CN107578409B - 一种太阳能电池片外观断栅缺陷检测的方法 - Google Patents
一种太阳能电池片外观断栅缺陷检测的方法 Download PDFInfo
- Publication number
- CN107578409B CN107578409B CN201710836514.4A CN201710836514A CN107578409B CN 107578409 B CN107578409 B CN 107578409B CN 201710836514 A CN201710836514 A CN 201710836514A CN 107578409 B CN107578409 B CN 107578409B
- Authority
- CN
- China
- Prior art keywords
- image
- grid
- solar cell
- basis
- broken
- 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
Abstract
本发明通过对太阳能电池片图像采集提取，预处理和特征提取，实现断栅缺陷的检测和标记，可以缩短电池片的生产质量检测时间，降低工人的工作强度，提高生产线上的自动化程度，加快车间生产效率。具体采用在流水线生产上通过工业相机拍摄采集太阳能电池片图像，计算机收到图像信息进行处理，标记断栅缺陷所在位置，实现太阳能电池片表面断栅缺陷的检测。具有以下有益效果：1、提高工作效率。2、提高电池片检测质量。3、适合生产线在线分选。
Description
技术领域
本发明涉及光伏电池检测技术领域，主要涉及一种太阳能电池片外观断栅缺陷检测的方法。
背景技术
太阳能电池作为一种重要的发电载体，往往希望它具有高转换率、高发电率和较长的使用寿命，但是在加工制备过程中、繁琐的生产工艺、高质量的生产技术等要求使得太阳能电池片极易产生各种各样的缺陷。这些缺陷对电池片的发电效率、使用寿命产生极大影响。因此，对太阳能电池片的缺陷检测是工业生产过程中必不可少的一环。目前，全球太阳能光伏产业快速成长，同时对光伏电池的质量检测也提出了更高的要求，其质量检测可分为电性能测试与表面质量检测。而表面检测又很大程度上影响了电池片本身的发电效率，所以电池片表面外观检测又是缺陷检测中的重要一环。太阳能电池片表面断栅缺陷检测也是生产中的难题之一。表面栅线断裂是由于在浆料的印刷时没有连续印上，出浆不均导致的栅线断裂，栅线断裂会导致其缺陷区域的多晶硅不能将转换的电流子传导收集起来，影响电池片的发电转换效率。因此，将有断栅缺陷的太阳能电池片在生产环节就检测挑选出来，对提升产品质量非常重要，对于提高企业的经济效益具有重大的价值和意义。
目前，绝大多数的太阳能电池生产厂家，其表面断栅缺陷检测还是采用人工检测的方式，依赖作业人员的肉眼视觉判断，带来许多的检测问题，同时产品的质量很难得到保证。运用机器视觉检测还未应用到实际工厂生产中。人工分拣存在很强的主观意识，并且长时间的人眼分类势必造成人眼疲劳。导致工作效率的下降和误检率增加。
由于太阳能电池片表面图像纹理不均匀，栅线提取较为复杂，没有专业检测太阳能电池片表面断栅缺陷的算法
目前，光伏产业对太阳能电池片表面缺陷检测的方案还不够成熟，不能够将断栅缺陷检测出来。本方法通过逐步筛选，提取目标，可以实现太阳能电池片表面断栅缺陷的检测。
因此，亟需一种太阳能电池片外观断栅缺陷检测的方法，提高工作效率以及电池片的检测质量，提升机械化程度。
发明内容
有鉴于此，本发明提供了太阳能电池片外观断栅缺陷检测的方法，具体方案如下：
一种太阳能电池片外观断栅缺陷检测的方法，包括三个步骤：
第一步，图像预处理；
1-1、获得灰度图像：将工业相机采集到的RGB图像信息转换为灰度图像信息；
1-2、标定：在步骤1-1的基础上，对得到的灰度图像进行标定，将畸变的图像进行校正，消除拍摄引起的畸变，获得准确合适的图像信息；
1-3、顶帽变换：在步骤1-2的基础上，对标定后的图像进行顶帽变换，从原有图像减去开运算后的图像，消除高亮区域，获得较暗的图像背景，使得背景均匀化；
第二步，获得断栅缺陷区域；
2-1、求取灰度均值：在步骤1-3的基础上，对顶帽变换后的图像求取灰度均值，在特定灰度值之间的像素点求取灰度均值Mean；
2-2、二值临界值：在步骤2-1的基础上，利用得到的均值Mean求取二值图像临界值Thel，通过临界值Thel选取区域，获得需要处理的部分；
2-3、ROI分割：在步骤1-3的基础上，将顶帽变换后的图像进行ROI分割，提取感兴趣区域，获取栅线检测目标；
2-4、对比度增强：在步骤2-3的基础上，对ROI分割后的图像增强太阳能电池片栅线和背景图像的对比度，使栅线与背景图像对比更为显著；
2-5、均值滤波：在步骤2-4的基础上，将对比度增强的图像以特定的窗口大小进行均值滤波；
2-6、图像二值化：在步骤2-5的基础上，以步骤2-2得出的临界值Thel将图像二值化，由灰度图像变换为二值图像；
2-7、开运算和闭运算：在步骤2-6的基础上，对二值图像进行开运算和闭运算；
开运算，先腐蚀后膨胀；
闭运算，先膨胀再腐蚀；
得到消除噪声，准确选取栅线的图像；
2-8、二值图像取反：在步骤2-7的基础上，对开运算和闭运算后的二值图像进行取反，栅线所在区域像素值为0，背景区域为255。
第三步，得到断栅缺陷目标
3-1、获取连通域：在步骤2-8的基础上，取符合设定长度和面积的长短栅线。获得检测图像中短栅线和长栅线目标，所述短栅线和长栅线目标包含断栅信息的图像；
3-2、图像腐蚀：在步骤3-1的基础上，对包含所述断栅信息的图像用结构元素进行腐蚀，得到腐蚀后的栅线信息图像；
3-3、获取断栅位置：在步骤3-1和步骤3-2的基础上，将步骤3-1获得的包含断栅信息的图像减去步骤3-2腐蚀后的所述栅线信息图像，获得断栅位置，同时，统计断栅位置的长和宽。
具体的，步骤3-2的结构元素为含有正常非断栅参数的二维结构矩阵。
具体的，所述步骤2-1中所述特定灰度值范围为10-240之间。.
具体的，在所述步骤2-1、2-2中涉及的Mean和Thel，仅表示分别定义的灰度均值和临界值代名词，不仅仅局限于这两个定义词。
具体的，所述Thel选取公式：Thel＝1.67*Mean-46.67。
具体的，在所述步骤3-2中，所述结构元素为[25,1]。
具体的，在所述步骤3-1中，提取到的长短栅线信息分别为，短栅线高度100-200，面积2000-5000，长栅线高度350-550，面积6000-10000。
具体的，本方法适用的太阳能电池片尺寸为156*156mm。
具体的，所述工业相机像素为500万像素，采集图像大小为2456*2054，精度为0.08mm/pixl。
本发明通过对太阳能电池片图像采集提取，预处理和特征提取，实现断栅缺陷的检测和标记，可以缩短电池片的生产质量检测时间，降低工人的工作强度，提高生产线上的自动化程度，加快车间生产效率。具体采用在流水线生产上通过工业相机拍摄采集太阳能电池片图像，计算机收到图像信息进行处理，标记断栅缺陷所在位置，实现太阳能电池片表面断栅缺陷的检测。具有以下有益效果：1、提高工作效率。2、提高电池片检测质量。3、适合生产线在线分选。
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，下面将对实施例或现有技术描述中所需要的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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的附图。
图1为本发明检测方法的流程图；
具体实施方式
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，所描述的实施例仅仅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做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。
参照图1所示，图1为本发明检测方法的流程图，
本发明解决所述技术问题所采用的技术方案是，设计太阳能电池片外观断栅缺陷检测方法，在流水线生产上通过工业相机拍摄采集太阳能电池片图像，计算机收到图像信息进行处理，标记断栅缺陷所在位置。该方法分为三个步骤，第一步是图像预处理单元，第二步是获取图像栅线区域，第三步是分得到断栅缺陷目标，本发明请求保护一种太阳能电池片外观断栅缺陷检测的方法，具体为：
第一步，图像预处理；
1-1、获得灰度图像：将工业相机采集到的RGB图像信息转换为灰度图像信息；
1-2、标定：在步骤1-1的基础上，对得到的灰度图像进行标定，将畸变的图像进行校正，消除拍摄引起的畸变，获得准确合适的图像信息；
1-3、顶帽变换：在步骤1-2的基础上，对标定后的图像进行顶帽变换，从原有图像减去开运算后的图像，消除高亮区域，获得较暗的图像背景，使得背景均匀化；
第二步，获得断栅缺陷区域；
2-1、求取灰度均值：在步骤1-3的基础上，对顶帽变换后的图像求取灰度均值，在特定灰度值之间的像素点求取灰度均值Mean；
2-2、二值临界值：在步骤2-1的基础上，利用得到的均值Mean求取二值图像临界值Thel，通过临界值Thel选取区域，获得需要处理的部分；
2-3、ROI分割：在步骤1-3的基础上，将顶帽变换后的图像进行ROI分割，提取感兴趣区域，获取栅线检测目标；
2-4、对比度增强：在步骤2-3的基础上，对ROI分割后的图像增强太阳能电池片栅线和背景图像的对比度，使栅线与背景图像对比更为显著；
2-5、均值滤波：在步骤2-4的基础上，将对比度增强的图像以特定的窗口大小进行均值滤波；
2-6、图像二值化：在步骤2-5的基础上，以步骤2-2得出的临界值Thel将图像二值化，由灰度图像变换为二值图像；
2-7、开运算和闭运算：在步骤2-6的基础上，对二值图像进行开运算和闭运算；
开运算，先腐蚀后膨胀；
闭运算，先膨胀再腐蚀；
得到消除噪声，准确选取栅线的图像；
2-8、二值图像取反：在步骤2-7的基础上，对开运算和闭运算后的二值图像进行取反，栅线所在区域像素值为0，背景区域为255。
第三步，得到断栅缺陷目标
3-1、获取连通域：在步骤2-8的基础上，取符合设定长度和面积的长短栅线。获得检测图像中短栅线和长栅线目标，所述短栅线和长栅线目标包含断栅信息的图像；
3-2、图像腐蚀：在步骤3-1的基础上，对包含所述断栅信息的图像用结构元素进行腐蚀，得到腐蚀后的栅线信息图像；
3-3、获取断栅位置：在步骤3-1和步骤3-2的基础上，将步骤3-1获得的包含断栅信息的图像减去步骤3-2腐蚀后的所述栅线信息图像，获得断栅位置，同时，统计断栅位置的长和宽。
具体的，所述步骤3-2的结构元素为含有正常非断栅参数的二维结构矩阵。
具体的，所述步骤2-1中所述特定灰度值范围为10-240之间。.
具体的，在所述步骤2-1、2-2中涉及的Mean和Thel，仅表示分别定义的灰度均值和临界值代名词，不仅仅局限于这两个定义词。
具体的，对于二值化临界值Thel的选取公式,通过大量的图像测试计算和数据拟合，得到相应合适的临界值公式。所述Thel选取公式：Thel＝1.67*Mean-46.67。
具体的，在所述步骤3-2中，所述结构元素为[25,1]。
具体的，在所述步骤3-1中，提取到的长短栅线信息分别为，短栅线高度100-200，面积2000-5000，长栅线高度350-550，面积6000-10000。本发明检测方法的进一步特征在于，本检测方法处理的图像都是在太阳能电池片灰度图像和二值图像基础上进行。
具体的，本方法适用的太阳能电池片尺寸为156*156mm。
具体的，所述工业相机像素为500万像素，采集图像大小为2456*2054，精度为0.08mm/pixl。
本发明检测方法的进一步特征在于，针对表面断栅缺陷的位置，采用的是标记缺陷的长和宽特征进行处理。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (8)
1.一种太阳能电池片外观断栅缺陷检测的方法，其特征在于，包括三个步骤：
第一步，图像预处理；
1-1、获得灰度图像：将工业相机采集到的RGB图像信息转换为灰度图像信息；
1-2、标定：在步骤1-1的基础上，对得到的灰度图像进行标定，将畸变的图像进行校正，消除拍摄引起的畸变，获得准确合适的图像信息；
1-3、顶帽变换：在步骤1-2的基础上，对标定后的图像进行顶帽变换，从原有图像减去开运算后的图像，消除高亮区域，获得较暗的图像背景，使得背景均匀化；
第二步，获得断栅缺陷区域；
2-1、求取灰度均值：在步骤1-3的基础上，对顶帽变换后的图像求取灰度均值，在特定灰度值之间的像素点求取灰度均值Mean；
2-2、二值临界值：在步骤2-1的基础上，利用得到的均值Mean求取二值图像临界值Thel，通过临界值Thel选取区域，获得需要处理的部分，所述Thel选取公式：Thel＝1.67*Mean-46.67；
2-3、ROI分割：在步骤1-3的基础上，将顶帽变换后的图像进行ROI分割，提取感兴趣区域，获取栅线检测目标；
2-4、对比度增强：在步骤2-3的基础上，对ROI分割后的图像增强太阳能电池片栅线和背景图像的对比度，使栅线与背景图像对比更为显著；
2-5、均值滤波：在步骤2-4的基础上，将对比度增强的图像以特定的窗口大小进行均值滤波；
2-6、图像二值化：在步骤2-5的基础上，以步骤2-2得出的临界值Thel将图像二值化，由灰度图像变换为二值图像；
2-7、开运算和闭运算：在步骤2-6的基础上，对二值图像进行开运算和闭运算；
开运算，先腐蚀后膨胀；
闭运算，先膨胀再腐蚀；
得到消除噪声，准确选取栅线的图像；
2-8、二值图像取反：在步骤2-7的基础上，对开运算和闭运算后的二值图像进行取反，栅线所在区域像素值为0，背景区域为255；
第三步，得到断栅缺陷目标
3-1、获取连通域：在步骤2-8的基础上，取符合设定长度和面积的长短栅线,获得检测图像中短栅线和长栅线目标，所述短栅线和长栅线目标包含断栅信息的图像；
3-2、图像腐蚀：在步骤3-1的基础上，对包含所述断栅信息的图像用结构元素进行腐蚀，得到腐蚀后的栅线信息图像；
3-3、获取断栅位置：在步骤3-1和步骤3-2的基础上，将步骤3-1获得的包含断栅信息的图像减去步骤3-2腐蚀后的所述栅线信息图像，获得断栅位置，同时，统计断栅位置的长和宽。
2.根据权利要求1所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：所述步骤3-2的结构元素为含有正常非断栅参数的二维结构矩阵。
3.根据权利要求1所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：所述步骤2-1中所述特定灰度值范围为10-240之间。
4.根据权利要求1所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：在所述步骤2-1、2-2中涉及的Mean和Thel，仅表示分别定义的灰度均值和临界值代名词，不仅仅局限于这两个定义词。
5.根据权利要求2所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：在所述步骤3-2中，所述结构元素为[25,1]。
6.根据权利要求1所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：在所述步骤3-1中，提取到的长短栅线信息分别为，短栅线高度100-200，面积2000-5000，长栅线高度350-550，面积6000-10000。
