CN108732142A - 基于三维荧光光谱的海水藻类赤潮及毒性检测方法 - Google Patents
基于三维荧光光谱的海水藻类赤潮及毒性检测方法 Download PDFInfo
- Publication number
- CN108732142A CN108732142A CN201810132044.8A CN201810132044A CN108732142A CN 108732142 A CN108732142 A CN 108732142A CN 201810132044 A CN201810132044 A CN 201810132044A CN 108732142 A CN108732142 A CN 108732142A
- Authority
- CN
- China
- Prior art keywords
- dimensional fluorescence
- fluorescence spectrum
- initial
- toxicity
- data
- 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
Links
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于三维荧光光谱的海水藻类赤潮及毒性检测方法,包括以下步骤:单色紫外光照射待检测海水;收集海水反射荧光;反射荧光经衍射光栅生成三维荧光光谱;光信号形式的三维荧光光谱经CCD转换为电信号形式的三维荧光光谱,得到海水的原始三维荧光光谱数据;原始三维荧光光谱数据四元数矩阵并行表示;基于四元数主成分分析的光谱特征的提取;建立赤潮藻类溶血活性判别的非线性映射模型,将提取后的光谱特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。本发明基于光谱方法检测,不用添加化学试剂;检测方法所使用设备小巧、集成度高,可实现不间断原位在线测量;检测精度高。
Description
技术领域
本发明属于光电检测技术领域,涉及一种基于三维荧光光谱的海水藻类赤潮及毒性检测方法。
背景技术
赤潮(harmful algal bloom,HAB),又称红潮,是在特定的环境条件下,海水中某些浮游植物、原生动物或细菌爆发性增殖或高度聚集而引起水体变色的一种有害生态现象。赤潮有时可使鱼类等水生动物遭受很大危害,这是由于赤潮浮游生物堵塞鱼鳃,引起机械障碍,和它们死后分解,迅速消耗氧气,水中氧气不足,以及分泌有害物质等造成的。鱼毒性(Ichthyotoxic)赤潮可产生多种有毒物质,在短时间内致使鱼类和贝类大量死亡。鱼毒性赤潮藻类已经广泛分布于我国沿海,严重污染了我国海产养殖环境,制约我国沿海海水养殖业的可持续健康发展。
目前海水藻类赤潮及毒性的检测方法主要包括以下三类:一是基于色素光谱法,二是基于荧光光谱法,三是采用在线可视化单细胞拍摄技术。由于浮游植物的吸收光谱易受黄色物质及光保护色素的影响,从而限制了色素光谱法的进一步发展。随着近年来荧光检测技术和图像分析处理技术的进步,三维荧光光谱技术和可视化单细胞拍摄技术在藻类识别方面得到快速发展,且三维荧光光谱技术日益成熟,目前已开发出多种应用于石油、多氯联苯、生物激素和微藻识别等方面的专业设备。
发明内容
(一)发明目的
本发明的发明目的是:提供一种可实现海水藻类赤潮及毒性自动检测及数据处理、不间断原位在线检测的方法。
(二)技术方案
为了解决上述技术问题,本发明提供一种基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其包括以下步骤:
步骤1:单色紫外光照射待检测海水;
步骤2:收集海水反射荧光;
步骤3:反射荧光经衍射光栅生成三维荧光光谱;
步骤4:光信号形式的三维荧光光谱经CCD转换为电信号形式的三维荧光光谱,得到海水的原始三维荧光光谱数据;
步骤5:原始三维荧光光谱数据四元数矩阵并行表示;
步骤6:基于四元数主成分分析的光谱特征的提取;
步骤7:建立赤潮藻类溶血活性判别的非线性映射模型,将步骤6中提取后的光谱特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。
其中,所述步骤1中,使用激光器阵列输出单色紫外光,经分光镜分为探测光和参考光,探测光经透反射镜后照射海水,参考光由光探测器收集。
其中,所述单色紫外光激发波长为400~600nm,发射波长为650~750nm。
其中,所述步骤2和3中,利用准直器将海水反射荧光变成平行光,平行入射到衍射光栅,衍射光栅将经过准直的反射荧光展开成按波长排列的三维荧光光谱。
其中,所述步骤4中,电子倍增CCD位于衍射光栅形成的反射光谱位置处,将荧光光谱的光信号转变成电信号。
其中,所述步骤5中,原始三维荧光光谱数据的四元数矩阵并行表示的过程为:
将步骤4中得到的原始三维荧光光谱数据中的激发波长、发射波长和荧光强度三维全谱段数据的每个维度看成一个子空间,用表示,dk表示第k个波长,也即第k个子空间的维数,这里dk=p,也就是每个子空间都是p维,包含p个波长变量的信息,用xkj,k=1,2,…n,j=1,2,…p表示;
若几何代数空间满足并具有规范代数基则第k个波长点表示为一个多向量:
原始三维荧光光谱数据从原来的实数矩阵表示形式转化为一个1行p列的多向量光谱序列表示形式:
其中,Bj为几何向量的积;
利用几何代数相关性质对原始三维荧光光谱数据进行处理:
