JP2023511869A - マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム - Google Patents
マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム Download PDFInfo
- Publication number
- JP2023511869A JP2023511869A JP2022543641A JP2022543641A JP2023511869A JP 2023511869 A JP2023511869 A JP 2023511869A JP 2022543641 A JP2022543641 A JP 2022543641A JP 2022543641 A JP2022543641 A JP 2022543641A JP 2023511869 A JP2023511869 A JP 2023511869A
- Authority
- JP
- Japan
- Prior art keywords
- image
- low
- acid
- defects
- defect
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 277
- 239000002253 acid Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005530 etching Methods 0.000 title claims abstract description 35
- 238000009826 distribution Methods 0.000 claims abstract description 42
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 35
- 239000010959 steel Substances 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005204 segregation Methods 0.000 claims description 16
- 238000013139 quantization Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 7
- 229910052751 metal Inorganic materials 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 241000519995 Stachys sylvatica Species 0.000 claims description 6
- 210000003625 skull Anatomy 0.000 claims description 5
- 238000007920 subcutaneous administration Methods 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 229910000746 Structural steel Inorganic materials 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000009749 continuous casting Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 229910001315 Tool steel Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004512 die casting Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910001208 Crucible steel Inorganic materials 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、酸エッチングされた後の鋼材又はビレット又は連続鋳造スラブの低倍酸エッチング試料に対して欠陥の自動識別及び格付けを行うためのマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法であって、第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得ることと、前記第1画像に対して自動画像処理を行い、第2画像を得ることと、第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得ることと、予め既知の欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得ることと、前記第3画像及び前記低倍酸エッチング試料における欠陥パターンの分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得ることと、前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けすることと、を含むマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法を提供する。
図1は、本願のいくつかの実施例により提供された鋼材のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法のフローチャートである。図1に示すように、前記鋼材のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法は、酸エッチングされた後の鋼材又はビレット又は連続鋳造スラブの低倍酸エッチング試料に対して欠陥の自動識別及び格付けを行うために用いられ、ステップS101~ステップS106を含む。
図6は、本願のいくつかの実施例により提供されたマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けのシステムの構造模式図であり。図6に示すように、酸エッチングされた後の鋼材又はビレット又は連続鋳造スラブの低倍酸エッチング試料に対して欠陥の自動識別及び格付けを行うマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けのシステムであって、第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得るように構成される画像収集手段601と、前記第1画像に対して自動画像処理を行い、第2画像を得るように構成される画像処理手段602と、第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得るように構成される画像分類手段603と、予め分類された欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得るように構成される欠陥識別手段604と、前記第3画像及び前記低倍酸エッチング試料における欠陥パターンの分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得るように構成される欠陥量子化手段605と、前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けするように構成される欠陥格付け手段606と、を含む、マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けのシステム。なお、以上の説明は例示的なものであり、本願の実施例はこれに限定されるものではない。
図12は、本願のいくつかの実施例により提供された電子装置の構造模式図である。図12に示すように、該電子装置は、
1つ又は複数のプロセッサ1201と、
1つ又は複数のプログラムを記憶するように構成できるコンピュータ読取可能な媒体1202と、を含み、
前記1つ又は複数のプロセッサ1201は、1つ又は複数のプログラムを実行する時に、第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得るステップと、前記第1画像に対して自動画像処理を行い、第2画像を得るステップと、第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得るステップと、予め既知の欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得るステップと、前記第3画像及び前記低倍酸エッチング試料における欠陥パターンの分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得るステップと、前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けするステップと、を含む。
Claims (10)
- 酸エッチングされた後の鋼材又はビレット又は連続鋳造スラブの低倍酸エッチング試料に対して欠陥の自動識別及び格付けを行うためのマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法であって、
第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得ることと、
前記第1画像に対して自動画像処理を行い、第2画像を得ることと、
第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得ることと、
予め既知の欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得ることと、
前記第3画像及び前記低倍酸エッチング試料における欠陥パターンの分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得ることと、
前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けすることと、を含む、ことを特徴とするマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。 - 前記第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得ることは、具体的に、設定された画像背景及び縮尺に応じて、前記低倍酸エッチング試料に対して画像収集を行い、前記第1画像を得ることである、ことを特徴とする請求項1に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 前記第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得ることは、具体的に、前記第2画像の中心を円心とし、前記第2画像に対して同心円分類を行うとともに、プリセット象限の象限分類線に応じて前記第2画像に対して象限分類を行い、前記第3画像を得ることである、ことを特徴とする請求項1に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 前記予め既知の欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得ることは、具体的に、前記第3画像における欠陥に対して特徴抽出を行い、前記第3画像における欠陥特徴を得て、且つ予め既知の前記欠陥タイプに基づいて、前記欠陥特徴に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得ることである、ことを特徴とする請求項1に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 前記第3画像及び前記低倍酸エッチング試料における欠陥の分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得ることは、具体的に、前記第3画像に対応する前記低倍酸エッチング試料における欠陥パターンの分布データに対してデジタル化解析を行い、前記低倍酸エッチング試料における欠陥パターンの量子化データを得ることである、ことを特徴とする請求項1に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けすることは、具体的に、前記低倍酸エッチング試料における欠陥パターンの量子化データとプリセット量子化基準とを照合し、且つ照合結果に基づいて前記低倍酸エッチング試料における欠陥を格付けすることである、ことを特徴とする請求項1に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 前記欠陥タイプは、点状欠陥と、線状欠陥と、面状欠陥と、を含み、ただし、前記点状欠陥は、ルーズと、非金属介在と、異金属介在と、点状偏析と、を含み、前記線状欠陥は、皮下割れ目と、中心割れ目と、中間割れ目と、コーナー割れ目と、スカルパッチと、白点と、を含み、前記面状欠陥は、炭素偏析と、四角の枠偏析と、を含む、ことを特徴とする請求項1~6のいずれか1項に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法。
- 酸エッチングされた後の鋼材又はビレット又は連続鋳造スラブの低倍酸エッチング試料に対して欠陥の自動識別及び格付けを行うためのマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けのシステムであって、
第1プリセット条件に応じて、前記低倍酸エッチング試料に対して画像収集を行い、第1画像を得るように構成される画像収集手段と、
前記第1画像に対して自動画像処理を行い、第2画像を得るように構成される画像処理手段と、
第2プリセット条件に応じて、前記第2画像に対して画像分類を行い、第3画像を得るように構成される画像分類手段と、
予め分類された欠陥タイプに基づいて、前記第3画像に対して欠陥パターン識別を行い、前記低倍酸エッチング試料における欠陥パターンの分布データを得るように構成される欠陥識別手段と、
前記第3画像及び前記低倍酸エッチング試料における欠陥パターンの分布データに基づいて、前記低倍酸エッチング試料における欠陥パターンの量子化データを得るように構成される欠陥量子化手段と、
前記低倍酸エッチング試料における欠陥パターンの量子化データに基づいて、前記低倍酸エッチング試料における欠陥を格付けするように構成される欠陥格付け手段と、を含む、ことを特徴とするマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けのシステム。 - コンピュータのプログラムが記憶されたコンピュータ読取可能な媒体であって、前記プログラムは、請求項1~7のいずれか1項に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法である、ことを特徴とするコンピュータ読取可能な媒体。
- メモリと、プロセッサと、前記メモリに記憶されて前記プロセッサによって実行可能なプログラムと、を含み、前記プロセッサは、前記プログラムを実行する時に、請求項1~7のいずれか1項に記載のマシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法を実現する、ことを特徴とする電子装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110013619.6A CN112669307A (zh) | 2021-01-06 | 2021-01-06 | 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统 |
CN202110013619.6 | 2021-01-06 | ||
PCT/CN2021/142662 WO2022117118A1 (zh) | 2021-01-06 | 2021-12-29 | 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023511869A true JP2023511869A (ja) | 2023-03-23 |
JP7355943B2 JP7355943B2 (ja) | 2023-10-03 |
Family
ID=75413184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022543641A Active JP7355943B2 (ja) | 2021-01-06 | 2021-12-29 | マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7355943B2 (ja) |
CN (1) | CN112669307A (ja) |
WO (1) | WO2022117118A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669307A (zh) * | 2021-01-06 | 2021-04-16 | 大冶特殊钢有限公司 | 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统 |
CN114113106A (zh) * | 2021-11-12 | 2022-03-01 | 中冶赛迪技术研究中心有限公司 | 一种对连铸坯低倍结构质量进行自动评级的方法及系统 |
DE102021130884A1 (de) * | 2021-11-25 | 2023-05-25 | MTU Aero Engines AG | Verfahren zum Klassifizieren einer Ätzanzeige eines Bauteils |
CN115541601A (zh) * | 2022-11-30 | 2022-12-30 | 江苏永钢集团有限公司 | 一种基于机器视觉的钢材低倍数字化检测方法 |
CN117538332B (zh) * | 2023-11-09 | 2024-05-03 | 江苏永钢集团有限公司 | 一种基于机器视觉的钢材低倍缩孔缺陷识别及评价方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4310090B2 (ja) | 2002-09-27 | 2009-08-05 | 株式会社日立製作所 | 欠陥データ解析方法及びその装置並びにレビューシステム |
CN102376087B (zh) | 2010-08-17 | 2014-12-03 | 富士通株式会社 | 检测图像中的对象的装置和方法、分类器生成装置和方法 |
CN102980893A (zh) * | 2012-11-13 | 2013-03-20 | 上海交通大学 | 钢锭表面缺陷分类检测系统及方法 |
US10031087B2 (en) * | 2016-09-22 | 2018-07-24 | SSAB Enterprises, LLC | Methods and systems for the quantitative measurement of internal defects in as-cast steel products |
CN107563440B (zh) | 2017-09-01 | 2020-07-28 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN109191459B (zh) * | 2018-09-30 | 2022-02-11 | 东北大学 | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 |
US10753882B1 (en) * | 2019-04-10 | 2020-08-25 | Griffyn Robotech Private Ltd. | Inspection and cosmetic grading through image processing system and method |
CN111299318B (zh) * | 2020-03-02 | 2022-04-12 | 马鞍山钢铁股份有限公司 | 一种热轧板带产品表面质量的自动判定方法 |
CN111899230B (zh) * | 2020-07-15 | 2023-11-17 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
CN112669307A (zh) * | 2021-01-06 | 2021-04-16 | 大冶特殊钢有限公司 | 基于机器视觉的低倍酸蚀缺陷自动识别与评级的方法及系统 |
-
2021
- 2021-01-06 CN CN202110013619.6A patent/CN112669307A/zh active Pending
- 2021-12-29 JP JP2022543641A patent/JP7355943B2/ja active Active
- 2021-12-29 WO PCT/CN2021/142662 patent/WO2022117118A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN112669307A (zh) | 2021-04-16 |
WO2022117118A1 (zh) | 2022-06-09 |
JP7355943B2 (ja) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023511869A (ja) | マシンビジョンによる低倍酸エッチング欠陥自動識別及び格付けの方法並びにシステム | |
CN109859160B (zh) | 基于机器视觉的铝镁合金铸件内部缺陷图像识别方法 | |
WO2021109627A1 (zh) | 一种小样本缺陷分类方法、装置及计算设备 | |
CN110490862B (zh) | 一种提高连铸探伤合格率的方法及装置 | |
CN112837290A (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN111598869B (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
TW201335892A (zh) | 特殊邊界量測系統及方法 | |
CN115661040A (zh) | 一种锂电池电芯涂胶的检测方法及装置、电子设备 | |
CN111860176A (zh) | 一种非金属夹杂全视场定量统计分布表征方法 | |
CN114581415A (zh) | Pcb缺陷的检测方法、装置、计算机设备及存储介质 | |
CN107677677B (zh) | 一种连铸坯偏析程度定量化表征方法 | |
CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
CN117475205A (zh) | 缺陷类型识别方法、识别装置、控制设备及存储介质 | |
CN116402822B (zh) | 混凝土结构图像检测方法、装置、电子设备及存储介质 | |
CN115937218B (zh) | 一种冷冲件的表面缺陷检测方法及系统 | |
CN109584224B (zh) | 一种用于对铸件的x射线图像进行分析和显示的方法 | |
CN115205163A (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
CN115797314A (zh) | 零件表面缺陷检测方法、系统、设备及存储介质 | |
CN107610101B (zh) | 一种测量数字图像视觉平衡质量的方法 | |
CN115456996A (zh) | 一种核燃料芯块的离散性缺陷检测方法及相关组件 | |
CN103544715A (zh) | 一种印刷电路板金相切片彩色图像的分割方法 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN112907498A (zh) | 一种孔隙识别方法、装置、设备及存储介质 | |
CN116665138B (zh) | 一种汽车配件冲压加工视觉检测方法及系统 | |
CN115078049B (zh) | 一种金相样品自动制样研磨方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230821 |
|
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: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230921 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7355943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |