2024-700301

特許第７３５４９３０号発明「情報処理装置、情報処理方法、燃焼制御装置、および燃焼制御方法」の特許異議申立事件について、次のとおり決定する。

結 論 特許第７３５４９３０号の特許請求の範囲を訂正請求書に添付された訂正特許請求の範囲のとおり、訂正後の請求項［６－１１］、［１３、１４］について訂正することを認める。 特許第７３５４９３０号の請求項１ないし６、９ないし１４に係る特許を維持する。 特許第７３５４９３０号の請求項７に係る特許についての特許異議の申立を却下する。

理 由 １．手続の経緯 特許第７３５４９３０号の請求項１ないし１４の特許（以下、「本件特許」という。）に係る出願は、令和２年５月２８日に特許出願され、令和５年９月２５日にその特許権の設定登録がなされ、令和５年１０月３日に特許掲載公報が発行された。 その後、令和６年４月２日に特許異議申立人金田綾香（以下、「特許異議申立人」という。）により、請求項１ないし７、９ないし１４に係る特許に対する特許異議の申立てがされ、令和６年５月３０日付けで取消理由が通知され、その指定期間内である令和６年７月３０日に意見書の提出及び訂正の請求がなされたものである。 なお、令和６年７月３０日に特許権者がした意見書の提出及び訂正の請求に対し、特許異議申立人から意見書の提出はなかった。 ２．訂正の適否についての判断 （１）訂正の内容 令和６年７月３０日の訂正の請求（以下、「本件訂正請求」という。）による訂正の内容は、以下の訂正事項１ないし訂正事項６のとおりである。なお、下線は訂正箇所を示す（以下、「（１）訂正の内容」において同様。）。 ア 訂正事項１ 特許請求の範囲の請求項６の記載を、 「 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データであり、 前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである 情報処理装置。」に訂正する。 （請求項６を引用する請求項８～１１も同様に訂正する。） イ 訂正事項２ 特許請求の範囲の請求項７を削除する。 ウ 訂正事項３ 特許請求の範囲の請求項８を 「 前記参照時間は６０分以下である 請求項１～６のいずれか１項に記載の情報処理装置。」に訂正する。 エ 訂正事項４ 特許請求の範囲の請求項９を 「 前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、 前記プロセスデータに含まれる制御値として、前記廃棄物の供給速度を調整する廃棄物供給装置の送り速度の制御値、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の制御値の少なくとも一方を含む 請求項１～６、８のいずれか１項に記載の情報処理装置。」に訂正する。 オ 訂正事項５ 特許請求の範囲の請求項１０を 「 廃棄物を燃焼させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置であって、 前記燃焼制御部は、 請求項１～６、８、９のいずれか１項に記載の情報処理装置から前記蒸気発生部における所定の予測時間後の前記蒸気発生量の予測値を取得し、 前記取得した蒸気発生量に基づいて、前記廃棄物焼却炉における燃焼を制御する 燃焼制御装置。」に訂正する。 カ 訂正事項６ 特許請求の範囲の請求項１３の記載を、 「 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データであり、 前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである 情報処理方法。」に訂正する。 （請求項１３を引用する請求項１４も同様に訂正する。） （２）一群の請求項、訂正の目的の適否、新規事項の有無、及び特許請求の範囲の拡張・変更の存否 上記訂正事項１ないし訂正事項６について、一群の請求項、訂正の目的の適否、一群の請求項、新規事項の有無、及び特許請求の範囲の拡張・変更の存否を検討する。 ア 訂正事項１ないし訂正事項５について （ア）一群の請求項 訂正前の請求項６ないし請求項１１について、請求項７ないし請求項１１は、いずれも請求項６を直接又は間接的に引用した請求項であって、訂正事項１によって記載が訂正される請求項６に連動して訂正されるものであるから、請求項６ないし請求項１１は、一群の請求項である。 したがって、訂正請求１ないし訂正事項５に係る訂正は、特許法第１２０条の５第４項に規定する一群の請求項に対してなされたものである。 （イ）訂正事項１ あ 訂正の目的 訂正事項１は、訂正前の請求項６の「制御部」について、訂正前の請求項６を引用する請求項７の記載により特定される事項に係る限定を付加するものであるから、訂正前の請求項６に記載された「制御部」に係る事項を減縮するものといえる。したがって、訂正事項１は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 い 新規事項の有無 訂正事項１により訂正される事項は、訂正前の請求項６を引用する請求項７に記載されている事項である。そうすると、訂正事項１による訂正後の請求項６は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 う 特許請求の範囲の拡張・変更の存否 訂正事項１は、訂正前の請求項６の「制御部」について、訂正前の請求項６を引用する請求項７の記載により特定される事項に係る限定を付加するものであるから、訂正事項１による訂正後の請求項６は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 （ウ） 訂正事項２ あ 訂正の目的 訂正事項２は、訂正前の請求項７を削除するものである。したがって、訂正事項２は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 い 新規事項の有無 訂正事項２は、訂正前の請求項７を削除するものである。したがって、訂正事項２は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 う 特許請求の範囲の拡張・変更の存否 訂正事項２は、訂正前の請求項７を削除するものである。したがって、訂正事項２は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 （エ）訂正事項３ あ 訂正の目的 訂正事項３は、訂正前の請求項８に記載された「請求項１～７のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除し、請求項８の引用請求項数を削減するものである。したがって、訂正事項３は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 い 新規事項の有無 訂正事項３は、訂正前の請求項８に記載された「請求項１～７のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項３は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 う 特許請求の範囲の拡張・変更の存否 訂正事項３は、訂正前の請求項８に記載された「請求項１～７のいずれか１項に記載の情報処理装置」について、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項３は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 え 独立特許要件 訂正事項３は、本件特許異議申立ての対象とされていない訂正前の請求項８の「請求項１～７のいずれか１項に記載の情報処理装置」との記載について、訂正事項２で訂正前の請求項７が削除されたことを踏まえて、「請求項７」を削除する訂正である。そして、訂正事項３による訂正の対象となる請求項８は特許異議の申立てがされていないから、独立特許要件について検討する。 ３．において述べるとおり、訂正後の請求項１ないし請求項６に係る特許を取り消すべき理由は発見できない。また、訂正後の請求項８に係る特許を取り消すべき理由も発見できない。したがって、訂正後の請求項８に係る発明が独立して特許を受けることができるものであることは明らかである。 したがって、訂正事項３で訂正される訂正後の請求項８に係る発明は、特許法第１２０条の５第９項で読み替えて準用する特許法第１２６条第７項の規定に適合する。 （オ）訂正事項４ あ 訂正の目的 訂正事項４は、訂正前の請求項９に記載された「請求項１～８のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除し、請求項９の引用請求項数を削減するものである。したがって、訂正事項４は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 い 新規事項の有無 訂正事項４は、訂正前の請求項９に記載された「請求項１～８のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項４は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 う 特許請求の範囲の拡張・変更の存否 訂正事項４は、訂正前の請求項９に記載された「請求項１～８のいずれか１項に記載の情報処理装置」について、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項４は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 （カ）訂正事項５ あ 訂正の目的 訂正事項５は、訂正前の請求項１０に記載された「請求項１～９のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除し、請求項１０の引用請求項数を削減するものである。したがって、訂正事項５は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 い 新規事項の有無 訂正事項５は、訂正前の請求項１０に記載された「請求項１～９のいずれか１項に記載の情報処理装置」から、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項５は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 う 特許請求の範囲の拡張・変更の存否 訂正事項５は、訂正前の請求項１０に記載された「請求項１～９のいずれか１項に記載の情報処理装置」について、訂正事項２における訂正前の請求項７の削除を踏まえて「請求項７」を削除するものである。したがって、訂正事項５は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 イ 訂正事項６について （ア）一群の請求項 訂正前の請求項１３および１４について、請求項１４は、請求項１３を引用した請求項であって、訂正事項６によって記載が訂正される請求項１３に連動して訂正されるものであるから、請求項１３および請求項１４は、一群の請求項である。 したがって、訂正事項６は、特許法第１２０条の５第４項に規定する一群の請求項に対してなされたものである。 （イ）訂正の目的 訂正事項６は、訂正前の請求項１３の「制御部」について、訂正前の請求項７の記載により特定される事項に係る限定を付加するものであるから、訂正前の請求項１３に記載された「制御部」に係る事項を減縮するものといえる。したがって、訂正事項６は、特許法第１２０条の５第２項ただし書第１号に掲げる特許請求の範囲の減縮を目的とするものである。 （ウ）新規事項の有無 訂正事項６の 「前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである」ことは、訂正前の請求項７及び願書に添付した明細書の段落【００４９】ないし【００５１】に記載されている。 そうすると、訂正事項６は、願書に添付した明細書、特許請求の範囲又は図面に記載された事項の範囲内の訂正であり、特許法第１２０条の５第９項で準用する特許法第１２６条第５項の規定に適合する。 （エ）特許請求の範囲の拡張・変更の存否 訂正事項６は、訂正前の請求項１３の「制御部」について、訂正前の請求項７の記載により特定される事項に係る限定を付加することで、請求項１３の「制御部」を限定するものである。 そうすると、訂正事項６は、実質上特許請求の範囲を拡張し、又は変更するものに該当するものでなく、特許法第１２０条の５第９項で準用する特許法第１２６条第６項の規定に適合する。 （３）小括 以上のとおりであるから、本件訂正請求による訂正は、特許法第１２０条の５第２項ただし書第１号に掲げる事項を目的とするものであり、かつ同条第９項において準用する同法第１２６条第５項ないし第７項までの規定に適合するので、訂正後の請求項［６ないし１１］、［１３および１４］についての訂正を認める。 ３．特許異議の申立てについて （１）本件発明 本件訂正請求により訂正された訂正請求項１ないし請求項１４に係る発明（以下、「本件発明１」ないし「本件発明１４」という。）は、その特許請求の範囲の請求項１ないし請求項１４に記載された事項により特定される以下のとおりのものである。 「【請求項１】 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測して出力パラメータとして出力して蒸気発生量予測値を出力し、 前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである 情報処理装置。 【請求項２】 前記制御部は、 前記学習用入力パラメータが互いに異なる前記蒸気量予測学習モデルを複数生成し、 前記複数の蒸気量予測学習モデルから一の蒸気量予測学習モデルを選択して適用し、 前記一の蒸気量予測学習モデルを適用する適用時間において、前記一の蒸気量予測学習モデルによって前記蒸気発生量を予測して、出力パラメータとして出力し、 前記複数の蒸気量予測学習モデルの前記一の蒸気量予測学習モデル以外の他の蒸気量予測学習モデルによって前記蒸気発生量を予測して前記記憶部に格納し、 前記複数の蒸気量予測学習モデルのそれぞれによって予測されたそれぞれの前記蒸気発生量を比較して、前記複数の蒸気量予測学習モデルから次に適用する一の蒸気量予測学習モデルを選択する 請求項１に記載の情報処理装置。 【請求項３】 前記制御部は、 前記蒸気量予測学習モデルを所定の適用時間において適用し、 前記適用時間において前記廃棄物焼却炉から取得した前記プロセスデータおよび前記画像データを前記学習用入力パラメータに追加して更新し、前記適用時間において前記廃棄物焼却炉から取得した前記蒸気発生量の計測値を前記学習用出力パラメータに追加して更新し、 前記更新された学習用入力パラメータおよび前記更新された学習用出力パラメータを、更新された入出力データセットとして用いて前記蒸気量予測学習モデルを更新する 請求項１または２に記載の情報処理装置。 【請求項４】 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである 請求項１～３のいずれか１項に記載の情報処理装置。 【請求項５】 前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである 請求項４に記載の情報処理装置。 【請求項６】 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データであり、 前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである 情報処理装置。 【請求項７】 （削除） 【請求項８】 前記参照時間は６０分以下である 請求項１～６のいずれか１項に記載の情報処理装置。 【請求項９】 前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、 前記プロセスデータに含まれる制御値として、前記廃棄物の供給速度を調整する廃棄物供給装置の送り速度の制御値、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の制御値の少なくとも一方を含む 請求項１～６、８のいずれか１項に記載の情報処理装置。 【請求項１０】 廃棄物を燃焼させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置であって、 前記燃焼制御部は、 請求項１～６、８、９のいずれか１項に記載の情報処理装置から前記蒸気発生部における所定の予測時間後の前記蒸気発生量の予測値を取得し、 前記取得した蒸気発生量に基づいて、前記廃棄物焼却炉における燃焼を制御する 燃焼制御装置。 【請求項１１】 前記廃棄物焼却炉は、前記廃棄物を移動させる火格子と、前記火格子上に前記廃棄物を供給する廃棄物供給装置とを備え、 前記燃焼制御部は、 前記廃棄物の供給速度を調整する前記廃棄物供給装置の送り速度、および前記火格子上の前記廃棄物の移動速度を調整する火格子送り速度の少なくとも一方を制御する 請求項１０に記載の燃焼制御装置。 【請求項１２】 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測して出力パラメータとして出力して蒸気発生量予測値を出力し、 前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである 情報処理方法。 【請求項１３】 廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置が実行する情報処理方法であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し、 前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力し、 前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データであり、 前記制御部は、 前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、 前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、 前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである 情報処理方法。 【請求項１４】 廃棄物を燃焼させて蒸気発生部によって蒸気を発生させる廃棄物焼却炉を制御する燃焼制御部を備えた燃焼制御装置が実行する燃焼制御方法であって、 前記燃焼制御部は、 請求項１２または１３に記載の情報処理方法によって前記蒸気発生部における所定の予測時間後の前記蒸気発生量予測値を取得して記憶部に格納し、 前記記憶部から読み出した前記蒸気発生量予測値に基づいて、前記廃棄物焼却炉における燃焼を制御する 燃焼制御方法。」 （２）取消理由の概要 訂正前の請求項６、請求項１０、請求項１１、請求項１３及び請求項１４に係る特許に対する取消理由の概要は以下のとおりである。 本件特許の請求項６、請求項１０、請求項１１、請求項１３及び請求項１４に係る発明は、その出願前日本国内または外国において頒布された、刊行物に記載された発明又は電気通信回線を通じて公衆に利用可能となった発明である甲第１号証ないし甲第４号証に記載された発明に基いて、その出願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（以下、「当業者」という。）が容易に発明をすることができたものであって、特許法第２９条第２項の規定により特許を受けることができないから、その発明に係る特許は取り消すべきものである。 甲第１号証：特開２００５－２４２５２４号公報 甲第２号証：特許第６７１８９１１号公報 甲第３号証：特許第６４７２０３５号公報 甲第４号証：特許第６６９６８１６号公報 なお、異議申立人は、以下の甲第５号証も提出している。 甲第５号証：特許第６９７６６９６号公報 （３）甲第１号証ないし甲第５号証の記載 ア 甲第１号証 甲第１号証には、「処理プラント設備の運転制御方法及び運転制御装置」に関し、次の記載事項及び図示事項がある（下線部は当審で引いたものである。以下同様。）。 （ア） 「【０００１】 本発明は廃棄物処理プラントや水処理プラン等の各種処理を行う処理プラント設備の運転制御方法及び運転制御装置に関し、特に制御対象の目標値に対する外乱によって生じる変動を低減し、エネルギー利用の効率化、環境負荷の低減、設備の長期安定運転ができる処理プラント設備の運転制御方法及び運転制御装置に関するものである。」 （イ） 「【０００６】 本発明は上述の点に鑑みてなされたもので上記問題を除去するため、プラントの予測モデル制御を導入し、上記理由による応答性、制御性の変化を最適且つ自動的に更新し、習熟したオペレータによるパラメータ設定や再調整を実施することなく、長期間安定運転を維持し制御目的及び性能を発揮することができ処理プラントの運転制御方法及び運転制御装置を提供することを目的とする。」 （ウ） 「【００２３】 図１は本発明に係る運転制御方法を実施する廃棄物処理プラント設備としてのストーカ式ごみ焼却プラント設備の概略構成例を示す図である。図１において、１はストーカ式の焼却炉、２は廃熱ボイラ、３はごみピット、４はホッパ、５はごみクレーン、６はホッパ４の下部からごみを焼却炉１に供給する給塵装置である。燃焼炉１は左側から、ごみを乾燥させる乾燥帯１ａ、ごみを燃焼させる燃焼帯１ｂ、燃焼帯１ｃ、後燃焼帯１ｄの分割構造を有し、それぞれに設けられたストーカ７ａ、７ｂ、７ｃ、７ｄによって焼却炉１内でごみを移送すると共に、それぞれの下部に接続された空気導入路９ａ、９ｂ、９ｃ、９ｄに設けられた空気調整ダンパ８ａ、８ｂ、８ｃ、８ｄを介して空気が供給される。 【００２４】 また、焼却炉１の出口１ｅには完全燃焼させるため更に二次空気押込送風機２０から空気導入路１９を通して二次空気の供給を行っている。ごみの焼却後に残る灰１０ａ～１０ｆは図示しない灰押出装置に集められ、系外に排出され、次の処理工程へ供給される。図示しないが、ごみ焼却プラント設備は焼却によって生じる排ガス中の煤塵や有害ガスを除去する手段も備えている。また、焼却炉１の上部に廃熱ボイラ２が設置されており、ごみ焼却処理した熱を利用して蒸気１００を発生している。図示しないが、この蒸気１００は蒸気式タービンでの発電利用や場内熱利用に利用される。 【００２５】 上記ごみ焼却プラント設備は、更に焼却炉１の出口１ｅに排ガス温度を測定する温度センサ１１、ボイラ出口の蒸気量を測定する蒸気量センサ１２、炉出口１ｅの酸素濃度を測定する酸素濃度センサ１３、焼却炉１内のごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備えている。また、図示は省略するが、必要な位置に温度センサ、圧力センサ、流量センサ等を設けている。 【００２６】 そしてこれらのセンサからの信号に基いて、給塵装置６から焼却炉１内へのごみ供給量、焼却炉１内の乾燥帯１ａ、燃焼帯１ｂ、燃焼帯１ｃ、後燃焼帯１ｄへの空気供給量、ストーカ７ａ、７ｂ、７ｃ、７ｄによるごみの移動速度等がＰＩＤ若しくは演算制御される。更に、クレーン５には一掴みのごみの重量を測定する重量センサ１５が設けられ、一掴みのごみの重量とホッパ４内へ投入した際のレベル変化をセンサ（図示せず）で測定し、体積増加量から投入ごみ密度ρを演算し、その密度に応じてごみ供給量を給塵装置６にて調整する。なお、図１において、１６はバーナ、１７は空気導入路９を通して空気を押し込む押込送風機である。また、２１はプラットホームであり、該プラットホーム２１からごみ収集車２２で収集されたごみがごみピット３内に投入される。 【００２７】 上記ごみ焼却プラント設備において、行っている制御及び本発明による運転制御方法を図２を用いて説明する。図２は運転制御装置の構成例を示す制御ブロック図である。図示するように運転制御装置は廃熱ボイラ２が発生する蒸気量を予測するボイラ発生蒸気量予測ニューラルネットワーク３１と、一次燃焼空気量ＳＶ値を算出する一次燃焼空気算出部３２と、一次燃焼空気ダンパ制御部３３を具備している。ボイラ発生蒸気量予測ニューラルネットワーク３１には、ごみ焼却プラント設備からの各種プロセスデータ３４が導入されるようになっている。ここでは焼却炉１の燃焼制御方法の一部として、焼却炉１内に供給されるごみの実燃焼量を制御し、廃熱ボイラ２の発生蒸気量を直接的に安定化させる操作端として図１の空気調整ダンパ８ａ、８ｂ、８ｃ、８ｄが挙げられる。なお、各種プロセスデータ３４としては、蒸気量センサ１２で測定された廃熱ボイラ２からの蒸気量、酸素濃度センサ１３で測定された焼却炉１の出口酸素濃度、温度センサ１１で測定された焼却炉１の出口温度、上記必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる。 【００２８】 図２に表す一次燃焼空気量算出部３２と一次燃焼空気ダンパ制御部３３とは、空気調整ダンパ８ａ、８ｂ、８ｃ、８ｄに供給されるおおもと、即ち空気導入路９を通して押込送風機１７から供給される空気量を意味し、この空気量をベースにある決められたルールに基づいて空気調整ダンパ８ａ、８ｂ、８ｃ、８ｄを通して乾燥帯１ａ、燃焼帯１ｂ、燃焼帯１ｃ、後燃焼帯１ｄに供給される空気量が分配される。本運転制御装置では、この主操作端である一次燃焼空気量ＳＶ値に対し、ボイラ発生蒸気量予測ニューラルネットワーク３１でニューラルネットワークを用いた予測モデルで所定時間後（例えば９０秒後）の廃熱ボイラ２の発生蒸気量の予測を行い、該所定時間後の発生蒸気量予測値Ｓ１と制御目標発生蒸気量値Ｓ２の差をゼロにするような操作値を一次燃焼空気量算出部３２で算出し、一次燃焼空気ダンパ制御部３３に出力する。ボイラ発生蒸気量予測ニューラルネットワーク３１では、ごみ焼却プラント設備からの各種プロセスデータ３４から廃熱ボイラ２の蒸気発生量との相関関係を学習し、最適予測モデルを構築する。 【００２９】 図３は本運転制御装置のシステム構成の一例を示す図で、ごみ焼却プラント設備全体を制御する制御システム２００上に本本発明に係る運転制御装置を接続する。本運転制御装置は、学習用コンピュータ４１と演算用コンピュータ４２－１、４２－２、カラープリンタ４３を具備し、これらはイーサネット（登録商標）４４で接続されている。演算用コンピュータ４２－１、４２－２は全体制御システム上のネットワーク４５より、各種プロセスデータの収集と現状最適モデルを用いてごみ焼却プラント設備からの入力データに基づき廃熱ボイラ２の蒸気発生量の予測を実施し、その発生蒸気予測値Ｓ１を図２に示す制御ロジックに出力する。 【００３０】 学習用コンピュータ４１では、演算用コンピュータ４２－１、４２－２で収集したデータを取り込み、近日の所定期間のデータを基に学習させ最新学習モデルの作成を行う。この最新学習モデルは次に説明する方法で、該最新学習モデルが最適なものであるか否かを判断した後、当該最新学習モデルが最適学習モデルと判断した後は、当該最新学習モデルは演算用コンピュータ４２－１、４２－２へ伝送され書き込まれ、該演算用コンピュータ４２－１、４２－２は書き込まれた最新学習モデルに基づき運転制御を継続する。当該最新学習モデルが最適学習モデルと判断されなかった場合は現行の学習モデルで運転制御を継続する。 【００３１】 図４は演算用コンピュータ４２で各種プロセスデータを収集し、学習用コンピュータ４１で学習モデルを作成し、該作成した学習モデルを自動評価及び自動更新を行うため処理フローを示す図である。演算用コンピュータ４２はオンラインコンピュータであり、学習用コンピュータ４１はオフラインコンピュータである。先ず、演算用コンピュータ４２はごみ焼却プラント設備からの各種プロセスデータを収集し（ステップＳＴ１）、所定期間（例えば２週間分）の時系列データを作成する（ステップＳＴ２）、該時系列データは学習用コンピュータ４１に転送される（ステップＳＴ３）。該転送された時系列データはデータチェック（対象外のデータか、所定期間内のデータか等）され（ステップＳＴ４）れる。学習用コンピュータ４１はデータチェックをパスした時系列データの前記所定期間の前半（例えば１週間）を学習（各種プロセスデータと制御目標の相関係数を学習）し（ステップＳＴ５）、該学習に基づいて学習モデルが作成される（ステップＳＴ６）。その後、該作成された学習モデルに前記所定期間の後半（例えば１週間分）のデータを入力し、廃熱ボイラ２の発生蒸気量の予測を行う。その結果と実運転結果を後に詳述する評価指標で評価し（ステップＳＴ７）、この評価指標が上限値以下で且つ前回学習モデルより好転した場合は演算用コンピュータ４２に転送される（ステップＳＴ９）。また学習モデルは学習モデルバックアップとして履歴保存される（ステップＳＴ８）。 【００３２】 ＯＫの評価を受け演算用コンピュータ４２に転送された学習モデルは、モデル更新監視タスクを介して学習モデル共有メモリに格納される（ステップＳＴ１０、１１）。そして制御演算タスクにより制御周期毎のモデル更新チェックと更新を行う（ステップＳＴ１２）。再学習タイミングは任意であるが、例えば定期的なタイミングによる開始又は制御性能が低下した際に自動的に開始する。 【００３３】 次に、上記学習モデルの自動評価及び自動更新について説明する。自動更新は接近する所定期間（例えば２週間）分のデータを採取し、学習用コンピュータ４１を用いて該所定期間の前半期間（１週間）分のデータを学習し、後半期間分のデータで数１の式から評価指標Ｉｐを求めて行う。即ち、評価指標Ｉｐがある上限値以下で且つ現在の学習モデルよりも好転した場合、学習結果に基づいて作成された最新の学習モデルを演算用コンピュータ４２に書き込み、この最新の学習モデルに基づいて運転制御を行う。」 （エ）「【図１】 ［図：0001423484000001.jpg］ 」 （オ）「【図２】 ［図：0001423484000002.jpg］ 」 （カ）「【図３】 ［図：0001423484000003.jpg］ 」 （キ）「【図４】 ［図：0001423484000004.jpg］ 」 上記記載事項及び図示事項からみて、甲第１号証には、以下の発明（以下、「甲１発明」という。）が記載されている。 ［甲１発明］ 「ごみ焼却プラント設備を構成する蒸気１００を発生している廃熱ボイラ２が発生する蒸気量を予測するボイラ発生予測ニューラルネットワーク３１を備えた運転制御装置であって、 前記ボイラ発生予測ニューラルネットワーク３１は、 前記ごみ焼却プラント設備からの廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる各種プロセスデータ３４が導入され、 前記焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備え、 所定期間の後半の前記各種プロセスデータ３４に基づいて、所定期間の後半の発生蒸気量を予測し、出力する 運転制御装置。」 イ 甲第２号証 甲第２号証には、「モデル作成方法、プラントの運転支援方法及びモデル作成装置」に関し次の記載事項及び図示事項がある。 （ア）「【０００５】 本発明の少なくとも一実施形態は、上述したような従来の課題に鑑みなされたものであって、その目的とするところは、プラントの仕様や燃料性状の変化に対応してプロセス値を精度良く予測することができるモデル作成方法、プラントの運転支援方法及びモデル作成装置を提供することである。」 （イ）「【００３０】 まず、モデル作成方法がモデル化の対象とするプラントの一例として、ボイラプラント１００の構成を示す。図１は、ボイラプラント１００の概要図である。ボイラプラント１００が備えるボイラ２は、固体燃料を燃焼させるよう構成されている。ボイラ２は、石炭を粉砕した微粉炭を微粉燃料（固体燃料）として用い、この微粉炭を火炉１１の燃焼バーナにより燃焼させ、この燃焼により発生した熱を給水や蒸気と熱交換して蒸気を生成することが可能な石炭焚きボイラである。なお、燃料は石炭に限られず、バイオマス等、ボイラで燃焼可能な他の燃料であってもよい。さらに多種の燃料を混合して使用してもよい。」 （ウ）「【００４０】 図２は、一実施形態に係るモデル作成方法を示すモデル作成フロー図である。図２に示すモデル作成方法では、燃料を燃焼するボイラプラント１００における燃焼領域の画像データを活用して、ボイラプラント１００の入力パラメータ（インプット）とプロセス値（アウトプット）との関係を示すモデルを作成する。本実施形態に係るモデルは、該モデルに入力された入力パラメータに基づいてプロセス値を予測（シミュレーション）するために用いられる。原則としてモデルはプロセス値ごとに作成されるが、これに限定されず１つのモデルで複数のプロセス値を出力するようにしてもよい。また、ここでは典型的な発電プラントとしてのボイラプラントを例に説明するが、以下で説明するモデル作成方法は、ボイラプラントに限らず、広く工業製品又は材料を生成するプラントにも適用可能である。例えば、燃料を燃焼するプラントとして、発電プラント以外に、蒸気供給プラント、製鉄プラントが例示される。 【００４１】 まず、読込ステップＳ１において、プラント１００の運転データと、プラント１００の燃焼領域の画像データを読み込む。また、読込ステップＳ１で読み込まれる運転データは、プラントの仕様に関係する物理パラメータ又は燃料の性状に関係する燃料パラメータのうち少なくとも一方と、プラント１００のプロセス値とを含む。読込ステップＳ１で物理パラメータを読み込む場合には、プラント１００の構造、性能、又は設計条件のうち少なくとも一つに係るパラメータを物理パラメータとして読み込んでもよい。また、プラント１００の燃焼領域の画像データは、プラント１００に設置された画像センサＳＲ１によって取得され、静止画および静止画の連続である動画の何れであってもよい。画像データの形式は、静止画であればＴＩＦＦやＢＭＰ、動画であればＡＶＩに代表される非圧縮形式のデータであってもよいし、静止画であればＪＰＥＧやＰＮＧ、動画であればＭＰＥＧやＭＰ４に代表される圧縮形式のデータであってもよい。 【００４２】 次に、抽出ステップＳ２において、読込ステップＳ１で読み込んだ画像データの特徴量を抽出する。特徴量の計算は、装置の構成を適切に選ぶことで画像データの読み込みと並行して処理することが可能であり、画像データの容量が膨大になる場合でも全ての画像データの読み込みが終了する前から特徴量の計算処理を開始することができる。画像データの特徴量は、例えば、画像データに現れたり画像データに基づいて得られたりする燃焼領域の形、大きさ、色、濃淡、輝度、温度（温度分布）若しくは波長（波長分布）に係る情報であってもよいし、これらの情報のうち少なくとも一つの情報の変化量であってもよい。なお、変化量とは、空間的および／または時間的な変化量のことを指す。特徴量は典型的には画像データの輝度情報から計算される、画像データの特徴を数値化した情報である。」 （エ）「【００５０】 次に、ステップＳ３７において、読込ステップＳ１で読み込んだ運転データと画像データを用いてモデルの入力パラメータとプロセス値との関係を機械学習し、プラント１００の入力パラメータとプロセス値との関係を示すモデルを作成する。例えば、読込ステップＳ１で読み込んだ運転データの一部と画像データの一部を用いて、入力パラメータ（物理パラメータ又は燃料パラメータの少なくとも一方と画像データ）とプロセス値との関係を機械学習し、プラント１００の入力パラメータとプロセス値との関係を示すモデルを作成する。」 （オ）「【００５７】 まず図３は、図２で作成したモデルを用いたシミュレーションの結果を、運転制御装置２００に対する運転指示として与える運転指示フローを示したフローチャートである。 【００５８】 まず、ステップＳ６１において、プラント１００の運転データ、燃焼領域の画像データを読み込む（データ読込ステップ）。また、ステップ６２において、図２に示した方法により作成したモデルを読み込む（モデル読込ステップ）。さらに、ステップＳ６３では、ステップＳ２と同様にステップＳ６で読み込んだ画像データの特徴量を抽出する（抽出ステップ）。 【００５９】 次に、シミュレーションステップＳ７において、シミュレーションを実施する。まずＳ７１において、シミュレーション条件を設定する。シミュレーション条件とは、入力パラメータのセット、すなわちプラント１００の仕様に関係する物理パラメータ又は燃料の性状に関係する燃料パラメータのうち少なくとも一方とプラント１００の燃焼領域の画像データのセットのことである。 【００６０】 ステップＳ７２において、ステップＳ７１で設定した入力パラメータのセットを図２に示した方法で作成したモデルに入力してシミュレーションを実施する。シミュレーションの結果として、プラント１００のプロセス値（仮想プロセス値）が算出される。 【００６１】 運転指示ステップＳ８では、プロセス値が所定条件を満たすように、運転制御装置２００に対する運転指示値を算出する。まずステップＳ８１において、シミュレーション結果を評価する。ステップＳ８２では、仮想プロセス値が最適か否か（所定条件を満たすか否か）を判断する。最適でない場合は、ステップＳ７１に戻りシミュレーション条件を再設定して、新たな仮想プロセス値を算出することを指示する。」 （カ）「【図２】 ［図：0001423484000005.jpg］ 」 上記記載事項及び図示事項からみて、甲第２号証には、以下の事項（以下、「甲２記載事項」という。）が記載されている。 ［甲２記載事項］ 「プラント１００の運転データと、プラント１００の燃焼領域の画像データを読み込み、燃焼領域の形、大きさ、色、温度若しくは波長に係る情報若しくは情報の変化量である画像データの特徴量を抽出し、読み込んだ運転データと画像データを用いてモデルの入力パラメータとプロセス値との関係を機械学習して、プラント１００の入力パラメータとプロセス値との関係を示すモデルを作成し、プラント１００の運転データ及びプラント１００の燃焼領域の画像データの特徴量をモデルに入力し、プロセス値を算出し、算出したプロセス値により運転制御装置２００の運転指示値を算出すること。」 ウ 甲第３号証 甲第３号証には、「焼却炉内のごみ量推定機能を備えた燃焼制御システム」に関し次の記載事項及び図示事項がある。 （ア）「【００２２】 ストーカ５上を搬送されるごみの熱画像を炎越しに撮像するための撮像手段１０が、炉本体２に取り付けられている。撮像手段１０は、図１に示すように、燃焼ストーカ５ｄの下流側上方に取り付けられ、燃焼ストーカ５ｄ及び乾燥ストーカ５ｃを撮像するように配置されている。 【００２３】 炎や燃焼ガスで充満されている焼却炉内で大半を占めるのがＨ２ＯとＣＯ２である。Ｈ２ＯとＣＯ２からの熱放射エネルギーは、特定の波長領域でゼロ又はほぼゼロになることが知られており、そのような波長領域は、赤外領域である１．６μｍ付近及び３．９μｍ付近に存在する。 【００２４】 従って、炎や燃焼ガスが充満した炉内で、炎や燃焼ガスが放射しない波長を中心波長とする狭帯域波長の赤外線だけを検出する撮像手段１０を用いて炉内を撮影することにより、可視光カメラでは撮影しにくいごみを炎や燃焼ガスの影響を受けずに、炎越しに撮影することができる。 【００２５】 そのため、撮像手段１０は、１．６μｍ付近を中心波長とする狭帯域波長の近赤外線を選択透過させるフィルタを備える近赤外線カメラ１０ａと、３．９μｍ付近を中心波長とする狭帯域波長の中赤外線を選択透過させるフィルタを備える中赤外線カメラ１０ｂと、を備えることにより、炎や燃焼ガスを通して炉内の内部状況をリアルタイムでビデオ映像として連続的に撮影することができる。撮像手段１０は、近赤外線カメラ１０ａ又は中赤外線カメラ１０ｂの何れかを備えることもできる。 【００２６】 ある実施例において、近赤外線カメラ１０ａは１．５１１μｍ～１．６６４μｍの波長帯域の近赤外線のみを選択的に透過させるフィルタを備え、中赤外線カメラ１０ｂは３．８３２μｍ～３．９４２μｍの波長帯域の中赤外線のみを選択的に透過させるフィルタを備えている。 【００２７】 撮像手段１０によって撮像された炎越しの熱画像データは、リアルタイムでコントローラ１１に送られる。図２は、炎越し熱画像の一例である。コントローラ１１は、リアルタイムで送られてくる時系列の熱画像データから、ストーカ５上を搬送されるごみの量（体積）を推定するための演算を行う。その演算は、例えば、次の（１）～（４）の画像処理手順によって処理され得る。 【００２８】 （１）図３の熱画像のイメージ図を参照して、熱画像上で、炉本体内の底部、即ちストーカ５の上面と炉本体内の左右側壁の内壁面２ａ、２ｂの各々とが交わる底辺Ｌ１、Ｌ２を設定する。底辺Ｌ１、Ｌ２は、ストーカ５のごみ搬送方向（図３の縦方向）に沿う左右両側縁である。底辺Ｌ１、Ｌ２は、ストーカ５上にごみが無い状態で撮像手段より撮像した画像データから予め設定され得る。熱画像上で底辺Ｌ１、Ｌ２が設定されれば、熱画像上における左右側壁の内壁面２ａ、２ｂ上の点について、座標を特定することができる。 【００２９】 （２）時系列で撮像された熱画像の画像処理により、熱画像上の内壁面２ａ、２ｂとごみとの境界線Ｌ３、Ｌ４を検出する。境界線Ｌ３，Ｌ４の検出方法として、時系列で撮像された熱画像にオプティカルフローが適用される。オプティカルフローにおいて、流れ成分の無い場所が内壁面２ａ、２ｂであり、流れ成分の有る場所がごみであると看做すことができる。熱画像（静止画像）のみではゴミの燃えカスなどで内壁面とごみとの色合いがはっきりしない部分では内壁面とごみとの境界が正確に検出できないが、オプティカルフローでは、色情報によらず、ごみの特徴点の動きで境界線Ｌ３、Ｌ４を検出するため、正確に境界線Ｌ３，Ｌ４を検出することができる。こうして内壁面２ａ、２ｂとごみとの境界を境界線Ｌ３、Ｌ４と判定し、境界線Ｌ３、Ｌ４の座標データをコントローラ１１に格納する。オプティカルフロー自体は公知技術であるので、詳細な説明を省略する。」 上記記載事項からみて、甲第３号証には、以下の事項（以下、「甲３記載事項」という。）が記載されている。 ［甲３記載事項］ 「ストーカ５上を搬送されるごみの熱画像を、炎や燃焼ガスが充満した炉内で、炎や燃焼ガスが放射しない波長を中心波長とする狭帯域波長の赤外線だけを検出する撮像手段１０を用いて炎越しに撮影し、炎越しの熱画像データとし、熱画像の画像処理により、熱画像上の内壁面２ａ、２ｂとごみとの境界線Ｌ３、Ｌ４を検出すること。」 エ 甲第４号証 甲第４号証には、「ストーカ式焼却炉」に関し次の記載事項及び図示事項がある。 （ア）「【００４０】 図３は、熱画像撮像部７５の近傍を示す図である。熱画像撮像部７５は、後壁部２０３に取り付けられる。詳細には、後壁部２０３において孔部２０３１が形成され、孔部２０３１の縁から外側（燃焼室２とは反対側）に突出する筒状部７６が設けられる。筒状部７６には、赤外線カメラである熱画像撮像部７５の鏡筒（レンズチューブ）７５１が外部から挿入される。筒状部７６の外側の端部は、熱画像撮像部７５の本体７５２により閉塞される。熱画像撮像部７５は、中心射影方式により火格子部２１上のごみの熱画像を取得する。熱画像は、火格子部２１上のごみの表面温度の分布を示す。実際には、熱画像撮像部７５（の撮像デバイス）は、３．７～３．９マイクロメートル（μｍ）の特定波長（帯）において最大感度を有する。実質的に、熱画像撮像部７５では、当該特定波長の赤外線を検出することにより、熱画像が取得される。」 （イ）「【００５９】 続いて、図９に示すように、各教師画像において、複数の矩形領域５８（図９中にて細い破線にて示す。）が設定される。複数の矩形領域５８は、火格子部２１と各側壁部２０４との境界に対応する存在領域５３のエッジ５３１（存在領域５３の横方向の端部におけるエッジであり、図９中にて太い破線にて示す。）から、上方に向かって伸び、当該エッジ５３１に沿って配列される。図９の例では、各エッジ５３１に沿って配列される矩形領域５８の個数は、当該エッジ５３１に接しつつ当該エッジ５３１に沿って並ぶ分割領域５９の個数と同じである。ごみ高さ演算部８２では、ごみ領域５１のエッジを検出することにより、各矩形領域５８内におけるごみ領域５１と側壁部領域５２との境界位置が取得される。そして、各矩形領域５８の下端から当該矩形領域５８内における境界位置までの高さの平均値や中央値、最大値等が、境界高さとして求められる。各矩形領域５８の境界高さは、例えば画素数にて表される。」 上記記載事項からみて、甲第４号証には、以下の事項（以下、「甲４記載事項」という。）が記載されている。 ［甲４記載事項］ 「熱画像撮像部７５は、特定波長の赤外線を検出することにより、熱画像が取得されるとともに、各教師画像において、ごみ領域５１のエッジを検出することにより、ごみ領域５１と側壁部領域５２との境界位置が取得されること。」 オ 甲第５号証（特許第６９７６６９６号公報） 特許異議申立人が提示した甲第５号証は、「プロセス管理支援装置および方法」に関し、以下の記載事項及び図示事項がある。 （ア）「【００１０】 本発明の一形態は、このような問題点を解消すべくなされたものである。その目的は、廃棄物焼却プラントやバイオマス燃焼プラントなどの燃焼プロセスにおいて、プロセスにおける焼却炉や燃焼炉に燃料として供給されるごみやバイオマスの供給量や特性が変動したときに、管理すべき性能管理指標が所定の範囲を逸脱することが無いようなプロセスの運転管理を可能とする、プロセス管理支援装置を提供することである。」 （イ）「【００４９】 予測部１３では、モデル構築部１２で構築された回帰モデルに対して、データ収集保存部１１で収集又は保存された、現在の時点ｔ０及び現在の時点ｔ０から遡った時点（ｔ０－Δｔ１）、（ｔ０－２Δｔ１）、・・・、（ｔ０－ｎΔｔ１）における計測データの全部又は一部が入力され、１つ以上の性能管理指標の将来の時点（ｔ０＋Δｔ２）における予測値を算出する。」 （ウ）「【００５６】 データ収集保存部１１は、対象プロセス１を実施する装置に設置される各種のセンサ・制御器・監視カメラ等２から直接的に、又はプロセスの運転監視制御装置３を経由して間接的に、本運転管理支援装置１０の機能を達成する上で必要となる複数の計測データを逐次取得する。なお、ここでいう計測データ(状態量及び／又は操作量)としては、対象プロセス１に設置されたセンサにおいて計測される温度、圧力、流量、濃度などの物理量のデータに加え、プロセスの運転監視制御装置に組み込まれた各種の制御器の入出力データや制御パラメータなどのデータや、プロセスの運転監視に用いられる監視カメラ等により得られる画像情報や、それらの画像情報を加工して得られる数値データなども含めることができる。 【００５７】 モデル構築部１２は、過去の時点ｔ及び時点ｔから一定の０より大きい時間幅Δｔ１ごとに遡った時点（ｔ－Δｔ１）、（ｔ－２Δｔ１）、・・・、（ｔ－ｎΔｔ１）における計測データの全部又は一部、及び／又はそれらの計測データから演算される１つ以上の変数を説明変数として、過去の時点ｔに対して０より大きい時間幅Δｔ２を加えた、時点（ｔ＋Δｔ２）における１つ以上の性能管理指標の値を目的変数とする回帰モデルを構築する。 【００５８】 ここで、本実施形態における性能管理指標としては、対象プロセス１が実施された結果として生じる、例えば排出される排ガス中の一酸化炭素、窒素酸化物、硫黄酸化物、塩化水素、水銀などの有害物質の濃度などが含まれうる。