CN113838045A - 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 - Google Patents
一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 Download PDFInfo
- Publication number
- CN113838045A CN113838045A CN202111166594.XA CN202111166594A CN113838045A CN 113838045 A CN113838045 A CN 113838045A CN 202111166594 A CN202111166594 A CN 202111166594A CN 113838045 A CN113838045 A CN 113838045A
- Authority
- CN
- China
- Prior art keywords
- skeleton
- branch
- trunk
- cross
- pixel
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims description 18
- 238000000926 separation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,搜索像素点的八邻域,符合交叉点原则的记录该像素点为交叉点,并将该交叉点放入集合Cross;将获取的交叉点Cross处像素值由1置为0,将分离后的所有分支骨架放入集合Branchs,在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton;在Trunk_Skeleton中选取一个主干Trunk0,计算其端点切线方向T1将端点处对应的Cross0由0置为1,遍历Branchs,计算端点附近的分支的切线方向,如切线方向与T1互为180度则合并该分支,获得新的主干Trunk0;遍历Trunk_Skeleton中元素,重复S3操作,最后获得若干个主干骨架线Trunk0,Trunk1,Trunk2…;合并S4中获得的Trunk0,Trunk1,Trunk2…,获得的整体主干骨架Main_Skeleton,该提取方法,可以有效的对PCB线路骨架轮廓进行提取。
Description
技术领域
本发明涉及检测设备技术领域,具体为一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法。
背景技术
近年来随着我国在微电子领域迅速发展,已经成为全球最大的电子产品生产和出口基地,随着科技的高速发展,推动着智能手机等3C电子设备持续朝轻薄化、小型化、智能化方向发展,为实现更少空间、更快速度、更高性能的目标,其对印制电路板的“轻、薄、短、小”要求不断提高;特别是随着手机等智能电子终端功能的不断增多,I/O数也随之越来越多,必须进一步缩小线宽线距。
我国目前的PCB生产企业在堆叠层数更多、线宽线距更小、可以承载更多功能模组的生产技术还亟待改善,而且下游的消费端对PCB生产的质量要求越来越严格,因此针对于PCB覆铜板的线路检测也成为目前产业需要解决的首要问题,目前常用的形态学骨架法提取PCB覆铜板线路,再结合图像进一步实现线路开路、短路等一系列缺陷。
现有的针对形态学骨架细化提取线路的方法会产生很多细小的毛刺,不仅会影响到提取线路的准确性,还会影响后续缺陷的检测效率和检测精度;因此,本发明在传统形态学骨架提取的基础上,提出一种改进的骨刺去除算法,将骨架分枝起点定位标记后去除来分割骨架主干和分枝,进而通过有效的阈值等方法获取线路的主骨架线路。
针对上述问题,本发明公开一种改进骨刺去除算法
该方法可以有效去除大部分线路毛刺,从而提高线路检测的精度和效率。
发明内容
本发明的目的在于提供一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,以解决上述背景技术中提出的现有的针对形态学骨架细化提取线路的方法会产生很多细小的毛刺的问题。为实现上述目的,本发明提供如下技术方案一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,该
提取方法包括以下步骤:
S1:搜索像素点的八邻域,符合交叉点原则的,记录该像素点为交叉点,并将该交叉点放入集合Cross;
S2:将S1中获取的交叉点Cross处像素值由1置为0,将分离后的所有分支骨架放入集合Branchs,在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton;
S3:在Trunk_Skeleton中选取一个主干Trunk0,计算其端点切线方向T1,将端点处对应的Cross0由0置为1,遍历Branchs,计算端点附近的分支的切线方向,如切线方向与T1互为180度,则合并该分支,获得新的主干Trunk0;
S4:遍历Trunk_Skeleton中元素,重复S3操作,最后获得若干个主干骨架线Trunk0,Trunk1,Trunk2…;
S5:合并S4中获得的Trunk0,Trunk1,Trunk2…,最终获得的整体主干骨架Main_Skeleton,通过该方法可以有效的对PCB覆铜线路骨架轮廓进行提取,提取精度和提取效率较现有的方法都得到了极大的提升。
优选的,所述S1具体为搜索一个像素点的八邻域,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向,当S>=4时,按照图1像素形式来判定是否为交叉点,通过S1的步骤起到对PCB覆铜线路骨架的交叉点进行定位的效果,以便于后续通过交叉点对PCB覆铜线路骨架轮廓进行提取。
优选的,所述S1中在对像素点进行搜索时,按照8邻域去判断该像素点是否为骨架交叉点,如出现有列或行全为0时,判定该像素点不是交叉点,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向。
