CN115187587B - 一种用于连锡检测的检测方法、成像*** - Google Patents
一种用于连锡检测的检测方法、成像*** Download PDFInfo
- Publication number
- CN115187587B CN115187587B CN202211087941.4A CN202211087941A CN115187587B CN 115187587 B CN115187587 B CN 115187587B CN 202211087941 A CN202211087941 A CN 202211087941A CN 115187587 B CN115187587 B CN 115187587B
- Authority
- CN
- China
- Prior art keywords
- tin
- area
- detection
- image
- solder paste
- 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
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 title claims abstract description 99
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 238000003384 imaging method Methods 0.000 title claims abstract description 22
- 229910000679 solder Inorganic materials 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000007547 defect Effects 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/153—Multidimensional correlation or convolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于连锡检测的检测方法、成像***,通过对待检测锡膏部分聚焦的同时对产品底板背景部分失焦的方式成像;首先人工绘制匹配定位区域与连锡检测区域;作业过程中匹配定位将连锡检测区域进行仿射,计算该图像区域的熵与对比度,并带入公式得出评价指标,与预先设定的阈值比较判定,满足条件则进行二次判定,否则认为锡膏面图像不存在连锡缺陷;二次判定方法为使用一种卷积滤波器对图像进行处理,使得锡膏与背景部分得到有效区分,后续通过阈值分割与计算面积与圆度特征判定得出检测结果。本发明可以有效的提取锡膏部分,降低误检率。
Description
技术领域
本发明涉及视觉检测的技术领域,尤其是一种用于连锡检测的检测方法、成像***。
背景技术
在MEMS薄板制造行业中,需要对不同工艺进行严格的质量把控,锡膏检测为其中的一环,不允许产品底板背景部分出现连锡现象。基于图像的锡膏检测方法较为常见,但是会存在锡膏与产品底板背景成像特征较为相似的情况,传统的图像处理会存在误提取的情况,造成较高的误判率。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此,本发明提出一种用于连锡检测的检测方法、成像***,可以有效的提取锡膏部分,降低误检率。
根据本发明实施例的用于连锡检测的检测方法,包括以下步骤:第1步骤、采集图像:利用相机镜头采集成像清楚的锡膏面图像,该锡膏面图像包括底板背景和锡膏部分;第2步骤、图像处理,匹配定位:通过人工在锡膏面图像上绘制连锡检测区域;同时,绘制对应的特征区域,作为匹配定位模板区域;第3步骤、执行检测,仿射连锡检测区域:搜索匹配定位模板区域,根据搜索得到的匹配定位模板区域位置对绘制的连锡检测区域进行仿射变换;第4步骤、求取图像区域的熵和计算图像区域的对比度:对连锡检测区域仿射后,对连锡检测区域求取熵;并且计算连锡检测区域图像的对比度;第5步骤、计算评价指标和人工预先设置第一阈值:综合考虑连锡检测区域图像的对比度与熵两个指标,同时熵的判定权重大于对比度;将评价指标与第一阈值进行比较,以判断该锡膏面图像是否存在连锡缺陷。
本发明还提供一种成像***,包括用于采集产品底板上锡膏成像的相机镜头;所述相机镜头在调焦过程中,将聚焦平面设置为锡膏面,并将产品底板的背景区域调节至失焦状态;设定所述成像***的景深为第一平面与第二平面之间,所述第一平面为靠近所述相机镜头的景深近界,所述第二平面为远离所述相机镜头的景深远界;所述第二平面高于所述产品底板最低平面,且第二平面低于所述锡膏的最高平面;当锡膏面清楚成像时,则产品底板的对应位置上存在锡膏;当成像为失焦状态时,则产品底板的对应位置上不存在锡膏。
本发明的有益效果是,通过对待检测锡膏部分聚焦的同时对产品底板背景部分失焦的方式成像;首先人工绘制匹配定位区域与连锡检测区域;作业过程中匹配定位将连锡检测区域进行仿射,计算该图像区域的熵与对比度,并带入公式得出评价指标,与预先设定的阈值比较判定,满足条件则进行二次判定,否则认为锡膏面图像不存在连锡缺陷;二次判定方法为使用一种卷积滤波器对图像进行处理,使得锡膏与背景部分得到有效区分,后续通过阈值分割与计算面积与圆度特征判定得出检测结果;本发明可以有效的提取锡膏部分,降低误检率。
根据本发明一个实施例,所述二次判定的方法是:第步骤、基于锡膏面的成像特征,设计一种对锡膏面图像进行处理的卷积滤波器,该卷积滤波器用于提取锡膏的纹理特征,从而将锡膏与背景区域得到有效区分;第步骤、将锡膏面图像与卷积滤波器的卷积核进行卷积运算,得到卷积图像;第步骤、当卷积图像的锡膏区域颜色特征变化明显、且与产品底板背景部分得到有效区分时,则通过阈值分割将白色的区域提取出来,同时,计算阈值分割结果区域的面积特征值与圆度特征值,通过对面积特征值和圆度特征值这两个特征值分别设定第二阈值和第三阈值,来进行二次判定。
根据本发明一个实施例,所述第一平面与所述第二平面平行分布。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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申请中记载的一些实施例,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是本发明成像***的结构示意图;
图2是锡膏面成像图片;
图3是在锡膏面成像图片上绘制连锡检测区域的示意图;
图4匹配定位模板区域的示意图;
图5是二次判定方法中与卷积核进行卷积运算前的图像;
图6是二次判定方法中与卷积核进行卷积运算后的图像;
图7本发明检测方法的流程图。
图中的标号为:1、产品底板;2、锡膏;3、相机镜头;A、第一平面;B、第二平面;4、底板背景;5、锡膏部分;6、连锡检测区域;7、匹配定位模板区域。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,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。
在本发明的描述中,需要理解的是,术语“一侧”、“另一侧”、“两侧”、“之间”、“中部”、“上端”、“下端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语 “设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接,可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面参考附图具体描述本发明实施例的用于连锡检测的检测方法、成像***。
见图1,本发明的一种用于连锡检测的成像***,通过对待检测锡膏部分聚焦的同时对产品底板背景部分失焦的方式成像,包括用于采集产品底板1上锡膏2成像的相机镜头3;相机镜头3在调焦过程中,将聚焦平面设置为锡膏面,并将产品底板1的背景区域调节至失焦状态。设定成像***的景深为第一平面A与第二平面B之间,第一平面A与第二平面B平行分布,即产品底板在第一平面A与第二平面B之间可以清晰成像,第一平面A为靠近相机镜头3的景深近界,第二平面B为远离相机镜头3的景深远界;第二平面B高于产品底板1最低平面,且第二平面B低于锡膏2的最高平面;当锡膏面清楚成像时,则产品底板1的对应位置上存在锡膏2;当成像为失焦状态时,则产品底板1的对应位置上不存在锡膏2。
见图7,一种用于连锡检测的检测方法,包括以下步骤:
第1步骤、采集图像:利用相机镜头3采集成像清楚的锡膏面图像,该锡膏面图像包括底板背景4和锡膏部分5,如图2所示。
第2步骤、图像处理,匹配定位:通过人工在锡膏面图像上绘制连锡检测区域6,如图3所示;同时,绘制对应的特征区域(通常绘制一处特征区域即可),作为匹配定位模板区域7,如图4所示。
第3步骤、执行检测:搜索匹配定位模板区域7,根据搜索得到的匹配定位模板区域7位置对绘制的连锡检测区域6进行仿射变换,即对连锡检测区域6进行限定,缩小检测范围,可以提高检测效率的同时降低其他区域的干扰。
第4步骤、求取熵和计算对比度:对连锡检测区域6仿射后,对连锡检测区域6求取熵;并且计算连锡检测区域6图像的对比度。
连锡检测区域熵H的计算公式如下所示:
其中,公式(2)中的各个符号所表示的含义具体如下所示:
其中,公式(3)中的各个符号所表示的含义具体如下所示:
i表示像素的灰度值;
j表示领域灰度均值;
N表示连锡检测区域图像的尺度;
其中,公式(4)中的各个符号所表示的含义具体如下所示:
第5步骤、计算评价指标T和人工预先设置第一阈值:综合考虑连锡检测区域6图像的对比度与熵两个指标,同时熵的判定权重大于对比度,根据人为经验将比例系数分别设定为0.4与0.6;将评价指标T与第一阈值进行比较,以判断该锡膏面图像是否存在连锡缺陷。
评价指标T的计算公式如下所示:
二次判定的方法是:
第①步骤、基于锡膏面的成像特征,设计一种对锡膏面图像进行处理的卷积滤波器,该卷积滤波器用于提取锡膏2的纹理特征,从而将锡膏2与背景区域得到有效区分;该卷积滤波器的卷积核K为如下矩阵:
第②步骤、将锡膏面图像与卷积滤波器的卷积核进行卷积运算,得到卷积图像。卷积运算的具体计算公式如下:
其中,公式(8)中的各个符号所表示的含义具体如下所示:
第③步骤、当卷积图像的锡膏区域颜色特征变化明显、且与产品底板背景部分得到有效区分时,则通过阈值分割将白色的区域提取出来,同时,计算阈值分割结果区域的面积特征值S与圆度特征值C,通过对面积特征值S和圆度特征值C这两个特征值分别设定第二阈值和第三阈值,来进行二次判定。
面积特征值S的计算公式如下所示:
其中,公式(9)中的各个符号所表示的含义具体如下所示:
R表示待计算的分割结果区域;
圆度特征值C的计算公式如下所示:
其中,公式(10)中的各个符号所表示的含义具体如下所示:
S表示区域R的面积特征值;
由于生产作业的不良率一般较低,大量的合格品只需要经过第一次判定就可以得出结果,所以采用二次判定的方法,可以提高设备整体效率,同时二次判定可以有效的降低误判率。
将图5的图像与卷积核进行卷积运算,得到结果图像如图6所示。由图5和图6可以看出锡膏区域颜色特征变换明显,与产品底板背景部分可以有效的得到区分。后续首先通过阈值分割,将白色的区域提取出来,同时计算阈值分割结果区域的面积特征值与圆度特征值,通过对两个特征值分别设定阈值来进行二次判定,满足判定条件则认为该图片存在连锡缺陷。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用于连锡检测的检测方法,其特征在于,包括以下步骤:
第1步骤、采集图像:利用相机镜头(3)采集成像清楚的锡膏面图像,该锡膏面图像包括底板背景(4)和锡膏部分(5);
第2步骤、图像处理,匹配定位:通过人工在锡膏面图像上绘制连锡检测区域(6);同时,绘制对应的特征区域,作为匹配定位模板区域(7);
第3步骤、执行检测,仿射连锡检测区域:搜索匹配定位模板区域(7),根据搜索得到的匹配定位模板区域(7)位置对绘制的连锡检测区域(6)进行仿射变换;
第4步骤、求取图像区域的熵和计算图像区域的对比度:对连锡检测区域(6)仿射后,对连锡检测区域(6)求取熵;并且计算连锡检测区域(6)图像的对比度;
评价指标T的计算公式如下所示:
其中,H表示连锡检测区域熵;Con表示连锡检测区域对比度。
4.根据权利要求3所述的检测方法,其特征在于,所述二次判定的方法是:
第步骤、当卷积图像的锡膏区域颜色特征变化明显、且与产品底板背景部分得到有效区分时,则通过阈值分割将白色的区域提取出来,同时,计算阈值分割结果区域的面积特征值S与圆度特征值C,通过对面积特征值S和圆度特征值C这两个特征值分别设定第二阈值和第三阈值,来进行二次判定;
面积特征值S的计算公式如下所示:
圆度特征值C的计算公式如下所示:
其中,S表示区域R的面积特征值;max表示区域R中心到区域轮廓点的最大值。
9.一种实现如权利要求1-8任意一项所述的检测方法的成像***,其特征在于:包括用于采集产品底板(1)上锡膏(2)成像的相机镜头(3);所述相机镜头(3)在调焦过程中,将聚焦平面设置为锡膏面,并将产品底板(1)的背景区域调节至失焦状态;
设定所述成像***的景深为第一平面(A)与第二平面(B)之间,所述第一平面(A)为靠近所述相机镜头(3)的景深近界,所述第二平面(B)为远离所述相机镜头(3)的景深远界;所述第二平面(B)高于所述产品底板(1)最低平面,且第二平面(B)低于所述锡膏(2)的最高平面;
当锡膏面清楚成像时,则产品底板(1)的对应位置上存在锡膏(2);
当成像为失焦状态时,则产品底板(1)的对应位置上不存在锡膏(2)。
10.根据权利要求9所述的成像***,其特征在于:所述第一平面(A)与所述第二平面(B)平行分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087941.4A CN115187587B (zh) | 2022-09-07 | 2022-09-07 | 一种用于连锡检测的检测方法、成像*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087941.4A CN115187587B (zh) | 2022-09-07 | 2022-09-07 | 一种用于连锡检测的检测方法、成像*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115187587A CN115187587A (zh) | 2022-10-14 |
CN115187587B true CN115187587B (zh) | 2022-11-29 |
Family
ID=83523659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211087941.4A Active CN115187587B (zh) | 2022-09-07 | 2022-09-07 | 一种用于连锡检测的检测方法、成像*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187587B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824904A (zh) * | 2014-01-28 | 2014-05-28 | 深圳市九洲光电科技有限公司 | Led封装基板的制造方法 |
CN204514827U (zh) * | 2015-03-24 | 2015-07-29 | 青岛歌尔声学科技有限公司 | 一种连锡检测装置 |
CN106626758A (zh) * | 2016-12-24 | 2017-05-10 | 大连日佳电子有限公司 | 一种智能检测焊锡膏印刷机锡膏余量的方法 |
CN108960306A (zh) * | 2018-06-22 | 2018-12-07 | 西安电子科技大学 | 基于smt大数据的锡膏检测阈值优化方法 |
-
2022
- 2022-09-07 CN CN202211087941.4A patent/CN115187587B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824904A (zh) * | 2014-01-28 | 2014-05-28 | 深圳市九洲光电科技有限公司 | Led封装基板的制造方法 |
CN204514827U (zh) * | 2015-03-24 | 2015-07-29 | 青岛歌尔声学科技有限公司 | 一种连锡检测装置 |
CN106626758A (zh) * | 2016-12-24 | 2017-05-10 | 大连日佳电子有限公司 | 一种智能检测焊锡膏印刷机锡膏余量的方法 |
CN108960306A (zh) * | 2018-06-22 | 2018-12-07 | 西安电子科技大学 | 基于smt大数据的锡膏检测阈值优化方法 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的SMT元件引脚连锡自动检测;苏珊 等;《组合机床与自动化加工技术》;20181231;第63-65页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115187587A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN108416809B (zh) | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 | |
CN113963042B (zh) | 基于图像处理的金属零件缺陷程度评估方法 | |
CN109785317A (zh) | 自动码垛桁架机器人的视觉*** | |
CN110866903A (zh) | 基于霍夫圆变换技术的乒乓球识别方法 | |
Zakaria et al. | Object shape recognition in image for machine vision application | |
CN111932490B (zh) | 一种用于工业机器人的视觉***抓取信息提取方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN111667475B (zh) | 一种基于机器视觉的大枣分级检测方法 | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN111724375B (zh) | 一种屏幕检测方法及*** | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及*** | |
CN115953398A (zh) | 一种用于带钢表面的缺陷识别方法 | |
CN107170002B (zh) | 一种图像自动对焦方法和设备 | |
CN112308843A (zh) | 用于光伏电池板图像采集的相机过曝异常调节方法及*** | |
CN115272350A (zh) | 一种计算机pcb主板生产质量检测方法 | |
CN117764989B (zh) | 一种视觉辅助的显示屏缺陷检测方法 | |
CN117689716B (zh) | 板件视觉定位识别抓取方法、控制***及板件生产线 | |
CN114359251A (zh) | 一种混凝土表面破损的自动识别方法 | |
CN115187587B (zh) | 一种用于连锡检测的检测方法、成像*** | |
CN112184619A (zh) | 一种基于深度学习的金属部件表面缺陷检测方法 | |
CN115063375B (zh) | 一种对***试纸检测结果进行自动分析的图像识别方法 | |
CN115131250A (zh) | 用于机床装配的机床组件智能识别方法 | |
JPWO2002045021A1 (ja) | エントロピーフィルタ及び該フィルタを用いた領域抽出法 | |
CN114354631A (zh) | 一种基于视觉的阀门毛坯表面缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |