CN111965137A - 一种感冒清热颗粒中成分含量、水分的测定方法 - Google Patents
一种感冒清热颗粒中成分含量、水分的测定方法 Download PDFInfo
- Publication number
- CN111965137A CN111965137A CN202010830830.2A CN202010830830A CN111965137A CN 111965137 A CN111965137 A CN 111965137A CN 202010830830 A CN202010830830 A CN 202010830830A CN 111965137 A CN111965137 A CN 111965137A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- granules
- components
- establishing
- content
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000008187 granular material Substances 0.000 title claims abstract description 31
- 238000001228 spectrum Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 20
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 239000012491 analyte Substances 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 201000009240 nasopharyngitis Diseases 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract description 13
- 238000012795 verification Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000002329 infrared spectrum Methods 0.000 abstract description 3
- 229940079593 drug Drugs 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000004587 chromatography analysis Methods 0.000 description 2
- 229940124579 cold medicine Drugs 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 210000002850 nasal mucosa Anatomy 0.000 description 2
- 208000003322 Coinfection Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 206010028748 Nasal obstruction Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000002269 analeptic agent Substances 0.000 description 1
- 229940035676 analgesics Drugs 0.000 description 1
- 239000000730 antalgic agent Substances 0.000 description 1
- 230000001754 anti-pyretic effect Effects 0.000 description 1
- 239000000739 antihistaminic agent Substances 0.000 description 1
- 239000002221 antipyretic Substances 0.000 description 1
- 239000003443 antiviral agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002388 eustachian tube Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 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
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000005526 vasoconstrictor agent Substances 0.000 description 1
- 229940126673 western medicines Drugs 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种感冒清热颗粒中成分含量、水分的测定方法，涉及药品检测技术领域。该种感冒清热颗粒中成分含量、水分的测定方法，包括以下具体步骤：S1.首先建立净分析信号光谱预处理算法，基于净分析信号校正方法意在将校正集的数据矩阵X(I＊J矩阵数据表示光谱数据有I个样本J个变量)的贡献分成两部分：一部分为感兴趣的分析物信号(成为Xk)，另一部分为其他来源引起的数据变异(X－k)。通过建立净信号分析算法对感冒清热颗粒的近红外光谱进行预处理，然后运用支持向量机算法建立校正模型完全可以对感冒清热颗粒的成分、水分含量进行分析，而且感冒清热颗粒的成分含量、水分含量模型进行外部验证的平均偏差都非常小，值得大力推广。
Description
技术领域
本发明涉及药品检测技术领域，具体为一种感冒清热颗粒中成分含量、 水分的测定方法。
背景技术
