CN110288565B - 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 - Google Patents
碳纤维复合芯导线的缺陷识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110288565B CN110288565B CN201910428515.4A CN201910428515A CN110288565B CN 110288565 B CN110288565 B CN 110288565B CN 201910428515 A CN201910428515 A CN 201910428515A CN 110288565 B CN110288565 B CN 110288565B
- Authority
- CN
- China
- Prior art keywords
- image
- pixels
- gray level
- gray
- carbon fiber
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 68
- 229920000049 Carbon (fiber) Polymers 0.000 title claims abstract description 45
- 239000004917 carbon fiber Substances 0.000 title claims abstract description 45
- 239000002131 composite material Substances 0.000 title claims abstract description 45
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种碳纤维复合芯导线的缺陷识别方法、装置及存储介质,本发明利用了缺陷往往占整个图像很小比例的特点,以像素个数最多的灰度区间的中值作为该行或者该列中所有像素的灰度值,这样得到的处理后的图像就是不带缺陷的图像,再用带缺陷的图像减去不带缺陷的图像,得到的背景差分图就是只有缺陷的图像了,这样能够提高缺陷识别的准确度。
Description
技术领域
本发明涉及碳纤维复合芯导线缺陷识别领域,特别是涉及碳纤维复合芯导线的缺陷识别方法、装置及存储介质。
背景技术
碳纤维复合芯导线广泛应用于不同电压等级输电线路中。由于碳纤维复合芯导线芯线不耐弯折,很容易出现碳纤维复合芯部分出现损伤,甚至造成断线,直接影响到正常供电,极大的影响居民的生活。因此碳纤维复合芯导线损伤位置检测方法显得尤为重要。由于缺陷往往很小,与碳纤维复合芯导线的灰度差别也较小,使用肉眼不易区分,并且传统的图像增强方法在碳纤维复合芯导线X射线透视图中也不能很好的分离出碳纤维复合芯导线与缺陷。
发明内容
发明目的:本发明的目的是提供一种碳纤维复合芯导线的缺陷识别方法、装置及存储介质,能够解决现有技术中存在的“碳纤维复合芯导线与缺陷不好分离”的技术问题。
技术方案:本发明所述的碳纤维复合芯导线的缺陷识别方法,包括以下步骤:
S1:获取至少一张带缺陷的碳纤维复合芯导线的图像;
S2:将获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
S3:将步骤S2得到的处理后的图像作为底图,在步骤S1获取的所述图像中选择一张作为原图,将所述原图减去底图,得到背景差分图;
S4:识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
进一步,所述步骤S2中,对每一行像素进行直方图统计得到灰度直方图后,对灰度直方图进行中值滤波,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。这样能够平滑直方图的曲线,去除毛刺,有利于提高缺陷识别的准确度。
进一步,所述步骤S3中,将原图减去底图后得到的图像乘以灰度值伸缩系数,得到背景差分图。这样能够放大缺陷,便于进行缺陷识别。
进一步,所述灰度值伸缩系数满足:第一设定值≤灰度值伸缩系数≤第二设定值。
本发明所述的碳纤维复合芯导线的缺陷识别装置,包括:
图像采集模块:用于获取至少一张带缺陷的碳纤维复合芯导线的图像;
图像处理模块:用于将图像采集模块获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
背景差分图生成模块:用于将图像处理模块得到的处理后的图像作为底图,从图像采集模块获取的所述图像中选择一张作为原图,然后将所述原图减去底图,得到背景差分图;
缺陷识别模块:用于识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
进一步,所述图像处理模块对每一行像素进行直方图统计得到灰度直方图后,对灰度直方图进行中值滤波,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。这样能够平滑直方图的曲线,去除毛刺,有利于提高缺陷识别的准确度。
进一步,所述背景差分图生成模块将原图减去底图后得到的图像乘以灰度值伸缩系数,最终得到背景差分图。这样能够放大缺陷,便于进行缺陷识别。
本发明所述的计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现所述的碳纤维复合芯导线的缺陷识别方法的步骤。
有益效果:本发明公开了一种碳纤维复合芯导线的缺陷识别方法、装置及存储介质,本发明利用了缺陷往往占整个图像很小比例的特点,以像素个数最多的灰度区间的中值作为该行或者该列中所有像素的灰度值,这样得到的处理后的图像就是不带缺陷的图像,再用带缺陷的图像减去不带缺陷的图像,得到的背景差分图就是只有缺陷的图像了,这样能够提高缺陷识别的准确度。
附图说明
图1为本发明具体实施方式中方法的流程图。
具体实施方式
本具体实施方式公开了一种碳纤维复合芯导线的缺陷识别方法,如图1所示,包括以下步骤:
S1:获取至少一张带缺陷的碳纤维复合芯导线的图像;
S2:将获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
S3:将步骤S2得到的处理后的图像作为底图,在步骤S1获取的所述图像中选择一张作为原图,将所述原图减去底图,得到背景差分图;
S4:识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
步骤S2中,对每一行像素进行直方图统计得到灰度直方图后,还可以对灰度直方图进行中值滤波,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。
步骤S3中,还可以将原图减去底图后得到的图像乘以灰度值伸缩系数,得到背景差分图。灰度值伸缩系数满足:第一设定值≤灰度值伸缩系数≤第二设定值。第一设定值=2,第二设定值=4。
本具体实施方式还公开了碳纤维复合芯导线的缺陷识别装置,包括:
图像采集模块:用于获取至少一张带缺陷的碳纤维复合芯导线的图像;
图像处理模块:用于将图像采集模块获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
背景差分图生成模块:用于将图像处理模块得到的处理后的图像作为底图,从图像采集模块获取的所述图像中选择一张作为原图,然后将所述原图减去底图,得到背景差分图;
缺陷识别模块:用于识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
图像处理模块对每一行像素进行直方图统计得到灰度直方图后,还可以对灰度直方图进行中值滤波,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。
背景差分图生成模块还可以将原图减去底图后得到的图像乘以灰度值伸缩系数,最终得到背景差分图。灰度值伸缩系数满足:第一设定值≤灰度值伸缩系数≤第二设定值。第一设定值=2,第二设定值=4。
本具体实施方式还公开了一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时,实现上述碳纤维复合芯导线的缺陷识别方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.碳纤维复合芯导线的缺陷识别方法,其特征在于:包括以下步骤:
步骤S1:获取至少一张带缺陷的碳纤维复合芯导线的图像;
步骤S2:将获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
步骤S3:将步骤S2得到的处理后的图像作为底图,在步骤S1获取的所述图像中选择一张作为原图,将所述原图减去底图后得到的图像乘以灰度值伸缩系数,得到背景差分图;
步骤S4:识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
2.根据权利要求1所述的碳纤维复合芯导线的缺陷识别方法,其特征在于:所述步骤S2中,对每一行像素进行直方图统计得到灰度直方图后,对灰度直方图进行中值滤波,以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。
3.根据权利要求1所述的碳纤维复合芯导线的缺陷识别方法,其特征在于:所述灰度值伸缩系数满足:第一设定值≤灰度值伸缩系数≤第二设定值。
4.碳纤维复合芯导线的缺陷识别装置,其特征在于:包括:
图像采集模块:用于获取至少一张带缺陷的碳纤维复合芯导线的图像;
图像处理模块:用于将图像采集模块获取的所述图像拼接成一张图像并进行灰度处理,将灰度处理后的图像划分成多行像素,每一行像素均与带缺陷的碳纤维复合芯导线的长度方向平行,对每一行像素均进行以下处理:对每一行像素进行直方图统计得到灰度直方图,其中灰度直方图的横坐标为灰度区间,纵坐标为像素个数,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值;
背景差分图生成模块:用于将图像处理模块得到的处理后的图像作为底图,从图像采集模块获取的所述图像中选择一张作为原图,然后将所述原图减去底图后得到的图像乘以灰度值伸缩系数,得到背景差分图;
缺陷识别模块:用于识别所述背景差分图中的缺陷,作为碳纤维复合芯导线的缺陷。
5.根据权利要求4所述的碳纤维复合芯导线的缺陷识别装置,其特征在于:所述图像处理模块对每一行像素进行直方图统计得到灰度直方图后,对灰度直方图进行中值滤波,然后以灰度直方图中像素个数最多的灰度区间的中值作为该行中所有像素的灰度值。
6.一种计算机存储介质,所述计算机存储介质上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现权利要求1-3中任意一项所述的碳纤维复合芯导线的缺陷识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428515.4A CN110288565B (zh) | 2019-05-22 | 2019-05-22 | 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428515.4A CN110288565B (zh) | 2019-05-22 | 2019-05-22 | 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110288565A CN110288565A (zh) | 2019-09-27 |
CN110288565B true CN110288565B (zh) | 2021-06-25 |
Family
ID=68002217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910428515.4A Active CN110288565B (zh) | 2019-05-22 | 2019-05-22 | 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288565B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429411B (zh) * | 2020-03-16 | 2023-04-25 | 东南大学 | 一种碳纤维复合芯导线的x射线缺陷图像样本生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837493A (zh) * | 2014-03-14 | 2014-06-04 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种架空导线缺陷联合检测方法 |
CN203688469U (zh) * | 2014-01-17 | 2014-07-02 | 国家电网公司 | 一种碳纤维复合芯导线无损检测装置 |
CN107506768A (zh) * | 2017-10-11 | 2017-12-22 | 电子科技大学 | 一种基于全卷积神经网络的输电线路导线断股识别方法 |
CN109194910A (zh) * | 2018-08-02 | 2019-01-11 | 中国电力科学研究院有限公司 | 一种碳纤维复合芯导线生产线智能视频监控方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6895109B1 (en) * | 1997-09-04 | 2005-05-17 | Texas Instruments Incorporated | Apparatus and method for automatically detecting defects on silicon dies on silicon wafers |
JP2009145285A (ja) * | 2007-12-18 | 2009-07-02 | Dainippon Screen Mfg Co Ltd | 欠陥検出方法および欠陥検出装置 |
CN103776850B (zh) * | 2014-01-17 | 2016-08-17 | 国家电网公司 | 一种碳纤维复合芯导线无损检测装置 |
CN107194919B (zh) * | 2017-05-18 | 2021-07-30 | 南京大学 | 基于规律纹理背景重建的手机屏幕缺陷检测方法 |
CN107422035B (zh) * | 2017-07-19 | 2021-01-26 | 山东大学 | 一种碳纤维复合芯导线芯棒无损检测装置及方法 |
CN109142366B (zh) * | 2018-06-13 | 2021-01-01 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
CN109102455B (zh) * | 2018-08-27 | 2022-09-09 | 国网江苏省电力有限公司电力科学研究院 | 缺陷检测方法、检测图像生成方法、系统及存储设备 |
-
2019
- 2019-05-22 CN CN201910428515.4A patent/CN110288565B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203688469U (zh) * | 2014-01-17 | 2014-07-02 | 国家电网公司 | 一种碳纤维复合芯导线无损检测装置 |
CN103837493A (zh) * | 2014-03-14 | 2014-06-04 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种架空导线缺陷联合检测方法 |
CN107506768A (zh) * | 2017-10-11 | 2017-12-22 | 电子科技大学 | 一种基于全卷积神经网络的输电线路导线断股识别方法 |
CN109194910A (zh) * | 2018-08-02 | 2019-01-11 | 中国电力科学研究院有限公司 | 一种碳纤维复合芯导线生产线智能视频监控方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110288565A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369545B (zh) | 边缘缺陷检测方法、装置、模型、设备及可读存储介质 | |
CN108805180B (zh) | 目标对象的检测方法及装置 | |
RU2008129793A (ru) | Способ улучшения последующей обработки изображений с использованием деформируемых сеток | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
JP6260112B2 (ja) | 画像処理装置、画像処理方法、スキャナーおよび記憶媒体 | |
CN112529931B (zh) | 一种前景分割的方法及系统 | |
CN112434794A (zh) | 一种基于深度学习的计算机视觉数据集半自动标注方法及系统 | |
CN110288565B (zh) | 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 | |
CN112330598A (zh) | 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 | |
CN110675359A (zh) | 一种钢卷表面的缺陷样本生成方法、系统及电子设备 | |
CN111144477A (zh) | 一种钢材表面缺陷的训练样本生成方法、系统及电子设备 | |
CN110008949B (zh) | 一种图像目标检测方法、系统、装置和存储介质 | |
CN110186929A (zh) | 一种实时的产品瑕疵定位方法 | |
CN113256608A (zh) | 工件缺陷检测方法和装置 | |
CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
CN112288680B (zh) | 汽车轮毂x射线图像的缺陷区域自动提取方法及系统 | |
CN116978638A (zh) | 一种电缆自动绕包控制方法、设备及介质 | |
CN112037182A (zh) | 基于时序图像的机车走行部故障检测方法、装置及存储介质 | |
CN104102911A (zh) | 一种基于aoi的子弹表观缺陷检测系统的图像处理算法 | |
US8682078B2 (en) | Moving image processing apparatus, moving image processing method, and program | |
CN113935966B (zh) | 金属物料的渣点检测方法、装置、设备和存储介质 | |
KR101630078B1 (ko) | 데이터 연산 방법, 데이터 연산 장치 및 결함 검사 장치 | |
CN111626972B (zh) | Ct图像重构方法、模型训练方法及设备 | |
CN113554024A (zh) | 一种车辆的清洁度的确定方法、装置及计算机设备 | |
CN107945126B (zh) | 一种图像中眼镜框消除方法、装置和介质 |
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 |