CN114202718A - 一种基于人工智能的安全监控方法和装置 - Google Patents

一种基于人工智能的安全监控方法和装置 Download PDF

Info

Publication number
CN114202718A
CN114202718A CN202111271275.5A CN202111271275A CN114202718A CN 114202718 A CN114202718 A CN 114202718A CN 202111271275 A CN202111271275 A CN 202111271275A CN 114202718 A CN114202718 A CN 114202718A
Authority
CN
China
Prior art keywords
dangers
training data
machine learning
learning model
operator
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
CN202111271275.5A
Other languages
English (en)
Inventor
孔浩明
关敏昌
陈灏生
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.)
Guangdong Topway Network Co ltd
Original Assignee
Guangdong Topway Network Co ltd
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 Guangdong Topway Network Co ltd filed Critical Guangdong Topway Network Co ltd
Priority to CN202111271275.5A priority Critical patent/CN114202718A/zh
Publication of CN114202718A publication Critical patent/CN114202718A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种基于人工智能的安全监控方法和装置，该方法包括：获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；将所述视频中的关键帧进行截取得到多张图像；对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；将所述可能出现的故障以及危险转换成语音发送给所述作业人员。通过本申请解决了施工过程中出现的危险没有办法及时对电力工人进行提醒的问题，从而提高了施工的安全性。

