CN115170952A - 一种水库坝体渗流安全在线自动监测系统 - Google Patents

一种水库坝体渗流安全在线自动监测系统 Download PDF

Info

Publication number
CN115170952A
CN115170952A CN202210722045.4A CN202210722045A CN115170952A CN 115170952 A CN115170952 A CN 115170952A CN 202210722045 A CN202210722045 A CN 202210722045A CN 115170952 A CN115170952 A CN 115170952A
Authority
CN
China
Prior art keywords
dam body
image
data
safety
dam
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.)
Withdrawn
Application number
CN202210722045.4A
Other languages
English (en)
Inventor
张一鸣
柯福阳
叶双
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.)
Wuxi Tuyinsi Network Information Technology Co ltd
Original Assignee
Wuxi Tuyinsi Network Information Technology 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 Wuxi Tuyinsi Network Information Technology Co ltd filed Critical Wuxi Tuyinsi Network Information Technology Co ltd
Priority to CN202210722045.4A priority Critical patent/CN115170952A/zh
Publication of CN115170952A publication Critical patent/CN115170952A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Image Processing (AREA)

Abstract

本发明属于水利工程技术领域，公开了一种水库坝体渗流安全在线自动监测系统，坝体图像采集模块通过摄像头获取坝体状态图像数据，并对坝体状态图像数据进行预处理和深度处理；坝体土壤状态采集模块通过各种传感器对坝体土壤的湿度、形变位移、硬度、坝体裂缝等参数进行检测；中央数据处理模块对整体系统数据进行整合处理储存，并对坝体安全性进行评估；移动终端模块实时将坝体整体状态数据传递到工作人员手持设备上，以便及时掌握坝体状态；云服务器模块通过利用大数据处理技术对整体系统中的数据进行处理分析，并将处理分析的数据传递到中央数据处理模块。本发明可以为评估坝体整体安全性提供全面可靠的数据，以提高坝体评估结果的准确性。

Description

一种水库坝体渗流安全在线自动监测系统
技术领域
本发明属于水利工程技术领域，尤其涉及一种水库坝体渗流安全在线自动监测系统。
背景技术
目前，水库一般为“拦洪蓄水和调节水流的水利工程建筑物，可以利用其来灌溉、发电、防洪和养鱼”。它是指在山沟或河流的狭口处建造拦河坝形成的人工湖泊。水库建成后，可起防洪、蓄水灌溉、供水、发电、养鱼等作用。有时天然湖泊也称为水库。水库规模通常按库容大小划分，分为小型、中型、大型等。水库四周设置有坝体，根据工程实际情况及特点采用双层钢筋网对临时坝体下游坝坡进行防护，采用钢筋石笼结合大块石对临时坝顶进行防护。水库坝体长时间进行蓄水的过程中，需要对水库坝体进行渗水安全监测，因此渗流安全在线自动监测系统发挥着关键性的作用。但是现有的水库坝体渗流安全在线自动监测系统采集的坝体数据不全面，无法为坝体评价提高可靠的数据，降低了评价结果的准确度。
通过上述分析，现有技术存在的问题及缺陷为：现有的水库坝体渗流安全在线自动监测系统采集的坝体数据不全面，无法为坝体评价提高可靠的数据，降低了评价结果的准确度。
发明内容
针对现有技术存在的问题，本发明提供了一种水库坝体渗流安全在线自动监测系统。
本发明是这样实现的，一种水库坝体渗流安全在线自动监测系统，所述水库坝体渗流安全在线自动监测系统，包括：
坝体图像采集模块，通过摄像头获取坝体状态图像数据，并对坝体状态图像数据进行预处理和深度处理；
坝体土壤状态采集模块，通过各种传感器检测坝体的土壤的湿度、形变位移、硬度、坝体裂缝等参数检测；
中央数据处理模块，对整体系统数据进行整合处理储存，并对坝体安全性进行评价；
数据传输模块，基于相对应的无线信号传输设备与移动终端和云服务器进行信息交互；
移动终端，实时将坝体整体状态数据传递到工作人员手持设备上，及时掌握坝体状态；
云服务器，通过利用大数据处理技术对整体系统中的数据进行处理分析，并将处理分析的数据传递到中央数据处理模块。
进一步，所述坝体图像采集模块预处理过程为：
对坝体图像进行去噪增强，进行几何精度校正与图像配准；
确定坝体低分辨率和高分辨率图像，并生成高分辨率多光谱影像遥感的图像；
将多幅坝体图像进行图像镶嵌与裁剪，以获取覆盖区域较大的图像。
进一步，所述对坝体图像进行去噪增强的具体过程为：
识别图像中含有噪声的图像块，对图像块进行逐块估计；对所有图像块进行分类，并将相似块集成一个三维数组；
对三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，逆变换得到组中所有图像块的估计值，并把这些估计值返回到它们的原始位置；对所有重叠的块进行估计，通过加权平均方法获得真实图像的基础估计；
对基础估计值进行最终估计，对图像块进行逐块估计分组；
对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，逆变换得到组中所有图像块的估计，然后把这些估计值返回到它们的原始位置；
对得到的有重叠的局部块进行估计，通过加权平均方法得到真实图像的最终估计值。
进一步，所述坝体图像几何精度校正具体过程为：
根据去噪增强的图像，建立固定坐标系下的LOS，将LOS投影到大地坐标系级的地图平面；
建立输入平面到输出平面之间的相互转换关系，寻找输出平面点在输入平面中的对应关系，同时在整个输出平面内执行重采样。
进一步，所述坝体图像配准具体过程为：
对两幅图像进行特征提取得到特征点，并通过进行相似性度量找到匹配的特征图像配准相关点对；
通过匹配的特征点对得到图像空间坐标变换参数，由坐标变换参数进行图像配准。
进一步，所述多幅坝体图像进行图像镶嵌具体过程为：
对坝体图像进行数据加载，通过直方图匹配进行均色处理；
均色处理完成后，进行接边线与羽化，选择镶嵌结果的输出路径，输出相应的结果。
进一步，所述中央数据处理模块对整体系统数据进行整合具体过程为：
对采集模块采集的数据，建立对应的数据集；对数据集中的数据进行提取原始信息的充分表示量或充分统计量；
按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，并对特征矢量进行说明注释。
进一步，所述中央数据处理模块对坝体安全性进行评价，具体过程为：
利用坝体相关的安全参数指标，建立坝体指标集；将云服务器对坝体的评价，作为评价集；
构建坝体指标集与评价集之间的函数关系，计算各评价指标所隶属度，建立相应的矩阵，确定各评价指标权重；
对模糊矩阵与权重进行模糊运算并进行归一化处理，得到坝体整体综合评价结果。
本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的水库坝体渗流安全在线自动监测系统。
本发明另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的水库坝体渗流安全在线自动监测系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过采集坝体图像数据和坝体土壤状态数据，可以为评价坝体的整体安全性提供全面可靠的数据，以提高坝体评价的准确度。本发明中央数据处理模块对整体系统数据进行整合处理储存，提高数据空间信息的准确性，实现动态变化监测，便于创造可相互兼容的数据集以进行对比分析；增强数据特征，对易丢失的数据进行凸现和增强，提高数据分类识别精度，实现信息互补。同时本发明中云服务器模块通过利用大数据处理技术对整体系统中的数据进行处理分析，提高数据处理的准确度以及效率，有利于坝体安全性的评价。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的水库坝体渗流安全在线自动监测系统结构示意图。
图2是本发明实施例提供的坝体图像采集模块预处理方法流程图。
图3是本发明实施例提供的坝体图像几何精校正方法流程图。
图4是本发明实施例提供的坝体图像配准方法流程图。
图5是本发明实施例提供的多幅坝体图像进行图像镶嵌方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步地详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种水库坝体渗流安全在线自动监测系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的水库坝体渗流安全在线自动监测系统包括：
坝体图像采集模块1，通过摄像头获取坝体状态图像数据，并对坝体状态图像数据进行预处理和深度处理。
坝体土壤状态采集模块2，通过各种传感器检测坝体的土壤的湿度、形变位移、硬度、坝体裂缝等参数检测。
中央数据处理模块3，对整体系统数据进行整合处理储存，并对坝体安全性进行评价。
数据传输模块4，基于相对应的无线信号传输设备与移动终端和云服务器进行信息交互。
移动终端5，实时将坝体整体状态数据传递到工作人员手持设备上，以便及时掌握坝体状态。
云服务器6，通过利用大数据处理技术对整体系统中的数据进行处理分析，并将处理分析的数据传递到中央数据处理模块。
如图2所示，本发明实施例提供的坝体图像采集模块1预处理过程为：
S101：对坝体图像进行去噪增强，进行几何精度校正与图像配准；
S102：确定坝体低分辨率和高分辨率图像，生成高分辨率多光谱影像遥感的图像；
S103：将多幅坝体图像进行图像镶嵌与裁剪，以获取覆盖区域较大的图像。
