CN115984267A - 一种适用于超声水表的注塑气泡检测方法 - Google Patents

一种适用于超声水表的注塑气泡检测方法 Download PDF

Info

Publication number
CN115984267A
CN115984267A CN202310264640.2A CN202310264640A CN115984267A CN 115984267 A CN115984267 A CN 115984267A CN 202310264640 A CN202310264640 A CN 202310264640A CN 115984267 A CN115984267 A CN 115984267A
Authority
CN
China
Prior art keywords
ultrasonic water
water meter
image set
bubble
injection molding
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
Application number
CN202310264640.2A
Other languages
English (en)
Other versions
CN115984267B (zh
Inventor
艾璐
杨金合
郑小龙
沈华刚
范建华
陈维广
王建华
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.)
Qingdao Topscomm Communication Co Ltd
Original Assignee
Qingdao Topscomm Communication 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 Qingdao Topscomm Communication Co Ltd filed Critical Qingdao Topscomm Communication Co Ltd
Priority to CN202310264640.2A priority Critical patent/CN115984267B/zh
Publication of CN115984267A publication Critical patent/CN115984267A/zh
Application granted granted Critical
Publication of CN115984267B publication Critical patent/CN115984267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

本发明涉及缺陷检测技术领域,公开了一种适用于超声水表的注塑气泡检测方法,包括以下步骤:拍摄一体式超声水表的X‑ray图像作为原始图像集;对原始图像集进行灰度转换,定位出水表管段中的换能器安装位置,从而裁剪获得预处理图像集;基于预处理图像集,选择取样窗口;计算像元点高度;根据像元点高度自适应调节滑动步长;计算粗糙度;生成粗糙度图像集;对粗糙度图像集进行图像处理,获取待检测图像集;基于连通域算法,从待检测图像集中提取气泡数据;构建气泡含量评价方法进行评价。本发明针对X‑ray图像中注塑气泡与背景的差别构建了粗糙度模型,与超声水表精度协同判断气泡含量,从而实现了一体式超声水表注塑气泡的自动化检测。

Description

一种适用于超声水表的注塑气泡检测方法
技术领域
本发明涉及缺陷检测技术领域,尤其涉及一种适用于超声水表的注塑气泡检测方法。
背景技术
超声水表凭借着始动流量小、压损小、计量精度高等优点,广泛应用于流量测量领域。其中一体式超声水表将表头外壳与流量管段一体注塑而成,具有轻便、密封性好、易于批量生产等优点。但在生产注塑时由于工艺或设备条件等问题,很难避免注塑气泡的产生,气泡的存在不仅会导致水表的强度下降,还可能会对超声水表精度造成影响。
传统方法检测注塑气泡一般通过肉眼观察X-ray图像,或待管段粘贴压电陶瓷后进行注水检测,这两种方法效果显著,但检测成本过高,操作也较为复杂。因此,本发明针对X-ray图像中注塑气泡与背景的差别构建了粗糙度模型,与超声水表精度协同判断气泡含量,进行自动化的注塑气泡检测。
发明内容
本发明针对现有技术存在的不足和缺陷,提供了一种适用于超声水表的注塑气泡检测方法,基于含有气泡的表体与不含气泡表体成像亮度不同的特点构建粗糙度模型,在注塑完成时进行无损且快速的气泡含量检测。
本发明的目的可以通过以下技术方案来实现:
一种适用于超声水表的注塑气泡检测方法,包括以下步骤:
S1,拍摄一或多只一体式超声水表的X-ray图像,作为原始图像集。
S2,对原始图像集进行灰度转换,根据转换后的原始图像定位出一体式超声水表管段中的换能器安装位置,从而裁剪获得预处理图像集。
S3,基于预处理图像集,选择取样窗口;
计算像元点高度:
式中,i、j分别表示像元的行位置和列位置;RMS(i,j)表示像元点高度;DN(i,j)表示像元值;MEAN表示取样窗口内所有像元值的均值;R表示取样窗口半径,根据一体式超声水表注塑生产工艺设定;
根据像元点高度自适应调节滑动步长为1或R,统计滑动步长为1、R的次数;
计算粗糙度ROP(i,j)
生成粗糙度图像集。
S4,根据滑动步长为1、R的统计次数对粗糙度图像集进行图像处理,获取待检测图像集。
S5,基于连通域算法,从待检测图像集中提取气泡数据;
构建气泡含量评价方法进行评价。
优选地,所述步骤S1中,拍摄时需保证各一体式超声水表表体互不重叠。
优选地,所述步骤S2中裁剪获得预处理图像集具体为:令换能器安装位置中心位于取景框的三分之一竖轴线上,保证取景框裁剪内容包括部分管段。
优选地,所述步骤S3中基于预处理图像集选择取样窗口具体为:从预处理图像的第一个像元开始,取一个能覆盖最小的气泡的且大小为(2R+1)×(2R+1)的窗口。
优选地,所述步骤S3中滑动步长的自适应调节原则为:像元点高度为0则步长为R;像元点高度不为0则步长为1。
优选地,所述步骤S4中的图像处理具体包括对粗糙度图像进行高斯模糊与USM锐化;
其中高斯模糊模板边长为0.25R;进行USM锐化时,其权重w计算公式如下:
式中,N1为滑动步长等于1的次数;NR为滑动步长等于R的次数。
优选地,所述步骤S5中:
基于连通域算法,从待检测图像集中提取气泡数据的具体步骤包括:
S51,统计待检测图像中所有的8连通域;
S52,根据预设阈值e,从所有8连通域中剔除非气泡连通域、保留气泡连通域;预设阈值e不小于注塑产生的最大气泡覆盖的面积;
S53,统计气泡连通域的数量与面积。
构建的气泡含量评价方法包括:
S5-1,计算气泡含量Z:
其中,a、b分别为气泡连通域的面积、数量的权重参数,a用于反映注塑产生的气泡的大小一致程度,b用于反映注塑产生的气泡的分布均匀程度;qs表示气泡所占像元数;S表示单个图像中总像元数;qL表示气泡的数量;L表示本批次检测过程中出现的气泡数量最大值;
S5-2,根据一体式超声水表的接收信号信噪比或精度设定气泡含量Z的阈值c;
S5-3,若Z>c,则检测不通过,一体式超声水表不予使用,否则检测通过,一体式超声水表可以使用;
S5-4,计算当前批次一体式超声水表检测通过率,若检测通过率不满足预设阈值d,则检查一体式超声水表注塑产线。
本发明的有益技术效果:基于含有气泡的表体与不含气泡表体成像亮度不同的特点构建了粗糙度模型,依据像元点高度自适应调节滑动步长计算粗糙度,对粗糙度图像进行了气泡含量的提取,在注塑完成时就对一体式超声水表进行无损且快速的注塑气泡含量检测,从而提高了产品的良率,方法成本较低,流程易于实现,工程实用性强。
附图说明
图1为本发明的总体流程图。
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,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定本发明。
实施例:
如图1所示,一种适用于超声水表的注塑气泡检测方法,包括以下步骤:
S1,拍摄某型号一体式超声水表的X-ray图像数据,作为原始图像集。拍摄时需保证各一体式超声水表表体互不重叠。
S2,对原始图像集进行灰度转换,参考某型号一体式超声水表形状特征,定位出一体式超声水表管段中的换能器安装位置,令换能器安装位置中心位于取景框的三分之一竖轴线上,保证取景框裁剪内容包括部分管段获得预处理图像集。
S3,基于预处理图像集,选择取样窗口:从预处理图像的第一个像元开始,取一个能覆盖最小的气泡的且大小为(2R+1)×(2R+1)的窗口。
计算像元点高度:
式中,i、j分别表示像元的行位置和列位置;RMS(i,j)表示像元点高度;DN(i,j)表示像元值;MEAN表示取样窗口内所有像元值的均值;R表示取样窗口半径,根据一体式超声水表注塑生产工艺设定,实施例中设定为20。
根据像元点高度自适应调节滑动步长为1或R,统计滑动步长为1、R的次数:像元点高度为0则步长为R;像元点高度不为0则步长为1。
计算粗糙度ROP(i,j)
生成粗糙度图像集。
S4,根据滑动步长为1、R的统计次数对粗糙度图像集进行图像处理,获取待检测图像集。
图像处理具体包括对粗糙度图像进行高斯模糊与USM锐化;
其中高斯模糊模板边长为0.25R;进行USM锐化时,其权重w计算公式如下:
式中,N1为滑动步长等于1的次数;NR为滑动步长等于R的次数。
S5,基于连通域算法,从待检测图像集中提取气泡数据。
构建气泡含量评价方法进行评价。
基于连通域算法,从待检测图像集中提取气泡数据的具体步骤包括:
S51,统计待检测图像中所有的8连通域;
S52,根据预设阈值e,从所有8连通域中剔除非气泡连通域、保留气泡连通域;预设阈值e不小于注塑产生的最大气泡覆盖的面积;
S53,统计气泡连通域的数量与面积。
构建的气泡含量评价方法包括:
S5-1,计算气泡含量Z:
其中,a、b分别为气泡连通域的面积、数量的权重参数,a用于反映注塑产生的气泡的大小一致程度,b用于反映注塑产生的气泡的分布均匀程度;qs表示气泡所占像元数;S表示单个图像中总像元数;qL表示气泡的数量;L表示本批次检测过程中出现的气泡数量最大值;
实施例中Z=0.8;
S5-2,根据一体式超声水表的接收信号信噪比或精度设定气泡含量Z的阈值c;实施例中c=0.5;
S5-3,若Z>c,则检测不通过,一体式超声水表不予使用,否则检测通过,一体式超声水表可以使用;
S5-4,计算当前批次一体式超声水表检测通过率,若检测通过率不满足预设阈值d,则检查一体式超声水表注塑产线。检测通过率预设阈值d的取值范围为0~100%,参考实施例中所测一体式超声水表的生产工艺,设定本次检测的检测通过率预设阈值d=90%。
本次检测中Z=0.8>0.5,因此检测不通过,一体式超声水表不予使用。
上述实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可做出各种变换和变化以得到相对应的等同的技术方案,因此所有等同的技术方案均应归入本发明的专利保护范围。

Claims (7)

1.一种适用于超声水表的注塑气泡检测方法,其特征在于,包括以下步骤:
S1,拍摄一或多只一体式超声水表的X-ray图像,作为原始图像集;
S2,对原始图像集进行灰度转换,根据转换后的原始图像定位出一体式超声水表管段中的换能器安装位置,从而裁剪获得预处理图像集;
S3,基于预处理图像集,选择取样窗口;
计算像元点高度:
式中,i、j分别表示像元的行位置和列位置;RMS(i,j)表示像元点高度;DN(i,j)表示像元值;MEAN表示取样窗口内所有像元值的均值;R表示取样窗口半径,根据一体式超声水表注塑生产工艺设定;
根据像元点高度自适应调节滑动步长为1或R,统计滑动步长为1、R的次数;
计算粗糙度ROP(i,j)
生成粗糙度图像集;
S4,根据滑动步长为1、R的统计次数对粗糙度图像集进行图像处理,获取待检测图像集;
S5,基于连通域算法,从待检测图像集中提取气泡数据;
构建气泡含量评价方法进行评价。
2.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S1中,拍摄时需保证各一体式超声水表表体互不重叠。
3.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S2中裁剪获得预处理图像集具体为:识别安装换能器位置的中心,令中心位于取景框的三分之一竖轴线上,保证取景框裁剪内容包括部分管段。
4.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S3中基于预处理图像集选择取样窗口具体为:从预处理图像的第一个像元开始,取一个能覆盖最小的气泡的且大小为(2R+1)×(2R+1)的窗口。
5.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S3中滑动步长的自适应调节原则为:像元点高度为0则步长为R;像元点高度不为0则步长为1。
6.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S4中的图像处理具体包括对粗糙度图像进行高斯模糊与USM锐化;
其中高斯模糊模板边长为0.25R;进行USM锐化时,其权重w计算公式如下:
式中,N1为滑动步长等于1的次数;NR为滑动步长等于R的次数。
7.根据权利要求1所述的一种适用于超声水表的注塑气泡检测方法,其特征在于,所述步骤S5中:
基于连通域算法,从待检测图像集中提取气泡数据的具体步骤包括:
S51,统计待检测图像中所有的8连通域;
S52,根据预设阈值,从所有8连通域中剔除非气泡连通域、保留气泡连通域;预设阈值不小于注塑产生的最大气泡覆盖的面积;
S53,统计气泡连通域的数量与面积;
构建的气泡含量评价方法包括:
S5-1,计算气泡含量Z:
其中,a、b分别为气泡连通域的面积、数量的权重参数,a用于反映注塑产生的气泡的大小一致程度,b用于反映注塑产生的气泡的分布均匀程度;qs表示气泡所占像元数;S表示单个图像中总像元数;qL表示气泡的数量;L表示本批次检测过程中出现的气泡数量最大值;
S5-2,根据一体式超声水表的接收信号信噪比或精度设定气泡含量Z的阈值c;
S5-3,若>c,则检测不通过,一体式超声水表不予使用,否则检测通过,一体式超声水表可以使用;同时计算当前批次超声水表注塑质量检测通过率,若通过率不满足预设阈值d,则检查超声水表注塑产线。
CN202310264640.2A 2023-03-20 2023-03-20 一种适用于超声水表的注塑气泡检测方法 Active CN115984267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310264640.2A CN115984267B (zh) 2023-03-20 2023-03-20 一种适用于超声水表的注塑气泡检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310264640.2A CN115984267B (zh) 2023-03-20 2023-03-20 一种适用于超声水表的注塑气泡检测方法

Publications (2)

Publication Number Publication Date
CN115984267A true CN115984267A (zh) 2023-04-18
CN115984267B CN115984267B (zh) 2023-07-25

Family

ID=85961139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310264640.2A Active CN115984267B (zh) 2023-03-20 2023-03-20 一种适用于超声水表的注塑气泡检测方法

Country Status (1)

Country Link
CN (1) CN115984267B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268512A (zh) * 2023-11-23 2023-12-22 青岛鼎信通讯科技有限公司 一种适用于超声水表的一致性优化方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10170247A (ja) * 1996-12-11 1998-06-26 Fukushima Pref Gov 非接触表面粗さ測定方法およびその測定装置
JP3660936B1 (ja) * 2004-06-24 2005-06-15 株式会社ファースト 硬化コンクリートの気泡計測方法および気泡計測装置
CN110361400A (zh) * 2019-07-01 2019-10-22 创新奇智(合肥)科技有限公司 一种铸铁工件的气泡检测方法及电子设备
CN111028202A (zh) * 2019-11-14 2020-04-17 苏州斯玛维科技有限公司 Led芯片的x射线气泡缺陷图像处理方法、设备、存储介质及系统
CN111060521A (zh) * 2019-12-31 2020-04-24 中国水利水电第十四工程局有限公司 一种预制混凝土t梁表面气泡数量与面积的检测方法
US20200334446A1 (en) * 2017-12-31 2020-10-22 Asml Netherlands B.V. Methods and systems for defect inspection and review
CN111833324A (zh) * 2020-07-09 2020-10-27 中国计量大学 基于深度学习的光纤插芯缺陷检测方法
CN113408947A (zh) * 2021-07-15 2021-09-17 隆升量化(武汉)大数据科技有限公司 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质
CN113409239A (zh) * 2020-12-04 2021-09-17 中广核贝谷科技有限公司 一种基于辐射成像的集装箱空箱检测方法
CN114298916A (zh) * 2021-11-11 2022-04-08 电子科技大学 一种基于灰度拉伸和局部增强的X-Ray图像增强方法
CN115042401A (zh) * 2022-08-16 2022-09-13 南通广信塑料机械有限公司 一种微孔发泡注塑制品的质量检测方法
CN115063404A (zh) * 2022-07-27 2022-09-16 建首(山东)钢材加工有限公司 基于x射线探伤的耐候钢焊缝质量检测方法
CN115511814A (zh) * 2022-09-20 2022-12-23 北京工业大学 一种基于兴趣区域多纹理特征融合的图像质量评价方法
CN115578374A (zh) * 2022-11-01 2023-01-06 江苏南通元辰钢结构制造有限公司 一种机械零件铸造质量评估方法与系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10170247A (ja) * 1996-12-11 1998-06-26 Fukushima Pref Gov 非接触表面粗さ測定方法およびその測定装置
JP3660936B1 (ja) * 2004-06-24 2005-06-15 株式会社ファースト 硬化コンクリートの気泡計測方法および気泡計測装置
US20200334446A1 (en) * 2017-12-31 2020-10-22 Asml Netherlands B.V. Methods and systems for defect inspection and review
CN110361400A (zh) * 2019-07-01 2019-10-22 创新奇智(合肥)科技有限公司 一种铸铁工件的气泡检测方法及电子设备
CN111028202A (zh) * 2019-11-14 2020-04-17 苏州斯玛维科技有限公司 Led芯片的x射线气泡缺陷图像处理方法、设备、存储介质及系统
CN111060521A (zh) * 2019-12-31 2020-04-24 中国水利水电第十四工程局有限公司 一种预制混凝土t梁表面气泡数量与面积的检测方法
CN111833324A (zh) * 2020-07-09 2020-10-27 中国计量大学 基于深度学习的光纤插芯缺陷检测方法
CN113409239A (zh) * 2020-12-04 2021-09-17 中广核贝谷科技有限公司 一种基于辐射成像的集装箱空箱检测方法
CN113408947A (zh) * 2021-07-15 2021-09-17 隆升量化(武汉)大数据科技有限公司 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质
CN114298916A (zh) * 2021-11-11 2022-04-08 电子科技大学 一种基于灰度拉伸和局部增强的X-Ray图像增强方法
CN115063404A (zh) * 2022-07-27 2022-09-16 建首(山东)钢材加工有限公司 基于x射线探伤的耐候钢焊缝质量检测方法
CN115042401A (zh) * 2022-08-16 2022-09-13 南通广信塑料机械有限公司 一种微孔发泡注塑制品的质量检测方法
CN115511814A (zh) * 2022-09-20 2022-12-23 北京工业大学 一种基于兴趣区域多纹理特征融合的图像质量评价方法
CN115578374A (zh) * 2022-11-01 2023-01-06 江苏南通元辰钢结构制造有限公司 一种机械零件铸造质量评估方法与系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DMITRII ZHUKOV 等: "Specifics of diagnostics and investigation of material properties in pipes with planar defects", 《INTERNATIONAL JOURNAL OF PRESSURE VESSELS AND PIPING》, vol. 199, pages 1 - 14 *
向弋川 等: "光学元件表面缺陷检测方法研究现状", 《光学仪器》, vol. 40, no. 1, pages 78 - 87 *
梁秀满 等: "基于Canny算子的浮选气泡形态特征参数提取", 《中国矿业》, vol. 27, no. 8, pages 126 - 130 *
郭珍琦 等: "不同储藏气压下含气土细观结构表征与重构研究", 《海洋学报》, vol. 43, no. 11, pages 96 - 104 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268512A (zh) * 2023-11-23 2023-12-22 青岛鼎信通讯科技有限公司 一种适用于超声水表的一致性优化方法
CN117268512B (zh) * 2023-11-23 2024-02-09 青岛鼎信通讯科技有限公司 一种适用于超声水表的一致性优化方法

Also Published As

Publication number Publication date
CN115984267B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN115984267A (zh) 一种适用于超声水表的注塑气泡检测方法
CN111652213A (zh) 一种基于深度学习的船舶水尺读数识别方法
US11010590B2 (en) Image processing device, cell-cluster recognition apparatus, cell-cluster recognition method, and cell-cluster recognition program for binarizing and segmenting smoothed cell image in which gap between cells in each cell cluster is filled in
CN115035113B (zh) 基于x射线的手机数据线生产缺陷无损检测方法
CN113077392B (zh) 一种针对指针表模糊照片的高准确度自动读数方法
CN114376603B (zh) 一种二维频谱多普勒超声心动图像的处理方法和装置
CN112017130B (zh) 基于自适应各向异性全变分正则化的图像复原方法
CN117408995B (zh) 基于多特征融合的电源适配器外观质量检测方法
CN115690106A (zh) 一种基于计算机视觉的深埋锚具封闭检测方法
CN112949378A (zh) 一种基于深度学习网络的细菌显微图像分割方法
CN113484867B (zh) 一种基于成像声呐封闭空间下鱼群密度探测方法
CN116109558A (zh) 基于颈部半透明厚度测量值筛查胎儿染色体异常的方法
CN116485801B (zh) 基于计算机视觉的胶管质量在线检测方法及系统
CN115984360B (zh) 一种基于图像处理的计算干滩长度的方法及系统
CN110348339B (zh) 一种基于实例分割的手写文档文本行的提取方法
CN116681696A (zh) 一种用于自动化生产设备的模具质量监测方法
CN114066887B (zh) 大米垩白区域检测方法、装置、设备及存储介质
CN112862826B (zh) 一种表面缺陷检测任务的正常样本无损生成方法
CN112330660B (zh) 一种基于神经网络的精子尾部检测方法及其系统
CN113723406A (zh) 一种对冠脉造影图像进行支架定位的处理方法和装置
CN112288764A (zh) 图像分割方法、装置、设备及存储介质
CN115998275B (zh) 血流速度检测校准方法、装置、设备及可读存储介质
CN116012283B (zh) 一种全自动超声图像量测方法、设备及存储介质
CN117252877B (zh) 基于图像特征的二极体导线架质量检测方法
CN108734707B (zh) 一种基于红外线激光和3d相机的手机喇叭泡棉有无检测方法

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