Description

一种基于人工智能的安全监控方法和装置
技术领域
本申请涉及到安全监控领域，具体而言，涉及一种基于人工智能的安全监控方法和装置。
背景技术
目前，电力工人在进行施工的时候，存在一定程度的危险，因此，在施工之前需要对电力工人进行详细的安全培训。
但是这种安全培训也只能是施工前组织，对于施工工程中出现的危险，没有很好的办法对电力工人进行提醒。
发明内容
本申请实施例提供了一种基于人工智能的安全监控方法和装置，以至少解决施工过程中出现的危险没有办法及时对电力工人进行提醒的问题。
根据本申请的一个方面，提供了一种基于人工智能的安全监控方法，包括：获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；将所述视频中的关键帧进行截取得到多张图像；对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
进一步地，将所述可能出现的故障以及危险转换成语音发送给所述作业人员包括：将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；获取所述机器学习模型输出的所述故障以及危险对应的语音。
进一步地，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
进一步地，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
根据本申请的另一个方面，提供了一种基于人工智能的安全监控装置，包括：获取模块，用于获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；截取模块，用于将所述视频中的关键帧进行截取得到多张图像；识别模块，用于对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；查找模块，用于根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；转换模块，用于将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
进一步地，所述转换模块用于：将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；获取所述机器学习模型输出的所述故障以及危险对应的语音。
进一步地，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
进一步地，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
根据本申请的再一个方面，提供了一种存储介质，用于存储程序，所述程序用于执行所述的方法。
根据本申请的又一个方面，提供了一种处理器，用于存储程序，所述程序用于执行所述的方法。
在本申请实施例中，采用了获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；将所述视频中的关键帧进行截取得到多张图像；对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；将所述可能出现的故障以及危险转换成语音发送给所述作业人员。通过本申请解决了施工过程中出现的危险没有办法及时对电力工人进行提醒的问题，从而提高了施工的安全性。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的基于人工智能的安全监控方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本申请实施例中，提供了一种基于人工智能的安全监控方法，图1是根据本申请实施例的基于人工智能的安全监控方法的流程图，如图1所示，该方法包括以下流程：
步骤S102，获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；
步骤S104，将所述视频中的关键帧进行截取得到多张图像；
步骤S106，对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；
在一个可选的实施方式中，根据所述图像中的电力设备直接识别该电力设备的故障，因为某些电力设备在发生故障的时候，通过电力设备的外观就可以看出该电力设备的故障，例如，有些地方因为雷击而发生燃烧现象的地方就会发黑等。
将所述图像的电力设备与该类型对应的电力设备正常工作的图像进行比较，如果从视频中截取的图像中的电力设备与所述电力设备正常工作的图像相似程度超过阈值(例如90％)，则认为该电力设备未出现故障，否则认为该电力设备出现故障。在确定该电力设备出现故障之后再执行步骤S108，这样可以避免语音干扰所述作业人员。
步骤S108，根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；
作为另一个可以选择增加的实施方式，还可以获取该电力设备的标识信息，并根据所述电力设备的标识信息查找该电力设备之前是否发生故障，如果之前发生过故障，则获取之前发生过的故障的信息，并将该故障的信息转换为语音发送给所述工作人员。
步骤S110，将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
作为另一个可以选择的实施方式，接收所述作业人员预先配置的设备类型，所述作业人员预先配置的设备类型用于指示在图像识别出该类型的设备之后，不查找该类型的设备可能出现的故障以及危险，也不进行文本转语音。作业人员可以根据自己对设备类型的熟悉程度来配置不需要进行故障与危险的提醒。
在可能出现的故障以及危险的种类大于预定数量的情况下，获取所述故障以及危险的优先级，仅仅将优先级高于预定优先级的故障以及危险从文本转换为语音。优先级是对历史数据统计得到的，获取该类型的电力设备在预定区域内的一段时间内发生过的所有的故障以及危险，按照发生的故障和危险的种类进行统计，发生次数越多则该种类的故障和危险的优先级最高。
或者，作为另一个可选实施方式，在可能出现的故障以及危险的种类大于预定数量的情况下，还可以通过从视频截取关键帧得到的图像进行识别，根据识别出的故障，获取识别出的故障对应文本信息，将该文本信息转换成语音发送给作业人员。
对图像中的故障种类的识别可以通过人工智能方式来实现，可以通过多组训练数据训练一个机器学习模型，所述多组训练数据中的每组训练数据均包括输入数据和输出数据，其中，所述输入数据为发生故障的电力设备的图像，输出数据为用于指示该图像中的故障的类型的标签。该模型训练好之后就可以使用了，将所述视频截取关键帧得到的图像输入到所述机器学习模型中，获取机器学习模型输出的故障种类。
如果该机器学习模型未输出故障种类，则执行步骤S108和步骤S110。
通过该实施例，采用了获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；将所述视频中的关键帧进行截取得到多张图像；对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；将所述可能出现的故障以及危险转换成语音发送给所述作业人员。通过本申请实施例解决了施工过程中出现的危险没有办法及时对电力工人进行提醒的问题，从而提高了施工的安全性。
优选地，在步骤S110中，将所述可能出现的故障以及危险转换成语音发送给所述作业人员包括：将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；获取所述机器学习模型输出的所述故障以及危险对应的语音。
作为一个可选的实施方式，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
其中，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
可选地，在步骤S108根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险之后，所述方法还包括：获取所述电力设备可能出现的故障以及危险的危险等级，其中，所述危险等级是预先设置的。
更优选地，将所述电力设备可能出现的故障以及危险的危险等级发送给所述作业人员。
作为一个可选的实施方式，在步骤S108根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险之后，所述方法还包括：获取所述可能出现的故障以及危险的处理方法，并将所述处理方法转换成语音发送给所述作业人员。
在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
该本实施例中就提供了这样的一种装置或系统。该装置称为基于人工智能的安全监控装置，该装置包括：
获取模块，用于获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；
截取模块，用于将所述视频中的关键帧进行截取得到多张图像；
识别模块，用于对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；
查找模块，用于根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；
转换模块，用于将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
优选地，所述转换模块用于：将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；获取所述机器学习模型输出的所述故障以及危险对应的语音。
作为一个可选的实施方式，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
其中，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
可选地，所述获取模块还用于获取所述电力设备可能出现的故障以及危险的危险等级，其中，所述危险等级是预先设置的。
更优选地，该装置还包括：发送模块，用于将所述电力设备可能出现的故障以及危险的危险等级发送给所述作业人员。
作为一个可选的实施方式，所述获取模块还用于获取所述可能出现的故障以及危险的处理方法；所述转换模块还用于将所述处理方法转换成语音发送给所述作业人员。
通过该实施例，采用了获取模块获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；截取模块将所述视频中的关键帧进行截取得到多张图像；识别模块对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；查找模块根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；转换模块将所述可能出现的故障以及危险转换成语音发送给所述作业人员。通过本申请实施例解决了施工过程中出现的危险没有办法及时对电力工人进行提醒的问题，从而提高了施工的安全性。
该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于人工智能的安全监控方法，其特征在于，包括：
获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；
将所述视频中的关键帧进行截取得到多张图像；
对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；
根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；
将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
2.根据权利要求1所述的方法，其特征在于，将所述可能出现的故障以及危险转换成语音发送给所述作业人员包括：
将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；
获取所述机器学习模型输出的所述故障以及危险对应的语音。
3.根据权利要求2所述的方法，其特征在于，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
4.根据权利要求3所述的方法，其特征在于，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
5.一种基于人工智能的安全监控装置，其特征在于，包括：
获取模块，用于获取佩戴在作业人员随身佩戴的摄像头传送回来的视频，其中，所述作业人员为对电力设备进行维修的人员；
截取模块，用于将所述视频中的关键帧进行截取得到多张图像；
识别模块，用于对所述图像中的电力设备进行识别得到所述图像中电力设备的类型；
查找模块，用于根据所述类型查找到预先存储的所述电力设备可能出现的故障以及危险，其中，所述故障以及危险为用文字保存的内容；
转换模块，用于将所述可能出现的故障以及危险转换成语音发送给所述作业人员。
6.根据权利要求5所述的装置，其特征在于，所述转换模块用于：
将所述故障以及危险发送给机器学习模型，其中，所述机器学习模型为用多组训练数据经过神经网络模型训练得到的模型，所述机器学习模型的输入为文本，输出为所述文本转化得到的语音；
获取所述机器学习模型输出的所述故障以及危险对应的语音。
7.根据权利要求6所述的装置，其特征在于，所述多组训练数据包括两种类型的训练数据，其中，所述两种类型的训练数据中的第一种类型为日常用语，所述两种类型的训练数据中的第二种类型为电力行业专用语。
8.根据权利要求7所述的装置，其特征在于，所述多组训练数据中的每一组均包括输入数据和输出数据，其中，所述输入数据为文本，所述输出数据为该文本对应的语音。
9.一种存储介质，其特征在于，用于存储程序，所述程序用于执行权利要求1至4中任一项所述的方法。
10.一种处理器，其特征在于，用于存储程序，所述程序用于执行权利要求1至4中任一项所述的方法。
CN202111271275.5A 2021-10-29 2021-10-29 一种基于人工智能的安全监控方法和装置 Pending CN114202718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111271275.5A CN114202718A (zh) 2021-10-29 2021-10-29 一种基于人工智能的安全监控方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111271275.5A CN114202718A (zh) 2021-10-29 2021-10-29 一种基于人工智能的安全监控方法和装置

