发明创造名称：一种电网图像识别系统以及方法
外观设计名称：
决定号：201271
决定日：2020-01-16
委内编号：1F285119
优先权日：
申请（专利）号：201711374291.0
申请日：2017-12-19
复审请求人：深圳供电局有限公司 深圳市康拓普信息技术有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：吴志彪
合议组组长：王琼
参审员：黄慧
国际分类号：H04L12/24，H04L29/08，G06K9/00
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求要求保护的技术方案相对于一篇对比文件存在区别特征，而该区别特征被另外两篇对比文件分别公开，即本领域的技术人员在面对所述技术问题时，有动机将所述三篇对比文件相结合以获得要求保护的技术方案，则该项权利要求的技术方案是显而易见的，不具备创造性。
全文：
本复审请求审查决定涉及申请号为201711374291.0，名称为“一种电网图像识别系统以及方法”的发明专利申请（下称本申请）。申请人为深圳供电局有限公司。本申请的申请日为2017年12月19日，公开日为2018年05月18日。
经实质审查，国家知识产权局实质审查部门于2019年02月22日发出驳回决定，驳回了本申请，其理由是：权利要求1-10不具备专利法第22条第3款规定的创造性。驳回决定中引用的对比文件为：
对比文件1：“基于微服务架构的电力云服务平台”，杨俊伟等，电力信息与通信技术，2017年第15卷第01期，第8-11页，公开日为2017年01月31日；
对比文件2：“变电站设备铭牌识别系统设计与实现”，刘波，中国优秀硕士学位论文全文数据库工程科技Ⅱ辑，2014年第01期，正文第1-29页，公开日为2014年01月15日；
对比文件3：“基于容器技术的PaaS云平台方案”，齐磊等，电信科学，2017年第04期，第1-6页，公开日为2017年04月30日。
驳回决定所依据的文本为：申请人于2019年01月23日提交的权利要求第1-10项；申请日2017年12月19日提交的说明书第1-51段（即第1-9页），说明书附图第1-2页，说明书摘要和摘要附图。
驳回决定所针对的权利要求书的内容如下：
“1. 一种电网图像识别系统，其特征在于，包括：
服务集成层，包括服务网关和服务注册中心，服务注册中心用于注册不同类型的服务，服务网关可接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务；
服务实现层，包括业务服务和基础服务，基础服务提供图像识别基础算法功能和图像识别基础训练功能，业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理。
2. 根据权利要求1所述的电网图像识别系统，其特征在于，还包括Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中，Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。
3. 根据权利要求1所述的电网图像识别系统，其特征在于，所述基础服务包括封装于Docker容器中的基于OpenCV跨平台计算机视觉库的图像识别基础算法服务以及封装于Docker容器中的基于TensorFlow深度学习框架的图像识别基础训练服务。
4. 根据权利要求1所述的电网图像识别系统，其特征在于，服务网关以及各个服务均为采用基于Rest API标准进行开发的服务接口。
5. 根据权利要求1所述的电网图像识别系统，其特征在于，还包括第三方服务层，用于集成第三方服务的服务接口,第三方服务需在服务注册中心注册。
6. 一种基于权利要求1所述的系统的电网图像识别方法，其特征在于，方法包括：
服务网关接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务；
业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理，所述基础服务提供图像识别基础算法功能和图像识别基础训练功能。
7. 根据权利要求6所述的电网图像识别方法，其特征在于，方法包括：通过将业务服务注册到服务注册中心，实现将业务服务添加到服务实现层；以及通过将业务服务从服务注册中心删除，实现将业务服务从服务实现层删除。
