CN107561087A - 一种基于机器视觉的鼠标logo定位及缺陷检测方法 - Google Patents
一种基于机器视觉的鼠标logo定位及缺陷检测方法 Download PDFInfo
- Publication number
- CN107561087A CN107561087A CN201710770967.1A CN201710770967A CN107561087A CN 107561087 A CN107561087 A CN 107561087A CN 201710770967 A CN201710770967 A CN 201710770967A CN 107561087 A CN107561087 A CN 107561087A
- Authority
- CN
- China
- Prior art keywords
- image
- mouse
- logo
- template
- inspection method
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于机器视觉的鼠标logo定位及缺陷检测方法,包括以下步骤:S1、离线制作模板图像;S2、在线处理待测图像;S3、模板图像与待测图像作差分。本发明不需要机械机构对鼠标进行图像处理前的定位操作,即使图像发生适量旋转偏移仍可准确定位logo区域并检出logo各类缺陷,很大程度简化了处理流程并有效节约了成本。同时该算法简单稳定,较之模板匹配算法,大大缩短了处理时间并有效提高了准确率,经过生产现场实际运行,只要成像效果可以保证,检测准确率接近100%,可有效适应工业现场,检测出各种型号规格的鼠标。
Description
技术领域
本发明涉及缺陷检测的技术领域,尤其涉及到一种基于机器视觉的鼠标logo定位及缺陷检测方法。
背景技术
随着人们生活水平地不断提高,计算机的使用遍及千家万户,而鼠标作为计算机的重要输入设备,其质量的好坏受到广泛关注。
现如今,鼠标生产厂家对鼠标质量进行严格把控。在鼠标的评价指标中,很重要的一项是鼠标表面logo的检测。然而当前鼠标的logo检测仍以人工为主,尚未涉及视觉检测,人工检测存在诸多弊端,例如:效率低,易出现误检漏检,长时间的工作对身体有很大危害等。
如公开号为:201510646226.3的中国专利申请,公开了“产品外观的LOGO检测方法“,该专利采用的模板匹配算法存在鲁棒性较差,对生产环境敏感,处理时间长,实时性差,正确率难以保证等弊端,不适应工业现场检测。
因此,提出一种简单有效、检测精度高、可广泛适用于工业生产现场、能够准确定位logo区域并检测各种型号鼠标logo缺陷的方法很有必要。
发明内容
本发明的目的在于克服现有技术的不足,提供一种简单有效、检测精度高、可广泛适用于工业生产现场、能够准确定位logo区域并检测各种型号鼠标logo缺陷的基于机器视觉的鼠标logo定位及缺陷检测方法。
为实现上述目的,本发明所提供的技术方案为:包括以下步骤:
S1、离线制作模板图像;
S2、在线处理待测图像;
S3、模板图像与待测图像作差分。
进一步地,所述步骤S1离线制作模板图像,具体步骤如下:
S1-1、采集模板鼠标图像;
S1-2、对采集到的图像进行预处理;
S1-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S1-4、求取边缘轮廓的最小外接矩形并计算矩形中心点和角度
S1-5、若则进入步骤S1-6;若则直接进入步骤S1-7;
S1-6、对步骤S1-5中的图像进行校正,使
S1-7、提取图像中logo区域(截取logo最小外接矩形区域,记为M*N,其中,M和N表示最小外接矩形框的宽和高),得到模板图像A(x0,y0),并计算连通域面积
进一步地,所述步骤S1-1采集标准鼠标图像时采用圆顶光源打光,有效减少曲面反光带来的影响。
进一步地,步骤S1-2图像预处理为直方图均衡化;
由于采集的图像为曲面,会存在或多或少的反光现象,故在图像处理前需要进行直方图均衡化,以消除发光的影响并增强对比度;
计算公式如下:
其中,n为图像中像素的总和,nj为当前灰度级的像素个数,L为图像的灰度级总数。
进一步地,所述步骤S2在线处理待测图像,具体包括以下步骤:
S2-1、采集待检测鼠标图像;
S2-2、对采集到的图像进行预处理;
S2-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S2-4、求取边缘轮廓的最小外接矩形并计算矩形中心点(x,y)和角度θ;
S2-5、若θ≠0,则对图像进行校正,使θ=0;
S2-6、计算校正后的待测图像与模板图像中心坐标的差值,判断待测图像相对于模板图像的位移情况;计算公式为:
S2-7、提取待测图像中logo的最小外接矩形区域,(为(m+dy)*(n+dx)的矩形区域,m和n表示矩形框的宽和高),得到图像A(xi,yi),并计算连通域面积Areai。
因为良品鼠标的logo位置是相对固定的,所以根据这个规律便可很容易定位出logo位置。
进一步地,所述步骤S3模板图像与待测图像作差分的具体步骤如下:
S3-1、对模板图像与待测图像作差分操作,公式为:
S3-2、设置阈值,将差分结果分为 以及四个区间,分别对应鼠标缺陷种类;
若则判定logo存在漏印;若则判定logo错位或错印;若则判定logo缺失;若则判定logo无缺陷;
S3-3、利用Otsu算法对缺陷图像进行阈值化,得到缺陷二值图;
其中,Otsu算法是一种自适应的阈值确定的方法,是按图像的灰度特性,自动将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小,因此,Otsu算法就是使类间方差最大,使得分割错分概率最小。
与现有技术相比,本方案优点如下:
本方案不需要机械机构对鼠标进行图像处理前的定位操作,即使图像发生适量旋转偏移仍可准确定位出logo区域并检出logo各类缺陷,很大程度简化了处理流程并有效节约了成本。同时该算法简单稳定,较之模板匹配算法,大大缩短了处理时间并有效提高了准确率,只要成像效果可以保证,检测准确率接近100%,可有效适应生产现场,检测出各种型号规格的鼠标。
附图说明
图1为本发明一种基于机器视觉的鼠标logo定位及缺陷检测方法的总体流程图;
