CN110930376A - 基于机器视觉的对焊点毛刺的检测方法及系统 - Google Patents

基于机器视觉的对焊点毛刺的检测方法及系统 Download PDF

Info

Publication number
CN110930376A
CN110930376A CN201911108048.3A CN201911108048A CN110930376A CN 110930376 A CN110930376 A CN 110930376A CN 201911108048 A CN201911108048 A CN 201911108048A CN 110930376 A CN110930376 A CN 110930376A
Authority
CN
China
Prior art keywords
welding spot
image
burr
spot
original
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
Application number
CN201911108048.3A
Other languages
English (en)
Inventor
江琴
王东
唐鼎
郑永佳
彭颖红
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.)
Shanghai Xin Yanlong Motor Vehicle Equipment Manufacturing Co Ltd
Shanghai Jiaotong University
Original Assignee
Shanghai Xin Yanlong Motor Vehicle Equipment Manufacturing Co Ltd
Shanghai Jiaotong 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 Shanghai Xin Yanlong Motor Vehicle Equipment Manufacturing Co Ltd, Shanghai Jiaotong University filed Critical Shanghai Xin Yanlong Motor Vehicle Equipment Manufacturing Co Ltd
Priority to CN201911108048.3A priority Critical patent/CN110930376A/zh
Publication of CN110930376A publication Critical patent/CN110930376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/30152—Solder

Abstract

本发明提供了一种基于机器视觉的对焊点毛刺的检测方法，其特征在于，包括：步骤1：获取原始焊点的图像；步骤2：对原始焊点的图像进行灰度化处理；步骤3：提取灰度化处理后的图像边缘；步骤4：在图像边缘中找出符合预设长度的直线；步骤5：判断找出的直线是否为毛刺。本发明实现了车身焊点的毛刺检测，有助于节约人工成本，毛刺识别率高，减少了人为影响，有助于提升工业生产效率和可靠性。

Description

基于机器视觉的对焊点毛刺的检测方法及系统
技术领域
本发明涉及焊点毛刺检测领域，具体地，涉及一种基于机器视觉的对焊点毛刺的检测方法及系统。
背景技术
随着汽车行业的持续发展，自动化和智能化的需求日益提升，其中白车身焊点的检测目前还主要依靠人工肉眼。
焊点缺陷的种类繁多，有虚焊、漏焊、焊偏、毛刺、压痕过深或过浅、焊核过大或过小。
机器视觉被应用到工业生产的各个领域来取代人眼，它克服了人的主观性、疲劳和经验差异，而且在减少人工成本和管理成本上有较大潜力，因而得到各方面关注和施展与提升的机会。
把相机采集的视觉信息与深度学习结合，近年来由于CNN卷积神经网络的成功应用而被普遍采用。
对白车身焊点缺陷的机器识别的常规方法是找到大量对应缺陷焊点的图片，对它们做好标记，喂给深度学习网络来做有监督的学习。
比如对于毛刺焊点，就要找到大量标记了毛刺位置的焊点图片，对深度神经网络的参数进行训练。
这样做有两个困难：一是难以找到大量的毛刺焊点，正常的工业生产，良品是占绝大多数的，否则这样的厂家也难以生存；二是对焊点上的毛刺做标记需要大量的人工，而且需要对毛刺熟悉的专业人员才能做，否则标记的也会是错的。
毛刺缺陷也被视为微小目标，当做纹理来把原图像栅格化，这样增加了处理时间，效果也不一定可靠。
毛刺缺陷与其他缺陷的不同之处在于毛刺是一条光亮的直线，具体如图2。在实际生产时，可以调整光照，让毛刺这一段照亮，便于本专利方法实施。
毛刺直线的特点是一头搭在焊点的圆弧上的细长的直线。
焊点内部是下陷的，而焊点外部是平坦的，焊点圆弧内侧是斜坡。因此，正常情况下，焊点外部因为光照可能会出现大片的亮块，而不会出现细长的直线；焊点内部出现的黑暗和光亮的分界线会距离焊点的圆弧较远；如果该分界线比较直，则不会在圆弧内侧斜坡的位置。
图像灰度化处理后才能进行canny边缘检测。
canny边缘检测算法包含5个步骤：
1)使用高斯滤波器，以平滑图像，滤除噪声；
2)计算图像中每个像素点的梯度强度和方向；
3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应；
4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘；
5)通过抑制孤立的弱边缘最终完成边缘检测。
Hough变换的基本原理是将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。
Hough变换的显著优点在于在检验已知形状的目标方面具有受曲线间断影响小和不受图形旋转的影响的优点，即使目标有稍许缺损或污染也能被正确识别。
焊点的毛刺由于不像平直的金属条那样是一条光亮的直线，而更可能是表面粗糙而图像上看是断断续续的，所以采用Hough变换还是能很好地捕捉到直线。
毛刺一般较长，以区分图像中的小凹坑产生的直线。而毛刺的直线一般比焊点背景中的钣金边缘要短得多。因此，可以确定毛刺直线的长度范围。
利用Hough变换找到焊点的圆弧。可以完整表示一个圆弧的参数有圆心横坐标、纵坐标和圆弧直径三个参数，图像映射到该三维参数空间的同一个点的就是同一个圆弧上的。
找到焊点圆弧后，把它向内和向外都延展20％，得到一个圆环。如果上述直线的一个端点在该圆环内，就判定为毛刺。而该焊点就被判断为毛刺缺陷的焊点。
毛刺一般在焊点外部，为了能够发现毛刺，必须保证所采用的单个焊点的图像包含了焊点的部分外部面积。约定原始单个焊点的图像为包含焊点全部，中心与焊点中心重合，并比焊点面积大100％的原始拍摄图像。
专利文献CN106041948A(申请号：201610414169.0)公开了一种运用视觉检测的机器人去毛刺系统，包括机器人安装机架、机器人系统、高速电主轴系统、视觉相机系统、PLC控制模块和工件摆放平台。同时，本发明还提供一种运用视觉检测的机器人去毛刺方法，应用所述运用视觉检测的机器人去毛刺系统。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于机器视觉的对焊点毛刺的检测方法及系统。
根据本发明提供的基于机器视觉的对焊点毛刺的检测方法，包括：
步骤1：获取原始焊点的图像；
步骤2：对原始焊点的图像进行灰度化处理；
步骤3：提取灰度化处理后的图像边缘；
步骤4：在图像边缘中找出符合预设长度的直线；
步骤5：判断找出的直线是否为毛刺。
优选地，所述原始焊点的图像包括整个焊点；
所述原始焊点的图像中心与焊点中心重合；
所述原始焊点的图像面积比焊点面积大30％-70％。
优选地，所述步骤3包括：根据canny边缘检测算法提取边缘；
所述步骤4包括：根据Hough变换找出直线。
优选地，所述步骤5包括：
根据Hough变换找出焊点的外圆，计算外圆直径大小及其圆心位置；
在所述焊点的外圆预设的范围内，若有端点存在，则判断所述端点为毛刺，所述焊点为毛刺焊点。
优选地，所述预设的范围为外圆直径的80％-120％的圆环内。
根据本发明提供的基于机器视觉的对焊点毛刺的检测系统，包括：
模块M1：获取原始焊点的图像；
模块M2：对原始焊点的图像进行灰度化处理；
模块M3：提取灰度化处理后的图像边缘；
模块M4：在图像边缘中找出符合预设长度的直线；
模块M5：判断找出的直线是否为毛刺。
优选地，所述原始焊点的图像包括整个焊点；
所述原始焊点的图像中心与焊点中心重合；
所述原始焊点的图像面积比焊点面积大30％-70％。
优选地，所述模块M3包括：根据canny边缘检测算法提取边缘；
所述模块M4包括：根据Hough变换找出直线。
优选地，所述模块M5包括：
根据Hough变换找出焊点的外圆，计算外圆直径大小及其圆心位置；
在所述焊点的外圆预设的范围内，若有端点存在，则判断所述端点为毛刺，所述焊点为毛刺焊点。
优选地，所述预设的范围为外圆直径的80％-120％的圆环内。
与现有技术相比，本发明具有如下的有益效果：
1、本发明实现了车身焊点的毛刺检测，有助于节约人工成本；
2、本发明毛刺识别率高，减少了人为影响，有助于提升工业生产效率和可靠性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明方法流程图；
图2为毛刺焊点的图像；
图3为模拟毛刺焊点图像测试步骤图；
图4为照亮毛刺后的焊点图像测试步骤图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提出了一种基于机器视觉的对焊点毛刺的检测方法，步骤如下：
(1)对原始图像进行灰度化处理；
灰度化的目的：将RGB转为灰度后便于进行后续图像处理。
(2)对灰度化处理后的图像提取边缘；
采用canny边缘提取算法，它是目前最流行和效果最好的边缘提取算法；
对于背景纹理比较多雪花的图像，在提取边缘之前，可以把灰度图像转变为二值图像，设置合适的阈值，防止背景的纹理被当成边缘被提取出来。
(3)在边缘图像找出一定长度范围内的直线；
采用Hough变换找出一定长度范围内的直线。设定最小长度和最大长度，过短的直线很可能是曲线边界的直线段，过长的直线很可能是钣金的边缘。
(4)判断所找出的直线是否为毛刺，完成焊点的是否有毛刺的检测；
通过Hough变换找出焊点的圆弧位置，并对该圆弧内外都延展20％的圆环范围人认定为焊点外圆附近区域；
从找到的直线中提取出两个端点的位置，判断是否在焊点外圆附近区域；
如果是，则判定为毛刺缺陷的焊点；
否则，判定为正常焊点。
焊点外圆在提取单个焊点图像时确定。对于有多个焊点的原始图像，采用Hough变换找出焊点外圆，再外扩100％，抠出一个圆形的区域，作为单个焊点的图像。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于机器视觉的对焊点毛刺的检测方法，其特征在于，包括：
步骤1：获取原始焊点的图像；
步骤2：对原始焊点的图像进行灰度化处理；
步骤3：提取灰度化处理后的图像边缘；
步骤4：在图像边缘中找出符合预设长度的直线；
步骤5：判断找出的直线是否为毛刺。
2.根据权利要求1所述的基于机器视觉的对焊点毛刺的检测方法，其特征在于，所述原始焊点的图像包括整个焊点；
所述原始焊点的图像中心与焊点中心重合；
所述原始焊点的图像面积比焊点面积大30％-70％。
3.根据权利要求1所述的基于机器视觉的对焊点毛刺的检测方法，其特征在于，所述步骤3包括：根据canny边缘检测算法提取边缘；
所述步骤4包括：根据Hough变换找出直线。
4.根据权利要求1所述的基于机器视觉的对焊点毛刺的检测方法，其特征在于，所述步骤5包括：
根据Hough变换找出焊点的外圆，计算外圆直径大小及其圆心位置；
在所述焊点的外圆预设的范围内，若有端点存在，则判断所述端点为毛刺，所述焊点为毛刺焊点。
5.根据权利要求5所述的基于机器视觉的对焊点毛刺的检测方法，其特征在于，所述预设的范围为外圆直径的80％-120％的圆环内。
6.一种基于机器视觉的对焊点毛刺的检测系统，其特征在于，包括：
模块M1：获取原始焊点的图像；
模块M2：对原始焊点的图像进行灰度化处理；
模块M3：提取灰度化处理后的图像边缘；
模块M4：在图像边缘中找出符合预设长度的直线；
模块M5：判断找出的直线是否为毛刺。
7.根据权利要求6所述的基于机器视觉的对焊点毛刺的检测系统，其特征在于，所述原始焊点的图像包括整个焊点；
所述原始焊点的图像中心与焊点中心重合；
所述原始焊点的图像面积比焊点面积大30％-70％。
8.根据权利要求6所述的基于机器视觉的对焊点毛刺的检测系统，其特征在于，所述模块M3包括：根据canny边缘检测算法提取边缘；
所述模块M4包括：根据Hough变换找出直线。
9.根据权利要求6所述的基于机器视觉的对焊点毛刺的检测系统，其特征在于，所述模块M5包括：
根据Hough变换找出焊点的外圆，计算外圆直径大小及其圆心位置；
在所述焊点的外圆预设的范围内，若有端点存在，则判断所述端点为毛刺，所述焊点为毛刺焊点。
10.根据权利要求9所述的基于机器视觉的对焊点毛刺的检测系统，其特征在于，所述预设的范围为外圆直径的80％-120％的圆环内。
CN201911108048.3A 2019-11-13 2019-11-13 基于机器视觉的对焊点毛刺的检测方法及系统 Pending CN110930376A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911108048.3A CN110930376A (zh) 2019-11-13 2019-11-13 基于机器视觉的对焊点毛刺的检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911108048.3A CN110930376A (zh) 2019-11-13 2019-11-13 基于机器视觉的对焊点毛刺的检测方法及系统