また、プロセスから発生し、余熱利用のために用いられる回収蒸気あるいは回収温水の流量や、回収蒸気を熱源とする蒸気タービン発電機にて発生する発電電力量や、対象プロセス１の操業に要する用水・薬剤・燃料・電力等のユーティリティの使用量などが含まれうる。さらに、対象プロセス１の機械的健全性を維持するために管理すべき重要部の温度や圧力などが含まれうる。 【００５９】 また、本実施形態におけるモデル構築部１２で用いられる説明変数としては、焼却炉又は燃焼炉への燃料供給装置の運転速度やその電流値など、対象プロセス１における燃料であるごみやバイオマスの供給量や特性と関連性の高い計測値などが含まれうる。また、プロセス中の複数個所の温度や圧力、供給される用水や薬剤など、対象プロセス１における反応場の反応条件と関連性の高い計測値などが含まれうる。さらに、プロセスにおける各種の制御目標値と制御量の偏差や比率など、対象プロセス１における制御性能の良否と関連性の高い計測値などが含まれうる。これらの計測値から、着目する性能管理指標との関連性が高い変数を適宜抽出して用いるのがよい。」 （エ）「【００８８】 例えば、性能管理指標がプロセスからの回収蒸気量など、通常の操業下において突発的なピークを生じることがなく、目標値の値に応じて、その目標値を中心とする正規分布に従うとみなせる物理量である場合には、線形回帰が適している。ただし、それらの説明変数として、例えばプロセス各部の温度のように、変数間の相関が強いものを選択して用いる場合には、主成分回帰又は部分最小二乗回帰を用いることで、多重共線性の影響を排除するのが望ましい。」 （オ）「【００９８】 本実施形態におけるモデル構築部１２では、以下のアルゴリズムによって、新たに得られた計測データにおける説明変数と目的変数の相関関係に最も類似度の高いデータセットを探索し、それらを用いて回帰モデルの構築が行われるように構成されている。なお、説明変数と説明変数との間の相関関係における類似度の高いデータセットを探索する方法も、以下のアルゴリズムと同様に行うことができる。」 上記記載事項からみて、甲第５号証には、以下の事項（以下、「甲５記載事項」という。）が記載されている。 ［甲５記載事項］ 「データ収集保存部１１は、対象プロセス１に設置されたセンサにおいて計測される物理量のデータ、各種の制御器の制御パラメータなどのデータ、監視カメラ等により得られる画像情報や画像情報を加工して得られる数値データなどの計測データを取得し、 モデル構築部１２は、過去の時点ｔ及び時点ｔから遡った時点における計測データを説明変数として、過去の時点ｔに対して０より大きい時間幅Δｔ２を加えた時点における余熱利用のための回収蒸気の流量である性能管理指標の値を目的変数とした、新たに得られた計測データにおける説明変数と目的変数の相関関係に最も類似度の高いデータセットを用いて回帰モデルを構築し、 予測部１３では、モデル構築部１２で構築された回帰モデルに対して、データ収集保存部１１で保存された、現在の時点ｔ０及び現在の時点ｔ０から遡った時点における計測データの全部又は一部が入力され、性能管理指標の予測値を算出すること。」 （４）対比及び判断 ア 取消理由について （ア）本件発明６について 本件発明６と甲１発明とを対比する。 甲１発明の「ごみ焼却プラント設備」は、その機能、構成及び技術意義からみて、本件発明６の「廃棄物焼却炉」に相当する。同様に、甲１発明の「蒸気１００」は本件発明６の「蒸気」に、甲１発明の「廃熱ボイラ２」は本件発明６の「蒸気発生部」に、甲１発明の「蒸気量」は本件発明６の「蒸気発生量」に、甲１発明の「ボイラ発生予測ニューラルネットワーク３１」は本件発明６の「制御部」に、甲１発明の「運転制御装置」は本件発明６の「情報処理装置」にそれぞれ相当する。 そうすると、甲１発明の「ごみ焼却プラント設備を構成する蒸気１００を発生している廃熱ボイラ２が発生する蒸気量を予測するボイラ発生予測ニューラルネットワーク３１を備えた運転制御装置であって、」は、本件発明６の「廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、」に相当する。 甲１発明の「廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる」ことは、ごみ焼却プラント設備を構成する焼却炉１の燃焼プロセス測定値（焼却炉１の出口酸素濃度及び出口温度）を含むものであるから、本件発明６の「複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含む」ことに相当する。そして、甲１発明の「各種プロセスデータ３４」は本件発明６の「プロセスデータ」に相当する。また、甲１発明の「各種プロセスデータ３４が導入される」ことは、各種プロセスデータ３４をごみ焼却プラント設備から取得し、ボイラ発生予測ニューラルネットワーク３１に入力するための記憶部に格納させることは明らかであるから、本件発明６の「プロセスデータを前記廃棄物焼却炉から取得して記憶部に格納」することに相当する。 そうすると、甲１発明の「前記ごみ焼却プラント設備からの廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる各種プロセスデータ３４が導入され、」は、本件発明６の「前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、」に相当する。 甲１発明の「焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備え」ることは、ごみ焼却プラント設備の焼却炉１に工業用テレビカメラ１４及び画像処理装置を設け、焼却炉１内の廃棄物を含む領域を工業用テレビカメラ１４で撮像した情報に基づいて画像データを取得又は生成し、運転制御装置に格納することであるから、本件発明６の「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納」することとは、「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した画像情報に基づいた画像データを取得または生成して、格納」することという限りで一致する。 甲１発明の「所定期間の後半の前記各種プロセスデータ３４に基づいて、所定期間の後半の発生蒸気量を予測し、出力する」ことは、ボイラ発生予測ニューラルネットワークに入力するための記憶部に格納されていた各種プロセスデータ３４に基づいて、所定の予測時間後である所定期間の後半の発生蒸気量を予測し、該発生蒸気量に係る値を出力することであるから、本件発明６の「前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力」することとは、「前記記憶部から読み出した前記プロセスデータに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力」することという限りで一致する。 そうすると、両者は、以下の一致点並びに相違点１、相違点２及び相違点３を有する。 ［一致点］ 「廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した画像情報に基づいた画像データを取得または生成して、格納し、 前記記憶部から読み出した前記プロセスデータに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力する 情報処理装置。」 ［相違点１］ 「画像データ」に関して、本件発明６は、「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納し」、「前記記憶部から読み出した前記プロセスデータおよび前記画像データに基づいて、所定の予測時間後の前記蒸気発生量を予測して、蒸気発生量予測値を出力」するものであるのに対し、甲１発明は、「焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備え、所定期間の後半の前記各種プロセスデータ３４に基づいて、所定期間の後半の発生蒸気量を予測し、出力する」ものである点。 ［相違点２］ 本件発明６は、「前記画像データは、前記撮像部が撮像した熱画像情報に基づいた、前記廃棄物焼却炉内の火炎が透過された状態の透過画像データ、または前記透過画像データに対して、前記廃棄物焼却炉内における前記廃棄物の存在領域と前記廃棄物以外の領域との境界が識別されて、前記境界の少なくとも一部を規定する境界線が描画された境界画像データである」のに対し、甲１発明は、画像データに関し、かかる事項を備えるものではない点。 ［相違点３］ 本件発明６は、「前記制御部は、前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである」ものを備えるのに対し、甲１発明は、かかる事項を備えるものではない点。 相違点について検討する。 事案に鑑み、はじめに相違点３について検討する。 相違点３に係る本件発明６の発明特定事項は、透過画像データを学習用入力パラメータとし、当該透過画像データに境界線が描画された境界画像データを学習用出力パラメータとした、機械学習により生成された学習モデルである境界識別学習モデルに、記憶部から読み出した透過画像データを入力し、境界画像データを出力するものといえる。しかしながら、甲２記載事項ないし甲５記載事項には、このような事項は開示されておらず、示唆もない。 特に、甲３記載事項は「熱画像の画像処理により、熱画像上の内壁面２ａ、２ｂとごみとの境界線Ｌ３、Ｌ４を検出すること」を開示し、甲４記載事項は「熱画像が取得されるとともに、各教師画像において、ごみ領域５１のエッジを検出することにより、ごみ領域５１と側壁部領域５２との境界位置が取得されること」を開示するものの、透過画像データを学習用入力パラメータとし、当該透過画像データに境界線が描画された境界画像データを学習用出力パラメータとした、機械学習により生成された学習モデルである境界識別学習モデルを用いること、及び当該境界識別学習モデルを用いた境界画像データを出力することの開示はない。 そうすると、甲１発明に甲２記載事項ないし甲５記載事項を適用しても、相違点３に係る本件発明６の発明特定事項とはならない。 そして、本件発明６は、相違点３に係る本件発明６の発明特定事項を備えることによって、「焼却炉において、所定時間後の蒸気発生量を予測することができ、推定した蒸気発生量に基づいて焼却炉を安定して制御することが可能となる。」という格別な効果を奏する。 したがって、相違点１及び相違点２について検討するまでもなく、本件発明６は、甲１発明及び甲２記載事項ないし甲５記載事項に基いて、当業者が容易に発明をすることができたものではない。 （イ）本件発明６を引用する本件発明１０及び本件発明１１について 本件発明６を引用する本件発明１０及び本件発明１１は、本件発明６を請求項１０及び請求項１１に記載される発明特定事項によりさらに特定したものである。そうすると、本件発明６を引用する本件発明１０及び本件発明１１も、本件発明６の上記相違点３を有する。 そして、上述したとおり、上記相違点３は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明６を引用する本件発明１０及び本件発明１１は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （ウ）本件発明１３及び本件発明１３を引用する本件発明１４について 本件発明１３及び本件発明１３を引用する本件発明１４と甲１発明とを対比すると、本件発明１３及び本件発明１３を引用する本件発明１４は、本件発明６の検討で述べた相違点３に係る発明特定事項を備えるのに対し、甲１発明は係る事項を備えていない点で少なくとも相違する。 そして、上述したとおり、上記相違点３は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明１３及び本件発明１３を引用する本件発明１４は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （エ）まとめ 以上のとおり、本件発明６、本件発明６を引用する本件発明１０及び本件発明１１、本件発明１３並びに本件発明１３を引用する本件発明１４は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 イ 取消理由通知において採用しなかった特許異議申立理由について 特許異議申立人は、特許異議申立書において、訂正前の特許請求の範囲の請求項１ないし請求項７、請求項９ないし請求項１４に係る発明は、甲第１号証ないし甲第５号証から容易に発明をすることができたものであり、特許法第２９条第２項の規定に違反するから特許法第１１３条第２項の規定により特許を受けることができないと主張している。 そこで、以下、取消理由通知で採用しなかった特許異議申立人の主張を検討する。 （ア） 甲第１号証ないし甲第５号証の記載 甲第１号証の記載事項及び図示事項は、（３）で上述したとおりである。 そうすると、甲第１号証には、以下の発明（以後、「甲１発明２」という。）が記載されている。 ［甲１発明２］ 「ごみ焼却プラント設備を構成する蒸気１００を発生している廃熱ボイラ２が発生する蒸気量を予測するボイラ発生予測ニューラルネットワーク３１を備えた運転制御装置であって、 前記ボイラ発生予測ニューラルネットワーク３１は、 前記ごみ焼却プラント設備からの廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる各種プロセスデータ３４が導入され、 前記焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備え、 所定期間の前半の各種プロセスデータ３４と制御目標の相関係数を学習し、該学習に基づいて学習モデルが作成され、該作成された学習モデルに前記所定期間の後半の前記各種プロセスデータ３４を入力し、廃熱ボイラ２の発生蒸気量の予測を行う 運転制御装置。」 甲２記載事項ないし甲５記載事項も、（３）で上述したとおりである。 （イ）本件発明１ 本件発明１と甲１発明２を対比する。 甲１発明２の「ごみ焼却プラント設備」は、その機能、構成及び技術意義からみて、本件発明１の「廃棄物焼却炉」に相当する。同様に、甲１発明２の「蒸気１００」は本件発明１の「蒸気」に、甲１発明２の「廃熱ボイラ２」は本件発明１の「蒸気発生部」に、甲１発明２の「蒸気量」は本件発明６の「蒸気発生量」に、甲１発明２の「ボイラ発生予測ニューラルネットワーク３１」は本件発明１の「制御部」に、甲１発明２の「運転制御装置」は本件発明１の「情報処理装置」にそれぞれ相当する。 そうすると、甲１発明２の「ごみ焼却プラント設備を構成する蒸気１００を発生している廃熱ボイラ２が発生する蒸気量を予測するボイラ発生予測ニューラルネットワーク３１を備えた運転制御装置であって、」は、本件発明１の「廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、」に相当する。 甲１発明２の「廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる」ことは、ごみ焼却プラント設備を構成する焼却炉１の燃焼プロセス測定値（焼却炉１の出口酸素濃度及び出口温度）を含むものであるから、本件発明１の「複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含む」ことに相当する。そして、甲１発明２の「各種プロセスデータ３４」は本件発明１の「プロセスデータ」に相当する。また、甲１発明２の「各種プロセスデータ３４が導入される」ことは、各種プロセスデータ３４をごみ焼却プラント設備から取得し、ボイラ発生予測ニューラルネットワーク３１に入力するための記憶部に格納させることは明らかであるから、本件発明１の「プロセスデータを前記廃棄物焼却炉から取得して記憶部に格納」することに相当する。 そうすると、甲１発明２の「前記ごみ焼却プラント設備からの廃熱ボイラ２からの蒸気量、焼却炉１の出口酸素濃度、焼却炉１の出口温度、必要位置に設置された温度センサ、圧力センサ、流量センサの各出力等を用いる各種プロセスデータ３４が導入され、」は、本件発明１の「前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、」に相当する。 甲１発明２の「焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置を備え」ることは、ごみ焼却プラント設備の焼却炉１に工業用テレビカメラ１４及び画像処理装置を設け、焼却炉１内の廃棄物を含む領域を工業用テレビカメラ１４で撮像した情報に基づいて画像データを取得又は生成し、撮影して運転制御装置に格納することであるから、本件発明１の「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納」することとは、「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した画像情報に基づいた画像データを取得または生成して、格納」することという限りで一致する。 甲１発明２の「所定期間の前半の各種プロセスデータ３４と制御目標の相関係数を学習し、該学習に基づいて学習モデルが作成され」ることは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点である所定期間の前半の各種プロセスデータ３４を学習用入力パラメータとし、制御目標を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである蒸気量予測学習モデルを作成することといえるから、本件発明１の「前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである」こととは、「前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータを学習用入力パラメータとし、値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである」こと、という限りで一致する。 甲１発明２の「該作成された学習モデルに前記所定期間の後半の前記各種プロセスデータ３４を入力し、廃熱ボイラ２の発生蒸気量の予測を行う」ことは、各種プロセスデータ３４を該作成された該学習モデルに入力し、所定の予測時間後の蒸気発生量を予測することであるから、本件発明１の「前記記憶部から読み出した前記プロセスデータおよび前記画像データを入力パラメータとして取得し、前記記憶部から読み出した前記プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測して出力パラメータとして出力して蒸気発生量予測値を出力」することとは、「前記プロセスデータを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測」すること、という限りで一致する。 そうすると、両者は、以下の一致点並びに相違点４及び相違点５を有する。 ［一致点］ 「廃棄物焼却炉に設けられた蒸気を発生させる蒸気発生部における蒸気発生量を予測する制御部を備えた情報処理装置であって、 前記制御部は、 前記廃棄物焼却炉における複数の燃焼プロセス測定値および複数の制御値のうちの少なくとも１つを含むプロセスデータを前記廃棄物焼却炉から取得して記憶部に格納し、 前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した画像情報に基づいた画像データを取得または生成して、格納し、 前記プロセスデータを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測し、 前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータを学習用入力パラメータとし、値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである 情報処理装置。」 ［相違点４］ 「画像データ」に関し、本件発明１は、「前記廃棄物焼却炉に設けられ、前記廃棄物焼却炉内の廃棄物を含む領域を撮像する撮像部が撮像した熱画像情報に基づいた画像データを取得または生成して、前記記憶部に格納」するのに対して、甲１発明２の「焼却炉１にごみの燃焼状況を監視して燃焼完結点を監視する工業用テレビカメラ１４と画像処理装置」は、記憶部に格納されるか不明な点。 ［相違点５］ 「前記プロセスデータを蒸気量予測学習モデルに入力し、所定の予測時間後の前記蒸気発生量を予測し、 前記蒸気量予測学習モデルは、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータを学習用入力パラメータとし、値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって生成された学習モデルである」ことについて、本件発明１は、「前記制御部は、前記記憶部から前記透過画像データを入力パラメータとして取得し、前記記憶部から読み出した前記透過画像データを境界識別学習モデルに入力し、前記境界画像データを出力パラメータとして出力して、前記記憶部に格納し、前記境界識別学習モデルは、前記透過画像データを学習用入力パラメータとし、前記画像データに対して前記境界線が描画された境界画像データを学習用出力パラメータとして、機械学習によって生成された学習モデルである」ものを備えるのに対し、甲１発明２は、「所定期間の前半の各種プロセスデータ３４と制御目標の相関係数を学習し、該学習に基づいて学習モデルが作成され、該作成された学習モデルに前記所定期間の後半の前記各種プロセスデータ３４を入力し、廃熱ボイラ２の発生蒸気量の予測を行う」ものを備える点。 そこで、事案に鑑み、相違点５について検討する。 相違点５に係る本件発明１の発明特定事項は、所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって蒸気量予測学習モデルを生成し、プロセスデータおよび前記画像データを蒸気量予測学習モデルに入力し、所定の予測時間後の蒸気発生量を出力パラメータとして出力するものといえる。 しかしながら、甲２記載事項ないし甲４記載事項には、このような事項は開示されておらず、示唆もない。 また、甲５記載事項は、「所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までのプロセスデータおよび画像データを説明変数とし、説明変数と目的変数の相関関係に最も類似度の高いデータセットを用いて回帰モデルを構築し、プロセスデータおよび前記画像データを回帰モデルに入力し、所定の予測時間後の回収蒸気の流量を目的変数として出力する」ことを開示するものといえる。しかしながら、甲５記載事項も、「所定の時間間隔で設定される所定時点から、所定の参照時間だけ遡った時点までの前記プロセスデータおよび前記画像データを学習用入力パラメータとし、前記所定時点から前記予測時間だけ経過後の前記蒸気発生量の計測値を学習用出力パラメータとした入出力データセットを用いて、機械学習によって蒸気量予測学習モデルを生成」することを開示するものではなく、示唆するものでもない。 そうすると、所定期間の前半の各種プロセスデータ３４と制御目標の相関係数を学習し、該学習に基づいて学習モデルが作成され、該作成された学習モデルに前記所定期間の後半の前記各種プロセスデータ３４を入力し、廃熱ボイラ２の発生蒸気量の予測を行うものである甲１発明２に甲２記載事項ないし甲５記載事項を適用しても、相違点５に係る本件発明１の発明特定事項とはならない。 そして、本件発明１は、相違点５に係る本件発明１の発明特定事項を備えることによって、「焼却炉において、所定時間後の蒸気発生量を予測することができ、推定した蒸気発生量に基づいて焼却炉を安定して制御することが可能となる。」という格別な効果を奏する。 したがって、相違点４について検討するまでもなく、本件発明１は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （ウ）本件発明２ないし本件発明５ 本件発明２ないし本件発明５は、本件発明１を請求項２ないし請求項５に記載される発明特定事項によりさらに特定したものである。そうすると、本件発明本件発明２ないし本件発明５も、本件発明１の上記相違点５を有する。 そして、上述したとおり、上記相違点５は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明２ないし本件発明５は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （エ）本件発明９ 本件発明９は、本件発明１ないし本件発明５を請求項９に記載される発明特定事項によりさらに特定したものである。或いは、本件発明９は、本件発明６を請求項９に記載される発明特定事項によりさらに特定したものである。そうすると、本件発明９は、本件発明１の上記相違点５、或いは本件発明６の上記相違点３を有する。 そして、上述したとおり、上記相違点５は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。同様に、上記相違点３は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明９は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではなく、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （オ）本件発明１ないし本件発明５、本件発明９を引用する本件発明１０及び本件発明１１ 本件発明１ないし本件発明５、本件発明９を引用する本件発明１０及び本件発明１１は、本件発明１ないし本件発明５、本件発明９を請求項１０及び請求項１１に記載される発明特定事項によりさらに特定したものである。そうすると、本件発明１ないし本件発明５、本件発明９を引用する本件発明１０及び本件発明１１も、本件発明１の上記相違点５、或いは本件発明６の上記相違点３を有する。 そして、上述したとおり、上記相違点５は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。同様に、上記相違点３は、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明１ないし本件発明５、本件発明９を引用する本件発明１０及び本件発明１１は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではなく、甲１発明及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 （カ）本件発明１２及び本件発明１２を引用する本件発明１４ 本件発明１２及び本件発明１２を引用する本件発明１４と甲１発明２とを対比すると、本件発明１２及び本件発明１２を引用する本件発明１４は、本件発明１の検討で述べた相違点５に係る発明特定事項を備えるのに対し、甲１発明は係る事項を備えていない点で少なくとも相違する。 そして、上述したとおり、上記相違点５は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 したがって、本件発明１２及び本件発明１２を引用する本件発明１４は、甲１発明２及び甲２記載事項ないし甲５記載事項から容易に発明をすることができたものではない。 ウ 小括 以上のとおり、特許異議申立書における特許異議申立人の主張には理由がない。 ４．むすび 以上のとおりであるから、取消理由通知にて通知した取消理由及び特許異議申立書に記載した特許異議申立理由によっては、請求項１ないし請求項６及び請求項９ないし請求項１４に係る特許を取り消すことはできない。 また、他に請求項１ないし請求項６及び請求項９ないし請求項１４に係る特許を取り消すべき理由は発見しない。 また、請求項７は、上記のとおり訂正により削除された。これにより、請求項７に係る特許に対する特許異議の申立は、申立の対象が存在しないものとなったため、特許法第１２０条の８第１項で準用する同法第１３５条の規定により却下する。 よって、結論のとおり決定する。