CN111239194A - 一种基于传感器阵列的气味识别模块 - Google Patents
一种基于传感器阵列的气味识别模块 Download PDFInfo
- Publication number
- CN111239194A CN111239194A CN201811438679.7A CN201811438679A CN111239194A CN 111239194 A CN111239194 A CN 111239194A CN 201811438679 A CN201811438679 A CN 201811438679A CN 111239194 A CN111239194 A CN 111239194A
- Authority
- CN
- China
- Prior art keywords
- gas
- sensor
- odor
- identification module
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 66
- 230000004044 response Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 4
- 150000001412 amines Chemical class 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 3
- 239000005977 Ethylene Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000012528 membrane Substances 0.000 claims 1
- 235000019645 odor Nutrition 0.000 description 30
- 235000013305 food Nutrition 0.000 description 19
- 239000003570 air Substances 0.000 description 15
- 238000000034 method Methods 0.000 description 10
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 8
- 241000894006 Bacteria Species 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001580 bacterial effect Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000003053 toxin Substances 0.000 description 2
- 231100000765 toxin Toxicity 0.000 description 2
- 108700012359 toxins Proteins 0.000 description 2
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000007084 catalytic combustion reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012136 culture method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000001745 non-dispersive infrared spectroscopy Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本申请实施方式公开了一种基于传感器阵列的气味识别模块，包括：进气孔、接插件、传感器单元、控制处理单元；进气孔设置于气味识别模块的壳体上，其中，进气孔用于待测气体流入气味识别模块的内部；接插件用于使得气味识别模块与智能终端相连，向气味识别模块提供数据及电能传输路径；传感器单元包括气敏传感器阵列，气敏传感器阵列生成与待测气体的浓度相对应的电信号，并将电信号发送至控制处理单元；控制处理单元，与所述传感器单元相连，用于控制所述传感器单元，并对所述传感器单元传输过来的电信号进行处理，获得气味识别结果。
Description
技术领域
本申请涉及气味识别技术领域，特别涉及一种基于传感器阵列的气味识别模块。
背景技术
食物的腐败是指不同物种的微生物通过分解食物，并利用汲取的营养进行繁殖的过程。常见的微生物种类包括某些病毒、霉菌、细菌等，能引起人类食品中毒频率最高的微生物是细菌。目前，食物样本中衡量食品腐坏的主要参数是细菌数量和毒素浓度。识别细菌的方法是通过生物化学测试完成的。
食物是新鲜还是腐败变质，通常从它的表面光泽、弹性、颜色、硬度和散发的气味等方面进行鉴别。目前，我国普遍采用细菌培养法检测食物是否变质，通过测量食物某种细菌群的含量做出食物是否可以食用的结论。
测量食物中的菌群含量的这种方法，需要很长时间化验分析才能做出结论，时间长，效率低。观察不同细菌在不同环境下的生存能力及不同细菌所产生的不同的毒素来识别样品中含有不同细菌，也使得一般的消费者很难采用此法来辨别食物的安全程度。
而采用气体检测的方法判断食品的新鲜度，目前，按照检测原理市场上主流的用于气体检测的传感器可分为四大类：金属氧化物半导体式(MOS)，催化燃烧式(LEL)，电化学式(EC)，和红外光学式(NDIR)。若基于上述传统的四种传感器的气体检测仪表或设备，由于价格昂贵(几千～几万元人民币)，功耗大、选择性差等原因，难以满足日益增长的需求。
发明内容
本申请实施方式的目的是提供一种基于传感器阵列的气味识别模块，可以同智能终端实现连接，用于日常多种气体测量应用，如测试食物新鲜及腐败程度、环境空气的质量及物体的气味识别及某些疾病的气味检测。
为实现上述目的，本申请实施方式提供一种基于传感器阵列的气味识别模块，包括：
进气孔、接插件、传感器单元、控制处理单元；所述进气孔设置于所述气味识别模块的壳体上，其中，
所述进气孔，用于待测气体流入所述气味识别模块的内部；
所述接插件，用于使得所述气味识别模块与智能终端相连，向所述气味识别模块提供数据及电能传输路径；
所述传感器单元，包括气敏传感器阵列，所述气敏传感器阵列生成与所述待测气体的浓度相对应的电信号，并将所述电信号发送至所述控制处理单元；
所述控制处理单元，与所述传感器单元相连，用于控制所述传感器单元，并对所述传感器单元传输过来的电信号进行处理，获得气味识别结果。
优选地，所述传感器单元还包括温度传感器和湿度传感器，用于获取温度信息和湿度信息。
优选地，所述控制处理单元对所述电信号先后进行降噪、放大、特征提取，获得特征响应谱，对所述特征响应谱进行模式识别，实现对待测气体分析。
优选地，所述进气孔处设置防水透气膜。
优选地，所述气敏传感器阵列数量以及所述气体敏感材料的种类根据应用场景的不同而设置。
优选地，所述气敏传感器阵列包括挥发性胺类传感器、硫化氢传感器、氨气传感器和乙烯传感器的一种或几种组合构成，但不限于此。
优选地，还包括：启动单元；其中，所述启动单元，用于通过所述接插件在所述智能终端的应用程序作用下，启动所述气味识别模块整机的开启。
由上可见，与现有技术相比较，本技术方案可以检测附近的食物(蔬菜水果)气味，判断食物新鲜程度及是否变质；可以测量周围环境中的气体浓度，用于检测室内或室外的空气质量，如一氧化碳气体CO、VOC、甲醛HCOH；通过传感器阵列及模式识别的算法，识别气体的类别进而识别食物类别。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案，下面将对实施方式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申请中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提出的一种基于传感器阵列的气味识别模块结构示意图；
图2为气味识别模块的工作原理示意图。
具体实施方式
下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述参考在附图中示出并在以下描述中详述的非限制性示例实施例，更加全面地说明本公开的示例实施例和它们的多种特征及有利细节。应注意的是，图中示出的特征不是必须按照比例绘制。本公开省略了已知材料、组件和工艺技术的描述，从而不使本公开的示例实施例模糊。所给出的示例仅旨在有利于理解本公开示例实施例的实施，以及进一步使本领域技术人员能够实施示例实施例。因而，这些示例不应被理解为对本公开的实施例的范围的限制。
除非另外特别定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。此外，在本公开各个实施例中，相同或类似的参考标号表示相同或类似的构件。
如图1所示，为本发明提出的一种基于传感器阵列的气味识别模块结构示意图。如图2所示，为气味识别模块的工作原理示意图。气味识别模块包括：进气孔102、接插件101、传感器单元103、控制处理单元105；所述进气孔102设置于所述气味识别模块10的壳体上，其中，
所述进气孔102，用于待测气体流入所述气味识别模块的内部；
所述接插件101，用于使得所述气味识别模块与智能终端相连，向所述气味识别模块提供数据及电能传输路径；
所述传感器单元103，包括气敏传感器阵列，所述气敏传感器阵列上的气体敏感材料的电导率随着所述待测气体的浓度而发生改变，生成与所述待测气体的浓度相对应的电信号，并将所述电信号发送至所述控制处理单元105；
所述控制处理单元105，与所述传感器单元103相连，用于控制所述传感器单元103，并对所述传感器单元103传输过来的电信号进行处理，获得气味识别结果。
由图2可知，所述传感器单元103还包括温度传感器和湿度传感器，用于获取温度信息和湿度信息。
在本实施例中，气体分子通过进气孔102到达气敏传感器阵列的表面，气味中的各种化学成分会与气体敏感材料发生作用，传感器单元103将化学输入转换成电信号。在实际中，基于MEMS技术的气敏传感器具有检测气体范围广，成本低，功耗小，寿命长等优点，用于生活中的气体检测优势明显。本技术方案优选的MEMS气敏传感器阵列，利用MEMS工艺在Si基衬底上制作微热板，所使用的气敏材料是在清洁空气中电导率较低的金属氧化物半导体材料。当传感器单元103置于气体环境中时，气敏传感器阵列中的传感器的电导率随空气中被检测气体的浓度而发生改变。该气体的浓度越高，气敏传感器阵列中的传感器的电导率就越高。使用特定的电路将电导率的变化转换为与该气体浓度相对应的电信号。
所述控制处理单元105对所述电信号先后进行降噪、放大、特征提取，获得特征响应谱，对所述特征响应谱进行模式识别，实现对待测气体分析。实际中，气味识别模块对某种气味的响应构成了气敏传感器阵列对该气味的对应传感器阵列信号，称之为特征响应谱。每种气味都会有它的特征响应谱，根据其特征响应谱可区分不同的气味。为实现对气味的定性或定量分析，将传感器阵列信号通过控制处理单元105对传感器阵列信号中的噪声进行消除、信号放大、特征提取，再采用合适的分析方法对其进行模式识别。实际应用中，模式识别算法优选的是神经网络算法实现气体识别，但不局限于此。如卷积神经网络、长短时记忆网络等均可用于气体识别。因此，本气味识别模块通过气敏传感器构成传感器阵列对多种气体的交叉敏感性进行测量，通过适当的分析方法，可以实现混合气体分析。例如，对食品(蔬菜、水果)的新鲜度的测量中，安装于设备中的气敏传感器包括但不限于挥发性胺类传感器、硫化氢传感器、乙烯传感器和氨气传感器等一种或多种组合。
在实际中，为了进一步的减少气味识别模块的体积，也可以将特征响应谱的模式识别功能在智能设备20中完成。
气味识别模块10的一端设有接插件101，接口形式为Micro-USB插口，但不局限于此。气味识别模块10与智能设备20通过接插件101实现相连，给其供电及实现通讯。气味识别模块10安装有进气孔102。对于本技术方案来说，智能设备可以是智能手机，智能手表或其他的智能仪器仪表。
气味识别模块10的壳体上有进气孔102，进气孔102用于待测气体流入模块内部。为实现防水防尘功能，进气孔102处设置有防水透气膜104。当气味识别模块10通过接插件101与安装有相应应用程序的智能设备20相连接后，在所述智能终端的应用程序作用下，通过启动单元106启动所述气味识别模块整机的开启。智能设备的显示屏幕显示气味识别模块10基本状态及气体测量结果，实现与使用者的交互。传感器单元103，控制处理单元105位于气味识别模块10的壳体内部。其中，传感器单元103包含气敏传感器阵列及温度湿度传感器。气敏传感器阵列由多个含不同气敏材料的气体感测单元构成，气体感测单元阵列数量及气敏材料种类根据应用场景的不同进行设计定制及组合。在食物新鲜度测量应用中选用挥发性胺类传感器、硫化氢传感器和氨气传感器等传感单元构成，但不仅限于此。传感器单元103与控制处理单元105连接，控制处理单元105对传感器单元103进行控制，控制传感器单元103的采样时间、周期，并对传感器单元103采样得到的数据进行数据处理。整理好的传感器数据由接插件101传输到智能设备20上，由智能设备20对传感器数据进行处理，在智能设备的显示屏上显示结果，或是对比云端的数据获取最终的数据在智能设备的显示屏上呈现结果。
本技术方案可以检测附近的食物(蔬菜水果)气味，判断食物新鲜程度及是否变质；可以测量周围环境中的气体浓度，用于检测室内或室外的空气质量，如一氧化碳气体CO、VOC、甲醛HCOH；通过传感器矩阵及模式识别的算法，识别气体的类别进而识别食物类别。
虽然通过实施方式描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (8)
1.一种基于传感器阵列的气味识别模块，其特征在于，包括：
进气孔、接插件、传感器单元、控制处理单元；所述进气孔设置于所述气味识别模块的壳体上，其中，
所述进气孔，用于待测气体流入所述气味识别模块的内部；
所述接插件，用于使得所述气味识别模块与智能终端相连，向所述气味识别模块提供数据及电能传输路径；
所述传感器单元，包括气敏传感器阵列，所述气敏传感器阵列生成与所述待测气体的浓度相对应的电信号，并将所述电信号发送至所述控制处理单元；
所述控制处理单元，与所述传感器单元相连，用于控制所述传感器单元，并对所述传感器单元传输过来的电信号进行处理，获得气味识别结果。
2.如权利要求1所述的气味识别模块，其特征在于，所述气敏传感器阵列上的气体敏感材料的电导率随着所述待测气体的浓度而发生改变，根据所述电导率生成与所述待测气体的浓度相对应的电信号。
3.如权利要求1所述的气味识别模块，其特征在于，所述传感器单元还包括温度传感器和湿度传感器，用于获取温度信息和湿度信息。
4.如权利要求1所述的气味识别模块，其特征在于，所述控制处理单元对所述电信号先后进行降噪、放大、特征提取，获得特征响应谱，对所述特征响应谱进行模式识别，实现对待测气体分析。
5.如权利要求1所述的气味识别模块，其特征在于，所述进气孔处设置防水透气膜。
6.如权利要求1所述的气味识别模块，其特征在于，所述气敏传感器阵列数量以及所述气体敏感材料的种类根据应用场景的不同而设置。
7.如权利要求6所述的气味识别模块，其特征在于，所述气敏传感器阵列包括挥发性胺类传感器、硫化氢传感器、氨气传感器和乙烯传感器的一种或几种组合构成。
8.如权利要求1所述的气味识别模块，其特征在于，还包括：启动单元；其中，
所述启动单元，用于通过所述接插件在所述智能终端的应用程序作用下，启动所述气味识别模块整机的开启。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811438679.7A CN111239194A (zh) | 2018-11-28 | 2018-11-28 | 一种基于传感器阵列的气味识别模块 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811438679.7A CN111239194A (zh) | 2018-11-28 | 2018-11-28 | 一种基于传感器阵列的气味识别模块 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111239194A true CN111239194A (zh) | 2020-06-05 |
Family
ID=70863783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811438679.7A Withdrawn CN111239194A (zh) | 2018-11-28 | 2018-11-28 | 一种基于传感器阵列的气味识别模块 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111239194A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112906185A (zh) * | 2021-01-15 | 2021-06-04 | 中国兵器工业集团第二一四研究所苏州研发中心 | 一种基于人工智能的mems惯性传感器异构阵列及其设计方法 |
-
2018
- 2018-11-28 CN CN201811438679.7A patent/CN111239194A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112906185A (zh) * | 2021-01-15 | 2021-06-04 | 中国兵器工业集团第二一四研究所苏州研发中心 | 一种基于人工智能的mems惯性传感器异构阵列及其设计方法 |
| CN112906185B (zh) * | 2021-01-15 | 2024-04-30 | 中国兵器工业集团第二一四研究所苏州研发中心 | 一种基于人工智能的mems惯性传感器异构阵列及其设计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1194227C (zh) | 基于气体传感器阵列技术的食品气味快速无损检测方法及装置 | |
| CN103454335B (zh) | 一种多通道集成嗅觉模拟仪器和生物发酵过程在线分析方法 | |
| CA2134957C (en) | Transformer oil gas extractor | |
| CN101936912A (zh) | 一种基于嗅觉可视化检测鱼新鲜度的方法及装置 | |
| CN104569062B (zh) | 基于分子筛过滤的电子鼻气室 | |
| CN203745367U (zh) | 猪肉新鲜度智能检测仪 | |
| CN104330382A (zh) | 一种生鲜牛肉的安全分级方法 | |
| CN104897859A (zh) | 一种具有温度补偿的室内甲醛浓度检测*** | |
| CN111239193A (zh) | 一种基于传感器阵列的气味识别设备 | |
| CN110187055A (zh) | 一种用于不同恶臭源厂家之间的厂界型监测仪 | |
| CN104849323A (zh) | 一种基于电子鼻快速检测果汁中澄清剂的方法 | |
| CN102175659B (zh) | 基于重组大肠杆菌sos效应的水质遗传毒性检测方法 | |
| Morati et al. | Noise spectroscopy data analysis-based gas identification with a single MOX sensor | |
| CN111239194A (zh) | 一种基于传感器阵列的气味识别模块 | |
| Fuchs et al. | Evaluation of unpleasant odor with a portable electronic nose | |
| Chen et al. | Critical review and recent advances of emerging real-time and non-destructive strategies for meat spoilage monitoring | |
| Kanade et al. | Development of an E-nose using metal oxide semiconductor sensors for the classification of climacteric fruits | |
| CN113340943A (zh) | 一种基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
| Lorwongtragool et al. | Portable artificial nose system for assessing air quality in swine buildings | |
| CN109239285B (zh) | 一种测量肉类腐化程度的检测仪 | |
| Chongthanaphisut et al. | Monitoring of microbial canned food spoilage and contamination based on e-nose for smart home | |
| Di Lecce et al. | Computational-based Volatile Organic Compounds discrimination: an experimental low-cost setup | |
| CN215449161U (zh) | 一种气味数据采集***及采集装置 | |
| CN105301054A (zh) | 基于射频识别整流稳压电路的室内甲醛浓度检测*** | |
| CN114088874B (zh) | 一种基于液相可视化阵列的食醋总酸含量检测方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200605 |