CN110589647A - 一种通过监控对电梯门进行实时故障检测及预测的方法 - Google Patents
一种通过监控对电梯门进行实时故障检测及预测的方法 Download PDFInfo
- Publication number
- CN110589647A CN110589647A CN201910743768.0A CN201910743768A CN110589647A CN 110589647 A CN110589647 A CN 110589647A CN 201910743768 A CN201910743768 A CN 201910743768A CN 110589647 A CN110589647 A CN 110589647A
- Authority
- CN
- China
- Prior art keywords
- elevator door
- real
- time
- elevator
- monitoring
- 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
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0037—Performance analysers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0087—Devices facilitating maintenance, repair or inspection tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
Landscapes
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明提供一种通过监控对电梯门进行实时故障检测及预测的方法，属于电梯门故障检测技术领域。该通过监控对电梯门进行实时故障检测及预测的方法包括如下步骤：S1：获取电梯门的第一监控视频；S2：根据第一监控视频获取电梯门在不同时刻的第一门间距；S3：将不同时刻的第一门间距绘制成电梯门基准运行曲线；S4：获取第一预设时间时的电梯门实时运行曲线；S5：通过DTW算法对电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障。本发明不需要借助传感器就可以实现对电梯门实时故障的检测，误差率较低，效率较高，成本较低。
Description
技术领域
本发明属于电梯门故障检测技术领域，涉及一种通过监控对电梯门进行实时故障检测及预测的方法。
背景技术
电梯是城市发展中不可或缺的设备。随着城市的飞速发展，电梯的数量也日渐增多，但是目前运行中的电梯存在许多问题，包括设备老旧、维修制度不完善、应急措施不到位等，导致电梯安全事故频繁发生。举例而言，今年6月8日一次电梯故障让山东6名考生错过了今年的高考外语考试；今年1月10日，由于电梯故障使得以为8岁女孩被困在电梯中；而发生在2018年7月17日的电梯门故障中，20多人被困一个半小时，部分出现晕厥现象。这几起事故的共同点系电梯门处发生故障。因此，为了避免人员发生安全事故，并确保电梯门在故障发生之前，安全管理人员就能掌握电梯门的状况提前对电梯门进行保养显得尤为重要。
传统的电梯安全检测方法主要是在电梯的轿厢、井道内布设传感器。它是电梯制造商在电梯的设计制造环节就规划设计的功能，但是一方面由于技术壁垒原因，通用性比较差，各厂家的产品互不兼容，仅适用于本公司电梯产品上使用，另一方面由于电梯制造商提供的电梯故障远程监控装置在设计时，将其作为高端电梯产品的附加功能商品来考虑，所以造价也比较高。
发明内容
本发明针对现有的技术存在的上述问题，提供一种通过监控对电梯门进行实时故障检测及预测的方法，本发明所要解决的技术问题是：如何提供一种通过监控对电梯门进行实时故障检测及预测的方法。
本发明的目的可通过下列技术方案来实现：
一种通过监控对电梯门进行实时故障检测及预测的方法，包括如下步骤：
S1：获取电梯门的第一监控视频；
S2：根据第一监控视频获取电梯门在不同时刻的第一门间距；
S3：将不同时刻的第一门间距绘制成电梯门基准运行曲线；
S4：获取第一预设时间时的电梯门实时运行曲线；
S5：通过DTW算法对电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障。
优选的，步骤S4之后还包括步骤S6：建立RBF神经网络模型，将电梯门实时运行曲线中的数据输入RBF神经网络模型进行训练以获取第二预设时间时的电梯门预测运行状态。
优选的，步骤S2中具体包括：
S21：通过语义分割网络模型对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像；
S22：提取语义分割图像中的电梯门边缘测得不同时刻的电梯第一门间距。