8. 根据权利要求6所述的电网图像识别方法，其特征在于，系统还包括Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中；
方法还包括：Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。
9. 根据权利要求6所述的电网图像识别方法，其特征在于，通过调用基础服务实现对请求的处理包括：调用封装于Docker容器中的基于TensorFlow深度学习框架的图像识别基础训练服务实现对图像模型的训练，以及调用封装于Docker容器中的基于OpenCV跨平台计算机视觉库的图像识别基础算法服务实现对图像的识别。
10. 根据权利要求6所述的电网图像识别方法，其特征在于，系统还包括集成第三方服务的服务接口的第三方服务层,方法还包括：将第三方服务注册到服务注册中心，实现将第三方服务添加到第三方服务层，当服务网关接收外部的第三方服务的请求时，在服务注册中心查找到对应的第三方服务后，将请求转发给相应的第三方服务进行处理；
其中，服务网关以及各个服务均为采用基于Rest API标准进行开发的服务接口，服务调用请求均为Rest请求。”
驳回决定中指出：1.权利要求1、6相对于对比文件1和对比文件2的结合不具备专利法第22条第3款规定的创造性。2.从属权利要求2-5、7-10的附加技术特征或属于本领域惯用手段，或被对比文件1、对比文件2或对比文件3公开，因此，从属权利要求2-5、7-10也不具备专利法第22条第3款规定的创造性。
申请人（下称复审请求人）对上述驳回决定不服，于2019年06月03日向国家知识产权局提出了复审请求，并提交了权利要求书全文修改替换页，将权利要求2和8分别提升为独立权利要求1和5，将权利要求重新编号为1-8。复审请求人认为：权利要求1与对比文件1相比存在应用场景和技术手段上的区别，对比文件2仅仅提供了一种神经网络法，但是其从未将图像识别、基础训练作为基础服务来供各种独立的图像识别应用来公用，从而解决兼容性的问题；本申请利用Dock技术的特点，进一步保障图像识别、基础训练这些基础服务的独立，实现了各种独立的图像识别应用的兼容。因此，权利要求1具有创造性。
复审请求人提交复审请求时提交的经修改的权利要求1和5的内容如下：
“1. 一种电网图像识别系统，其特征在于，包括：
服务集成层，包括服务网关和服务注册中心，服务注册中心用于注册不同类型的服务，服务网关可接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务；
服务实现层，包括业务服务和基础服务，基础服务提供图像识别基础算法功能和图像识别基础训练功能，业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理；
还包括Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中，Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。”
“5. 一种基于权利要求1所述的系统的电网图像识别方法，其特征在于， 方法包括：
服务网关接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务；
业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理，所述基础服务提供图像识别基础算法功能和图像识别基础训练功能；
Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中；
Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。”
经形式审查合格，国家知识产权局于2019年06月17日依法受理了该复审请求，并将其转送至实质审查部门进行前置审查。
实质审查部门在前置审查意见书中认为权利要求1-8仍不具备专利法第22条第3款规定的创造性。因此，坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年10月08日向复审请求人发出复审通知书，该复审通知书所针对的审查文本为：复审请求人于2019年06月03日提交的权利要求第1-8项；申请日2017年12月19日提交的说明书第1-9页，说明书附图第1-2页，说明书摘要和摘要附图。该复审通知书引用的对比文件与驳回决定引用的对比文件相同，即对比文件1-3。复审通知书中指出：权利要求1-8相对于对比文件1、对比文件2、对比文件3和本领域公知常识的结合不具备专利法第22条第3款规定的创造性。同时，针对复审请求人的意见进行了相应评述。
复审请求人于2019年11月19日提交了意见陈述书，未对申请文本进行修改。
复审请求人认为：权利要求1与对比文件1相比至少具有如下区别特征：1.服务实现层包括业务服务和基础服务，基础服务提供图像识别基础算法功能和图像识别基础训练功能，业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理；2.包括Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中，Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。对于区别特征1，本申请的权利要求1与对比文件1相比既存在应用场景的区别又存在技术手段上的区别。对于区别特征2，本申请旨在利用Dock技术的特点，来进一步保障图像识别、基础训练这些基础服务的独立，实现各种独立的图像识别应用的兼容。因此，权利要求1具备创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
（一）审查文本的认定
复审请求人于2019年06月03日提出复审请求时，提交了权利要求书全文修改替换页。本复审请求审查决定所依据的文本为：复审请求人于2019年06月03日提交的权利要求第1-8项；申请日2017年12月19日提交的说明书第1-9页、说明书附图第1-2页、说明书摘要和摘要附图。经审查，上述修改文本的修改之处符合专利法第33条的规定。
（二）关于专利法第22条第3款
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，该实用新型具有实质性特点和进步。
本复审请求审查决定所引用的对比文件与驳回决定和复审通知书引用的对比文件相同，即：
对比文件1：“基于微服务架构的电力云服务平台”，杨俊伟等，电力信息与通信技术，2017年第15卷第01期，第8-11页，公开日为2017年01月31日；
对比文件2：“变电站设备铭牌识别系统设计与实现”，刘波，中国优秀硕士学位论文全文数据库工程科技Ⅱ辑，2014年第01期，正文第1-29页，公开日为2014年01月15日；
对比文件3：“基于容器技术的PaaS云平台方案”，齐磊等，电信科学，2017年第04期，第1-6页，公开日为2017年04月30日。
权利要求1-8不符合专利法第22条第3款有关创造性的规定
1.权利要求1不具备专利法第22条第3款规定的创造性。
权利要求1请求保护一种电网图像识别系统，对比文件1（杨俊伟等，“基于微服务架构的电力云服务平台”，电力信息与通信技术，2017年第15卷第01期）公开了一种基于微服务架构的电力云服务平台，并具体公开了以下技术特征（参见正文第2-3节）：电力云服务平台包括服务网关和服务注册中心（相当于服务集成层，包括服务网关和服务注册中心）；电力微服务应用开发完毕后，通过持续交付组件对其进行部署、验证，并发布到电力云平台中，同时将其注册到服务注册中心（相当于服务注册中心用于注册不同类型的服务）；服务请求者通过平台提供的服务网关组件请求平台中的微服务，首先将请求提交给分发层，分发层查询服务注册中心并依据分发路由策略定位服务实例；电力云平台由基础设施服务、平台服务以及云服务中心组成，基础设施和平台服务两层紧密结合，平台服务层提供的组件服务：统一权限、统一流程，基础设施服务层为平台服务层提供计算服务、存储服务、负载均衡服务等支撑能力（相当于服务实现层，包括业务服务和基础服务）；同时分发层还需要根据请求负载和处于活动状态的服务实例数量选择调度策略，调用所选择的服务实例（相当于服务网关可接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务，业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理）。
权利要求1所要求保护的技术方案与对比文件1所公开的技术内容相比，其区别在于：1）权利要求1要求保护一种电网图像识别系统，基础服务提供图像识别基础算法功能和图像识别基础训练功能，而对比文件1公开的一种电力云服务系统；2）该电网图像识别系统还包括Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中，Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。
基于上述区别可以确定，权利要求1相对于对比文件1实际所要解决的技术问题是：如何构建电网图像识别系统实现电网图像识别功能。
对于区别特征1）：对比文件2（刘波，变电站设备铭牌识别系统设计与实现，中国优秀硕士学位论文全文数据库工程科技Ⅱ辑，2014年第01期）公开了一种变电站设备铭牌识别系统，并具体公开了以下技术特征（参见正文第3.3.3节）：目前最常用的铭牌字符识别的方法有神经网络法；基于神经网络的字符识别算法一般包括预处理、特征提取（相当于图像识别基础算法功能）、分类器训练（相当于图像识别基础训练功能）和识别四个步骤，且上述内容在对比文件2中所起的作用与在本申请中的作用相同，都是通过提供图像识别功能以实现电网数据采集，也就是说对比文件2中给出了将上述内容应用到对比文件1的技术启示，将图像识别基础算法功能和图像识别基础训练功能添加到基础设施服务中，以使得业务服务能够通过调用所述功能，实现电网图像识别的功能。
对于区别特征2）：对比文件1已经公开了（参见正文第0节和第3节）：基于微服务架构的电力云服务平台（相当于整个电网系统采用微服务架构）；Docker 等容器技术的逐步成熟，使得微服务架构的落地实施成为可能。同时，对比文件3（齐磊等，“基于容器技术的PaaS云平台方案”，电信科学，2017年第04期）公开了具体的架构方式（参见正文第2-3节）：一种基于容器技术的PaaS云平台，IT 支撑系统主要通过引进Docker、Kubernetes等技术和搭建微服务架构模式来减少对现有应用的影响，即将应用程序分割成更小的相互关联的服务，并采用容器化技术进行微服务的封装、部署、管控（相当于各个服务分别部署在Docker容器中）；Kubernetes 是基于容器技术、采用分布式架构的一种集群管理解决方案，它具有完备的集群管理能力，包括透明的服务注册和服务发现机制、内建智能负载均衡器、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。上述内容在对比文件3中所起的作用与在本申请中的作用相同，都是利用Docker技术，采用微服务架构、分布式部署，根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。也就是说对比文件3给出了将上述内容应用到对比文件1的技术启示，利用Dock技术、采用微服务架构、分布式部署等技术来实现电网图像识别系统。
由此可知，在对比文件1的基础上结合对比文件2、对比文件3，从而得出该权利要求所要求保护的技术方案，对本领域技术人员来说是显而易见的，即该权利要求所要求保护的技术方案不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
2、权利要求2-4不具备专利法第22条第3款规定的创造性。
权利要求2是权利要求1的从属权利要求，其部分附加技术特征已被对比文件2公开（参见正文摘要）：基于 OpenCV 的铭牌定位技术，使用 Java 本地化接口来调用由 OpenCV 函数库编写的 C 语言定位程序，该算法具有识别准确，实时性好的特点（相当于基于OpenCV跨平台计算机视觉库的图像识别基础算法服务）。同时，由于TensorFlow为一种常见的用于对模型进行训练的机器学习应用开发方式，本领域技术人员容易想到可以通过基于封装于Docker容器中的TensorFlow深度学习框架提供图像识别基础训练服务。因此，在其引用的权利要求不具备创造性的情况下，该从属权利要求也不具备创造性。
权利要求3是权利要求1的从属权利要求，其附加技术特征已经被对比文件3公开（参见正文第2-3节）:一种基于容器技术的PaaS云平台，:应用层提供用户访问、运维管理的入口门户，通常以REST API方式提供给客户端（浏览器、智能终端或外部系统）进行访问（相当于服务网关以及各个服务均为采用基于Rest API标准进行开发的服务接口）。因此，在其引用的权利要求不具备创造性时，该从属权利要求也不具备创造性。
权利要求4是权利要求1的从属权利要求，对比文件1已经公开了将各种电力微服务应用在服务注册中心注册（参见正文第2-3节），在此基础上，本领域技术人员很容易想到可以根据需要在服务注册中心注册第三方服务。因此，在其引用的权利要求不具备创造性时，该从属权利要求也不具备创造性。
3、权利要求5不具备专利法第22条第3款规定的创造性。
权利要求5请求保护一种基于权利要求1所述的系统的电网图像识别方法，对比文件1公开了一种基于微服务架构的电力云服务平台，并具体公开了以下技术特征（参见正文第2-3节）：电力云服务平台包括服务网关和服务注册中心；电力微服务应用开发完毕后，通过持续交付组件对其进行部署、验证，并发布到电力云平台中，同时将其注册到服务注册中心；服务请求者通过平台提供的服务网关组件请求平台中的微服务，首先将请求提交给分发层，分发层查询服务注册中心并依据分发路由策略定位服务实例；电力云平台由基础设施服务、平台服务以及云服务中心组成，基础设施和平台服务两层紧密结合，平台服务层提供的组件服务：统一权限、统一流程，基础设施服务层为平台服务层提供计算服务、存储服务、负载均衡服务等支撑能力；同时分发层还需要根据请求负载和处于活动状态的服务实例数量选择调度策略，调用所选择的服务实例（相当于服务网关可接收外部的请求，在服务注册中心查找到对应的服务后，将请求转发给相应类型的服务，业务服务接收服务网关转发的请求，并通过调用基础服务实现对请求的处理）。
权利要求5所要求保护的技术方案与对比文件1所公开的技术内容相比，其区别在于：1)权利要求5是一种基于权利要求1所述的系统的电网图像识别方法，基础服务提供图像识别基础算法功能和图像识别基础训练功能，而对比文件1是一种电力云服务系统；2）Dock以及对Dock进行编排管理的Dock管理系统，整个电网图像识别系统采用微服务架构，使用Docker容器进行分布式部署，各个服务分别部署在Docker容器中；Dock管理系统根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。基于上述区别可以确定，权利要求5相对于对比文件1实际所要解决的技术问题是：如何构建电网图像识别系统实现电网图像识别功能。
对于区别特征1）：对比文件2公开了一种变电站设备铭牌识别系统，并具体公开了以下技术特征（参见正文第3.3.3节）：目前最常用的铭牌字符识别的方法有神经网络法；基于神经网络的字符识别算法一般包括预处理、特征提取（相当于图像识别基础算法功能）、分类器训练（相当于图像识别基础训练功能）和识别四个步骤，且上述内容在对比文件2中所起的作用与在本申请的作用相同，都是通过提供图像识别功能以实现电网数据采集，也就是说对比文件2中给出了将上述内容应用到对比文件1的技术启示，将图像识别接触算法功能和图像识别基础训练功能添加到基础设施服务中，以使得业务服务能够通过调用所述功能，实现电网图像识别的功能。
对于区别特征2）：对比文件1已经公开了（参见正文第0节和第3节）：基于微服务架构的电力云服务平台（相当于整个电网系统采用微服务架构）；Docker等容器技术的逐步成熟，使得微服务架构的落地实施成为可能。同时，对比文件3公开了具体的架构方式（参见正文第2-3节）：一种基于容器技术的PaaS云平台， IT 支撑系统主要通过引进Docker、Kubernetes等技术和搭建微服务架构模式来减少对现有应用的影响，即将应用程序分割成更小的相互关联的服务，并采用容器化技术进行微服务的封装、部署、管控（相当于各个服务分别部署在Docker容器中）；Kubernetes 是基于容器技术、采用分布式架构的一种集群管理解决方案，它具有完备的集群管理能力，包括透明的服务注册和服务发现机制、内建智能负载均衡器、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。上述内容在对比文件3中所起的作用与在本申请中作用相同，都是利用Docker技术，采用微服务架构、分布式部署，根据各个服务被调用的数量，对包含被调用服务的Docker容器的数量进行管理。也就是说对比文件3给出了将上述内容应用到对比文件1的技术启示，利用Dock技术、采用微服务架构、分布式部署等技术来实现电网图像识别系统。
由此可知，在对比文件1的基础上结合对比文件2、对比文件3，从而得出该权利要求所要求保护的技术方案，对本领域技术人员来说是显而易见的，即该权利要求所要求保护的技术方案不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
4、权利要求6-8不具备专利法第22条第3款规定的创造性。
权利要求6是权利要求5的从属权利要求，其部分附加技术特征被对比文件1公开（参见正文第3节）：电力微服务应用开发完毕后，通过持续交付组件对其进行部署、验证，并发布到电力云平台中，同时将其注册到服务注册中心（相当于通过将业务服务注册到服务注册中心，实现将业务服务添加到服务实现层）。此外，当不需要已经注册到服务注册中心内的某个服务时，本领域技术人员容易想到可以通过将业务服务从服务注册中心删除，实现将业务服务从服务实现层删除。因此，在其引用的权利要求不具备创造性时，该从属权利要求也不具备创造性。
权利要求7的附加技术特征与从属权利要求2的附加技术特征对应，基于同样的理由，权利要求7也不具备专利法第22条第3款规定的创造性。
权利要求8是权利要求5的从属权利要求，对比文件3公开了一种基于容器技术的PaaS云平台，并具体公开了以下技术特征（参见正文第2-3节）:应用层提供用户访问、运维管理的入口门户，通常以REST API方式提供给客户端（浏览器、智能终端或外部系统）进行访问（相当于服务网关以及各个服务均为采用基于Rest API标准进行开发的服务接口）；而对比文件1已经公开了将各种电力微服务应用在服务注册中心注册，在此基础上，本领域技术人员很容易想到可以根据需要在服务注册中心注册第三方服务。因此，在其引用的权利要求不具备创造性时，该从属权利要求也不具备创造性。
（三）对复审请求人相关意见的评述
针对复审请求人于2019年11月19日陈述的意见，合议组认为：
（1）关于区别特征1，对比文件1已经公开了（参见正文第2-3节）：电力云平台由基础设施服务、平台服务以及云服务中心组成，基础设施和平台服务两层紧密结合，平台服务层提供的组件服务：统一权限、统一流程，基础设施服务层为平台服务层提供计算服务、存储服务、负载均衡服务等支撑能力（相当于服务实现层，包括业务服务和基础服务）。即对比文件1已经公开了对基础服务和业务服务分层的技术手段，而对比文件2公开了（参见正文第3.3.3节）具体的图像识别基础算法功能和图像识别基础训练功能，即：基于神经网络的字符识别算法一般包括预处理、特征提取、分类器训练和识别。为了实现图像识别的功能，将上述具体的图像识别基础算法功能和图像识别基础训练功能添加到基础服务中，以支持图像识别功能，这属于本领域的公知常识。而对比文件2的应用场景也是电网的图像识别，能够提供图像识别基础算法功能和图像识别基础训练功能，为了实现电网的图像识别，本领域技术人员在获知对比文件2中的图像识别算法后，有动机将其加入到基础服务中，以提供图像识别的基础服务，即对比文件2给出了相应的技术启示。
（2）关于区别特征2，对比文件1已经公开了（参见正文第0节）：基于微服务架构的电力云服务平台（相当于整个电网系统采用微服务架构）； Docker 等容器技术的逐步成熟，使得微服务架构的落地实施成为可能。而对比文件3也公开了（参见正文第2-3节）： IT 支撑系统主要通过引进Docker、Kubernetes等技术和搭建微服务架构模式来减少对现有应用的影响，即将应用程序分割成更小的相互关联的服务，并采用容器化技术进行微服务的封装、部署、管控（相当于各个服务分别部署在Docker容器中）；Kubernetes 是基于容器技术、采用分布式架构的一种集群管理解决方案，它具有完备的集群管理能力，包括透明的服务注册和服务发现机制、内建智能负载均衡器、服务滚动升级和在线扩容能力、可扩展的资源自动调度机制以及多粒度的资源配额管理能力。可见，对比文件1和对比文件3已经公开了Dock技术的特点，即能够实现微服务架构、分布式架构和容器化技术，本领域技术人员根据其中公开的技术内容，很容易想到将Dock技术的特点与电网领域的图像识别应用结合起来，通过采用微服务架构、使用Docker容器进行分布式部署，从而保障图像识别、基础训练等基础服务的独立，实现各种独立的图像识别引用的兼容。
因此，合议组对复审请求人的上述复审请求理由不予支持。
三、决定
维持国家知识产权局于2019年02月22日对本申请作出的驳回决定。
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，复审请求人可以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。