Publications (1)

Publication Number Publication Date
CN110930376A true CN110930376A (zh) 2020-03-27

Family

ID=69852906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911108048.3A Pending CN110930376A (zh) 2019-11-13 2019-11-13 基于机器视觉的对焊点毛刺的检测方法及系统

Country Status (1)

Country Link
CN (1) CN110930376A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112802014A (zh) * 2021-03-26 2021-05-14 惠州高视科技有限公司 Led的漏焊缺陷的检测方法、装置、设备及储存介质
CN112907590A (zh) * 2021-04-09 2021-06-04 南开大学 一种基于金属锭打磨信息视觉识别的打磨方法及系统
CN113284143A (zh) * 2021-07-20 2021-08-20 江苏中科云控智能工业装备有限公司 基于图像数据处理的压铸件去毛刺精度检测系统
CN113547512A (zh) * 2021-08-04 2021-10-26 长春电子科技学院 一种钳体加工用的智能检测机械手
CN114723758A (zh) * 2022-06-10 2022-07-08 惠州威尔高电子有限公司 一种MiniLED薄板全自动连线的生产质量检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090202135A1 (en) * 2008-02-07 2009-08-13 Keyence Corporation Defect Detection Apparatus, Defect Detection Method and Computer Program
CN102303018A (zh) * 2011-04-29 2012-01-04 无锡众望四维科技有限公司 机器视觉系统对注射器钢针毛刺的自动检测方法
CN109115800A (zh) * 2018-08-20 2019-01-01 深圳市杰恩世智能科技有限公司 一种产品毛刺的快速检测及长度精确测量方法
CN109166098A (zh) * 2018-07-18 2019-01-08 上海理工大学 基于图像处理的工件毛刺检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090202135A1 (en) * 2008-02-07 2009-08-13 Keyence Corporation Defect Detection Apparatus, Defect Detection Method and Computer Program
CN102303018A (zh) * 2011-04-29 2012-01-04 无锡众望四维科技有限公司 机器视觉系统对注射器钢针毛刺的自动检测方法
CN109166098A (zh) * 2018-07-18 2019-01-08 上海理工大学 基于图像处理的工件毛刺检测方法
CN109115800A (zh) * 2018-08-20 2019-01-01 深圳市杰恩世智能科技有限公司 一种产品毛刺的快速检测及长度精确测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱铮涛 等: ""基于机器视觉的圆环电阻片缺陷检测算法研究"", 《组合机床与自动化加工技术》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112802014A (zh) * 2021-03-26 2021-05-14 惠州高视科技有限公司 Led的漏焊缺陷的检测方法、装置、设备及储存介质
CN112802014B (zh) * 2021-03-26 2021-08-31 高视科技(苏州)有限公司 Led的漏焊缺陷的检测方法、装置、设备及储存介质
CN112907590A (zh) * 2021-04-09 2021-06-04 南开大学 一种基于金属锭打磨信息视觉识别的打磨方法及系统
CN112907590B (zh) * 2021-04-09 2022-08-23 南开大学 一种基于金属锭打磨信息视觉识别的打磨方法及系统
CN113284143A (zh) * 2021-07-20 2021-08-20 江苏中科云控智能工业装备有限公司 基于图像数据处理的压铸件去毛刺精度检测系统
CN113547512A (zh) * 2021-08-04 2021-10-26 长春电子科技学院 一种钳体加工用的智能检测机械手
CN113547512B (zh) * 2021-08-04 2022-09-06 长春电子科技学院 一种钳体加工用的智能检测机械手
CN114723758A (zh) * 2022-06-10 2022-07-08 惠州威尔高电子有限公司 一种MiniLED薄板全自动连线的生产质量检测方法

Similar Documents

Publication Publication Date Title
CN110930376A (zh) 基于机器视觉的对焊点毛刺的检测方法及系统
JP5371848B2 (ja) タイヤ形状検査方法、及びタイヤ形状検査装置
US20160159011A1 (en) Vision System for Selective Tridimensional Repair Using Additive Manufacturing
EP2602763B1 (en) Method for monitoring the quality of the primer layer applied on a motor-vehicle body before painting
US7599050B2 (en) Surface defect inspecting method and device
CN110009633B (zh) 一种基于反向高斯差分的钢轨表面缺陷检测方法
CN112734720B (zh) 基于视觉识别的船壳激光清洗在位检测方法及系统
CN110910363A (zh) 基于机器视觉和深度学习的虚焊检测方法、系统及介质
CN111539927A (zh) 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法
CN113237889A (zh) 一种多尺度的陶瓷检测方法及系统
CN116265182A (zh) 砂磨自动化系统及方法
CN112102254A (zh) 基于机器视觉的木材表面缺陷检测方法与系统
CN114926415A (zh) 一种基于pcnn与深度学习的钢轨表面检测方法
JP4322230B2 (ja) 表面欠陥検査装置及び表面欠陥検査方法
CN116128873A (zh) 一种基于图像识别的轴承保持器检测方法、设备及介质
CN111833350B (zh) 机器视觉检测方法与系统
CN107492093B (zh) 基于图像处理的轴承异常检测方法
CN116930195A (zh) 用于五金加工的智能cam系统及表面缺陷检测方法、设备
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN116309475A (zh) 自动检测滚筒齿座焊接质量的机器视觉检测方法
JP7469740B2 (ja) ベルト検査システムおよびベルト検査プログラム
CN115908304A (zh) 汽车轮胎胎面花纹缺陷检测系统和方法
CN113469988A (zh) 一种缺陷识别方法
CN112330647A (zh) 一种动车车底异常检测方法
CN115338091B (zh) 一种5g应用下的高速图像传输与分析系统

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: 20200327

RJ01 Rejection of invention patent application after publication