发明创造名称：方法、系统和介质，该介质上存储有指令以致使处理器执行用于获得生物体的包含一组光学数据的图像信息的方法
外观设计名称：
决定号：190207
决定日：2019-09-06
委内编号：1F268579
优先权日：2013-03-25
申请（专利）号：201480016948.4
申请日：2014-03-17
复审请求人：索尼公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：王海玲
合议组组长：高懿颖
参审员：李思源
国际分类号：G01N21/25,G01N21/31，G01J3/51，G01J3/36，A01G7/00，G06Q30/00，G06K9/00，G06K9/00，G06Q50/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求请求保护的技术方案与作为最接近现有技术的对比文件所公开的技术内容相比，存在某些区别技术特征，而这些区别技术特征对本领域技术人员来说既不是公知常识，又不能从其它现有技术中得到相应的技术启示，则对本领域技术人员来说该权利要求相对于这些现有技术是非显而易见的，具备创造性。
全文：
本复审请求涉及申请号为201480016948.4，名称为“方法、系统和介质，该介质上存储有指令以致使处理器执行用于获得生物体的包含一组光学数据的图像信息的方法”的发明专利PCT申请（下称本申请），申请人为索尼公司，本申请的申请日为2014年03月17日，优先权日为2013年03月25日，进入中国国家阶段的日期是2015年09月18日，公开日为2016年02月03日。
经实质审查，国家知识产权局原审查部门于2018年08月21日以本申请的权利要求1-28不符合专利法第22条第3款的规定为由作出驳回决定。驳回决定所引用的对比文件1-3分别为：
对比文件1：CN102013021A，公开日：2011年04月13日；
对比文件2：CN102565061A，公开日：2012年07月11日；
对比文件3：“基于视差图像的重叠果实图像分割算法”，彭辉等，《农业机械学报》，第43卷，第6期，第167-173页，2012年06月30日。
并给出了2篇公知常识性证据，为便于说明，本通知书中按照如下顺序依次进行了编号：
参考文件1：“精细农业”，汪懋华主编，第101页，中国农业大学出版社，2011年06月；
参考文件2：“数字图像处理”，郭文强等，第202-203页，西安电子科技大学出版社，2009年05月。
驳回决定所依据的审查文本是：申请人于2015年09月18日提交的说明书第1-294段、说明书附图1-19、说明书摘要、摘要附图以及2018年03月08日提交的权利要求第1-28项。
驳回决定所针对的权利要求书如下：
“1.一种方法，其包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域。
2. 根据权利要求1所述的方法，其还包括：将所述预期的收获时期传送至外部团体。
3. 根据权利要求2所述的方法，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
4. 根据权利要求1所述的方法，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
5. 根据权利要求1所述的方法，其中，基于去马赛克后的R和IR信号生成所述不可视图像数据。
6. 根据权利要求1所述的方法，其中基于没有去马赛克的R和IR信号生成所述不可视图像数据。
7. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB像素信号生成所述可视图像数据，并且
基于去马赛克后的R和IR信号生成近红外线图像数据。
8. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB像素信号生成所述可视图像数据，并且
基于没有去马赛克的R和IR信号生成近红外线图像数据。
9. 根据权利要求1至8中任一项所述的方法，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
10. 根据权利要求1至8中任一项所述的方法，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
11. 根据权利要求1至8中任一项所述的方法，其中，
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
12. 根据权利要求1至8中任一项所述的方法，其还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角 度和/或从所述至少两个位置摄取的。
13. 一种系统，其包括摄像器件，
其中服务器和所述摄像器件中的至少一者被构造成：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述服务器和所述摄像器件中的所述至少一者还被构造成存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域。
14. 根据权利要求13所述的系统，其还包括服务器，其中，所述摄像器件与所述服务器通信。
15. 根据权利要求14所述的系统，其中所述服务器和所述摄像器件中的至少一者还被构造成将所述预期的收获时期传送至外部团体。
16. 根据权利要求13所述的系统，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
17. 根据权利要求13所述的系统，其中基于去马赛克后的R和IR信号生成所述不可视图像数据。
18. 根据权利要求13所述的系统，其中基于没有去马赛克的R和IR 信号生成所述不可视图像数据。
19. 根据权利要求13至18中任一项所述的系统，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
20. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
21. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
22. 根据权利要求13至18中任一项所述的系统，其中所述服务器和所述摄像器件中的所述至少一者还被构造成：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。
23. 一种有形的、非暂时性的计算机可读介质，所述计算机可读介质上存储有用于致使处理器执行如下方法的指令，所述方法包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中，所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域。
24. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：将所述预期的收获时期传送至外部团体。
25. 根据权利要求23所述的计算机可读介质，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
26. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
27. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的R和IR信号生成所述不可视图像数据。
28. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。”
驳回决定认为：权利要求1相对于对比文件1的区别在于：（1）从图像传感器获得的不可视图像数据；（2）来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据；（3）获得指定目标区域的图像信息；存储充当生物体的特征信息的颜色及形状的图案，且通过搜索可视图像数据内的与所述特征信息一致的区域而指定所述目标区域。对于区别技术特征（1），本申请说明书第25段中记载“近红外”属于不可视图像数据，而遥感监测作物生长领域，利用遥感图像获得近红外数据检测作物生长状况，属于本领域公知常识（参见参考文件1）；区别技术特征（2）部分被对比文件2公开，部分为本领域常用技术手段；区别技术特征（3）属于本领域公知常识和常规选择（参见参考文件2）；由此可知在对比文件1的基础上结合对比文件2和本领域的常用技术手段得出该权利要求1请求保护的技术方案，对本领域技术人员来说是显而易见的，权利要求1不具备创造性。从属权利要求2-11的附加技术特征为本领域的常用技术手段，因此也不具备创造性。权利要求12的附加特征被对比文件3公开，因此也不具备创造性。独立权利要求13要求保护一种系统，其要求保护技术方案的主要内容实质上与权利要求1相对应，因此基于相同的理由，权利要求13也不具备创造性。从属权利要求14-22的附加技术特征为本领域的常用技术手段，因此也不具备创造性。权利要求23要求保护一种有形的、非暂时性的计算机可读介质，所述计算机可读介质上存储有用于致使处理器执行方法的指令，并限定了方法，权利要求23要求保护技术方案的主要内容实质上与权利要求1相对应，因此基于相同的理由，权利要求23也不具备创造性。从属权利要求24-28的附加技术特征与权利要求2-4、6和12中限定的附加技术特征相同，基于相同的理由，权利要求24-28也不具备创造性。
申请人索尼公司（下称复审请求人）对上述驳回决定不服，于2018年12月05日向国家知识产权局提出了复审请求，同时提交了权利要求书全文的修改替换页，其修改涉及以下内容：在独立权利要求1中增加了“并且其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据”；在独立权利要求13中增加了“并且其中，所述服务器和所述摄像器件中的所述至少一者还被构造成：从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据”；在独立权利要求23中增加了“并且其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据”；将权利要求5、6、7、8、17、18、27中的“IR”更改为“NIR”；修改后的权利要求书共包括28项权利要求，具体内容为：
“1. 一种方法，其包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据。
2. 根据权利要求1所述的方法，其还包括：将所述预期的收获时期传送至外部团体。
3. 根据权利要求2所述的方法，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
4. 根据权利要求1所述的方法，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
5. 根据权利要求1所述的方法，其中，基于去马赛克后的R和NIR信号生成所述不可视图像数据。
6. 根据权利要求1所述的方法，其中基于没有去马赛克的R和NIR信号生成所述不可视图像数据。
7. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB像素信号生成所述可视图像数据，并且
基于去马赛克后的R和NIR信号生成近红外线图像数据。
8. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB像素信号生成所述可视图像数据，并且
基于没有去马赛克的R和NIR信号生成近红外线图像数据。
9. 根据权利要求1至8中任一项所述的方法，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
10. 根据权利要求1至8中任一项所述的方法，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
11. 根据权利要求1至8中任一项所述的方法，其中，
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
12. 根据权利要求1至8中任一项所述的方法，其还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至 少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或从所述至少两个位置摄取的。
13. 一种系统，其包括摄像器件，
其中服务器和所述摄像器件中的至少一者被构造成：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述服务器和所述摄像器件中的所述至少一者还被构造成存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述服务器和所述摄像器件中的所述至少一者还被构造成：从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据。
14. 根据权利要求13所述的系统，其还包括服务器，其中，所述摄像器件与所述服务器通信。
15. 根据权利要求14所述的系统，其中所述服务器和所述摄像器件中的至少一者还被构造成将所述预期的收获时期传送至外部团体。
16. 根据权利要求13所述的系统，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
17. 根据权利要求13所述的系统，其中基于去马赛克后的R和NIR信号生成所述不可视图像数据。
18. 根据权利要求13所述的系统，其中基于没有去马赛克的R和NIR信号生成所述不可视图像数据。
19. 根据权利要求13至18中任一项所述的系统，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
20. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
21. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
22. 根据权利要求13至18中任一项所述的系统，其中所述服务器和所述摄像器件中的所述至少一者还被构造成：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。
23. 一种有形的、非暂时性的计算机可读介质，所述计算机可读介质上存储有用于致使处理器执行如下方法的指令，所述方法包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中，所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB像素信号和近红外NIR像素信号，并且基于所述RGB像素信号和所述NIR像素信号来获得所述不可视图像数据。
24. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：将所述预期的收获时期传送至外部团体。
25. 根据权利要求23所述的计算机可读介质，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
26. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的RGB像素信号生成所述可视图像数据。
27. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的R和NIR信号生成所述不可视图像数据。
28. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。”
复审请求人认为：首先，本申请从相同的图像传感器获得可视数据和不可视数据二者，现有技术没有公开该特征，该特征也不是公知常识。参考文件1仅提及通过遥感技术获得近红外数据，而并没有教导从相同的图像传感器获得可视数据和不可视数据二者。参考文件2仅简单描述了在数字图像处理中提取和分析形状特征，而没有教导或暗示权利要求1中限定的具体步骤“存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域”。其次，修改后的权利要求1新增加的特征使得本申请能够计算出农作物的生育指标和预期的适宜收获时期，改善和超过了现有技术的计算方式。对比文件1不涉及不可视图像，对比文件2仅涉及使用两个数字照相机拍摄有机体，对比文件3最多公开了视差图像数据，对比文件1-3都没有公开上述新增加的特征，上述特征也不是本领域的公知常识。因此，本申请的权利要求具备创造性。
经形式审查合格，国家知识产权局依法受理了该复审请求，并于2018年12月21日向复审请求人发出了复审请求受理通知书，并向原实质审查部门发出前置审查通知书。
原实质审查部门在前置审查意见书中指出：（1）依据本申请说明书第0025段，不可视图像包括NIR，参考文件1记录了通过遥感技术获得近红外数据即公开了通过相同图像传感器获得可视数据和不可视数据；（2）参考文件2公开了利用生物图像的颜色、形状等特征信息，对生物体进行识别在生物测定领域为公知常识，在此基础上，通过搜索图像数据对特征信息一致区域指定为目标区域，为本领域技术人员能够做出的常规技术选择；（3）利用红光波段和近红外波段的反射率来计算归一化植被指数，为本领域公知常识（参见“遥感数字影像处理导论 a remote sensing perspective”，（美）John R.Jensen 著，机械工业出版社，第440-441页，2007年1月（下称参考文件3））。归一化植被指数是应用最为广泛的反应作物生长状态最为直接的遥感指标，同样为本领域公知常识（参见“气象卫星及其应用 下”，杨军主编，气象出版社，第740页， 2012年10月（下称参考文件4））。由于NDVI能够判断作物生长状态，因此基于作物生长状态预期适宜收获时期为本领域技术人员能够做出的常规技术选择。基于上述公知常识，本申请权利要求1、13、23中修改后增加的技术特征均为本领域公知常识，不能使上述权利要求具备专利法规定的创造性，因而坚持驳回决定。
随后，国家知识产权局依法成立合议组对本案进行审理。
合议组于2019年06月12日向复审请求人发出复审通知书，通知书中指出：权利要求1、13、23中新补入的特征既未记载在原说明书和权利要求书中，也无法从原说明书和权利要求书记载的内容中直接、毫无疑义地得出。因此，权利要求1、13、23的修改超出了原说明书和权利要求书记载的范围，不符合专利法第33条的规定。
针对上述复审通知书，复审请求人于2019年07月26日提交了意见陈述书和权利要求书的修改文本，其中，将权利要求1、4、7、8、13、16、23、26中出现的“RGB像素信号”修改为“RGB信号分量”，将权利要求1、5、6、7、8、13、17、18、23、27中出现的“NIR像素信号”修改为“NIR信号分量”。意见陈述书中简述了所做的修改符合专利法第33条的规定。修改后的权利要求书共包括28项权利要求，具体内容为：
“1. 一种方法，其包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外NIR信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据。
2. 根据权利要求1所述的方法，其还包括：将所述预期的收获时期传送至外部团体。
3. 根据权利要求2所述的方法，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
4. 根据权利要求1所述的方法，其中基于去马赛克后的RGB信号分量生成所述可视图像数据。
5. 根据权利要求1所述的方法，其中，基于去马赛克后的R和NIR信号分量生成所述不可视图像数据。
6. 根据权利要求1所述的方法，其中基于没有去马赛克的R和NIR信号分量生成所述不可视图像数据。
7. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB信号分量生成所述可视图像数据，并且
基于去马赛克后的R和NIR信号分量生成近红外线图像数据。
8. 根据权利要求1所述的方法，其中
基于去马赛克后的RGB信号分量生成所述可视图像数据，并且
基于没有去马赛克的R和NIR信号分量生成近红外线图像数据。
9. 根据权利要求1至8中任一项所述的方法，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
10. 根据权利要求1至8中任一项所述的方法，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
11. 根据权利要求1至8中任一项所述的方法，其中，
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
12. 根据权利要求1至8中任一项所述的方法，其还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至 少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或从所述至少两个位置摄取的。
13. 一种系统，其包括摄像器件，
其中服务器和所述摄像器件中的至少一者被构造成：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述服务器和所述摄像器件中的所述至少一者还被构造成存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述服务器和所述摄像器件中的所述至少一者还被构造成：
从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外NIR信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据。
14. 根据权利要求13所述的系统，其还包括服务器，其中，所述摄像器件与所述服务器通信。
15. 根据权利要求14所述的系统，其中所述服务器和所述摄像器件中的至少一者还被构造成将所述预期的收获时期传送至外部团体。
16. 根据权利要求13所述的系统，其中基于去马赛克后的RGB信号分量生成所述可视图像数据。
17. 根据权利要求13所述的系统，其中基于去马赛克后的R和NIR信号分量生成所述不可视图像数据。
18. 根据权利要求13所述的系统，其中基于没有去马赛克的R和NIR信号分量生成所述不可视图像数据。
19. 根据权利要求13至18中任一项所述的系统，其中
使用堆叠型图像传感器来获得所述一组光学数据，
所述堆叠型图像传感器具有被堆叠在绿光传感器层上的蓝光传感器层，
所述绿光传感器层被堆叠在红光传感器层上，并且
所述红光传感器层被堆叠在近红外线传感器层上。
20. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于层叠膜上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，
所述层叠膜包括SiO和SiN中的至少一者，并且
所述一组RGB滤色片包括FR滤色片、FG滤色片和FB滤色片。
21. 根据权利要求13至18中任一项所述的系统，其中
使用包括被设置于一组红外截止滤波器上方的一组RGB滤色片的图像传感器来获得所述一组光学数据，并且
所述一组红外截止滤波器被设置在一组图像传感器上方。
22. 根据权利要求13至18中任一项所述的系统，其中所述服务器和所述摄像器件中的所述至少一者还被构造成：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。
23. 一种有形的、非暂时性的计算机可读介质，所述计算机可读介质上存储有用于致使处理器执行如下方法的指令，所述方法包括：
获得生物体的图像信息，所述图像信息包含一组光学数据；
指定目标区域；
基于所述目标区域中的所述图像信息来计算生育指标；并且
基于所述生育指标来计算预期的收获时期，
其中，所述图像信息包含：
a)从图像传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据；以及
b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据，
其中，所述方法还包括存储充当生物体的特征信息的颜色及形状的图案，且通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述目标区域，并且
其中，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外NIR信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据。
24. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：将所述预期的收获时期传送至外部团体。
25. 根据权利要求23所述的计算机可读介质，其中所述外部团体是零售商、一般消费者、餐馆、食品生产者中的至少一者。
26. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的RGB信号分量生成所述可视图像数据。
27. 根据权利要求23所述的计算机可读介质，其中基于去马赛克后的R和NIR信号分量生成所述不可视图像数据。
28. 根据权利要求23所述的计算机可读介质，其中所述方法还包括：
基于来自从所述至少两个摄像器件获得的所述一组图像数据中的至少两个图像数据来计算视差图像数据；并且
基于所述视差图像数据来计算所述生育指标，
其中所述至少两个图像数据是利用所述至少两个摄像器件从两个角度和/或所述至少两个位置摄取的。”
在上述程序的基础上，合议组认为本案事实已经清楚，现依法作出审查决定。
二、决定的理由
（一）关于审查基础
在答复复审通知书时，复审请求人提交了权利要求书全文的修改替换页，经审查，所作修改符合专利法实施细则第61条第1款的规定。因此本复审决定以复审请求人于2015年09月18日提交的说明书第1-294段、说明书附图1-19、说明书摘要、摘要附图以及2019年07月26日提交的权利要求第1-28项为基础做出。
（二）关于专利法第33条
《专利法》第33条规定：申请人可以对其专利申请文件进行修改，但是，对发明和实用新型专利申请文件的修改不得超出原说明书和权利要求书记载的范围。
如果修改后的内容能够直接、毫无疑义地从原申请文件的记载中得来，则这样的修改没有超出原说明书和权利要求书记载的范围。
鉴于本申请为PCT申请，就专利法33条而言的原申请文件应当为外文原始申请文件，但由于在审查过程中并未对译文准确性存在争议，且便于词语统一和阅读理解，下文中所述“原说明书”、“原权利要求书”等均指进入中国国家阶段时提交的译文。
复审请求人针对复审通知书中提出的意见对权利要求书进行了修改，修改后的权利要求1与原权利要求1相比，修改之处在于：将权利要求1、4、7、8、13、16、23、26中出现的“RGB像素信号”修改为“RGB信号分量”，将权利要求1、5、6、7、8、13、17、18、23、27中出现的“NIR像素信号”修改为“NIR信号分量”。
对此，合议组认为：根据本申请原说明书第0183和0223段的记载：“已经说明了其中基于RGB信号分量和NIR 信号分量生成NDVI图像和使用从所生成的NDVI图像获得的NDVI图像生育指标的例子，然而，可以使用其他生育指标，只要所述生育指标是基于RGB信号分量和NIR信号分量而获得的”和“组合基于RGB信号分量和NIR信号分量而获得的多种图像，可以获得且使用被组合的图像的图像生育指标”（第183段）；以及“基于去马赛克后的RGB像素信号生成所述可视图像数据”（第223段），可以直接、毫无疑义地确定上述修改未超出原申请文件记载的范围，同时已经不再存在复审通知书中指出的缺陷，因此其修改符合专利法第33条的规定。
（三）关于创造性
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型有实质性特点和进步。
如果一项权利要求请求保护的技术方案与作为最接近现有技术的对比文件所公开的技术内容相比，存在某些区别技术特征，而这些区别技术特征对本领域技术人员来说既不是公知常识，又不能从其它现有技术中得到相应的技术启示，则对本领域技术人员来说该权利要求相对于这些现有技术是非显而易见的，具备创造性。
1、权利要求1请求保护一种方法，对比文件1公开了一种基于颜色和区域生长的茶叶嫩芽分割和识别的方法，并具体公开了如下内容（见说明书第0002，0007-0016段）：茶叶嫩芽的生长状态和成熟度对茶叶的及时采摘和后期的茶叶成品质量起着重要作用，及时地识别和分析出茶叶嫩芽的生长状态对茶叶的标准化规模生产有着积极的作用。茶叶嫩芽分割和识别方法包括获取茶树中茶叶原始图像，将原始图像从RGB颜色空间转换到HIS颜色空间，并选取模型中的H和S参数作为茶叶图像的特征，在图像中选择部分像素点作为种子，基于生长规则对种子区域进行生长，将与茶叶嫩芽种子颜色性质相似的相邻像素附加在生长区域的种子上，基于合并规则对整幅图像的多个子块进行扫描，对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，结合茶叶嫩芽的颜色特征参数和嫩芽图像二值化处理后提取的形状特征参数设计遗传神经网络模型，得出茶叶嫩芽的识别结果。实验使用数码相机。
将本申请权利要求1与对比文件1相比较可知，对比文件1中的茶叶也属于生物体；对比文件1中获取茶树中茶叶原始图像，属于一组光学数据，相当于本申请中获得生物体的图像信息；对比文件1中的数码相机相当于本申请所述的图像传感器；对比文件1中基于所获得的原始图像具有RGB颜色空间，本领域技术人员可以直接、毫无疑义地确定图像信息是基于图像传感器获得的可视图像数据；由对比文件1的附图3-4可知，其包括存储充当茶叶嫩芽的特征信息的颜色及形状的图案，附图4中茶叶嫩芽相当于本申请所述的指定区域；对比文件1对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，也就是通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述的目标区域；对比文件1中茶叶嫩芽的生长状态和成熟度也属于生物体的生育指标；对比文件1中基于茶叶嫩芽的生长状态和成熟度对茶叶及时采摘，相当于基于所述生育指标来计算预期的收获时期。
因此，权利要求1和对比文件1相比，其区别在于：①图像信息包含从所述图像传感器获得的不可视图像数据，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据；②以及b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据；③基于所述图像信息来计算生育指标，并且基于生育指标来计算预期的收获时期。权利要求1实际要解决的技术问题是如何通过多种类型的图像数据获得生物体的生育指标来计算预期的收获时期。
对于区别特征②，对比文件2公开了一种作物生物量无损检测图像采集处理装置及检测方法，并具体公开了如下内容（见说明书第4页第8行-第5页第6行，第10页倒数第1-10行、附图1-13）：包括两个摄像机高度调节装置2、背景墙3、标定板及升降调节装置4、秒苗放置平台5、试验台架7、以及图像数据采集处理分析系统。图像数据采集处理分析系统包括两个CCD数字式摄像机1、计算机8，分别于背景墙3双立面对应，与秧苗等距离，两个摄像机的镜头中心与秧苗中心对齐，用于拍摄秧苗的正面和侧面两个垂直方向的图像，计算机采集、显示和存储采集的图像，并通过生物量预测算法模块对数据进行统计分析，最终得出作物生物量预测模型。实现了单株作物整个生育期内生物量跟踪测量。计算机的图像处理模块根据标定块图像的像素大小，换算出秧苗的株高和侧向面积，得到秧苗的株高、正向面积、侧向面积信息。
对比文件2的生物量也属于生物体的生育指标，对比文件2中两个摄像机从两个位置处获得秧苗的正面和侧面两个垂直方向的图像，也就是获得一组图像数据，因此，上述区别特征②已经被对比文件2所公开，并且其在对比文件2中所起的作用与区别特征②在本申请中所起的作用相同，都是通过至少两个摄像器件获得一组图像数据进而得到作物的生育指标。
对于区别特征①，驳回决定中认为本申请说明书定义了“近红外”属于不可视图像数据，而遥感监测作物生长领域，利用遥感图像获得近红外数据监测作物生长状况属于本领域公知常识，并例举参考文件1作为公知常识证据。
对此合议组认为：
首先，依据本申请权利要求1的记载“从图形传感器获得的可视图像数据和从所述图像传感器获得的不可视图像数据”，“所述”表明可视图像数据和不可视图像数据是由同一图像传感器获取，即一个图像传感器获得两种数据。同时权利要求的方案中还明确记载了如何从同一图像传感器中得到不可视图像数据。而对比文件1中通过图像传感器获取的茶叶的原始图像是可视图像，即对比文件1中一个图像传感器仅获得一种图像数据即可视图像数据，并没有同时获取可视图像数据和不可视图像数据，而且对比文件1完全没有涉及对不可视图像数据，即近红外数据的描述，对比文件1也完全没有提及遥感监测作物生长。其次，参考文件1涉及遥感技术在精细农业中的应用，其指出“应用红外遥感技术，包括航空和地面，可以比肉眼提前发现玉米枯萎病…，所以红外遥感，特别是彩红外航空摄影目前已成为监测农作物、果园、森林病虫害的重要技术手段”，即参考文件1证明了利用遥感图像获得近红外数据也就是不可视图像数据监测作物生长状况属于本领域公知常识，但是参考文件1并不能证明通过同一图像传感器获取可视图像和不可视图像数据属于本领域的公知常识。对比文件1和参考文件1也没有给出通过同一图像传感器获得可视图像数据和不可视图像数据这两种数据的技术启示，依据对比文件1和参考文件1，本领域技术人员容易想到通过图像传感器和红外遥感技术分别获取可视图像数据和不可视图像数据，并不能知晓如何从同一图像传感器中分别获取可视图像数据和不可视图像数据。
对于区别特征③，原审查部门认为利用红光波段和近红外波段的反射率来计算归一化植被指数，为本领域公知常识，并例举参考文件3佐证。归一化植被指数是应用最为广泛的反应作物生长状态最为直接的遥感指标，同样为本领域公知常识，并例举参考文件4佐证。由于NDVI能够判断作物生长状态，因此基于作物生长状态预期适宜收获时期为本领域技术人员能够做出的常规选择。
对此合议组认为：
本申请权利要求1中明确记载了图像信息包含可视图像数据、不可视图像数据和来自至少两个摄像器件的一组图像数据，即图像信息包含三种数据类型，权利要求1的技术方案依据包含这三种类型数据的图像信息来计算生育指标，并基于生育指标来计算预期的收获时期。说明书第0173段记载生育指标包括RGB图像生育指标、NDVI图像生育指标和立体图像生育指标，以及依据这三个指标计算生育指标和预期的适宜的收获时期。由此可知，对比文件1中嫩芽的生长状态和成熟度与本申请说明书中所限定的生育指标的具体内容不相同。对比文件1仅公开茶叶嫩芽分割和识别，不能由对比文件1的方案中得到RGB图像生育指标、NDVI图像生育指标。即对比文件1的嫩芽的生长状态和成熟度虽然也属于生育指标的范畴，但是其仅通过可视图像数据获得，并不是如本申请权利要求1那样，基于包含这三种类型数据的图像信息获得的。对比文件2虽然通过两个摄像机从两个位置处获得秧苗的正面和侧面两个垂直方向的图像，但是没有基于两个摄像机得到的图像数据来获得立体图像，进而也不能得到立体图像生育指标。因此，对比文件1-2都没有公开由可视图像数据、不可视图像数据和来自至少两个摄像器件的一组图像数据来计算生育指标和预期的适宜的收获时期，更没有公开由RGB图像生育指标、NDVI图像生育指标和立体图像生育指标计算生育指标和预期的适宜的收获时期。参考文件3公开了NDVI指标是常用的高光谱数据的指数指标，以及通过红光波段和近红外波段的反射率来计算NDVI。参考文件4公开了NDVI指数是反映作物生长状态的最为直接的遥感指标。基于参考文件3-4，本领域技术人员容易想到在遥感监测作物生长时，通过获取NDVI指数来监测作物生长，但是没有动机想到基于三种类型的图像数据来计算生育指标。因此对比文件1、2均没有给出通过同一图像传感器获取可视图像数据和不可视图像数据，进而基于三种类型的图像数据计算生育指标的技术启示。
对比文件3公开了（参见第168，171页，图1）一种用于机器人采摘视觉系统中的基于视差图像的重叠果实图像分割算法，包括利用标定好的双目摄像机获取立体图像对，对获取的图像进行预处理，对立体图像进行立体匹配以求得视差图像，对视差图像进行优化和分割，得出目标物柑橘的边缘。该算法不受复杂背景和果实纹理的干扰。分析可知，对比文件3中利用标定好的双目摄像机获取立体图像对，相当于通过来自至少两个摄像器件的一组图像数据；由对比文件3的图1可知其通过至少两个摄像器件从至少两个位置摄取所述一组图像数据；对比文件3中对获取的图像进行预处理必然存储生物体的特征信息的颜色及形状的图案；由对比文件3的第1.2.1节的内容可知该图像为可视图像数据；基于第171页试验与分析的记载可知其也是通过搜索可视图像数据内的与所述特征信息一致的区域而制定目标区域。
基于以上分析可知对比文件3给出了通过定位在至少两个位置的至少两个摄像器件获取一组可视图像数据并通过图像处理得到目标图像的技术启示。基于该启示，本领域技术人员容易想到在至少两个位置处设置至少两个摄像器件获得一组图像数据，并基于该图像数据获得目标区域，但是并不会想到通过同一图像传感器获取可视图像数据和不可视图像数据，进而基于三种类型的图像数据计算生育指标。因此对比文件3也没有给出通过同一图像传感器获取可视图像数据和不可视图像数据，进而基于三种类型的图像数据计算生育指标的技术启示。
基于目前的证据也不能够表明上述区别特征①和③属于本领域的公知常识，本申请的技术方案通过采用了权利要求1中限定的通过同一图像传感器获取不可视图像数据和可视图像数据，并基于不可视图像数据、可视图像数据和来自至少两个摄像器件的一组图像数据来计算生育指标和适宜的收获时期，以实现提高评估精度的技术效果。因此，对本领域技术人员来说即使将对比文件1-3和本领域公知常识结合尚不足以认定权利要求1不具备创造性，即对本领域技术人员来说权利要求1相对于对比文件1-3和本领域公知常识不是显而易见的，该权利要求1相对于对比文件1-3和本领域公知常识具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
2、从属权利要求2-12直接或间接引用权利要求1，在权利要求1相对于对比文件1-3和本领域公知常识具备创造性的基础上，该从属权利要求2-12也具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
3、权利要求13请求保护一种系统，对比文件1公开了一种基于颜色和区域生长的茶叶嫩芽分割和识别的方法，并具体公开了如下内容（见说明书第0002，0007-0016段）：茶叶嫩芽的生长状态和成熟度对茶叶的及时采摘和后期的茶叶成品质量起着重要作用，及时地识别和分析出茶叶嫩芽的生长状态对茶叶的标准化规模生产有着积极的作用。茶叶嫩芽分割和识别方法包括获取茶树中茶叶原始图像，将原始图像从RGB颜色空间转换到HIS颜色空间，并选取模型中的H和S参数作为茶叶图像的特征，在图像中选择部分像素点作为种子，基于生长规则对种子区域进行生长，将与茶叶嫩芽种子颜色性质相似的相邻像素附加在生长区域的种子上，基于合并规则对整幅图像的多个子块进行扫描，对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，结合茶叶嫩芽的颜色特征参数和嫩芽图像二值化处理后提取的形状特征参数设计遗传神经网络模型，得出茶叶嫩芽的识别结果。实验使用数码相机。
将本申请权利要求13与对比文件1相比较可知，对比文件1中的茶叶也属于生物体；对比文件1中获取茶树中茶叶原始图像，属于一组光学数据，相当于本申请中获得生物体的图像信息；对比文件1中的数码相机相当于本申请所述的图像传感器；对比文件1中基于所获得的原始图像具有RGB颜色空间，本领域技术人员可以直接、毫无疑义地确定图像信息是基于图像传感器获得的可视图像数据；对比文件1的附图3-4可知，其包括服务器，服务器存储充当茶叶嫩芽的特征信息的颜色及形状的图案，服务器进行茶叶嫩芽分割和识别的处理，附图4中茶叶嫩芽相当于本申请所述的指定区域；对比文件1对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，也就是通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述的目标区域；对比文件1中茶叶嫩芽的生长状态和成熟度也属于生物体的生育指标；对比文件1中基于茶叶嫩芽的生长状态和成熟度对茶叶及时采摘，相当于基于所述生育指标来计算预期的收获时期。
因此，权利要求13和对比文件1相比，其区别在于：①图像信息包含从所述图像传感器获得的不可视图像数据，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据；②以及还包括摄像器件，b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据；③基于所述图像信息来计算生育指标，并且基于生育指标来计算预期的收获时期。权利要求13实际要解决的技术问题是如何通过多种类型的图像数据获得生物体的生育指标来计算预期的收获时期。
对于区别特征②，对比文件2公开了一种作物生物量无损检测图像采集处理装置及检测方法，并具体公开了如下内容（见说明书第4页第8行-第5页第6行，第10页倒数第1－10行、附图1-13）：包括两个摄像机高度调节装置2、背景墙3、标定板及升降调节装置4、秒苗放置平台5、试验台架7、以及图像数据采集处理分析系统。图像数据采集处理分析系统包括两个CCD数字式摄像机1、计算机8，分别于背景墙3双立面对应，与秧苗等距离，两个摄像机的镜头中心与秧苗中心对齐，用于拍摄秧苗的正面和侧面两个垂直方向的图像，计算机采集、显示和存储采集的图像，并通过生物量预测算法模块对数据进行统计分析，最终得出作物生物量预测模型。实现了单株作物整个生育期内生物量跟踪测量。计算机的图像处理模块根据标定块图像的像素大小，换算出秧苗的株高和侧向面积，得到秧苗的株高、正向面积、侧向面积信息。
对比文件2的计算机必然包括服务器，对比文件2的摄像机相当于本申请的摄像器件，对比文件2的生物量也属于生物体的生育指标，对比文件2中两个摄像机从两个位置处获得秧苗的正面和侧面两个垂直方向的图像，也就是获得一组图像数据，因此，上述区别特征②已经被对比文件2所公开，并且其在对比文件2中所起的作用与区别②在本申请中所起的作用相同，都是通过至少两个摄像器件获得一组图像数据进而得到作物的生育指标。
对于区别特征①和③，其与权利要求1和对比文件1的区别特征①和③相同，因此，基于相同的理由，该权利要求13相对于对比文件1-3和本领域公知常识具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
4、从属权利要求14-22直接或间接引用权利要求13，在权利要求13相对于对比文件1-3和本领域公知常识具备创造性的基础上，该从属权利要求14-22也具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
5、权利要求23请求保护一种有形的、非暂时性的计算机可读介质，对比文件1公开了一种基于颜色和区域生长的茶叶嫩芽分割和识别的方法，并具体公开了如下内容（见说明书第0002，0007-0016段）：茶叶嫩芽的生长状态和成熟度对茶叶的及时采摘和后期的茶叶成品质量起着重要作用，及时地识别和分析出茶叶嫩芽的生长状态对茶叶的标准化规模生产有着积极的作用。茶叶嫩芽分割和识别方法包括获取茶树中茶叶原始图像，将原始图像从RGB颜色空间转换到HIS颜色空间，并选取模型中的H和S参数作为茶叶图像的特征，在图像中选择部分像素点作为种子，基于生长规则对种子区域进行生长，将与茶叶嫩芽种子颜色性质相似的相邻像素附加在生长区域的种子上，基于合并规则对整幅图像的多个子块进行扫描，对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，结合茶叶嫩芽的颜色特征参数和嫩芽图像二值化处理后提取的形状特征参数设计遗传神经网络模型，得出茶叶嫩芽的识别结果。实验使用数码相机。
将本申请权利要求23与对比文件1相比较可知，对比文件1中的茶叶也属于生物体；对比文件1中获取茶树中茶叶原始图像，属于一组光学数据，相当于本申请中获得生物体的图像信息；对比文件1中的数码相机相当于本申请所述的图像传感器；对比文件1中基于所获得的原始图像具有RGB颜色空间，本领域技术人员可以直接、毫无疑义地确定图像信息是基于图像传感器获得的可视图像数据；对比文件1的附图3-4可知，其包括服务器，服务器存储充当茶叶嫩芽的特征信息的颜色及形状的图案，服务器进行茶叶嫩芽分割和识别的处理，附图4中茶叶嫩芽相当于本申请所述的指定区域；对比文件1对在颜色上相近，空间上相邻的区域进行合并，对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞，完成多个茶叶嫩芽的分割，也就是通过搜索所述可视图像数据内的与所述特征信息一致的区域而指定所述的目标区域；对比文件1中茶叶嫩芽的生长状态和成熟度也属于生物体的生育指标；对比文件1中基于茶叶嫩芽的生长状态和成熟度对茶叶及时采摘，相当于基于所述生育指标来计算预期的收获时期。
因此，权利要求23和对比文件1相比，其区别在于：①图像信息包含从所述图像传感器获得的不可视图像数据，所述方法还包括从所述图像传感器摄取到的图像信号中提取出RGB信号分量和近红外信号分量，并且基于所述RGB信号分量和所述NIR信号分量来获得所述不可视图像数据；②以及还包括摄像器件，b)来自至少两个摄像器件的一组图像数据，这里所述至少两个摄像器件从至少两个位置摄取所述一组图像数据；③基于所述图像信息来计算生育指标，并且基于生育指标来计算预期的收获时期；④还包括有形的、非暂时性的计算机可读介质，计算机可读介质上存储有用于致使处理器执行如下方法的指令。权利要求23实际要解决的技术问题是如何通过多种类型的图像数据获得生物体的生育指标来计算预期的收获时期。
对于区别特征②，对比文件2公开了一种作物生物量无损检测图像采集处理装置及检测方法，并具体公开了如下内容（见说明书第4页第8行-第5页第6行，第10页倒数第1－10行、附图1-13）：包括两个摄像机高度调节装置2、背景墙3、标定板及升降调节装置4、秒苗放置平台5、试验台架7、以及图像数据采集处理分析系统。图像数据采集处理分析系统包括两个CCD数字式摄像机1、计算机8，分别于背景墙3双立面对应，与秧苗等距离，两个摄像机的镜头中心与秧苗中心对齐，用于拍摄秧苗的正面和侧面两个垂直方向的图像，计算机采集、显示和存储采集的图像，并通过生物量预测算法模块对数据进行统计分析，最终得出作物生物量预测模型。实现了单株作物整个生育期内生物量跟踪测量。计算机的图像处理模块根据标定块图像的像素大小，换算出秧苗的株高和侧向面积，得到秧苗的株高、正向面积、侧向面积信息。
对比文件2的计算机必然包括服务器，对比文件2的摄像机相当于本申请的摄像器件，对比文件2的生物量也属于生物体的生育指标，对比文件2中两个摄像机从两个位置处获得秧苗的正面和侧面两个垂直方向的图像，也就是获得一组图像数据，因此，上述区别特征②已经被对比文件2所公开，并且其在对比文件2中所起的作用与区别②在本申请中所起的作用相同，都是通过至少两个摄像器件获得一组图像数据进而得到作物的生育指标。
对于区别技术特征④，通过有形的、非暂时性的计算机可读介质来存储相关指令，使得处理器执行相关方法属于本领域的公知常识。
对于区别特征①和③，其与权利要求1和对比文件1的区别特征①和③相同，因此，基于相同的理由，该权利要求23相对于对比文件1-3和本领域公知常识具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
6、从属权利要求24-28直接或间接引用权利要求23，在权利要求23相对于对比文件1-3和本领域公知常识具备创造性的基础上，该从属权利要求24-28也具有突出的实质性特点和显著的创造性，符合专利法第22条第3款有关创造性的规定。
根据上述事实和理由，本案合议组依法做出以下审查决定。
三、决定
撤销国家知识产权局于2018年08月21日对本申请作出的驳回决定。由国家知识产权局原审查部门在本复审决定认定的审查文本的基础上对本发明专利申请继续进行审查。
如对本复审请求审查决定不服，根据专利法第41条第2款的规定,请求人自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
