CN110687090A - 移动窗口光谱角制图算法及乳粉非定向筛查方法 - Google Patents
移动窗口光谱角制图算法及乳粉非定向筛查方法 Download PDFInfo
- Publication number
- CN110687090A CN110687090A CN201910854559.3A CN201910854559A CN110687090A CN 110687090 A CN110687090 A CN 110687090A CN 201910854559 A CN201910854559 A CN 201910854559A CN 110687090 A CN110687090 A CN 110687090A
- Authority
- CN
- China
- Prior art keywords
- window
- milk powder
- windows
- moving window
- spectral
- 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
Images
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
- G01N21/65—Raman scattering
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
本发明公开了移动窗口光谱角制图算法及乳粉非定向筛查方法,主要涉及乳粉筛查技术领域。步骤包括:拉曼点扫描成像装置扫描获得矩阵像素点的拉曼光谱数据;将参考光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段参考光谱χr;对每个像素点的拉曼光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段分析光谱X;每个像素点使用光谱角制图算得N个光谱相似度值Dsam。本发明的有益效果在于:实现实现准确、操作简便、适用范围广的检测。
Description
技术领域
本发明涉及乳粉筛查技术领域,具体是移动窗口光谱角制图算法及乳粉非定向筛查方法。
背景技术
乳粉在经济和贸易中占有重要地位,因此其由经济利益驱使的掺假行为十分猖獗,严重的损害了人民的利益,甚至危害到婴幼儿的生命健康。我国目前的食品安全检测标准方法仅仅针对已知危害物质制定其限量标准。然而,不法商贩为逃避监管,会使用其他可替代化学品,而新型化学性有害物质层出不穷,不可能逐一建立检测标准。因此,针对可能存在未知掺杂物的乳粉,发展大规模非定向筛查技术,检测其质量安全,成为目前社会发展的一大紧迫需求。
目前常用的乳粉检测手段主要基于色谱、质谱技术,虽然灵敏度高,但其需要繁琐的前处理工序,对检测人员要求高,对仪器成本要求高,不适宜用作大规模的快速筛查。拉曼高光谱成像技术,有效结合微区分析和大面积扫描的特性,可同时获取包括位置信息和光谱信息的三维数据立方体。相比于传统的拉曼光谱,不会忽略乳粉的非均匀特异性,而且大面积扫描可以提升其检测灵敏度。因此,十分适用于作为乳粉非定向筛查的检测技术。
传统的光谱角制图方法,通过计算两向量间的夹角来度量光谱间的相似性,夹角越小,两光谱越相似。传统的光谱角制图算法是使用整条被测样品光谱与另外一条参考光谱进行对比,通过比对被测乳粉与正常乳粉的拉曼光谱,计算其光谱夹角,夹角越小,表示越相似,通过设置合理阈值,可得知其是否掺杂。而乳粉中绝大部分掺杂物的拉曼光谱是具有尖锐峰的含氮化合物,当使用整条谱峰对比,极易忽略低浓度掺杂物的光谱信息,造成方法检测灵敏度不高的问题。
发明内容
本发明的目的在于提供移动窗口光谱角制图算法及乳粉非定向筛查方法,它通过在光谱角制图中加入移动窗口的改进,提升其检测灵敏度,使其更加适用于乳粉的非定向筛查,实现实现准确、操作简便、适用范围广的检测。
本发明为实现上述目的,通过以下技术方案实现:
移动窗口光谱角制图算法,包括以下步骤:
拉曼点扫描成像装置扫描获得矩阵像素点的拉曼光谱数据;
将参考光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段参考光谱χr,所述步长S小于半窗宽W;
对每个像素点的拉曼光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段分析光谱X;
每个像素点使用光谱角制图算得N个光谱相似度值Dsam。
进一步的,所述CCD检测器扫描获得矩阵像素点的拉曼光谱数据包括:
每个像素点的所述拉曼光谱数据是从200cm-1到2200cm-1波数范围内共1024 个变量的拉曼高光谱数据;
所述矩阵像素点是通过设置积分时间为600ms,激光功率100mW,采集区域为30mm×30mm,二维位移平台步长0.3mm,采集获得100×100共10000个像素点。
进一步的,对每个像素点的拉曼光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段分析光谱X具体包括:
