标准生产日期格式,获取标准生产日期中每个字符的中心点坐标,各个中心点坐标集合形成模板,并且对每个字符标记编号;具体地,标准生产日期格式是第一行八个字符(例如图2中的20170520),第二行七个字符(例如图2中的0420205),标准生产日期格式中各个字符的宽度、高度和字符间距均是事先已知的,因此通过获取15个字符的中心点坐标,该15个中心点坐标形成集合,称为模板M,并且为了适应不同的生产日期字符,对模板设定一个缩放因子,该缩放因子可以在现场用算法进行学习或者人工调试。
(2)采集待检测瓶盖的图像,并根据现场环境调整合适的阈值,对图像进行固定阈值二值化处理;具体地,采集待检测瓶盖的图像如图2所示,为了方便检测到生产日期字符,对图像进行二值化处理,处理后的图像如图3所示,其中阈值放置在配置文件中以便进行灵活设置或修改。
(3)对二值化处理后的图像进行轮廓检测,并根据轮廓的面积设定上下阈值以过滤掉大于上阈值的大轮廓和小于下阈值的小轮廓;具体地,通过OpenCV中的轮廓分析算法对图3进行轮廓检测,由于采集图像时会有很多噪声,因此会存在噪声轮廓,为了提高检测精度,在本实施例中,在进行后续的配准之前,通过设定轮廓面积的上下阈值过滤掉噪声轮廓。
(4)计算剩余轮廓的数量,当剩余轮廓数量小于预设阈值时,表示瓶盖表面生产日期为缺陷生产日期,如图6(a)示出的无码的情况和图6(b)示出的严重缺码的情况;当剩余轮廓数量大于或等于预设阈值时,执行以下步骤(5)至(9)。
(5)计算剩余轮廓中每个轮廓的中心点坐标,如图4中标记的红圈表示获取的轮廓中心点,该些中心点坐标形成集合P,以便与模板M中的点进行配准。
(6)为了提高配准精度,对集合P进行纠偏,具体地,根据霍夫变换,利用点线对偶原理,计算集合P中每个点对应的直线,并提取经过点的数量最多的直线,根据该直线的倾斜角度旋转集合,使得集合P与模板M配准时只存在平移自由度而不存在旋转自由度,如图5所示为纠偏旋转后得到的图像。
(7)对模板M和集合P进行粗配准:具体地,设模板M的点数为m(在本实施例中m=15),集合P的点数为p,P的子集为P1,P1初始化为P,(7-1)为了简化对模板M和集合P的计算,首先对模板M中的点和集合P中的点均进行标准化;(7-2)计算模板M和集合P1之间的偏移量,根据平均值计算公式,计算模板M的中心点和集合P1的中心点,与的差值为模板M和集合P1之间的偏移量;(7-3)利用该偏移量对集合P中每个点平移变换,具体地,将集合P1的中心点移动至模板M的中心点;(7-4)对模板M中每个点,计算在平移变换后的集合P中与其距离最近的点,形成集合P2,将P1=P2,并且计算模板M和集合P1的距离dist1;(7-5)设定阈值d1,当dist1<d1时,算法收敛,此时返回集合P中与模板M中每个点的编号一一对应的点的编号;否则返回(7-2)继续迭代。
(8)对模板M和集合P进行细配准:具体地,根据(7)中返回的一一对应的点的编号,利用最小二乘法,计算集合P和模板M之间的距离dist2;(9)设定阈值d2,当dist2<d2时,表示瓶盖表面生产日期为合格生产日期;当距离大于阈值时,表示瓶盖表面生产日期为缺陷生产日期,如图6(c)示出的喷码粘连的情况和图6(d)示出的重码的情况。该检测方法准确,误检率低于0.01%,且速度快,能够满足实际青啤流水线速度(10瓶/秒)。
在检测到生产日期缺陷时,工控机5可以控制驱动传送带1传送瓶体的驱动机构(未示出)停止工作,以便工人核查当前瓶体瓶盖表面的生产日期。优选地,工控机5可以发送报警信号至报警器6,该报警器6可以为喇叭、LED闪烁灯或显示屏等,便于向现场工人发出声音或提示以提醒工人出现瓶盖表面生产日期缺陷,或者在报警器6发生报警时,与报警器6联动的联动装置7驱动传送带1停止传送瓶体,使得工人能够查看当前瓶体瓶盖表面生产日期。
本实施例的基于机器视觉的瓶盖表面生产日期缺陷检测方法,能够实现对生产日期缺陷、有无以及严重变形进行检测,检测效率及准确率高,能够满足瓶盖生产线高速生产的要求;在检测过程中,对待检测瓶盖上产生的噪声轮廓进行剔除,提高检测准确度;通过使用标准日期字符的模板,通过与模板进行配准实现待检测生产日期字符的定位,算法简单、运行效率高,稳定性强。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种瓶盖表面生产日期缺陷检测方法,其特征在于,所述方法包括如下步骤:
(1)根据瓶盖表面标准生产日期格式,获取标准生产日期中每个字符的中心点坐标,各个中心点坐标集合形成模板M,并且对每个字符标记编号;
(2)采集待检测瓶盖的图像,并根据现场环境调整合适的阈值,对所述图像进行固定阈值二值化处理;
(3)对二值化处理后的图像进行轮廓检测,并根据轮廓的面积设定上下阈值以过滤掉大于上阈值的大轮廓和小于下阈值的小轮廓;
(4)计算剩余轮廓的数量,当剩余轮廓数量小于预设阈值时,表示瓶盖表面生产日期为缺陷生产日期;当剩余轮廓数量大于或等于预设阈值时,执行以下步骤:
(5)计算剩余轮廓中每个轮廓的中心点坐标,形成集合P;
(6)根据霍夫变换,计算集合P中每个点对应的直线,并提取经过点的数量最多的直线,根据所述直线的倾斜角度旋转所述集合P;
(7)对模板M和集合P进行粗配准:初始化P1=P;
(7-1)对模板M和集合P均进行标准化;
(7-2)计算模板M和集合P1之间的偏移量;
(7-3)利用所述偏移量对集合P中每个点平移变换;
(7-4)对模板M中每个点,计算在平移变换后的集合P中与其距离最近的点,形成新的集合P2,使P1=P2,并且计算模板M和集合P1之间的距离;
(7-5)返回(7-2)继续,直至(7-4)计算的距离收敛;
(7-6)返回集合P中与模板M中每个点的编号一一对应的点的编号;
(8)对模板M和集合P进行细配准:根据步骤(7-6)中返回的一一对应的点的编号,利用最小二乘法,计算集合P和模板M之间的距离dist;
(9)设定阈值d,当(8)中的距离dist小于或等于d时,表示瓶盖表面生产日期为合格生产日期;当dist大于d时,表示瓶盖表面生产日期为缺陷生产日期。
2.根据权利要求1所述的瓶盖表面生产日期缺陷检测方法,其特征在于,在步骤(1)中对模板设定一个缩放因子,所述缩放因子通过轮廓检测学习或人工调试得到。
3.根据权利要求1或2所述的瓶盖表面生产日期缺陷检测方法,其特征在于,还包括当检测到瓶盖表面生产日期为缺陷生产日期时启动报警以提醒工人的报警步骤。
4.根据权利要求3所述的瓶盖表面生产日期缺陷检测方法,其特征在于,还包括当发生报警时控制停止传送对应瓶体的步骤。
5.根据权利要求1或2所述的瓶盖表面生产日期缺陷检测方法,其特征在于,还包括当检测到瓶盖表面生产日期为缺陷生产日期的同时控制停止传送对应瓶体的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431725.XA CN107247057B (zh) | 2017-06-09 | 2017-06-09 | 一种瓶盖表面生产日期缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710431725.XA CN107247057B (zh) | 2017-06-09 | 2017-06-09 | 一种瓶盖表面生产日期缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107247057A CN107247057A (zh) | 2017-10-13 |
CN107247057B true CN107247057B (zh) | 2020-02-28 |
Family
ID=60018443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710431725.XA Active CN107247057B (zh) | 2017-06-09 | 2017-06-09 | 一种瓶盖表面生产日期缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247057B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109724990B (zh) * | 2019-01-08 | 2021-08-06 | 上海大学 | 一种包装盒标签中喷码区域的快速定位与检测方法 |
CN111060527B (zh) * | 2019-12-30 | 2021-10-29 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN111598083B (zh) * | 2020-05-08 | 2023-04-07 | 南通大学 | 一种瓶底合模线上喷印喷码质量检测方法 |
CN114018946B (zh) * | 2021-10-20 | 2023-02-03 | 武汉理工大学 | 一种基于OpenCV的高反光瓶盖缺陷检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN103226106A (zh) * | 2013-03-15 | 2013-07-31 | 江南大学 | 基于机器视觉的轴承防尘盖品质监测系统 |
CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
CN106251352A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 一种基于图像处理的罐盖缺陷检测方法 |
-
2017
- 2017-06-09 CN CN201710431725.XA patent/CN107247057B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN103226106A (zh) * | 2013-03-15 | 2013-07-31 | 江南大学 | 基于机器视觉的轴承防尘盖品质监测系统 |
CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
CN106251352A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 一种基于图像处理的罐盖缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
基于模板配准的零件轮廓缺损检测;郭安哲等;《机电工程技术》;20081231;第37卷(第12期);第54-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107247057A (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247057B (zh) | 一种瓶盖表面生产日期缺陷检测方法 | |
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN110220917B (zh) | 一种基于图像处理的皇冠盖表面缺陷在线检测方法 | |
CN105954301B (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
CN101566582B (zh) | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 | |
CN110935644A (zh) | 一种基于机器视觉的轴承滚针尺寸检测系统及方法 | |
CN103063137B (zh) | 一种基于机器视觉的药瓶测量系统及其测量方法 | |
CN105865570A (zh) | 一种基于机器视觉的玻璃瓶液位检测方法 | |
CN107664644B (zh) | 一种基于机器视觉的物件表观自动检测装置及方法 | |
CN104657728B (zh) | 基于计算机视觉的条码识别系统 | |
CN105181714A (zh) | 一种基于图像处理的瓶装液体杂质检测系统及其检测方法 | |
CN105424722A (zh) | 一种基于机器视觉的瓶盖不合格品标记方法 | |
CN204165907U (zh) | 一种电子产品logo检测仪 | |
CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
CN103743757A (zh) | 一种玻璃瓶内壁异物的检测装置及方法 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN111665251A (zh) | 一种表面缺陷视觉检测方法 | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN108520260A (zh) | 瓶装口服液中可见异物的识别方法 | |
CN201689059U (zh) | 一种检测pet瓶上喷码字符质量的装置 | |
CN105301003A (zh) | 一种基于机器视觉的瓶盖表面生产日期检测方法 | |
CN114359155A (zh) | 一种覆膜方法及系统 | |
CN114998217A (zh) | 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 | |
CN107014821A (zh) | 一种塑料自封袋检测系统及方法 | |
CN105510339A (zh) | 一种基于机器视觉的饮料瓶满箱检测方法 |
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 |