感冒药泛指用于治疗感冒的各种药，包括中成药，汤剂，西药，冲剂等 等，目前大多数感冒药都是复方制剂常用的组方搭配有：解热镇痛药、鼻黏膜 血管收缩药、组胺拮抗剂、中枢兴奋药、抗病毒药，感冒的治疗旨在解除鼻 黏膜充血，缓解鼻腔中毛细血管的肿胀而减轻鼻塞感，减少鼻分泌物，此外 还有助于保持咽鼓管和窦口畅通，从而防止继发感染，由于感冒发病急促， 症状复杂多样，因而至今没有一种药物能解决所有这些问题，因此，治疗感 冒药多采用复方制剂。
药物的质量控制是一项复杂但非常重要的内容，药物的质量安全关乎消 费者的人身安全和健康状况，国家专门出台了《药品生产质量管理规范》以 对药物质量进行控制、监督和认证，我国药物质量采用抽查检验的管理办法， 一般都是利用色谱法对药物进行检验，这种方法操作过程复杂，耗费时间长， 因此，亟需提出一种快速、准确、无污染、绿色、环保的药物质量检验方法， 为此，我们研发出了新的一种感冒清热颗粒中成分含量、水分的测定方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种感冒清热颗粒中成分含量、水 分的测定方法，解决了对于药物的检验，一般都是利用色谱法对药物进行检 验，这种方法操作过程复杂，耗费时间长的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种感冒清热颗 粒中成分含量、水分的测定方法，包括以下具体步骤：
S1.首先建立净分析信号光谱预处理算法，基于净分析信号校正方法意在 将校正集的数据矩阵X(I＊J矩阵数据表示光谱数据有I个样本J个变量)的 贡献分成两部分：一部分为感兴趣的分析物信号(成为Xk)，另一部分为其他 来源引起的数据变异(X－k)。X＝Xk+X-k，Xk代表特定感兴趣的分析物k的 光谱部分，X-k代表除了k分析物外的干扰成分。净分析信号向量与干扰组分 所形成的空间正交。
S2.然后建立支持向量机建模方法，建立光谱矩阵Xn×p和检测目标向量Xn×1间的非线性回归模型时，支持向量机首先定义以下ε不敏感损失函数：
其中
是核函数，通过核函数可以将输入数据Xn×p映射到一个高维的特征 空间内，然后在高维特征空间中对式(3)所描述的最优化问题进行求解可以 得到ω和b，其中ω为权值向量，维数与特征空间维数相同，b∈R，是偏 置值：
其中
其中C＞0是惩罚参数，υk和
是松弛变量；
S3.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱 扫描以及光谱预处理，再利用支持向量机方法建立校正模型，最后选取未知 样品进行预测以验证校正模型的预测能力。
优选的，所述红外光谱仪可采用GSA102型近红外光谱仪。
(三)有益效果
本发明提供了一种感冒清热颗粒中成分含量、水分的测定方法。具备以 下有益效果：
1、该种感冒清热颗粒中成分含量、水分的测定方法，通过建立简单的净 信号分析算法以及支持向量机算法建立校正模型，可以方便有效的对药物质 量进行检测，而且整体耗时短，检测效率大大提高。
2、该种感冒清热颗粒中成分含量、水分的测定方法，通过建立净信号分 析算法对感冒清热颗粒的近红外光谱进行预处理，然后运用支持向量机算法 建立校正模型完全可以对感冒清热颗粒的成分、水分含量进行分析，而且感 冒清热颗粒的成分含量、水分含量模型进行外部验证的平均偏差都非常小， 值得大力推广。
附图说明
图1为本发明采用净分析信号进行预处理后光谱图；
图2为本发明感冒清热颗粒中成分含量的校正模型图；
图3为本发明感冒清热颗粒中水分含量的校正模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
本发明实施例提供一种感冒清热颗粒中成分含量、水分的测定方法，包 括以下具体步骤：
S1.首先建立净分析信号光谱预处理算法，基于净分析信号校正方法意在 将校正集的数据矩阵X(I＊J矩阵数据表示光谱数据有I个样本J个变量)的 贡献分成两部分：一部分为感兴趣的分析物信号(成为Xk)，另一部分为其他 来源引起的数据变异(X－k)。X＝Xk+X-k，Xk代表特定感兴趣的分析物k的 光谱部分，X-k代表除了k分析物外的干扰成分。净分析信号向量与干扰组分 所形成的空间正交。
S2.然后建立支持向量机建模方法，建立光谱矩阵Xn×p和检测目标向量Yn×1间的非线性回归模型时，支持向量机首先定义以下ε不敏感损失函数：
其中f(x)是支持向量机根据校正样本集训练出的回归模型，其表达形式如式 (2)所示：
其中
是核函数，通过核函数可以将输入数据Xn×p映射到一个高维的特征 空间内，然后在高维特征空间中对式(3)所描述的最优化问题进行求解可以 得到ω和b，其中ω为权值向量，维数与特征空间维数相同，b∈R，是偏 置值：
其中
其中C＞0是惩罚参数，υk和
是松弛变量；
S3.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱 扫描以及光谱预处理，再利用支持向量机方法建立校正模型，最后选取未知 样品进行预测以验证校正模型的预测能力。
红外光谱仪可采用GSA102型近红外光谱仪，采用GSA102型近红外光谱 仪，可以对建立好的预处理和建模算法进行快速检测和分析。
实施例二：
本实施例在基于实施例一的基础上，进行了一组实验，实验流程及数据 如下所示：
1、对10批次感冒清热颗粒留样，将每批次颗粒研磨磨细，放置于样品 杯中，表面刮平，实验一共准备30个样品。
2、将样品装入样品杯中，表面用盖子刮平。使样品覆盖满样品杯，利用 GSA102型近红外光谱仪采集得到样品的原始光谱并采用净分析信号进行预处 理得到如图1所示的预处理光谱；
3、采用支持向量机方法分别建立感冒清热颗粒成分含量、水分的校正模 型，模型如图2、3所示，由图可知，两个模型的相关性非常显著分别为 0.972373、0.954221。
4、为验证模型的预测能力，选择10个样品作为验证样品，然后调用步 骤3中的校正模型对验证样品进行验证分析，验证结果如表1所示；
表1验证结果
从模型的外部验证结果表中可以发现，感冒清热颗粒的成分含量、水分 含量模型进行外部验证的平均偏差都非常小。成分含量的平均绝对偏差为 0.4％，水分的平均绝对偏差为0.5％。通过上述分析，我们得出结论，经过净 信号分析算法对感冒清热颗粒的近红外光谱进行预处理，然后运用支持向量 机算法建立校正模型完全可以对感冒清热颗粒的成分、水分含量进行分析。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。
Claims (2)
1.一种感冒清热颗粒中成分含量、水分的测定方法，其特征在于：包括以下具体步骤：
S1.首先建立净分析信号光谱预处理算法，基于净分析信号校正方法意在将校正集的数据矩阵X(I*J矩阵数据表示光谱数据有I个样本J个变量)的贡献分成两部分：一部分为感兴趣的分析物信号(成为Xk)，另一部分为其他来源引起的数据变异(X-k)。X＝Xk+X-k，Xk代表特定感兴趣的分析物k的光谱部分，X-k代表除了k分析物外的干扰成分。净分析信号向量与干扰组分所形成的空间正交。
S2.然后建立支持向量机建模方法，建立光谱矩阵Xn×p和检测目标向量Yn×1间的非线性回归模型时，支持向量机首先定义以下ε不敏感损失函数：
其中f(x)是支持向量机根据校正样本集训练出的回归模型，其表达形式如式(2)所示：
其中
是核函数，通过核函数可以将输入数据Xn×p映射到一个高维的特征空间内，然后在高维特征空间中对式(3)所描述的最优化问题进行求解可以得到ω和b，其中ω为权值向量，维数与特征空间维数相同，b∈R，是偏置值：
其中
θk＞0，
其中C＞0是惩罚参数，θk和
是松弛变量；
S3.将建立好的预处理和建模算法导入红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用支持向量机方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。
2.根据权利要求1所述的一种感冒清热颗粒中成分含量、水分的测定方法，其特征在于：所述红外光谱仪可采用GSA102型近红外光谱仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830830.2A CN111965137A (zh) | 2020-08-18 | 2020-08-18 | 一种感冒清热颗粒中成分含量、水分的测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010830830.2A CN111965137A (zh) | 2020-08-18 | 2020-08-18 | 一种感冒清热颗粒中成分含量、水分的测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111965137A true CN111965137A (zh) | 2020-11-20 |
Family
ID=73387811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010830830.2A Pending CN111965137A (zh) | 2020-08-18 | 2020-08-18 | 一种感冒清热颗粒中成分含量、水分的测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111965137A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023123329A1 (zh) * | 2021-12-29 | 2023-07-06 | 安徽大学 | 近红外光谱的净信号提取方法及其系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303294A (zh) * | 2008-06-20 | 2008-11-12 | 河南中医学院 | 近红外在线检测技术在中药一清颗粒生产中的应用方法 |
| CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
| CN102636450A (zh) * | 2012-04-18 | 2012-08-15 | 西北农林科技大学 | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 |
| WO2018010352A1 (zh) * | 2016-07-11 | 2018-01-18 | 上海创和亿电子科技发展有限公司 | 一种定性定量相结合的近红外定量模型构建方法 |
| CN111007040A (zh) * | 2019-12-27 | 2020-04-14 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
-
2020
- 2020-08-18 CN CN202010830830.2A patent/CN111965137A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303294A (zh) * | 2008-06-20 | 2008-11-12 | 河南中医学院 | 近红外在线检测技术在中药一清颗粒生产中的应用方法 |
| CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
| CN102636450A (zh) * | 2012-04-18 | 2012-08-15 | 西北农林科技大学 | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 |
| WO2018010352A1 (zh) * | 2016-07-11 | 2018-01-18 | 上海创和亿电子科技发展有限公司 | 一种定性定量相结合的近红外定量模型构建方法 |
| CN111007040A (zh) * | 2019-12-27 | 2020-04-14 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张录达等: "SVM回归法在近红外光谱定量分析中的应用研究" * |
| 耿颖;相秉仁;何兰;: "净分析信号算法用于近红外模型优化的研究" * |
