CN113967014B - 基于大数据的学生行为分析装置、***及方法 - Google Patents
基于大数据的学生行为分析装置、***及方法 Download PDFInfo
- Publication number
- CN113967014B CN113967014B CN202111581016.2A CN202111581016A CN113967014B CN 113967014 B CN113967014 B CN 113967014B CN 202111581016 A CN202111581016 A CN 202111581016A CN 113967014 B CN113967014 B CN 113967014B
- Authority
- CN
- China
- Prior art keywords
- student
- behavior analysis
- student behavior
- abnormal
- detection device
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1103—Detecting eye twinkling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Anesthesiology (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于大数据的学生行为分析装置、***及方法,属于学生行为数据分析技术领域,设计循序渐进的不同检测方式以及检测结果检验方案,以最低成本的图像周期性检测作为触发,避免视频采集长时间运行,并且依次分为嫌疑瞌睡状态、重度嫌疑瞌睡状态、瞌睡状态三种程度的逐步,使得学生行为分析结果准确度较高、可靠性较好。周期性采集面部图像,相较于视频采集成本极低,将其作为长时间启动的装置设备,检测到异常后再触发后续循序渐进的检验检测。
Description
技术领域
本发明属于学生行为数据分析技术领域,具体涉及一种基于大数据的学生行为分析装置、***及方法。
背景技术
目前的学生行为分析方案,是对学生在上课时的不同状态进行检测,包括对学生在上课时,是否有打瞌睡、睡觉等情况。
现有技术中,对学生在上课时的不同状态进行检测较为笼统,粗暴地采用上课全程对学生进行视频检测的方式,完全忽视了视频检测设备设施的成本问题,并且没有设计循序渐进的不同检测方式以及检测结果检验方案,使得学生行为分析结果准确度较低、可靠性较差。
因此,现阶段需设计一种基于大数据的学生行为分析装置、***及方法,来解决以上问题。
发明内容
本发明目的在于提供一种基于大数据的学生行为分析装置、***及方法,用于解决上述现有技术中存在的技术问题,如:现有技术中,对学生在上课时的不同状态进行检测较为笼统,粗暴地采用上课全程对学生进行视频检测的方式,完全忽视了视频检测设备设施的成本问题,并且没有设计循序渐进的不同检测方式以及检测结果检验方案,使得学生行为分析结果准确度较低、可靠性较差。
为实现上述目的,本发明的技术方案是:
一种基于大数据的学生行为分析装置,包括:
眼皮张度检测装置,用于检测学生的眼皮张度是否异常;
眨眼频率检测装置,用于检测学生的眨眼频率是否异常;
点头速度检测装置,用于检测学生的点头速度是否异常;
其中,所述眼皮张度检测装置、眨眼频率检测装置、点头速度检测装置处于关闭状态;
当所述学生行为分析装置启动时,所述眼皮张度检测装置启动;
若所述眼皮张度检测装置检测到学生的眼皮张度异常,则所述眨眼频率检测装置启动,且所述学生行为分析装置判断学生行为是嫌疑瞌睡状态;
若所述眨眼频率检测装置检测到学生的眨眼频率异常,则所述点头速度检测装置启动,且所述学生行为分析装置判断学生行为是重度嫌疑瞌睡状态;
若所述点头速度检测装置检测到学生的点头速度异常,则所述学生行为分析装置判断学生行为是瞌睡状态。
进一步的,所述眼皮张度检测装置中,
每隔一段固定时间周期采集学生的面部图像;
根据所述面部图像获取学生的眼皮张度;
将所述眼皮张度与预设的标准眼皮张度进行匹配比较,若二者不匹配,则判断此时眼皮张度异常,否则,眼皮张度正常。
进一步的,所述固定时间周期为学生正常状态下睁眼与眨眼周期的整数倍;
所述睁眼与眨眼周期通过学生的历史数据中筛选得出。
进一步的,所述眨眼频率检测装置中,
采集预设时间段内学生的面部视频;
根据所述面部视频获取学生的眨眼频率;
将所述眨眼频率与预设的标准眨眼频率进行匹配比较,若二者不匹配,则判断此时眨眼频率异常,否则,眨眼频率正常。
进一步的,所述点头速度检测装置中,
持续采集学生的身体轮廓视频;
根据所述身体轮廓视频获取学生的点头速度;
将所述点头速度与预设的标准点头速度进行匹配比较,若二者不匹配,则判断此时点头速度异常,否则,点头速度正常。
进一步的,还包括重心偏移检测装置,用于检测学生上半身的重心偏移是否异常;
若所述重心偏移检测装置检测到学生上半身的重心偏移异常,则所述学生行为分析装置判断学生行为是睡觉状态。
一种基于大数据的学生行为分析***,包括如上述的一种基于大数据的学生行为分析装置,还包括云端服务器,所述学生行为分析装置与所述云端服务器进行数据交互。
一种基于大数据的学生行为分析方法,采用如上述的一种基于大数据的学生行为分析装置进行基于大数据的学生行为分析。
一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被运行时执行如上述的一种基于大数据的学生行为分析方法。
一种电子设备,包括处理器和存储器,所述存储器用于存储所述处理器的可执行命令,所述处理器通过运行所述可执行命令以实现如上述的一种基于大数据的学生行为分析方法。
与现有技术相比,本发明所具有的有益效果为:
本方案其中一个有益效果在于,设计循序渐进的不同检测方式以及检测结果检验方案,以最低成本的图像周期性检测作为触发,避免视频采集长时间运行,并且依次分为嫌疑瞌睡状态、重度嫌疑瞌睡状态、瞌睡状态三种程度的逐步,使得学生行为分析结果准确度较高、可靠性较好。周期性采集面部图像,相较于视频采集成本极低,将其作为长时间启动的装置设备,检测到异常后再触发后续循序渐进的检验检测。
附图说明
图1为本申请实施例的学生行为分析装置工作原理过程示意图。
图2为本申请实施例的眼皮张度检测装置工作原理过程示意图。
图3为本申请实施例的眨眼频率检测装置工作原理过程示意图。
图4为本申请实施例的点头速度检测装置工作原理过程示意图。
图5为本申请实施例的眼皮张度解释说明示意图。
图6为本申请实施例的自主发力维持身体平衡时的解释说明示意图。
具体实施方式
下面结合本发明的附图1-6,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,对学生在上课时的不同状态进行检测较为笼统,粗暴地采用上课全程对学生进行视频检测的方式,完全忽视了视频检测设备设施的成本问题,并且没有设计循序渐进的不同检测方式以及检测结果检验方案,使得学生行为分析结果准确度较低、可靠性较差。
如图1所示,提出一种基于大数据的学生行为分析装置,包括:
眼皮张度检测装置,用于检测学生的眼皮张度(眼皮张开和收缩的程度,即,张开程度越大,眼睛睁开越小,收缩程度越大,眼睛睁开越大,如图5所示,该示意图仅作为说明释义,不对本方案的保护范围造成限制,不是本方案的唯一选择。)是否异常;
眨眼频率检测装置,用于检测学生的眨眼频率是否异常;
点头速度检测装置,用于检测学生的点头速度是否异常;
其中,所述眼皮张度检测装置、眨眼频率检测装置、点头速度检测装置处于关闭状态;
当所述学生行为分析装置启动时,所述眼皮张度检测装置启动;
若所述眼皮张度检测装置检测到学生的眼皮张度异常,则所述眨眼频率检测装置启动,且所述学生行为分析装置判断学生行为是嫌疑瞌睡状态;
由于存在少部分学生的瞳孔大小与平均瞳孔大小之间的差异性较大,所以直接判断为瞌睡状态存在误判可能,判断存在瞌睡嫌疑更为合理。
若所述眨眼频率检测装置检测到学生的眨眼频率异常,则所述点头速度检测装置启动,且所述学生行为分析装置判断学生行为是重度嫌疑瞌睡状态;
由于存在学生有时候没有将眼睛放松(比如刻意专注地盯着黑板上的内容),导致其眨眼频率归类到与瞌睡状态适配的情况,所以直接判断为瞌睡状态也存在误判可能,判断存在重度瞌睡嫌疑更为合理。
若所述点头速度检测装置检测到学生的点头速度异常,则所述学生行为分析装置判断学生行为是瞌睡状态。
由于学生打瞌睡的时候,脑袋会失重式点头,这种情况点头速度极为特殊。
上述方案中,设计循序渐进的不同检测方式以及检测结果检验方案,以最低成本的图像周期性检测作为触发,避免视频采集长时间运行,并且依次分为嫌疑瞌睡状态、重度嫌疑瞌睡状态、瞌睡状态三种程度的逐步,使得学生行为分析结果准确度较高、可靠性较好。
如图2所示,进一步的,所述眼皮张度检测装置中,
每隔一段固定时间周期采集学生的面部图像;
根据所述面部图像获取学生的眼皮张度;
将所述眼皮张度与预设的标准眼皮张度进行匹配比较,若二者不匹配,则判断此时眼皮张度异常,否则,眼皮张度正常。
上述方案中,周期性采集面部图像,相较于视频采集成本极低,将其作为长时间启动的装置设备,检测到异常后再触发后续循序渐进的检验检测。
进一步的,所述固定时间周期为学生正常状态下睁眼与眨眼周期的整数倍;
所述睁眼与眨眼周期通过学生的历史数据中筛选得出。
如图3所示,进一步的,所述眨眼频率检测装置中,
采集预设时间段内学生的面部视频;
根据所述面部视频获取学生的眨眼频率;
将所述眨眼频率与预设的标准眨眼频率进行匹配比较,若二者不匹配,则判断此时眨眼频率异常,否则,眨眼频率正常。
上述方案中,周期性采集面部图像,检测到异常后再触发预设时间段内学生的面部视频采集,降低成本的同时,进一步提升检测结果的可靠性。
如图4所示,进一步的,所述点头速度检测装置中,
持续采集学生的身体轮廓视频;
根据所述身体轮廓视频获取学生的点头速度;
将所述点头速度与预设的标准点头速度进行匹配比较,若二者不匹配,则判断此时点头速度异常,否则,点头速度正常。
上述方案中,预设时间段内学生的面部视频采集,检测到异常后再触发学生的身体轮廓视频持续采集,降低成本的同时,进一步提升检测结果的可靠性。
进一步的,还包括重心偏移检测装置,用于检测学生上半身的重心偏移是否异常;
若所述重心偏移检测装置检测到学生上半身的重心偏移异常,则所述学生行为分析装置判断学生行为是睡觉状态。
上述方案中,重心偏移检测装置也设计为周期性启动,通过图像采集、识别、判断学生上半身的重心偏移情况,根据学生上半身的物理力学平衡(因为学生处于清醒状态时,其坐姿是自主发力维持身体平衡,如图6所示,该示意图仅作为说明释义,不对本方案的保护范围造成限制,不是本方案的唯一选择;但是当学生处于睡觉状态时,其坐姿是依靠座椅或课桌的外界支撑来维持身体平衡。),判断其重心偏移是否异常。
一种基于大数据的学生行为分析***,包括如上述的一种基于大数据的学生行为分析装置,还包括云端服务器,所述学生行为分析装置与所述云端服务器进行数据交互。
一种基于大数据的学生行为分析方法,采用如上述的一种基于大数据的学生行为分析装置进行基于大数据的学生行为分析。
一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被运行时执行如上述的一种基于大数据的学生行为分析方法。
一种电子设备,包括处理器和存储器,所述存储器用于存储所述处理器的可执行命令,所述处理器通过运行所述可执行命令以实现如上述的一种基于大数据的学生行为分析方法。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种基于大数据的学生行为分析装置,其特征在于,包括:
眼皮张度检测装置,用于检测学生的眼皮张度是否异常;
眨眼频率检测装置,用于检测学生的眨眼频率是否异常;
点头速度检测装置,用于检测学生的点头速度是否异常;
其中,所述眼皮张度检测装置、眨眼频率检测装置、点头速度检测装置处于关闭状态;
当所述学生行为分析装置启动时,所述眼皮张度检测装置启动;
若所述眼皮张度检测装置检测到学生的眼皮张度异常,则所述眨眼频率检测装置启动,且所述学生行为分析装置判断学生行为是嫌疑瞌睡状态;
若所述眨眼频率检测装置检测到学生的眨眼频率异常,则所述点头速度检测装置启动,且所述学生行为分析装置判断学生行为是重度嫌疑瞌睡状态;
若所述点头速度检测装置检测到学生的点头速度异常,则所述学生行为分析装置判断学生行为是瞌睡状态;
所述眼皮张度检测装置中,
每隔一段固定时间周期采集学生的面部图像;
根据所述面部图像获取学生的眼皮张度;
将所述眼皮张度与预设的标准眼皮张度进行匹配比较,若二者不匹配,则判断此时眼皮张度异常,否则,眼皮张度正常;
所述固定时间周期为学生正常状态下睁眼与眨眼周期的整数倍;
所述睁眼与眨眼周期通过学生的历史数据中筛选得出;
所述眨眼频率检测装置中,
采集预设时间段内学生的面部视频;
根据所述面部视频获取学生的眨眼频率;
将所述眨眼频率与预设的标准眨眼频率进行匹配比较,若二者不匹配,则判断此时眨眼频率异常,否则,眨眼频率正常
还包括重心偏移检测装置,用于检测学生上半身的重心偏移是否异常;
若所述重心偏移检测装置检测到学生上半身的重心偏移异常,则所述学生行为分析装置判断学生行为是睡觉状态;
重心偏移检测装置也设计为周期性启动。
2.如权利要求1所述的一种基于大数据的学生行为分析装置,其特征在于,所述点头速度检测装置中,
持续采集学生的身体轮廓视频;
根据所述身体轮廓视频获取学生的点头速度;
将所述点头速度与预设的标准点头速度进行匹配比较,若二者不匹配,则判断此时点头速度异常,否则,点头速度正常。
3.一种基于大数据的学生行为分析***,其特征在于,包括如权利要求1或2所述的一种基于大数据的学生行为分析装置,还包括云端服务器,所述学生行为分析装置与所述云端服务器进行数据交互。
4.一种基于大数据的学生行为分析方法,其特征在于,采用如权利要求1或2所述的一种基于大数据的学生行为分析装置进行基于大数据的学生行为分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111581016.2A CN113967014B (zh) | 2021-12-22 | 2021-12-22 | 基于大数据的学生行为分析装置、***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111581016.2A CN113967014B (zh) | 2021-12-22 | 2021-12-22 | 基于大数据的学生行为分析装置、***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113967014A CN113967014A (zh) | 2022-01-25 |
CN113967014B true CN113967014B (zh) | 2022-04-08 |
Family
ID=79590775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111581016.2A Active CN113967014B (zh) | 2021-12-22 | 2021-12-22 | 基于大数据的学生行为分析装置、***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113967014B (zh) |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100462047C (zh) * | 2007-03-21 | 2009-02-18 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
JP5951504B2 (ja) * | 2010-01-18 | 2016-07-13 | エルミンダ エルティーディー.Elminda Ltd. | 神経生理学的データの重み付き分析のための方法およびシステム |
JP5679066B2 (ja) * | 2011-09-05 | 2015-03-04 | 富山県 | 居眠り検出方法と装置 |
CN103020594B (zh) * | 2012-12-03 | 2016-01-20 | 清华大学苏州汽车研究院(吴江) | 利用在线学习消除驾驶人个体差异性的疲劳状态检测方法 |
US8930269B2 (en) * | 2012-12-17 | 2015-01-06 | State Farm Mutual Automobile Insurance Company | System and method to adjust insurance rate based on real-time data about potential vehicle operator impairment |
US8981942B2 (en) * | 2012-12-17 | 2015-03-17 | State Farm Mutual Automobile Insurance Company | System and method to monitor and reduce vehicle operator impairment |
CN103617416B (zh) * | 2013-11-20 | 2017-07-04 | 京东方科技集团股份有限公司 | 人体疲劳状态识别装置、方法和智能显示器 |
US20150196241A1 (en) * | 2014-01-14 | 2015-07-16 | Ziv Yekutieli | Startscreen Diagnostics |
CN105035025B (zh) * | 2015-07-03 | 2018-04-13 | 郑州宇通客车股份有限公司 | 一种驾驶员识别管理方法及*** |
EP3141414B1 (en) * | 2015-09-08 | 2019-05-22 | Aptiv Technologies Limited | Accessory module for instrument cluster |
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及*** |
JP6998564B2 (ja) * | 2017-02-08 | 2022-01-18 | パナソニックIpマネジメント株式会社 | 覚醒度推定装置及び覚醒度推定方法 |
US20210101604A1 (en) * | 2017-03-28 | 2021-04-08 | Kyushu Institute Of Technology | Driver state detection device |
CN108670260A (zh) * | 2018-03-09 | 2018-10-19 | 广东小天才科技有限公司 | 一种基于移动终端的用户疲劳检测方法及移动终端 |
CN108710839A (zh) * | 2018-05-08 | 2018-10-26 | 中山大学 | 一种基于深度学习计算机视觉的哨兵瞌睡智能监控*** |
CN109050246A (zh) * | 2018-07-12 | 2018-12-21 | 武汉仁山智水科技服务有限公司 | 一种疲劳预警的方法和设备 |
CN209842834U (zh) * | 2019-06-28 | 2019-12-24 | 成都航空职业技术学院 | 一种驾驶防打瞌睡装置 |
CN113297966A (zh) * | 2021-05-25 | 2021-08-24 | 郑州铁路职业技术学院 | 一种基于多重刺激的夜间学习方法 |
CN113792577A (zh) * | 2021-07-29 | 2021-12-14 | 何泽仪 | 一种网课学生注意力状态检测方法及检测***、存储介质 |
-
2021
- 2021-12-22 CN CN202111581016.2A patent/CN113967014B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113967014A (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8374687B2 (en) | Rapid serial visual presentation triage prioritization based on user state assessment | |
JP5679066B2 (ja) | 居眠り検出方法と装置 | |
US20070173699A1 (en) | Method and system for user sensitive pacing during rapid serial visual presentation | |
US9113837B2 (en) | Drowsiness detection method and associated device | |
Vijayan et al. | Real time detection system of driver drowsiness based on representation learning using deep neural networks | |
CN102150189A (zh) | 睁闭眼判定装置、睁眼度推定装置及程序 | |
CN111616718B (zh) | 基于姿态特征的驾驶员疲劳状态检测方法和*** | |
JP2007312824A (ja) | まばたきデータ種別装置、覚醒状態判定装置及び覚醒状態判断装置 | |
US20190059790A1 (en) | Blink detection apparatus | |
Nakamura et al. | Detection of driver's drowsy facial expression | |
Alioua et al. | Driver’s fatigue and drowsiness detection to reduce traffic accidents on road | |
Varghese et al. | An integrated framework for driver drowsiness detection and alcohol intoxication using machine learning | |
CN113967014B (zh) | 基于大数据的学生行为分析装置、***及方法 | |
CN110097012B (zh) | 基于N-range图像处理算法的眼动参数监测的疲劳检测方法 | |
Pinto et al. | A deep learning approach to detect drowsy drivers in real time | |
Dari et al. | Unsupervised blink detection and driver drowsiness metrics on naturalistic driving data | |
KR20200013128A (ko) | 동공 인식 기반의 연구현장 데이터 수집 및 분석을 통한 연구자 행동 검출 및 연구방향 의사결정 지원 알고리즘 | |
Mašanović et al. | Driver monitoring using the in-vehicle camera | |
US20220370009A1 (en) | Stress estimation device, stress estimation method, and recording media | |
CN114399752A (zh) | 一种基于微眼跳特性的眼动多特征融合疲劳检测***及检测方法 | |
Seifoory et al. | An accurate morphological drowsy detection | |
CN113469004A (zh) | 一种人工智能学生课堂瞌睡状态检测*** | |
Arora et al. | Real time safety alert system for car | |
Pipanmaekaporn et al. | Mining Acceleration Data for Smartphone-based Fall Detection | |
Najla | Drowsy Driving Detection via Hybrid Deep Learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |