CN212658619U - 一种检测传感器 - Google Patents
一种检测传感器 Download PDFInfo
- Publication number
- CN212658619U CN212658619U CN202020789388.9U CN202020789388U CN212658619U CN 212658619 U CN212658619 U CN 212658619U CN 202020789388 U CN202020789388 U CN 202020789388U CN 212658619 U CN212658619 U CN 212658619U
- Authority
- CN
- China
- Prior art keywords
- light
- emission
- recovery
- light path
- channel
- 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.)
- Active
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种检测传感器,该检测传感器包括基体,基体内设有发射光路和回收光路,发射光路有2条或2条以上,所有发射光路从视窗玻璃的外表面入射,所有发射光路相交于同一区域,区域位于基体外;区域位于回收光路上;发射光路包括光源和凸透镜;回收光路包括光接收器和凸透镜;光源具有电源连接部,光接收器连接光纤。优点在于:以用平行光束透过视窗玻璃,两束光聚焦于视窗玻璃的第二端面,不同类型的物料以及不同的物料状态形成的吸收光谱不同,通过分析反射回来的光谱,确定视窗内的物料状态,以及监测物料的各种参数。
Description
技术领域
本实用新型涉及一种检测传感器及其非插入式在线检测系统。
背景技术
制粒流化床将制药过程中的制粒、包衣和干燥一步完成,广泛用于制药生产环节中。
流化床制得的颗粒直径范围不仅影响下一步工艺流程,也影响着最终的药品质量。现有的制粒流化床操作参数在生产时候是固定的,而原料的批次和环境会随着时间变化,操作参数不能随着这些变化而改变,这将会造成所得的药品质量一致性差,甚至不合格。对颗粒直径进行实时在线检测,可以根据这些变化改变操作参数,使得颗粒直径分布在期望的范围内,不仅可以监测制粒的过程,而且药品的质量也能得到控制,所以对流化床制粒过程中颗粒的直径的在线检测十分有必要。
质量检验一直是保证药品质量合格的重要步骤。常见的流化床制粒过程的在线检测装置,都是在流化床工作时,采样件深入流化室内,将颗粒样本取出,对取出的样本进行检测。而流化床是一个封闭的工作空间,采样件的进入可能会干扰正常的流化制粒流场,对制粒过程和结果造成影响。
实用新型内容
为了克服现有技术中,需要使采样件进入流化室内,可能干扰流化制粒的问题,本实用新型提供一种无须进入流化室内即可实现对流化制粒的在线监测的装置。
一种检测传感器,其特征在于:该检测传感器包括基体,基体内设有发射光路和回收光路,发射光路有2条或2条以上,所有发射光路从视窗玻璃的外表面入射,所有发射光路相交于同一区域,区域位于基体外;区域位于回收光路上;发射光路包括光源和凸透镜;回收光路包括光接收器和回收凸透镜;光源具有电源连接部,光接收器连接光纤。
相交的区域为一个点,或者一个范围,其目的在于所有发射光路汇集成一个光斑。这样能够增强光斑的光强。每一条发射光路具有各自的入射角度,因此能够从多个角度获得区域处的物料信息。光源发射出一束光,凸透镜将光转变为平行光,凸透镜的设置增大了照射目标物的光斑范围,获取更丰富的目标物信息。
光接收器获取的光信息可以通过光纤输入光谱仪,由光谱仪进行光信息分析。
优选的,发射光路成对设置,每一对发射光路的角平分线均为回收光路的中轴线。以回收光路为中角平分线,形成夹角的两条发射光路成一对。如此设置,能够从左右两侧或上下两侧获得更完整的目标物信息。
优选的,每条发射光路设置于发射通道内,回收光路设置于回收通道内,发射通道的出口和回收光路的入口相交于通道交口,通道交口具有定位面。检测传感器使用时,定位面与光的入射面贴合。优选的,光源、凸透镜和发射通道同轴。也就是说,所有发射通道的中轴线相较于同一区域,该区域位于基体外。
优选的,光源固定于发射通道的入口,光接收器固定于回收通道的出口。优选的,光源发出近红外光。
优选的,检测传感器包括基体,发射通道和回收通道设置于基体内,基体具有与视窗玻璃贴合的定位面。优选的,基体上具有与定位面平行的第二平面,光接收器与第二平面接触。第二平面可以作为光接收器的安装基准。优选的,基体上具有第三平面和第四平面,回收通道位于第三平面和第四平面的角平分线上,其中一个光发射器与第三平面接触,另一个光发射器与第四平面接触。第三平面和第四平面可以作为光发射器的安装基准,比如,光发射器与第三平面(第四平面)垂直。
在线检测流化制粒的应用,其特征在于:该在线检测装置包括支架和上述检测传感器,电源和光谱分析设备,检测传感器设置于流化室外,检测传感器通过支架贴紧视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
以视窗玻璃位于流化室内的端面为第二端面,以视窗玻璃位于流化室外的端面为第一端面。本方案以平行光经流化床的视窗玻璃射入流化室内,光到达视窗玻璃的第二端面,根据流化室内的不同物料、流化参数等,回收光路获得的光谱不同,从而实现对于流化室内物料的在线监测。
该检测传感器能够用于以非插入式的方式在线检测任意有玻璃视窗的密封空间内的物料。
该检测传感器用于在线检测流化床的流化室内物料,检测传感器设置于流化室外,检测传感器通过支架贴紧流化室的视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
该检测传感器用于在线检测真空干燥机内物料,真空干燥机的在线检测系统,包括检测传感器,支架,电源和光谱分析设备;检测传感器设置于真空干燥机外,检测传感器通过支架贴紧真空干燥机的视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
该检测传感器用于在线检测药材分拣机内物料,药材分拣机的在线检测系统,包括检测传感器,支架,电源和光谱分析设备;检测传感器设置于药材分拣机外,检测传感器通过支架贴紧药材分拣机的视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
本实用新型的优点在于:以用平行光束透过视窗玻璃,两束光聚焦于视窗玻璃的第二端面,不同类型的物料以及不同的物料状态形成的吸收光谱不同,通过分析反射回来的光谱,确定室窗内的物料状态,以及监测物料的各种参数。
附图说明
图1是检测传感器的光路图。
图2是检测传感器的发射通道和回收通道的布置图。
图3是检测传感器的基体的示意图。
图4是基体上装配有光发射器和光接收器的示意图。
图5是图3的剖视图。
图6是检测传感器贴在视窗玻璃的外表面(第一端面),光源发射形成光斑的示意图。
图7是回收光束的原始光谱图。
图8是颗粒水分预测值的图谱。
图9是粒径和颗粒分布的图谱。
图10外部验证集预测结果,其中,(a)表示颗粒水分含量;(b)表示颗粒粒径D10、D50和D90;(c)表示颗粒产率。
具体实施方式
结合附图,进一步说明本实用新型的详细内容。
检测传感器
一种检测传感器,该检测传感器包括基体,基体内设有发射光路和回收光路,发射光路有多条以上,所有发射光路从视窗玻璃3的外表面入射,所有发射光路相交于同一区域,区域位于基体外;区域位于回收光路上;发射光路包括光源和凸透镜;回收光路包括光接收器和回收凸透镜;光源具有电源连接部和光接收器分别连接各自的光纤。
多条发射光路相交于同一区域、形成光斑7,发射光路的数量越多,光斑7的光强越强。每一条发射光路具有各自的入射角度,因此能够从多个角度获得区域处的物料信息。光源发射出一束光,凸透镜将光转变为平行光,凸透镜的设置增大了照射目标物的光斑7范围,获取更丰富的目标物信息。光斑7的部分光束进入回收通道形成回收光束5,回收光束5经回收凸透镜转变为平行光,平行光进入光接收器,光接收器获取的光信息可以通过光纤输入光谱仪,由光谱仪进行光信息分析。
在一些实施例中,如图1所示,发射光路成对设置,每一对发射光路的角平分线均为回收光路的中轴线。以回收光路为中角平分线,形成夹角的两条发射光路成一对。如此设置,能够从左右两侧或上下两侧获得更完整的目标物信息。
每条发射光路设置于发射通道内,回收光路设置于回收通道内,发射通道的出口和回收光路的入口相交于通道交口,通道交口具有定位面。检测传感器使用时,定位面与光的入射面贴合。优选的,光源、凸透镜和发射通道同轴。也就是说,所有发射通道的中轴线相较于同一区域,该区域位于基体外。
光源固定于发射通道的入口,光接收器固定于回收通道的出口。
在一些实施例中,基体上具有与定位面平行的第二平面9,光接收器与第二平面9接触。第二平面9可以作为光接收器的安装基准。优选的,基体上具有第三平面10和第四平面8,回收通道位于第三平面10和第四平面8的角平分线上,其中一个光发射器与第三平面10接触,另一个光发射器与第四平面8接触。第三平面10和第四平面8可以作为光发射器的安装基准,比如,光发射器与第三平面10 (第四平面8)垂直。
该检测传感器能够用于以非插入式的方式在线检测任意有玻璃视窗的密封空间内的物料。如下举例应用场景:
流化床制粒过程的在线监测系统,该在线检测装置包括支架和检测传感器,检测传感器采用实施例或者实施例2的方案;两路发射光路分别从流化床的视窗玻璃3的第一端面入射,两路发射光路的相交于视窗玻璃3的第二端面;回收光路获得的信号输入光谱分析仪器中。检测传感器贴靠在视窗玻璃3上。
以视窗玻璃3位于流化室内的端面为第二端面,以视窗玻璃3位于流化室外的端面为第一端面。本方案以平行光经流化床的视窗玻璃 3射入流化室内,光到达视窗玻璃3的第二端面,根据流化室内的不同物料、流化参数等,回收光路获得的光谱不同,从而实现对于流化室内物料的在线监测。
该检测传感器用于在线检测真空干燥机内物料;真空干燥机的在线检测系统,包括检测传感器,支架,电源和光谱分析设备;检测传感器设置于真空干燥机外,检测传感器通过支架贴紧真空干燥机的视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
该检测传感器用于在线检测药材分拣机内物料:药材分拣机的在线检测系统,包括检测传感器,支架,电源和光谱分析设备;检测传感器设置于药材分拣机外,检测传感器通过支架贴紧药材分拣机的视窗玻璃外表面,检测传感器的发射光路从视窗玻璃的外表面入射,所有发射光路在视窗玻璃的内表面相交于同一区域;区域位于回收光路上。
实施例1
本实施例中,将上述检测传感器应用于颗粒物料的流化在线检测。
本实施例进行以下操作:
S1、对检测传感器做安装准备:1、将检测器传感器与光谱仪相连;2、将检测传感器安装在支架上,检测传感器的基体的定位面11紧贴视窗玻璃3的外表面,如图6所示;
S2、初始化光谱仪,采集视窗背景光谱;
S4、开始实验,光源发光,光源经发射光路的凸透镜转化为平行光,从视窗玻璃3入射;所有的发射光路的光线相交形成光斑7,回收光斑7的反射光形成回收光束5,将回收光束5输入光谱仪,原始光谱图参见图7所示;
S5、将光斑7的回收光的光谱信号先去除掉视窗背景光谱获得目标物料光谱,建立或获取目标物料的校正模型,校正模型包括水分含量预测模型和粒径预测模型;将光谱输入到校正模型中,得到水分与粒径的预测值,参见图8、图9所示。校正模型可以是采用已有模型,也可以是根据物料建立。
实施例1只是将本实用新型的检测传感器应用于在线检测颗粒流化过程,但本实用新型的检测传感器不局限于用于检测流化制粒,可用于所有物料位于密封空间内的非插入式在线检测,诸如搅拌釜式反应器、高速剪切制粒机、混合机、单锥螺旋真空干燥机等。
实施例2
颗粒水分含量预测模型的建立
在制粒过程中,颗粒水分含量对颗粒的生长和流化状态有重要的作用,是需要监测和控制的关键参数之一。本实验中,使用150个样本(水分含量范围为3.30%~11.28%)建立颗粒的水分含量模型,其中110个样本作为校正集,40个样本作为内部验证集。近红外光谱数据通常存在严重的谱峰重叠和共线性,因此光谱的预处理方法与波长选择对近红外光谱校正模型的建立相当重要,选择合适的光谱预处理方法与光谱区间,可以消除无关的干扰,建立预测能力高、稳健性好的校正模型。水分可以强烈影响近红外光谱,近红外在6896.5cm-1和5154.63cm-1附近有强烈的水分吸收峰,通过监控NIRS特征波长能实现测定颗粒的水分含量。1440nm处较低的吸收峰是-OH分子结合水在3500cm-1伸缩振动的第一水泛频光谱,该谱带也可以由其他含有-OH基团的化合物产生。而在1940nm处的高吸收谱带是水的-OH分子在3500cm-1的伸缩振动和-OH分子结合水在1650cm-1的变形振动结合产生。考虑到光纤对于4000-4500cm-1波段的近红外具有较强的衰减作用,建立模型的时候不使用该波段的数据。根据水分吸收峰和前文对过程光谱的分析,选择5383.21cm-1~5070.03cm-1之间的区域作为光谱特征波段,用于建立水分含量校正模型。
近红外受到样品不均匀度、样品表面粗糙度、光散射和光程变化等影响,光谱产生基线漂移。Willimas和Thompson等分别指出影响近红外光谱分析准确性和精确性最重要的因素是样品的粒度,不同粒度大小样品的近红外光谱有明显的差异,随样品颗粒度的增大,吸光度增加,且波长越长,光谱变异越大。采用合理的预处理方法对光谱进行预处理,可以减小各种干扰的影响,提高信噪比,从而提高模型的精度和稳健性。颗粒粒径和密度等物理属性强烈地影响光谱的基线,掩盖了水分变化对于光谱的影响,因此,在建立水分含量校正模型时候,需要消除光谱中包含的颗粒粒径等物理属性信息,增强水分信息,以提高水分含量校正模型的精度。一般常用的消除散射效应和基线漂移方法包括标准正则变量(Standard Normal Variate,SNV)、多元散射校正(Multiplicative scatter correction,MSC)、导数变换(Derievete) 等。
对原始光谱分别采用MSC,SNV和导数等预处理方法,运用留一法(leave-one-out)交叉验证,以RMSECV(交叉验证均方根)为指标确定PLS建模最佳主成分数,建立水分含量校正模型。并以所建立校正模型的各种性能参数作为判定依据进行优选,经过不同光谱预处理方法所建立的模型的性能参数见表1。从结果看出,相比原始光谱模型,经过MSC、SNV和2stD方法预处理的校正模型的RMSEC (校正均方根偏差)、RMSEP(预测均方根偏差)和RMSECV参数没有增加,说明经过MSC、SNV和2stD预处理后模型的预测性能未得到提高;而经过一阶导数1stD处理后的模型的RC、RP有所提高且 RMSECV参数有减小,表明模型性能得到优化。在水分含量的最终校正模型中选择一阶导数预处理方法,导数处理方法可以去除与样品粒径相关的基线偏移和斜率。以优选出的光谱波段和光谱预处理方法建立制粒过程的颗粒在线NIRS与水分含量校正模型,模型的相关系数达0.9792,RMSEC、RMSEP和RMSECV分别为0.382、0.413和 0.436。该校正模型的RMSEC、RMSEP和RMSECV接近,表明预测能力良好,具有较低的预测误差。
表1不同光谱预处理方法的颗粒水分含量校正模型的性能指标
注:aSG:15点3阶平滑;1stDb:一阶求导:2stDc:二阶求导。
另外,采用未参与建模的外部验证集对水分含量模型的预测能力进行验证,预测结果如图10所示。从外部验证结果看出,颗粒水分含量实际值和预测值趋势一致,表明了所建立的颗粒水分含量模型的准确性和稳定性。
本实施例给出了一种建立颗粒水分含量预测模型的方案的举例,但本实用新型不限于采用这一种方案建立颗粒水分含量预测模型。
实施例3
颗粒粒径及其分布预测模型的建立
在制粒中,颗粒粒径及其分布影响颗粒产品质量,是判断制粒终点的主要参数之一,因此,有必要对制粒过程中颗粒粒径及其分布进行测量。建立颗粒D50的校正模型用于预测颗粒的大小,同时也构建颗粒特征尺寸D10和D90的校正模型,以便于描述颗粒的尺寸分布。校正集和内部验证集的划分同颗粒水分含量模型一致,其中颗粒 D50范围为114.53μm~300.42μm。近红外光谱基线的偏移反映颗粒尺寸的变化。随着颗粒粒径大小和密度的增加,光的通路长度也相应增加,造成整个光谱的吸光度增加,其表现为光谱图的向上移动。因此,在构建粒径校正模型的时候,为了保留光谱中的颗粒尺寸信息,仅采用SG平滑预处理的方法。采用间隔-偏最小二乘法(iPLS)为粒径校正模型选择光谱区域,将光谱分为10段,选取相关性最好的光谱区间6009.10~5391.99cm-1作为特征波段用于建立三种特征粒径模型。D10、D50和D90三种特征粒径的校正模型使用相同的样品、光谱区域和预处理方法,三个校正模型使用的PLS因子个数的分别为 10,8和8,建立的校正模型性能指标如表1所示。对于三个校正模型,RMSEP和RMSECV值都很低,接近RMSEC,这表明了所构建的D10、D50和D90校正模型的预测能力良好。
以建立的D10、D50和D90校正模型对外部验证批次进行预测,颗粒D10、D50和D90变化趋势如图10所示。从图中可以看出模型预测值和实际值之间基本吻合,预测值的变化趋势也与实际值基本一致,表明了所建立模型的准确性和稳定性,所构建的模型能够满足制粒过程中在线分析的精度要求。D10、D50和D90曲线反映了颗粒生长动力学,D10、D50和D90曲线具有相似的变化趋势:在混合阶段中略有下降,在脉冲喷雾阶段中逐渐增加,而在最后干燥阶段中小幅减少。
本实施例给出了一种建立颗粒粒径及其分布预测模型的方案的举例,但本实用新型不限于采用这一种方案建立颗粒粒径及其分布预测模型。
在缺少本文中所具体公开的任何元件、限制的情况下,可以实现本文所示和所述的实用新型。所采用的术语和表达法被用作说明的术语而非限制,并且不希望在这些术语和表达法的使用中排除所示和所述的特征或其部分的任何等同物,而且应该认识到各种改型在本实用新型的范围内都是可行的。因此应该理解,尽管通过各种实施例和可选的特征具体公开了本实用新型,但是本文所述的概念的修改和变型可以被本领域普通技术人员所采用,并且认为这些修改和变型落入所附权利要求书限定的本实用新型的范围之内。本文中所述或记载的文章、专利、专利申请以及所有其他文献和以电子方式可得的信息的内容在某种程度上全文包括在此以作参考,就如同每个单独的出版物被具体和单独指出以作参考一样。申请人保留把来自任何这种文章、专利、专利申请或其他文献的任何及所有材料和信息结合入本申请中的权利。
Claims (8)
1.一种检测传感器,其特征在于:该检测传感器包括基体,基体内设有发射光路和回收光路,发射光路有2条或2条以上,所有发射光路从视窗玻璃的外表面入射,所有发射光路相交于同一区域,区域位于基体外;区域位于回收光路上;发射光路包括光源和凸透镜;回收光路包括光接收器和回收凸透镜;光源具有光源连接部,光接收器连接光纤。
2.如权利要求1所述的检测传感器,其特征在于:发射光路成对设置,每一对发射光路的角平分线均为回收光路的中轴线;以回收光路为中角平分线,形成夹角的两条发射光路成一对;如此设置,能够从左右两侧或上下两侧获得更完整的目标物信息。
3.如权利要求1或2所述的检测传感器,其特征在于:每条发射光路设置于发射通道内,回收光路设置于回收通道内,发射通道的出口和回收光路的入口相交于通道交口,通道交口具有定位面。
4.如权利要求3所述的检测传感器,其特征在于:光源、凸透镜和发射通道同轴。
5.如权利要求4所述的检测传感器,其特征在于:光源固定于发射通道的入口,光接收器固定于回收通道的出口。
6.如权利要求1所述的检测传感器,其特征在于:光源发出近红外光。
7.如权利要求1所述的检测传感器,其特征在于:检测传感器包括基体,发射通道和回收通道设置于基体内,基体具有与视窗玻璃贴合的定位面。
8.如权利要求1所述的检测传感器,其特征在于:基体上具有与定位面平行的第二平面,光接收器与第二平面接触;和/或,基体上具有第三平面和第四平面,回收通道位于第三平面和第四平面的角平分线上,其中一个光发射器与第三平面接触,另一个光发射器与第四平面接触。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020789388.9U CN212658619U (zh) | 2020-05-13 | 2020-05-13 | 一种检测传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202020789388.9U CN212658619U (zh) | 2020-05-13 | 2020-05-13 | 一种检测传感器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212658619U true CN212658619U (zh) | 2021-03-05 |
Family
ID=74748219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202020789388.9U Active CN212658619U (zh) | 2020-05-13 | 2020-05-13 | 一种检测传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212658619U (zh) |
-
2020
- 2020-05-13 CN CN202020789388.9U patent/CN212658619U/zh active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105008898B (zh) | 用于组合的libs和ir吸收光谱法研究的系统和方法 | |
US20040198927A1 (en) | Monitoring and control of slurry processes for polymerizing olefins | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
Ma et al. | Investigation of soil properties using different techniques of mid‐infrared spectroscopy | |
Lin et al. | Improvements of the Vis-NIRS model in the prediction of soil organic matter content using spectral pretreatments, sample selection, and wavelength optimization | |
US20080042064A1 (en) | Method and apparatus on-line measurement of polymer properties | |
Feng et al. | Application of process analytical technology for pharmaceutical coating: challenges, pitfalls, and trends | |
CN212658619U (zh) | 一种检测传感器 | |
CN107709974A (zh) | 测定用芯片、测定装置及测定方法 | |
CN111443059A (zh) | 一种检测传感器及其非插入式在线检测应用 | |
CN109073546B (zh) | 用于检测谷物中霉菌毒素的存在的方法和设备 | |
US20110260063A1 (en) | Characterization of physicochemical properties of a solid | |
CN108195823A (zh) | 一种激光诱导击穿光谱检测系统 | |
Weyer | Utilizing zero crossover points in the near infrared reflectance analysis of industrial polymers | |
CN105784629B (zh) | 利用中红外光谱快速检测土壤的稳定碳同位素比值的方法 | |
KR20160032863A (ko) | 적외선 가스 분석 장치 | |
US10481082B2 (en) | Measuring device | |
CN107250768A (zh) | 用于uv硬化的工艺监控 | |
Blanco et al. | Use of near-infrared spectroscopy for off-line measurements in the pharmaceutical industry | |
Xiang et al. | Evaluation of transmission and reflection modalities for measuring content uniformity of pharmaceutical tablets with near-infrared spectroscopy | |
CN106990063A (zh) | 红外光谱分析仪 | |
Wang et al. | Hyperspectral estimation of soil organic matter and clay content in loess plateau of China | |
CN206594055U (zh) | 水分测定装置 | |
EP1302764B1 (en) | Particle data analysis | |
Mantena et al. | Diffuse Reflectance Illumination Module Improvements in Near-Infrared Spectrometer for Heterogeneous Sample Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |