TaiLexi AI日本の判例・法令
← ホーム
審決特許庁不成立

特許庁審決 令和6年9月4日

不服2023-006525 電柱劣化検出システム、電柱劣化検出装置、電柱劣化検出方法、及びプログラム

結論

本件審判の請求は、成り立たない。

続きを見る ↓

この資料について AI に質問

機関
特許庁
年月日
令和6年9月4日 (2024-09-04)
事件番号
不服2023-006525
事件名
電柱劣化検出システム、電柱劣化検出装置、電柱劣化検出方法、及びプログラム
種類・結果
審決 不成立
掲載
—
争点・税目
拒絶査定不服審判 / 特許
分野
知的財産

結論

本件審判の請求は、成り立たない。

AI 要約AI

要旨

  • 電柱劣化検出システムの発明について、引用発明及び技術常識に基づいて当業者が容易に発明をすることができたとして、特許法29条2項により特許を受けることができないとした審決
事案の概要・争点・判断などを表示

事案の概要

  • 本願は、2019年4月23日を国際出願日とする日本語特許出願(優先日2018年8月30日)であり、電柱劣化検出システム等に関する発明に係るものである。
  • 令和5年1月19日付けで拒絶査定がされ、同年4月20日に拒絶査定不服審判の請求及び手続補正がされた。
  • 当審において令和6年2月28日付け拒絶理由通知書で、本件補正前の請求項1~9に係る発明は引用文献7に記載された発明及び技術常識(引用文献4、8~14を参照)に基づいて容易に発明をすることができたものである旨の拒絶理由が通知された。
  • 請求項1に係る発明(本願発明)は、電柱に敷設された通信用光ファイバを含むケーブルと、後方散乱光を受信する受信部と、電柱の振動の周波数特性をパターンとして学習し、学習結果と後方散乱光に含まれるパターンとに基づいて電柱の劣化状態を検出する検出部とを備える電柱劣化検出システムである。

争点

  • 本願発明が引用発明及び技術常識に基づいて当業者が容易に発明をすることができたものであるか否か

判断

  • 引用文献7(門万寿男、佐藤拓哉「光ファイバセンサによる構造物の長期連続モニタリング」応用力学論文集Vol.6、1105~1112頁(2003年8月)土木学会)には、鉄道高架橋、道路トンネル、法面等の構造物を遠隔地から長期連続モニタリングするためのシステムが記載されていると認定した。
  • 本願発明と引用発明は、「構造物に敷設された光ファイバを含むケーブルと、ケーブルに含まれる少なくとも1つの光ファイバから、構造物の劣化状態に応じたパターンを含む光信号を受信する受信部と、受信した光信号に含まれるパターンに基づいて、構造物の劣化状態を検出する検出部と、を備え、前記検出部は、光信号のパターンから得られる構造物の振動の周波数特性に基づいて、構造物の劣化状態を検出する、構造物の劣化検出システム」の点で一致し、相違点1(構造物が電柱である点、光信号が後方散乱光である点、学習の構成を備える点)及び相違点2(光ファイバケーブルが通信用である点)で相違すると認定した。
  • 相違点1について、電柱等の構造物の固有振動モードの振動データを計測することにより構造物の劣化状態を判定できることは技術常識であり、ブリルアン後方散乱を検出する通信用光ファイバからなる分散型振動センサにより構造物を監視することも技術常識であり、構造物の監視において学習モデルを生成してディープラーニングを活用することやディープラーニングによってパターン認識を行うことも技術常識であるから、引用発明にこれらの技術常識を適用して相違点1に係る構成とすることは当業者が容易に想到し得たと判断した。
  • 相違点2について、複数の電柱に亘り通信用光ファイバを含むケーブルが敷設されることは技術常識であり、既設の光ファイバケーブルを検出系の要素として構成することは引用文献9の段落【0017】にも記載されているから、相違点2に係る構成とすることは当業者が適宜選択できる設計事項にすぎないと判断した。
  • 本願発明の奏する効果は引用発明及び技術常識から予測される範囲内のものにすぎず、格別顕著なものではないと判断した。
  • 請求人の主張(引用文献13及び14に例示される技術常識は音声認識又は画像認識にディープラーニング技術を活用するものであって本願発明のような学習は技術常識ではない、引用文献13及び14に例示される技術常識は光ファイバセンシングの技術と異なるため引用発明と組み合わせることはできない)は、技術分野を問わずディープラーニング技術が広く行われていること等から採用し得ないと判断した。

判旨(本文から引用)

  • 構造物の監視において、学習モデルを生成して、ディープラーニングを活用すること」は技術常識である。また、前記1(5)において技術常識6として示したとおり「ディープラーニングによって、パターン認識を行うこと」も技術常識である。
  • 「引用発明において、構造物の材料的な劣化に由来する光信号のパターンを分析する具体的手段としてディープラーニング技術を適用することは、当業者にとって自明な設計変更にすぎない。」

結論

  • 本件審判の請求は、成り立たない。

AI が本文から作成した要約です。引用の際は本文をご確認ください。

当事者

請求人 日本電気株式会社(代理人 弁理士1名)

審判番号 不服2023-006525

請求人 日本電気株式会社(代理人 弁理士1名)

特願2020-540050「電柱劣化検出システム、電柱劣化検出装置、電柱劣化検出方法、及びプログラム」拒絶査定不服審判事件〔令和2年3月5日国際公開、WO2020/044655〕について、次のとおり審決する。

結 論

本件審判の請求は、成り立たない。

理 由

第1 手続の経緯

本願は、2019年(平成31年)4月23日を国際出願日とする日本語特許出願であって(優先権主張2018年(平成30年)8月30日)、その手続の経緯の概略は、次のとおりである。なお、以下、2018年8月30日を「優先日」という。

令和3年2月12日    :手続補正書の提出

令和4年3月8日付け  :拒絶理由通知書

同年5月10日    :手続補正書及び意見書の提出

同年7月19日付け  :拒絶理由通知書

同年9月20日    :意見書の提出

令和5年1月19日付け  :拒絶査定

(同月24日    :拒絶査定の謄本の送達)

同年4月20日    :審判請求書及び手続補正書の提出

令和6年2月28日付け  :拒絶理由通知書

同年4月26日    :手続補正書及び意見書の提出

第2 本願発明の認定等

1 本願発明の認定と分説

本願の請求項1~8に係る発明は、令和6年4月26日にされた手続補正(以下「本件補正」という。)によって補正された特許請求の範囲の請求項1~8に記載された事項により特定されるとおりのものであるところ、請求項1に係る発明(以下「本願発明」という。)は、次の事項により特定されるとおりである。

なお、便宜上次のとおり、構成Xと構成Aから構成C1までに分説する。

「【請求項1】

(構成A)電柱に敷設された通信用光ファイバを含むケーブルと、

(構成B)前記ケーブルに含まれる少なくとも1つの通信用光ファイバから、前記電柱の劣化状態に応じたパターンを含む後方散乱光を受信する受信部と、

(構成C0)前記後方散乱光に含まれる前記パターンに基づいて、前記電柱の劣化状態を検出する検出部と、を備え、

(構成C1)前記検出部は、

前記電柱の振動の周波数特性を前記パターンとして学習し、学習結果と前記受信部により受信された前記後方散乱光に含まれる前記パターンとに基づいて、前記電柱の劣化状態を検出する、

(構成X)電柱劣化検出システム。」

2 課題・作用効果に関連する明細書の発明の詳細な説明の記載

本願明細書の発明の詳細な説明の記載のうち、本願発明の技術上の意義の概略を理解するために、発明が解決しようとする課題及び作用効果に関連する記載等を抜粋すると、次の記載がある。なお、下線は合議体による。

「【技術分野】

【0001】

本開示は、電柱劣化検出システム、電柱劣化検出装置、電柱劣化検出方法、及び非一時的なコンピュータ可読媒体に関する。」

「【発明が解決しようとする課題】

【0006】

ところで、特許文献1,2に記載の技術においては、光ファイバに強い応力がかかった場合の光信号の損失量を監視することで電柱の異常検出を行っている。

したがって、電柱への営巣や折損等の極端な状態は検出することができるものの、電柱の劣化のような、光ファイバへの応力にほとんど影響しないような状態の検出は困難であるという課題がある。

【0007】

そこで本開示の目的は、上述した課題を解決し、電柱の劣化状態を高精度に検出することができる電柱劣化検出システム、電柱劣化検出装置、電柱劣化検出方法、及び非一時的なコンピュータ可読媒体を提供することにある。」

「【発明の効果】

【0012】

上述の態様によれば、電柱の劣化状態を高精度に検出することができるという効果が得られる。」

「【0041】

上述のように、本第3の方法では、電柱10の劣化状態に応じたデータ(パターン)を機械学習し、機械学習の学習結果を用いて、電柱10の劣化状態を検出する。

データから電柱10の劣化状態を検出するための特徴を抽出することが、人間による解析では困難な場合がある。本第3の方法では、大量の振動データから学習モデルを構築することにより、人間での解析では困難であった場合でも、電柱10の劣化状態を高精度に検出することができる。」

「【0054】

<実施の形態の効果>

上述したように本実施の形態によれば、光ファイバケーブル20に含まれる少なくとも1つの通信用光ファイバから、電柱10の劣化状態に応じたパターンを含む後方散乱光(光信号)を受信し、そのパターンに基づいて、電柱10の劣化状態を検出する。そのため、電柱10の劣化状態を高精度に検出することができる。

【0055】

また、本実施の形態によれば、電柱10の劣化状態を検出するには、既存の通信用光ファイバがあれば良く、特許文献1のように、電柱の上下方向に直線状又は螺旋状に光ファイバを敷設したり、特許文献2のように、営巣検出用心線を敷設したりする必要はない。したがって、電柱10の劣化状態を検出するための専用構造を必要としないため、電柱劣化検出システムを安価に構築することができる。

【0056】

また、本実施の形態によれば、既存の通信用光ファイバを用いて、一斉かつリモートで複数の電柱10の劣化状態を検出することができるため、電柱10の劣化状態把握が容易となると共に、電柱10の劣化状態把握のためのコストも低減することができる。

【0057】

また、本実施の形態によれば、光ファイバをセンサとして用いる光ファイバセンシング技術を利用する。そのため、電磁ノイズの影響を受けない、センサへの給電が不要になる、環境耐性に優れる、メンテナンスが容易になる等の利点が得られる。」

第3 当審において通知した拒絶の理由の概要

当審において令和6年2月28日付け拒絶理由通知書で通知した拒絶の理由(以下「当審拒絶理由」という。)の概要は、次のとおりである。

なお、引用文献の参照番号については、前置審査も含めて審査及び審判の手続において共通のものとするため、当審拒絶理由において新たに引用した文献を「引用文献7」~「引用文献14」の表記とした。

(進歩性の欠如)

本件補正前の請求項1~9に係る発明は、その優先日前に日本国内又は外国において発行された下記の引用文献7に記載された発明及び技術常識(引用文献4、8~14を参照)に基づいて、その優先日前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、特許法29条2項の規定により特許を受けることができない。

記

引用文献7:門万寿男、佐藤拓哉「光ファイバセンサによる構造物の長期連続モニタリング」応用力学論文集Vol.6、1105~1112頁(2003年8月)土木学会(主たる引用文献)

引用文献4:特開2018-96866号公報(技術常識を示す文献)

引用文献8:特開2007-183166号公報(技術常識を示す文献)

引用文献9:特開2013-72800号公報(技術常識を示す文献)

引用文献10:特表2014-502345号公報(技術常識を示す文献)

引用文献11:成瀬央「光ファイバによる構造物のモニタリング」日本機械学会誌、2006年3月、Vol.109、No.1048、22~23頁(技術常識を示す文献)

引用文献12:呉智深ほか2名「都市インフラに関する構造ヘルスモニタリングの現状と展望-展望論文-」応用力学論文集、6巻、1043~1054頁、2003年8月、土木学会(技術常識を示す文献)

引用文献13:特開2018-74757号公報(技術常識を示す文献)

引用文献14:久保陽太郎「ディープラーニングによるパターン認識」情報処理、54巻、5号、500~508頁、2013年5月(技術常識を示す文献)

第4 当審の判断

1 引用文献に記載された事項及び引用発明等の認定

(1) 引用文献7の記載事項及び引用発明の認定

ア 引用文献7の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献7(門ほか「光ファイバセンサによる構造物の長期連続モニタリング」)には、以下の事項が記載されている。下線は、当合議体によるものであり、以下同様である。

なお、○印の中に算用数字を含む符号は、「○1」等として表記した。

また、脚注番号の摘記は省略した。

(ア) 1105頁の左欄1行~同頁右欄12行

「1.はじめに

わが国の社会基盤は、昭和30年代後半から40年代の高度成長期に建設されたものが多く、長期間の供用による損傷や環境の影響による劣化が顕在化しており、多額の維持管理・更新費用を必要とする状況になってきた。従来のように老朽化が進んだものは順次更新するということを今後も継続していくことは困難であり、既存構造物の長寿命化が強く要求されるようになってきた。これは、近年特にクローズアップされてきた地球環境の保護(省資源、省エネルギー)にも貢献することになる。

構造物の維持管理は、これまでは主に目視観察による材料の変質やひび割れ状況のなどの外観調査を行い、必要に応じて非破壊検査や採取した試料について材料試験を行うものであった。これらの方法は主に材料面の性能劣化を評価し、それに基づいて構造物の健全度をランク付けするものであり、構造面からの評価が十分行われているとは言い難い。これは構造物の健全度を評価するために適当なパラメータを定量的に計測する手段が欠けていたことによるものと考えられる。

老朽化が進んだ構造物が多くなった現在、その構造物が本来持っている耐力を定量的に評価し、有効に使い切るための技術、老朽化した構造物をどうにかしてそのまま使い続けるための技術が必要になってきたと言える。そのためには、安全性をどのようにして保証するかが技術的な課題となる。それに対して有効な回答を与えるのが長期連続モニタリングである。これまでも長期モニタリングが行われてきた例もあるがその多くは、例えば1日1データのようなスポット的な計測であったり、モニタリング結果の評価基準が絶対値であり、必ずしも長期モニタリングの有効性が発揮されているとは言い難い。

光ファイバセンサは従来のセンサにはない優れた特性を有しており、構造物の維持管理や長寿命化に大きく貢献するものと期待されている。本論文では、光ファイバセンサを適用した長期連続モニタリングの概念を明確にするとともに、構造物の維持管理への新しい適用を提案するとともに、これまでに実施された実構造物についての長期連続モニタリングデータを紹介してその有効性を示す。」

(イ) 1105頁右欄13行~1106頁左欄10行

「2.構造物の維持管理における長期連続モニタリングの役割

これまでの構造物の維持管理は、定期的な目視検査や非破壊検査の情報、各種計測の結果などを基に補修あるいは補強方法を決め、それで対応できないものは更新するという対応が採られてきた。目視検査や非破壊検査は構造物の損傷や劣化を調べる上で基本となるものであるが、その結果は必ずしも定量的なものではない。いくつかの項目を評価して健全度のグレード分けが行われるため、評価項目が多くなるほど健全性が損なわれているという結論になりがちな傾向は否めない。

定量的な情報を得るために、変位やたわみなどを定期的に計測するケースがある。一般に、構造物は機械的な外力の他に気温や日照などの変動に伴って日単位に、あるいは年単位で周期的に熱変形する。橋梁などの交通荷重に対する動的変形を計測する場合は温度の変化を特に問題にする必要がないが、長期的な変状を問題にする場合はこの熱変形はオーダー的に無視できない場合が多い。通常、構造物は非均一温度場となるので、定期的な計測の場合は熱変形を補正することが困難であり、計測値の信頼性を損なうことがある。橋梁など、日照の影響を直接受ける構造物においてはこの傾向は特に顕著である。」

(ウ) 1108頁左欄5行~同頁右欄最終行、図-4

「4.長期連続モニタリングのためのシステム

構造物の長期連続モニタリングを行うためのシステムに求められる要件を以下に示す。

○1 センサが長期間安定していること

システムが長期間(10~50年)安定していることが重要である。特にセンサ部の安定性は不可欠であり、光ファイバセンサはこの要求を満足している。

○2 対象構造物の全体的な挙動を把握できること

長期連続モニタリングの目的は、材料的な劣化やひび割れなどの損傷のある構造物の健全度や安定性を評価することである。ひずみゲージのようにゲージ長さの短いものは、弾性領域では正確な計測が可能であるが、ひび割れが発生した後は歪及び応力の再分布が生じるためデータのバラつきが激しくなり、構造モニタリングとしての有効性が失われる。ひび割れなどの局部的な影響を受けずに構造物の全体的な挙動を把握するためには、測定長さの大きいセンサが必要である。

○3 静的及び動的挙動を把握できること

長期連続モニタリングは、主にゆっくり進行する変状を評価するものであるが、地震のような突発的な事象に対しても自動的に動的測定ができることが重要である。

○4 測定感度が高いこと

構造物のわずかな変形から変状の初期段階を把握するためには、センサが高感度である必要がある。

○5 温度の影響がないこと

実際の構造物は温度によっても変形する。一般的には不均一温度場となるので温度による変形とそれ以外のものに起因する変形を分離することは容易ではない。少なくともセンサ自体は温度の影響を受けないものである必要がある。

○6 ノイズの影響を受けないこと

センサは電気ノイズや雷の影響を受けないものであることが必要である。一般に、光ファイバセンサはこの要求を満足している。

○7 センサの取付けが容易であること

センサの取付けが容易であれば、取付け場所の制約がなく、どのような場所、どのような表面状態でも設置できることを意味する。また、道路施設や鉄道施設の場合、設置作業時間の制約が大きいので、センサ取付けが容易であることは実用上非常に重要となる。

○8 電源喪失に対して問題がないこと

長期モニタリングの間には必ず電源喪失(停電)がある。データの連続性の確保、遠隔モニタリングの観点から、仮に一時的に電源喪失があっても自動復帰するシステムであり、再調整が不要なシステムでなければならない。

○9 自動で連続測定ができ、遠隔地からモニタリングできること

長期にわたってモニタリングするためには、データ収集の自動化と遠隔モニタリングシステムが構築されていることは必須である。遠隔モニタリングシステムの概念を図-4に示す。(現在提案されている光ファイバーセンサーの種類と比較については文献(1)を参照されたい)」

「

〔図省略〕

」

(エ) 1109頁左欄1行~1110頁左欄11行、図-5、図-6

「5.長期連続モニタリングの実施例

現在実際に長期間連続モニタリングを実施している土木構造物の代表的な実施例として、非常に古い鉄道高架橋と道路トンネルおよび法面についてのモニタリング結果を以下に示す。

5.1 鉄道高架橋

(1)モニタリングの概要

この高架橋は古いレンガ造の連続アーチ高架橋である。モニタリング目的は、通常はアクセスが難しく検査が困難な部位について、遠隔で長期的な変状を監視することである。高架橋の端部に近い一つのスパンを抽出し、図-5に示すように、長さ2mの光ファイバセンサ4本をアーチに沿って設置した。

モニタリングは30分に1回の頻度でデータを保存する静的計測と、必要に応じて列車の通過に対する挙動の動的計測や、地震などの突発的な事象に対する動的計測を行っている。」

「

〔図省略〕

」

「(2)モニタリング結果

モニタリング開始から900日間(約2.5年)の連続モニタリング結果を図-6に示す。図中の変形量は、長さ2mのセンサーを固定した両端の間の対変位を表す。」

「

〔図省略〕

」

「センサ○1,○2とセンサ○3,○4の測定値は1年周期で逆モードの変形となっている。これは、以下のような理由による。上部構造が季節的な温度変動によって膨張、収縮しようとするのに対し、基礎部が固定されているため連続高架橋には中央部を中心に左右対称にゆがみが生じる。このゆがみは連続高架橋の端部に近くなるほど大きくなる。本モニタリングは連続高架橋の端部に近いスパンを抽出して行ったので、アーチ部には図-6に示すような逆対象の変形が生じた。長期的な傾向としては、センサ○1,○2の変形は圧縮側に、センサ○3,○4の変形は引張り側にわずかにシフトする傾向がみられる。しかし、このシフト傾向は2.5年後の現在は停止する傾向を示している。

1年周期の変形が上部構造の温度変化に起因するものであることに対し、シフト傾向は経年的な変化と解釈することができる。経年変化の原因としては、例えば基礎の不均一な沈下や構造材の劣化などが考えられる。しかし、シフト量は非常に小さい値であり、構造全体としては安定した状態を維持しているものと判断される。

一般に、構造物の剛性が低下すると、固有振動数や振幅などの動的特性が変化する。この変化に着目することによって構造物の損傷状態を評価することもできる。

現状においては、動的特性の変化量と部材の劣化の定量的関係は不明である。しかし、モニタリングにおいては異常の兆候を把握することが重要であり、兆候が見られた場合は他の方法によって劣化部や程度を調べることになる。」

(オ) 1110頁左欄17行~同頁右欄9行、図-8、図-9

「5.2 道路トンネル

(1)モニタリングの概要

このトンネルは山岳工法で建設された総延長約6Kmの道路トンネルである。モニタリング目的は、地山の動きに伴う覆エコンクリートの変状を長期にわたって監視することである。

センサは坑口から約3Km地点の数カ所の計測断面に対し、図-8に示すように、長さ2mの光ファイバーセンサをトンネルの天端中心振り分けで4本設置した。

モニタリングは30分に1回の頻度でデータを保存する静的計測と、地震などの突発的な事象に対する動的計測を行っている。」

「

〔図省略〕

」

「(2)モニタリング結果

モニタリング領域の代表的な計測断面について、モニタリング開始から約540日(約1.5年間)におけるモニタリング結果を図-9に示す。センサによって多少の差はあるものの、いずれのセンサの結果も、日々の温度変動に伴って変動しながら、全体的には1年周期の季節変動に伴って圧縮,膨張を繰り返している。長期的に見れば、いずれも基軸がわずかに圧縮側にシフトしている。このシフトの原因は現段階では特定できないが、背面土圧の変動のような何らかの進行性成分の存在を示唆している。

このモニタリング結果は、覆工コンクリートの構造健全性の観点からは、特に問題となるような大きな変形は認められず、構造的には安定な状態が維持されているものと判断される。」

「

〔図省略〕

」

(カ) 1111頁左欄最終行~1112頁左欄6行、図-12、図-13

「5.3 法面

(1)モニタリングの概要

この法面は鉄道軌道用として建設された盛土の法面であり、一部に集中豪雨により小規模な地滑りが発生した。地滑り個所を復旧するとともに、長期的な法面の遠隔監視を目的としてモニタリングが実施された。

センサは、地滑りが発生し復旧した個所に1本、復旧個所の周辺の法面に3本、合計4本設置した。センサの設置方法としては、センサを取付けた杭を垂直に埋め込み、杭の曲げ変形によって地滑りの発生を検知できるようにした。法面形状及びセンサー設置位置を図-12に示す。

モニタリングは30分に1回の頻度でデータを保存する静的計測と、地震などの突発的な事象に対する動的計測を行っている。さらに、計測値が管理値を越えた場合、管理事務所に自動的に警報を送信するシステムとした。」

「

〔図省略〕

」

「(2)モニタリング結果

モニタリング開始開始から1年間のモニタリング結果を図-13に示す。縦軸は杭の変形量であり、法面の動きはこの測定値の約20倍である。図より、復旧個所以外では大きな動きが見られず、安定した状態が続いていることが分かる。これに対して、復旧個所では最初の半年間わずかずつ変形が進行している。これは降雨のたびに復旧個所の地盤が徐々に締め固まってきたことを表している。モニタリング開始半年後に急激な動きが見られるが、これは台風による集中豪雨に伴い、まだ完全に安定化していない復旧個所に地滑りが再発したことを表している。ただし、計測値の急激な変化量が約4mmであり、法面の動きに換算すると約80mmと小規模なものであることが分かる。このことは、実際の地滑りが表層土のわずかな崩れだけであったこととよく一致する。」

「

〔図省略〕

」

イ 引用文献7の記載から認定した事項

引用文献7の図-4(再掲)から、次の(ア)~(ウ)に示す事項を読み取ることができる。

(ア) 光信号伝送用光ファイバケーブルに含まれる光ファイバセンサをモニタリング対象構造物に設置すること。

(イ) モニタリング対象構造物の付近に現場計測装置を設置し、電話回線、携帯電話等を介して遠隔地から監視すること。

(ウ) 現場計測装置は、計測値が管理値を超えた時、監視所、携帯電話等に警報を発報するものであること。

〔図省略〕

ウ 引用発明の認定

前記アにおいて摘記した事項及び前記イにおいて認定した事項から、引用文献7には、次の発明が記載されていると認められる(以下「引用発明」という。)。なお、括弧内に引用文献7の記載の該当箇所の見出し符号を示した。

<引用発明>

「社会基盤である、鉄道高架橋、道路トンネル、法面等の構造物を遠隔地から長期連続モニタリングするためのシステムであって、(1.、4.、5.1~5.3)

長期連続モニタリングの目的は、材料的な劣化やひび割れなどの損傷のある構造物の健全度や安定性を評価することであり、(4.)

構造物は機械的な外力の他に気温や日照などの変動に伴って日単位に、あるいは年単位で周期的に熱変形するものであり、(2.)

光信号伝送用光ファイバケーブルに含まれる光ファイバセンサをモニタリング対象構造物に設置し、(前記イ(ア)の認定事項)

モニタリング対象構造物の付近に現場計測装置を設置し、電話回線、携帯電話等を介して遠隔地から監視し、(前記イ(イ)の認定事項)

現場計測装置は、計測値が管理値を超えた時、監視所、携帯電話等に警報を発報するものであり、(前記イ(ウ)の認定事項)

構造物の剛性が低下すると、固有振動数や振幅などの動的特性が変化し、この変化に着目することによって構造物の損傷状態を評価することができる、

構造物を遠隔地から長期連続モニタリングするためのシステム」

(2) 引用文献4、8及び9の記載事項及び技術常識1、2の認定

ア 引用文献4の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献4(特開2018-96866号公報)には、以下の事項が記載されている。

(ア) 段落【0002】~【0004】

「【背景技術】

【0002】

例えば電柱等の構造物は、内部鉄筋の腐食やコンクリートの劣化によって倒壊することがある。そのため倒壊を未然に防止する目的で、構造物の健全性を評価することにより、倒壊前に交換することが望まれる。

【0003】

構造物の劣化の判定は、構造物を非破壊で評価することが求められる。よって、構造物を打撃するなどして強制的に振動をさせた状態を分析する方法が用いられる。

【0004】

打撃により例えば電柱を振動させ、その振動データから周波数スペクトルを計算し、固有振動の強度を評価する方法が、例えば特許文献1に開示されている。」

(イ) 段落【0022】~【0025】、【図4】

「【0022】

図4に、電柱100の弾性体モデルを用いて1次の振動モードから7次までの振動モードを計算した結果を示す。横線は地面300を表す。各振動モードの振幅を一点鎖線で表記する。

【0023】

各振動モードには、振動振幅が最大になる振動の腹の部分と、振動が起こらない節となる部分が存在する。この腹と節の部分は、構造物が電柱の場合、電柱の高さに対応する。

【0024】

各振動モードの振幅の大きさは、各振動モードによって異なる。1次や2次などの低い次数の振動は計測され易い一方、高い次数の振動は振幅が比較的小さいため計測し難い特徴がある。

【0025】

構造物が健全であるか否かを評価するためには、多くの振動モードの振幅データを用いることが好ましい。不適切な位置に第1・第2振動計測器10,11を設置すると、計測し難い高次の振動モードの振動が、計測し易い低次の振動モードの振動に埋もれてしまう場合がある。その場合は、評価に必要な振動モードの振動データを、十分な感度で測定することができない。」

「【図4】

〔図省略〕

」

(ウ) 段落【0043】~【0058】、【図9】、【図10】

「【0043】

(ピーク共起情報)

ピーク共起情報収集部30は、パワーが閾値を越えた周波数スペクトルの数を計数したピーク共起情報を収集する(ステップS5)。ここでピーク共起情報について説明する。

【0044】

図9に、ピーク共起情報の例を示す。ピーク共起情報は、長期時間幅(b)の間、パワーが閾値を越えた周波数スペクトルの数を、周波数帯域を適当に分割した周波数ビンの範囲ごとに計数したものである。

【0045】

図9に示すピーク共起情報は、例えば7個の要素から成るベクトルである。各要素は、周波数ビンの範囲に対応する。図9の例では、0-1Hzの周波数ビンの範囲で閾値を越えるパワーの周波数スペクトルは1個、1-2Hzの周波数ビンの範囲は3個、2-5Hzの周波数ビンの範囲は1個、5-9Hzの周波数ビンの範囲は8個、9-15Hzの周波数ビンの範囲は3個、15-50Hzの周波数ビンの範囲は0個であることを表している。

【0046】

ピーク共起情報収集部30は、周波数解析の時間窓長の単位で時間スライドさせながら、パワーが閾値を越えた周波数スペクトルの周波数を取得し、当該周波数を含む周波数ビンの範囲ごとに閾値を越えた周波数スペクトルの数を計数する処理を繰り返す。

【0047】

時間が経過するにしたがって、周波数のビンの範囲には、長期時間幅(b)の期間において振動し易い周波数の組み合わせが表現されることになる。この振動し易い周波数の組み合わせの頻度情報がピーク共起情報である。ピーク共起情報は、構造物が健全である程度(健全度)に応じて変化する。

【0048】

判定部40は、ピーク共起情報収集部30が収集したピーク共起情報を入力特徴量、及び構造物が健全である程度を表す評価値を教師値として構造物の健全度を学習し、入力特徴量から構造物の劣化を判定する(ステップS6)。

【0049】

図10に、判定部40の概略の機能構成例を示す。判定部40は、畳込み層(コンボリューション層)とプーリング層の組み合わせである41と、全結合による識別層である42から構成される階層型ネットワークである。

【0050】

判定部40は、評価値を教師情報として階層型のニューラルネットワークを機械学習する。評価値は、例えば構造物の健全度を表す3つの要素からなるベクトルである。評価値(y1,y2,y3)は、例えば、構造物が健全であれば1,0,0、ひびが入っていれば0,1,0、及び鉄筋の鋼鉄が劣化していれば0,0,1等である。

【0051】

健全度は、構造物が健全→ひび→鋼鉄劣化のように、構造物の劣化を表す情報である。したがって、この健全度を教師値として学習することで、構造物劣化判定装置1は構造物の劣化を判定することができる。

【0052】

学習段階においては、それらの評価値に対応する入力特徴量(ピーク共起情報)を入力して、階層型ネットワークの重みを変更する計算を繰り返す。重みを変更する繰り返し計算によって、評価値にそれぞれ対応する階層型ネットワークが生成される。

【0053】

評価段階において判定部40は、学習した階層型ネットワークに対してピーク共起情報を入力し、その特徴量が、例えば、健全、ひび、及び鋼鉄劣化なのかを判定する。なお、学習段階と評価段階の間には、評価段階では評価値を必要としない点以外の差はない。つまり、学習段階において出力される値は、その時点における評価結果である。

【0054】

以上説明したように本実施形態の構造物劣化判定装置1は、振動し易い周波数の組み合わせの頻度情報であるピーク共起情報を多数計測し、それを元に学習した階層型ネットワークを用いて構造物の劣化を判定する。したがって構造物劣化判定装置1は、高精度で且つ高い信頼性で構造物の劣化を判定することができる。

【0055】

なお、本実施形態の構造物劣化判定方法は、構造物の振動モードを把握するステップS1と計測位置の最適化を行うステップS2を含む形で説明を行ったが、この例に限定されない。構造物の振動モードの把握と計測位置の最適化は行わなくても構わない。その場合でも計測した振動データを元に、構造物の劣化を判定することが可能である。

【0056】

また、構造物は電柱を例に説明を行ったが、構造物は電柱に限られない。例えば橋梁、ビル等の構造物に対して本実施形態の構造物劣化判定装置1を用いることが可能である。

【0057】

また、構造物劣化判定装置1は、構造物に設置したままにしてもよい。構造物に設置したままにすることでその劣化の判定を常時行うことが可能になる。

【0058】

常時監視を行う場合は、構造物劣化判定装置1を、例えば第1・第2振動計測器10,11と、他の構成を分割して構成してもよい。周波数解析部20、ピーク共起情報収集部30、及び判定部40を保守管理センタ等に設置し、第1振動計測器10と第2振動計測器11を監視対象の複数の構造物に設置する。そして、第1・第2振動計測器10,11と保守管理センタをネットワークで接続すれば、複数の構造物の劣化の判定を、一カ所で集中管理することも可能である。」

「【図9】

〔図省略〕

【図10】

〔図省略〕

」

イ 引用文献8の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献8(特開2007-183166号公報)には、以下の事項が記載されている。

(ア) 段落【0011】

「【0011】

<電柱>

===OTDRの概要===

本発明は、情報通信の分野での通信インフラとして近年注目されている光ファイバケーブルに関し、その光ファイバケーブルの敷設時の損失試験で採用されているOTDR(Optical Time Domain Reflectometry)を用いた後方散乱光法を、電柱の応力評価に対して応用させた技術である。尚、OTDRには、ブリルアン後方散乱光を利用したB-OTDR(Brillouin OTDR)、周波数変調パルスを用いたC-OTDR(Coherent OTDR)、ラマン散乱光を利用して光ファイバケーブルの温度を測定可能なR-OTDR(Ramman OTDR)等も含まれる。」

(イ) 段落【0061】、【図10】

「【0061】

<電柱応力評価システム>

===システム構成===

図10は、電力会社の事務所400において、電力系統を構成する複数の電柱100の応力を一括評価する場合の一実施形態を示す図である。すなわち、図10に示す場合とは、複数の電柱100の取り出し口110から光ファイバケーブル200の両端をそれぞれ取り出して、同種の光ファイバケーブル202を介して複数の電柱100の各光ファイバケーブル200を数珠つなぎにすることで、遠方の事業所400から電力系統ごとの複数の電柱100の応力の一括評価を可能とした場合である。」

「【図10】

〔図省略〕

」

ウ 引用文献9の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献9(特開2013-72800号公報)には、以下の事項が記載されている。

(ア) 【請求項1】

「【請求項1】

揺動可能な曲線部分を有する、既設の光ファイバを用いて振動を検出する振動検出システムであって、

前記光ファイバにおける光信号の強度である光強度の減衰の位置分布を取得する手段と、

前記取得した光強度の減衰の位置分布に基づいて、前記光強度の減衰量が所定値以上であった箇所を特定する手段と、

前記特定した箇所において、前記光ファイバを支持する物が振動したことを出力する手段と、

を備えることを特徴とする振動検出システム。」

(イ) 段落【0016】~【0018】、【図1】

「【0016】

以下、図面を参照しながら、本発明を実施するための形態を説明する。本発明の実施の形態に係る光ファイバ地震検出システム(振動検出システム)は、電柱に添架している光ケーブル(光ファイバ)の途中にある余長部や曲がった形状の部分が、地震等の振動を受けて揺動し、変形すると、光ケーブルの内部で光の屈折や反射が発生することを利用して、光パルス試験器を用いて透過光や反射光の変化を監視することにより、どの位置に、どの程度の振動が発生しているかを把握するものである。そして、光ケーブルを張り巡らせた地域において、場所ごとの地震動を細かく把握する。なお、余長部や曲がった形状の部分は、拘束されることなく、自由に揺動可能になっていることが望ましい。また、光パルス試験器は、OTDR(Optical Time-Domain Reflectometer)とも呼ばれる。

【0017】

≪システムの構成と概要≫

図1は、光ファイバ地震検出システム1の構成を示す図である。光ファイバ地震検出システム1は、光パルス試験器2及び地震検出装置3を備え、それらが相互に通信可能に接続される。光パルス試験器2は、既設の光ケーブル4に接続され、その光ケーブル4のうち、未使用である1芯の光ファイバに光パルス(光信号)を入射し、その光パルスのレベル(強度)を監視し、その監視した結果であり、反射光レベルの距離分布である光レベルデータ(例えば、図2(c)に示すデータ)を地震検出装置3に送信する。地震検出装置3は、光パルス試験器2から光ケーブル4における光レベルデータを受信し、その光レベルデータにおける減衰部分に基づいて、該当箇所で地震が発生しているか否かを判定し、その判定結果に基づいて、その地震の発生状況を表示する。

【0018】

架空地線や電柱に添架されている光ケーブル4には、巻かれた余長部や曲がった形状が存在し、そのような部分における光パルスの減衰を検知して、地震の発生を検出する。図1の10aは、光ケーブル4aが電柱5aに架設された様子を示す側面図である。光ケーブル4aには、電柱5aの箇所に余長部4a1が存在する。余長部4a1は、光ケーブル4aの曲げ半径が最小曲げ半径より小さくならないように維持することにより、通信品質を保持しながら、ケーブルの混雑を避けるために巻かれた部分であり、例えば、約0.5~1mの直径を有する。図1の10bは、光ケーブル4bが電柱5bに架設された様子を示す平面図である。光ケーブル4bには、3本の電柱5bのうち、中央にある電柱5bの箇所に曲折部4b1が存在する。曲折部4b1は、光ケーブル4bが、架設された電柱5bの配置によって曲げられた部分である。」

「【図1】

〔図省略〕

」

エ 技術常識1、2の認定

前記ア~ウにおいて摘記した事項に例示されるように、次の二つの技術事項は当業者にとって技術常識であったと認められる(以下、それぞれ「技術常識1」及び「技術常識2」という。)。

<技術常識1>

「電柱等の構造物の固有振動モードの振動データを計測することにより、構造物の劣化状態を判定できること。」

<技術常識2>

「複数の電柱に亘り、通信用光ファイバを含むケーブルが敷設されること。」

(3) 引用文献10の記載事項及び技術常識3の認定

ア 引用文献10の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献10(特表2014-502345号公報)には、以下の事項が記載されている。

(ア) 【請求項35】

「【請求項35】

たとえば、ディスクリートセンサアレイの形で、または分散型または準分散型ファイバセンサの形でセンサアレイを備え、前記コンピュータは前記振動データを前記センサアレイから取得して処理するように構成され、前記コンピュータは、振動を発生する物体の方向、距離および速度の少なくとも1つを測定するためのソフトウェアを備え、前記振動を発生する物体は、任意には、前記可動物体である、請求項1~34のうちいずれか一項に記載の完全性監視システム。」

(イ) 段落【0001】

「【技術分野】

【0001】

本発明は、パイプまたは送電ケーブルなどの、海洋または陸上の定置構造物の少なくとも一部の完全性を監視するための完全性監視システムに関する。本発明はまた、定置構造物の少なくとも一部の完全性を監視する方法に関する。」

(ウ) 段落【0012】、【0016】~【0018】、【0032】、【0041】、【0053】、【0054】

「【0012】

本明細書で用いる「定置構造物」という用語は、損傷を受けていない状況において、一般的に固定位置に保持され、任意には自然環境の影響のために、たとえば、風および/または水による限定された動作を受ける任意の固体(solid)構造物を意味する。たとえば定置構造物は、海底構造物であり、例えば海水流によって振動が生じる等したときに砂丘等の堆積物の移動によって海底の定置構造物の越流が生じることもある。他の定置構造物の例は後述する。」

「【0016】

「時間データに応じた位置」は「位置(h)」と称することもあり、所与の時間における物理的な位置を意味する。この位置は海中構造物と関連するものでもよく、または地理的座標と関連するものでもよい。時間は、既知の(たとえば、選択した)開始時点から経過時間の形であってもよく、または航海標準時またはUTC(協定世界時)または他の標準時間帯などの標準時間であってもよい。

【0017】

「完全性監視」は、監視によって、監視対象の海中構造物の一部が激しく損傷し、通常の可動の障害となるかを、少なくとも検知可能であることを意味する。好ましくは、完全性監視は海中構造物の小さい損傷でも監視し、または海中構造物の損傷の危険性が高まったことを示すパラメータを監視することによって、損傷を回避することさえできるように、十分に感度が良い。

【0018】

本明細書の「振動」は、任意の波長の振動を意味するものと解釈されるべきであるが、一具体例では音響振動を意味する。本明細書の音響振動は、液体、および任意には固体における機械波を意味するものと解釈されるべきである。」

「【0032】

一実施形態において、定置構造物は、任意にはケーブルの束であるか、またはケーブルの束を備える。

ケーブルの束は、2つ以上の異なる種類のケーブル、パイプおよび/またはファイバからなる。ケーブル、パイプおよび/またはファイバは、程度の差はあるが、お互いに対して一体化され、たとえば、少なくとも2ヶ所以上の位置において長さに沿ってお互いに対して結束されてもよく、または、たとえば、導管、索または同様の外部被覆層において完全に一体化されてもよい。」

「【0041】

一実施形態において、振動センサは音響センサである。音響センサは、一般的に従来技術において既知であり、多くの異なる適用において用いられている。振動センサは、好ましくは、マイクロホン、水中聴音器、地震計および/または光ファイバ音響センサを備えていてもよい。」

「【0053】

一実施形態において、振動センサは分散型振動センサである。

ファイバセンサなどの分散型センサは、たとえば1km以上、たとえば5-100kmまたは10-50kmなどの数百キロメートルまでにさえなる長い範囲も1つのセンサで監視することができるという有利点を提供する。したがって、監視対象の定置構造物が相対的に長い状況において、分散型振動センサを完全性監視システムで用いることは非常に有利である。ただし、分散型振動センサによって取得したデータの処理には、コンピュータの複雑なプログラミングが必要となることもある。しかし、このようなデータ処理用ソフトウェアは入手可能であり、不当な負担なしに当業者が選択することができる。任意の分散型振動センサに対して必要なソフトウェアは、分散型振動センサと一緒に販売されることが多い。

【0054】

一実施形態において、振動センサは光ファイバセンサを備える。光ファイバセンサは、好ましくは、ブリルアン後方散乱、ラーメン後方散乱またはレイリー後方散乱などの後方散乱効果によって動作されるように構成される。」

イ 技術常識3の認定

(ア) いわゆるBOTDR方式(ブリルアン散乱光を用いた光ファイバによる分布型のセンシング方法)の光ファイバとして、通信用の光ファイバを用い得ることは、例を挙げるまでもないほどの周知の技術事項である(必要ならば、前記(2)イ(ア)に摘記した引用文献8の段落【0011】の記載を参照)。

(イ) このことを踏まえると、前記アにおいて引用文献10を示して例示したように、次の技術事項は当業者にとって技術常識であったと認められる(以下「技術常識3」という。)。

<技術常識3>

「ブリルアン後方散乱を検出する通信用光ファイバからなる分散型振動センサにより構造物を監視すること。」

(4) 引用文献13、15の記載事項及び技術常識5の認定

ア 引用文献13の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献13(特開2018-74757号公報)には、以下の事項が記載されている。

(ア) 【請求項1】

「【請求項1】

航空機に搭載されたカメラにより撮影された画像データをもとに被点検物について巡視点検するための巡視点検システムであって、

管理装置と情報処理装置とを含み、

前記管理装置は、

前記被点検物に生じた異常を画像中から検出するための学習モデルを生成する学習モデル生成手段を有し、

前記情報処理装置は、

前記管理装置により生成された学習モデルを記憶する記憶手段と、

前記画像データを入力する入力手段と、

前記学習モデルをもとに前記画像データから前記被点検物に異常が生じた異常箇所の画像データを検出する異常箇所検出手段と、

前記異常箇所の画像データをもとに異常箇所の画像を表示する異常箇所表示手段とを有する、巡視点検システム。」

(イ) 段落【0011】

「【0011】

以下、実施形態について図面を参照して説明する。

図1及び図2は、本実施形態における巡視点検システム1の構成を示すブロック図である。本実施形態における巡視点検システム1は、例えば発電所や変電所から送電するための送電設備(送電線、鉄塔)17について、通常時あるいは事故発生時において航空機、例えば無人航空機(以下、ドローン14と称する)を利用して、巡視点検するためのシステムである。巡視点検システム1は、ドローン14と、ドローン14に搭載されたカメラにより撮影された画像データをもとに、送電設備17に含まれる複数の異なる被点検物(例えば、架空地線、送電線、碍子、閃絡表示器、アークホーン、鉄塔、鉄塔基礎コンクリートなど)に生じた異常箇所を検出し、この検出結果を巡視点検結果報告として記録する巡視点検制御システム2により構成される。本実施形態では、巡視点検制御システム2は、例えば情報処理装置10とネットワーク15を介して接続される管理装置12により構成する。ただし、巡視点検制御システム2を1つの装置として実現することも可能である。また、管理装置12は、クラウドコンピューティングにより実現されるものとし、ネットワーク15(インターネット)を介して接続された1台のサーバ、あるいは複数のサーバが協働して動作することで実現されても良い。」

(ウ) 段落【0029】

「【0029】

学習モデル記憶部21aは、管理装置12により生成された学習モデルを記憶する。学習モデルは、ドローン14から取得された画像データから被点検物に生じた異常を画像中から検出するためのもので、被点検物に生じる異常状態の特徴を表す。管理装置12では、ドローン14により撮影される撮影環境の変動等により画像データが一定でない、あるいは検出対象とする異常箇所が様々な状態である状況に対応できるように、被点検物に生じた異常箇所を確実に検出することができる学習モデルが生成される(学習モデルの生成の詳細については後述する)。被点検物に生じた異常としては、例えば送電線の場合にはアーク痕がある。アーク痕は、送電線に落雷があった場合に生じる異常であるため、頻繁に生じる事象ではなく、実際に生じた状態を撮影した画像データのサンプルが少ない。従って、実際に生じた異常箇所(アーク痕)の画像データをもとにした学習モデルのみでは、ドローン14により撮影された画像データから確実に異常箇所を検出することが困難となる。本実施形態では、管理装置12において、実際に生じた異常箇所の画像データだけでなく、被点検物に生じる異常/劣化の状態を表す擬似的な画像(類似画像)をニューラルネットワークを活用したディープラーニング(深層学習)の技術を利用して生成する。本実施形態では、ディープラーニング(深層学習)の技術を利用して、異常箇所の画像(異常画像)と異常箇所の周辺にある正常画像の組み合わせと、正常画像と異常画像とを組み合わせる比を変更しながら類似画像を生成することで、大量の類似画像に基づいた学習モデルを学習(生成)する。よって、管理装置12により生成された学習モデルを学習モデル21aに記憶させて、学習モデル21aに記憶された学習モデルを用いて画像データから異常箇所を探索することで、確実に被点検物に生じた異常箇所を検出できるようにすることができる。」

(エ) 段落【0100】

「【0100】

まず、情報処理装置10では、巡視点検の対象とする送電設備17に応じてフライトプランの設定を行う。情報処理装置10は、例えば図15に示すような、フライトプランを設定するための巡回/点検ルート選択画面60を表示させて、作業員等により選択させる。巡回/点検ルート選択画面60には、例えば定期巡回ボタン61、事故巡回ボタン62、鉄塔巡回ボタン63が設けられており、何れかを任意に選択することができる。事故巡回は、例えば、送電設備17への落雷等の事故発生時に巡回し、事故原因を特定するために実行される。定期巡回及び鉄塔巡回は、定期的な巡回あるいは点検のために巡回される。」

イ 引用文献15の記載事項

この審決において新たに引用する、優先日前に発行された文献である米国特許出願公開第2017/0184426号明細書(以下「引用文献15」という。)には、次の事項が記載されている。括弧内に当合議体で作成した日本語訳を付記する。

(ア) 段落[0001]-[0002]

「[0001]Field of the Invention

[0002]The invention relates to an optical fibre sensor system and a method for determining a location of a disturbance.」

([0001]発明の分野

[0002]本発明は、外乱の位置を決定するための光ファイバセンサシステム及び方法に関する。)

(イ) 段落[0010]-[0017]

「[0010] A number of systems for the sensing of an acoustic disturbance are known. The acoustic disturbance can be representative of damage to the pipelines through third party interference or geohazards, as described in the introduction, or potential damage due to approaching vehicles or individuals intending to damage the pipeline. These systems involve the use of an optical fibre laid alongside the pipeline, which acts as a sensor and detects changes in the pattern of back-scattered radiation in order to sense an acoustic disturbance. For example, Pimon GmbH, Munich, Germany, sells an apparatus PMS2500-vibrO that utilizes distributed fibre optical sensing technology to detect the acoustic disturbance. The PMS2500-vibrO system combines an optical time domain reflectometer (OTDR) with an analysis and pattern recognition software and offers a customized interface with geographic information system (GIS) mapping.

[0011] International Patent Applications No WO 2011/05813, WO 2011/ 015812 and WO 2011/059501 (QinetiQ) all teach various aspects of using a distributed fibre optic sensing system for establishing events of interest. Similarly UK Patent Application No GB 2 491 658 also teaches a method and system for locating an acoustic disturbance. These patent applications all have in common that the systems analyse the back-scattered radiation from the optical fibre to establish the event of interest. Such systems are useful in determining an event of interest from the acoustic disturbance, but the systems are known to produce “false positives” in which events are identified that are of no interest and fail to identify some events of interest, in particular when such events of interest have not been seen before.

[0012] One solution to the issue of incorrect identification of events would be to use an artificial neural network (ANN) to train the system to recognise the event of interest. The ANNs are computational models and are inspired by animal central nervous systems, in particular the brain, that are capable of machine learning and pattern recognition. The ANNs are usually presented as a system of nodes or “neurons” connected by “synapses” that can compute values from inputs, by feeding information from the inputs through the ANN. The synapses are the mechanism by which one of the neurons passes a signal to another one of the neurons.

[0013]-[0016](省略)

[0017] Recent developments in the ANNs involve so-called ‘deep learning’. Deep learning is a set of algorithms that attempt to use layered models of inputs. Jeffrey Heaton, University of Toronto, has discussed deep learning in a review article entitled ‘Learning Multiple Layers of Representation’ published in Trends in Cognitive Sciences, vol. 11, No. 10, pages 428 to 434, 2007. This publication describes multi-layer neural networks that contain top-down connections and training of the multilayer neural networks one layer at a time to generate sensory data, rather than merely classifying the data.」

([0010] 音響外乱を感知するためのいくつかのシステムが知られている。音響外乱は、導入部で説明したように、サードパーティの干渉又はジオハザードによるパイプラインへの損傷、又はパイプラインを損傷しようとする接近車両又は個人による潜在的な損傷を表すことができる。これらのシステムは、パイプラインに沿って敷設された光ファイバの使用を伴い、光ファイバは、センサとして作用し、音響外乱を感知するために後方散乱放射のパターンの変化を検出する。例えば、Pimon GmbH(ミュンヘン、ドイツ)は、音響外乱を検出するために分散ファイバ光学感知技術を利用する装置PMS2500-vibrOを販売している。PMS2500-vibrOシステムは、光時間領域反射率計(OTDR)を分析及びパターン認識ソフトウェアと組み合わせ、地理情報システム(GIS)マッピングとのカスタマイズされたインターフェースを提供する。

[0011] 国際特許出願WO 2011/05813、WO 2011/015812及びWO 2011/059501(QinetiQ)はすべて、関心のある事象を確立するために分散型光ファイバ感知システムを使用する様々な態様を教示している。同様に、英国特許出願第GB 2491658号も、音響外乱の位置を特定する方法及びシステムを教示している。これらの特許出願は全て、システムが光ファイバからの後方散乱放射を分析して関心のある事象を確立する点で共通している。そのようなシステムは、音響外乱から関心のあるイベントを決定するのに有用であるが、システムは、関心のないイベントが識別され、特に関心のあるそのようなイベントが以前に見られていないときに、関心のあるいくつかのイベントを識別することができない偽陽性を生成することが知られている。

[0012] イベントの不正確な識別の問題に対する一つの解決策は、人工ニューラルネットワーク(ANN)を使用して、関心のあるイベントを認識するようにシステムをトレーニングすることであろう。ANNは計算モデルであり、動物の中枢神経系、特に脳から着想を得ており、機械学習及びパターン認識が可能なものである。ANNは通常、ANNを介して入力から情報を供給することによって、入力から値を計算することができるシナプスによって接続されたノード又はニューロンのシステムとして提示される。シナプスは、ニューロンのうちの一つがニューロンのうちの別の一つに信号を渡す機構である。

[0013]-[0016](省略)

[0017] ANNにおける最近の開発は、いわゆるディープラーニングを伴う。ディープラーニングは、入力の階層化モデルを使用しようとするアルゴリズムのセットである。トロント大学のJeffrey Heatonは、Trends in Cognitive Sciences,vol.11,No.10,pages 428 to 434,2007に掲載されたLearning Multiple Layers of Representationと題する総説論文においてディープラーニングを論じている。この論文は、単にデータを分類するのではなく、感覚データを生成するために一度に一つの層のトップダウン接続及び多層ニューラルネットワークのトレーニングを含む多層ニューラルネットワークを記載している。)

ウ 技術常識5の認定

前記ア及びイにおいて引用文献13及び15を示して例示したように、次の技術事項は当業者にとって技術常識であったと認められる(以下「技術常識5」という。

なお、技術常識の参照番号については、当審拒絶理由の「技術常識4」(この審決においては省略した。)と連続する番号となるように「技術常識5」とした。以下同様である。

[技術常識5]

「構造物の監視において、学習モデルを生成して、ディープラーニングを活用すること。」

(5) 引用文献14、15の記載事項及び技術常識6の認定

ア 引用文献14の記載事項

当審拒絶理由において引用され、優先日前に発行された文献である前記引用文献14(久保「ディープラーニングによるパターン認識」)には、以下の事項が記載されている。

(ア) 500頁左欄1行~21行

「ディープラーニングとは何か

パラーン認識は音声や画像などの入力信号から,それに対応するタグを推定する処理である.具体的には,音声認識の場合は音声信号から単語タグの列を,文字認識の場合は文字画像から対応する文字タグを推定するといった処理を表し,応用先に応じた入力信号/タグの定義を用いる.近年このようなパターン認識の分野において,ディープラーニング(Deep Learning:深層学習)という技術がブレイクスルーを起こし,大きな注目を集めている.たとえば音声認識の分野では,ディープラーニングを利用することによって,これまでの最先端技術を結集して作られた音声認識器の精度をさらに超えることが可能であるといった報告があり,現在では高精度な音声認識器を構築するための重要技術であると考えられている.また,コンピュータビジョンの分野においても,IMAGENET Large Scale Visual Recognition Challenge(ILSVRC)という国際コンペティションで,ディープラーニングに基づく認識器は2位の研究グループが利用した認識器の性能を大きく引き離してトップの性能を示した.」

(イ) 508頁右欄1行~12行

「このような課題を含みながらも,ディープラーニングがさまざまなパターン認識関連タスクにおいて,最高の性能をマークしていることは事実であり,今後もさまざまな応用分野で利用されていくことが予測される.特に,パターンの識別と特徴抽出が同時に一枚岩のモデルとして最適化できるのは好ましく,これまで各応用分野に特化した知識が必要であった前処理の部分が単純化されることから,異なる分野間の技術の交流も従来より容易になることが期待される.さまざまな応用分野にわたる多面的な検討を通して,ディープラーニングの根幹に関わる理論にも新たな知見がもたらされることを期待したい.」

イ 引用文献15の記載事項

前記(4)イに摘記したとおりである。特に、段落[0012]及び[0017]の記載を参照。

ウ 技術常識6の認定

前記ア及びイにおいて引用文献14及び15を示して例示したように、次の技術事項は当業者にとって技術常識であったと認められる(以下「技術常識6」という。)。

[技術常識6]

「ディープラーニングによって、パターン認識を行うこと。」

2 本願発明と引用発明の対比

(1) 対比分析

以下、前記第2の1で分説した構成要件ごとに、本願発明と引用発明を対比する。

ア (構成X)「電柱劣化検出システム」の発明の観点

(ア) 引用発明の「社会基盤である、鉄道高架橋、道路トンネル、法面等の構造物を遠隔地から長期連続モニタリングするためのシステム」は、「材料的な劣化やひび割れなどの損傷のある構造物の健全度や安定性を評価すること」を「目的」とするものである。

(イ) したがって、「電柱劣化検出システム」の発明である本願発明と、「長期連続モニタリングするためのシステム」の発明である引用発明は、次の点において一致する。

「構造物の劣化検出システム」の発明である点。

(ウ) そして、本願発明と引用発明は、以下の点において相違する。

「劣化検出システム」の検出対象である「構造物」が、本願発明においては「電柱」であるのに対して、引用発明においては、「社会基盤である、鉄道高架橋、道路トンネル、法面等」である点。

イ (構成A)「電柱に敷設された通信用光ファイバを含むケーブル」の観点

(ア) 引用発明の「光信号伝送用光ファイバケーブル」が光ファイバを含むケーブルであること、当該光ファイバケーブルが(構造物に対して)敷設されることは、引用文献7の図-5、図-8、図-12に示された光ファイバーの設置態様を見れば明らかである。

(イ) したがって、前記アを踏まえると、本願発明と引用発明は、次の点において一致する。

「構造物に敷設された光ファイバを含むケーブル」を備える点。

(ウ) そして、本願発明と引用発明は、前記ア(ウ)で指摘した相違点に加えて、以下の点で相違する。

「光ファイバケーブル」が、本願発明においては「通信用」のものであるのに対して、引用発明では「光信号伝送用」のものである点。

ウ (構成B)「前記ケーブルに含まれる少なくとも1つの通信用光ファイバから、前記電柱の劣化状態に応じたパターンを含む後方散乱光を受信する受信部」の観点

(ア)a 引用発明の「現場計測装置」は、「光信号伝送用光ファイバケーブルに含まれる光ファイバセンサ」からの光信号を受信していることが明らかである。

b ここで、引用発明の「構造物の健全度や安定性」は、「材料的な劣化」に由来する「構造物」の状態(劣化状態)がどの程度であるかを示すものであることを踏まえると、「現場計測装置」が「光信号伝送用光ファイバケーブル」に含まれる光ファイバから「構造物」の劣化状態に応じた光信号を受信しているといえるから、引用発明の「現場計測装置」は、本願発明の「前記ケーブルに含まれる少なくとも1つの」「光ファイバから、」「劣化状態に応じた」「光信号を受信する受信部」に相当する構成を備えるものであることが明らかである。

(イ)a さらに、引用発明においては、「光ファイバセンサ」を用いることで「構造物の剛性が低下すると、固有振動数や振幅などの動的特性が変化し、この変化に着目することによって構造物の損傷状態を評価することができる」としているところ、「固有振動数や振幅などの動的特性」は、信号から抽出される代表的な特徴(パターン)であるといえる。

そして、「材料的な劣化」によっても「構造物の剛性が低下」し、「固有振動数や振幅などの動的特性」の「変化に着目することによって」構造物の劣化状態を評価できることは自明であるから、「光ファイバセンサ」からの光信号が構造物の劣化状態に応じたパターンを含んでいることは明らかである。

b そうすると、前記(ア)を踏まえると、引用発明の「光ファイバセンサ」からの光信号は、本願発明の「[構造物の]劣化状態に応じたパターンを含む」「光信号」に相当する。

(ウ) したがって、本願発明と引用発明は、次の点で一致する。

「ケーブルに含まれる少なくとも1つの光ファイバから、構造物の劣化状態に応じたパターンを含む光信号を受信する受信部」を備える点。

(エ) そして、本願発明と引用文献は、前記ア(ウ)及びイ(ウ)で指摘した点に加えて、以下の点で相違する。

受信部が受信する「構造物の劣化状態に応じたパターンを含む光信号」が、本願発明においては「後方散乱光」であるのに対して、引用発明ではどのような光信号を受信するか明らかでない点。

エ (構成C0)「前記後方散乱光に含まれる前記パターンに基づいて、前記電柱の劣化状態を検出する検出部」の観点

(ア)a 引用発明の「現場計測装置」は、「社会基盤である」「構造物」において「計測値が管理値を超えた時、監視所、携帯電話等に警報を発報するもの」であるから、「計測値」を取得するための検出手段を備えていることは明らかである。

b そして、前記ウの検討内容を踏まえると、上記検出手段は、構造物の劣化状態を検出しているといえる。

c そうすると、引用発明の「現場計測装置」は、本願発明の「劣化状態を検出する検出部」に相当する構成を備えるものであることが明らかである。

(イ)a また、前記ウ(イ)で説示したとおり、引用発明においては、「光ファイバセンサ」からの光信号が「構造物」の「材料的な劣化」に由来する「固有振動数や振幅などの動的特性[の]変化」を識別可能なパターンを含んでいるところ、引用発明の「現場計測装置」が、当該パターンに基づいて「固有振動数や振幅などの動的特性[の]変化」を識別して構造物の劣化状態を評価していることは明らかである。

b そうすると、引用発明の「現場計測装置」は、本願発明の「[光信号に]含まれるパターンに基づいて」劣化状態を検出することに相当する構成を備えるものであることが明らかである。

(ウ) したがって、本願発明と引用発明は、次の点で一致する。

「受信した光信号に含まれるパターンに基づいて、構造物の劣化状態を検出する検出部」を備える点。

(エ) そして、本願発明と引用発明は、前記ア(ウ)、イ(ウ)及びウ(エ)で指摘した点と同様の点で相違する。

オ (構成C1)「前記検出部は、前記電柱の振動の周波数特性を前記パターンとして学習し、学習結果と前記受信部により受信された前記後方散乱光に含まれる前記パターンとに基づいて、前記電柱の劣化状態を検出する」の観点

(ア)a 構成C1における「前記パターン」は、構成Bの「電柱の劣化状態に応じたパターンを含む後方散乱光」という記載の「パターン」を「前記」を付して指し示すものであることを踏まえると、構成C1の「前記パターン」とは後方散乱光のパターンであり、光学的側面からみた特徴であると考えられる。

b 一方、本願発明における「電柱の振動の周波数特性」について、この記載を文言どおり解釈すると、電柱自体の振動の周波数特性を意味すると考えるのが自然であるから、機械的側面からみた特徴であるといえる。

c そうすると、本願発明の構成C1の「前記電柱の振動の周波数特性を前記パターンとして学習[する]」ことについて、この記載を文言どおり解釈すると、「電柱自体の振動の周波数特性」(機械的側面からみた特徴)を「後方散乱光のパターン」(光学的側面から見た特徴)として学習することを意味すると考えられるが、両特徴は異なる観点から捉えたものであるから、機械的側面からみた特徴を光学的側面から見た特徴として学習するとはどういう意味なのかを明らかにするために、本願明細書の記載を参酌して以下のとおり検討を行う。

d 本願明細書には、以下の記載がある。

(a) 「[0018] ここで、電柱10は、周囲の外乱による振動や自然振動をしており、電柱10の振動は通信用光ファイバに伝達される。また、電柱10の振動パターンは、電柱10の劣化状態に応じて異なっている。

[0019] そのため、通信キャリア局舎30の内部に戻ってくる後方散乱光には、電柱10の劣化状態に応じたパターンが含まれる。図1の例では、3本の電柱10が設けられているため、通信キャリア局舎30の内部に戻ってくる後方散乱光には、3本の電柱10の各々の劣化状態に応じたパターンが含まれることになる。」

(b) 「[0029] 続いて以下では、検出部332において、ファイバセンシング部331により特定された電柱10の劣化状態を検出する方法について説明する。

(1)第1の方法

まず、図3及び図4を参照して、電柱10の劣化状態を検出する第1の方法について説明する。図3及び図4は、電柱10の振動データ(横軸が時間、縦軸が強度(振幅))を、FFT(Fast Fourier Transform)した後の周波数特性(横軸が周波数、縦軸が強度(振幅))を示している。また、図3は、正常な電柱10の周波数特性を示し、図4は、劣化している電柱10の周波数特性を示している。なお、図3及び図4の電柱10の周波数特性は、ファイバセンシング部331が、その電柱10にて発生した後方散乱光を分散型音響センサ(Distributed Acoustic Sensor)及び分散型振動センサ(Distributed Vibration Sensor)にて検出することにより得られたものである。」

(c) 「[0037] (3)第3の方法

続いて、電柱10の劣化状態を検出する第3の方法について説明する。

本第3の方法では、検出部332は、電柱10の劣化状態に応じたパターンを機械学習(例えば、深層学習等)し、機械学習の学習結果(初期学習モデル)を用いて、電柱10の劣化状態を検出する。

[0038] まず、図7を参照して、本第3の方法における機械学習の方法について説明する。

図7に示されるように、検出部332は、電柱番号A,B,Cの電柱10の劣化度合いを示す劣化レベル情報である教師データと、電柱番号A,B,Cの電柱10の振動データと、を入力する(ステップS1,S2)。図8に、教師データとなる劣化レベル情報の一例を示す。なお、図8において、劣化レベルは、数値が大きいほど、劣化が進行していることを示している。また、劣化レベル情報は、ファイバセンシング部331が保持する。また、電柱10の振動データは、上述した第1の方法で劣化状態を検出する場合には、図3及び図4に示されるような振動データの周波数特性となる。また、電柱10の振動データは、上述した第2の方法で劣化状態を検出する場合には、図5及び図6に示されるような振動データとなる。

[0039] 続いて、検出部332は、両者のマッチング及び分類を行って(ステップS3)、教師あり学習を行う(ステップS4)。これにより、初期学習モデルが得られる(ステップS5)。この初期学習モデルは、電柱10の振動データを入力すると、その電柱10の劣化状態が出力されるモデルとなる。

[0040] 続いて、本第3の方法における電柱10の劣化状態を検出する方法について説明する。

検出部332は、電柱10の劣化状態を検出する場合、その電柱10の振動データ(例えば、図3~図6)をファイバセンシング部331から取得し、初期学習モデルに入力する。これにより、検出部332は、初期学習モデルの出力結果として、その電柱10の劣化状態を得る。

[0041] 上述のように、本第3の方法では、電柱10の劣化状態に応じたデータ(パターン)を機械学習し、機械学習の学習結果を用いて、電柱10の劣化状態を検出する。

データから電柱10の劣化状態を検出するための特徴を抽出することが、人間による解析では困難な場合がある。本第3の方法では、大量の振動データから学習モデルを構築することにより、人間での解析では困難であった場合でも、電柱10の劣化状態を高精度に検出することができる。」

e 前記dにおいて摘記した記載を参酌すると、本願明細書には以下の事項が開示されていると認められる。

(a) 電柱は、周囲の外乱による振動や自然振動をしていること。

(b) 電柱の振動パターンは、電柱の劣化状態に応じて異なっていること。

(c) 電柱の振動は通信用光ファイバに伝達され、通信キャリア局舎の内部に戻ってくる後方散乱光には電柱の劣化状態に応じたパターンが含まれること。

(d) 電柱の振動の周波数特性は、ファイバセンシング部が、その電柱にて発生した後方散乱光を分散型音響センサ及び分散型振動センサにて検出することにより得られること。

(e) 学習モデルは、電柱の振動の周波数特性を入力すると、電柱の劣化状態が出力として得られるものであること。

f 前記eを踏まえると、構成C1について、本願明細書には、後方散乱光には電柱の振動パターンに応じたパターン(つまり、後方散乱光のパターン)が含まれており、後方散乱光を分散型音響センサ及び分散型振動センサにて検出することにより電柱の振動の周波数特性が得られ、学習モデルは電柱の振動の周波数特性を入力すると電柱の劣化状態が得られるよう学習させたものであることが開示されていると認められる。

g そうすると、本願発明の構成C1の「前記電柱の振動の周波数特性を前記パターンとして学習[する]」とは、電柱の振動パターンに応じた後方散乱光のパターンから得られる電柱の振動の周波数特性を入力して電柱の劣化状態が得られるように学習させることを意味すると解するのが相当である。

(イ) 前記ウ及びエで説示したとおり、引用発明においては、「光ファイバセンサ」からの光信号が「構造物」の「材料的な劣化」に由来する「固有振動数や振幅などの動的特性[の]変化」を識別可能なパターンを含んでいるところ、「固有振動数や振幅などの動的特性」は、本願発明の「振動の周波数特性」に対応するものである。

(ウ) したがって、前記ア、ウ及びエを踏まえると、本願発明と引用発明とは、次の点で一致する。

「光信号のパターンから得られる構造物の振動の周波数特性に基づいて、構造物の劣化状態を検出する」点。

(エ) そして、本願発明と引用発明とは、前記ア(ウ)、イ(ウ)及びウ(エ)で指摘した点に加えて、以下の点で相違する。

検出部における構造物の劣化状態の検出において、本願発明は電柱の振動パターンに応じた後方散乱光のパターンから得られる電柱の振動の周波数特性を入力して電柱の劣化状態が得られるように学習させ、学習結果と受信部により受信された後方散乱光に含まれるパターンとに基づいて、電柱の劣化状態を検出するのに対し、引用発明はそのような構成を有しない点。

(2) 一致点及び相違点の認定

前記(1)の対比分析の結果をまとめると、本願発明と引用発明は、次のアに示す一致点において一致し、後記イに示す相違点において相違すると認められる。

ア 一致点

「構造物に敷設された光ファイバを含むケーブルと、

ケーブルに含まれる少なくとも1つの光ファイバから、構造物の劣化状態に応じたパターンを含む光信号を受信する受信部と、

受信した光信号に含まれるパターンに基づいて、構造物の劣化状態を検出する検出部と、を備え、

前記検出部は、

光信号のパターンから得られる構造物の振動の周波数特性に基づいて、構造物の劣化状態を検出する、

構造物の劣化検出システム。」

イ 相違点

(ア) 相違点1

本願発明においては、

「構造物」が「電柱」であり、

「光信号」が「後方散乱光」であり、

「劣化状態」の「検出」において、電柱の振動パターンに応じた後方散乱光のパターンから得られる電柱の振動の周波数特性を入力して電柱の劣化状態が得られるように学習させ、学習結果と受信部により受信された後方散乱光に含まれるパターンとに基づいて、電柱の劣化状態を検出するのに対して、

引用発明においては、

「構造物」が「社会基盤である、鉄道高架橋、道路トンネル、法面等」であり、

「光信号」がどのような属性のものであるか明らかでなく、

「劣化状態」の「検出」において、「学習」の構成を備えていない点。

(イ) 相違点2

「光ファイバケーブル」が、本願発明においては「通信用」のものであるのに対して、引用発明では「光信号伝送用」のものである点。

3 判断

前記相違点について検討する

(1) 相違点1について

ア 「構造物」が「電柱」であることについて

引用発明においては、「構造物の剛性が低下すると、固有振動数や振幅などの動的特性が変化し、この変化に着目することによって構造物の損傷状態を評価することができ[る]」のであるから、固有振動数などの動的特性の変化を計測可能な構造物であれば、「鉄道高架橋、道路トンネル、法面」以外の構造物についても、引用発明を適用する余地はあるというべきである。

ここで、前記1(2)において技術常識1として示したとおり「電柱等の構造物の固有振動モードの振動データを計測することにより、構造物の劣化状態を判定できること」は技術常識であるから、「電柱」も固有振動数などの動的特性の変化を計測可能な構造物であるといえる。

そうすると、引用発明を「電柱」の劣化状態の監視に適用することは、当業者ならば容易に想到し得たことである。

イ 「光信号」が「後方散乱光」であることについて

前記1(3)において技術常識3として示したとおり「ブリルアン後方散乱を検出する通信用光ファイバからなる分散型振動センサにより構造物を監視すること」は技術常識であるから、引用発明において、構造物の劣化状態を反映した振動波形を後方散乱光として検出することは、当業者が容易に想到し得たことである。

ウ 「劣化状態」の「検出」における「学習」について

前記1(4)において技術常識5として示したとおり「構造物の監視において、学習モデルを生成して、ディープラーニングを活用すること」は技術常識である。また、前記1(5)において技術常識6として示したとおり「ディープラーニングによって、パターン認識を行うこと」も技術常識である。

そうすると、引用発明において、光信号のパターンから得られる構造物の振動の周波数特性に基づいて、構造物の劣化状態を検出するに際して、学習モデルを生成してディープラーニング技術を活用し、当該ディープラーニング技術を用いたパターン認識によって構造物の劣化状態を検出するよう構成すること、すなわち、構造物の振動パターンに応じた光信号のパターンから得られる構造物の振動の周波数特性を入力して構造物の劣化状態が得られるように学習させることは、当業者が容易に想到し得たことである。

また、学習結果と受信部により受信された光信号に含まれるパターンとに基づいて劣化状態を検出することも、構造物の振動の周波数特性が光信号に含まれるパターンから得られるという前提に立てば当然の設計変更にすぎない。

エ 相違点1の検討のまとめ

前記ア~ウの検討結果をまとめると、引用発明において、前記相違点1に係る本願発明の構成とすることに格別の困難性はない。

(2) 相違点2について

前記1(2)において技術常識2として示したとおり「複数の電柱に亘り、通信用光ファイバを含むケーブルが敷設されること」は技術常識であるから、そのような電柱に敷設された通信用光ファイバ(既存の通信用光ファイバ)を引用発明の「光ファイバセンサ」として活用することは、当業者が適宜選択できる設計事項にすぎない。

なお、既設の光ファイバケーブルを検出系の要素として構成することは、例えば、前記1(2)ウにおいて摘記した引用文献9の段落【0017】の記載を参照。

したがって、前記相違点2に係る本願発明の構成とすることに格別の困難性はない。

(3) 小括

前記(1)及び(2)の検討結果をまとめると、前記相違点1、2に係る本願発明の構成は、引用発明及び技術常識1~3、5~6に基づいて、当業者が容易に想到し得たものである。

そして、これらの相違点を総合的に勘案しても、本願発明の奏する効果は、引用発明及び技術常識1~3、5~6から予測される範囲内のものにすぎず、格別顕著なものということはできない。

したがって、本願発明は、引用発明及び技術常識1~3、5~6に基づいて当業者が容易になし得たものである。

(4) 請求人の主張について

ア 請求人の主張の概要

請求人は、令和6年4月26日付け意見書において、概略、以下の主張をしている。

(ア) 引用文献13及び14に例示される技術常識は音声認識又は画像認識にディープラーニング技術を活用するものであって、本願発明のような電柱の劣化状態に応じたパターンとして電柱の振動の周波数特性を学習することは技術常識ではない。

(イ) 引用文献13及び14に例示される技術常識は光ファイバセンシングの技術と異なるものであるため、引用発明と組み合わせることはできない。

イ 請求人の主張に対する当審の判断

(ア) 技術常識5及び6として示されているとおり、学習モデルを生成してディープラーニング技術を用いてパターン認識をすることは、技術分野を問わず広く行われていることを踏まえると、引用発明において、構造物の材料的な劣化に由来する光信号のパターンを分析する具体的手段としてディープラーニング技術を適用することは、当業者にとって自明な設計変更にすぎない。また、引用文献14に開示された音声認識自体、振動データのパターンに基づいて単語タグを推定するよう学習する技術であることに鑑みれば、振動データや付与するタグの詳細に違いこそあれ、ディープラーニング技術を上述のような光信号のパターンの分析に適用することに格別の困難性も認められない。

(イ) 仮に、引用文献13及び14に開示された技術を引用発明に適用することに阻害要因があるとしても、光ファイバセンサを用いた振動を含む外乱検知にディープラーニング技術を適用すること自体、例えば引用文献15に開示されているとおり技術常識である。そうすると、結局、引用発明において、構造物の材料的な劣化に由来する光信号のパターンを分析する具体的手段としてディープラーニング技術を適用することは、当業者であれば適宜適用し得る設計変更の範囲内にすぎない。

(ウ) したがって、請求人の上記主張は採用し得ない。

第5 むすび

以上のとおり、本願発明は、当業者が容易に発明をすることができたものであるから、特許法29条2項の規定により特許を受けることができない。

したがって、他の請求項に係る発明について審理するまでもなく、本願は拒絶すべきものである。

よって、結論のとおり審決する。

令和6年9月4日

審判長 特許庁審判官 濱野 隆

特許庁審判官 佐々木 祐

特許庁審判官 濱本 禎広

(行政事件訴訟法第46条に基づく教示)                この審決に対する訴えは、この審決の謄本の送達があった日から30日(附加期間がある場合は、その日数を附加します。)以内に、特許庁長官を被告として、提起することができます。

出典:特許庁「審決公報」(令和6年11月29日発行・号数2024-011、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。