CN109658403B - 一种彩色电润湿显示单元缺陷识别方法及其装置 - Google Patents

一种彩色电润湿显示单元缺陷识别方法及其装置 Download PDF

Info

Publication number
CN109658403B
CN109658403B CN201811547320.3A CN201811547320A CN109658403B CN 109658403 B CN109658403 B CN 109658403B CN 201811547320 A CN201811547320 A CN 201811547320A CN 109658403 B CN109658403 B CN 109658403B
Authority
CN
China
Prior art keywords
electrowetting display
image
color
display layer
display unit
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
Application number
CN201811547320.3A
Other languages
English (en)
Other versions
CN109658403A (zh
Inventor
林志贤
纪艳玲
林珊玲
唐�谦
吕珊红
郭太良
张永爱
周雄图
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201811547320.3A priority Critical patent/CN109658403B/zh
Publication of CN109658403A publication Critical patent/CN109658403A/zh
Application granted granted Critical
Publication of CN109658403B publication Critical patent/CN109658403B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30121CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Electrochromic Elements, Electrophoresis, Or Variable Reflection Or Absorption Elements (AREA)

Abstract

本发明涉及一种彩色电润湿显示单元缺陷识别方法及其装置,首先对显微镜采集的图像进行直方图均衡化和几何校正完成电润湿显示单元图像的预处理;接着对预处理后的图像采用改进的K均值聚类算法进行分割并动态判断、记录其三基色的颜色特征;然后对分割后得到的二值图像,提取其几何特征作为分类主特征,提取其纹理特征作为分类辅助校正特征,采用学习向量量化神经网络对所提取的三类特征进行训练并分类;最后根据分类结果将有缺陷的电润湿显示单元用矩形框框出,并通过连通域算法确定每个缺陷单元的重心坐标。本发明可检出并分类电润湿显示器有缺陷的显示单元,同时获取其缺陷层、缺陷类别、坐标等信息。

Description

一种彩色电润湿显示单元缺陷识别方法及其装置
技术领域
本发明涉及电润湿显示领域,特别是一种彩色电润湿显示单元缺陷识别方法及其装置。
背景技术
Electrowetting Display(EWD)于2003年在Nature上发表,相关研究在过去十年中得到了发展。电润湿显示技术具有响应速度快可实现动态显示;不需要背光模组,具有低功耗和量产成本低;通过反射环境光进行显示,高亮度、高对比度和广视角;不需要彩色滤光片就能实现彩色化等众多优点,是未来颇具潜力的显示技术。
电润湿现象是指通过改变液滴与绝缘基板之间电压,来改变液滴在基板上的润湿性,即改变接触角,使液滴发生形变、位移的现象。所谓润湿是指固体表面的一种流体被另一种流体所取代的过程。液体在固体表面能铺展,固液接触面有扩大的趋势,即液体对固体表面的附着力大于其内聚力,就是润湿。液体在固体表面不能铺展,接触面有收缩成球形的趋势,就是不润湿。对应于电润湿显示就是彩色油墨和极性液体通过驱动波形施加的不同电压在基板表面交替铺展、收缩从而反射油墨或背景色的过程。全彩色三层电润湿显示即在基板上叠加三层电润湿显示层,分别填充青色,品红色及黄色的油墨,通过不同的驱动电压驱动三种油墨不同比例的铺展和收缩,从而通过反色及减法三原色配色原理实现全彩色显示。
EWD的电压驱动前的缺陷由油墨等非极性液体涂覆过程造成,例如错误喷墨,涂层损失或疏水层缺陷。由于没有回收非极性液体,这种缺陷通常会导致漏光。驱动后的缺陷经常发生在重复驱动像素之后。疏水层的破坏,如介电层坍塌,离子堆积等特性失效从而导致极性液体电解质产生气泡。通过非极性液体的收缩呈现上述缺陷在显微镜下容易观察。通过观察到漏光程度来判断缺陷的类型。但是,在高分辨率面板中通过人工识别、统计缺陷数将浪费大量时间。因此急需一种自动的智能化电润湿显示缺陷单元检测方法来减少批量生产过程的时间及经济成本。
发明内容
有鉴于此,本发明的目的是提出一种彩色电润湿显示单元缺陷识别方法及其装置,旨在解决人工检测及分类电润湿显示单元缺陷时间长、效率低、检测结果易受人的主观因素影响、一致性差的问题。
本发明采用以下方案实现:一种彩色电润湿显示单元缺陷识别方法,包括以下步骤:
步骤S1:获取第一电润湿显示层、第二电润湿显示层和第三电润湿显示层的的图像,并分别对三个电润湿显示层的图像进行预处理;
步骤S2:对预处理后的图像进行分割,突出检测目标并动态判断、记录待处理图像所在的电润湿显示层的油墨颜色;
步骤S3:对分割后的图像,提取图像的形状特征和纹理特征,与颜色特征共同组成复合特征;
步骤S4:采用学习向量量化神经网络(Learning Vector Quantization,LVQ)对所述复合特征进行训练并分类,得到缺陷类别;
步骤S5:根据分类结果将缺陷用矩形框框出,并用连通域算法获取缺陷在当前电润湿显示层上的重心坐标;
步骤S6:统计上述处理结果,输出有缺陷的电润湿显示单元所在的显示层,缺陷类别及坐标位置等信息。
本发明可检出并分类电润湿显示器有缺陷的显示单元,同时获取其缺陷层、坐标等位置信息。
进一步地,所述分别对三个电润湿显示层的图像进行预处理具体为:对三个电润湿显示层的原始图像进行灰度直方图均衡化处理,用以提高图像亮度,增强细节,将堆积过密的图像某处的灰度数据平均分布于整个定义域上,使其达到图像熵值最大;对直方图均衡化后的图像采用Hough直线检测,对待检测的图像进行几何旋转校正,方便后续特征提取的准确性及代表性。
进一步地,步骤S2具体为:利用改进的K-均值聚类算法对预处理后的图像进行分割,获取油墨收缩及未施加电压时油墨所在电润湿显示层的二值图像,并通过分析图像C、M、Y分量值动态判断及记录二值图像所对应的电润湿显示层号。
较佳的,所述改进具体为:将所述预处理后图像从RGB颜色空间转换到电润湿显示相对应的CMY颜色空间,通过分析图像C、M、Y分量值自动动态判断及记录所对应的三原色显示层号,并对相应的颜色值进行聚类,如C的数值明显大于M、Y值则证明所采集的图像来自于填充了青色油墨的第一电润湿显示层,反之,则为其他两种对应的显示层;并且通过该分量值的概率分布直方图各个峰值的中心,确定初始聚类中心,从而加快算法收敛速度,提高分割效率。
进一步地,步骤S3具体为:对步骤S2分割后图像,采用Hu不变矩计算电润湿显示单元图像的七个不变矩作为其形状特征,由于只有基于二阶矩的不变矩对二维物体的描述才是真正的具有旋转、缩放和平移不变性并考虑算法实时性,此方法取其M1矩和M2矩;通过灰度共生矩阵计算其能量、熵、惯性矩和相关性四个纹理特征。
进一步地,步骤S6中,所述缺陷类别包括但不限于:油墨分裂、油墨泄露、下填充等。
本发明还提供了一种基于上文所述的彩色电润湿显示单元缺陷识别方法的装置,包括基板、控制器、电润湿显示单元、荧光显微镜、以及计算机;所述电润湿显示单元包括自上至下叠设的第一电润湿显示层、第二电润湿显示层、以及第三电润湿显示层;
所述第一电润湿显示层填充青色油墨,作为全彩色三层电润湿电子纸的三原色之一;所述第二电润湿显示层填充洋红色油墨,作为全彩色三层电润湿电子纸的三原色之一;所述第三电润湿显示层填充黄色油墨,作为全彩色三层电润湿电子纸的三原色之一;
所述基板设置于第三电润湿显示层的下方,作为全彩色三层电润湿电子纸的最下层;所述控制器与三个电润湿显示层电性相连,用以控制三个电润湿显示层的显示,即根据印刷三基色的减色法混合原理,控制三块驱动芯片的电压波形来实现全彩色显示;所述荧光显微镜设置于所述电润湿显示单元上方,用于采集三个电润湿显示层的图像;
所述计算机与所述控制器、荧光显微镜相连,并存储有权利要求1-5任一项所述的方法所形成的计算机指令,并在运行时执行上述指令。
与现有技术相比,本发明有以下有益效果:本发明能够自动、便捷地对彩色电润湿显示单元的缺陷进行识别,获取其相关显示性能信息,解决人工检测时间长、效率低、检测结果易受人的主观因素影响、一致性差的问题,防止因显示三原色填充缺陷等问题导致降低显示屏的全彩色显示效果的情况发生,有助于提高产品质量及良率。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例的装置操作流程示意图。
图3为本发明实施例的减法三原色配色原理图。
图4为本发明实施例的常见含电润湿显示单元缺陷的显示屏图像。
图5为本发明实施例的三层电润湿显示单元显示驱动波形。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1至图5所示,本实施例提供了一种彩色电润湿显示单元缺陷识别方法,包括以下步骤:
步骤S1:获取第一电润湿显示层、第二电润湿显示层和第三电润湿显示层的的图像,并分别对三个电润湿显示层的图像进行预处理;
步骤S2:对预处理后的图像进行分割,突出检测目标并动态判断、记录待处理图像所在的电润湿显示层的油墨颜色;
步骤S3:对分割后的图像,提取图像的形状特征和纹理特征,与颜色特征共同组成复合特征;
步骤S4:采用学习向量量化神经网络(Learning Vector Quantization,LVQ)对所述复合特征进行训练并分类,得到缺陷类别;
步骤S5:根据分类结果将缺陷用矩形框框出,并用连通域算法获取缺陷在当前电润湿显示层上的重心坐标;
步骤S6:统计上述处理结果,输出有缺陷的电润湿显示单元所在的显示层,缺陷类别及坐标位置等信息。
本发明可检出并分类电润湿显示器有缺陷的显示单元,同时获取其缺陷层、坐标等位置信息。
在本实施例中,由于光照不均、图像对比度低及图像传播过程中的噪声干扰会影响获取的原始图像的质量,因此所述分别对三个电润湿显示层的图像进行预处理具体为:对三个电润湿显示层的原始图像进行灰度直方图均衡化处理,用以提高图像亮度,增强细节,将堆积过密的图像某处的灰度数据平均分布于整个定义域上,使其达到图像熵值最大;对直方图均衡化后的图像采用Hough直线检测,对待检测的图像进行几何旋转校正,方便后续特征提取的准确性及代表性。
在本实施例中,步骤S2具体为:利用改进的K-均值聚类算法对预处理后的图像进行分割,获取油墨收缩及未施加电压时油墨所在电润湿显示层的二值图像,并通过分析图像C、M、Y分量值动态判断及记录二值图像所对应的电润湿显示层号。
较佳的,在本实施例中,所述改进具体为:将所述预处理后图像从RGB颜色空间转换到电润湿显示相对应的CMY颜色空间,通过分析图像C、M、Y分量值自动动态判断及记录所对应的三原色显示层号,并对相应的颜色值进行聚类,如C的数值明显大于M、Y值则证明所采集的图像来自于填充了青色油墨的第一电润湿显示层,反之,则为其他两种对应的显示层;并且通过该分量值的概率分布直方图各个峰值的中心,确定初始聚类中心,从而加快算法收敛速度,提高分割效率。
在本实施例中,步骤S3具体为:对步骤S2分割后图像,采用Hu不变矩计算电润湿显示单元图像的七个不变矩作为其形状特征,由于只有基于二阶矩的不变矩对二维物体的描述才是真正的具有旋转、缩放和平移不变性并考虑算法实时性,此方法取其M1矩和M2矩;通过灰度共生矩阵计算其能量、熵、惯性矩和相关性四个纹理特征。
在本实施例中,步骤S6中,所述缺陷类别包括但不限于:油墨分裂、油墨溢出、下填充等。
本实施例还提供了一种基于上文所述的彩色电润湿显示单元缺陷识别方法的装置,包括基板、控制器、电润湿显示单元、荧光显微镜、以及计算机;所述电润湿显示单元包括自上至下叠设的第一电润湿显示层、第二电润湿显示层、以及第三电润湿显示层;
所述第一电润湿显示层填充青色油墨,作为全彩色三层电润湿电子纸的三原色之一;所述第二电润湿显示层填充洋红色油墨,作为全彩色三层电润湿电子纸的三原色之一;所述第三电润湿显示层填充黄色油墨,作为全彩色三层电润湿电子纸的三原色之一;
所述基板设置于第三电润湿显示层的下方,作为全彩色三层电润湿电子纸的最下层;所述控制器与三个电润湿显示层电性相连,用以控制三个电润湿显示层的显示,即根据印刷三基色的减色法混合原理,控制三块驱动芯片的电压波形来实现全彩色显示;所述荧光显微镜设置于所述电润湿显示单元上方,用于采集三个电润湿显示层的图像;
所述计算机与所述控制器、荧光显微镜相连,并存储有权利要求1-5任一项所述的方法所形成的计算机指令,并在运行时执行上述指令。
较佳的,所述装置的实现具体为:
控制器根据印刷三基色的减色法混合原理,控制三块驱动芯片的电压波形来实现全彩色显示;
全彩色三层电润湿显示单元,包括基板、填充青色油墨的第一电润湿显示层,填充品红色油墨的第二电润湿显示层,填充黄色油墨的第三电润湿显示层,组成全彩色三层电润湿显示单元的三原色;
荧光显微镜,设置于所述电润湿显示单元上方,用于采集待测图像;
计算机,与所述显微镜相机电连接,用于控制所述相机采集测试图案,并对所述测试图案进行算法处理并输出分析结果。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。

Claims (4)

1.一种彩色电润湿显示单元缺陷识别方法,其特征在于:包括以下步骤:
步骤S1:获取第一电润湿显示层、第二电润湿显示层和第三电润湿显示层的图像,并分别对三个电润湿显示层的图像进行预处理;
步骤S2:对预处理后的图像进行分割,突出检测目标并动态判断、记录待处理图像所在的电润湿显示层的油墨颜色;
步骤S3:对分割后的图像,提取图像的形状特征和纹理特征,与颜色特征共同组成复合特征;
步骤S4:采用学习向量量化神经网络对所述复合特征进行训练并分类,得到缺陷类别;
步骤S5:根据分类结果将缺陷用矩形框框出,并用连通域算法获取缺陷在当前电润湿显示层上的重心坐标;
步骤S6:统计步骤S5的处理结果,输出有缺陷的电润湿显示单元所在的显示层,缺陷类别及坐标位置信息;
步骤S2具体为:利用改进的K-均值聚类算法对预处理后的图像进行分割,获取油墨收缩及未施加电压时油墨所在电润湿显示层的二值图像,并通过分析图像C、M、Y分量值动态判断及记录二值图像所对应的电润湿显示层号;
步骤S3具体为:对步骤S2分割后图像,采用Hu不变矩计算电润湿显示单元图像的七个不变矩作为其形状特征;通过灰度共生矩阵计算其能量、熵、惯性矩和相关性四个纹理特征。
2.根据权利要求1所述的一种彩色电润湿显示单元缺陷识别方法,其特征在于:所述分别对三个电润湿显示层的图像进行预处理具体为:对三个电润湿显示层的原始图像进行灰度直方图均衡化处理;对直方图均衡化后的图像采用Hough直线检测,对待检测的图像进行几何旋转校正。
3.根据权利要求1所述的一种彩色电润湿显示单元缺陷识别方法,其特征在于:步骤S6中,所述缺陷类别包括油墨分裂、油墨泄露、下填充。
4.一种彩色电润湿显示单元缺陷识别方法的装置,其特征在于:包括基板、控制器、电润湿显示单元、荧光显微镜、以及计算机;所述电润湿显示单元包括自上至下叠设的第一电润湿显示层、第二电润湿显示层、以及第三电润湿显示层;
所述第一电润湿显示层填充青色油墨,所述第二电润湿显示层填充洋红色油墨,所述第三电润湿显示层填充黄色油墨;
所述基板设置于第三电润湿显示层的下方;所述控制器与三个电润湿显示层电性相连,用以控制三个电润湿显示层的显示;所述荧光显微镜设置于所述电润湿显示单元上方,用于采集三个电润湿显示层的图像;
所述计算机与所述控制器、荧光显微镜相连,并存储有权利要求1-3任一项所述一种彩色电润湿显示单元缺陷识别方法所形成的计算机指令,并在运行时执行上述指令。
CN201811547320.3A 2018-12-18 2018-12-18 一种彩色电润湿显示单元缺陷识别方法及其装置 Active CN109658403B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811547320.3A CN109658403B (zh) 2018-12-18 2018-12-18 一种彩色电润湿显示单元缺陷识别方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811547320.3A CN109658403B (zh) 2018-12-18 2018-12-18 一种彩色电润湿显示单元缺陷识别方法及其装置

Publications (2)

Publication Number Publication Date
CN109658403A CN109658403A (zh) 2019-04-19
CN109658403B true CN109658403B (zh) 2022-05-17

Family

ID=66114775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811547320.3A Active CN109658403B (zh) 2018-12-18 2018-12-18 一种彩色电润湿显示单元缺陷识别方法及其装置

Country Status (1)

Country Link
CN (1) CN109658403B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400320B (zh) * 2019-07-25 2021-08-31 福州大学 一种电润湿缺陷像素的分割方法
CN111899231B (zh) * 2020-07-17 2023-05-02 武汉精立电子技术有限公司 显示面板缺陷检测方法、装置、设备及存储介质
CN112200800B (zh) * 2020-10-30 2022-10-28 福州大学 一种基于灰度直方图的电润湿显示器缺陷检测方法
CN114898718B (zh) * 2022-06-10 2023-08-25 福州大学 一种彩色电润湿电子纸实时色彩转换方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013092703A (ja) * 2011-10-27 2013-05-16 Lg Display Co Ltd エレクトロウェッティングデバイスの製造方法
CN105044904A (zh) * 2015-08-21 2015-11-11 华南师范大学 一种全彩色动态三层电子纸
CN107944551A (zh) * 2017-12-15 2018-04-20 福州大学 一种用于电润湿显示屏缺陷识别方法
CN108986086A (zh) * 2018-07-05 2018-12-11 福州大学 印刷显示面板喷墨打印像素缺陷检测与分类方法及其装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013092703A (ja) * 2011-10-27 2013-05-16 Lg Display Co Ltd エレクトロウェッティングデバイスの製造方法
CN105044904A (zh) * 2015-08-21 2015-11-11 华南师范大学 一种全彩色动态三层电子纸
CN107944551A (zh) * 2017-12-15 2018-04-20 福州大学 一种用于电润湿显示屏缺陷识别方法
CN108986086A (zh) * 2018-07-05 2018-12-11 福州大学 印刷显示面板喷墨打印像素缺陷检测与分类方法及其装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Oil defect detection of Electrowetting Display;Chiang,Hou-Chi et al.;《OPTICAL MANUFACTURING AND TESTING XI》;20151225;全文 *
印刷电润湿显示技术研究进展;唐彪 等;《华南师范大学学报(自然科学版)》;20160126;第48卷(第1期);第1-8页 *

Also Published As

Publication number Publication date
CN109658403A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109658403B (zh) 一种彩色电润湿显示单元缺陷识别方法及其装置
CN113658176B (zh) 基于交互注意力与卷积神经网络的瓷砖表面缺陷检测方法
CN109800631B (zh) 基于掩膜区域卷积神经网络的荧光编码微球图像检测方法
Neuhauser et al. Surface defect classification and detection on extruded aluminum profiles using convolutional neural networks
CN100498788C (zh) 有效颜料识别方法、识别系统、识别程序及其记录介质
CN108154502B (zh) 一种基于卷积神经网络的通孔焊点识别方法
CN112241699A (zh) 物体缺陷类别识别方法、装置、计算机设备和存储介质
CN105844621A (zh) 一种印刷品质量检测方法
CN109886925A (zh) 一种主动学习与深度学习相结合的铝材表面缺陷检测方法
CN111667455A (zh) 一种刷具多种缺陷的ai检测方法
CN101729911A (zh) 一种基于视觉感知的多视点图像颜色校正方法
CN114693661A (zh) 一种基于深度学习的快速分拣方法
CN110969171A (zh) 基于改进卷积神经网络的图像分类模型、方法及应用
CN113326846B (zh) 一种基于机器视觉的桥梁表观病害快速检测方法
CN114119591A (zh) 一种显示屏画面质量检测方法
CN115063725B (zh) 基于多尺度自适应ssd算法的飞机蒙皮缺陷识别系统
CN116051539A (zh) 一种变电设备发热故障的诊断方法
CN113129390A (zh) 一种基于联合显著性的色盲图像重新着色方法及系统
CN113205136A (zh) 一种用于电源适配器外观缺陷的实时高精度检测方法
CN116519710A (zh) 一种用于复合绝缘子表面污秽状态的检测方法及系统
CN116596838A (zh) 一种基于特征感知的元器件表面缺陷检测方法
CN116523867A (zh) 一种基于LineMod算法的灯珠面板缺陷检测方法及系统
CN109191433A (zh) 柔性IC基板覆铜表面粗糙度Ra的显微成像检测方法
CN111402223B (zh) 一种利用变电站视频图像的变电站缺陷问题检测方法
CN115330705A (zh) 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法

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