| 马群等: "近红外光谱法结合支持向量机测定天然牛黄粉中人工牛黄的掺入量" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023123329A1 (zh) * | 2021-12-29 | 2023-07-06 | 安徽大学 | 近红外光谱的净信号提取方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101231274B (zh) | 近红外光谱快速测定山药中尿囊素含量的方法 | |
| Yan et al. | Rapid detection of Rosa laevigata polysaccharide content by near-infrared spectroscopy | |
| CN107784192A (zh) | 指纹图谱相似度计算方法、装置和样品质量评价系统 | |
| Wang et al. | A new calibration model transferring strategy maintaining the predictive abilities of NIR multivariate calibration model applied in different batches process of extraction | |
| Pan et al. | Rapid On-site identification of geographical origin and storage age of tangerine peel by Near-infrared spectroscopy | |
| Bodson et al. | Comparison of FT-NIR transmission and UV–vis spectrophotometry to follow the mixing kinetics and to assay low-dose tablets containing riboflavin | |
| CN112414967B (zh) | 一种快速实时检测蒲黄炭炮制的近红外质控方法 | |
| Lei et al. | Identification of different bran-fried Atractylodis Rhizoma and prediction of atractylodin content based on multivariate data mining combined with intelligent color recognition and near-infrared spectroscopy | |
| CN111965137A (zh) | 一种感冒清热颗粒中成分含量、水分的测定方法 | |
| Yang et al. | Piecewise preprocessing of near-infrared spectra for improving prediction ability of a PLS model | |
| CN114088661B (zh) | 一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法 | |
| CN104865322A (zh) | 一种栀子萃取液浓缩过程快速检测方法 | |
| CN116026780B (zh) | 基于串联策略波长选择的包衣吸湿率在线检测方法及系统 | |
| CN110186870B (zh) | 一种极限学习机光谱模型判别恩施玉露茶鲜叶产地的方法 | |
| Ma et al. | Maintaining the predictive abilities of near-infrared spectroscopy models for the determination of multi-parameters in White Paeony Root | |
| CN112945901A (zh) | 一种基于近红外光谱的青贮大豆品质检测方法 | |
| CN103335960A (zh) | 一种华蟾素提取浓缩过程关键指标的快速检测方法 | |
| Chen et al. | Monitoring green tea fixation quality by intelligent sensors: comparison of image and spectral information | |
| CN111380832A (zh) | 复方甘草片有效成分含量测定校正模型构建、检测方法 | |
| Zhao et al. | Non-destructive determination of metronidazole powder by using artificial neural networks on short-wavelength NIR spectroscopy | |
| CN103940773B (zh) | 一种快速测定血必净注射液中吐温-80含量的方法 | |
| Shi et al. | Application of Near‐Infrared Spectroscopy Analysis Technology to Total Nucleosides Quality Control in the Fermented Cordyceps Powder Production Process | |
| CN112782116A (zh) | 利用近红外光谱检测中药大蜜丸水分含量的方法和应用 | |
| CN114550843A (zh) | 中药多糖中单糖组成及含量的预测模型及其构建方法和应用 | |
| Yang et al. | Rapid authentication of variants of Gastrodia elata Blume using near-infrared spectroscopy combined with chemometric methods |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |