CN107862245A - 一种客户端配电房的异常监测方法 - Google Patents
一种客户端配电房的异常监测方法 Download PDFInfo
- Publication number
- CN107862245A CN107862245A CN201710891308.3A CN201710891308A CN107862245A CN 107862245 A CN107862245 A CN 107862245A CN 201710891308 A CN201710891308 A CN 201710891308A CN 107862245 A CN107862245 A CN 107862245A
- Authority
- CN
- China
- Prior art keywords
- mrow
- power distribution
- mtd
- distribution room
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种客户端配电房的异常监测方法,使用视频拍摄的方式对配电房内的设备仪表表面进行图像采集,然后对采集的图像进行图像处理,得到具体的仪表数据,并基于得到的数据判断配电房是否运行异常,若异常则将异常情况上报至监控中心,实现对配电房的异常监测。
Description
技术领域
本发明涉及配电房技术领域,更具体地,涉及一种客户端配电房的异常监测方法。
背景技术
目前,国内很多用电企业因为设备老化、损坏、设计等问题导致企业在生产中发生停电、跳闸等现象,而由于自身运维能力有限,故障往往得不到及时的处理,对设备及其他相关的生产仪器造成损害,更严重时可能造成故障出门,导致整条馈线的跳闸。
传统的配电房中,异常监测通常仅支持烟雾报警、液压报警等,现场的许多设备的仪表数据往往只能够通过本地进行查看,而无法进行远程传输供远程用户进行查看,这就导致了异常数据和用电隐患无法及时被发现。
发明内容
本发明为解决现有技术配电房内的仪表数据无法进行远程传输而导致的无法及时发现异常数据和用电隐患的缺陷,提供了一种客户端配电房的异常监测方法。
为实现以上发明目的,采用的技术方案是:
一种客户端配电房的异常监测方法,使用视频拍摄的方式对配电房内的设备仪表表面进行图像采集,然后对采集的图像进行图像处理,得到具体的仪表数据,并基于得到的数据判断配电房是否运行异常,若异常则将异常情况上报至监控中心,实现对配电房的异常监测。
与现有技术相比,本发明的有益效果是:
本发明提供的异常监测方法通过图像处理技术获得设备仪表的仪表数据,实现这些数据的及时传输,供远程用户进行监测,避免发生因数据无法进行传输而导致的异常数据和用电隐患无法及时被发现的情况。
附图说明
图1为识别出入侵物所在区域的具体执行过程图。
图2为对指针类型的设备仪表进行图像处理得到数据的执行示意图。
图3为对数字类型的设备仪表进行图像处理得到数据的执行示意图。
图4为电缆接头温度采集传感监测装置的结构示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
本发明提供的客户端配电房的异常监测方法使用视频拍摄的方式对配电房内的设备仪表表面进行图像采集,然后对采集的图像进行图像处理,得到具体的仪表数据,并基于得到的数据判断配电房是否运行异常,若异常则将异常情况上报至监控中心,实现对配电房的异常监测。
上述方案中,对于不同类型的设备仪表,对其进行图像处理的步骤也不同,具体如下:
(1)对于指针类型的设备仪表,如图2所示,首先从采集的仪表表面图像中截取指针图像,然后对指针图像进行位图化处理,并提取处理后的位图图像,基于提取的位图图像计算位图图像的原点坐标,基于原点坐标设定预警区,在预警区内查找可疑点,计算可疑点与原点的连线斜率,然后在斜率方向内查找指针,查找到指针后完成对指针的读数,得到具体的数据;
(2)对于数字类型的设备仪表,如图3所示,首先从采集到的仪表表面图像中截取出数字仪表图像,然后对数字仪表图像中的每一位七段数字进行矩形区域的划分与定位,扫描每一位七段数字的七个矩形区域,采用颜色识别法判断每个颜色矩形区域是否着色,若着色则标记为1,未着色则标记为0,从而将七段数字转换为七位二进制编码,查表确定七位二进制编码对应的数字;从而得到仪表的读数,得到具体的数据。
本实施例中,所述异常监测方法还包括有对入侵物进行监测的步骤,该步骤通过摄像头对配电房的内部进行拍摄,并对拍摄的图像进行处理,识别出图像中入侵物的所在区域。如图1所示,所述识别出入侵物的所在区域的具体步骤如下:
S11.利用N帧图像进行背景图像的初始化:
其中t表示第t帧,I(x,y,k)表示第k帧图像在像素点(x,y)处的像素值;
S12.利用背景差法检测入侵物的所在区域,将当前帧I(x,y,t+1)与背景图像B(x,y,t)做差,得到前景动态区域,最后利用自适应迭代阈值T进行二值化,得到入侵物所在区域D(x,y,t+1):
所述识别出入侵物在当前帧的所在区域后,利用帧差法进行背景更新,对前一帧与当前帧做差得到B’,并进行二值化:
利用B’进行背景更新,即
其中α为更新因子,表示更新的速度。
其中,所述自适应迭代阈值T根据以下步骤确定:
S21.计算图像的灰度统计直方图H[i],根据灰度统计直方图获取前景动态区域的像素灰度最大值Gmax和最小值Gmin,设定迭代初始值T0=0.5*(Gmax+Gmin);
S22.利用T0对前景动态区域进行分割,计算背景平均灰度值和前景平均灰度值并计算新的迭代阈值T=0.5*(Mb+Mf);
S23.T=T0,然后执行步骤S22,直至前后两次迭代的迭代阈值相等。
本实施例中,所述异常监测方法还包括有利用电缆接头温度采集传感监测装置对电缆接头温度进行监测的步骤,该步骤在采集到的温度超过设定的阈值的情况下,会将此情况上报至监控中心。如图4所示,所述电缆接头温度采集传感监测装置包括多组前置监测模块及与其连接的m个电流测温传感器,测温传感器输出的微弱电流信号传送至前置监测模块进行数据隔离、放大、转换和计算处理。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种客户端配电房的异常监测方法,其特征在于:使用视频拍摄的方式对配电房内的设备仪表表面进行图像采集,然后对采集的图像进行图像处理,得到具体的仪表数据,并基于得到的数据判断配电房是否运行异常,若异常则将异常情况上报至监控中心,实现对配电房的异常监测。
2.根据权利要求1所述的客户端配电房的异常监测方法,其特征在于:
(1)对于指针类型的设备仪表,首先从采集的仪表表面图像中截取指针图像,然后对指针图像进行位图化处理,并提取处理后的位图图像,基于提取的位图图像计算位图图像的原点坐标,基于原点坐标设定预警区,在预警区内查找可疑点,计算可疑点与原点的连线斜率,然后在斜率方向内查找指针,查找到指针后完成对指针的读数,得到具体的数据;
(2)对于数字类型的设备仪表,首先从采集到的仪表表面图像中截取出数字仪表图像,然后对数字仪表图像中的每一位七段数字进行矩形区域的划分与定位,扫描每一位七段数字的七个矩形区域,采用颜色识别法判断每个颜色矩形区域是否着色,若着色则标记为1,未着色则标记为0,从而将七段数字转换为七位二进制编码,查表确定七位二进制编码对应的数字;从而得到仪表的读数,得到具体的数据。
3.根据权利要求1所述的客户端配电房的异常监测方法,其特征在于:所述异常监测方法还包括有对入侵物进行监测的步骤,该步骤通过摄像头对配电房的内部进行拍摄,并对拍摄的图像进行处理,识别出图像中入侵物的所在区域。
4.根据权利要求3所述的客户端配电房的异常监测方法,其特征在于:所述识别出入侵物的所在区域的具体步骤如下:
S11.利用N帧图像进行背景图像的初始化:
<mrow>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
其中t表示第t帧,I(x,y,k)表示第k帧图像在像素点(x,y)处的像素值;
S12.利用背景差法检测入侵物的所在区域,将当前帧I(x,y,t+1)与背景图像B(x,y,t)做差,得到前景动态区域,最后利用自适应迭代阈值T进行二值化,得到入侵物所在区域D(x,y,t+1):
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>></mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
5.根据权利要求4所述的客户端配电房的异常监测方法,其特征在于:所述识别出入侵物在当前帧的所在区域后,利用帧差法进行背景更新,对前一帧与当前帧做差得到B’,并进行二值化:
<mrow>
<msup>
<mi>B</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>></mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
利用B’进行背景更新,即
其中α为更新因子,表示更新的速度。
6.根据权利要求5所述的客户端配电房的异常监测方法,其特征在于:所述自适应迭代阈值T根据以下步骤确定:
S21.计算图像的灰度统计直方图H[i],根据灰度统计直方图获取前景动态区域的像素灰度最大值Gmax和最小值Gmin,设定迭代初始值T0=0.5*(Gmax+Gmin);
S22.利用T0对前景动态区域进行分割,计算背景平均灰度值和前景平均灰度值并计算新的迭代阈值T=0.5*(Mb+Mf);
S23.T=T0,然后执行步骤S22,直至前后两次迭代的迭代阈值相等。
7.根据权利要求1所述的客户端配电房的异常监测方法,其特征在于:所述异常监测方法还包括有利用电缆接头温度采集传感监测装置对电缆接头温度进行监测的步骤,该步骤在采集到的温度超过设定的阈值的情况下,会将此情况上报至监控中心。
8.根据权利要求7所述的客户端配电房的异常监测方法,其特征在于:所述电缆接头温度采集传感监测装置包括多组前置监测模块及与其连接的m个电流测温传感器,测温传感器输出的微弱电流信号传送至前置监测模块进行数据隔离、放大、转换和计算处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710891308.3A CN107862245A (zh) | 2017-09-27 | 2017-09-27 | 一种客户端配电房的异常监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710891308.3A CN107862245A (zh) | 2017-09-27 | 2017-09-27 | 一种客户端配电房的异常监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107862245A true CN107862245A (zh) | 2018-03-30 |
Family
ID=61698747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710891308.3A Pending CN107862245A (zh) | 2017-09-27 | 2017-09-27 | 一种客户端配电房的异常监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862245A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059610A (zh) * | 2018-12-25 | 2019-07-26 | 苏州百卓网络技术有限公司 | 一种基于图像识别的指针式仪表预警方法 |
CN113066254A (zh) * | 2021-03-16 | 2021-07-02 | 广东核电合营有限公司 | 核电设备工作环境异常预警方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288310A (zh) * | 2011-07-11 | 2011-12-21 | 北京合纵科技股份有限公司 | 一种电缆接头测温装置 |
CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控***和方法 |
CN103944264A (zh) * | 2014-04-22 | 2014-07-23 | 航天科工深圳(集团)有限公司 | 一种配电终端智能监控装置和方法 |
CN104994334A (zh) * | 2015-06-09 | 2015-10-21 | 海南电网有限责任公司 | 基于实时视频的变电站自动监控方法 |
CN106127205A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 一种适用于室内轨道机器人的数字仪表图像的识别方法 |
-
2017
- 2017-09-27 CN CN201710891308.3A patent/CN107862245A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288310A (zh) * | 2011-07-11 | 2011-12-21 | 北京合纵科技股份有限公司 | 一种电缆接头测温装置 |
CN103108159A (zh) * | 2013-01-17 | 2013-05-15 | 新疆电力公司乌鲁木齐电业局 | 一种电力智能视频分析监控***和方法 |
CN103944264A (zh) * | 2014-04-22 | 2014-07-23 | 航天科工深圳(集团)有限公司 | 一种配电终端智能监控装置和方法 |
CN104994334A (zh) * | 2015-06-09 | 2015-10-21 | 海南电网有限责任公司 | 基于实时视频的变电站自动监控方法 |
CN106127205A (zh) * | 2016-06-22 | 2016-11-16 | 山东鲁能智能技术有限公司 | 一种适用于室内轨道机器人的数字仪表图像的识别方法 |
Non-Patent Citations (4)
Title |
---|
司佳伟: "视频监控***中指针图像识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
管春苗: "基于机器视觉的运动目标轨迹跟踪技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭爽: "数码管数字仪表自动识别方法的研究", 《通信技术》 * |
陈溪 等: "一种基于背景差分的运动目标检测新方法", 《成都大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059610A (zh) * | 2018-12-25 | 2019-07-26 | 苏州百卓网络技术有限公司 | 一种基于图像识别的指针式仪表预警方法 |
CN113066254A (zh) * | 2021-03-16 | 2021-07-02 | 广东核电合营有限公司 | 核电设备工作环境异常预警方法、装置、设备和存储介质 |
CN113066254B (zh) * | 2021-03-16 | 2023-01-24 | 广东核电合营有限公司 | 核电设备工作环境异常预警方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110191320B (zh) | 基于像素时序运动分析的视频抖动与冻结检测方法及装置 | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控***及火灾图像检测方法 | |
CN109215042B (zh) | 一种基于计算机视觉的光伏电池板热斑效应检测***及其计算方法 | |
CN116229668B (zh) | 基于红外视频监测的火灾定位*** | |
CN102469302B (zh) | 应用于影像监控的可适应光线变化的背景模型学习*** | |
CN104601956A (zh) | 基于固定翼无人机的输电线路在线监测***及监测方法 | |
CN110660025B (zh) | 一种基于gan网络的工业监控视频图像清晰化方法 | |
CN110636281B (zh) | 一种基于背景模型的监控摄像头遮挡实时检测方法 | |
CN109460705A (zh) | 基于机器视觉的输油管道监控方法 | |
CN107862245A (zh) | 一种客户端配电房的异常监测方法 | |
CN107392889A (zh) | 一种基于红外图像的电力设备运行状态监控方法及*** | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN108921826A (zh) | 超像素分割与深度学习相结合的输电线路入侵物检测方法 | |
CN110706171B (zh) | 图像降噪方法及装置 | |
CN111461076A (zh) | 帧差法与神经网络结合的烟雾检测方法和检测*** | |
CN117808742A (zh) | 基于语义分割孪生网络的变电站设备变化检测方法和*** | |
CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
CN102479416A (zh) | 消除监控***中误报警的方法、***及装置 | |
CN111460949B (zh) | 一种输电线路防外力破坏实时监测方法和*** | |
CN112241707A (zh) | 一种风电场智能视频识别装置 | |
CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测*** | |
CN111145219B (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 | |
CN115311563A (zh) | 面向森林火灾的经验模型自演化的轻量化烟雾检测方法 | |
CN110798680B (zh) | 一种单帧无参考自适应的视频雪花噪声检测方法 | |
CN110782431B (zh) | 一种基于深度学习的高压电线结冰区域检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180330 |