Publications (1)

Publication Number Publication Date
CN114202718A true CN114202718A (zh) 2022-03-18

Family

ID=80646519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111271275.5A Pending CN114202718A (zh) 2021-10-29 2021-10-29 一种基于人工智能的安全监控方法和装置

Country Status (1)

Country Link
CN (1) CN114202718A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI830617B (zh) * 2023-03-06 2024-01-21 友達光電股份有限公司 機台意外預測方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI830617B (zh) * 2023-03-06 2024-01-21 友達光電股份有限公司 機台意外預測方法

Similar Documents

Publication Publication Date Title
CN112162878B (zh) 数据库故障发现方法、装置、电子设备及存储介质
EP3798846A1 (en) Operation and maintenance system and method
CN107995377B (zh) 客服管理方法、电子装置及计算机可读存储介质
CN110187679A (zh) 一种scada系统的报警方法及装置
CN112087334A (zh) 告警根因分析方法、电子设备和存储介质
CN111984495A (zh) 一种大数据监控方法、装置和存储介质
CN109521702A (zh) 一种监视分布式控制系统运行状态的方法及服务器
CN114202718A (zh) 一种基于人工智能的安全监控方法和装置
CN109918196A (zh) 系统资源分配方法、装置、计算机设备和存储介质
CN113920452A (zh) 一种基于ar的智能巡检方法和系统
CN116383026A (zh) 基于大模型的数据处理方法及服务器
CN116094174A (zh) 基于知识图谱的电网运维监控方法、系统、设备及介质
CN111339933A (zh) 基于深度学习的变电站安全监控方法及装置
CN106897185A (zh) 一种输出异常的方法及装置
CN115865611A (zh) 一种网络设备的故障处理方法、装置及电子设备
CN106547958A (zh) 一种车载设备数据的图形化分析方法及装置
CN113609825B (zh) 一种客户属性标签智能标识方法和装置
US11922357B2 (en) System and method for identifying and handling data quality anomalies
CN109194532B (zh) 一种电网告警信息的推送方法及装置
CN108983714B (zh) 百万千瓦级核电站机组状态监控方法、装置和终端设备
CN113723268B (zh) 识别电网故障的方法、装置、计算机存储介质及处理器
CN114079943B (zh) 一种干扰处理方法和装置
CN110399376A (zh) 自动识别表的原数据变化的方法及装置
CN114091709A (zh) 一种低压维护工单处理方法和装置
CN110851325B (zh) 基于Hive表监控数据仓库的方法、装置及设备

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