JP2019023392A - 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム - Google Patents
切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム Download PDFInfo
- Publication number
- JP2019023392A JP2019023392A JP2017142711A JP2017142711A JP2019023392A JP 2019023392 A JP2019023392 A JP 2019023392A JP 2017142711 A JP2017142711 A JP 2017142711A JP 2017142711 A JP2017142711 A JP 2017142711A JP 2019023392 A JP2019023392 A JP 2019023392A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- face
- learning
- image
- unit
- 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
Landscapes
- Image Analysis (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
図1(a)に示すように、本実施形態では、入力部10、出力部11を備えた評価支援装置20を用いる。
学習処理部212は、教師データを用いた深層学習により、切羽を判定するための学習処理を実行する。本実施形態では、学習処理部212は、例えば、CNN(Convolutional Neural Network)を用いるが、これに限定されるものではない。
予測部214は、学習処理部212による学習結果を用いて、切羽評価を支援する処理を実行する。CNNにおいては、入力層において入力された情報を用いて、多層に重ね合わせた畳み込み層、プーリング層を介して、全結合層において特徴量から最終的な判定を行なう。畳み込み層では、種々のフィルタを介して切羽の局所領域の特徴を捉える。プーリング層では、畳み込み層で得られた特徴点を代表的な数値に置き換える。本実施形態では、予測部214は、風化変質、割目間隔、割目状態をそれぞれ判定するための学習結果を保持する。なお、本実施形態では、全結合層において、畳み込み層、プーリング層から出力された特徴量に応じて、分類器(例えば、SVM:Support Vector Machine)を用いて、分析結果と切羽評点とを結び付け、分析のための閾値を決定する。
切羽画像データ領域には、この画像IDの切羽画像のデータが記録される。
領域IDデータ領域には、天端、左肩部、右肩部の各領域を特定するための識別子に関するデータが記録される。
図2、図4を用いて、学習処理を説明する。
まず、図2に示すように、評価支援装置20の制御部21は、教師データの取得処理を実行する(ステップS1−1)。具体的には、制御部21の学習処理部212は、教師データ記憶部22に記録されている教師データ220を取得する。この場合、図4(a)に示す撮影画像500を取得する。
ここでは、評価支援装置20の制御部21は、評価区分の付与処理を実行する(ステップS1−6)。具体的には、制御部21の学習処理部212は、各分割画像に対して、この分割画像を切り出した領域(天端、左肩部、右肩部)を特定する。そして、学習処理部212は、分割画像を切り出した領域に基づいて、教師データ220に記録されている評価区分(風化変質、割目間隔、割目状態)を取得し、各分割画像に関連付けて、メモリに仮記憶する。
ここでは、評価支援装置20の制御部21は、深層学習処理を実行する(ステップS1−7)。具体的には、制御部21の学習処理部212は、メモリに仮記憶した分割画像を入力層として用い、この分割画像に関連付けられた評価区分を出力層に用いて深層学習を行なうことにより、各観察項目についての学習結果を算出する。この深層学習においては、分割画像の227ピクセル×227ピクセル及び各画素の色データ(RGB)を用いる。
そして、学習処理部212は、観察項目(風化変質、割目間隔、割目状態)毎に生成した学習結果を学習結果記憶部23に記録する。
図3を用いて、評価支援処理を説明する。
まず、評価支援装置20の制御部21は、記録簿情報の取得処理を実行する(ステップS2−1)。具体的には、土木職員は、工事現場で切羽面を撮影した撮影画像を評価支援装置20に保存する。そして、評価支援装置20において切羽・坑内観察記録の登録を指示する。この場合、評価支援部213は、出力部11に記録簿画面を出力する。この記録簿画面には、切羽画像入力欄、各観察項目も入力欄が設けられている。そして、土木職員は、入力部10を用いて、記録簿画面に、撮影画像、切羽面に基づいて判定した評価区分を入力する。この場合、評価支援部213は、入力された評価区分、撮影画像を切羽観察情報記憶部24に記録する。
まず、評価支援装置20の制御部21は、観察項目の評価に用いる学習結果の特定処理を実行する(ステップS2−6)。具体的には、制御部21の予測部214は、学習結果記憶部23から、観察項目(風化変質、割目間隔、割目状態)に応じた学習結果を取得する。
ここでは、評価支援装置20の制御部21は、予測処理を実行する(ステップS2−7)。具体的には、制御部21の予測部214は、処理対象画像を、学習したCNNの入力層に設定し、出力層において個別評価区分を取得する。そして、予測部214は、取得した個別評価区分をメモリに仮記憶する。なお、この場合も、深層学習時と同様に、切羽領域が評価対象抽出基準値を超える分割画像を用いて予測を行なう。
以上のようにして、処理対象領域に含まれるすべての分割画像についての評価区分を予測する。
上記処理を、対象領域、観察項目について、処理を繰り返す。
図5(a)に示す切羽面画像510に対して、図5(b)に示すように、風化変質、割目間隔、割目状態に応じたヒートマップ画像540を生成する。なお、ヒートマップ画像540においては、複数の分割画像をまとめた領域の平均値を算出して配置されている。そして、評価支援部213は、生成したヒートマップ画像540を、出力部11に表示する。
(1)本実施形態では、評価支援装置20の制御部21は、切羽画像サイズの統一処理を実行する(ステップS1−2,S2−2)。そして、評価支援装置20の制御部21は、画像分割処理を実行する(ステップS1−5,S2−5)。画像のサイズが異なる場合には、学習時と予測時とで画像の解像度が異なるが、サイズを統一することにより、同じ画像状態で判定することができる。
・上記実施形態では、評価支援装置20の制御部21は、評価区分の記録処理を実行する(ステップS2−8)。具体的には、制御部21の評価支援部213は、メモリに仮記憶された評価区分の代表値(例えば、平均値)を算出する。分割画像毎の評価区分を統合する際に用いる評価区分の代表値は、平均値に限定されるものではない。例えば、最も悪い評価区分を代表値として特定するようにしてもよい。
Claims (7)
- 坑内観察における切羽の撮影画像を基準画素数で分割して生成した学習用分割画像を入力層に用い、前記切羽の観察項目に対する評価区分を出力層に用いた機械学習により生成した学習結果を記憶する学習結果記憶部と、
入力部と出力部とに接続された制御部とを備えた切羽評価支援システムであって、
前記制御部が、
前記入力部から取得した評価対象の切羽画像の評価領域を、前記基準画素数で分割し、
前記分割した評価対象分割画像に前記学習結果を適用して個別評価区分を取得し、
前記個別評価区分に基づいて、前記評価領域の評価区分を予測し、前記出力部に出力することを特徴とする切羽評価支援システム。 - 前記制御部が、
坑内観察における切羽の撮影画像を取得し、前記撮影画像を前記基準画素数で分割した学習用分割画像を生成し、
前記学習用分割画像を入力層に用い、前記切羽の観察項目に対する評価区分を出力層に用いた機械学習により学習結果を生成し、前記学習結果記憶部に記録する請求項1に記載の切羽評価支援システム。 - 前記観察項目には、風化変質、割目間隔、割目状態の少なくともいずれか一つを含むことを特徴とする請求項1又は2に記載の切羽評価支援システム。
- 前記評価領域には、切羽の天端、右肩部、左肩部の少なくともいずれか一つを含むことを特徴とする請求項1〜3のいずれか一項に記載の切羽評価支援システム。
- 前記制御部が、評価対象の切羽画像の分割画像について予測した評価区分を、前記分割画像の配置に対応させて表示したヒートマップを生成し、前記出力部に出力することを特徴とする請求項1〜4のいずれか一項に記載の切羽評価支援システム。
- 坑内観察における切羽の撮影画像を基準画素数で分割して生成した学習用分割画像を入力層に用い、前記切羽の観察項目に対する評価区分を出力層に用いた機械学習により生成した学習結果を記憶する学習結果記憶部と、
入力部と出力部とに接続された制御部とを備えた切羽評価支援システムを用いて、切羽評価支援を行なう方法であって、
前記制御部が、
前記入力部から取得した評価対象の切羽画像の評価領域を、前記基準画素数で分割し、
前記分割した評価対象分割画像に前記学習結果を適用して個別評価区分を取得し、
前記個別評価区分に基づいて、前記評価領域の評価区分を予測し、前記出力部に出力することを特徴とする切羽評価支援方法。 - 坑内観察における切羽の撮影画像を基準画素数で分割して生成した学習用分割画像を入力層に用い、前記切羽の観察項目に対する評価区分を出力層に用いた機械学習により生成した学習結果を記憶する学習結果記憶部と、
入力部と出力部とに接続された制御部とを備えた切羽評価支援システムを用いて、切羽評価支援を行なうためのプログラムであって、
前記制御部を、
前記入力部から取得した評価対象の切羽画像の評価領域を、前記基準画素数で分割し、
前記分割した評価対象分割画像に前記学習結果を適用して個別評価区分を取得し、
前記個別評価区分に基づいて、前記評価領域の評価区分を予測し、前記出力部に出力する手段として機能させることを特徴とする切羽評価支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017142711A JP6784239B2 (ja) | 2017-07-24 | 2017-07-24 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017142711A JP6784239B2 (ja) | 2017-07-24 | 2017-07-24 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019023392A true JP2019023392A (ja) | 2019-02-14 |
JP6784239B2 JP6784239B2 (ja) | 2020-11-11 |
Family
ID=65368997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017142711A Active JP6784239B2 (ja) | 2017-07-24 | 2017-07-24 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6784239B2 (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200128949A (ko) * | 2019-05-07 | 2020-11-17 | 주식회사 대림코퍼레이션 | 터널 막장면의 계측자료에 따른 지반 트렌드 기반의 전방 예측 방법과 예측 시스템 |
KR102201211B1 (ko) * | 2019-12-06 | 2021-01-12 | 주식회사 대림코퍼레이션 | 인공 지능과 절리 추출을 이용한 터널의 막장면 자동 분석 방법 |
JP2021020420A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社熊谷組 | 骨材判別システム |
JP2021036109A (ja) * | 2019-08-30 | 2021-03-04 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP2021036110A (ja) * | 2019-08-30 | 2021-03-04 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP2021046663A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社安藤・間 | トンネル切羽状態表示システム、トンネル切羽状態表示方法、及び移動計測体 |
KR102240421B1 (ko) * | 2019-12-06 | 2021-04-15 | 주식회사 대림 | 인공 지능을 이용한 터널의 막장면 자동 분석 방법 |
KR102240422B1 (ko) * | 2019-12-06 | 2021-04-15 | 주식회사 대림 | 인공 지능과 파라미터 최적화를 이용한 터널의 막장면 자동 분석 방법 |
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
KR20210144390A (ko) * | 2020-05-22 | 2021-11-30 | 주식회사 대림 | 터널 시공문서 자동 생성 방법 |
JP2021183773A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽画像加工装置、切羽画像加工方法 |
JP2021183774A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
JP2021183772A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
KR102344741B1 (ko) * | 2020-06-30 | 2021-12-29 | 주식회사 대림 | 인공지능을 이용한 터널의 막장면 자동분석방법 및 이를 이용한 전방 막장면 예측 방법 |
JP2022052963A (ja) * | 2020-09-24 | 2022-04-05 | 大成建設株式会社 | 地山状況学習装置、地山状況判定装置、地山状況学習方法および地山状況判定方法 |
JP2023537978A (ja) * | 2020-08-13 | 2023-09-06 | ベンタナ メディカル システムズ, インコーポレイテッド | デジタル病理学のためのアクティブラーニングシステム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05202694A (ja) * | 1991-11-25 | 1993-08-10 | Konoike Constr Ltd | トンネル掘削方法 |
JPH063145A (ja) * | 1992-06-18 | 1994-01-11 | Shimizu Corp | トンネル切羽画像収録処理システム |
WO2001034941A1 (en) * | 1999-11-11 | 2001-05-17 | Ballast Nedam Infra B.V. | Device and method for drilling in a subsurface |
JP2005220687A (ja) * | 2004-02-09 | 2005-08-18 | Taisei Corp | 土木施工管理システム |
JP2011095947A (ja) * | 2009-10-29 | 2011-05-12 | Rakuten Inc | 画像処理装置、画像処理方法、および、画像処理プログラム |
JP2017062776A (ja) * | 2015-09-04 | 2017-03-30 | 株式会社東芝 | 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 |
JP2017117147A (ja) * | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
-
2017
- 2017-07-24 JP JP2017142711A patent/JP6784239B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05202694A (ja) * | 1991-11-25 | 1993-08-10 | Konoike Constr Ltd | トンネル掘削方法 |
JPH063145A (ja) * | 1992-06-18 | 1994-01-11 | Shimizu Corp | トンネル切羽画像収録処理システム |
WO2001034941A1 (en) * | 1999-11-11 | 2001-05-17 | Ballast Nedam Infra B.V. | Device and method for drilling in a subsurface |
JP2005220687A (ja) * | 2004-02-09 | 2005-08-18 | Taisei Corp | 土木施工管理システム |
JP2011095947A (ja) * | 2009-10-29 | 2011-05-12 | Rakuten Inc | 画像処理装置、画像処理方法、および、画像処理プログラム |
JP2017062776A (ja) * | 2015-09-04 | 2017-03-30 | 株式会社東芝 | 構造物に対する変化を検出するための方法、装置およびコンピュータ可読媒体 |
JP2017117147A (ja) * | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
Non-Patent Citations (2)
Title |
---|
"ニューラルネットワークの分類精度に関する基礎的検討とその切羽画像解析への応用", 資源と素材, vol. 114, JPN6020020873, 1998, pages 155 - 162, ISSN: 0004287988 * |
澤井康太: "トンネル切羽画像を対象としたエッジ抽出による自動岩判定システム", 三重大学大学院地域イノベーション学研究科 地域イノベーション学専攻 修士論文, JPN6020008771, 2015, pages 1 - 34, ISSN: 0004228851 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102193830B1 (ko) | 2019-05-07 | 2020-12-22 | 주식회사 대림코퍼레이션 | 터널 막장면의 계측자료에 따른 지반 트렌드 기반의 전방 예측 방법과 예측 시스템 |
KR20200128949A (ko) * | 2019-05-07 | 2020-11-17 | 주식회사 대림코퍼레이션 | 터널 막장면의 계측자료에 따른 지반 트렌드 기반의 전방 예측 방법과 예측 시스템 |
JP2021020420A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社熊谷組 | 骨材判別システム |
JP7284023B2 (ja) | 2019-07-30 | 2023-05-30 | 株式会社熊谷組 | 骨材判別システム |
JP7245749B2 (ja) | 2019-08-30 | 2023-03-24 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP2021036109A (ja) * | 2019-08-30 | 2021-03-04 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP2021036110A (ja) * | 2019-08-30 | 2021-03-04 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP7245750B2 (ja) | 2019-08-30 | 2023-03-24 | 前田建設工業株式会社 | 評価支援システム、評価支援方法、及びプログラム |
JP7412624B2 (ja) | 2019-09-17 | 2024-01-12 | 株式会社安藤・間 | トンネル切羽状態評価システム、及びトンネル切羽状態評価方法 |
JP2021046663A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社安藤・間 | トンネル切羽状態表示システム、トンネル切羽状態表示方法、及び移動計測体 |
JP2023111937A (ja) * | 2019-09-17 | 2023-08-10 | 株式会社安藤・間 | トンネル切羽状態表示システム、及びトンネル切羽状態表示方法 |
JP7304781B2 (ja) | 2019-09-17 | 2023-07-07 | 株式会社安藤・間 | トンネル切羽状態表示システム、及びトンネル切羽状態表示方法 |
KR102240421B1 (ko) * | 2019-12-06 | 2021-04-15 | 주식회사 대림 | 인공 지능을 이용한 터널의 막장면 자동 분석 방법 |
KR102201211B1 (ko) * | 2019-12-06 | 2021-01-12 | 주식회사 대림코퍼레이션 | 인공 지능과 절리 추출을 이용한 터널의 막장면 자동 분석 방법 |
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
KR102240422B1 (ko) * | 2019-12-06 | 2021-04-15 | 주식회사 대림 | 인공 지능과 파라미터 최적화를 이용한 터널의 막장면 자동 분석 방법 |
JP7374847B2 (ja) | 2020-05-21 | 2023-11-07 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
JP7453848B2 (ja) | 2020-05-21 | 2024-03-21 | 清水建設株式会社 | 切羽画像加工装置、切羽画像加工方法 |
JP2021183774A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
JP2021183773A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽画像加工装置、切羽画像加工方法 |
JP7390975B2 (ja) | 2020-05-21 | 2023-12-04 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
JP2021183772A (ja) * | 2020-05-21 | 2021-12-02 | 清水建設株式会社 | 切羽評価システム、切羽評価学習システム、切羽評価方法、切羽評価学習方法、コンピュータプログラム |
KR20210144390A (ko) * | 2020-05-22 | 2021-11-30 | 주식회사 대림 | 터널 시공문서 자동 생성 방법 |
KR102530383B1 (ko) * | 2020-05-22 | 2023-05-09 | 주식회사 대림 | 터널 시공문서 자동 생성 방법 |
KR102344741B1 (ko) * | 2020-06-30 | 2021-12-29 | 주식회사 대림 | 인공지능을 이용한 터널의 막장면 자동분석방법 및 이를 이용한 전방 막장면 예측 방법 |
JP2023537978A (ja) * | 2020-08-13 | 2023-09-06 | ベンタナ メディカル システムズ, インコーポレイテッド | デジタル病理学のためのアクティブラーニングシステム |
JP7329486B2 (ja) | 2020-09-24 | 2023-08-18 | 大成建設株式会社 | 地山状況学習装置、地山状況判定装置、地山状況学習方法および地山状況判定方法 |
JP2022052963A (ja) * | 2020-09-24 | 2022-04-05 | 大成建設株式会社 | 地山状況学習装置、地山状況判定装置、地山状況学習方法および地山状況判定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6784239B2 (ja) | 2020-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6784239B2 (ja) | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム | |
Luo et al. | Towards efficient and objective work sampling: Recognizing workers' activities in site surveillance videos with two-stream convolutional networks | |
US20240104382A1 (en) | System and method for instance-level lane detection for autonomous vehicle control | |
CN106462940A (zh) | 图像中通用对象检测 | |
CN110945385A (zh) | 利用地层知识库从地震和井数据识别地层 | |
CN104463199A (zh) | 基于多特征及分割再校正的矿岩块度分类方法 | |
Mlynarczuk et al. | The application of artificial intelligence for the identification of the maceral groups and mineral components of coal | |
CN1714361B (zh) | 制造工程分析支持方法、制造工程分析支持装置 | |
WO2011023247A1 (en) | Generating raster image representing road existence probability based on probe measurements | |
US10890688B2 (en) | Method for generating secondary data in geostatistics using observed data | |
JP2017033197A (ja) | 変化領域検出装置、方法、及びプログラム | |
CN111597861A (zh) | 遥感影像地物自动解译系统及方法 | |
Lorenzo et al. | Intformer: Predicting pedestrian intention with the aid of the transformer architecture | |
CN109255382A (zh) | 用于图片匹配定位的神经网络系统,方法及装置 | |
JP2009211150A (ja) | 道路ネットワークの抽出装置 | |
Hernandez et al. | A deep learning framework for construction equipment activity analysis | |
Park et al. | A framework for improving object recognition of structural components in construction site photos using deep learning approaches | |
Nguyen et al. | Combination of images and point clouds in a generative adversarial network for upsampling crack point clouds | |
Wang et al. | Rock fracture tracing based on image processing and SVM | |
CN105468887B (zh) | 数据分析系统以及方法 | |
Guo et al. | Automatic lithology identification method based on efficient deep convolutional network | |
CN111402361A (zh) | 一种地质数据处理方法、系统、装置和存储介质 | |
JP7104252B2 (ja) | 学習データセット生成装置および方法 | |
CN115115947A (zh) | 遥感图像检测方法、装置、电子设备以及存储介质 | |
Marques et al. | Choosing a proper sampling interval for the ore feeding a processing plant: A geostatistical solution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191025 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191025 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200207 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200821 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200923 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201006 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6784239 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R157 | Certificate of patent or utility model (correction) |
Free format text: JAPANESE INTERMEDIATE CODE: R157 |