几何代数子空间维数D=4,选取几何代数空间G3,0作为嵌入空间,所用基向量集合为则原始三维荧光光谱数据序列的任意一波长维的多向量表示为:
根据几何积运算法则,取e1e2→i,e2e3→j,e3e1→k,则原始的三维荧光光谱数据四元数矩阵表示为:
X=[x11+x12i+x13j+x14k,...,xk1+xk2i+xk3j+xk4k,...,xJ1+xJ2i+xJ3j+xJ4k] (4)。
其中,所述步骤6中,按照步骤5获得原始三维荧光光谱数据的四元数矩阵表示后,首先将原始三维荧光光谱数据的四元数矩阵进行样本中心化,即对每行数据进行平均,并用原始三维荧光光谱数据减去平均值,对原始三维荧光光谱数据的四元数矩阵的实部系数和三个虚部系数数据同时进行中心化;然后将中心化矩阵乘以其转置矩阵,得到其协方差矩阵;接下来利用Householder变换将协方差矩阵分解,得到协方差矩阵的特征值和特征向量;根据贡献率,选择前几个特征向量构建投影矩阵;将原始三维荧光光谱数据乘以投影矩阵得到降维后的四元数特征。
其中,所述步骤7中,将降维后的四元数特征基于求模、乘积和求和运算对提取的主成分特征进行特征融合,将融合特征作为支持向量机分类器的输入,得到溶血活性的判别模型;
对需要判别的赤潮藻类,按上述步骤获取其原始三维荧光光谱数据,进行四元数并行表示和四元数特征提取,将提取后的特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。
(三)有益效果
上述技术方案所提供的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,具有以下有益效果:
1.基于光谱方法检测,不用添加化学试剂;
2.检测方法所使用设备小巧、集成度高,可实现不间断原位在线测量;
3.将四元数统计模式识别方法应用于三维荧光光谱的并行表示和并行特征提取,揭示激发波长、发射波长和荧光强度三者之间耦合信息,以此构建赤潮藻类溶血活性与三维荧光光谱的非线性映射模型,检测精度高。
附图说明
图1为本发明方法流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,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。
参照图1所示,本实施例检测方法包括以下步骤:
步骤1:单色紫外光照射待检测海水;
步骤2:收集海水反射荧光;
步骤3:反射荧光经衍射光栅生成三维荧光光谱;
步骤4:光信号形式的三维荧光光谱经CCD转换为电信号形式的三维荧光光谱,得到海水的原始三维荧光光谱数据;
步骤5:原始三维荧光光谱数据四元数矩阵并行表示;
步骤6:基于四元数主成分分析的光谱特征的提取;
步骤7:建立赤潮藻类溶血活性判别的非线性映射模型,将步骤6中提取后的光谱特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。
具体地,步骤1中,使用激光器阵列输出单色紫外光,经分光镜分为探测光和参考光,探测光经透反射镜后照射海水,参考光由光探测器收集;其中,单色紫外光激发波长为400~600nm,发射波长为650~750nm。
步骤2和3中,利用准直器将海水反射荧光变成平行光,平行入射到衍射光栅,衍射光栅将经过准直的反射荧光展开成按波长排列的三维荧光光谱。
步骤4中,利用电子倍增CCD将光信号形式的三维荧光光谱转换成电信号形式的三维荧光光谱,得到海水的原始三维荧光光谱数据;电子倍增CCD位于衍射光栅形成的反射光谱位置处,将荧光光谱的光信号转变成电信号。
步骤5中,原始三维荧光光谱数据的四元数矩阵并行表示的具体过程为:
将步骤4中得到的原始三维荧光光谱数据中的激发波长、发射波长和荧光强度三维全谱段数据的每个维度看成一个子空间,用表示,dk表示第k个波长,也即第k个子空间的维数,这里dk=p,也就是每个子空间都是p维,包含p个波长变量的信息,用xkj,k=1,2,…n,j=1,2,…p表示。若几何代数空间满足并具有规范代数基则第k个波长点表示为一个多向量:
原始三维荧光光谱数据从原来的实数矩阵表示形式转化为一个1行p列的多向量光谱序列表示形式:
其中Bj为几何向量的积。这样,利用几何代数相关性质对原始三维荧光光谱数据进行处理。
几何代数子空间维数D=4,选取几何代数空间G3,0作为嵌入空间,所用基向量集合为则原始三维荧光光谱数据序列的任意一波长维的多向量表示为:
根据几何积运算法则,若取e1e2→i,e2e3→j,e3e1→k,则原始的三维荧光光谱数据四元数矩阵可表示为:
X=[x11+x12i+x13j+x14k,...,xk1+xk2i+xk3j+xk4k,...,xJ1+xJ2i+xJ3j+xJ4k] (4)
步骤6中,按照步骤5获得原始三维荧光光谱数据的四元数矩阵表示后,首先将原始三维荧光光谱数据的四元数矩阵进行样本中心化,即对每行数据进行平均,并用原始三维荧光光谱数据减去平均值,对原始三维荧光光谱数据的四元数矩阵的实部系数和三个虚部系数数据同时进行中心化;然后将中心化矩阵乘以其转置矩阵,得到其协方差矩阵;下一步利用Householder变换将协方差矩阵分解,得到协方差矩阵的特征值和特征向量;根据贡献率,选择前几个特征向量构建投影矩阵;将原始三维荧光光谱数据乘以投影矩阵得到降维后的四元数特征。
步骤7中,将降维后的四元数特征基于求模、乘积和求和运算对提取的主成分特征进行特征融合,将融合特征作为支持向量机分类器的输入,得到溶血活性的判别模型。
对需要判别的赤潮藻类,按上述步骤获取其原始三维荧光光谱数据,进行四元数并行表示和四元数特征提取,将提取后的特征带入所建模型中,模型输出溶血活性值,以此值得大小来判别藻类毒性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,包括以下步骤:
步骤1:单色紫外光照射待检测海水;
步骤2:收集海水反射荧光;
步骤3:反射荧光经衍射光栅生成三维荧光光谱;
步骤4:光信号形式的三维荧光光谱经CCD转换为电信号形式的三维荧光光谱,得到海水的原始三维荧光光谱数据;
步骤5:原始三维荧光光谱数据四元数矩阵并行表示;
步骤6:基于四元数主成分分析的光谱特征的提取;
步骤7:建立赤潮藻类溶血活性判别的非线性映射模型,将步骤6中提取后的光谱特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。
2.如权利要求1所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤1中,使用激光器阵列输出单色紫外光,经分光镜分为探测光和参考光,探测光经透反射镜后照射海水,参考光由光探测器收集。
3.如权利要求2所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述单色紫外光激发波长为400~600nm,发射波长为650~750nm。
4.如权利要求1所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤2和3中,利用准直器将海水反射荧光变成平行光,平行入射到衍射光栅,衍射光栅将经过准直的反射荧光展开成按波长排列的三维荧光光谱。
5.如权利要求4所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤4中,电子倍增CCD位于衍射光栅形成的反射光谱位置处,将荧光光谱的光信号转变成电信号。
6.如权利要求5所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤5中,原始三维荧光光谱数据的四元数矩阵并行表示的过程为:
将步骤4中得到的原始三维荧光光谱数据中的激发波长、发射波长和荧光强度三维全谱段数据的每个维度看成一个子空间,用k=1,2,…n表示,dk表示第k个波长,也即第k个子空间的维数,这里dk=p,也就是每个子空间都是p维,包含p个波长变量的信息,用xkj,k=1,2,…n,j=1,2,…p表示;
若几何代数空间满足并具有规范代数基则第k个波长点表示为一个多向量:
原始三维荧光光谱数据从原来的实数矩阵表示形式转化为一个1行p列的多向量光谱序列表示形式:
其中,Bj为几何向量的积;
利用几何代数相关性质对原始三维荧光光谱数据进行处理:
几何代数子空间维数D=4,选取几何代数空间G3,0作为嵌入空间,所用基向量集合为则原始三维荧光光谱数据序列的任意一波长维的多向量表示为:
根据几何积运算法则,取e1e2→i,e2e3→j,e3e1→k,则原始的三维荧光光谱数据四元数矩阵表示为:
X=[x11+x12i+x13j+x14k,...,xk1+xk2i+xk3j+xk4k,...,xJ1+xJ2i+xJ3j+xJ4k] (4)。
7.如权利要求6所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤6中,按照步骤5获得原始三维荧光光谱数据的四元数矩阵表示后,首先将原始三维荧光光谱数据的四元数矩阵进行样本中心化,即对每行数据进行平均,并用原始三维荧光光谱数据减去平均值,对原始三维荧光光谱数据的四元数矩阵的实部系数和三个虚部系数数据同时进行中心化;然后将中心化矩阵乘以其转置矩阵,得到其协方差矩阵;接下来利用Householder变换将协方差矩阵分解,得到协方差矩阵的特征值和特征向量;根据贡献率,选择前几个特征向量构建投影矩阵;将原始三维荧光光谱数据乘以投影矩阵得到降维后的四元数特征。
8.如权利要求7所述的基于三维荧光光谱的海水藻类赤潮及毒性检测方法,其特征在于,所述步骤7中,将降维后的四元数特征基于求模、乘积和求和运算对提取的主成分特征进行特征融合,将融合特征作为支持向量机分类器的输入,得到溶血活性的判别模型;
对需要判别的赤潮藻类,按上述步骤获取其原始三维荧光光谱数据,进行四元数并行表示和四元数特征提取,将提取后的特征带入所建模型中,模型输出溶血活性值,以此值的大小来判别藻类毒性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132044.8A CN108732142B (zh) | 2018-02-09 | 2018-02-09 | 基于三维荧光光谱的海水藻类赤潮及毒性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810132044.8A CN108732142B (zh) | 2018-02-09 | 2018-02-09 | 基于三维荧光光谱的海水藻类赤潮及毒性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108732142A true CN108732142A (zh) | 2018-11-02 |
CN108732142B CN108732142B (zh) | 2021-03-02 |
Family
ID=63940968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810132044.8A Active CN108732142B (zh) | 2018-02-09 | 2018-02-09 | 基于三维荧光光谱的海水藻类赤潮及毒性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108732142B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912824A (zh) * | 2020-07-31 | 2020-11-10 | 深圳市朗诚科技股份有限公司 | 三维荧光光谱法在识别产麻痹性贝类毒素微藻中的应用 |
CN113030049A (zh) * | 2021-03-10 | 2021-06-25 | 燕山大学 | 一种鱼毒性赤潮藻在线检测识别方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008459A (ja) * | 2007-06-26 | 2009-01-15 | National Institute Of Advanced Industrial & Technology | 水草類観測方法 |
CN102608085A (zh) * | 2012-01-09 | 2012-07-25 | 暨南大学 | 一种检测藻类溶血毒素活性的方法与应用 |
CN104316505A (zh) * | 2014-11-14 | 2015-01-28 | 深圳市朗诚实业有限公司 | 用于识别鱼毒性藻类的三维荧光标准光谱库的构建和应用 |
CN107389638A (zh) * | 2017-07-25 | 2017-11-24 | 潍坊学院 | 一种显微荧光光谱成像海洋浮游植物原位分类识别方法及装置 |
CN107478633A (zh) * | 2017-09-26 | 2017-12-15 | 常州大学 | 一种利用三维荧光图谱解析微生物溶藻进程和机制的方法 |
CN206920339U (zh) * | 2017-04-01 | 2018-01-23 | 燕山大学 | 海水总有机碳光学原位传感器 |
-
2018
- 2018-02-09 CN CN201810132044.8A patent/CN108732142B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008459A (ja) * | 2007-06-26 | 2009-01-15 | National Institute Of Advanced Industrial & Technology | 水草類観測方法 |
CN102608085A (zh) * | 2012-01-09 | 2012-07-25 | 暨南大学 | 一种检测藻类溶血毒素活性的方法与应用 |
CN104316505A (zh) * | 2014-11-14 | 2015-01-28 | 深圳市朗诚实业有限公司 | 用于识别鱼毒性藻类的三维荧光标准光谱库的构建和应用 |
CN206920339U (zh) * | 2017-04-01 | 2018-01-23 | 燕山大学 | 海水总有机碳光学原位传感器 |
CN107389638A (zh) * | 2017-07-25 | 2017-11-24 | 潍坊学院 | 一种显微荧光光谱成像海洋浮游植物原位分类识别方法及装置 |
CN107478633A (zh) * | 2017-09-26 | 2017-12-15 | 常州大学 | 一种利用三维荧光图谱解析微生物溶藻进程和机制的方法 |
Non-Patent Citations (1)
Title |
---|
丰桂珍等: "水中藻类溶解性有机物特性研究", 《环境科学与技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912824A (zh) * | 2020-07-31 | 2020-11-10 | 深圳市朗诚科技股份有限公司 | 三维荧光光谱法在识别产麻痹性贝类毒素微藻中的应用 |
CN113030049A (zh) * | 2021-03-10 | 2021-06-25 | 燕山大学 | 一种鱼毒性赤潮藻在线检测识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108732142B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107101943B (zh) | 一种光流控无透镜全息成像微藻活性检测装置与方法 | |
Millie et al. | Using absorbance and fluorescence spectra to discriminate microalgae | |
Sigee et al. | Fourier-transform infrared spectroscopy of Pediastrum duplex: characterization of a micro-population isolated from a eutrophic lake | |
Chekalyuk et al. | Advanced laser fluorometry of natural aquatic environments | |
WO2011069067A1 (en) | Spectral and temporal laser fluorescence analysis such as for natural aquatic environments | |
Martsenyuk et al. | Multispectral control of water bodies for biological diversity with the index of phytoplankton | |
EP3201310B1 (en) | Microorganism identification | |
Barsanti et al. | Water monitoring by means of digital microscopy identification and classification of microalgae | |
Grigoryeva et al. | Fluorescence microscopic spectroscopy for investigation and monitoring of biological diversity and physiological state of cyanobacterial cultures | |
Gorbunov et al. | A multi-spectral fluorescence induction and relaxation (FIRe) technique for physiological and taxonomic analysis of phytoplankton communities | |
CN108732142A (zh) | 基于三维荧光光谱的海水藻类赤潮及毒性检测方法 | |
Yoshida et al. | In situ multi-excitation chlorophyll fluorometer for phytoplankton measurements: Technologies and applications beyond conventional fluorometers | |
Zieger et al. | Spectral characterization of eight marine phytoplankton phyla and assessing a pigment-based taxonomic discriminant analysis for the in situ classification of phytoplankton blooms | |
Zhang et al. | IDENTIFYING PHYTOPLANKTON IN SEAWATER BASED ON DISCRETE EXCITATION‐EMISSION FLUORESCENCE SPECTRA 1 | |
CN108279225A (zh) | 海水藻类赤潮及其毒性检测光学原位传感器 | |
CN105954226B (zh) | 对叶表结构不敏感的叶绿素含量的检测方法 | |
Evangelista et al. | Microspectroscopy of the photosynthetic compartment of algae | |
Rekully et al. | Fluorescence Excitation Spectroscopy for Phytoplankton Species Classification Using an All-Pairs Method: Characterization of a System with Unexpectedly Low Rank | |
McFarland et al. | Impact of phytoplankton size and physiology on particulate optical properties determined with scanning flow cytometry | |
CN208334198U (zh) | 海水藻类赤潮及其毒性检测光学原位传感器 | |
Brydegaard et al. | Chemometric approach to chromatic spatial variance. Case study: patchiness of the Skyros wall lizard | |
Jaffe et al. | Advances in underwater fluorometry: from bulk fluorescence to planar laser imaging | |
Amirvaresi et al. | Multiway data analysis applied to miniaturized spectroscopy | |
Mecozzi et al. | Characterisation of a bioassay using the marine alga Dunaliella tertiolecta associated with spectroscopic (visible and infrared) detection | |
Coltelli et al. | Algae through the looking glass |
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 |