CN104749249B - 一种基于超声波技术的检测种子净度的方法 - Google Patents
一种基于超声波技术的检测种子净度的方法 Download PDFInfo
- Publication number
- CN104749249B CN104749249B CN201510127908.3A CN201510127908A CN104749249B CN 104749249 B CN104749249 B CN 104749249B CN 201510127908 A CN201510127908 A CN 201510127908A CN 104749249 B CN104749249 B CN 104749249B
- Authority
- CN
- China
- Prior art keywords
- seed
- ultrasonic
- signal
- air coupling
- identification model
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于超声波技术的检测种子净度的方法,通过使用空气耦合超声波设备采集种子完好颗粒、虫蛀孔洞颗粒、模拟虫蛀孔洞(手工钻孔)颗粒超声回波信号数据,作为所述训练和测试样本;根据回波信号电压强度对种子进行判别是否为有孔洞颗粒,包括用小波进行信号去噪处理,经主成分分析方法提取特征数据之后选用模式识别方法建立识别模型,并最终实现批量种子品质的在线检测。本发明采用超声波技术对玉米种子净度进行检测,准确度高、无损、快速、无污染,克服了传统的风选方法对破损颗粒种子无法去除的缺点。
Description
技术领域
本发明涉及种子净度检测领域,更具体涉及一种基于超声波技术的检测种子净度的方法。
背景技术
我国农作物种业已经上升到了国家战略性、基础性核心产业的地位。品种好、品质好的种子对提高作物单产、改善品质和保障国家粮食安全起着至关重要的作用,其中净度是种子的播种质量评价指标之一。虫蛀种子检测属于净度检测范围之内,种子存在种植或储藏过程中部分种子被虫蛀而导致整批种子净度降低的现象,虫蛀主要破坏了种子的胚部,然而胚部被破坏以后种子将不能发芽,即种子无生活力,这样的破坏是不可逆,且这种种子混杂在好的种子当中降低了整批种子的发芽率。检测并挑出虫蛀而导致胚部有孔洞而无生活力的这部分种子对于提高种子的发芽率、农业的发展有重要的意义。
目前国内外种子的净度提高方法主要有风选法、窝眼筒清选法、比重清选法等。然而上述几种方法不能满足净度精选的要求,更无法筛选出胚部损伤的种子。
超声波检测技术在农业上的应用也已经较为广泛,国外研究起步比较早。E.Lacey(1994)利用超声波在食用油中的传播速度来判定其黏度,从而判断食用油的黏度质量。Y.Cheng等利用超声波检测技术,研制了马铃薯内部品质的超声无损检测***,用该***来检测马铃薯质量品质。1986年,Brusewitz等研究了流动粮食碰撞噪声的测量方法。研究表明:谷物籽粒的振动特性和弹性取决于谷物水分含量的大小,不同水分含量的谷物在流动过程中碰撞物体表面时所产生的声压也不同。现有技术中并没有利用超声波检测技术对种子净度进行检测的案例。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是提出一种利用超声波技术对种子净度进行检测,提高检测净度。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于超声波技术的检测种子净度方法,所述方法包括步骤:
S1、建立识别模型;
利用空气耦合超声波设备采集种子的超声信号,作为训练样本;
对所述训练样本进行去噪处理;
对去噪处理后的所述训练样本进行特征提取,建立识别模型;
S2、利用所述识别模型对待检测样本进行检测。
优选地,所述空气耦合超声波设备包括:
发射源,发射激励信号;
第一放大器,对所述激励信号进行放大处理;
第一空气耦合超声换能器,对放大后的所述激励信号进行换能处理,之后对种子进行照射;
第二空气耦合超声换能器,采集种子透射的超声信号;
第二放大器,对所述超声信号进行放大;
滤波器,对放大后的所述超声信号进行滤波。
优选地,所述激励信号为连续的正弦波信号,其频率与所述第一空气耦合超声换能器的中心频率。
优选地,所述空气耦合超声波设备还包括模数转换器,用于对滤波后的所述超声信号进行模数转换。
优选地,采用小波去噪方法对所述训练样本进行去噪处理。
优选地,采用主成分分析方法对所述训练样本进行特征提取。
优选地,采用K近邻方法(k-Nearest Neighbor,KNN)建立所述识别模型。
优选地,所述步骤S2具体包括以下步骤:
S21、利用空气耦合超声波设备采集种子的超声信号;
S22、对所述超声信号进行去噪处理;
S23、对去噪处理后的所述超声信号进行特征提取;
S24、利用所述识别模型找到所述特征对应的分类信息。
优选地,所述步骤S23中,利用所述特征提取矩阵提取所述超声信号的特征。
优选地,所述步骤S22中,采用小波去噪方法对所述超声信号进行去噪处理。
(三)有益效果
本发明提供了一种基于超声波技术的检测种子净度方法,本发明采用超声波技术对玉米种子净度进行检测,准确度高、无损、快速、无污染,克服了传统方法对破损颗粒种子无法去除的缺点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种基于超声波技术的检测种子净度方法的流程图;
图2是本发明中空气耦合超声波设备结构示意图;
图3a是有孔洞种子原始超声信号图;
图3b是有孔洞种子小波去噪后信号图;
图3c是完好种子原始超声信号图;
图3d是完好种子小波去噪后信号图;
图4是PCA算法中,主成份贡献率示意图;
图5a是手工钻洞颗粒与完好颗粒正面PCA空间分布图;
图5b是手工钻洞颗粒与完好颗粒反面PCA空间分布图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
实施例一:
图1是本发明的一种基于超声波技术的检测种子净度方法的流程图;所述方法包括步骤:
S1、建立识别模型;
利用空气耦合超声波设备采集种子透射的超声信号,作为训练样本;
采用小波去噪方法对所述训练样本进行去噪处理,采用主成分分析方法对所述训练样本进行特征提取,并采用K近邻方法建立所述识别模型;
S2、利用所述识别模型对待检测样本进行检测。
上述空气耦合超声波设备包括:发射源,发射激励信号;第一放大器,对所述激励信号进行放大处理;第一空气耦合超声换能器,对放大后的所述激励信号进行换能处理,之后对种子进行照射;第二空气耦合超声换能器,采集种子透射的超声信号;第二放大器,对所述超声信号进行放大;滤波器,对放大后的所述超声信号进行滤波。
空气耦合超声波设备利用Tektronix AFG3102任意函数发生器产生12个周期的连续正弦波信号原始的激励信号,频率为第一空气耦合超声换能器中心频率,经第一放大器(中国:TekNet Electronics Company Amplifier Research 75A250A),将激励信号电压放大至200V,因实验放置种子需要,在两个换能器之间放置塑胶胶带一层,将种子放置在胶带上。第一空气耦合超声换能器和第二空气耦合超声换能器型号均为Ultran NCG500-D13(中心频率为400kHz,采用一发一收方式,中心相距40mm,穿透、聚焦式);第二放大器对第二空气耦合超声换能器接收的超声A波信号(超声信号)进行滤波并提高增益为60dB。空气耦合超声波设备还包括模数转换器,本发明采用NI-5114卡完成,以便上位机采集超声信号数据。空气耦合超声波设备结构示意图如图2所示。
原始空气耦合超声波A波信号噪声较大,对识别结果有一定的影响。小波分析由于能同时在时频域中对信号进行分析,所以能有效的区分信号中突变部分和噪声,从而实现对信号的去噪。本发明中采用Coiflets小波对信号进行了去噪处理。该小波简记为coifN,N=1,2,…,5。coifN是紧支撑正交、双正交小波,支撑范围为6N-1,也是接近对称的,Ψ(t)的消失矩是2N,φ(t)的消失矩是2N-1。由于紧支撑正交、双正交性以及好的对称性,Coiflets小波在信号的去噪过程中小波不产生相位畸变,易于获得光滑的重构曲线,比非对称的正交紧支撑小波基能获得更好的恢复信号。
本发明采用主成分分析法(Principal Component Analysis,PCA)提取训练样本的数据特征,全时段超声波A波信号数据量较大,信息重叠的部分较多,这些冗余的信息对于实验的识别结果贡献率较小。PCA是一种多元统计分析方法,寻找一个原点在数据均值的新的坐标***,通过坐标轴的旋转来使数据的方差达到最大,按照方差最大原则将原来变量重新组合成一组新的互相无关(正交)的几个综合变量,同时这些变量又尽可能多的表征原变量的数据结构特征而不丢失信息。在m维空间中,可得m个主成分,在实际应用中一般可取前几个对偏差贡献大的主成分,这样可使高维空间的数据降到低维空间,利于数据的分析,同时损失的信息量又不会太大。本实施例中采用主成分分析方法对数据进行特征提取,并提取前10维的特征,以达到降维的目的。
主成分分析法中的特征提取矩阵,又称为变换矩阵,是一个K(选择的维数)维特征的投影矩阵,这个投影矩阵可以将特征从高维降到低维。新的低维特征必须每个维都正交,特征向量都是正交的。所述特征提取矩阵具体求法为:通过求样本矩阵的协方差矩阵,然后求出协方差矩阵的特征向量,这些特征向量就可以构成这个投影矩阵了。特征向量的选择取决于协方差矩阵的特征值的大小。
现有技术中,常用的模式识别方法包括三大类,即模板匹配方法、结构模式识别和统计模式识别。统计模式识别是目前研究的最为广泛的也最为深入的一种模式识别方法,现在已经形成了一个完整的理论体系,涉及的识别技术也较为完善。在此模式中,每一个模式采用n维特征或测量值来表示,统计模式识别中的分类问题就是根据待识别样本的特征向量值及其他约束条件将其分到某个类别中去。本发明采用了非线性K近邻统计模式识别技术建立种子净度检测的识别模型。K近邻(k-Nearest Neighbor,KNN)是非线性的分类方法,其识别思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。此方法不要求对不同类的代表点线性可分,只要用每个位置点的紧邻类来判别即可,也不需要作训练过程。其缺点是没有对训练点作信息压缩,因此每判别一个新的位置点都需要把它和所有已知代表点的距离全部算一遍,因此计算工作量大。但也正是因为没有作信息压缩,而用全体已知点的原始信息做判断,所以可以有很好的识别准确率,其识别效果一般由于其他模式识别方法。
所述步骤S2具体包括以下步骤:
S21、利用空气耦合超声波设备采集种子透射的超声信号;
S22、对所述超声信号进行去噪处理;
S23、对去噪处理后的所述超声信号进行特征提取;
S24、利用所述识别模型找到所述特征对应的分类信息。
本发明公开的方法,通过使用空气耦合超声换能器采集种子完好颗粒、虫蛀孔洞颗粒、模拟虫蛀孔洞(手工钻孔)颗粒超声A波信号数据,作为所述训练样本;根据A波信号电压强度对种子进行判别是否为有孔洞颗粒,通过对原始超声A波信号数据进行判别分析,包括用小波进行信号去噪处理,经主成分分析方法提取特征数据之后选用模式识别方法建立识别模型,并最终实现批量种子品质的在线检测。
实施例二:
该实施例的方法包括:
采用空气耦合超声波设备采集完好、手工孔洞玉米种子颗粒(400粒种子)尖朝上胚面朝上、朝下2个方位的超声信号数据,共采集1600条数据;采集虫蛀孔洞玉米种子颗粒(10粒种子)尖朝上胚面朝上、朝下2个方位的超声信号数据,共采集20条数据。
采用Coiflets小波对数据进行去噪处理,图3a是有孔洞种子原始超声信号图(训练样本的信号图),图3b是有孔洞种子小波去噪后信号图,图3c是完好种子原始超声信号图,图3d是完好种子小波去噪后信号图。去噪前后信噪比见表1,去噪之后对四种类型数据信噪比提高倍数平均值是1.77,其对完好颗粒超声波数据的去噪效果比孔洞颗粒好,信噪比提高倍数均大于2,其中对完好颗粒反面数据去噪效果最好,信号信噪比由7.15提高到了23.45,提高了2.28倍。
表1原始信号信噪比与Coiflets小波去噪后信号信噪比
将去噪后数据根据3:1的比例分为训练集和测试集,分别选取300粒完好和手工孔洞玉米种子颗粒两个方位的超声波信号数据作为训练集样本,剩下100粒完好和手工孔洞玉米种子颗粒两个方位的超声波信号数据作为测试集样本。
训练集数据采用主成分分析(PCA)特征提取方式,根据PC(主成份)贡献率如图5所示,前10个主成分累积贡献率已经达到97%以上,即前10个主成分就已经代表了数据中97%以上的信息,因此本研究选取前10维数据建立特征空间。将特征提取的变换矩阵传递给测试集,做同样的特征提取。
采用K近邻方法建立识别模型,待检测样本100粒种子正面、反面空气耦合超声波A波信号数据经过同样的小波去噪,特征提取之后投入到识别模型中进行识别,统计完好颗粒和孔洞颗粒正确识别率。手工钻孔孔洞与完好颗粒正面、反面PCA空间分布图,如图5a、5b,图中,训练H正面、训练K正面分别表示训练样本完好颗粒正面数据和训练样本孔洞颗粒正面数据,测试H正面、测试K正面分别表示测试样本完好颗粒正面数据和测试样本孔洞颗粒正面数据;训练H反面、训练K反面分别表示训练样本完好颗粒反面数据和训练样本孔洞颗粒反面数据,测试H反面、测试K反面分别表示测试样本完好颗粒反面数据和测试样本孔洞颗粒反面数据。从图4中可以看出,除了少数颗粒之外,决大部分完好种子超声波无论是正面还是反面数据点在PCA空间中的分布均与有孔洞种子数据有明显的界限,即用超声波数据可以很好的区分完好种子和有孔洞种子颗粒,且它们之间的差异远远大于种子正反面信号之间的差异,以上结果验证完好颗粒和孔洞颗粒可分,即采用空气耦合超声波技术可以检测玉米种子净度检测范围内的虫蛀孔洞颗粒。利用识别模型对测试集完好颗粒和孔洞颗粒正面和反面数据的正确识别率分别达到97%、99%和100%、97%。
综上所述,本实施例,使用空气耦合超声波技术检测玉米种子净度,首先采用空气耦合超声波信号采集设备分别采集玉米种子颗粒超声A波信号数据,用小波对获取的信号进行去噪预处理,然后将样本分为训练样本集和待检测样本集,训练样本集经过主成分分析方法特征提取之后,采用模式识别方法建立识别模型,同时将训练集特征提取的变换矩阵(特征提取矩阵)传递给待检测样本集,将待检测样本做同样的特征空间变换,提取测试特征,最后投入到识别模型中进行识别。
超声波是一种频率高于20000Hz的声波,由换能器晶片在电压的激励下发生振动产生的,超声波频率高、波长短、绕射现象小,特别是方向性好、穿透能力强、能够成为射线而定向传播、易于获得较集中的声能等特点。超声波对固体的穿透本领很大,尤其是在阳光不透明的固体中,它可穿透几十米的深度。超声波方法不但具有极高检测精度,而且超声波作为一种弹性波具备极强穿透能力,且对空气、灯光等环境因素以及技术操作人员等要求不高,空气耦合超声波技术是以空气作为耦合介质的新型非接触无损检测技术,具有非接触、无需耦合剂、良好的曲面适应性以及可检测非常薄的材料等优点,是一种快速、无损检测技术,因此非常适用于检测玉米种子的虫蛀颗粒,同时这种声学测量方法的重复性好,可用于在线测量。
