CN118010759A - 一种纳米压印图像的检测方法 - Google Patents
一种纳米压印图像的检测方法 Download PDFInfo
- Publication number
- CN118010759A CN118010759A CN202410412688.8A CN202410412688A CN118010759A CN 118010759 A CN118010759 A CN 118010759A CN 202410412688 A CN202410412688 A CN 202410412688A CN 118010759 A CN118010759 A CN 118010759A
- Authority
- CN
- China
- Prior art keywords
- image
- imprinting
- pixel
- edge
- imprint
- 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
- 238000001514 detection method Methods 0.000 title abstract description 10
- 239000000758 substrate Substances 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000012797 qualification Methods 0.000 abstract description 2
- 238000012946 outsourcing Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920002120 photoresistant polymer Polymers 0.000 description 2
- 239000002086 nanomaterial Substances 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种纳米压印图像的检测方法，属于图像处理技术领域，包括以下步骤：S1、采集待检测基板的压印图像，并获取待检测基板对应的纳米压印模具的模板图像；S2、根据模板图像，确定压印图像的成形度；S3、根据压印图像的成形度，确定待检测基板是否合格。在本发明公开的纳米压印图像检测方法中，将纳米压印加工完成的压印图像与模具的模板图像（即标准图像）进行像素点的分析对比，确定反映压印图像压印标准程度的参数，即成形度；根据成形度与成形阈值的大小比较就可以确定待检测基板是否合格。本发明可以对纳米压印结果进行监测，提高纳米压印的合格率。
Description
技术领域
本发明属于图像处理技术领域，具体涉及一种纳米压印图像的检测方法。
背景技术
纳米科学自上世纪90年代以来蓬勃发展，目前其成果已经在很多行业得到了广泛应用。纳米材料加工技术是纳米科学的基础,纳米压印技术具有生产效率高、成本低、工艺过程简单、大面积结构复制的均匀性和重复性良好的特点。纳米压印的基本指导思想就是通过转移介质将掩模具上的图形转移到基板上，基板的表面涂上光刻胶，然后将模板压在其表面，采用加压的方式使图案转移到光刻胶上。但在纳米压印的实际操作过程中，加工后的基板图形并不一定满足生产需求，因此需对加工后的基板图像与模具的图像进行对比分析，确定纳米压印加工是否合格。
发明内容
本发明为了解决以上问题，提出了一种纳米压印图像的检测方法。
本发明的技术方案是：一种纳米压印图像的检测方法包括以下步骤：
S1、采集待检测基板的压印图像，并获取待检测基板对应的纳米压印模具的模板图像；
S2、根据模板图像，确定压印图像的成形度；
S3、根据压印图像的成形度，确定待检测基板是否合格。
进一步地，S2包括以下子步骤：
S21、提取压印图像中每个像素点的海森矩阵；
S22、根据压印图像中每个像素点的海森矩阵，确定压印图像的压印边缘形状；
S23、提取模板图像的轮廓；
S24、根据压印图像的压印边缘形状以及模板图像的轮廓，计算压印图像的成形度。
上述进一步方案的有益效果是：在本发明中，待检测基板的压印图像中压印形状关乎压印结果，所以本发明根据压印图像中每个像素点的海森矩阵来确定压印边缘形状。模具的模板图像是标准的，可以作为参考图像，与压印图像进行对比分析，计算成形度。因此，本发明对两张图像之间进行像素点的轮廓分析，为判断待检测基板是否合格打下基础。
在本发明中，图像的边缘轮廓可以通过Sobel算子以及Canny算子等完成。海森矩阵（Hessian矩阵）在图像处理中有广泛的应用，比如边缘检测和特征点检测等。
进一步地，S22包括以下子步骤：
S221、为每个像素点生成像素偏置值；
S222、将海森矩阵值从大到小排列，得到矩阵值序列；
S223、根据矩阵值序列以及各个像素点的像素偏置值，生成各个像素点的边缘完整度；
S224、根据各个像素点的边缘完整度，确定压印图像的压印边缘形状。
进一步地，S221中，像素点的像素偏置值b的计算公式为：；式中，K表示像素点的像素值，β表示极小的正数，K0表示所有像素点的像素值均值。
进一步地，S223中，像素点的边缘完整度w的计算公式为：；式中，X表示像素点的海森矩阵，Random[·]表示随机数函数，b表示像素点的像素偏置值，D表示矩阵值序列的中位数。
进一步地，S22中，确定压印图像的压印边缘形状的方法为：将边缘完整度从大到小排列，并将前个边缘完整度对应的像素点连接，作为压印图像的压印边缘形状；其中，J表示压印图像的像素点个数，/>表示向上取整运算。
进一步地，S24中，压印图像的成形度c的计算公式为：；式中，S1表示压印图像的压印边缘形状的最小外包圆的面积，S0表示模板图像的轮廓的最小外包圆的面积，σ表示压印图像的压印边缘形状以及模板图像的轮廓之间的哈希相似度。
可以对压印图像的压印边缘形状的最小外包圆的面积以及表示模板图像的轮廓的最小外包圆的面积之间的比值进行去除量纲处理。哈希相似度是一种简单而有效的图像相似度计算方法，它可以通过计算图像的平均灰度值来生成一个哈希码，用于表示图像的特征。同理，可以对模板图像的轮廓面积与模板图像的总面积之间的比值进行去除量纲处理。
进一步地，S3中，确定待检测基板是否合格的方法为：将模板图像的轮廓面积与模板图像的总面积之间的比值作为成形阈值，若压印图像的成形度大于或等于成形阈值，则待检测基板合格，否则待检测基板不合格。
本发明的有益效果是：在本发明公开的纳米压印图像检测方法中，将纳米压印加工完成的压印图像与模具的模板图像（即标准图像）进行像素点的分析对比，确定反映压印图像压印标准程度的参数，即成形度；根据成形度与成形阈值的大小比较就可以确定待检测基板是否合格。本发明可以对纳米压印结果进行监测，提高纳米压印的合格率。
附图说明
图1为纳米压印图像的检测方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种纳米压印图像的检测方法，包括以下步骤：
S1、采集待检测基板的压印图像，并获取待检测基板对应的纳米压印模具的模板图像；
S2、根据模板图像，确定压印图像的成形度；
S3、根据压印图像的成形度，确定待检测基板是否合格。
在本发明实施例中，S2包括以下子步骤：
S21、提取压印图像中每个像素点的海森矩阵；
S22、根据压印图像中每个像素点的海森矩阵，确定压印图像的压印边缘形状；
S23、提取模板图像的轮廓；
S24、根据压印图像的压印边缘形状以及模板图像的轮廓，计算压印图像的成形度。
在本发明中，待检测基板的压印图像中压印形状关乎压印结果，所以本发明根据压印图像中每个像素点的海森矩阵来确定压印边缘形状。模具的模板图像是标准的，可以作为参考图像，与压印图像进行对比分析，计算成形度。因此，本发明对两张图像之间进行像素点的轮廓分析，为判断待检测基板是否合格打下基础。
在本发明中，图像的边缘轮廓可以通过Sobel算子以及Canny算子等完成。海森矩阵（Hessian矩阵）在图像处理中有广泛的应用，比如边缘检测和特征点检测等。
在本发明实施例中，S22包括以下子步骤：
S221、为每个像素点生成像素偏置值；
S222、将海森矩阵值从大到小排列，得到矩阵值序列；
S223、根据矩阵值序列以及各个像素点的像素偏置值，生成各个像素点的边缘完整度；
S224、根据各个像素点的边缘完整度，确定压印图像的压印边缘形状。
在本发明实施例中，S221中，像素点的像素偏置值b的计算公式为：；式中，K表示像素点的像素值，β表示极小的正数，K0表示所有像素点的像素值均值。
在本发明实施例中，S223中，像素点的边缘完整度w的计算公式为：；式中，X表示像素点的海森矩阵，Random[·]表示随机数函数，b表示像素点的像素偏置值，D表示矩阵值序列的中位数。
在本发明实施例中，S22中，确定压印图像的压印边缘形状的方法为：将边缘完整度从大到小排列，并将前个边缘完整度对应的像素点连接，作为压印图像的压印边缘形状；其中，J表示压印图像的像素点个数，/>表示向上取整运算。
在本发明实施例中，S24中，压印图像的成形度c的计算公式为：；式中，S1表示压印图像的压印边缘形状的最小外包圆的面积，S0表示模板图像的轮廓的最小外包圆的面积，σ表示压印图像的压印边缘形状以及模板图像的轮廓之间的哈希相似度。
可以对压印图像的压印边缘形状的最小外包圆的面积以及表示模板图像的轮廓的最小外包圆的面积之间的比值进行去除量纲处理。哈希相似度是一种简单而有效的图像相似度计算方法，它可以通过计算图像的平均灰度值来生成一个哈希码，用于表示图像的特征。同理，可以对模板图像的轮廓面积与模板图像的总面积之间的比值进行去除量纲处理。
在本发明实施例中，S3中，确定待检测基板是否合格的方法为：将模板图像的轮廓面积与模板图像的总面积之间的比值作为成形阈值，若压印图像的成形度大于或等于成形阈值，则待检测基板合格，否则待检测基板不合格。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种纳米压印图像的检测方法，其特征在于，包括以下步骤：
S1、采集待检测基板的压印图像，并获取待检测基板对应的纳米压印模具的模板图像；
S2、根据模板图像，确定压印图像的成形度；
S3、根据压印图像的成形度，确定待检测基板是否合格。
2.根据权利要求1所述的纳米压印图像的检测方法，其特征在于，所述S2包括以下子步骤：
S21、提取压印图像中每个像素点的海森矩阵；
S22、根据压印图像中每个像素点的海森矩阵，确定压印图像的压印边缘形状；
S23、提取模板图像的轮廓；
S24、根据压印图像的压印边缘形状以及模板图像的轮廓，计算压印图像的成形度。
3.根据权利要求2所述的纳米压印图像的检测方法，其特征在于，所述S22包括以下子步骤：
S221、为每个像素点生成像素偏置值；
S222、将海森矩阵值从大到小排列，得到矩阵值序列；
S223、根据矩阵值序列以及各个像素点的像素偏置值，生成各个像素点的边缘完整度；
S224、根据各个像素点的边缘完整度，确定压印图像的压印边缘形状。
4.根据权利要求3所述的纳米压印图像的检测方法，其特征在于，所述S221中，像素点的像素偏置值b的计算公式为：；式中，K表示像素点的像素值，β表示极小的正数，K0表示所有像素点的像素值均值。
5.根据权利要求3所述的纳米压印图像的检测方法，其特征在于，所述S223中，像素点的边缘完整度w的计算公式为：；式中，X表示像素点的海森矩阵，Random[·]表示随机数函数，b表示像素点的像素偏置值，D表示矩阵值序列的中位数。
6.根据权利要求1所述的纳米压印图像的检测方法，其特征在于，所述S22中，确定压印图像的压印边缘形状的方法为：将边缘完整度从大到小排列，并将前个边缘完整度对应的像素点连接，作为压印图像的压印边缘形状；其中，J表示压印图像的像素点个数，/>表示向上取整运算。
7.根据权利要求2所述的纳米压印图像的检测方法，其特征在于，所述S24中，压印图像的成形度c的计算公式为：；式中，S1表示压印图像的压印边缘形状的最小外包圆的面积，S0表示模板图像的轮廓的最小外包圆的面积，σ表示压印图像的压印边缘形状以及模板图像的轮廓之间的哈希相似度。
8.根据权利要求1所述的纳米压印图像的检测方法，其特征在于，所述S3中，确定待检测基板是否合格的方法为：将模板图像的轮廓面积与模板图像的总面积之间的比值作为成形阈值，若压印图像的成形度大于或等于成形阈值，则待检测基板合格，否则待检测基板不合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410412688.8A CN118010759B (zh) | 2024-04-08 | 2024-04-08 | 一种纳米压印图像的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410412688.8A CN118010759B (zh) | 2024-04-08 | 2024-04-08 | 一种纳米压印图像的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118010759A true CN118010759A (zh) | 2024-05-10 |
| CN118010759B CN118010759B (zh) | 2024-09-06 |
Family
ID=90954731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410412688.8A Active CN118010759B (zh) | 2024-04-08 | 2024-04-08 | 一种纳米压印图像的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118010759B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015026671A (ja) * | 2013-07-25 | 2015-02-05 | 大日本印刷株式会社 | 欠陥解析方法、凹凸パターン構造体の製造方法及びインプリントシステム |
| CN107389693A (zh) * | 2017-06-29 | 2017-11-24 | 西安理工大学 | 一种基于机器视觉的印刷品缺陷自动检测方法 |
| CN109332192A (zh) * | 2018-08-03 | 2019-02-15 | 小黄狗环保科技有限公司 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
| CN110443803A (zh) * | 2019-09-02 | 2019-11-12 | 河海大学 | 一种印刷品图像质量检测方法及装置 |
| US20200117894A1 (en) * | 2018-10-10 | 2020-04-16 | Drvision Technologies Llc | Automated parameterization image pattern recognition method |
| CN112288734A (zh) * | 2020-11-06 | 2021-01-29 | 西安工程大学 | 一种基于图像处理的印花织物表面缺陷检测方法 |
| CN112465809A (zh) * | 2020-12-15 | 2021-03-09 | 北京市计算中心 | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 |
| CN114742752A (zh) * | 2022-03-02 | 2022-07-12 | 平方和(北京)科技有限公司 | 隐形眼镜铸模印刷质量的检测方法和装置 |
| CN115082472A (zh) * | 2022-08-22 | 2022-09-20 | 江苏东跃模具科技有限公司 | 一种轮毂模具浇注成型产品的质量检测方法及系统 |
| CN115272343A (zh) * | 2022-09-29 | 2022-11-01 | 江苏剑山包装科技有限公司 | 一种包装印刷品印刷质量检测方法 |
| CN117252878A (zh) * | 2023-11-17 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像缺陷检测方法 |
| CN117252870A (zh) * | 2023-11-15 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像处理方法 |
| CN117372431A (zh) * | 2023-12-07 | 2024-01-09 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像检测方法 |
-
2024
- 2024-04-08 CN CN202410412688.8A patent/CN118010759B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015026671A (ja) * | 2013-07-25 | 2015-02-05 | 大日本印刷株式会社 | 欠陥解析方法、凹凸パターン構造体の製造方法及びインプリントシステム |
| CN107389693A (zh) * | 2017-06-29 | 2017-11-24 | 西安理工大学 | 一种基于机器视觉的印刷品缺陷自动检测方法 |
| CN109332192A (zh) * | 2018-08-03 | 2019-02-15 | 小黄狗环保科技有限公司 | 一种用于易拉罐和饮料瓶分类的图像识别方法 |
| US20200117894A1 (en) * | 2018-10-10 | 2020-04-16 | Drvision Technologies Llc | Automated parameterization image pattern recognition method |
| CN110443803A (zh) * | 2019-09-02 | 2019-11-12 | 河海大学 | 一种印刷品图像质量检测方法及装置 |
| CN112288734A (zh) * | 2020-11-06 | 2021-01-29 | 西安工程大学 | 一种基于图像处理的印花织物表面缺陷检测方法 |
| CN112465809A (zh) * | 2020-12-15 | 2021-03-09 | 北京市计算中心 | 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置 |
| CN114742752A (zh) * | 2022-03-02 | 2022-07-12 | 平方和(北京)科技有限公司 | 隐形眼镜铸模印刷质量的检测方法和装置 |
| CN115082472A (zh) * | 2022-08-22 | 2022-09-20 | 江苏东跃模具科技有限公司 | 一种轮毂模具浇注成型产品的质量检测方法及系统 |
| CN115272343A (zh) * | 2022-09-29 | 2022-11-01 | 江苏剑山包装科技有限公司 | 一种包装印刷品印刷质量检测方法 |
| CN117252870A (zh) * | 2023-11-15 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像处理方法 |
| CN117252878A (zh) * | 2023-11-17 | 2023-12-19 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像缺陷检测方法 |
| CN117372431A (zh) * | 2023-12-07 | 2024-01-09 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印模具的图像检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118010759B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709909B (zh) | 基于深度学习的通用印刷缺陷检测方法及其模型 | |
| CN113239954B (zh) | 基于注意力机制的图像语义分割特征融合方法 | |
| CN117372431B (zh) | 一种纳米压印模具的图像检测方法 | |
| CN117252870B (zh) | 一种纳米压印模具的图像处理方法 | |
| CN107871137A (zh) | 一种基于图像识别的物料匹配方法 | |
| CN104778458A (zh) | 一种基于纹理特征的纺织品花纹检索方法 | |
| CN118071756B (zh) | 一种基于钻石的图像数据处理方法 | |
| CN110738139A (zh) | 一种融合Min-Max目标的NIN车牌识别方法 | |
| CN115273088A (zh) | 基于机器视觉的汉字印刷质量检测方法 | |
| CN118010759B (zh) | 一种纳米压印图像的检测方法 | |
| CN115527072A (zh) | 一种基于稀疏空间感知与元学习的芯片表面缺陷检测方法 | |
| CN116523901B (zh) | 一种基于计算机视觉的冲切模具检测方法 | |
| CN114800041A (zh) | 一种刀具状态监测方法及其监测装置 | |
| CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 | |
| CN109934231A (zh) | 基于多方向灰度共生矩阵的棒材端面字符图像识别方法 | |
| CN112258546A (zh) | 一种slam系统的关键帧选取方法 | |
| CN114359276B (zh) | 基于麻点缺陷的钢模下料优选方案获取方法 | |
| CN116091531A (zh) | 一种用于提取线结构光光条中心线的方法及其应用 | |
| CN112862767B (zh) | 基于度量学习的解决难分不平衡样本的表面缺陷检测方法 | |
| Yang et al. | Center extraction algorithm of linear structured light stripe based on improved gray barycenter method | |
| CN117495722B (zh) | 一种纳米压印光刻的图像处理方法 | |
| KR100344917B1 (ko) | 선박용 1차곡면 외판의 가공정보 산출방법 | |
| CN112200785A (zh) | 基于随机散点关系拓扑匹配函数的改进数字图像相关方法 | |
| CN118397002B (zh) | 一种纳米压印晶圆生产的质量管理方法 | |
| Zuo et al. | A novel image segmentation method of pavement surface cracks based on fractal theory |
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 |