CN108489418B - 一种秧苗叶片立体形态测量方法及装置 - Google Patents
一种秧苗叶片立体形态测量方法及装置 Download PDFInfo
- Publication number
- CN108489418B CN108489418B CN201810171799.9A CN201810171799A CN108489418B CN 108489418 B CN108489418 B CN 108489418B CN 201810171799 A CN201810171799 A CN 201810171799A CN 108489418 B CN108489418 B CN 108489418B
- Authority
- CN
- China
- Prior art keywords
- brightness
- blade
- seedling
- light source
- light sources
- 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
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种秧苗叶片立体形态测量方法,包括:S1,用光源照射叶片主叶脉区域的多个亮度采样区域,所述光源为多个,依次用多个光源遍历照射所述多个亮度采样区域,得到每个亮度采样区域在单个光源照射下的平均亮度序列;S2,根据每个亮度采样区域在单个光源照射下的平均亮度序列,得到每个亮度采样区域对应的观测法向量;S3,建立每个亮度采样区域的观测法向量与实际法向量的逼近关系,拟合得到叶片的立体形态。本发明提供的秧苗叶片立体形态测量方法,采用光度立体视觉测量技术手段,通过解析多角度光源照射下的秧苗叶片图像明暗特征,拟合包含叶片立体信息的秧苗立体形态,为秧苗长势在线监测提供便利,有助于提高育苗生产的效率。
Description
技术领域
本发明涉及机器视觉技术领域,更具体地,涉及一种秧苗叶片立体形态测量方法及装置。
背景技术
植物叶片形态是其自身生理状况的客观反映。基于叶片形态特征判别精确调控光、肥、水、温等植物生长环境因素,是实现农作物精细化高效生产的重要途径。特别是在蔬菜秧苗培育过程中,幼苗生长密集、抗逆性差,需要定期观察叶片外观特征了解秧苗生长状况,以实施相应的农艺管理。我国是蔬菜生产和消费大国,蔬菜育苗年需求量约6800亿株,由人工对苗床秧苗生长状况进行判别和管理耗时费力,因此探索研究蔬菜秧苗叶片形态自动在线监测方法,对于育苗生产的高效精细管理具有重要意义。
机器视觉是应用于植物形态非接触在线监测的主要技术手段。目前针对植物叶片形态视觉测量方法研究主要分为被动探测和主动探测。其中被动探测主要针对二维图像信息,研究叶片色彩分析、轮廓提取以及重叠叶片分割等,但无法恢复叶片空间曲面信息;主动探测通过集成激光和结构光等辅助测量部件,与图像信息进行融合以恢复叶片立体信息,测量误差小,但是成本偏高。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的秧苗叶片立体形态测量方法及装置。
根据本发明的一个方面,提供一种秧苗叶片立体形态测量方法,包括:
S1,用光源照射叶片主叶脉区域的多个亮度采样区域,所述光源为多个,依次用多个光源遍历照射所述多个亮度采样区域,得到每个亮度采样区域在单个光源照射下的平均亮度序列;
S2,根据每个亮度采样区域在单个光源照射下的平均亮度序列,得到每个亮度采样区域对应的观测法向量;
S3,建立每个亮度采样区域的观测法向量与实际法向量的逼近关系,拟合得到所述叶片的立体形态。
优选地,在所述步骤S1之前还包括:
利用标准色板对不同光源照射下的图像亮度矫正,计算得到各光源对应的图像亮度矫正系数;
将所述图像亮度矫正系数作为对应光源照射强度的补偿,以使所述不同光源实际照射在叶片目标区域的光源照射强度一致。
优选地,所述步骤S3具体包括:
S31,建立叶片的空间平面方程z=ax+by+c,并计算得到叶片的实际法向量nm=[-zxm,-zym,1]T,其中m表示亮度采样区域的序号,m=1,2,3,…;
S33,根据所述垂直倾角ω,计算得到所述叶片的立体形态参数,所述立体形态参数包括长度L和叶片面积S。
优选地,在所述步骤S1中,根据BT.709色彩标准,图像色彩与亮度Y的变换关系式为:
Y=0.2126Ri+0.7152Gi+0.0722Bi
其中,i表示光源的序号,i=1,2,3,…,Ri、Gi、Bi表示叶片在第i组光源矫正后照射下的亮度采样区域的图像色彩。
优选地,在所述S32中,所述条件方程组为:
其中,n表示亮度采样区域的个数。
根据本发明的另一方面,提供一种秧苗叶片立体形态测量装置,包括:
图像获取装置,置于待测秧苗的正上方,用于获取不同光源照射下选取的多个亮度采样区域的图像色彩;
光源,对称布置在图像获取装置四周,用于照射叶片主叶脉区域选定的多个采样区域,以使得所述多个亮度采样区域产生图像色彩。
优选地,所述装置还包括:
背景板,位于所述待测秧苗的底部,用于提高所述秧苗叶片的图像识别效率;
密封灯箱,用于为所述图像获取装置和光源的安装提供支撑,并减少外部光源对测量结果的干扰。
优选地,所述图像获取装置为Point gray FL3-U3-13S2C型工业相机,所述光源为白色LED面阵光源。
本发明提供的本发明提供的秧苗叶片立体形态测量方法,采用光度立体视觉测量技术手段,通过解析多角度光源照射下的秧苗叶片图像明暗特征,拟合包含叶片立体信息的秧苗立体形态,为秧苗长势在线监测提供便利,有助于提高育苗生产的效率。
附图说明
图1为根据本发明的一种秧苗叶片立体形态测量方法的流程图;
图2为根据本发明的一种秧苗叶片立体形态测量方法的叶片平面拟合示意图;
图3为根据本发明的一种秧苗叶片立体形态测量装置的结构示意图;
附图标记:
301-图像获取装置; 302-光源; 303-背景板;
304-密封灯箱。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
以下各实施例中主要基于光度立体测量原理进行秧苗叶片立体形态测量,当空间位置确定的光源均匀照射于物体表面,物体不同区域反射强度即对应的图像亮度,受其表面朝向特征约束,测量系统中光源对秧苗叶片区域边界的照射立体角约10°,近似认为光源在秧苗叶片空间区域内为平行光照射,且在该有限空间照射强度相同,如此秧苗叶片发射强度符合式(1)约束关系。其中L为场景反射强度,E为光源照射强度,[ps,qs,1]T为相对于秧苗叶片的光源照射方向向量,[p,q,1]T为叶片表面法向量。若已知多组光源照射下的叶片图像明暗信息,则可以测算表征叶片空间朝向的表面法向量。
设叶片表面空间点P对应图像获取装置坐标系下的坐标为P(x,y,z(x,y)),该点处x,y方向切向量分别为tx和ty,如式(2)所示,其中zx、zy分别为叶片表面曲面方程z=z(x,y)对x,y变量的偏导数。
则P点处曲面对应曲面法向量n可表示为x,y方向切向量的叉乘,由式(3)求解可得。
n=[1,0,zx]T×[0,1,zy]T=[-zx,-zy,1]T (3)
参考图1,一种秧苗叶片立体形态测量方法,包括:S1,用光源照射秧苗叶片主叶脉区域的多个亮度采样区域,所述光源为多个,依次用多个光源遍历照射多个亮度采样区域,得到每个亮度采样区域在单个光源照射下的平均亮度序列;S2,根据每个亮度采样区域在单个光源照射下的平均亮度序列,得到每个亮度采样区域对应的观测法向量;S3,建立每个亮度采样区域的观测法向量与实际法向量的逼近关系,计算得到秧苗叶片立体形态的空间参数。
具体地,采用光度立体视觉恢复秧苗叶片表面形态的基本原理在于,基于叶片图像明暗信息获取叶片表面离散的观测法向量,并建立观测法向量与实际法向量的逼近关系,进而拟合叶片曲面数学方程。鉴于秧苗叶片曲面形态以沿主叶脉方向的垂直弯曲为主,忽略叶片其他方向的弯曲,可根据主叶脉区域的立体信息评估秧苗叶片整体形态。为了使测量结果更加准确,一般选用多组不同的光源分别依次照射多个亮度采样区域,保证拟合数据的准确性。
因此,以辣椒秧苗为研究对象,以秧苗叶片长轴中心为起点,选取主叶脉上的多个亮度采样区域,亮度采样区域的序号用m表示,选取长轴中心两侧等间距的2个20像素直径的亮度采样区域,即m=1,2,3,4,5,并依次用不同的光源i照射选取的亮度采样区域,i表示不同光源的序号,根据选取的亮度采样区域的图像色彩信息获取对应的亮度采样区域在单个光源照射下的平均亮度序列Yim。其中,平均亮度为该亮度采样区域内选定的所有像素图像对应亮度的平均值,在实施例中即为20像素直径的平均亮度。光源i对称设置在秧苗叶片的上方空间,可选用白色LED光源,本实施例中设定i=1,2,3,4,即共设有4组LED光源用于秧苗叶片立体形态的测量。
然后,将标定后的光源i照射向量Li规范为[psi,qsi,1]T,E为不同光源i的光源强度,设秧苗叶片上任一亮度采样区域对应的观测法向量为基于每个亮度采样区域在单个光源照射下的平均亮度序列Yim,计算得到每个亮度采样区域对应的观测法向量其中,在计算每个亮度采样区域对应的观测法向量之前,需要先获取该亮度采样区域在设定的多个光源依次照射下的平均亮度值,并将上述平均亮度值作为一组一维平均亮度序列Yi,以提高该亮度采样区域的平均亮度测量值的准确性。
以其中秧苗叶片表面某一采样区域为例,设该采样区域内任一点对应曲面法向量E为光源照射强度,在4组不同光源照射下的一维平均亮度序列Yi表示为:
最后,建立每个亮度区域的观测法向量与实际法向量nm=[-zxm,-zym,1]T的逼近关系,该逼近关系可采用回归分析的相关方法,拟合得到秧苗叶片立体形态的空间参数。空间参数主要包括秧苗叶片的垂直倾角ω、长轴像素长度L和叶片像素面积S,根据秧苗叶片立体形态的空间参数得到秧苗叶片的空间立体形态。
上述实施例提供的秧苗叶片立体形态测量方法,采用光度立体视觉测量技术手段,通过解析多角度光源照射下的秧苗叶片图像明暗特征,拟合包含立体信息的秧苗立体形态,为秧苗长势在线监测提供便利,有助于提高育苗生产的效率。
在上述实施例的基础上,在步骤S1之前还包括:利用标准色板对不同光源照射下的图像亮度矫正,计算得到各光源对应的图像亮度矫正系数;将所述图像亮度矫正系数作为对应光源照射强度的补偿,以使所述不同光源实际照射在秧苗叶片目标区域的光源照射强度一致。
具体地,鉴于不同LED光源发光色度、强度和空间姿态各不相同,需要对不同光源照射下的图像色彩进行矫正,以克服由光源辐射差异对测量目标成像色彩的影响。将D65白色标准色板放置于摄像机正下方的秧苗叶片成像区域,依次开启4组光源采集标准板图像。根据秧苗叶片成像区域范围,取标准色板图像中心半径500像素圆形区域为色彩矫正采样区域,分别求4组光源照射下该区域标准色板图像色彩分量平均值Ri'、Gi'、Bi'(其中i=1,…,4)。
假若以3号光源射下标准色板图像色彩为参考,设i号光源对应色板RGB色彩分量各自矫正系数JRi、JGi、JBi,则该光源照射下的标准板成像色彩需满足式(5)。
分别求解不同光源对应的图像矫正系数后,将其用于对应光源照射下秧苗叶片图像的色彩矫正。
上述实施例提供的秧苗叶片立体形态测量方法,通过事先对不同的光源分别进行图像色彩矫正,从而消除由光源辐射差异对测量目标成像色彩的影响,提高秧苗叶片立体形态测量的准确性。
在上述各实施例的基础上,步骤S3具体包括:
S31,建立秧苗叶片的空间平面方程z=ax+by+c,并计算得到秧苗叶片的实际法向量nm=[-zxm,-zym,1]T,其中m表示亮度采样区域的序号,m=1,2,3,…;
S33,根据所述垂直倾角ω,计算得到秧苗叶片的立体形态参数,立体形态参数包括叶片长度L和叶片面积S。
具体地,根据秧苗叶片空间立体形态的特点,近似认为叶片为空间平面,参考图2,设叶片空间平面方程为z=ax+by+c,叶片的实际法向量为nm=[-zxm,-zym,1]T,其中m表示亮度采样区域的序号,在本实施例中,m=1,2,3,4,5。建立各亮度采样区域的观测法向量与实际法向量的逼近关系采用最小二乘法来实现。其中,最小二乘法又称最小平方法,是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配,利用最小二乘法可以简便地求得未知的数据,并使得求得的数据与实际数据之间误差的平方和为最小。根据最小二乘原理,建立亮度采样区域的观测法向量与实际法向量nm=[-zxm,-zym,1]T满足偏差最小的条件方程组,具体如下:
其中,n为亮度采样区域的个数,本实施例中n=5。
于是叶片与图像获取装置坐标系的Z轴的夹角,即叶片垂直倾角ω表示为:
根据摄像机透视模型可知,在秧苗冠层叶片分布的有限高度范围内,其图像尺寸与实际尺寸比例系数可认为常数k,设叶片长轴像素长度为l,叶片像素面积为s,则其实际物理长度L和面积S估算如式(8)所示:
在上述各实施例的基础上,在步骤S1中,为了准确解析与叶片反射强度相对应的图像亮度,采用XYZ色彩空间中表征图像色彩信息,该色彩系统中Y分量可独立表示图像亮度。根据BT.709色彩标准,任一像素点的图像色彩与亮度Y的变换关系式为:
Y=0.2126Ri+0.7152Gi+0.0722Bi (9)
其中,Ri、Gi、Bi表示叶片在矫正后第i组光源照射下任一像素点的图像色彩分量。根据公式(9)可计算出各亮度采样区域的亮度值。
参考图3,本实施例提供一种秧苗叶片立体形态测量装置,包括:图像获取装置301,置于待测秧苗的正上方,用于获取不同光源照射下选取的多个亮度采样区域的图像色彩;光源302,对称布置在图像获取装置四周,用于照射叶片主叶脉区域选定的多个采样区域,以使得所述多个亮度采样区域产生图像亮度。
在上述实施例的基础上,所述装置还包括:背景板303,位于所述待测秧苗的底部,用于提高所述秧苗叶片的图像识别效率;密封灯箱304,用于为所述图像获取装置和光源的安装提供支撑,并减少外部光源对测量结果的干扰。光源302分别安装在密封灯箱304顶面的支架上,并且均匀分布,安装好的光源302需要调节光照位置,使得光源中心的射线汇聚与图像获取装置301视场的正下方。
在上述各实施例的基础上,为了更好地捕捉叶片表面的图像信息,图像获取装置选用Point gray FL3-U3-13S2C型工业相机,光源为白色LED面阵光源。
测量装置的设计以辣椒秧苗为研究对象,采用4组1.5W白色面阵20*20mm2LED光源302均布于500*500*500mm3规格密封灯箱304内。Point gray FL3-U3-13S2C型工业相机301配5mm焦距镜头,安装于密封灯箱303顶部中心位置。光源302对称布置于工业相机301四周,光源中心射线汇聚于工业相机301视场正下方,待测秧苗放置于工业相机301正下方。为了提高秧苗叶片识别效率,密封灯箱底部安装黑色背景板303。
本发明提供的秧苗叶片立体形态测量方法,采用光度立体视觉测量技术手段,通过解析多角度光源照射下的秧苗叶片图像明暗特征,拟合包含叶片立体信息的秧苗立体形态,为秧苗长势在线监测提供便利,有助于提高育苗生产的效率。
最后,本发明中的装置仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种秧苗叶片立体形态测量方法,其特征在于,包括步骤:
S1,用光源照射叶片主叶脉区域的多个亮度采样区域,所述光源为多个,依次用多个光源遍历照射所述多个亮度采样区域,得到每个亮度采样区域在单个光源照射下的平均亮度序列;
S2,根据每个亮度采样区域在单个光源照射下的平均亮度序列,得到每个亮度采样区域对应的观测法向量;
S3,建立每个亮度采样区域的观测法向量与实际法向量的逼近关系,拟合得到所述叶片的立体形态;
所述步骤S3具体包括:
S31,建立叶片的空间平面方程z=ax+by+c,并计算得到叶片的实际法向量nm=[-zxm,-zym,1]T,其中m表示亮度采样区域的序号,m=1,2,3,…;
S33,根据所述垂直倾角ω,计算得到所述叶片的立体形态参数,所述立体形态参数包括长度L和叶片面积S。
2.根据权利要求1所述的方法,其特征在于,在所述步骤S1之前还包括:
利用标准色板对不同光源照射下的图像亮度矫正,计算得到各光源对应的图像亮度矫正系数;
将所述图像亮度矫正系数作为对应光源照射强度的补偿,以使所述不同光源实际照射在叶片目标区域的光源照射强度一致。
3.根据权利要求2所述的方法,其特征在于,在所述步骤S1中,根据BT.709色彩标准,图像色彩与亮度Y的变换关系式为:
Y=0.2126Ri+0.7152Gi+0.0722Bi
其中,i表示光源的序号,i=1,2,3,…,Ri、Gi、Bi表示叶片在第i组光源矫正后照射下的亮度采样区域的图像色彩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810171799.9A CN108489418B (zh) | 2018-03-01 | 2018-03-01 | 一种秧苗叶片立体形态测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810171799.9A CN108489418B (zh) | 2018-03-01 | 2018-03-01 | 一种秧苗叶片立体形态测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108489418A CN108489418A (zh) | 2018-09-04 |
CN108489418B true CN108489418B (zh) | 2020-02-14 |
Family
ID=63341153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810171799.9A Active CN108489418B (zh) | 2018-03-01 | 2018-03-01 | 一种秧苗叶片立体形态测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108489418B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113295109A (zh) * | 2021-06-25 | 2021-08-24 | 中国林业科学研究院林业新技术研究所 | 基于机器视觉测量适合机械嫁接苗木弯曲度的系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1576779A (zh) * | 2003-06-30 | 2005-02-09 | 韦尔豪泽公司 | 用于植物胚胎圆形顶部三维成像的方法和系统 |
CN101430192A (zh) * | 2007-11-07 | 2009-05-13 | 三菱电机株式会社 | 确定场景中的对象的三维姿态的方法和系统 |
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
CN103903300A (zh) * | 2012-12-31 | 2014-07-02 | 博世汽车部件(苏州)有限公司 | 物体表面高度重建方法及系统、光学字符提取方法及系统 |
CN107194881A (zh) * | 2017-03-23 | 2017-09-22 | 南京汇川图像视觉技术有限公司 | 一种基于光度立体的去除图像反光装置及方法 |
-
2018
- 2018-03-01 CN CN201810171799.9A patent/CN108489418B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1576779A (zh) * | 2003-06-30 | 2005-02-09 | 韦尔豪泽公司 | 用于植物胚胎圆形顶部三维成像的方法和系统 |
CN101430192A (zh) * | 2007-11-07 | 2009-05-13 | 三菱电机株式会社 | 确定场景中的对象的三维姿态的方法和系统 |
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
CN103903300A (zh) * | 2012-12-31 | 2014-07-02 | 博世汽车部件(苏州)有限公司 | 物体表面高度重建方法及系统、光学字符提取方法及系统 |
CN107194881A (zh) * | 2017-03-23 | 2017-09-22 | 南京汇川图像视觉技术有限公司 | 一种基于光度立体的去除图像反光装置及方法 |
Non-Patent Citations (2)
Title |
---|
基于光度立体视觉的蔬菜秧苗叶片形态测量方法;冯青春;《农业机械学报》;20180515;全文 * |
基于线结构光视觉的穴盘苗外形参数在线测量系统研制及试验;冯青春等;《农业工程学报》;20131231;第144页-145页及图1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN108489418A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105717115B (zh) | 基于光学成像技术的高通量植物表型分析装置和方法 | |
US20210056685A1 (en) | Method and device for monitoring comprehensive growth of potted lettuce | |
Story et al. | Design and implementation of a computer vision-guided greenhouse crop diagnostics system | |
CN109816680B (zh) | 一种农作物株高的高通量计算方法 | |
CN102246205B (zh) | 用于测量植物的叶盘生长的方法 | |
EP3467702A1 (en) | Method and system for performing data analysis for plant phenotyping | |
CN107132228A (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
CN109584293A (zh) | 一种基于rgb-d视觉技术的温室作物三维形态全景测量系统 | |
Nugent et al. | Discrimination of herbicide-resistant kochia with hyperspectral imaging | |
CN108710766A (zh) | 一种基于生长模型的温室植物水肥机调肥参数计算方法 | |
TWM567355U (zh) | Multispectral image analysis system architecture | |
US20220307971A1 (en) | Systems and methods for phenotyping | |
CN112595367A (zh) | 一种基于智能机器人的水稻根系性状无损测量装置 | |
Jiang et al. | On-the-go image processing system for spatial mapping of lettuce fresh weight in plant factory | |
CN108489418B (zh) | 一种秧苗叶片立体形态测量方法及装置 | |
CN114858799A (zh) | 一种种子质量的快速检测系统 | |
CN210924657U (zh) | 一种基于机器视觉的多种类蚕茧计数装置 | |
CN109827503B (zh) | 一种田间作物精准定位方法和装置 | |
CN113822896B (zh) | 一种植物群体三维表型数据采集装置及方法 | |
CN114419442A (zh) | 不受外界光源干扰的地表秸秆覆盖率快速检测方法及装置 | |
CN114494689A (zh) | 番茄干旱胁迫的识别方法 | |
Feng et al. | Calculating the leaf-area based on non-loss correction algorithm | |
CN207215710U (zh) | 一种油菜全生长期信息的高通量表型研究系统 | |
CN111860220A (zh) | 一种小麦幼苗分布特征的评价方法 | |
Vuletić et al. | Close-range multispectral imaging with Multispectral-Depth (MS-D) system |
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 |