所述对坝体图像进行去噪增强的具体过程为：
识别图像中含有噪声的图像块，对图像块进行逐块估计；对所有图像块进行分类，并将相似块集成一个三维数组；
对三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，逆变换得到组中所有图像块的估计值，并把这些估计值返回到它们的原始位置；对所有重叠的块进行估计，通过加权平均方法得到真实图像的基础估计值；
对基础估计进行最终估计，对图像块进行逐块估计分组；
对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，逆变换得到组中所有图像块的估计，然后把这些估计值返回到它们的原始位置；
对得到的有重叠的局部块进行估计，通过加权平均方法得到真实图像的最终估计值。
如图3所示，所述坝体图像几何精度校正具体过程为：
S201：根据去噪增强的图像，建立固定坐标系下的LOS，将LOS投影到大地坐标系级的地图平面；
S202：建立输入平面到输出平面之间的相互转换关系，寻找输出平面点在输入平面中的对应关系，同时在整个输出平面内执行重采样。
如图4所示，所述坝体图像配准具体过程为：
S301：对两幅图像进行特征提取得到特征点，并通过进行相似性度量找到匹配的特征图像配准相关点对；
S302：通过匹配的特征点对得到图像空间坐标变换参数，由坐标变换参数进行图像配准。
如图5所示，所述多幅坝体图像进行图像镶嵌具体过程为：
S401：对坝体图像进行数据加载，通过直方图匹配进行均色处理；
S402：均色处理完成后，进行接边线与羽化，选择镶嵌结果的输出路径，输出相应的结果。
本发明实施例提供的中央数据处理模块3对整体系统数据进行整合具体过程为：
对采集模块采集的数据，建立对应的数据集；对数据集中的数据进行提取原始信息的充分表示量或充分统计量；
按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，并对特征矢量进行说明注释。
所述中央数据处理模块3对坝体安全性进行评价，具体过程为：
利用坝体相关的安全参数指标，建立坝体指标集；将云服务器对坝体的评价，作为评价集；
构建坝体指标集与评价集之间的函数关系，计算各评价指标所隶属度，建立相应的矩阵，确定各评价指标权重；
对模糊矩阵与权重进行模糊运算并进行归一化处理，得到坝体整体综合评价结果。
以上所述，仅为本发明一种具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种水库坝体渗流安全在线自动监测系统，其特征在于，所述水库坝体渗流安全在线自动监测系统，包括：
坝体图像采集模块，通过摄像头获取坝体状态图像数据，并对坝体状态图像数据进行预处理和深度处理；
坝体土壤状态采集模块，通过各种传感器对坝体土壤的湿度、形变位移、硬度、坝体裂缝等参数进行检测；
中央数据处理模块，对整体系统数据进行整合处理储存，并对坝体安全性进行评估；
数据传输模块，基于相对应的无线信号传输设备与移动终端和云服务器进行信息交互；
移动终端，实时将坝体整体状态数据传递到工作人员手持设备上，以便及时掌握坝体状态；
云服务器，通过利用大数据处理技术对整体系统中的数据进行处理分析，并将处理分析的数据传递到中央数据处理模块。
2.如权利要求1所述水库坝体渗流安全在线自动监测系统，其特征在于，所述坝体图像采集模块预处理过程为：
对坝体图像进行去噪增强，进行几何精度校正与图像配准；
确定坝体低分辨率和高分辨率图像，并生成高分辨率多光谱影像遥感的图像；
将多幅坝体图像进行图像镶嵌与裁剪，以获取覆盖区域较大的图像。
3.如权利要求2所述水库坝体渗流安全在线自动监测系统，其特征在于，所述对坝体图像进行去噪增强的具体过程为：
识别图像中含有噪声的图像块，对图像块进行逐块估计；对所有图像块进行分类，并将相似块集成一个三维数组；
对三维数组进行三维变换，通过对变换域的系数进行硬阈值处理减弱噪声，逆变换得到组中所有图像块的估计值，并把这些估计值返回到它们的原始位置；对所有重叠的块进行估计，通过加权平均方法获得真实图像的基础估计；
对基础估计值进行最终估计，对图像块进行逐块估计分组；
对形成的两个三维数组均进行三维变换，以基础估计图像中的能量谱作为能量谱对含噪三维数组进行维纳滤波，逆变换得到组中所有图像块的估计，然后把这些估计值返回到它们的原始位置；
对得到的有重叠的局部块进行估计，通过加权平均方法得到真实图像的最终估计值。
4.如权利要求2所述水库坝体渗流安全在线自动监测系统，其特征在于，所述坝体图像几何精度校正具体过程为：
根据去噪增强的图像，建立固定坐标系下的LOS，将LOS投影到大地坐标系级的地图平面；
建立输入平面到输出平面之间的相互转换关系，寻找输出平面点在输入平面中的对应关系，同时在整个输出平面内执行重采样。
5.如权利要求2所述水库坝体渗流安全在线自动监测系统，其特征在于，所述坝体图像配准具体过程为：
对两幅图像进行特征提取得到特征点，并通过进行相似性度量找到匹配的特征图像配准相关点对；
通过匹配的特征点对得到图像空间坐标变换参数，由坐标变换参数进行图像配准。
6.如权利要求2所述水库坝体渗流安全在线自动监测系统，其特征在于，所述多幅坝体图像进行图像镶嵌具体过程为：
对坝体图像进行数据加载，通过直方图匹配进行均色处理；
均色处理完成后，进行接边线与羽化，选择镶嵌结果的输出路径，输出相应的结果。
7.如权利要求1所述水库坝体渗流安全在线自动监测系统，其特征在于，所述中央数据处理模块对整体系统数据进行整合具体过程为：
对采集模块采集的数据，建立对应的数据集；对数据集中的数据进行提取原始信息的充分表示量或充分统计量；
按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，并对特征矢量进行说明注释。
8.如权利要求1所述水库坝体渗流安全在线自动监测系统，其特征在于，所述中央数据处理模块对坝体安全性进行评价，具体过程为：
利用坝体相关的安全参数指标，建立坝体指标集；将云服务器对坝体的评价，作为评价集；
构建坝体指标集与评价集之间的函数关系，计算各评价指标所隶属度，建立相应的矩阵，确定各评价指标权重；
对模糊矩阵与权重进行模糊运算并进行归一化处理，得到坝体整体综合评价结果。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～8任意一项所述的水库坝体渗流安全在线自动监测系统。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～8任意一项所述的水库坝体渗流安全在线自动监测系统。
CN202210722045.4A 2022-06-24 2022-06-24 一种水库坝体渗流安全在线自动监测系统 Withdrawn CN115170952A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210722045.4A CN115170952A (zh) 2022-06-24 2022-06-24 一种水库坝体渗流安全在线自动监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210722045.4A CN115170952A (zh) 2022-06-24 2022-06-24 一种水库坝体渗流安全在线自动监测系统

Publications (1)

Publication Number Publication Date
CN115170952A true CN115170952A (zh) 2022-10-11

Family

ID=83487573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210722045.4A Withdrawn CN115170952A (zh) 2022-06-24 2022-06-24 一种水库坝体渗流安全在线自动监测系统

Country Status (1)

Country Link
CN (1) CN115170952A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117809172A (zh) * 2023-11-20 2024-04-02 北京师范大学 一种基于遥感图片的大坝识别方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117809172A (zh) * 2023-11-20 2024-04-02 北京师范大学 一种基于遥感图片的大坝识别方法及装置

Similar Documents

Publication Publication Date Title
CN108416686B (zh) 一种基于煤炭资源开发的生态地质环境类型划分方法
CN105118090A (zh) 一种自适应复杂地形结构的点云滤波方法
CN111028255A (zh) 基于先验信息与深度学习的农田区域预筛选方法及装置
CN110717496B (zh) 基于神经网络的复杂场景树木检测方法
CN112926468B (zh) 一种潮滩高程自动提取方法
CN115331102A (zh) 一种基于深度学习的遥感影像河湖岸线智能监测方法
CN115631162A (zh) 一种滑坡隐患识别方法、系统、介质及设备
CN115170952A (zh) 一种水库坝体渗流安全在线自动监测系统
CN116486289A (zh) 一种多源数据和知识驱动下的燃气管道高后果区识别方法
CN115423272A (zh) 一种融合历史淹没强度的洪涝风险评估方法和系统
CN114783149A (zh) 一种基于大数据和图像识别的地质灾害监测预警方法
Ji et al. Feature fusion-based registration of satellite images to airborne LiDAR bathymetry in island area
CN117332542B (zh) 一种多尺度自适应选择的城市洪涝建模模拟方法
CN110569733A (zh) 基于遥感大数据平台的湖泊长时序连续水域变化重建方法
CN116861750B (zh) 一种深海网箱远程健康诊断系统
Lin et al. Noise point detection from airborne lidar point cloud based on spatial hierarchical directional relationship
CN116843946A (zh) 一种基于图像识别的隧道岩体主要结构面判识方法及装置
CN113762153B (zh) 一种基于遥感数据的新型尾矿库检测方法及系统
CN115953687A (zh) 基于遥感技术的小微水体受损等级划分方法和装置
Hua et al. The research of artificial shoreline extraction based on airborne LIDAR data
Sun et al. Check dam extraction from remote sensing images using deep learning and geospatial analysis: A case study in the Yanhe River Basin of the Loess Plateau, China
CN114758237A (zh) 一种输水隧洞缺陷自动识别模型的构建方法、检测方法、构建装置、计算机及存储介质
CN113686600A (zh) 一种旋耕机、开沟机性能鉴定装置
CN116778332B (zh) 基于dem的河流沿岸易淹没范围识别方法及系统
CN110940320A (zh) 一种基于无人机巡航的露天料场监控系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221011