CN108556795A - 一种车辆智能电控设备集成控制方法及系统 - Google Patents
一种车辆智能电控设备集成控制方法及系统 Download PDFInfo
- Publication number
- CN108556795A CN108556795A CN201810307942.2A CN201810307942A CN108556795A CN 108556795 A CN108556795 A CN 108556795A CN 201810307942 A CN201810307942 A CN 201810307942A CN 108556795 A CN108556795 A CN 108556795A
- Authority
- CN
- China
- Prior art keywords
- deep learning
- front windshield
- image
- learning model
- detection
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S1/00—Cleaning of vehicles
- B60S1/02—Cleaning windscreens, windows or optical devices
- B60S1/023—Cleaning windscreens, windows or optical devices including defroster or demisting means
- B60S1/026—Cleaning windscreens, windows or optical devices including defroster or demisting means using electrical means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
- B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
- B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
- B60Q1/06—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle
- B60Q1/08—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically
- B60Q1/085—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically due to special conditions, e.g. adverse weather, type of road, badly illuminated road signs or potential dangers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S1/00—Cleaning of vehicles
- B60S1/02—Cleaning windscreens, windows or optical devices
- B60S1/04—Wipers or the like, e.g. scrapers
- B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
- B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
- B60S1/0818—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
Abstract
本发明涉及一种车辆智能电控设备集成控制方法及系统,方法包括以下实时在线检测步骤:加载深度学习模型初始化图像识别单元;实时采集车辆前挡风玻璃图像并存储;对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;通过判断是否到检测到雨水、灰尘、雾气以及前挡风玻璃清晰度是否低于预设阈值,相应控制雨刷、大灯、喷水器以及除雾器的工作。本发明仅需采集车辆前挡风玻璃图像,通过对车辆前挡风玻璃图像的识别实现雨水、灰尘、清晰度和雾气检测,减少了车辆传感器数量和类型。
Description
技术领域
本发明属于车辆电控设备控制领域,具体涉及一种包括雨刮、喷水器、除雾器、大灯在内的车辆智能电控设备集成控制方法及其系统。
背景技术
现有车辆电器控制系统一般都是独立的子系统,采用各自独立的传感器和控制模块,例如智能灯光系统采用光线传感器及灯光控制模块调节大灯的亮度和角度,智能雨刷系统采用雨滴传感器及雨刷控制模块控制雨刷和喷水器工作,智能除雾系统采用湿度和温度传感器及除雾控制模块控制空调工作,致使车辆传感器及控制模块类型和数量众多,整车电器控制系统复杂。
其次,智能雨刷系统所用的雨滴传感器主要有流量式雨滴传感器、静电式雨滴传感器、压电式雨滴传感器,红外线式雨滴传感器,其中流量式雨滴传感器、静电式雨滴传感器、压电式雨滴传感器装在车辆外部,容易受到环境的污染,准确度较低,且无法检测灰尘和清晰度;红外线雨量传感器虽然装在车辆内部,但感应范围小,无法检测超出感应范围的雨水、泥水或脏物,也无法检测灰尘和清晰度。
再者,智能除雾系统一般采用湿度和温度结合的传感器,虽然体积小、价格便宜,但只能通过检测车内温度和湿度来预测起雾的可能性,却“看不到”任何雾气的出现,因此,在温度和湿度正常,但有雾气出现的情况下,智能除雾系统将不工作。
因此,现有技术仍需要进一步发明及改进。
发明内容
本发明的目的在于公开一种车辆智能电控设备集成控制方法,以提高对车辆前挡风玻璃的雨水、灰尘、清晰度及雾气检测的准确度,同时减少车辆传感器数量及类型。同时相应公开一种车辆智能电控设备集成控制系统。
本发明公开的一种车辆智能电控设备集成控制方法,包括以下实时在线检测步骤:
A1、加载深度学习模型初始化图像识别单元;
A2、实时采集车辆前挡风玻璃图像并存储;
A3、对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;
A4、判断是否到检测到雨水,若是则控制雨刷及大灯同时工作,转入步骤A8;若否则执行步骤A5;
A5、判断是否检测到灰尘,若是则控制雨刷及喷水器同时工作,转入步骤A8;若否则执行步骤A6;
A6、判断是否检测到雾气,若是则控制雨刷及除雾器同时工作,转入步骤A8;若否则执行步骤A7;
A7、判断前挡风玻璃清晰度是否低于预设阈值,若是则控制雨刷及喷水器同时工作;
A8、一次控制结束。
进一步的,还包括以下定时离线训练步骤:
B1、读取存储的深度学习模型,所述深度学习模型包括雨水检测深度学习模型、灰尘检测深度学习模型;
B2、读取存储的车辆前挡风玻璃图像;
B3、基于fine-tune的方式利用车辆前挡风玻璃图像对深度学习模型进行离线训练;
B4、将训练好的深度学习模型重新更新存储。
进一步的,雨水检测深度学习模型和灰尘检测深度学习模型均采用多层卷积神经网络模型。
本发明相应公开的一种车辆智能电控设备集成控制系统,包括单目图像采集单元、图像存储单元、图像识别单元、深度学习模型存储单元、集成控制器单元,其中:
单目图像采集单元,用于实时采集车辆前挡风玻璃图像;
图像存储单元,用于存储实时采集的车辆前挡风玻璃图像;
图像识别单元,对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;
深度学习模型存储单元,存储有雨水检测深度学习模型、灰尘检测深度学习模型;
集成控制器单元,根据图像识别单元的检测结果,相应控制雨刷、大灯、喷水器以及除雾器工作。
进一步的,所述集成控制器单元包括雨刮控制器、喷水器控制器、大灯控制器以及除雾器控制器,分别与雨刷、大灯、喷水器以及除雾器控制连接。
本发明至少具备以下有益效果:
(1)仅需采集车辆前挡风玻璃图像,通过对车辆前挡风玻璃图像的识别实现雨水、灰尘、清晰度和雾气检测,减少了车辆传感器数量和类型;
(2)可以同时控制雨刮、喷水器、大灯、除雾器等电控设备,简化了车辆电控设备控制器。
(3)采用基于深度学习的图像识别技术检测车辆环境状态,有效提高了雨水、灰尘、清晰度和雾气检测的准确度。
附图说明
图1是实施例一公开的一种车辆智能电控设备集成控制方法中实时在线检测的流程示意图。
图2是实施例一公开的一种车辆智能电控设备集成控制方法中定时离线训练的流程示意图。
图3是实施例一公开的一种车辆智能电控设备集成控制方法中雨水检测深度学习模型的多层卷积神经网络结构示意图。
图4是实施例一公开的一种车辆智能电控设备集成控制方法中灰尘检测深度学习模型的多层卷积神经网络结构示意图。
图5是实施例二公开的一种车辆智能电控设备集成控制系统的整体结构框图。
图6是图2中集成控制器单元的细化结构框图。
具体实施方式
为了便于本领域技术人员理解,下面将结合附图以及实施例对本发明进行进一步描述。
实施例一
请参阅图1,本实施例公开的一种车辆智能电控设备集成控制方法,包括以下实时在线检测步骤:
S101、加载深度学习模型初始化图像识别单元;
S102、实时采集车辆前挡风玻璃图像并存储;
S103、对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;
S104、判断是否到检测到雨水,若是则控制雨刷及大灯同时工作,转入步骤S108;若否则执行步骤S105;
S105、判断是否检测到灰尘,若是则控制雨刷及喷水器同时工作,转入步骤S108;若否则执行步骤S106;
S106、判断是否检测到雾气,若是则控制雨刷及除雾器同时工作,转入步骤S108;若否则执行步骤S107;
S107、判断前挡风玻璃清晰度是否低于预设阈值,若是则控制雨刷及喷水器同时工作;
S108、一次控制结束。
进一步的,请参阅图2,本实施例还包括以下定时离线训练步骤:
S201、读取存储的深度学习模型,所述深度学习模型包括雨水检测深度学习模型、灰尘检测深度学习模型;
S202、读取存储的车辆前挡风玻璃图像;
S203、基于fine-tune的方式利用车辆前挡风玻璃图像对深度学习模型进行离线训练;
S204、将训练好的深度学习模型重新更新存储。
本实施例的定时离线训练深度学习模型的时间间隔可以配置设定。
优选的,雨水检测深度学习模型和灰尘检测深度学习模型均采用多层卷积神经网络模型。其中,雨水检测深度学习模型的多层卷积神经网络结构如图3所示,其输出2维特征向量,表示检测为雨水和无雨水的两类分类结果;灰尘检测深度学习模型的多层卷积神经网络结构如图4所示,其输出2维特征向量,表示检测为灰尘和无灰尘的两类分类结果。
本实施例至少具备以下有益效果:
(1)仅需采集车辆前挡风玻璃图像,通过对车辆前挡风玻璃图像的识别实现雨水、灰尘、清晰度和雾气检测,减少了车辆传感器数量和类型;
(2)可以同时控制雨刮、喷水器、大灯、除雾器等电控设备,简化了车辆电控设备控制器。
(3)采用基于深度学习的图像识别技术检测车辆环境状态,有效提高了雨水、灰尘、清晰度和雾气检测的准确度。
实施例二
请参阅图5,本实施例相应公开的一种车辆智能电控设备集成控制系统,包括单目图像采集单元100、图像存储单元200、图像识别单元300、深度学习模型存储单元400、集成控制器单元500,其中:
单目图像采集单元100,用于实时采集车辆前挡风玻璃图像。
图像存储单元200,用于存储实时采集的车辆前挡风玻璃图像。
图像识别单元300,对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;具体的,图像识别单元300可根据检测的前挡风玻璃图像雨水、灰尘、雾水、清晰度状态,向集成控制器单元500发送控制信号。
深度学习模型存储单元400,存储有雨水检测深度学习模型、灰尘检测深度学习模型。
集成控制器单元500,根据图像识别单元的检测结果,相应控制雨刷、大灯、喷水器以及除雾器工作。
进一步的,请参阅图6,集成控制器单元500包括雨刮控制器510、喷水器控制器520、大灯控制器530以及除雾器控制器540,分别与雨刷、大灯、喷水器以及除雾器控制连接。
实施例二的工作原理及有益效果参考实施例一,这里不再赘述。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种车辆智能电控设备集成控制方法,其特征在于,包括以下实时在线检测步骤:
A1、加载深度学习模型初始化图像识别单元;
A2、实时采集车辆前挡风玻璃图像并存储;
A3、对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;
A4、判断是否到检测到雨水,若是则控制雨刷及大灯同时工作,转入步骤A8;若否则执行步骤A5;
A5、判断是否检测到灰尘,若是则控制雨刷及喷水器同时工作,转入步骤A8;若否则执行步骤A6;
A6、判断是否检测到雾气,若是则控制雨刷及除雾器同时工作,转入步骤A8;若否则执行步骤A7;
A7、判断前挡风玻璃清晰度是否低于预设阈值,若是则控制雨刷及喷水器同时工作;
A8、一次控制结束。
2.根据权利要求1所述的车辆智能电控设备集成控制方法,其特征在于,还包括以下定时离线训练步骤:
B1、读取存储的深度学习模型,所述深度学习模型包括雨水检测深度学习模型、灰尘检测深度学习模型;
B2、读取存储的车辆前挡风玻璃图像;
B3、基于fine-tune的方式利用车辆前挡风玻璃图像对深度学习模型进行离线训练;
B4、将训练好的深度学习模型重新更新存储。
3.根据权利要求2所述的车辆智能电控设备集成控制方法,其特征在于,雨水检测深度学习模型和灰尘检测深度学习模型均采用多层卷积神经网络模型。
4.一种车辆智能电控设备集成控制系统,其特征在于,包括单目图像采集单元、图像存储单元、图像识别单元、深度学习模型存储单元、集成控制器单元,其中:
单目图像采集单元,用于实时采集车辆前挡风玻璃图像;
图像存储单元,用于存储实时采集的车辆前挡风玻璃图像;
图像识别单元,对实时采集的车辆前挡风玻璃图像执行基于深度学习的雨水检测、基于深度学习的灰尘检测、前挡风玻璃清晰度检测以及前挡风玻璃雾水检测;
深度学习模型存储单元,存储有雨水检测深度学习模型、灰尘检测深度学习模型;
集成控制器单元,根据图像识别单元的检测结果,相应控制雨刷、大灯、喷水器以及除雾器工作。
5.根据权利要求4所述的车辆智能电控设备集成控制系统,其特征在于,所述集成控制器单元包括雨刮控制器、喷水器控制器、大灯控制器以及除雾器控制器,分别与雨刷、大灯、喷水器以及除雾器控制连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307942.2A CN108556795A (zh) | 2018-04-08 | 2018-04-08 | 一种车辆智能电控设备集成控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307942.2A CN108556795A (zh) | 2018-04-08 | 2018-04-08 | 一种车辆智能电控设备集成控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108556795A true CN108556795A (zh) | 2018-09-21 |
Family
ID=63534261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810307942.2A Pending CN108556795A (zh) | 2018-04-08 | 2018-04-08 | 一种车辆智能电控设备集成控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108556795A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084218A (zh) * | 2019-05-06 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 车辆的雨水分布数据处理方法和装置 |
CN110763756A (zh) * | 2019-10-26 | 2020-02-07 | 孙凤兰 | 基于超声波测量大数据的状态切换系统以及相应终端 |
CN110853181A (zh) * | 2019-11-05 | 2020-02-28 | 杭州晶一智能科技有限公司 | 一种具有自动除雾功能的汽车多功能后视行车记录仪 |
CN112109664A (zh) * | 2019-06-20 | 2020-12-22 | 上海汽车集团股份有限公司 | 一种控制方法及系统 |
WO2022193154A1 (zh) * | 2021-03-16 | 2022-09-22 | 深圳市大疆创新科技有限公司 | 雨刷控制方法、汽车及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202413712U (zh) * | 2011-12-12 | 2012-09-05 | 浙江吉利汽车研究院有限公司 | 一种汽车前挡风玻璃的清洁系统 |
CN103381793A (zh) * | 2013-07-12 | 2013-11-06 | Tcl集团股份有限公司 | 一种机动车前挡风玻璃的自动清洁系统及其清洁方法 |
JP2014133423A (ja) * | 2013-01-08 | 2014-07-24 | Mazda Motor Corp | 雨滴検出装置 |
US20160131579A1 (en) * | 2014-11-12 | 2016-05-12 | Ricoh Company, Ltd. | Adhering detection apparatus, adhering substance detection method, storage medium, and device control system for controlling vehicle-mounted devices |
CN106945638A (zh) * | 2017-03-21 | 2017-07-14 | 重庆长安汽车股份有限公司 | 一种雨刮控制系统 |
CN107515895A (zh) * | 2017-07-14 | 2017-12-26 | 中国科学院计算技术研究所 | 一种基于目标检测的视觉目标检索方法与系统 |
-
2018
- 2018-04-08 CN CN201810307942.2A patent/CN108556795A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202413712U (zh) * | 2011-12-12 | 2012-09-05 | 浙江吉利汽车研究院有限公司 | 一种汽车前挡风玻璃的清洁系统 |
JP2014133423A (ja) * | 2013-01-08 | 2014-07-24 | Mazda Motor Corp | 雨滴検出装置 |
CN103381793A (zh) * | 2013-07-12 | 2013-11-06 | Tcl集团股份有限公司 | 一种机动车前挡风玻璃的自动清洁系统及其清洁方法 |
US20160131579A1 (en) * | 2014-11-12 | 2016-05-12 | Ricoh Company, Ltd. | Adhering detection apparatus, adhering substance detection method, storage medium, and device control system for controlling vehicle-mounted devices |
CN106945638A (zh) * | 2017-03-21 | 2017-07-14 | 重庆长安汽车股份有限公司 | 一种雨刮控制系统 |
CN107515895A (zh) * | 2017-07-14 | 2017-12-26 | 中国科学院计算技术研究所 | 一种基于目标检测的视觉目标检索方法与系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084218A (zh) * | 2019-05-06 | 2019-08-02 | 广州小鹏汽车科技有限公司 | 车辆的雨水分布数据处理方法和装置 |
CN112109664A (zh) * | 2019-06-20 | 2020-12-22 | 上海汽车集团股份有限公司 | 一种控制方法及系统 |
CN110763756A (zh) * | 2019-10-26 | 2020-02-07 | 孙凤兰 | 基于超声波测量大数据的状态切换系统以及相应终端 |
CN110763756B (zh) * | 2019-10-26 | 2020-07-17 | 新昌县杨辉网络科技有限公司 | 基于超声波测量大数据的状态切换系统以及相应终端 |
CN110853181A (zh) * | 2019-11-05 | 2020-02-28 | 杭州晶一智能科技有限公司 | 一种具有自动除雾功能的汽车多功能后视行车记录仪 |
WO2022193154A1 (zh) * | 2021-03-16 | 2022-09-22 | 深圳市大疆创新科技有限公司 | 雨刷控制方法、汽车及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108556795A (zh) | 一种车辆智能电控设备集成控制方法及系统 | |
CN108528395A (zh) | 一种基于图像识别的车辆智能雨刮控制方法及系统 | |
US11565659B2 (en) | Raindrop recognition device, vehicular control apparatus, method of training model, and trained model | |
CN107128287B (zh) | 基于图像识别和云计算的智能雨刮控制装置及其控制方法 | |
CN104657735B (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
JP4334200B2 (ja) | ガラスの湿りを検出するセンサユニット | |
CN105799613A (zh) | 手势识别装置及其控制方法以及具有该装置的车辆 | |
CN105992717A (zh) | 用于驱控至少一个玻璃刷擦和/或玻璃清洁设备的系统和方法 | |
CN111775890B (zh) | 车窗玻璃的遮挡检测方法、装置和系统以及存储介质 | |
CN104908718B (zh) | 一种基于透过率和相对湿度的汽车玻璃除雾控制方法 | |
CN105722708A (zh) | 驾驶辅助设备和方法 | |
CA2032553A1 (en) | Rain responsive windshield wiper control | |
US9783166B1 (en) | Windscreen clearing using surface monitoring | |
CN108621946A (zh) | 挡住的车辆视野的检测和呈现 | |
CN112758046B (zh) | 一种基于智能识别的挡风玻璃清晰度控制方法与系统 | |
Cord et al. | Towards rain detection through use of in-vehicle multipurpose cameras | |
CN104350526A (zh) | 人检测装置 | |
JP6058307B2 (ja) | ワイパ制御装置 | |
CN105059183A (zh) | 一种汽车智能驱动防蹭警示装置 | |
KR101920299B1 (ko) | 차량의 포그램프 작동 제어방법 | |
KR20180136294A (ko) | 외부광을 반영하여 객체의 뎁스를 센싱하는 방법 및 이를 구현하는 장치 | |
CN116486359A (zh) | 一种面向全天候的智能车环境感知网络自适应选择方法 | |
CN205097874U (zh) | 一种汽车空调自动除雾控制装置 | |
CN115871602A (zh) | 一种车载前向激光雷达控制系统及方法 | |
CN116547726A (zh) | 在下雨、入射光线和脏污时对摄像装置的图像的修正 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |
|
RJ01 | Rejection of invention patent application after publication |