使用半窗宽为100,步长为50的移动窗口,将每个像素点的1024个拉曼光谱数据变量分段,得到17个窗口。
作为本发明的另一方面,一种乳粉非定向筛查方法,使用如权利要求1-3任一项所述的移动窗口光谱角制度算法对乳粉样品进行扫描和数据处理,每个样品扫描获得矩阵像素点的拉曼光谱数据,且每个像素点获得N个窗口段的光谱相似度值Dsam。
进一步的,具体包括以下步骤:
S1.确定阈值,
使用所述移动窗口光谱角制度算法对2~20种正常乳粉样品分别进行数据采集;
将每个窗口的Dsam进行从大到小排列,对前5~20位取平均,得到该窗口下的初始阈值,故每种正常乳粉样品获得N个窗口的初始阈值,
将每种正常乳粉两两对比,将遍历得到的每个窗口的初始阈值取最大值,作为该窗口段的正常阈值;
S2.二值图成像,
使用所述移动窗口光谱角制度算法对被测乳粉样本进行数据采集,将被测样本每个像素点的每个窗口的光谱相似度值与对应窗口段的正常阈值比较,若超出则表示有掺杂,标记为1;若未超出则表示未掺杂,标记为0,由此获得被测样本的掺杂二值图。
进一步的,所述移动窗口光谱角制图算法及二值图成像均在Matlab软件上进行。
对比现有技术,本发明的有益效果在于:
本发明针对奶粉这一固体非均相体系,使用成像技术,可通过大面积采集光谱数据,得到大量精细微区光谱信息,从而大大提高了掺杂物可检出水平。使用光谱角制图方法,利用其检测原理,可以省略拉曼光谱的去除荧光背景的光谱预处理步骤,大大提高的此方法的计算效率。使用改进的移动窗口光谱角制图算法,大大提升了传统光谱角制图算法的检测灵敏度。通过此非定向筛查手段,避免了针对不同掺杂物定向筛查的繁琐,且提高了对未知掺杂物的检出能力。
附图说明
附图1是乳粉非定向筛查方法的流程图。
附图2为本发明具体实施例中基于移动光谱角制图的乳粉质量安全非定向筛查方法结果掺杂二值图,其中(A)为0.1%尿素掺杂,(B)为0.1%三聚氰酸掺杂,(C)为0.1%滑石粉掺杂的脱脂乳粉。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所限定的范围。
实施例1:基于移动窗口光谱角制图算法的乳粉非定向筛查方法,具体用于检测尿素、三聚氰酸和滑石粉掺杂脱脂乳粉
【101】改进的移动窗口光谱角制图算法
光谱角制图算法的原理是通过计算参考光谱与分析光谱的矢量夹角大小,从而计算出光谱间的相似度。传统的光谱角制图算法如式(1)所示[1]:
式中,xr为参考光谱,X为分析光谱;DSAM(X)为求得的夹角。其值越小,代表与参考光谱的匹配越紧密,相似性越高。
本实施例中,使用的便携式拉曼光谱仪提供从200cm-1到2200cm-1共1024个变量。本方法通过将此1024个变量分段计算,从而提升其分辨率。具体为,使用半窗宽为100,步长为50的移动窗口,将此1024个变量分段,得到17个窗口。将被测光谱与参考光谱都切分为17个窗口,两两对比,因此可以得到17 个光谱相似度值。
此步骤中,通过比对被测乳粉与正常乳粉的拉曼光谱,计算其光谱夹角,夹角越小,表示越相似,通过设置合理阈值,可得知其是否掺杂。我们创新的将移动窗口加入光谱角制图算法,将整条光谱拆分为很多光谱片段,一一对比,通过添加窗口的方式提升此方法的分辨率,从而达到提升检测灵敏度的目的,以此匹配检测乳粉真实性的需求。
【102】数据采集
采用实验室自行搭建的拉曼点扫描成像装置采集其光谱数据。拉曼高光谱成像装置其激光器波长785nm,功率100mW;其CCD检测器有64×1024共65536 个独立且能同时工作的检测器元件,提供200-2200cm-1波数范围内拉曼光谱数据。采集数据时,设置其积分时间为600ms,激光功率100mW,采集区域为30mm ×30mm,二维位移平台步长0.3mm,采集100×100共10000个像素点拉曼高光谱数据。由此,每个样品我们可以得到100×100×1024的数据立方体。
【103】确定阈值
使用10种市售正常奶粉的光谱数据来确定正常奶粉阈值。每一组都使用改进的移动窗口光谱角制图算法计算其矢量夹角大小,并将每个窗口的夹角值按照从大到小排序,将前10个最大值做平均得到该窗口的正常奶粉阈值,最终得到每个窗口的正常奶粉阈值,共计17个。10种奶粉两两对比,共计55种组合,因此得到55组17个窗口阈值。将此55组每个窗口的阈值取最大值,最终17 个窗口分别得到1个最不相似值作为正常奶粉的阈值。一旦未知样品的光谱角大于这个阈值,则认为不相似与正常乳粉,即为掺杂样品。
阈值的设置影响到最终识别的准确度。由于脱脂乳粉不同品牌不同批次具有不同的基质特性,因此为保证此方法可以覆盖绝大多数脱脂乳粉,尽量选用多个品牌和批次的真实脱脂乳粉计算对比确定阈值。将全部真实脱脂乳粉两两计算,并且取前10个最大值的平均值作为阈值,以避免可能出现的异常值问题。最终,将得到的全部窗口的最大光谱相似性,作为真实脱脂乳粉的阈值范围。在本实施例中,17个窗口的阈值分别为0.173,0.137,0.104,0.114,0.151, 0.170,0.172,0.120,0.139,0.153,0.176,0.193,0.153,0.134,0.112, 0.145,0.146。由此可见,其17个窗口阈值在0.10到0.17的范围内。
【104】基于移动窗口光谱角制图的拉曼成像
采集未知待测样品的光谱数据,使用改进的移动窗口光谱角制图算法计算每个像素点的每个窗口待测样品与正常奶粉的矢量夹角大小,并与先前建立的阈值区间作对比,如果有任一窗口的夹角超出阈值,则该像素点为掺杂像素,标记为1,如果没超出阈值,则该像素点为正常像素,标记为0。待测样品只要存在掺杂的像素点,则认为其为掺杂样品。在此基础上,结合像素点的位置和标记,画出包含定位信息的二值图,得到待测样品的掺杂二值图像。方法的具体流程如图1所示。
本实施例中,我们使用0.1%尿素掺杂脱脂乳粉,0.1%三聚氰酸掺杂脱脂乳粉和0.1%滑石粉脱脂乳粉验证其方法有效性。实验试剂为:尿素(99%,生物技术级,麦克林),三聚氰酸(98%,麦克林),滑石粉(良丰)。每个样品20g,按照浓度比例加入掺杂物质和脱脂乳粉,使用上海沪西XW-80A涡流混合仪振动5 分钟混匀,以确保奶粉中掺假颗粒的均匀性。
其成像图如图2所示,其中白色为未掺杂像素点,黑色为掺杂像素点。本方法借助拉曼高光谱成像技术,将乳粉中未知掺杂物的识别问题转化为拉曼高光谱奇异像素点的识别问题;借助移动窗口光谱角制图算法,找出与正常脱脂乳粉相似度差距大于阈值的像素点,有效的弥补了传统的定向筛查方法中无法遍历所有掺杂物的问题。结果证明,其针对尿素、三聚氰酸和滑石粉掺杂乳粉的检测灵敏度均达到了0.1%。与现有的传统的定向方法相比,可不依赖于已知掺杂物样品库,也能确定其是否为掺杂奶粉,完全可以满足乳粉质量安全真实性鉴别。
Claims (6)
1.移动窗口光谱角制图算法,其特征在于,包括以下步骤:
拉曼点扫描成像装置扫描获得矩阵像素点的拉曼光谱数据;
将参考光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段参考光谱χr;
对每个像素点的拉曼光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段分析光谱X,所述步长S小于半窗宽W;
每个像素点使用光谱角制图算得N个光谱相似度值Dsam。
2.根据权利要求1所述移动窗口光谱角制图算法,其特征在于,所述CCD检测器扫描获得矩阵像素点的拉曼光谱数据包括:
每个像素点的所述拉曼光谱数据是从200cm-1到2200cm-1波数范围内共1024个变量的拉曼高光谱数据;
所述矩阵像素点是通过设置积分时间为600ms,激光功率100mW,采集区域为30mm×30mm,二维位移平台步长0.3mm,采集获得100×100共10000个像素点。
3.根据权利要求2所述移动窗口光谱角制图算法,其特征在于,对每个像素点的拉曼光谱数据使用半窗宽为W,步长为S的移动窗口进行分段,获得N个窗口,并对应获得N个窗口的分段分析光谱X具体包括:
使用半窗宽为100,步长为50的移动窗口,将每个像素点的1024个拉曼光谱数据变量分段,得到17个窗口。
4.一种乳粉非定向筛查方法,其特征在于,使用如权利要求1-3任一项所述的移动窗口光谱角制度算法对乳粉样品进行扫描和数据处理,每个样品扫描获得矩阵像素点的拉曼光谱数据,且每个像素点获得N个窗口段的光谱相似度值Dsam。
5.根据权利要求4所述的一种乳粉非定向筛查方法,其特征在于,具体包括以下步骤:
S1.确定阈值,
使用所述移动窗口光谱角制度算法对2~20种正常乳粉样品分别进行数据采集;
将每个窗口的Dsam进行从大到小排列,对前5~20位取平均,得到该窗口下的初始阈值,故每种正常乳粉样品获得N个窗口的初始阈值,
将每种正常乳粉两两对比,将遍历得到的每个窗口的初始阈值取最大值,作为该窗口段的正常阈值;
S2.二值图成像,
使用所述移动窗口光谱角制度算法对被测乳粉样本进行数据采集,将被测样本每个像素点的每个窗口的光谱相似度值与对应窗口段的正常阈值比较,若超出则表示有掺杂,标记为1;若未超出则表示未掺杂,标记为0,由此获得被测样本的掺杂二值图。
6.根据权利要求4所述的一种乳粉非定向筛查方法,其特征在于,所述移动窗口光谱角制图算法及二值图成像均在Matlab软件上进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854559.3A CN110687090B (zh) | 2019-09-10 | 2019-09-10 | 移动窗口光谱角制图算法及乳粉非定向筛查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910854559.3A CN110687090B (zh) | 2019-09-10 | 2019-09-10 | 移动窗口光谱角制图算法及乳粉非定向筛查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110687090A true CN110687090A (zh) | 2020-01-14 |
CN110687090B CN110687090B (zh) | 2022-11-15 |
Family
ID=69108052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910854559.3A Active CN110687090B (zh) | 2019-09-10 | 2019-09-10 | 移动窗口光谱角制图算法及乳粉非定向筛查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110687090B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029980A (zh) * | 2021-02-10 | 2021-06-25 | 河南中烟工业有限责任公司 | 烟草薄片感官质量稳定性快速无损测定方法 |
CN114428063A (zh) * | 2022-04-01 | 2022-05-03 | 合肥金星智控科技股份有限公司 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
CN114780917A (zh) * | 2022-06-20 | 2022-07-22 | 中国民航大学 | 一种基于流判别模型的奶粉掺杂非定向检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133984A1 (en) * | 2005-10-24 | 2007-06-14 | Chemimage Corporation | Automated acquisition of spectral data and image data |
CN101923649A (zh) * | 2010-06-22 | 2010-12-22 | 中国海洋大学 | 一种基于荧光光谱的溢油种类识别方法 |
CN103926203A (zh) * | 2014-04-29 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种针对地物光谱不确定性的光谱角度制图方法 |
CN106846291A (zh) * | 2015-12-04 | 2017-06-13 | 核工业北京地质研究院 | 一种光谱角匹配中阈值选取的方法 |
CN108333171A (zh) * | 2018-04-23 | 2018-07-27 | 天津大学 | 基于激光诱导击穿光谱检测乳粉中微量元素含量的方法 |
CN109871774A (zh) * | 2019-01-22 | 2019-06-11 | 中国科学院南京土壤研究所 | 一种基于局域相近像元的混合像元分解方法 |
-
2019
- 2019-09-10 CN CN201910854559.3A patent/CN110687090B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133984A1 (en) * | 2005-10-24 | 2007-06-14 | Chemimage Corporation | Automated acquisition of spectral data and image data |
CN101923649A (zh) * | 2010-06-22 | 2010-12-22 | 中国海洋大学 | 一种基于荧光光谱的溢油种类识别方法 |
CN103926203A (zh) * | 2014-04-29 | 2014-07-16 | 中国科学院遥感与数字地球研究所 | 一种针对地物光谱不确定性的光谱角度制图方法 |
CN106846291A (zh) * | 2015-12-04 | 2017-06-13 | 核工业北京地质研究院 | 一种光谱角匹配中阈值选取的方法 |
CN108333171A (zh) * | 2018-04-23 | 2018-07-27 | 天津大学 | 基于激光诱导击穿光谱检测乳粉中微量元素含量的方法 |
CN109871774A (zh) * | 2019-01-22 | 2019-06-11 | 中国科学院南京土壤研究所 | 一种基于局域相近像元的混合像元分解方法 |
Non-Patent Citations (5)
Title |
---|
CHEN DA: "On-line monitoring of key nutrients in yoghurt samples using digitally labelled Raman spectroscopy", 《INTERNATIONAL DAIRY JOURNAL》 * |
徐哲 等: "光谱匹配算法应用于鸡血藤与大血藤的太赫兹光谱区分", 《光谱学与光谱分析》 * |
王琪 等: "基于子空间划分的高光谱图像波段选择方法", 《舰船电子工程》 * |
陈秀娟等: "伸缩移动窗口的峰识别用于药品拉曼光谱分析", 《中国临床药学杂志》 * |
陈达 等: "奶粉掺假拉曼光谱成像检测新方法", 《纳米技术与精密工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029980A (zh) * | 2021-02-10 | 2021-06-25 | 河南中烟工业有限责任公司 | 烟草薄片感官质量稳定性快速无损测定方法 |
CN113029980B (zh) * | 2021-02-10 | 2023-11-21 | 河南中烟工业有限责任公司 | 烟草薄片感官质量稳定性快速无损测定方法 |
CN114428063A (zh) * | 2022-04-01 | 2022-05-03 | 合肥金星智控科技股份有限公司 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
CN114780917A (zh) * | 2022-06-20 | 2022-07-22 | 中国民航大学 | 一种基于流判别模型的奶粉掺杂非定向检测方法 |
CN114780917B (zh) * | 2022-06-20 | 2022-09-06 | 中国民航大学 | 一种基于流判别模型的奶粉掺杂非定向检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110687090B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110687090B (zh) | 移动窗口光谱角制图算法及乳粉非定向筛查方法 | |
Norris et al. | Processing MALDI mass spectra to improve mass spectral direct tissue analysis | |
US6366870B2 (en) | Identification of features in indexed data and equipment therefore | |
Deborah et al. | Pigment mapping of the scream (1893) based on hyperspectral imaging | |
CN111413316A (zh) | 基于拉曼光谱的乳粉真实性筛查方法 | |
CN105913095A (zh) | 一种适用于变电站巡检机器人的仪表识别方法 | |
CN111289446B (zh) | 一种复杂溶液成分浓度的检测方法及系统 | |
CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
CN113959961B (zh) | 一种基于高光谱图像的单宁添加剂防伪检测方法及系统 | |
CN115345876B (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
CN114965316A (zh) | 一种基于高光谱多参数的水质监测方法、计算机程序产品 | |
CN100433047C (zh) | 检测图像模糊性的设备和方法 | |
CN114858782B (zh) | 基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法 | |
Wang et al. | Raman spectrum model transfer method based on Cycle-GAN | |
CN102507462B (zh) | 一种基于高光谱分析的铜品质检测方法及其检测系统 | |
CN115656063A (zh) | 基于高光谱数据的目标污染物含量分析方法及装置 | |
CN110687094A (zh) | 基于蛋白探针成像技术的非定向乳粉筛查方法 | |
CN107064136B (zh) | 基于二维数字图像处理的沥青混合料接触特性的评价方法 | |
Zhang et al. | Statistical colocalization in biological imaging with false discovery control | |
CN113534296A (zh) | 基于神经网络沙尘天气预报强度误差的测算方法及装置 | |
CN114780917B (zh) | 一种基于流判别模型的奶粉掺杂非定向检测方法 | |
Siteleki | DETECTING ASH MIDDENS USING REMOTE SENSING TECHNIQUES | |
Xue et al. | Blood cell segmentation based on the hybrid algorithm of spectral angle mapping and spectral information divergence | |
RU2272277C2 (ru) | Способ интегрально-сцинтилляционного спектрального анализа вещества | |
CN1235036C (zh) | 分析生物晶片反应结果的方法 |
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 |