JP7036296B1 - スクラップ判別システム、及びスクラップ判別方法 - Google Patents
スクラップ判別システム、及びスクラップ判別方法 Download PDFInfo
- Publication number
- JP7036296B1 JP7036296B1 JP2021571482A JP2021571482A JP7036296B1 JP 7036296 B1 JP7036296 B1 JP 7036296B1 JP 2021571482 A JP2021571482 A JP 2021571482A JP 2021571482 A JP2021571482 A JP 2021571482A JP 7036296 B1 JP7036296 B1 JP 7036296B1
- Authority
- JP
- Japan
- Prior art keywords
- scrap
- image
- discrimination
- model
- grade
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0054—Sorting of waste or refuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/20—Recycling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Processing Of Solid Wastes (AREA)
- Sorting Of Articles (AREA)
Abstract
Description
スクラップを含むカメラ画像を取得する取得部と、
前記カメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を画像内にあらかじめ設けた窓部を基準として抽出するスクラップ部位抽出モデルと、
前記スクラップ部位抽出モデルによって抽出されたスクラップ画像からスクラップの等級及び各等級の比率を選別する、学習用画像を含む教師データにより生成されたスクラップ判別モデルと、
前記スクラップ判別モデルを用いて前記スクラップ画像に基づき判別されたスクラップの等級及び各等級の比率の情報を出力する出力部と、
を備える。
スクラップを含むカメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を抽出するスクラップ部位抽出モデルと、スクラップの等級及び各等級の比率を判別する、学習用画像を含む教師データにより生成されたスクラップ判別モデルとを用いるスクラップ判別方法であって、
前記スクラップを含むカメラ画像を取得するステップと、
前記スクラップ部位抽出モデルを用いて、前記カメラ画像に基づきスクラップ画像を抽出するステップと、
スクラップ判別モデルを用いて前記スクラップ画像に基づき判別されたスクラップの等級及び各等級の比率の情報を出力するステップと、
を含む。
スクラップを含むカメラ画像を取得する取得部と、
前記カメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を画像内にあらかじめ設けた窓部を基準として抽出するスクラップ部位抽出モデルと、
前記スクラップ部位抽出モデルによって抽出されたスクラップ画像からスクラップ中の鉄スクラップ以外の異物を選別する、学習用画像を含む教師データにより生成された異物判別モデルと、
前記異物判別モデルを用いて前記スクラップ画像に基づき判別された鉄スクラップ中の異物の有無についての情報を出力する出力部と、
を備える。
(1)セマンテックセグメンテーションは画素にラベルを付けるため、他の物体検出法と比べて高精度である。
(2)物体検出は境界ボックス内に対象物を収める必要があるのに対して、セマンテックセグメンテーションでは不規則な形状の対象物を明瞭にとらえることができる。特開2020-95709号において、YOLO等の物体検出モデルにより、スクラップを含む画像中からクレーン部を抽出する手法が開示されているが、この手法では画像中に抽出するための抽出ボックスを設け、検出することになる。
(1)異物単体(モーター)の画像を用意する。つまり、一般的なモーターの画像を多数用意する。
(2)モーターがスクラップに混入した状態を想定して、モーターの一部形状を削除する、あるいは一部の色を変更する等の処理を行い、モーターの画像のバリエーションを増やす。
(3)スクラップ画像と上記モーター画像を組み合わせた人工画像を作成する。
10 カメラ
101 地面
102 背景
103、104 スクラップ
105 運搬車両(トラック)
106 カメラ画像
107 窓部
108~113、118 スクラップ部位
114~117 ラベル
119 領域
20 情報処理装置
21 制御部
22 記憶部
23 取得部
24 出力部
221 スクラップ部位抽出モデル
222 スクラップ判別モデル
222-1 第1スクラップ判別モデル
222-2 第2スクラップ判別モデル
222-3 選択モデル
30 ネットワーク
Claims (13)
- スクラップを含むカメラ画像を取得する取得部と、
前記カメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を画像内にあらかじめ設けた窓部を基準として抽出するスクラップ部位抽出モデルと、
前記スクラップ部位抽出モデルによって抽出されたスクラップ画像からスクラップの等級及び各等級の比率を選別する、学習用画像を含む教師データにより生成されたスクラップ判別モデルと、
前記スクラップ判別モデルを用いて前記スクラップ画像に基づき判別されたスクラップの等級及び各等級の比率の情報を出力する出力部と、
を備えるスクラップ判別システム。 - 請求項1に記載のスクラップ判別システムであって、
前記窓部は、前記カメラ画像の中心を基準とした全体画像の1/4の範囲を特定し、該窓部に存在するスクラップを起点としたスクラップ部位をセマンテックセグメンテーション法により抽出する、スクラップ判別システム。 - 請求項1又は2に記載のスクラップ判別システムであって、
前記学習用画像は単一等級の鉄スクラップの画像であり、前記スクラップ判別モデルを用いて前記スクラップ画像に含まれるスクラップの等級及び各等級の比率を判別する際に、前記スクラップ画像における各等級のスクラップの面積比に基づき前記比率を判別する、スクラップ判別システム。 - 請求項1又は2に記載のスクラップ判別システムであって、
前記学習用画像は混合等級の鉄スクラップの画像である、スクラップ判別システム。 - 請求項1乃至4のいずれか一項に記載のスクラップ判別システムであって、前記スクラップ判別モデルは、
前記スクラップ画像に基づき、該カメラ画像に含まれるスクラップの等級及び各等級の比率を判別する、第1学習用画像を含む教師データにより生成された第1スクラップ判別モデルと、
前記スクラップ画像に基づき、該カメラ画像に含まれるスクラップの等級及び各等級の比率を判別する、前記第1学習用画像とは異なる第2学習用画像を含む教師データにより生成された第2スクラップ判別モデルと、
前記スクラップ画像に基づき、前記第1スクラップ判別モデル又は前記第2スクラップ判別モデルのいずれを用いるかを判別する選択モデルと、
を含み、
前記出力部は、前記第1スクラップ判別モデル又は前記第2スクラップ判別モデルのうち、前記選択モデルにより選択されたモデルを用いて前記スクラップ画像に基づき判別されたスクラップの等級及び各等級の比率の情報を出力する、スクラップ判別システム。 - 請求項5に記載のスクラップ判別システムであって、
前記第1学習用画像は単一等級の鉄スクラップの画像であり、前記第1スクラップ判別モデルを用いて前記スクラップ画像に含まれるスクラップの等級及び各等級の比率を判別する際に、前記スクラップ画像における各等級のスクラップの面積比に基づき前記比率を判別する、スクラップ判別システム。 - 請求項5又は6に記載のスクラップ判別システムであって、
前記第2学習用画像は混合等級の鉄スクラップの画像である、スクラップ判別システム。 - 請求項5乃至7のいずれか一項に記載のスクラップ判別システムであって、
前記第1学習用画像、前記第2学習用画像、及び前記スクラップ画像は、各画像に対応するズーム情報に基づき正規化される、スクラップ判別システム。 - 請求項5乃至7のいずれか一項に記載のスクラップ判別システムであって、
前記第1スクラップ判別モデル、前記第2スクラップ判別モデル、及び前記選択モデルの少なくともいずれかは、前記スクラップ画像及び前記出力部が出力した前記情報に基づき、再学習される、スクラップ判別システム。 - スクラップを含むカメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を抽出するスクラップ部位抽出モデルと、スクラップの等級及び各等級の比率を判別する、学習用画像を含む教師データにより生成されたスクラップ判別モデルとを用いるスクラップ判別方法であって、
前記スクラップを含むカメラ画像を取得するステップと、
前記スクラップ部位抽出モデルを用いて、前記カメラ画像に基づきスクラップ画像を抽出するステップと、
スクラップ判別モデルを用いて前記スクラップ画像に基づき判別されたスクラップの等級及び各等級の比率の情報を出力するステップと、
を含むスクラップ判別方法。 - スクラップを含むカメラ画像を取得する取得部と、
前記カメラ画像に基づき、該カメラ画像に含まれる中央部に存在するスクラップ部位を画像内にあらかじめ設けた窓部を基準として抽出するスクラップ部位抽出モデルと、
前記スクラップ部位抽出モデルによって抽出されたスクラップ画像からスクラップ中の鉄スクラップ以外の異物を選別する、学習用画像を含む教師データにより生成された異物判別モデルと、
前記異物判別モデルを用いて前記スクラップ画像に基づき判別された鉄スクラップ中の異物の有無についての情報を出力する出力部と、
を備えるスクラップ判別システム。 - 請求項11に記載のスクラップ判別システムであって、
前記窓部は、前記カメラ画像の中心を基準とした全体画像の1/4の範囲を特定し、該窓部に存在するスクラップを起点としたスクラップ部位をセマンテックセグメンテーション法により抽出する、スクラップ判別システム。 - 請求項11又は12に記載のスクラップ判別システムであって、
前記異物判別モデルの学習用画像として異物の画像と鉄スクラップ画像をPoisson image editingの画像編集手法により合成した異物混入スクラップ画像を用いるスクラップ判別システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020137100 | 2020-08-14 | ||
JP2020137100 | 2020-08-14 | ||
PCT/JP2021/027954 WO2022034798A1 (ja) | 2020-08-14 | 2021-07-28 | スクラップ判別システム、及びスクラップ判別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022034798A1 JPWO2022034798A1 (ja) | 2022-02-17 |
JP7036296B1 true JP7036296B1 (ja) | 2022-03-15 |
Family
ID=80247140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021571482A Active JP7036296B1 (ja) | 2020-08-14 | 2021-07-28 | スクラップ判別システム、及びスクラップ判別方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230316489A1 (ja) |
EP (1) | EP4197656A4 (ja) |
JP (1) | JP7036296B1 (ja) |
KR (1) | KR20230029989A (ja) |
CN (1) | CN116194229A (ja) |
TW (1) | TWI787943B (ja) |
WO (1) | WO2022034798A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102650811B1 (ko) * | 2023-09-27 | 2024-03-25 | 주식회사 에이트테크 | 폐기물 분류 사업장 별 특성을 고려한 폐기물 분류 시스템 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023157278A (ja) * | 2022-04-14 | 2023-10-26 | 株式会社アーステクニカ | 判定装置、選別装置、及び判定方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020095709A (ja) * | 2018-11-29 | 2020-06-18 | 株式会社神鋼エンジニアリング&メンテナンス | スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017109197A (ja) | 2016-07-06 | 2017-06-22 | ウエノテックス株式会社 | 廃棄物選別システム及びその選別方法 |
JP7132743B2 (ja) * | 2018-04-27 | 2022-09-07 | 日立造船株式会社 | 情報処理装置、制御装置、および不適物検出システム |
JP2020021188A (ja) | 2018-07-31 | 2020-02-06 | 田中 成典 | 自動車の姿勢推定装置 |
CN111292026A (zh) * | 2020-04-27 | 2020-06-16 | 江苏金恒信息科技股份有限公司 | 一种基于神经网络模型融合的废钢评级方法及装置 |
-
2021
- 2021-07-28 EP EP21855877.3A patent/EP4197656A4/en active Pending
- 2021-07-28 US US18/005,968 patent/US20230316489A1/en active Pending
- 2021-07-28 WO PCT/JP2021/027954 patent/WO2022034798A1/ja unknown
- 2021-07-28 KR KR1020237003837A patent/KR20230029989A/ko unknown
- 2021-07-28 JP JP2021571482A patent/JP7036296B1/ja active Active
- 2021-07-28 CN CN202180057784.XA patent/CN116194229A/zh active Pending
- 2021-08-10 TW TW110129395A patent/TWI787943B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020095709A (ja) * | 2018-11-29 | 2020-06-18 | 株式会社神鋼エンジニアリング&メンテナンス | スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102650811B1 (ko) * | 2023-09-27 | 2024-03-25 | 주식회사 에이트테크 | 폐기물 분류 사업장 별 특성을 고려한 폐기물 분류 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022034798A1 (ja) | 2022-02-17 |
TW202208078A (zh) | 2022-03-01 |
KR20230029989A (ko) | 2023-03-03 |
WO2022034798A1 (ja) | 2022-02-17 |
EP4197656A4 (en) | 2024-01-24 |
EP4197656A1 (en) | 2023-06-21 |
CN116194229A (zh) | 2023-05-30 |
TWI787943B (zh) | 2022-12-21 |
US20230316489A1 (en) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7036296B1 (ja) | スクラップ判別システム、及びスクラップ判別方法 | |
Prasanna et al. | Computer-vision based crack detection and analysis | |
Li et al. | Automatic pavement crack recognition based on BP neural network | |
Abdel-Qader et al. | Analysis of edge-detection techniques for crack identification in bridges | |
CN110766039B (zh) | 渣土车运输状态识别方法、介质、设备及渣土车 | |
CN114743119B (zh) | 基于无人机的高铁接触网吊弦螺母缺陷检测方法 | |
CN112348791B (zh) | 基于机器视觉的废钢智能检判方法、***、介质及终端 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN113283395A (zh) | 一种运煤皮带转接处堵塞异物的视频检测方法 | |
CN111127465A (zh) | 一种桥梁检测报告自动生成方法及*** | |
CN115601682A (zh) | 井下皮带运输机异物检测方法和装置 | |
CN113033451A (zh) | 基于深度学习的架空线路故障识别方法及*** | |
CN115457415A (zh) | 基于yolo-x模型的目标检测方法、装置、电子设备和存储介质 | |
CN113888462A (zh) | 一种裂纹识别方法、***、可读介质及存储介质 | |
CN115359392A (zh) | 一种基于改进YOLOv5模型的路边施工行为检测方法 | |
CN114283383A (zh) | 一种智慧城市公路养护方法、计算机设备及介质 | |
JP7205637B2 (ja) | スクラップ判別システム、及びスクラップ判別方法 | |
CN116206155A (zh) | 基于YOLOv5网络的废钢分类识别方法 | |
Pramanik et al. | Detection of Potholes using Convolutional Neural Network Models: A Transfer Learning Approach | |
Huynh et al. | VehiDE Dataset: New dataset for Automatic vehicle damage detection in Car insurance | |
CN111709991B (zh) | 一种铁路工机具的检测方法、***、装置和存储介质 | |
CN113920055A (zh) | 一种缺陷检测方法 | |
Kembhavi et al. | Low-cost image processing system for evaluating pavement surface distress | |
CN116092012B (zh) | 基于视频流的钢筋绑扎工序监测方法及监测装置 | |
CN116993672A (zh) | 道路病害识别方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211130 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7036296 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |