创造性评判的影响因素—基于算法应用场景及解决特定技术问题而带来的有益效果

【引言】

本专利申请号为201910958076.8，公开了一种建立废钢等级划分神经网络模型方法，因算法应用场景不同及解决了该场景下的特定技术问题为带来了有益效果维持了专利权的有效。

【案件信息】

案件编号：4W112793

发明创造名称：一种建立废钢等级划分神经网络模型方法

无效宣告请求人：衡阳镭目科技有限责任公司

专利权人：北京同创信通科技有限公司

专利号：201910958076.8

授权公告日：20210416

【基本案情】

请求人于2021年08月02日向国家知识产权局提出了无效宣告请求，其理由是权利要求1-6不符合专利法第22条第3款的规定，请求宣告本专利全部无效。

经过口头审理，合议组认为本案事实已经清楚，合议组于2022年3月30日做出决定，宣告维持201910958076.8号发明专利权全部有效。

因权利要求2-6为权利要求1的从属权利要求，因此此处仅列出授权公告的本专利权利要求1，权利要求1的内容如下：

图片[1]_创造性评判的影响因素—基于算法应用场景及解决特定技术问题而带来的有益效果_知识产权零距离网（IP0.cn）

【决定要点】

在判断包含算法特征的发明专利的创造性时，应将其算法和应用场景进行整体把握。即使现有技术公开了相同或类似的算法架构及相关模块，但由于算法应用到不同场景时，需要根据应用场景的不同、所要解决的技术问题的不同对算法的训练模式、重要参数或相关步骤等进行调整，如果该调整解决了不同应用场景下特定的技术问题并相应获得了有益的技术效果，则在创造性判断时应予以考虑。

合议组认为，本专利权利要求1与作为最接近现有技术的证据1存在以下三方面区别：

第一，两者应用场景不同。权利要求1是一种建立废钢等级划分神经网络模型的方法，所述模型用于废钢收储的等级分类检测，其应用场景为废钢等级划分；而证据1公开的是建立废钢种类识别神经网络模型的方法，其应用场景为废钢种类识别。

第二，两者所采用的方法步骤不同。权利要求1在获取图像步骤中限定了目测确定多个图像的不同废钢等级，在图像数据特征提取步骤中限定了提取的是不同等级图像数据特征，在神经网络模型的学习训练步骤中限定了针对提取的不同等级图像数据特征进行学习、形成具有等级分类输出的等级划分神经网络模型。而证据1训练好的卷积神经网络模型是用于识别出废钢铁图像中的废钢铁具体是何种料型，与废钢等级无关，因此其未公开权利要求1的上述方法步骤。

第三，两者所选取的重要参数和所采用的具体模块构成不同。权利要求1中限定了图像数据特征提取的更具体的内容，如特征提取所选取的参数以及特征提取所采用的具体模块构成；而证据1未公开上述内容。

基于上述区别，权利要求1实际要解决的问题是：建立对废钢料等级划分的神经网络模型，以解决废钢收储的等级分类检测的应用场景中的等级划分问题，以及针对该问题如何具体选取数据参数和相关模块。

合议组认为：本专利权利要求1是一种建立废钢等级划分神经网络模型的方法，所述模型用于废钢收储的等级分类检测，针对该主题在权利要求1中有关于不同等级图像特征数据的对应限定；证据1全文论述的是如何对废钢铁的种类进行自动识别，所公开的方法步骤、具体示例均仅涉及如何进行种类识别以及识别结果是何种料型，除0061段“其中不同类别的废钢铁又按照厚度、长度、体积等分为不同的规格”该句记载之外，证据1中并未提及有关规格、等级等相关内容，该句记载也仅能表明在种类分类完毕后可能分为不同规格，这些不同规格都是属于同一种类的废钢铁料型，同一种类的不同规格与本专利的混杂在一起的不同形状、可能分属不同类型的废钢料整体进行等级划分是不同的；且证据1中对于如何分级并无进一步的记载或公开。因此，从证据1所给出的应用场景、方法步骤和重要参数中无法得到建立废钢料等级划分的神经网络模型，以对混杂在一起的各种类型的废钢料进行等级划分的技术启示。

合议组认为：证据2公开了上述第三点区别的在卷积神经网络模型中对图像数据特征进行提取时可以采用的具体模块构成，并公开了采用了证据2的整体模型架构可以加速网络的训练、并使训练更加稳定的相关内容。但是，证据2没有公开具体提取的是图像数据的哪些特征，也没有公开提取相关数据特征用于何种具体的应用场景、解决该场景中具体存在的哪些技术问题。因此，证据2没有给出建立废钢料等级划分的神经网络模型的相关技术启示，更没有给出为解决该技术问题具体要提取哪些相关参数的技术启示。

合议组还认为：证据3正文第19页第1段中明确记载了“由于CNN不同层次之间具有不同的特征表示能力）如浅层提取到的是图像边缘纹理等原始信息，深层提取到的是高级的语义信息），因此针对图像不同级别的局部信息，提取出不同层的卷积特征”，但证据3同样没有公开提取相关数据特征用于何种具体的应用场景、解决该场景中具体存在的哪些技术问题。因此，证据3没有给出建立废钢料等级划分的神经网络模型的相关技术启示，更没有给出为解决该技术问题具体要提取哪些相关参数的技术启示。

同时，目前亦无证据表明建立对废钢料等级划分的神经网络模型，以达到对废钢收储的等级分类检测，以及针对该问题如何具体选取数据参数和相关模块属于本领域的公知常识。

由于采用了前述技术手段，权利要求1的技术方案建立了对废钢料等级划分的神经网络模型，实现了废钢收储的等级分类检测的应用场景中的等级划分。

综上，结合关于创造性无效宣告请求理由的合议组判断，宣告本专利权利要求维持有效。

本专利建立的对废钢料等级划分的神经网络模型，实现废钢收储的等级分类检测的应用场景中的等级划分，因为与现有技术及公知常识的应用场景不同，解决的该场景下的特定技术问题不同，实现的技术效果不同，而被维持全部专利权有效。

【启示】