图2为本发明一种基于机器视觉的鼠标logo定位及缺陷检测方法的具体算法流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
参见附图1-2所示,本实施例所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,包括以下步骤:
S1、离线制作模板图像,过程如下:
S1-1、采用圆顶光源打光,采集模板鼠标图像;
S1-2、对采集到的图像进行直方图均衡化,公式为:
其中,n为图像中像素的总和,nj为当前灰度级的像素个数,L为图像的灰度级总数。
S1-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S1-4、求取边缘轮廓的最小外接矩形并计算矩形中心点和角度
S1-5、若则进入步骤S1-6;若则直接进入步骤S1-7;
S1-6、对步骤S1-5中的图像进行校正,使
校正方法具体为:截取最小外接矩形下底边,设直线公式为:y=kx+b,式中:k为直线斜率,b为直线在y轴上的截距,其中直线的斜率定义为:直线与直角坐标系正半轴方向夹角θ的正切值,其表达式为:k=arctanθ,计算出图像倾斜角度,对其进行旋转进行倾斜校正;
S1-7、截取logo的最小外接矩形区域,记为M*N,其中,M和N表示矩形框的宽和高,从而得到模板图像A(x0,y0),并计算连通域面积
离线制作模板图像完成后,进行S2在线处理待测图像,过程如下:
S2-1、采集待检测鼠标图像;
S2-2、对采集到的图像进行预处理;
S2-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S2-4、求取边缘轮廓的最小外接矩形并计算矩形中心点(x,y)和角度θ;
S2-5、若θ≠0,则对图像进行校正,使θ=0;校正方法与步骤S1中的一致;
S2-6、计算校正后的待测图像与模板图像中心坐标的差值,判断待测图像相对于模板图像的位移情况;计算公式为:
S2-7、提取待测图像中logo的最小外接矩形区域,(为(m+dy)*(n+dx)的矩形区域,m和n表示矩形框的宽和高),得到图像A(xi,yi),并计算连通域面积Areai。
最后进行步骤S3模板图像与待测图像作差分,具体过程如下:
S3-1、对模板图像与待测图像作差分操作,公式为:
S3-2、设置阈值,将差分结果分为 以及四个区间,分别对应鼠标缺陷种类;
若则判定logo存在漏印;若则判定logo错位或错印;若则判定logo缺失;若则判定logo无缺陷;
S3-3、利用Otsu算法对缺陷图像进行阈值化,得到缺陷二值图;
类间方差记为g,计算公式为:
g=w0(u0-u)2+w1(u1-u)2
其中,w0表示前景的像素点数占整幅图像的比例,w1表示背景像素点数占整幅图像的比例,u0表示前景灰度均值,u1表示背景灰度均值,u表示全局灰度均值,当g值越大,分割效果越好。
本实施例不需要机械机构对鼠标进行图像处理前的定位操作,即使图像发生适量旋转偏移仍可准确检出logo各类缺陷,很大程度简化了处理流程并有效节约了成本。同时该算法简单稳定,较之模板匹配,大大节省了处理时间并有效提高了准确率,经过生产现场实际运行,只要成像效果可以保证,检测准确率接近100%,可有效适应工业现场,检测出各种型号规格的鼠标。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:包括以下步骤:
S1、离线制作模板图像;
S2、在线处理待测图像;
S3、模板图像与待测图像作差分。
2.根据权利要求1所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:所述步骤S1离线制作模板图像,具体步骤如下:
S1-1、采集模板鼠标图像;
S1-2、对采集到的图像进行预处理;
S1-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S1-4、求取边缘轮廓的最小外接矩形并计算矩形中心点和角度
S1-5、若则进入步骤S1-6;若则直接进入步骤S1-7;
S1-6、对步骤S1-5中的图像进行校正,使
S1-7、提取图像中logo区域,得到模板图像A(x0,y0),并计算连通域面积
3.根据权利要求2所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:所述步骤S1-1采集标准鼠标图像时采用圆顶光源打光。
4.根据权利要求2所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:所述步骤S1-2图像预处理为直方图均衡化,计算公式如下:
<mrow>
<msub>
<mi>S</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>k</mi>
</munderover>
<mfrac>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
<mi>n</mi>
</mfrac>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
其中,n为图像中像素的总和,nj为当前灰度级的像素个数,L为图像的灰度级总数。
5.根据权利要求1所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:所述步骤S2在线处理待测图像,具体包括以下步骤:
S2-1、采集待检测鼠标图像;
S2-2、对采集到的图像进行预处理;
S2-3、采用Canny边缘检测算法,检测鼠标图像的边缘轮廓;
S2-4、求取边缘轮廓的最小外接矩形并计算矩形中心点(x,y)和角度θ;
S2-5、若θ≠0,则对图像进行校正,使θ=0;
S2-6、计算校正后的待测图像与模板图像中心坐标的差值,判断待测图像相对于模板图像的位移情况;
S2-7、提取待测图像中logo的最小外接矩形区域,得到图像A(xi,yi),并计算连通域面积Areai。
6.根据权利要求1所述的一种基于机器视觉的鼠标logo定位及缺陷检测方法,其特征在于:所述步骤S3模板图像与待测图像作差分的具体步骤如下:
S3-1、对模板图像与待测图像作差分操作,公式为:
S3-2、设置阈值,将差分结果分为 以及四个区间,分别对应鼠标缺陷种类;
若则判定logo存在漏印;若则判定logo错位或错印;若则判定logo缺失;若则判定logo无缺陷;
S3-3、利用Otsu算法对缺陷图像进行阈值化,得到缺陷二值图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770967.1A CN107561087A (zh) | 2017-08-31 | 2017-08-31 | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770967.1A CN107561087A (zh) | 2017-08-31 | 2017-08-31 | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107561087A true CN107561087A (zh) | 2018-01-09 |
Family
ID=60978373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710770967.1A Pending CN107561087A (zh) | 2017-08-31 | 2017-08-31 | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561087A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
CN108418553A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑角检测的有效特征提取方法 |
CN108418554A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 电池片黑角检测方法 |
CN108418551A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 电池片中心对准方法 |
CN108445018A (zh) * | 2018-03-20 | 2018-08-24 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的有效特征曲线提取方法 |
CN108447053A (zh) * | 2018-03-20 | 2018-08-24 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑角检测的法线投影方法 |
CN108807206A (zh) * | 2018-03-20 | 2018-11-13 | 苏州巨能图像检测技术有限公司 | 电池片黑心检测方法 |
CN110021006A (zh) * | 2018-09-06 | 2019-07-16 | 浙江大学台州研究院 | 一种检测汽车配件是否安装的装置及方法 |
CN110108711A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 圆环侧壁缺陷的视觉检测*** |
CN110108712A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 多功能视觉缺陷检测*** |
CN110108715A (zh) * | 2019-05-06 | 2019-08-09 | 哈尔滨理工大学 | 一种透明平行平板的缺陷检测方法 |
CN113063791A (zh) * | 2021-03-23 | 2021-07-02 | 南通大学 | 一种基于图像处理的布匹缺陷识别方法 |
CN113096102A (zh) * | 2021-04-15 | 2021-07-09 | 深圳市玻尔智造科技有限公司 | 一种基于多尺度转移的充电器表面缺陷检测方法 |
CN113155865A (zh) * | 2021-01-06 | 2021-07-23 | 天津大学 | 基于多相机的铝压铸件孔洞内壁缺陷检测***及检测方法 |
CN113537301A (zh) * | 2021-06-23 | 2021-10-22 | 天津中科智能识别产业技术研究院有限公司 | 基于模板自适应匹配瓶体标签的缺陷检测方法 |
CN113588667A (zh) * | 2019-05-22 | 2021-11-02 | 合肥联宝信息技术有限公司 | 一种检测物体外观的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936915A (zh) * | 2010-07-30 | 2011-01-05 | 哈尔滨工业大学(威海) | 一种啤酒瓶瓶底中心区域污物的检测方法 |
CN103091331A (zh) * | 2013-01-11 | 2013-05-08 | 华中科技大学 | 一种rfid天线毛刺和污点缺陷的视觉检测***及方法 |
CN104297254A (zh) * | 2014-10-08 | 2015-01-21 | 华南理工大学 | 一种基于混合法的印刷电路板缺陷检测方法及*** |
CN105303565A (zh) * | 2015-09-30 | 2016-02-03 | 广州超音速自动化科技股份有限公司 | 产品外观的logo检测方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
-
2017
- 2017-08-31 CN CN201710770967.1A patent/CN107561087A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101936915A (zh) * | 2010-07-30 | 2011-01-05 | 哈尔滨工业大学(威海) | 一种啤酒瓶瓶底中心区域污物的检测方法 |
CN103091331A (zh) * | 2013-01-11 | 2013-05-08 | 华中科技大学 | 一种rfid天线毛刺和污点缺陷的视觉检测***及方法 |
CN104297254A (zh) * | 2014-10-08 | 2015-01-21 | 华南理工大学 | 一种基于混合法的印刷电路板缺陷检测方法及*** |