优选的，步骤S22中首先将第一语义分割图像进行处理为灰阶影像，然后对灰阶影像进行图像腐蚀操作为腐蚀效果图，接着对腐蚀效果图采用prewitt边缘算子进行边缘提取以测得不同时刻的第一门间距。
优选的，步骤S1之前分别在电梯门的第一端部、电梯门的第二端部上对称安装第一识别件和第二识别件，步骤S2中首先读取第一监控视频中包含第一识别件和第二识别件的第一识别图像，接着将第一识别图像转换为灰度图，接着对灰度图进行均值模糊为模糊图，最后对模糊图进行canny边缘检测提取测得第一识别件和第二识别件之间的距离以获取不同时刻的第一门间距。
优选的，步骤S21中首先建立语义分隔网络模型，接着对语义分隔网络进行训练，然后通过训练好的语义分隔网络对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像。
优选的，步骤S1之前通过摄像头拍摄电梯门的顶端。
优选的，所述RBF神经网络包括输入层、隐藏层、输出层，所述输入层由信号源节点构成，所述隐藏层由径向基函数构成，每个样本的前N个值作为RBF神经网络的输入，后M个值作为目标输出，通过学习，实现从到的映射。
优选的，步骤S5之后还包括统计出电梯门出现故障的具体时间和出现故障的总次数。
优选的，步骤S5之后还包括在电梯门出现故障时通过通信单元给用户发送预警信息。
本发明中首先获取电梯门的第一监控视频，然后根据第一监控视频获取电梯门在不同时刻的第一门间距，接着将不同时刻的第一门间距绘制成电梯门基准运行曲线，接着获取第一预设时间时的电梯门实时运行曲线，最后通过DTW算法对电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障，不需要借助传感器就可以实现对电梯门实时故障的检测，误差率较低，效率较高，成本较低。
附图说明
图1是本发明的流程示意图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
请参阅图1，本实施例中的通过监控对电梯门进行实时故障检测及预测的方法，包括如下步骤：
S1：获取电梯门的第一监控视频；
S2：根据第一监控视频获取电梯门在不同时刻的第一门间距；
S3：将不同时刻的第一门间距绘制成电梯门基准运行曲线；
S4：获取第一预设时间时的电梯门实时运行曲线；
S5：通过DTW算法对电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障。
此处，首先获取电梯门的第一监控视频，然后根据第一监控视频获取电梯门在不同时刻的第一门间距，接着将不同时刻的第一门间距绘制成电梯门基准运行曲线，接着获取电梯门实时的电梯门实时运行曲线，最后通过DTW算法对任意时刻的电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障，不需要借助传感器就可以实现对电梯门实时故障的检测，误差率较低，效率较高，成本较低。
DTM（动态时间规整）算法是衡量给定两个离散的序列的相似程度，或者说两个序列的距离，将在电梯门运行状态正常时，绘制出电梯门间距对时间的曲线作为基准，然后将电梯门每一时刻的运行状态绘制成对时间的曲线，运用DTM算法对每个时刻的电梯门运行曲线与基准曲线做比较，从而检测电梯门是否出现故障。
步骤S4之后还可以包括步骤S6：建立RBF神经网络模型，将电梯门实时运行曲线中的数据输入RBF神经网络模型进行训练以获取第二预设时间时的电梯门预测运行状态，来判断电梯在未来某个时刻是否会出现故障。
步骤S2中具体包括：
S21：通过语义分割网络模型对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像；
S22：提取语义分割图像中的电梯门边缘测得不同时刻的电梯的第一门间距。
步骤S22中首先将第一语义分割图像进行处理为灰阶影像，然后对灰阶影像进行图像腐蚀操作为腐蚀效果图，接着对腐蚀效果图采用prewitt边缘算子进行边缘提取以测得不同时刻的第一门间距。
步骤S1之前分别在电梯门的第一端部、电梯门的第二端部上对称安装第一识别件和第二识别件，步骤S2中首先读取第一监控视频中包含第一识别件和第二识别件的第一识别图像，接着将第一识别图像转换为灰度图，接着对灰度图进行均值模糊为模糊图，最后对模糊图进行canny边缘检测提取测得第一识别件和第二识别件之间的距离以获取不同时刻的第一门间距。第一识别件为粘接于第一电梯门的端部的第一红色纸条，第二识别件为粘接于第二电梯门的端部的第二红色纸条。在对电梯门故障进行检测与预测中，1、既可以通过在门上安装红色标识的方式来达到门间距测量的目的。2、也可以不安装红色标识物。1、若安装标识物，则非常简单地通过这个步骤获取第一门间距以达到门间距测量的目的。2、考虑到实际应用中，或许有的地方不能安装标识物，所以即使不安装标识物，同样可以通过步骤S21~S22中的步骤获取第一门间距以达到检测与预测电梯门故障的目的。
步骤S21中首先建立语义分隔网络模型，接着对语义分隔网络进行训练，然后通过训练好的语义分隔网络对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像。
步骤S1之前通过摄像头拍摄电梯门的顶端，这样避免行人遮挡电梯门底端。摄像头可以不是设置在电梯内，摄像头可以设置在电梯内或者电梯外都可以，对于摄像头监控的角度没有要求，但是要求是要可以监控到完整的电梯门开关过程。
还可以包括用以执行步骤S2至S6的分析单元。第一监控视频可以通过无线传输或者局域网传输至分析单元。
RBF神经网络可以包括输入层、隐藏层、输出层，输入层由信号源节点构成，隐藏层由径向基函数构成，节点通常是简单的线性函数，每个样本的前N个值作为RBF神经网络的输入，后M个值作为目标输出，通过学习，实现从到的映射。假设有时间序列，通过序列的前N个时刻的值预测出后M个时刻的值，可以将数据分为k个长度为的、有一定重叠的数据段，每一个数据段可以看作是一个样本，这研究得到个样本。
步骤S5之后还包括统计出电梯门出现故障的具体时间和出现故障的总次数。这样可以统计出每天具体什么时候电梯门出现故障以及在这个时间段内出现故障的次数，方便维修人员重点在这个时间段检查电梯门。
步骤S5之后还包括在电梯门出现故障时通过通信单元给用户发送预警信息，可以通过给用户发送语音报警指令或者短信报警指令进行报警。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于，包括如下步骤：
S1：获取电梯门的第一监控视频；
S2：根据第一监控视频获取电梯门在不同时刻的第一门间距；
S3：将不同时刻的第一门间距绘制成电梯门基准运行曲线；
S4：获取第一预设时间时的电梯门实时运行曲线；
S5：通过DTW算法对电梯门实时运行曲线与基准运行曲线进行比较，如果两者的差值在预设范围内则说明电梯门此时没有出现故障，如果两者的差值不在预设范围内时则说明电梯门此时出现故障。
2.如权利要求1所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于，步骤S4之后还包括步骤S6：建立RBF神经网络模型，将电梯门实时运行曲线中的数据输入RBF神经网络模型进行训练以获取第二预设时间时的电梯门预测运行状态。
3.如权利要求1或2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于，步骤S2中具体包括：
S21：通过语义分割网络模型对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像；
S22：提取语义分割图像中的电梯门边缘测得不同时刻的电梯第一门间距。
4.如权利要求3所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S22中首先将第一语义分割图像进行处理为灰阶影像，然后对灰阶影像进行图像腐蚀操作为腐蚀效果图，接着对腐蚀效果图采用prewitt边缘算子进行边缘提取以测得不同时刻的第一门间距。
5.如权利要求1或2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S1之前分别在电梯门的第一端部、电梯门的第二端部上对称安装第一识别件和第二识别件，步骤S2中首先读取第一监控视频中包含第一识别件和第二识别件的第一识别图像，接着将第一识别图像转换为灰度图，接着对灰度图进行均值模糊为模糊图，最后对模糊图进行canny边缘检测提取测得第一识别件和第二识别件之间的距离以获取不同时刻的第一门间距。
6.如权利要求3所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S21中首先建立语义分隔网络模型，接着对语义分隔网络进行训练，然后通过训练好的语义分隔网络对第一监控视频进行逐桢处理以得到不同时刻的多个第一语义分割图像。
7.如权利要求1或2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S1之前通过摄像头拍摄电梯门的顶端。
8.如权利要求2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：所述RBF神经网络包括输入层、隐藏层、输出层，所述输入层由信号源节点构成，所述隐藏层由径向基函数构成，每个样本的前N个值作为RBF神经网络的输入，后M个值作为目标输出，通过学习，实现从RN到RM的映射。
9.如权利要求1或2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S5之后还包括统计出电梯门出现故障的具体时间和出现故障的总次数。
10.如权利要求1或2所述的一种通过监控对电梯门进行实时故障检测及预测的方法，其特征在于：步骤S5之后还包括在电梯门出现故障时通过通信单元给用户发送预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910743768.0A CN110589647A (zh) | 2019-08-13 | 2019-08-13 | 一种通过监控对电梯门进行实时故障检测及预测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910743768.0A CN110589647A (zh) | 2019-08-13 | 2019-08-13 | 一种通过监控对电梯门进行实时故障检测及预测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110589647A true CN110589647A (zh) | 2019-12-20 |
Family
ID=68854145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910743768.0A Pending CN110589647A (zh) | 2019-08-13 | 2019-08-13 | 一种通过监控对电梯门进行实时故障检测及预测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110589647A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112093612A (zh) * | 2020-07-28 | 2020-12-18 | 四川泰立智汇科技有限公司 | 一种直梯故障预测方法及系统 |
| CN112347862A (zh) * | 2020-10-20 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 一种基于机器视觉的电梯门故障实时检测方法 |
| CN112723069A (zh) * | 2020-12-16 | 2021-04-30 | 长沙慧联智能科技有限公司 | 基于tof视觉检测的电梯门运行状态监测方法及系统 |
| CN114882445A (zh) * | 2022-07-06 | 2022-08-09 | 深圳百城精工有限公司 | 基于图像视觉的电梯监控预警方法、装置、设备及介质 |
| CN114955771A (zh) * | 2022-05-13 | 2022-08-30 | 江苏省特种设备安全监督检验研究院 | 一种基于有限状态机的电梯控制系统故障监测方法 |
| CN117576491A (zh) * | 2024-01-17 | 2024-02-20 | 浙江新再灵科技股份有限公司 | 电梯门故障检测方法、电梯门故障发生率预测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07247074A (ja) * | 1994-03-09 | 1995-09-26 | 博 ▲高▼井 | エレベーターからの非常脱出システム |
| CN105800434A (zh) * | 2016-05-31 | 2016-07-27 | 广州广日电梯工业有限公司 | 开关门异常的变频检测系统及方法 |
| CN205709293U (zh) * | 2016-06-01 | 2016-11-23 | 华南理工大学 | 一种电梯门故障检测系统 |
| CN108439114A (zh) * | 2018-04-13 | 2018-08-24 | 武汉万曦智能科技有限公司 | 一种电梯门异常打开状态的预警检测装置 |
| CN109335907A (zh) * | 2018-09-18 | 2019-02-15 | 日立楼宇技术（广州）有限公司 | 电梯异常的检测方法、装置、计算机设备及存储介质 |
-
2019
- 2019-08-13 CN CN201910743768.0A patent/CN110589647A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07247074A (ja) * | 1994-03-09 | 1995-09-26 | 博 ▲高▼井 | エレベーターからの非常脱出システム |
| CN105800434A (zh) * | 2016-05-31 | 2016-07-27 | 广州广日电梯工业有限公司 | 开关门异常的变频检测系统及方法 |
| CN205709293U (zh) * | 2016-06-01 | 2016-11-23 | 华南理工大学 | 一种电梯门故障检测系统 |
| CN108439114A (zh) * | 2018-04-13 | 2018-08-24 | 武汉万曦智能科技有限公司 | 一种电梯门异常打开状态的预警检测装置 |
| CN109335907A (zh) * | 2018-09-18 | 2019-02-15 | 日立楼宇技术（广州）有限公司 | 电梯异常的检测方法、装置、计算机设备及存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112093612A (zh) * | 2020-07-28 | 2020-12-18 | 四川泰立智汇科技有限公司 | 一种直梯故障预测方法及系统 |