以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于超声波技术的检测种子净度的方法,其特征在于,所述方法包括步骤:
S1、建立识别模型;
利用空气耦合超声波设备采集种子透射的超声信号,作为训练样本;
对所述训练样本进行去噪处理;
对去噪处理后的所述训练样本进行特征提取,建立识别模型,所述识别模型包括种子的识别模型;
S2、利用所述识别模型对待检测样本进行孔洞检测。
2.根据权利要求1所述的方法,其特征在于,所述空气耦合超声波设备包括:
发射源,发射激励信号;
第一放大器,对所述激励信号进行放大处理;
第一空气耦合超声换能器,对放大后的所述激励信号进行换能处理,之后对种子进行照射;
第二空气耦合超声换能器,采集种子透射的超声信号;
第二放大器,对所述超声信号进行放大;
滤波器,对放大后的所述超声信号进行滤波。
3.根据权利要求2所述的方法,其特征在于,所述激励信号为连续的正弦波信号,其频率与所述第一空气耦合超声换能器的中心频率一致。
4.根据权利要求3所述的方法,其特征在于,所述空气耦合超声波设备还包括模数转换器,用于对滤波后的所述超声信号进行模数转换。
5.根据权利要求4所述的方法,其特征在于,采用小波去噪方法对所述训练样本进行去噪处理。
6.根据权利要求5所述的方法,其特征在于,采用主成分分析方法对所述训练样本进行特征提取,并得到特征提取矩阵。
7.根据权利要求6所述的方法,其特征在于,采用K近邻方法建立所述识别模型。
8.根据权利要求7所述的方法,其特征在于,所述步骤S2具体包括以下步骤:
S21、利用空气耦合超声波设备采集种子透射的超声信号;
S22、对所述超声信号进行去噪处理;
S23、对去噪处理后的所述超声信号进行特征提取;
S24、利用所述识别模型找到所述特征对应的分类信息。
9.根据权利要求8所述的方法,其特征在于,所述步骤S23中,利用所述特征提取矩阵提取所述超声信号的特征。
10.根据权利要求9所述的方法,其特征在于,所述步骤S22中,采用小波去噪方法对所述超声信号进行去噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510127908.3A CN104749249B (zh) | 2015-03-23 | 2015-03-23 | 一种基于超声波技术的检测种子净度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510127908.3A CN104749249B (zh) | 2015-03-23 | 2015-03-23 | 一种基于超声波技术的检测种子净度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104749249A CN104749249A (zh) | 2015-07-01 |
CN104749249B true CN104749249B (zh) | 2018-03-09 |
Family
ID=53589244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510127908.3A Expired - Fee Related CN104749249B (zh) | 2015-03-23 | 2015-03-23 | 一种基于超声波技术的检测种子净度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104749249B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105651863A (zh) * | 2015-12-29 | 2016-06-08 | 中国农业大学 | 一种虫蛀孔洞玉米种子检测方法 |
CN105486758B (zh) * | 2015-12-29 | 2019-01-04 | 中国农业大学 | 一种霉变玉米种子检测方法 |
CN108491931B (zh) * | 2018-03-29 | 2023-12-19 | 四川升拓检测技术股份有限公司 | 一种基于机器学习提高无损检测精度的方法 |
CN109949323B (zh) * | 2019-03-19 | 2022-12-20 | 广东省农业科学院农业生物基因研究中心 | 一种基于深度学习卷积神经网络的作物种子净度判断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915767A (zh) * | 2010-07-13 | 2010-12-15 | 南京农业大学 | 一种鸡蛋裂纹的***性识别方法 |
CN102455324A (zh) * | 2010-10-18 | 2012-05-16 | 河南工业大学 | 基于dct的粮食及油料声信号特征提取方法和*** |
CN103487507A (zh) * | 2012-06-12 | 2014-01-01 | 北京大学深圳研究生院 | 一种超声波检测食品安全的方法及其装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004023824B4 (de) * | 2004-05-13 | 2006-07-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Beurteilung einer Güteklasse eines zu prüfenden Objekts |
EP2880436A1 (en) * | 2012-08-06 | 2015-06-10 | Sorpla Sp. z o.o. | A method and device for identifying material types of spatial objects |
-
2015
- 2015-03-23 CN CN201510127908.3A patent/CN104749249B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915767A (zh) * | 2010-07-13 | 2010-12-15 | 南京农业大学 | 一种鸡蛋裂纹的***性识别方法 |
CN102455324A (zh) * | 2010-10-18 | 2012-05-16 | 河南工业大学 | 基于dct的粮食及油料声信号特征提取方法和*** |
CN103487507A (zh) * | 2012-06-12 | 2014-01-01 | 北京大学深圳研究生院 | 一种超声波检测食品安全的方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104749249A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104749249B (zh) | 一种基于超声波技术的检测种子净度的方法 | |
CN102353701B (zh) | 一种利用挥发物的农作物虫害诊断方法 | |
CN1743839A (zh) | 一种结构缺陷超声在线智能识别***及识别方法 | |
CN107016233A (zh) | 运动行为和认知能力的关联分析方法及*** | |
CN110208377A (zh) | 一种基于Lamb波的多特征参数损伤程度评估方法 | |
CN101419196A (zh) | 一种禽蛋细小裂纹的敲击响应检测装置及方法 | |
CN103776903A (zh) | 一种风电叶片脱层检测方法及检测*** | |
CN208872879U (zh) | 一种微地震数据采集*** | |
CN103637821A (zh) | 基于超声RF时间序列的肝纤维化程度Fisher识别方法 | |
CN110702792A (zh) | 一种基于深度学习的合金组织超声检测分类方法 | |
CN104391045A (zh) | 基于声波的方形木材孔洞缺陷识别***及方法 | |
CN107153095A (zh) | 一种复合板结构的健康检测***及其工作方法 | |
CN111141823A (zh) | 一种基于智能手机声信号的哈密瓜成熟度快速检测方法 | |
CN107727749B (zh) | 一种基于小波包融合特征提取算法的超声定量检测方法 | |
CN109541031A (zh) | 基于声学和振动特性的水果硬度检测方法 | |
CN104316167A (zh) | 一种低信噪比下结构响应异常检测方法 | |
CN108344795A (zh) | 油气管道缺陷识别方法、装置及电子设备 | |
CN105606610A (zh) | 一种基于生物散斑技术无损检测苹果内部品质的方法 | |
CN102928513B (zh) | 西瓜成熟度超声无损检测装置 | |
CN111694053A (zh) | 初至拾取方法及装置 | |
CN116698986B (zh) | 一种基于调谐带通滤波器的吸音材料质控***和方法 | |
CN106610401A (zh) | 一种西瓜监测装置 | |
CN104849350A (zh) | 基于多特征的木材缺陷识别分类方法 | |
CN108776238B (zh) | 超声波风速仪换能器性能恶化状态检测方法 | |
CN105651863A (zh) | 一种虫蛀孔洞玉米种子检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180309 Termination date: 20190323 |