CN105303565A (zh) * | 2015-09-30 | 2016-02-03 | 广州超音速自动化科技股份有限公司 | 产品外观的logo检测方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418553A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑角检测的有效特征提取方法 |
CN108418554A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 电池片黑角检测方法 |
CN108418551A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 电池片中心对准方法 |
CN108445018A (zh) * | 2018-03-20 | 2018-08-24 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的有效特征曲线提取方法 |
CN108447053A (zh) * | 2018-03-20 | 2018-08-24 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑角检测的法线投影方法 |
CN108807206A (zh) * | 2018-03-20 | 2018-11-13 | 苏州巨能图像检测技术有限公司 | 电池片黑心检测方法 |
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
CN110021006B (zh) * | 2018-09-06 | 2023-11-17 | 浙江大学台州研究院 | 一种检测汽车配件是否安装的装置及方法 |
CN110021006A (zh) * | 2018-09-06 | 2019-07-16 | 浙江大学台州研究院 | 一种检测汽车配件是否安装的装置及方法 |
CN110108711A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 圆环侧壁缺陷的视觉检测*** |
CN110108712A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 多功能视觉缺陷检测*** |
CN110108715A (zh) * | 2019-05-06 | 2019-08-09 | 哈尔滨理工大学 | 一种透明平行平板的缺陷检测方法 |
CN113588667A (zh) * | 2019-05-22 | 2021-11-02 | 合肥联宝信息技术有限公司 | 一种检测物体外观的方法和装置 |
CN113155865A (zh) * | 2021-01-06 | 2021-07-23 | 天津大学 | 基于多相机的铝压铸件孔洞内壁缺陷检测***及检测方法 |
CN113063791A (zh) * | 2021-03-23 | 2021-07-02 | 南通大学 | 一种基于图像处理的布匹缺陷识别方法 |
CN113096102A (zh) * | 2021-04-15 | 2021-07-09 | 深圳市玻尔智造科技有限公司 | 一种基于多尺度转移的充电器表面缺陷检测方法 |
CN113537301A (zh) * | 2021-06-23 | 2021-10-22 | 天津中科智能识别产业技术研究院有限公司 | 基于模板自适应匹配瓶体标签的缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561087A (zh) | 一种基于机器视觉的鼠标logo定位及缺陷检测方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测***及方法 | |
CN103226814B (zh) | 一种基于医药视觉检测机器人图像校正的药瓶异物检测方法 | |
CN105678776B (zh) | 一种基于激光视觉传感器焊缝图像特征点提取方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及*** | |
CN109489591A (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN111062940A (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN107220999A (zh) | 工件圆弧边缘特征点匹配方法的研究 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
Zhang et al. | A new algorithm for accurate and automatic chessboard corner detection | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN115752969A (zh) | 一种铝箔封口密封性检测方法及***和设备 | |
CN108335332A (zh) | 一种基于双目视觉的轴类零件中轴线测量方法 | |
CN108267104A (zh) | 一种基于双目视觉的轴类零件半径尺寸测量方法 | |
CN114022441A (zh) | 一种不规则五金件的缺陷检测方法 | |
CN107507130A (zh) | 一种快速的qfn芯片引脚图像获取与放大方法 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN113808104A (zh) | 一种基于分块的金属表面缺陷检测方法及*** | |
CN113902652A (zh) | 散斑图像校正方法、深度计算方法、装置、介质及设备 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及*** | |
CN109741302B (zh) | 基于机器视觉的sd卡形态识别***和方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180109 |