优选的,所述S2具体为在骨架交叉点处进行主干分支分离,将S1中筛选的骨架交叉点的像素点值由1置为0,骨架从交叉点Cross处分离为细分支骨架集Branchs,选取其中长度特征大于阈值Length的骨架放入集合Trunk_Skeleton。
优选的,所述S3中将端点连接的Cross0点像素由0置为1,并遍历Branchs,寻找连接该Cross点的几个分支Branch1,Branch2…,计算每个分支靠近Cross0端的切线方向,如果某分支的切线方向与互为180度,则说明该分支在主干Trunk0的延长线上,这时将该分支合并入Trunk0,判断该分支是否在Trunk_Skeleton中,如果存在,则在集合Trunk_Skeleton中移除该骨架分支。
与现有技术相比,本发明的有益效果是:
通过该方法可以有效去除大部分线路毛刺,从而提高线路检测的精度和效率,避免了对后续缺陷的检测精度与检测效率产生影响。
附图说明
图1为本发明S2的状态示意图;
图2为方法流程结构图;
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。
请参阅图1-2,本发明提供一种技术方案:一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,其特征在于,该提取方法包括以下步骤:
S1:搜索像素点的八邻域,符合交叉点原则的,记录该像素点为交叉点,并将该交叉点放入集合Cross;
S2:将S1中获取的交叉点Cross处像素值由1置为0,将分离后的所有分支骨架放入集合Branchs,在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton;
S3:在Trunk_Skeleton中选取一个主干Trunk0,计算其端点切线方向T1,将端点处对应的Cross0由0置为1,遍历Branchs,计算端点附近的分支的切线方向,如切线方向与T1互为180度,则合并该分支,获得新的主干Trunk0;
S4:遍历Trunk_Skeleton中元素,重复S3操作,最后获得若干个主干骨架线Trunk0,Trunk1,Trunk2…;
S5:合并S4中获得的Trunk0,Trunk1,Trunk2…,最终获得的整体主干骨架Main_Skeleton;
工作时,通过该方法可以有效的对PCB覆铜线路骨架轮廓进行提取,提取精度和提取效率较现有的方法都得到了极大的提升。
所述S1具体为搜索一个像素点的八邻域,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向;
工作时,当S>=4时,按照图1像素形式来判定是否为交叉点,通过S1的步骤起到对PCB覆铜线路骨架的交叉点进行定位的效果,以便于后续通过交叉点对PCB覆铜线路骨架轮廓进行提取。
所述S1中在对像素点进行搜索时,按照8邻域去判断该像素点是否为骨架交叉点,如出现有列或行全为0时,判定该像素点不是交叉点,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向。
所述S2具体为在骨架交叉点处进行主干分支分离,将S1中筛选的骨架交叉点的像素点值由1置为0,骨架从交叉点Cross处分离为细分支骨架集Branchs,选取其中长度特征大于阈值Length的骨架放入集合Trunk_Skeleton;
工作时,通过S2的步骤来对PCB覆铜线路骨架的交叉点处进行主干分支分离。
所述S3中将端点连接的Cross0点像素由0置为1,并遍历Branchs,寻找连接该Cross点的几个分支Branch1,Branch2…,计算每个分支靠近Cross0端的切线方向,如果某分支的切线方向与互为180度,则说明该分支在主干Trunk0的延长线上,这时将该分支合并入Trunk0,判断该分支是否在Trunk_Skeleton中,如果存在,则在集合Trunk_Skeleton中移除该骨架分支;
工作时,通过S3的步骤对PCB覆铜线路骨架的分支是否存在进行判断,帮助后续的S4和S5对主干骨架线的位置进行定位。
工作原理:搜索像素点的八邻域,符合交叉点原则的记录该像素点为交叉点,并将该交叉点放入集合Cross;将获取的交叉点Cross处像素值由1置为0,将分离后的所有分支骨架放入集合Branchs,在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton;在Trunk_Skeleton中选取一个主干Trunk0,计算其端点切线方向T1将端点处对应的Cross0由0置为1,遍历Branchs,计算端点附近的分支的切线方向,如切线方向与T1互为180度则合并该分支,获得新的主干Trunk0;遍历Trunk_Skeleton中元素,重复S3操作,最后获得若干个主干骨架线Trunk0,Trunk1,Trunk2…;合并S4中获得的Trunk0,Trunk1,Trunk2…,获得的整体主干骨架Main_Skeleton。
Claims (6)
1.一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,其特征在于,该提取方法包括以下步骤:
S1:搜索像素点的八邻域,符合交叉点原则的,记录该像素点为交叉点,并将该交叉点放入集合Cross;
S2:将S1中获取的交叉点Cross处像素值由1置为0,将分离后的所有分支骨架放入集合Branchs,在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton;
S3:在Trunk_Skeleton中选取一个主干Trunk0,计算其端点切线方向T1,将端点处对应的Cross0由0置为1,遍历Branchs,计算端点附近的分支的切线方向,如切线方向与T1互为180度,则合并该分支,获得新的主干Trunk0;
S4:遍历Trunk_Skeleton中元素,重复S3操作,最后获得若干个主干骨架线Trunk0,Trunk1,Trunk2…;
S5:合并S4中获得的Trunk0,Trunk1,Trunk2…,最终获得的整体主干骨架Main_Skeleton。
2.根据权利要求1所述的一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,其特征在于,所述S1具体为搜索一个像素点的八邻域,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向。
3.根据权利要求1所述的一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,其特征在于,所述S1中在对像素点进行搜索时,按照8邻域去判断该像素点是否为骨架交叉点,如出现有列或行全为0时,判定该像素点不是交叉点,其中设定S为像素点的个数,L表示中心点对应的顶点个数及方向。
4.根据权利要求1所述的一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法,其特征在于,所述S2具体为在骨架交叉点处进行主干分支分离,将S1中筛选的骨架交叉点的像素点值由1置为0,骨架从交叉点Cross处分离为细分支骨架集Branchs,选取其中长度特征大于阈值Length的骨架放入集合Trunk_Skeleton。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166594.XA CN113838045B (zh) | 2021-09-30 | 2021-09-30 | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166594.XA CN113838045B (zh) | 2021-09-30 | 2021-09-30 | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838045A true CN113838045A (zh) | 2021-12-24 |
CN113838045B CN113838045B (zh) | 2024-02-02 |
Family
ID=78968008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111166594.XA Active CN113838045B (zh) | 2021-09-30 | 2021-09-30 | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838045B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627127A (zh) * | 2022-05-17 | 2022-06-14 | 南京工业大学 | 一种干涉图像的骨架提取后去毛刺优化方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60042466D1 (de) * | 1999-03-05 | 2009-08-13 | Terumo Corp | Implantierbarer Stent und Vorrichtung zur Dilitation |
CN103049753A (zh) * | 2012-06-04 | 2013-04-17 | 深圳市强华科技发展有限公司 | 基于骨架提取和距离变换来检测印刷电路板缺陷的方法 |
CN103337092A (zh) * | 2013-06-05 | 2013-10-02 | 北京农业信息技术研究中心 | 果树枝干骨架提取方法 |
CN103679175A (zh) * | 2013-12-13 | 2014-03-26 | 电子科技大学 | 一种基于深度摄像机的快速3d骨骼模型检测方法 |
CN104318557A (zh) * | 2014-10-17 | 2015-01-28 | 重庆大学 | 血管骨架线重构及精确管径计算方法 |
CN109829911A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于轮廓超差算法的pcb板表面检测方法 |
CN109829910A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于邻域查找的pcb缺陷检测方法 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN110427926A (zh) * | 2019-09-11 | 2019-11-08 | 中国计量大学 | 一种改进的opta手指静脉细化算法 |
CN110853091A (zh) * | 2019-10-25 | 2020-02-28 | 北京航空航天大学 | 一种发动机保险丝绕向缺陷图像识别方法与系统 |
CN110910359A (zh) * | 2019-11-13 | 2020-03-24 | 广东工业大学 | 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法 |
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
-
2021
- 2021-09-30 CN CN202111166594.XA patent/CN113838045B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60042466D1 (de) * | 1999-03-05 | 2009-08-13 | Terumo Corp | Implantierbarer Stent und Vorrichtung zur Dilitation |
CN103049753A (zh) * | 2012-06-04 | 2013-04-17 | 深圳市强华科技发展有限公司 | 基于骨架提取和距离变换来检测印刷电路板缺陷的方法 |
CN103337092A (zh) * | 2013-06-05 | 2013-10-02 | 北京农业信息技术研究中心 | 果树枝干骨架提取方法 |
CN103679175A (zh) * | 2013-12-13 | 2014-03-26 | 电子科技大学 | 一种基于深度摄像机的快速3d骨骼模型检测方法 |
CN104318557A (zh) * | 2014-10-17 | 2015-01-28 | 重庆大学 | 血管骨架线重构及精确管径计算方法 |
WO2019134252A1 (zh) * | 2018-01-03 | 2019-07-11 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
CN109829911A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于轮廓超差算法的pcb板表面检测方法 |
CN109829910A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于邻域查找的pcb缺陷检测方法 |
CN110427926A (zh) * | 2019-09-11 | 2019-11-08 | 中国计量大学 | 一种改进的opta手指静脉细化算法 |
CN110853091A (zh) * | 2019-10-25 | 2020-02-28 | 北京航空航天大学 | 一种发动机保险丝绕向缺陷图像识别方法与系统 |
CN110910359A (zh) * | 2019-11-13 | 2020-03-24 | 广东工业大学 | 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法 |
CN112801075A (zh) * | 2021-04-15 | 2021-05-14 | 速度时空信息科技股份有限公司 | 基于航摄影像的农村道路边界线的自动提取方法 |
Non-Patent Citations (4)
Title |
---|
DEJIAN LI等: "Flexible Printed Circuit Fracture Detection Based on Hypothesis Testing Strategy", 《IEEE ACCESS》, vol. 8, pages 24457, XP011771294, DOI: 10.1109/ACCESS.2020.2971242 * |
叶福玲: "一种改进的图像骨架提取算法", 《西昌学院学报(自然科学版)》, vol. 32, no. 3, pages 91 - 93 * |
宁亚辉 等: "改进的基于模板去除骨架毛刺的方法", 《计算机应用》, vol. 31, no. 1, pages 58 - 59 * |
苏国松: "印制电路板光学检测算法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 01, pages 135 - 145 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627127A (zh) * | 2022-05-17 | 2022-06-14 | 南京工业大学 | 一种干涉图像的骨架提取后去毛刺优化方法 |
CN114627127B (zh) * | 2022-05-17 | 2022-07-15 | 南京工业大学 | 一种干涉图像的骨架提取后去毛刺优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113838045B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106157323B (zh) | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 | |
CN104268541A (zh) | 一种设备铭牌和能效标识的智能化图像识别方法 | |
CN113838045A (zh) | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 | |
CN108154151B (zh) | 一种快速多方向文本行检测方法 | |
CN110473174B (zh) | 一种基于图像计算铅笔精确数目的方法 | |
CN115272312B (zh) | 基于机器视觉的塑料手机外壳缺陷检测方法 | |
CN109724988B (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
CN104239306A (zh) | 多媒体指纹哈希矢量构建方法及其装置 | |
CN114985283B (zh) | 一种多特征图像识别技术的茶叶识别方法 | |
CN115731257A (zh) | 基于图像的叶片形态信息提取方法 | |
CN106709489A (zh) | 一种字符识别的处理方法和装置 | |
CN107016414A (zh) | 一种脚印的识别方法 | |
CN111191587B (zh) | 一种行人重识别方法及系统 | |
CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 | |
CN112580659A (zh) | 一种基于机器视觉的矿石识别方法 | |
CN117152784A (zh) | 一种基于改进PP-OCRv3的厂站接线图文本自动检测和识别方法 | |
CN112801113A (zh) | 基于多尺度可靠聚类的数据去噪方法 | |
CN109255795B (zh) | 一种番茄植株边缘排序方法 | |
CN107093181A (zh) | 一种利用视觉系统识别存在冗余标签的多标签检测方法 | |
CN116432052A (zh) | 一种新能源汽车模具用夹具质量检测方法 | |
CN113210264B (zh) | 烟草杂物剔除方法及装置 | |
CN113763407B (zh) | 一种超声图像的结节边缘分析方法 | |
CN112116591B (zh) | 一种用于检测蚀刻电路通断路的方法 | |
CN115272172A (zh) | 一种适用于非表格类图元的开关柜端子图自动识别方法 | |
CN114972274A (zh) | 一种基于裂缝连通域的区域搜索连接方法 |
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 |