CN113120555B - 一种基于线结构光的输送带纵向撕裂检测方法 - Google Patents
一种基于线结构光的输送带纵向撕裂检测方法 Download PDFInfo
- Publication number
- CN113120555B CN113120555B CN202110467214.XA CN202110467214A CN113120555B CN 113120555 B CN113120555 B CN 113120555B CN 202110467214 A CN202110467214 A CN 202110467214A CN 113120555 B CN113120555 B CN 113120555B
- Authority
- CN
- China
- Prior art keywords
- image
- line
- gray
- gray scale
- structured light
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0266—Control or detection relating to the load carrier(s)
- B65G2203/0275—Damage on the load carrier
Abstract
本发明公开了一种基于线结构光的输送带纵向撕裂检测方法,通过基于线结构光图像采集系统的输送带图像,准确提取出图像中的线结构光中心线,利用线结构光的线性特征判断输送带是否发生纵向撕裂,提高输送带纵向撕裂故障检测的准确性和实时性,有益于预防重大输送带纵向撕裂安全事故,具有较大的应用价值。
Description
技术领域
本发明属于无损检测领域,特别涉及了一种输送带纵向撕裂检测方法。
背景技术
带式输送机因其输送距离长,稳定性强的特点,广泛应用于各式物料运输系统中,特别是港口,矿山等场景下。皮带作为带式输送机的重要部件,是物料运输的直接载体,在煤矿运输系统中,经常受到煤流中片岩、矸石,锚杆等尖锐的硬杂质冲击,易发生纵向撕裂。一旦发生纵向撕裂,撕裂会很快沿输送带运行方向扩展,造成物料洒落,设备损坏等问题,带来一系列的经济损失,作业人员安全问题等。因此,皮带的纵向撕裂检测一直受到研究人员关注,并且进行研究寻找一种更加准确,高效的检测方法。
传统的接触式检测方法比如电磁法,力学法,超声波法等,由于准确性较低和一定的局限性逐渐被淘汰。近年来,机器视觉技术不断发展,研究人员开始尝试将机器视觉技术引入皮带纵撕检测领域中来。直接利用可见光图像来进行处理识别,由于煤矿带式输送机工作区粉尘多,光照变化剧烈随机性大,对于基于几何特征和光照校正进行阈值的检测方法的影响行很大。基于红外图像的检测方法确实在一定程度上降低了恶劣环境的影响,明显提高了检测方法的可靠性,但是输送带上由于摩擦产生的热量差异比较小,极端显著差异发生几率较小,纵向撕裂发生区域与完好皮带的区域在红外图像中实际上区分不甚明显,这为进一步地提高检测可靠性造成了本质性的阻碍。利用线性激光辅助的检测方法可以明显降低周围环境以及光照变化的影响,目前的研究已经取得一定的进展,目前主要的难点有,获取质量良好的更加贴合输送带表面特征的线激光图像,这是变换纵向撕裂特征的重要一环,这一块的内容目前尚没有成熟的理论模型;提取高精度的激光线条的算法,目前已经有了一部分算法模型,但精度和抗噪性有待提高。综上所述,这些方法或是可靠性差,或是检测手段过于复杂,或是检测效率太低,或是准确率较低,在实际应用中都有很大的局限性,无法取得预期的检测结果。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了一种基于线结构光的输送带纵向撕裂检测方法。
为了实现上述技术目的,本发明的技术方案为:
一种基于线结构光的输送带纵向撕裂检测方法,包括以下步骤:
(1)基于线结构光图像采集系统读取输送带线结构光图像I1;
(2)对图像I1裁剪ROI区域,去除图像中的冗余信息,得到ROI区域图像I2;
(3)对图像I2做灰度化处理,提取R通道图像,得到R通道灰度图像I3;
(4)对图像I3做图像增强处理,通过图像灰度变换矩阵做灰度变换,得到灰度变换的图像I4;
(5)对图像I4做线结构光中心线提取操作,通过图像灰度分布拟合曲线,取设定置信度下置信区间作为阈值,将图像I4的原灰度矩阵A1优化为新灰度矩阵A2,基于A2计算灰度重心点,利用移动最小二乘法,计算得到灰度重心点的切向量,通过横向梯度优化得到线条L1,对其做形态学闭运算,得到中心线线条L2的图像I5;
(6)对中心线线条L2做世界坐标系变换,得到世界坐标系下中心线线条L3的图像I6;
(7)对中心线线条L3的图像I6做图像分割,得到分割后的联通域集合图像I7;
(8)对图像I7做线性特征阈值筛选,得到保留后的连通域及连通域数目N;
(9)根据保留的连通域数目N判断是否发生纵向撕裂。
进一步地,在步骤(1)中,所述线结构光图像采集系统包括线结构光光源和CCD相机,线结构光光源与CCD相机分别安装于输送带表面法线方向两侧30°-45°方向,且距离输送带下表面沿法线方向60-80cm。
进一步地,在步骤(4)中,所述灰度变换的表达式如下:
g′=g·k+c
进一步地,步骤(5)的具体过程如下:
(5-1)通过图像灰度分布拟合灰度分布曲线,取置信区间[μ-t,μ+t]作为阈值T=G(μ-t),将图像I4的原灰度矩阵A1优化为新灰度矩阵A2:
其中,G(*)为灰度分布曲线,μ为G(*)的期望,t为区间宽度,g′(i,j)为优化后的灰度值,g(i,j)为原灰度值;
(5-2)基于A2计算灰度重心点,使用移动最小二乘法,拟合方程表达形式如下:
f(x)=pT(x)α
其中,p(x)=[p1(x),p2(x),...,pm(x)]T是一个m阶的基函数,α=[α1,α2,...,αm]T待定系数向量,这些系数是关于点坐标的函数,上标T表示转置;
(5-3)计算灰度重心点的切向量,通过横向梯度优化得到新的中心点,连接新的中心点得到线条L1;
(5-4)利用形态学闭运算得到中心线线条L2的图像I5,形态学闭运算规则为先膨胀处理,再腐蚀处理。
进一步地,步骤(6)的具体过程如下:
(6-1)中心线线条L2上坐标为[x0,y0,1]的点通过线结构光采集系统标定的变换矩阵H得到世界坐标系下的坐标[xw,yw,1];
(6-2)利用[xw,yw,1]通过标定的光平面方程zw=Axw+Byw+C得到zw,其中A、B、C为光平面方程的参数;
(6-3)根据坐标连接各中心点,从而得到世界坐标系下中心线线条的L3图像I6。
进一步地,在步骤(7)中,使用灰度阈值K进行阈值分割处理,分割出中心线线条作为前景保留,再使用8邻域连接规则做连通域分割处理,将中心线线条各间断部分分割为不同的连通域,得到分割后的连通域集合图像I7。
进一步地,在步骤(8)中,基于线性长度阈值和线性矩形度阈值,对图像I7做线性特征阈值筛选,去除干扰性的连通域,得到保留后的连通域及连通域数目N。
进一步地,在步骤(9)中,若N≥2,则认为输送带发生纵向撕裂;若N<2,则认为输送带没有发生纵向撕裂。
采用上述技术方案带来的有益效果:
1、本发明采用了线结构光图像采集系统,可以完成线结构光图像从图像坐标系到世界坐标系的变换,降低了镜头畸变的影响,可以获得更加准确的线结构光图像特征。
2、本发明使用了一种新的线结构光中心线提取方法,提高了线结构光中心线的提取精度,可以获得亚像素精度的线结构光中心线,并且变换为世界坐标系下的中心线图像,可以更好地获得线结构光的线性特征,解决了线激光中心线提取不准确的问题,有益于提高特征检测的准确性,具有较大的应用价值。
3、本发明使用图像分割方法和线性特征阈值筛选,提高了输送带纵向撕裂特征提取的准确性,降低了特征检测的难度,有益于预防重大纵向撕裂事故的发生,适用于井下恶劣工况环境下采集到的低质量线结构光图像,具有较大的应用价值。
附图说明
图1是本发明的方法流程图;
图2是本发明的线结构光图像采集系统示意图;标号说明:1-输送带机架、2-支撑架、3-线结构光光源、4-上层输送带、5-CCD相机、6-下层输送带;
图3是本发明的图像灰度化处理步骤的结果图;
图4是本发明的图像增强步骤的结果图;
图5是本发明的图像线结构光中心线提取步骤的结果图;
图6是本发明的图像分割步骤的结果图;
图7是本发明的线性特征阈值筛选的结果图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明设计了一种基于线结构光的输送带纵向撕裂检测方法,如图1所示,步骤如下:
步骤1:基于线结构光图像采集系统读取输送带线结构光图像I1;
步骤2:对图像I1裁剪ROI区域,去除图像中的冗余信息,得到ROI区域图像I2;
步骤3:对图像I2做灰度化处理,提取R通道图像,得到R通道灰度图像I3(如图3所示);
步骤4:对图像I3做图像增强处理,通过图像灰度变换矩阵做灰度变换,得到灰度变换的图像I4;
步骤5:对图像I4做线结构光中心线提取操作,通过图像灰度分布拟合曲线,取设定置信度下置信区间作为阈值,将图像I4的原灰度矩阵A1优化为新灰度矩阵A2,基于A2计算灰度重心点,利用移动最小二乘法,计算得到灰度重心点的切向量,通过横向梯度优化得到线条L1,对其做形态学闭运算,得到中心线线条L2的图像I5;
步骤6:对中心线线条L2做世界坐标系变换,得到世界坐标系下中心线线条L3的图像I6;
步骤7:对中心线线条L3的图像I6做图像分割,得到分割后的联通域集合图像I7;
步骤8:对图像I7做线性特征阈值筛选,得到保留后的连通域及连通域数目N;
步骤9:根据保留的连通域数目N判断是否发生纵向撕裂。
优选地,在上述步骤1中,如图2所示,线结构光图像采集系统包括线结构光光源和CCD相机,线结构光光源与CCD相机分别安装于输送带表面法线方向两侧30°-45°方向,且距离输送带下表面沿法线方向60-80cm。线结构光光源波长660nm,功率15MW,CCD相机型号为DS-2CD2T45P1-I。
优选地,在上述步骤4中,灰度变换的表达式如下:
g′=g·k+c
优选地,上述步骤5的具体过程如下:
5-1、通过图像灰度分布拟合灰度分布曲线,使用像素点灰度值样本进行高斯分布拟合,准则函数表示为:
其中,xi、yi为样本的坐标;
对于yi接近0处的噪声,lnyi会将噪声放大,因此舍弃接近0的样本数据,只保留峰值部分的样本点,转换为一元二次最小拟合,假设拟合结果为:
p1xi 2+p2xi+p3=lnyi
其中,p1,p2 p3是拟合得到的一元二次方程的相关常系数,相应的参数估计:
取一定置信度下置信区间[μ-t,μ+t]作为阈值T=G(μ-t),将图像I4的原灰度矩阵A1优化为新灰度矩阵A2:
其中,G(*)为灰度分布曲线,μ为G(*)的期望,t为区间宽度,g′(i,j)为优化后的灰度值,g(i,j)为原灰度值;
5-2、基于A2计算灰度重心点,使用移动最小二乘法,拟合方程表达形式如下:
f(x)=pT(x)α
其中,p(x)=[p1(x),p2(x),...,pm(x)]T是一个m阶的基函数,α=[α1,α2,...,αm]T待定系数向量,这些系数是关于点坐标的函数;综合拟合计算效率与拟合准确性,取m=4;
加权拟合误差定义为:
5-3、计算灰度重心点的切向量,通过横向梯度优化得到新的中心点,连接新的中心点得到线条L1;横向梯度优化规则:
A’(xp1+Δx)+B’(yp1+Δy)+C’=0
该方程为灰度重心Cp处的切线方程,规则定义其相邻列计算所得的灰度重心Cp+1也按照相同的偏移量发生偏移得到新的灰度重心C′p2:
5-4、利用形态学闭运算得到中心线线条L2的图像I5,形态学闭运算规则为先膨胀处理,再腐蚀处理。
该步骤得到的结果如图5所示。
优选地,上述步骤6的具体过程如下:
6-1、中心线线条L2上坐标为[x0,y0,1]的点通过线结构光采集系统标定的变换矩阵H得到世界坐标系下的坐标[xw,yw,1];
6-2、利用[xw,yw,1]通过标定的光平面方程zw=Axw+Byw+C得到zw,其中A、B、C为光平面方程的参数;
6-3、根据坐标连接各中心点,从而得到世界坐标系下中心线线条的L3图像I6。
优选地,在上述步骤7中,使用灰度阈值K进行阈值分割处理,分割出中心线线条作为前景保留,再使用8邻域连接规则做连通域分割处理,将中心线线条各间断部分分割为不同的连通域,得到分割后的连通域集合图像I7。该步骤得到的结果如图6所示。
优选地,在上述步骤8中,基于线性长度阈值和线性矩形度阈值,对图像I7做线性特征阈值筛选,去除干扰性的连通域,得到保留后的连通域及连通域数目N。该步骤得到的结果如图7所示。
优选地,在上述步骤9中,若N≥2,则认为输送带发生纵向撕裂;若N<2,则认为输送带没有发生纵向撕裂。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.一种基于线结构光的输送带纵向撕裂检测方法,其特征在于,包括以下步骤:
(1)基于线结构光图像采集系统读取输送带线结构光图像I1;
(2)对图像I1裁剪ROI区域,去除图像中的冗余信息,得到ROI区域图像I2;
(3)对图像I2做灰度化处理,提取R通道图像,得到R通道灰度图像I3;
(4)对图像I3做图像增强处理,通过图像灰度变换矩阵做灰度变换,得到灰度变换的图像I4;
(5)对图像I4做线结构光中心线提取操作,通过图像灰度分布拟合曲线,取设定置信度下置信区间作为阈值,将图像I4的原灰度矩阵A1优化为新灰度矩阵A2,基于A2计算灰度重心点,利用移动最小二乘法,计算得到灰度重心点的切向量,通过横向梯度优化得到线条L1,对其做形态学闭运算,得到中心线线条L2的图像I5;
(6)对中心线线条L2做世界坐标系变换,得到世界坐标系下中心线线条L3的图像I6;
(7)对中心线线条L3的图像I6做图像分割,得到分割后的联通域集合图像I7;
(8)对图像I7做线性特征阈值筛选,得到保留后的连通域及连通域数目N;
(9)根据保留的连通域数目N判断是否发生纵向撕裂;
在步骤(1)中,所述线结构光图像采集系统包括线结构光光源和CCD相机,线结构光光源与CCD相机分别安装于输送带表面法线方向两侧30°-45°方向,且距离输送带下表面沿法线方向60-80cm;
步骤(5)的具体过程如下:
(5-1)通过图像灰度分布拟合灰度分布曲线,取置信区间[μ-t,μ+t]作为阈值T=G(μ-t),将图像I4的原灰度矩阵A1优化为新灰度矩阵A2:
其中,G(*)为灰度分布曲线,μ为G(*)的期望,t为区间宽度,g′(i,j)为优化后的灰度值,g(i,j)为原灰度值;
(5-2)基于A2计算灰度重心点,使用移动最小二乘法,拟合方程表达形式如下:
f(x)=pT(x)α
其中,p(x)=[p1(x),p2(x),...,pm(x)]T是一个m阶的基函数,α=[α1,α2,...,αm]T待定系数向量,这些系数是关于点坐标的函数,上标T表示转置;
(5-3)计算灰度重心点的切向量,通过横向梯度优化得到新的中心点,连接新的中心点得到线条L1;
计算灰度重心点的切向量,通过横向梯度优化得到新的中心点,连接新的中心点得到线条L1;横向梯度优化规则:
A’(xp1+Δx)+B’(yp1+Δy)+C’=0
该方程为灰度重心Cp处的切线方程,定义其相邻列计算所得的灰度重心Cp+1也按照相同的偏移量发生偏移得到新的灰度重心C′p2:
(5-4)利用形态学闭运算得到中心线线条L2的图像I5,形态学闭运算规则为先膨胀处理,再腐蚀处理。
3.根据权利要求1所述基于线结构光的输送带纵向撕裂检测方法,其特征在于,步骤(6)的具体过程如下:
(6-1)中心线线条L2上坐标为[x0,y0,1]的点通过线结构光采集系统标定的变换矩阵H得到世界坐标系下的坐标[xw,yw,1];
(6-2)利用[xw,yw,1]通过标定的光平面方程zw=Axw+Byw+C得到zw,其中A、B、C为光平面方程的参数;
(6-3)根据坐标连接各中心点,从而得到世界坐标系下中心线线条的L3图像I6。
4.根据权利要求1所述基于线结构光的输送带纵向撕裂检测方法,其特征在于,在步骤(7)中,使用灰度阈值K进行阈值分割处理,分割出中心线线条作为前景保留,再使用8邻域连接规则做连通域分割处理,将中心线线条各间断部分分割为不同的连通域,得到分割后的连通域集合图像I7。
5.根据权利要求1所述基于线结构光的输送带纵向撕裂检测方法,其特征在于,在步骤(8)中,基于线性长度阈值和线性矩形度阈值,对图像I7做线性特征阈值筛选,去除干扰性的连通域,得到保留后的连通域及连通域数目N。
6.根据权利要求1所述基于线结构光的输送带纵向撕裂检测方法,其特征在于,在步骤(9)中,若N≥2,则认为输送带发生纵向撕裂;若N<2,则认为输送带没有发生纵向撕裂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467214.XA CN113120555B (zh) | 2021-04-28 | 2021-04-28 | 一种基于线结构光的输送带纵向撕裂检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110467214.XA CN113120555B (zh) | 2021-04-28 | 2021-04-28 | 一种基于线结构光的输送带纵向撕裂检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113120555A CN113120555A (zh) | 2021-07-16 |
CN113120555B true CN113120555B (zh) | 2022-12-09 |
Family
ID=76781063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110467214.XA Active CN113120555B (zh) | 2021-04-28 | 2021-04-28 | 一种基于线结构光的输送带纵向撕裂检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113120555B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724258B (zh) * | 2021-11-02 | 2022-02-08 | 山东中都机器有限公司 | 一种基于图像处理的传送带撕裂检测方法及系统 |
CN114348581B (zh) * | 2022-01-29 | 2024-04-12 | 山东省科学院激光研究所 | 一种皮带撕裂检测方法和系统 |
CN115159027B (zh) * | 2022-07-22 | 2024-03-22 | 山东省科学院激光研究所 | 一种皮带撕裂监测方法 |
CN115947066B (zh) * | 2023-03-14 | 2023-06-20 | 合肥金星智控科技股份有限公司 | 皮带撕裂检测方法、装置及系统 |
CN116142727B (zh) * | 2023-04-14 | 2023-09-19 | 合肥金星智控科技股份有限公司 | 一种基于激光条纹缺陷识别的传送带撕裂检测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006282319A (ja) * | 2005-03-31 | 2006-10-19 | Jfe Steel Kk | コンベアベルトの縦裂き検知方法および装置 |
CN101804907A (zh) * | 2010-03-17 | 2010-08-18 | 燕山大学 | 机器视觉皮带撕裂检测及保护装置 |
DE102011051923A1 (de) * | 2011-07-19 | 2013-01-24 | Contitech Transportbandsysteme Gmbh | Einrichtung zur Überwachung einer Förderanlage zur Erfassung von Schäden eines Fördergurtes mittels sequentieller Leiterschleifen und eines sequentiellen Schlitzschutzsystems |
CN205114393U (zh) * | 2015-10-21 | 2016-03-30 | 弗赛特(武汉)系统工程有限公司 | 输送带纵向撕裂检测装置 |
CN109409368A (zh) * | 2018-11-06 | 2019-03-01 | 天地(常州)自动化股份有限公司 | 矿用皮带纵撕检测装置及检测方法 |
-
2021
- 2021-04-28 CN CN202110467214.XA patent/CN113120555B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113120555A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113120555B (zh) | 一种基于线结构光的输送带纵向撕裂检测方法 | |
Kou et al. | Development of a YOLO-V3-based model for detecting defects on steel strip surface | |
CN111340791A (zh) | 一种基于gan改进算法的光伏组件无监督缺陷检测方法 | |
CN108492291B (zh) | 一种基于cnn分割的太阳能光伏硅片瑕疵检测系统及方法 | |
CN105320942B (zh) | 一种基于联合检测器的路面破损检测方法 | |
CN114581782B (zh) | 一种基于由粗到精检测策略的细微缺陷检测方法 | |
CN108694349B (zh) | 一种基于线阵相机的受电弓图像提取方法及装置 | |
CN113379737A (zh) | 基于图像处理及深度学习的管道缺陷智能检测方法及应用 | |
CN116612106A (zh) | 一种基于yolox算法的光学元件表面缺陷检测方法 | |
CN113269254A (zh) | 一种粒子群优化XGBoost算法的煤矸识别方法 | |
CN115205256A (zh) | 一种融合迁移学习的输电线路绝缘子缺陷检测方法及系统 | |
Dong et al. | Intelligent segmentation and measurement model for asphalt road cracks based on modified mask R-CNN algorithm | |
Wang et al. | Dynamic coal quantity detection and classification of permanent magnet direct drive belt conveyor based on machine vision and deep learning | |
CN113313071A (zh) | 一种道路区域识别方法及系统 | |
CN103093241B (zh) | 基于同质化处理的光学遥感图像非匀质云层判别方法 | |
Zhu | Detection and recognition of concrete cracks on building surface based on machine vision | |
CN116664501A (zh) | 一种基于图像处理判断储粮变化的方法 | |
Tao et al. | Weak scratch detection of optical components using attention fusion network | |
CN106203291A (zh) | 一种基于形态成分分析与自适应字典学习的场景图像文字检测的方法 | |
CN115861957A (zh) | 一种基于传感器融合的新型动态物体分割方法 | |
XingQi et al. | Analysis and test of concrete surface crack of railway bridge based on deep learning | |
Liu et al. | Research on online defect detection method of solar cell component based on lightweight convolutional neural network | |
CN113487570A (zh) | 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法 | |
Bin et al. | Automatic inspection of surface crack in solar cell images | |
Cao et al. | Detection and classification of surface defects of magnetic tile based on SE-U-Net |
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 |