7.根据权利要求1-6任一项所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：本方法适用的太阳能电池片尺寸为156*156mm。
8.根据权利要求7所述的太阳能电池片外观断栅缺陷检测的方法，其特征在于：所述工业相机像素为500万像素，采集图像大小为2456*2054，精度为0.08mm/pixl。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710836514.4A CN107578409B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片外观断栅缺陷检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710836514.4A CN107578409B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片外观断栅缺陷检测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107578409A CN107578409A (zh) | 2018-01-12 |
| CN107578409B true CN107578409B (zh) | 2020-10-16 |
Family
ID=61035694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710836514.4A Active CN107578409B (zh) | 2017-09-16 | 2017-09-16 | 一种太阳能电池片外观断栅缺陷检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578409B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108365051B (zh) * | 2018-02-05 | 2019-08-02 | 河北工业大学 | 一种太阳能电池片轨道去除的方法 |
| CN108663382A (zh) * | 2018-05-10 | 2018-10-16 | 苏州大学 | 基于视觉显著性的纸张表面缺陷检测的方法及装置 |
| CN108507948A (zh) * | 2018-05-18 | 2018-09-07 | 广州宝升新型材料有限公司 | 一种安全信息保护系统 |
| TWI689869B (zh) | 2018-12-28 | 2020-04-01 | 致茂電子股份有限公司 | 影像檢測方法 |
| CN111382615A (zh) * | 2018-12-28 | 2020-07-07 | 致茂电子(苏州)有限公司 | 影像检测方法 |
| CN109829919B (zh) * | 2019-01-31 | 2021-09-10 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
| CN110400290B (zh) * | 2019-07-02 | 2021-08-24 | 广州大学 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
| CN110426395B (zh) * | 2019-07-02 | 2022-02-11 | 广州大学 | 一种太阳能el电池硅片表面检测方法及装置 |
| CN110443278B (zh) * | 2019-07-02 | 2022-02-15 | 广州大学 | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 |
| CN110501344A (zh) * | 2019-08-30 | 2019-11-26 | 无锡先导智能装备股份有限公司 | 电池物料在线检测方法 |
| CN111146108A (zh) * | 2020-01-10 | 2020-05-12 | 上海应用技术大学 | 太阳能电池板的断栅缺陷检测装置和方法 |
| CN111260617A (zh) * | 2020-01-11 | 2020-06-09 | 上海应用技术大学 | 一种基于深度学习的太阳能电池板缺陷检测方法 |
| CN111882537B (zh) * | 2020-07-28 | 2023-12-15 | 研祥智能科技股份有限公司 | 视觉检测方法及系统 |
| CN112561896B (zh) * | 2020-12-22 | 2023-08-15 | 广州大学 | 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质 |
| CN113192857B (zh) * | 2021-04-20 | 2023-05-12 | 山西潞安太阳能科技有限责任公司 | 一种判断晶硅太阳能电池片失效的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103872983A (zh) * | 2014-04-04 | 2014-06-18 | 天津市鑫鼎源科技发展有限公司 | 太阳能电池表面缺陷检测设备及方法 |
| CN106340007A (zh) * | 2016-06-13 | 2017-01-18 | 吉林大学 | 一种基于图像处理的车身漆膜缺陷检测识别方法 |
| CN107067002A (zh) * | 2017-03-09 | 2017-08-18 | 华东师范大学 | 一种动态视频中道路车牌识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2711649B2 (ja) * | 1995-05-15 | 1998-02-10 | 株式会社不二越 | 検査対象物の表面傷検出方法 |
-
2017
- 2017-09-16 CN CN201710836514.4A patent/CN107578409B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103872983A (zh) * | 2014-04-04 | 2014-06-18 | 天津市鑫鼎源科技发展有限公司 | 太阳能电池表面缺陷检测设备及方法 |
| CN106340007A (zh) * | 2016-06-13 | 2017-01-18 | 吉林大学 | 一种基于图像处理的车身漆膜缺陷检测识别方法 |
| CN107067002A (zh) * | 2017-03-09 | 2017-08-18 | 华东师范大学 | 一种动态视频中道路车牌识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于Halcon的太阳能硅片缺陷检测;黄远民 等;《机械工程与技术》;20131231;第2-4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107578409A (zh) | 2018-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
| CN107742286B (zh) | 一种多晶硅太阳能电池片el测试裂纹缺陷检测方法 | |
| CN107749057B (zh) | 一种太阳能电池片外观漏浆缺陷检测的方法 | |
| CN107727662B (zh) | 一种基于区域生长算法的电池片el黑斑缺陷检测方法 | |
| CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
| CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN107490584B (zh) | 一种太阳能电池片el测试断栅缺陷检测方法 | |
| CN114170208A (zh) | 一种基于人工智能的纸制品缺陷检测方法 | |
| CN103473778B (zh) | 一种led发光芯片插偏缺陷的检测方法 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| CN110942457A (zh) | 基于数字图像处理技术的太阳能电池板缺陷检测方法 | |
| CN106097368A (zh) | 一种单板裂缝的识别方法 | |
| CN106780437B (zh) | 一种快速qfn芯片塑封图像获取与放大方法 | |
| CN114708325A (zh) | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 | |
| CN107742283B (zh) | 一种电池片外观栅线粗细不均缺陷检测的方法 | |
| CN104483243A (zh) | 大米粘连米检测分割方法、装置及系统 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
| CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
| CN110363749B (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
| CN101770645A (zh) | 高分辨率棉花异性纤维彩色图像的快速分割方法与系统 | |
| CN107563990B (zh) | 一种光伏电池片崩边及钝型和v型缺口的检测方法 | |
| CN114663393A (zh) | 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法 | |
| CN107492093B (zh) | 基于图像处理的轴承异常检测方法 |
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 |