| CN112347862A (zh) * | 2020-10-20 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 一种基于机器视觉的电梯门故障实时检测方法 |
| CN112723069A (zh) * | 2020-12-16 | 2021-04-30 | 长沙慧联智能科技有限公司 | 基于tof视觉检测的电梯门运行状态监测方法及系统 |
| CN114955771A (zh) * | 2022-05-13 | 2022-08-30 | 江苏省特种设备安全监督检验研究院 | 一种基于有限状态机的电梯控制系统故障监测方法 |
| CN114955771B (zh) * | 2022-05-13 | 2023-06-09 | 江苏省特种设备安全监督检验研究院 | 一种基于有限状态机的电梯控制系统故障监测方法 |
| CN114882445A (zh) * | 2022-07-06 | 2022-08-09 | 深圳百城精工有限公司 | 基于图像视觉的电梯监控预警方法、装置、设备及介质 |
| CN117576491A (zh) * | 2024-01-17 | 2024-02-20 | 浙江新再灵科技股份有限公司 | 电梯门故障检测方法、电梯门故障发生率预测方法及装置 |
| CN117576491B (zh) * | 2024-01-17 | 2024-04-26 | 浙江新再灵科技股份有限公司 | 电梯门故障检测方法、电梯门故障发生率预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110589647A (zh) | 一种通过监控对电梯门进行实时故障检测及预测的方法 | |
| CN109887281B (zh) | 一种监控交通事件的方法及系统 | |
| KR101748121B1 (ko) | 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법 | |
| CN112287816A (zh) | 一种基于深度学习的危险工作区事故自动检测报警方法 | |
| CN109409315B (zh) | 一种atm机面板区域遗留物检测方法及系统 | |
| CN104847211B (zh) | 一种站台安全门与车门区间安全的辅助系统及其实现方法 | |
| CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
| KR101101860B1 (ko) | 실시간 교통상황 검지 시스템 | |
| US20190359451A1 (en) | Elevator door monitoring system, elevator system and elevator door monitoring method | |
| CN109919066B (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
| KR102327807B1 (ko) | 인공지능 기반 승강기 위험상황 자동 예측판단시스템 | |
| CN110723621B (zh) | 基于深度神经网络检测电梯轿厢内吸烟的装置和方法 | |
| CN104156691B (zh) | 一种基于图像处理的检测行人翻越闸机的监控方法 | |
| CN111680613A (zh) | 一种实时检测手扶电梯乘客摔倒行为的方法 | |
| KR102500975B1 (ko) | 딥러닝 모델을 학습시키기 위한 장치 및 그 방법 | |
| CN108776452B (zh) | 一种特种设备现场维保监控方法及系统 | |
| CN112560650A (zh) | 一种电梯门标签提取及监控画面异常检测方法 | |
| CN109001210B (zh) | 一种人防门密封胶条老化龟裂检测系统及方法 | |
| JP2004328622A (ja) | 行動パターン識別装置 | |
| CN112800975A (zh) | 一种基于图像处理的安检通道内行为识别方法 | |
| CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及系统 | |
| CN113487561A (zh) | 基于灰度梯度异常投票的受电弓异物检测方法及装置 | |
| KR20180081645A (ko) | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 | |
| CN116524698A (zh) | 一种基于人工智能的计算机设备故障预警系统及方法 | |
| CN114314243A (zh) | 基于视频识别技术的升降机超载报警系统及超载报警方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |