2024-700509

特許第７３９０５８１号発明「情報処理装置、情報処理方法、および情報処理プログラム」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７３９０５８１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〔１、３、６ないし１１及び１４ないし１９〕、２、４、５、１２、１３、２０及び２１について訂正することを認める。 特許第７３９０５８１号の請求項１及び３に係る特許を取り消す。 特許第７３９０５８１号の請求項６ないし１１及び１４ないし２１に係る特許を維持する。 特許第７３９０５８１号の請求項２、４、５、１２及び１３に係る特許についての特許異議の申立てを却下する。

理 由 第１ 手続の経緯 特許第７３９０５８１号の請求項１ないし２１に係る特許についての出願は、令和４年３月２日に出願され、令和５年１１月２４日にその特許権の設定登録がされ、令和５年１２月４日に特許掲載公報が発行された。 本件特許異議の申立ての経緯は、次のとおりである。 令和６年 ５月３１日 ： 特許異議申立人金田綾香（以下「申立人」という。）による特許異議の申立て 令和６年 ７月１７日 ： 特許権者による手続補正書の提出 令和６年 ９月２７日付け ： 取消理由通知書 令和６年１１月２６日 ： 特許権者による意見書及び訂正請求書の提出 令和７年 ２月２０日 ： 申立人による意見書の提出 令和７年 ４月２３日付け ： 取消理由通知書（決定の予告） 令和７年 ６月２６日 ： 特許権者による意見書及び訂正請求書の提出 令和７年１０月 ８日 ： 申立人による意見書の提出 なお、令和６年１１月２６日に特許権者がした訂正の請求は、特許法第１２０条の５第７項の規定により、取り下げられたものとみなす。 第２ 訂正の適否について １ 一群の請求項１ないし１９の訂正について （１）訂正の内容 令和７年６月２６日にされた訂正請求による訂正（以下「本件訂正」という。）のうち、一群の請求項１ないし１９についての訂正の内容は、次のとおりである。下線は訂正箇所を示すものである。以下同様。 ア 訂正事項１ 特許請求の範囲の請求項１に「を備えたことを特徴とする」と記載されているのを「を備え、前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データである、ことを特徴とする」に訂正する。請求項１を直接的又は間接的に引用する請求項２ないし１９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２を削除する。 ウ 訂正事項３ 特許請求の範囲の請求項３に「請求項２に記載の」と記載されているのを、「請求項１に記載の」に訂正する。 エ 訂正事項４ 特許請求の範囲の請求項４を削除する。 オ 訂正事項５ 特許請求の範囲の請求項５を削除する。 カ 訂正事項６ 特許請求の範囲の請求項６に「請求項１～５のいずれかに記載の」と記載されているのを、「請求項１または３に記載の」に訂正する。 キ 訂正事項７ 特許請求の範囲の請求項７に「請求項１～６のいずれかに記載の」と記載されているのを、「請求項１、３、６のいずれかに記載の」に訂正する。 ク 訂正事項８ 特許請求の範囲の請求項８に「請求項１～７のいずれかに記載の」と記載されているのを、「請求項６または７に記載の」に訂正する。 ケ 訂正事項９ 特許請求の範囲の請求項９に「請求項１～８のいずれかに記載の」と記載されているのを、「請求項１、３、６～８のいずれかに記載の」に訂正する。 コ 訂正事項１０ 特許請求の範囲の請求項１１に「請求項１～１０のいずれかに記載の」と記載されているのを、「請求項６～１０のいずれかに記載の」に訂正する。 サ 訂正事項１１ 特許請求の範囲の請求項１２を削除する。 シ 訂正事項１２ 特許請求の範囲の請求項１３を削除する。 ス 訂正事項１３ 特許請求の範囲の請求項１４に「請求項１～１３のいずれかに記載の」と記載されているのを、「請求項６～１１のいずれかに記載の」に訂正する。 セ 訂正事項１４ 特許請求の範囲の請求項１５に「請求項１～１４のいずれかに記載の」と記載されているのを、「請求項６～１１、１４のいずれかに記載の」に訂正する。 ソ 訂正事項１５ 特許請求の範囲の請求項１６に「請求項１～１５のいずれかに記載の」と記載されているのを、「請求項６～１１、１４、１５のいずれかに記載の」に訂正する。 タ 訂正事項１６ 特許請求の範囲の請求項１７に「請求項１～１６のいずれかに記載の」と記載されているのを、「請求項６～１１、１４～１６のいずれかに記載の」に訂正する。 チ 訂正事項１７ 特許請求の範囲の請求項１８に「請求項１～１７のいずれかに記載の」と記載されているのを、「請求項６～１１、１４～１７のいずれかに記載の」に訂正する。 （２）訂正の適否について ア 一群の請求項について 訂正前の請求項１－１９について、請求項２－１９は、請求項１を直接又は間接的に引用しているものであって、訂正事項１によって記載が訂正される請求項１に連動して訂正されるものである。したがって、訂正前の請求項１－１９に対応する訂正後の請求項１－１９は、特許法第１２０条の５第４項に規定する一群の請求項である。 イ 訂正事項１ （ア）訂正の目的 訂正事項１は、訂正前の請求項１に記載された「撮像データ」を、「赤外線撮像装置で撮像した焼却炉内の赤外線撮像データである」ものと特定することで、発明特定事項を直列的に付加して限定するものであるから、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。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項１は、訂正前の請求項２並びに願書に添付した明細書の段落【００４０】、【００４１】及び【００７０】の記載に基づくものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項１は、発明特定事項を直列的に付加するものであって、カテゴリーや対象を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項１に関して、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項の独立特許要件は課されない。 ウ 訂正事項２、４、５、１１及び１２ （ア）訂正の目的 訂正事項２、４、５、１１及び１２は、それぞれ、訂正前の請求項２、４、５、１２及び１３を削除するものであるから、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。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項２、４、５、１１及び１２は、それぞれ、訂正前の請求項２、４、５、１２及び１３を削除するものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項２、４、５、１１及び１２は、それぞれ、訂正前の請求項２、４、５、１２及び１３を削除するものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項２、４、５、１１及び１２に関して、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項の独立特許要件は課されない。 エ 訂正事項３ （ア）訂正の目的 訂正事項３は、訂正前の請求項３が請求項１及び２を引用するものであったのを、訂正事項２により訂正前の請求項２が削除されたことに伴い、請求項１のみを引用するものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項３は、訂正事項２により訂正前の請求項２が削除されたことに伴い、請求項１のみを引用するものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項３は、訂正事項２により訂正前の請求項２が削除されたことに伴い、請求項１のみを引用するものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項３に関して、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項の独立特許要件は課されない。 オ 訂正事項６及び７ （ア）訂正の目的 訂正事項６及び７は、請求項６及び７が引用する請求項について、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項６及び７は、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項６及び７は、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項６及び７に関して、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項の独立特許要件は課されない。 カ 訂正事項８ （ア）訂正の目的 訂正事項８は、訂正前の請求項８が請求項１～７を引用していたのを、請求項１及び３を引用しないものとしたものであるから、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。 また、訂正事項８は、訂正前の請求項８が請求項１～７を引用していたのを、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項８は、訂正前の請求項８が請求項１～７を引用していたのを、請求項１ないし５を引用しないものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項８は、訂正前の請求項８が請求項１～７を引用していたのを、請求項１ないし５を引用しないものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項８に関して、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項の独立特許要件は課されない。 キ 訂正事項９ （ア）訂正の目的 訂正事項９は、訂正前の請求項９が請求項１～８を引用していたのを、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項９は、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項９は、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項９に関して、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項の独立特許要件は課されない。 ク 訂正事項１０ （ア）訂正の目的 訂正事項１０は、訂正前の請求項１１が請求項１～１０を引用していたのを、請求項１及び３を引用しないものとしたものであるから、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。 また、訂正事項１０は、訂正前の請求項１１が請求項１～１０を引用していたのを、訂正事項２、４及び５により訂正前の請求項２、４及び５が削除されたことに伴い、請求項２、４及び５を引用しないものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項１０は、請求項１１が引用する請求項について、請求項１ないし５を引用しないものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項１０は、請求項１１が引用する請求項について、請求項１ないし５を引用しないものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項８に関して、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項の独立特許要件は課されない。 ケ 訂正事項１３ないし１７ （ア）訂正の目的 訂正事項１３ないし１７は、請求項１４ないし１８が引用する請求項について、請求項１及び３を引用しないものとしたものであるから、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。 また、訂正事項１３ないし１７は、請求項１４ないし１８が引用する請求項について、訂正事項２、４、５、１１及び１２により訂正前の請求項２、４、５、１２及び１３が削除されたことに伴い、請求項２、４、５、１２及び１３を引用しないものとしたものであるから、特許法第１２０条の５第２項ただし書第３号に掲げる明瞭でない記載の釈明を目的とするものである。 （イ）願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項１３ないし１７は、請求項１４ないし１８が引用する請求項について、請求項１ないし５、１２及び１３を引用しないものとしたものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 （ウ）実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項１３ないし１７は、請求項１４ないし１８が引用する請求項について、請求項１ないし５、１２及び１３を引用しないものとしたものであるから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 （エ）特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項８に関して、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項の独立特許要件は課されない。 コ 別の訂正単位とする求めについて 特許権者は、請求項２、４、５、１２、１３に係る訂正事項は、引用形式請求項（従属項）を削除する訂正であって、「一群の請求項」に係る訂正とは別の訂正単位とすることを求めているので、これを認める。 ２ 請求項２０の訂正について （１）訂正の内容について 本件訂正のうち、請求項２０についての訂正の内容は、次のとおりである。 〔訂正事項１８〕 特許請求の範囲の請求項２０に「を含むことを特徴とする」と記載されているのを、「を含み、前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである、ことを特徴とする」に訂正する。 （２）訂正の適否 ア 訂正の目的 訂正事項１８は、訂正前の請求項２０に記載された「撮像データ」を、「赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである」ものと特定することで、発明特定事項を直列的に付加して限定するものであるから、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。 イ 願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項１８は、訂正前の請求項２並びに願書に添付した明細書の段落【００４０】、【００４１】及び【００７０】の記載に基づくものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 ウ 実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項１８は、発明特定事項を直列的に付加するものであって、カテゴリーや対象を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 エ 特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項１８に関して、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項の独立特許要件は課されない。 ３ 請求項２１の訂正について （１）訂正の内容について 本件訂正のうち、請求項２１についての訂正の内容は、次のとおりである。 〔訂正事項１９〕 特許請求の範囲の請求項２１を「を実行させることを特徴とする」と記載されているのを、「を実行させ、前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである、ことを特徴とする」に訂正する。 （２）訂正の適否について ア 訂正の目的 訂正事項１９は、訂正前の請求項２１に記載された「撮像データ」を、「赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである」ものと特定することで、発明特定事項を直列的に付加して限定するものであるから、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。 イ 願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内の訂正であること 訂正事項１９は、訂正前の請求項２並びに願書に添付した明細書の段落【００４０】、【００４１】及び【００７０】の記載に基づくものであるから、願書に添付した明細書、特許請求の範囲又は図面に記載し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項に適合するものである。 ウ 実質上特許請求の範囲を拡張し、又は変更する訂正ではないこと 訂正事項１９は、発明特定事項を直列的に付加するものであって、カテゴリーや対象を変更するものではないから、実質上特許請求の範囲を拡張し、又は変更するものには該当せず、特許法第１２０条の５第９項で準用する特許法第１２６条第６項に適合するものである。 エ 特許出願の際に独立して特許を受けることができること 本件においては、訂正前の全ての請求項について特許異議の申立てがされているので、訂正事項１９に関して、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項の独立特許要件は課されない。 ４ 小括 上記のとおり、一群の請求項１ないし１９についての訂正、請求項２０についての訂正及び請求項２１についての訂正は、特許法第１２０条の５第２項ただし書第１号又は第３号に掲げる事項を目的とするものであり、かつ、同条第９項で準用する同法第１２６条第５項及び第６項の規定に適合する。 したがって、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〔１、３、６ないし１１及び１４ないし１９〕、２、４、５、１２、１３、２０及び２１について訂正することを認める。 第３ 本件発明 本件訂正による訂正後の請求項１ないし２１に係る発明（以下「本件発明１」ないし「本件発明２１」という。）は、訂正特許請求の範囲の請求項１ないし２１に記載された事項により特定される次のとおりのものである。 「【請求項１】 焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部と、 前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定する燃焼状態判定部と、 を備え、 前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データである、 ことを特徴とする情報処理装置。 【請求項２】（削除） 【請求項３】 前記第１評価軸は、被燃焼物の量、被燃焼物の質、被燃焼物の種類、被燃焼物の温度、燃焼ガス発生量、焼却炉の壁の温度のうちの少なくとも１つを含む、 ことを特徴とする請求項１に記載の情報処理装置。 【請求項４】（削除） 【請求項５】（削除） 【請求項６】 前記撮像データは、６０秒以内の動画像データである、 ことを特徴とする請求項１または３に記載の情報処理装置。 【請求項７】 前記撮像データは、５秒以上の動画像データである、 ことを特徴とする請求項１、３、６のいずれかに記載の情報処理装置。 【請求項８】 前記分類ラベルは、あらかじめ定められた複数の分類項目のうちどれに該当するかを示すラベルと、複数の撮像データの間での相対的な順序、のうち少なくとも一方である、 ことを特徴とする請求項６または７に記載の情報処理装置。 【請求項９】 前記第１画像解析部は、焼却炉内の撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび／または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、前記焼却炉内の新たな撮像データと、新たなプロセスデータおよび／または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第１評価軸での評価を行う、 ことを特徴とする請求項１、３、６～８のいずれかに記載の情報処理装置。 【請求項１０】 前記プロセスデータは、前記撮像データの撮像時刻と前記センサの応答時刻との間のタイムラグを考慮したデータであり、 前記タイムラグは前記センサの応答速度、施設内での前記センサの設置位置、実験、シミュレーション、運転員の経験則のうち少なくとも１つに基づいて決定される、 ことを特徴とする請求項９に記載の情報処理装置。 【請求項１１】 前記第１画像解析部は、焼却炉内の撮像データに対して、燃焼状態を判断する要素となる２つ以上の前記第１評価軸の各々における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、前記焼却炉内の新たな撮像データを入力として２つ以上の前記第１評価軸の各々での評価を行い、 前記燃焼状態判定部は、２つ以上の前記第１評価軸の各々での評価結果を、２つ以上の前記第１評価軸を座標軸とする予め定められた燃焼状態判定マップ上へマッピングすることにより、現在の燃焼状態を判定する、 ことを特徴とする請求項６～１０のいずれかに記載の情報処理装置。 【請求項１２】（削除） 【請求項１３】（削除） 【請求項１４】 前記燃焼状態判定部は、燃焼状態の判定結果を、施設内に設置されたセンサから得られるプロセスデータおよび／または当該プロセスデータから演算により得られる演算量に応じて補正する、 ことを特徴とする請求項６～１１のいずれかに記載の情報処理装置。 【請求項１５】 前記燃焼状態判定部は、燃焼状態の判定結果に応じてアラートの表示または発報を行う、 ことを特徴とする請求項６～１１、１４のいずれかに記載の情報処理装置。 【請求項１６】 前記燃焼状態判定部の判定結果に基づいて、クレーン制御装置および／または燃焼制御装置へ操作指示を送信する指示部をさらに備えた ことを特徴とする請求項６～１１、１４、１５のいずれかに記載の情報処理装置。 【請求項１７】 前記機械学習に用いられるアルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク（ＮＮ）、サポートベクターマシン（ＳＶＭ）、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、ブースティング、強化学習、ディープラーニングのうちの少なくとも１つを含む、 ことを特徴とする請求項６～１１、１４～１６のいずれかに記載の情報処理装置。 【請求項１８】 焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習することにより、前記第１学習済みモデルを生成するモデル構築部をさらに備えた ことを特徴とする請求項６～１１、１４～１７のいずれかに記載の情報処理装置。 【請求項１９】 請求項１６に記載の情報処理装置と、 前記情報処理装置から送信された操作指示に基づいて、廃棄物の攪拌または搬送を行うクレーンを制御する前記クレーン制御装置、および／または、焼却炉での廃棄物の燃焼を制御する前記燃焼制御装置と、 を備えたことを特徴とするシステム。 【請求項２０】 コンピュータが実行する情報処理方法であって、 焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、前記焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行うステップと、 前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定するステップと、 を含み、 前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである、 ことを特徴とする情報処理方法。 【請求項２１】 コンピュータに、 焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、前記焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行うステップと、 前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定するステップと、 を実行させ、 前記撮像データは、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データであって、６０秒以内の動画像データである、 ことを特徴とする情報処理プログラム。」 第４ 取消理由（決定の予告）の概要 訂正前の請求項１、３、８、１４ないし２１に係る発明に対し、当審において、令和７年４月２３日に特許権者に通知した取消理由（決定の予告）（以下「決定の予告」という。）は、大略、以下のとおりである。 取消理由１．（進歩性）本件特許の請求項１、３、８、１４ないし２１に係る発明は、本件特許出願前に日本国内又は外国において、頒布された下記の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に基いて、本件特許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るから、特許法第２９条第２項の規定に違反してなされたものであり、その発明に係る特許は特許法第１１３条第２号に該当し、取り消されるべきである。 記 ＜引用文献等一覧＞ 甲第１号証 ：特開２００１－１５９９１５号公報（以下「甲１」という。） 甲第２号証 ：特開２０１７－１８７２２８号公報（以下「甲２」という。） 甲第３号証 ：特開平６－３４１１８号公報（以下「甲３」という。） 特開昭６１－８３８１９号公報（以下「文献１２」という。） 第５ 甲号証等に記載された発明、事項等 １ 甲１ 甲１には以下の事項が記載されている（下線は、当審が付与した。以下同様。）。 （１）「【００１９】 【発明の実施の形態】本発明の運転支援装置を実炉に付帯させた場合の形態を説明する。図１は運転支援装置のブロック図であり、本発明の運転支援装置は、焼却炉1とガイダンス演算装置2と表示装置3から構成されている。 【００２０】焼却炉1では計測装置１ａにより炉内の各種物理量が計測され、それらのデータがガイダンス演算装置2へ入力される。本実施形態では、蒸発量、炉内各温度、排ガス濃度、および燃焼画像を計測値として用いている。」 （２）「【００２３】以下、ガイダンス演算装置2の各部の処理内容について説明する。 （１）燃焼状態評価部 ガイダンス演算装置2における燃焼状態評価部2aの処理内容を図2のブロック図に示す。 【００２４】燃焼状態評価における入力は蒸発量偏差、炉内各温度、排ガス濃度、炉内画像データによるごみ厚みと燃え切り点である。蒸発量偏差は蒸発量計測値と指令値との相対誤差より導出される。ごみ厚みは工業用カメラによる炉内燃焼画像のごみ部分の高さを検知することで得られる。燃え切り点は工業用カメラは炉内下流部から上流方向へ取り付けられているので、最も手前にある炎の位置を検出することで得られる。 【００２５】このようにして、蒸発量、炉内各温度、排ガス濃度、炉内画像データを取り込み、ファジィ演算を施す。その際用いるファジィルールを表1に示す。これらのファジィルールに従い、現在の燃焼状態を評価するために、計測量を入力として燃焼状態リスト各々における適合度を算出する。適合度とは現状の燃焼状態が表1内ファジィルールで定めたつまり各々の燃焼状態との近さを表し、値の大きいルールほど現在の燃焼状態に近いことを示す。なお、これらの燃焼状態リスト関連のデータは、図に示すように、燃焼状態蓄積装置５ａに蓄積しておくと便利である。 【００２６】適合度は各計測量の前件部に関する適合度をメンバーシップ関数より求めてから、燃焼状態毎に対応表に基づき、該当する適合度を積算することで算出する。各計測量における事象の適合度を図3に示す蒸発量偏差のメンバーシップ関数を例に挙げて説明する。蒸発量偏差がAであるとき、「蒸発量偏差が負である」という事象の適合度はa1（変数名は表1にも記載）、「蒸発量偏差が正である」という事象の適合度はa2である。 【００２７】なお、事象の適合度は0以上1以下の値で表現される。同様に燃焼室温度、O2濃度、NOx濃度、ごみ厚み、燃え切りについてもそれぞれの事象についての適合度が事前に決定されているメンバーシップ関数により求められる。なお、メンバーシップ係数は個々の焼却炉または運転訓練装置に合わせて調整可能とする。 【００２８】次に表1に示す対応表の燃焼状態毎に適合度を算出する。実際には、「蒸発量偏差が負」、「ガス混合室温度が低又は高」等の個々の事象の適合度の積により算出する。例えば、表1中Rule 1の燃焼状態「酸素過剰により燃焼不活発である」は、事象「ガス混合室温度が低」と事象「O2濃度が高」が、適合度の観点では関係がある。従って、これらの事象の適合度b1 とd2から、以下の式で適合度m1を導出する。 m1 = b1 × d2 (1) 【００２９】同様に各燃焼状態の適合度m1,...,miを算出して、燃焼状態リスト から最も適合する燃焼状態を判別し、演算結果として図2に示す適合度m1,...,miを手動操作方法判別部2bに出力する。」 （３）「【００３０】 【表１】 ［図：0001436138000001.jpg］ 」 （４）「【００３７】次に、mfmをしきい値mborderと比較する。このしきい値mborder（0以上1以下）は、これよりmfmが小さい場合は燃焼状態として対処する必要がないと判別するためのものであり、予め設定しておく。従って、mfm ＜ mborderならば、燃焼状態として対処する必要がない場合であり、燃焼が不良な状態ではない。そこで、「良好な燃焼状態である」のデータを表示し、燃焼状態回復の手動操作方法の表示は行わない。逆にmfm ≧ mborderならば、燃焼が良好ではない状態に該当するので、その燃焼状態の情報を表示装置3上に伝達する。 【００３８】手動操作方法についても重要度r1 … rjを比較し、重要度の高い手動操作方法の情報を併せて表示装置3上に伝達する。表示装置側では渡された燃焼状態、手動操作方法の情報を読み込み、予め作成しておいたデータベースからガイダンス内容を抽出して表示する。 【００３９】このようにして、表示装置3へ伝達された燃焼状態、手動操作方法のガイダンス表示例を図６に示す。表示する手動操作方法の数は最重要である手動操作方法のみでもいいし、重要度順に2、3個を表示しても良い。このようにして、燃焼状態に応じて複数の手動操作方法がガイダンス表示により習得できる。このことは、ごみ焼却炉プロセスが多変数干渉系であり、対処の方法も多くの場合複数考えられるので、ごみ焼却炉の手動操作方法習得においてより有効と考える。」 （５）「図２ ［図：0001436138000002.jpg］ 」 （６）「図３ ［図：0001436138000003.jpg］ 」 （７）「図６ ［図：0001436138000004.jpg］ 」 （８）上記（１）の段落【００２０】から、計測装置１ａは、ガイダンス演算装置2へ入力される炉内の各種物理量を計測すると認められる。 また、上記（２）の段落【００２４】の「燃焼状態評価における入力は蒸発量偏差、炉内各温度、排ガス濃度、炉内画像データによるごみ厚みと燃え切り点である。」なる記載、段落【００２５】の「現在の燃焼状態を評価するために、計測量を入力として燃焼状態リスト各々における適合度を算出する。」なる記載から、ガイダンス演算装置2の燃焼状態評価において、「ごみ厚みの計測量」と「燃え切り点の計測量」が入力されると認められる。 そうすると、計測装置１ａは、「ごみ厚みの計測量」と「燃え切り点の計測量」を計測すると認められる。 さらに、上記（２）の段落【００２４】の「燃焼状態評価における入力は蒸発量偏差、炉内各温度、排ガス濃度、炉内画像データによるごみ厚みと燃え切り点である。」、「ごみ厚みは工業用カメラによる炉内燃焼画像のごみ部分の高さを検知することで得られる。燃え切り点は工業用カメラは炉内下流部から上流方向へ取り付けられているので、最も手前にある炎の位置を検出することで得られる。」なる記載から、上記「ごみ厚みの計測量」と「燃え切り点の計測量」について、炉内画像データを入力として、ごみ部分の高さを検知することで「ごみ厚みの計測量」が得られるとともに、最も手前にある炎の位置を検出することで「燃え切り点の計測量」が得られると認められる。 そうすると、計測装置１ａは、炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得るとともに、最も手前にある炎の位置を検出することで燃え切り点の計測量を得ると認められる。 （９）上記（１）の段落【００２６】の「適合度は各計測量の前件部に関する適合度をメンバーシップ関数より求めてから、燃焼状態毎に対応表に基づき、該当する適合度を積算することで算出する。」なる記載、段落【００２８】の「次に表1に示す対応表の燃焼状態毎に適合度を算出する。実際には、「蒸発量偏差が負」、「ガス混合室温度が低又は高」等の個々の事象の適合度の積により算出する。」なる記載、段落【００２９】の「同様に各燃焼状態の適合度m1,...,miを算出して、燃焼状態リストから最も適合する燃焼状態を判別し」なる記載から、ガイダンス演算装置2は、ごみ厚みの計測量、燃え切り点の計測量から、各事象の適合度を求めてから、燃焼状態毎に対応表に基づき、該当する適合度を積算することで燃焼状態の適合度を算出し、燃焼状態リストから最も適合する燃焼状態を判別する、すなわち、ごみ厚みの計測量、燃え切り点の計測量に基づいて燃焼状態を判別すると認められる。 （１０）上記（１）から、運転支援装置は、計測装置１ａと、ガイダンス支援装置2とを備えるといえる。 （１１）上記記載事項、認定事項及び図面の図示内容から、甲１には次の発明（以下「甲１発明」という。）が記載されている。 〔甲１発明〕 「炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得るとともに、最も手前にある炎の位置を検出することで燃え切り点の計測量を得る計測装置１ａと、 前記ごみ厚みの計測量、燃え切り点の計測量に基づいて燃焼状態を判別するガイダンス演算装置2と、 を備え、 前記炉内画像データは、工業用カメラによる炉内燃焼画像である、 運転支援装置。」 ２ 甲２ 甲２には、以下の事項が記載されている。 （１）「【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。 【００４１】 熱画像撮像部７５において、光学系の光軸Ｊ１を含む鉛直面上における画角は、例えば６０度である。当該鉛直面に垂直であり、かつ、光軸Ｊ１を含む面上における画角は、例えば４５度である。図１および図２では、符号Ｌを付す細線にて熱画像撮像部７５による撮像範囲を示している。搬送方向における撮像範囲は、前傾斜壁部２０１の一部から第２後燃焼火格子２５２までである。幅方向における撮像範囲は、一方の側壁部２０４から他方の側壁部２０４までである。光軸Ｊ１を含む鉛直面は、一対の側壁部２０４に平行であり、両者の中央に位置する。当該鉛直面上において燃焼火格子２４の表面と光軸Ｊ１とがなす角度は、好ましくは５度以上３０度以下であり、例えば１０度である。」 （２）「【００５２】 次に、ごみ高さ演算部８２が、熱画像からごみ高さ情報を取得する処理について説明する。ごみ高さ情報を取得するには、まず、機械学習により識別器８２１を構築する処理が事前準備として行われる。図６は、識別器８２１を構築する処理の流れを示す図である。 【００５３】 識別器８２１の構築では、まず、熱画像撮像部７５により取得される複数の熱画像が準備される（ステップＳ１１）。図７は、熱画像の一例を示す図である。熱画像撮像部７５では、ごみの燃焼時に生成される炭酸ガスや、火炎（輝炎）の影響を受けにくい特定波長の赤外線のみを検出することにより、図７に示すように、炭酸ガスや火炎の影響が除去された熱画像が取得される。実際には、火格子部２１上におけるごみの堆積状態（ごみ高さの分布）が様々である複数の熱画像が準備される。画像処理部８１では、複数の熱画像に対して平滑化処理等の画像処理が施される。当該画像処理が施された熱画像（多階調の画像）は、識別器８２１の学習に用いられる画像であり、以下、「教師画像」という。」 （３）「【００５５】 ごみ高さ演算部８２では、図９に示すように、各教師画像において火格子部２１の存在領域５３を分割した複数の分割領域５９（図９中にて細い破線にて示す。）が設定される。複数の分割領域５９は、図２を参照して説明した火格子部２１上の分割領域２９をそれぞれ示す。続いて、教師画像の各分割領域５９に対して、ごみ高さを示すクラスが、習熟した運転員により教示される（ステップＳ１２）。例えば、ごみが無い状態を０％とし、想定される最大高さを１００％として、０～１００％の範囲を分割した８個の区間をそれぞれ示す８個のクラスが設定され、当該８個のクラスのいずれかに、各分割領域５９が割り振られる。例えば、１％は１ｃｍ（センチメートル）に相当する。」 （４）「【００５８】 ごみ高さ演算部８２では、教示単位領域５９１の入力高さに基づいて、教師画像の各分割領域５９（に対応する火格子部２１上の分割領域２９）のごみ高さが算出される。各分割領域５９のごみ高さは、例えば、当該分割領域５９と重なる複数の教示単位領域５９１における入力高さの平均値または最大値である。各分割領域５９のごみ高さは、当該分割領域５９と重なる複数の教示単位領域５９１の面積に基づく重み付き平均値等であってもよい。そして、各分割領域５９のごみ高さに基づいて、当該分割領域５９に対して、ごみ高さの８個の区間をそれぞれ示す８個のクラスのいずれかが割り振られる。以上のように、ごみ高さ演算部８２により教示作業が支援されることにより、教師画像の各分割領域５９に対するクラスの決定（教示）を容易に、かつ、適切に行うことが可能となる。設定される複数のクラスの個数は、８以外であってよい。」 （５）「【００６１】 例えば、図９中にて符号５９ａを付す分割領域に注目する場合、図１０を参照して説明した場合と同様に、当該分割領域５９ａを含む注目領域５９０（図９中にて太線にて囲む。）が設定される。そして、注目領域５９０に含まれる複数の分割領域５９の領域輝度と分割領域５９ａの領域輝度との差、および、当該注目領域５９０と部分的に重なる複数の矩形領域５８の境界高さが、分割領域５９ａに対する複数の特徴量として取得される。各分割領域５９に教示されたクラスと、当該分割領域５９に対する複数の特徴量との組合せは、教師データとして扱われる。ごみ高さ演算部８２では、他の種類の特徴量が用いられてもよい。 【００６２】 学習部８２２では、未知の熱画像において、教師画像と同様にして設定される各分割領域のごみ高さを取得する部分識別器が、複数の教師データを用いて学習を行うことにより構築される。各分割領域の部分識別器の学習では、複数の教師画像において、当該分割領域と同じ位置の分割領域５９に対する複数の教師データが用いられる。ここで、識別器（部分識別器）の構築とは、識別器が含むパラメータに値を付与したり、構造を決定すること等により識別器を生成することを意味する。部分識別器において用いられるアルゴリズムとしては、様々なものが採用可能であり、本実施の形態では、ファジィクラスタリング（例えばファジィｃ平均法）が利用される。 【００６３】 既述のように、教師データは、複数（８個）のクラスのうちの１つのクラスを示し、ファジィクラスタリングを利用する部分識別器は、未知の熱画像の分類領域に対して、各クラスに属する度合いを示す帰属度（メンバシップ値）を出力する。制御システム８では、熱画像の複数の分類領域にそれぞれ対応する複数の部分識別器の集合が識別器（ここでは、ＦＣＭ識別器）８２１として扱われる。このようにして、ごみ高さ演算部８２において学習部８２２により識別器８２１が構築される（ステップＳ１４）。運転員（人）が熱画像から各位置のごみ高さを決定する際には、熱画像中の当該位置と周囲との色合いの差や、ごみ領域５１のエッジ等に基づいて、ごみの状態を無意識に三次元的に捉えていると考えられる。図６の処理により構築される識別器８２１では、熱画像中の当該位置および周囲の輝度や、ごみ領域５１と側壁部領域５２との境界位置に基づく複数の特徴量を用いることにより、運転員による上記決定に従った分類が可能となる。 【００６４】 図１１は、ごみ高さ情報を取得する処理の流れを示す図である。ごみ高さ情報の取得では、熱画像撮像部７５により熱画像が取得され、画像処理部８１を介してごみ高さ演算部８２に入力される（ステップＳ２１）。熱画像では、図９と同様に、複数の分割領域５９および複数の矩形領域５８が設定され、上記ステップＳ１３と同様にして、各分割領域５９に対して複数の特徴量が取得される（ステップＳ２２）。各分割領域５９に対する複数の特徴量は、当該分割領域５９の領域輝度と、当該分割領域５９の周囲の分割領域５９の領域輝度との差を含む。また、当該複数の特徴量は、当該分割領域５９近傍の矩形領域５８における境界高さを含む。 【００６５】 そして、各分割領域５９に対する複数の特徴量が、当該分割領域５９に対応する部分識別器に入力されることにより、当該分割領域５９に対して、ごみ高さの８個のクラスの帰属度が分類結果として出力される（ステップＳ２３）。ごみ高さ演算部８２では、８個のクラスの帰属度の総和で、各クラスの帰属度を割って得た値が当該クラスの重みとして求められる。また、各クラスが示すごみ高さの範囲の中央値、最大値または最小値等が当該クラスの代表高さとして扱われる。 そして、代表高さと重みとを掛けて得た値の全てのクラスにおける総和、すなわち、全てのクラスに対する重み付き平均値が、当該分割領域５９に対応する火格子部２１上の分割領域２９のごみ高さとして取得される（ステップＳ２４）。これにより、搬送方向および幅方向における火格子部２１上の各位置のごみ高さを示すごみ高さ情報が取得される。」 （６）「【００７２】 焼却炉１では、火格子部２１が、複数の搬送レーン２１０に分割され、各搬送レーン２１０において、乾燥火格子２３によるごみの搬送速度と、燃焼火格子２４によるごみの搬送速度とが、ごみ高さ情報に基づいて個別に制御される。これにより、各搬送レーン２１０において、搬送経路におけるごみ高さの分布を安定させることができ、ごみの燃焼をさらに安定させることができる。また、燃焼火格子２４が、第１燃焼火格子２４１と、第２燃焼火格子２４２とを備え、第１燃焼火格子２４１によるごみの搬送速度と、第２燃焼火格子２４２によるごみの搬送速度とが個別に制御される。これにより、搬送経路におけるごみ高さの分布を、理想的な分布に近づける制御をより自在に行うことができる。 【００７３】 さらに、乾燥火格子２３と燃焼火格子２４とに供給される空気の流量および温度が、ごみ高さ情報に基づいて個別に制御されることにより、ごみの燃焼をさらに安定させることができる。また、低空気比燃焼における排ガス中のＮＯｘおよびＣＯ（一酸化炭素）の発生量の低減等も実現することができる。なお、焼却炉１では、乾燥火格子２３と燃焼火格子２４とに供給される空気の流量または温度の一方のみが制御されてもよい。」 （７）「図１ ［図：0001436138000005.jpg］ 」 （８）上記（１）の段落【００４１】の「熱画像撮像部７５において、光学系の光軸Ｊ１を含む鉛直面上における画角は、例えば６０度である。当該鉛直面に垂直であり、かつ、光軸Ｊ１を含む面上における画角は、例えば４５度である。図１および図２では、符号Ｌを付す細線にて熱画像撮像部７５による撮像範囲を示している。搬送方向における撮像範囲は、前傾斜壁部２０１の一部から第２後燃焼火格子２５２までである。幅方向における撮像範囲は、一方の側壁部２０４から他方の側壁部２０４までである。」なる記載、及び、上記（４）の焼却炉１における熱画像撮像部７５による撮像範囲Ｌから、熱画像撮像部７５は、焼却炉１内の熱画像を取得すると認められる。 （９）上記（２）の段落【００５３】の「まず、熱画像撮像部７５により取得される複数の熱画像が準備される（ステップＳ１１）。」、「当該画像処理が施された熱画像（多階調の画像）は、識別器８２１の学習に用いられる画像であり、以下、「教師画像」という。」なる記載、上記（３）の段落【００５５】の「ごみ高さ演算部８２では、図９に示すように、各教師画像において火格子部２１の存在領域５３を分割した複数の分割領域５９（図９中にて細い破線にて示す。）が設定される。」、「続いて、教師画像の各分割領域５９に対して、ごみ高さを示すクラスが、習熟した運転員により教示される（ステップＳ１２）。例えば、ごみが無い状態を０％とし、想定される最大高さを１００％として、０～１００％の範囲を分割した８個の区間をそれぞれ示す８個のクラスが設定され、当該８個のクラスのいずれかに、各分割領域５９が割り振られる。」なる記載から、教師画像は、焼却炉１内の熱画像に対して、ごみ高さ情報を取得するためのごみ高さにおける８個のクラスが割り振られたものであると認められる。 （１０）上記（５）の段落【００６２】の「学習部８２２では、未知の熱画像において、教師画像と同様にして設定される各分割領域のごみ高さを取得する部分識別器が、複数の教師データを用いて学習を行うことにより構築される。各分割領域の部分識別器の学習では、複数の教師画像において、当該分割領域と同じ位置の分割領域５９に対する複数の教師データが用いられる。」なる記載、段落【００６３】の「制御システム８では、熱画像の複数の分類領域にそれぞれ対応する複数の部分識別器の集合が識別器（ここでは、ＦＣＭ識別器）８２１として扱われる。このようにして、ごみ高さ演算部８２において学習部８２２により識別器８２１が構築される（ステップＳ１４）。」なる記載から、部分識別器は、教師画像において、分割領域と同じ位置の分割領域５９に対する複数の教師データを用いて学習したものであると認められる。 （１１）上記（５）の段落【００６４】の「ごみ高さ情報の取得では、熱画像撮像部７５により熱画像が取得され、画像処理部８１を介してごみ高さ演算部８２に入力される（ステップＳ２１）。熱画像では、図９と同様に、複数の分割領域５９および複数の矩形領域５８が設定され、上記ステップＳ１３と同様にして、各分割領域５９に対して複数の特徴量が取得される（ステップＳ２２）。」なる記載、段落【００６５】の「各分割領域５９に対する複数の特徴量が、当該分割領域５９に対応する部分識別器に入力されることにより、当該分割領域５９に対して、ごみ高さの８個のクラスの帰属度が分類結果として出力される（ステップＳ２３）。」、「代表高さと重みとを掛けて得た値の全てのクラスにおける総和、すなわち、全てのクラスに対する重み付き平均値が、当該分割領域５９に対応する火格子部２１上の分割領域２９のごみ高さとして取得される（ステップＳ２４）。これにより、搬送方向および幅方向における火格子部２１上の各位置のごみ高さを示すごみ高さ情報が取得される。」なる記載から、ごみ高さ演算部８２は、部分識別器を用いて、焼却炉１内の熱画像を入力としてごみ高さ情報を取得するものであると認められる。 （１２）上記記載事項、認定事項及び図面の図示内容から、甲２には次の事項（以下「甲２記載事項１」～「甲２記載事項３」という。）が記載されている。 〔甲２記載事項１〕 「焼却炉１内の熱画像に対して、ごみ高さ情報を取得するためのごみ高さにおける８個のクラスが割り振られた教師画像において、分割領域と同じ位置の分割領域５９に対する複数の教師データを用いて学習した部分識別器を用いて、焼却炉１内の熱画像を入力としてごみ高さ情報を取得するごみ高さ演算部８２。」 〔甲２記載事項２〕 「赤外線カメラである熱画像撮像部７５により取得された熱画像を用いて、ごみ高さ情報を取得すること。」 〔甲２記載事項３〕 「ごみ高さ情報に基づいて、乾燥火格子２３によるごみの搬送速度と、燃焼火格子２４によるごみの搬送速度と、乾燥火格子２３と燃焼火格子２４とに供給される空気の流量および温度が、個別に制御されること。」 ３ 甲３ 甲３には、以下の事項が記載されている。 「【００１２】図２に示すように、前記燃え切り位置検出手段Ｄは、被焼却物の搬送方向に沿って複数配置され炎の有無を受光強度に基づき検出するフォトセンサでなる光量検出手段Ｄ１と、前記燃焼帯７近傍の上方内壁面に複数配置され炉内の温度を検出する炉内温度検出手段Ｄ２と、被焼却物の搬送方向に沿って前記火格子Ｇに複数配置され前記火格子Ｇの温度を検出する火格子温度検出手段Ｄ３と、それらからの検出値に基づき各別に燃え切り地点を推定する複数の下位ニューラルネットワークＮ１，Ｎ２，Ｎ３と、各下位ニューラルネットワークＮ１，Ｎ２，Ｎ３の出力を統合する上位ニューラルネットワークＮ４とで構成してある。」 上記記載事項から、甲３には次の事項（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〕 「燃え切り位置検出手段Ｄを、炎の有無を受光強度に基づき検出するフォトセンサでなる光量検出手段Ｄ１と、炉内の温度を検出する炉内温度検出手段Ｄ２と、火格子Ｇの温度を検出する火格子温度検出手段Ｄ３と、それらからの検出値に基づき各別に燃え切り地点を推定する複数の下位ニューラルネットワークＮ１，Ｎ２，Ｎ３と、各下位ニューラルネットワークＮ１，Ｎ２，Ｎ３の出力を統合する上位ニューラルネットワークＮ４とで構成すること。」 ４ 文献１２ 文献１２には、以下の事項が記載されている。 「〔実施例〕 以下図面を参照してこの発明の一実施例について説明する。第１図はこの発明のごみ焼却炉の燃焼制御法の構成を示すもので、２１はテレビカメラである。このテレビカメラ２１は上記第２図のテレビカメラ１８と同じくストーカ１５上のごみ燃焼状態を撮影するもので、その撮影信号がテレビ受像機２２に送られて映像化される。ここで、この映像における各燃焼状態を示す情報が画像処理装置２３によって算出される。すなわち、画面における燃焼完結位置ｘ１，燃焼中心位置ｘ２，燃焼域上限ｘ３及び輝度の積分値Ｓが送出されるもので、これらの各情報はあいまい制御器２４に入力される。あいまい制御器２４は、入力された各情報により燃焼完結位置ｘ１，燃焼範囲ｘ３－ｘ１，輝度積分値Ｓのそれぞれを、大中小３段階のあいまい集合として認識し、これからあいまい推論に基づいてごみ投入量を決定するフィーダ１４の動き及びホッパ１３へのごみ投入量を算出し、その算出結果データｙをフィーダ１４及びクレーン１２の制御信号として出力する。これは、例えば、燃焼完結位置ｘ１が「小」であり、また輝度積分値Ｓが「大」である場合はごみ投入量を多くするためにフィーダ１４の動きを「大」とするよう制御するもので、燃焼状態に応じて通常１０～５０ケの制御動作を制御則として登録しておくものである。」（第２頁右上欄第８行～左下欄第１５行） 上記記載事項から、文献１２には次の事項（以下「文献１２記載事項」という。）が記載されている。 〔文献１２記載事項〕 「燃焼完結位置ｘ１，燃焼範囲ｘ３－ｘ１，輝度積分値Ｓのそれぞれを、大中小３段階のあいまい集合として認識し、これからあいまい推論に基づいてクレーン１２の制御信号を出力すること。」 第６ 当審の判断 １ 本件発明１について 本件発明１と甲１発明とを、その機能、構成又は技術的意義を考慮して対比する。 甲１発明の「炉内画像データ」は、「炉内」の「画像データ」であるから、本件発明１の「焼却炉内の新たな撮像データ」に相当する。 また、甲１発明の「ごみ厚み」及び「燃え切り点」は「第１評価軸」に、「計測量を得る」は「評価を行う」に、「計測装置１ａ」は「第１画像解析部」に、それぞれ相当する。 そうすると、甲１発明の「炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得るとともに、最も手前にある炎の位置を検出することで燃え切り点の計測量を得る計測装置１ａ」と、本件発明１の「焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部」とは、「焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部」の点に限り一致する。 甲１発明の「計測量」は、本件発明１の「評価結果」に相当し、以下同様に、「燃焼状態を判別する」は「現在の燃焼状態を判定する」に、「ガイダンス演算装置2」は「燃焼状態判定部」に、それぞれ相当する。 そうすると、甲１発明の「前記ごみ厚みの計測量、燃え切り点の計測量に基づいて燃焼状態を判別するガイダンス演算装置2」は、本件発明１の「前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定する燃焼状態判定部」に相当する。 甲１発明の「運転支援装置」は、計測装置１ａ及びガイダンス支援装置2において、炉内画像データ、計測量等の情報を処理するものであるから、本件発明１の「情報処理装置」に相当する。 よって、本件発明１と甲１発明とは、次の一致点で一致し、相違点で相違する。 〔一致点〕 「焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部と、 前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定する燃焼状態判定部と、 を備えた情報処理装置。」 〔相違点１〕 「焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部」に関し、 本件発明１においては、「焼却炉内の撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部」であるのに対して、 甲１発明においては、「炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得るとともに、最も手前にある炎の位置を検出することで燃え切り点の計測量を得る計測装置１ａ」である点。 〔相違点２〕 「撮像データ」について、本件発明１においては、「赤外線撮像装置で撮像した焼却炉内の赤外線撮像データである」のに対し、甲１発明においては、「工業用カメラによる炉内燃焼画像」である点。 まず、相違点１について検討する。 甲１発明と甲２記載事項１は、ともにごみ焼却炉内の燃焼状況を撮像した画像によりごみ厚みを算出する技術であり、両者の技術分野は関連している。そして、入力信号から特定の事象を推定又は検出する際に、事象の推定又は検出の精度を向上させることは例示するまでもなく周知の技術課題であるから、甲１発明においても、当該技術課題は内包しているといえる。 してみると、甲１発明において、炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得る際の精度を向上させるために、甲２記載事項１を参照して、焼却炉１内の炉内画像データに対して、ごみ厚みにおける複数個のクラスが割り振られた教師画像において複数の教師データを用いて学習した部分識別器を用いて、ごみ厚みの計測量を得ることは、当業者が容易に想到し得たことである。 次に、相違点２について検討する。 甲１発明と甲２記載事項２は、ともにごみ焼却炉内の燃焼状況を撮像する技術であり、両者の技術分野は関連している。そして、甲１発明の工業用カメラと甲２記載事項２の赤外線カメラは、焼却炉内のごみ厚みをカメラで計測するという機能を有しているから、甲１発明と甲２記載事項２との間で機能は共通しているといえる。そうすると、甲１発明に甲２記載事項２を適用する動機付けが存在する。 してみると、ごみ厚みを計測するために、甲１発明の工業カメラに替えて、甲２記載事項２に基づき赤外線カメラを採用することは、当業者が容易に想到し得たことである。 そして、全体として見ても、本件発明１が奏する作用効果は、甲１発明、甲２記載事項１及び甲２記載事項２から当業者が予測し得る範囲内のものであって、格別なものではない。 よって、本件発明１は、甲１発明、甲２記載事項１及び甲２記載事項２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ある。 ２ 本件発明３について 甲１発明の「ごみ厚み」は、本件発明３の「被燃焼物の量」に相当する。 そうすると、両者は、本件発明１と甲１発明との対比における上記１で述べた一致点で一致し、相違点１及び２で相違する。そして、当該相違点１及び２についての判断は、上記１の相違点１及び２についての検討で述べたとおりである。 よって、本件発明３は、甲１発明、甲２記載事項１及び甲２記載事項２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ある。 ３ 本件発明８及び１４ないし１９について 本件発明８及び１４ないし１９は、本件発明６又は本件発明７の発明特定事項を全て含み、さらに、本件発明８、１１及び１４ないし１９において新たに特定される事項を付加したものである。 そして、本件発明６及び本件発明７は、下記「第７の２（２）ア及びイ」で述べるとおり、当業者が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８及び１４ないし１９も、本件発明６及び本件発明７に対して示したものと同様の理由により、当業者が容易に発明をすることができたものではない。 ４ 本件発明２０について 本件発明２０は、その記載からみて、実質的に「情報処理装置」に係る発明である本件発明６（本件発明６のうち、本件発明１のみを引用する本件発明６）を、「情報処理方法」に係る発明としたものといえる。 したがって、本件発明２０は、下記「第７の２（２）ア」において本件発明６に対して示した理由と同様に、当業者が容易に発明をすることができたものではない。 ５ 本件発明２１について 本件発明２１は、その記載からみて、実質的に「情報処理装置」に係る発明である本件発明６（本件発明６のうち、本件発明１のみを引用する本件発明６）を、「情報処理プログラム」に係る発明としたといえる。 したがって、本件発明２１は、下記「第７の２（２）ア」において本件発明６に対して示した理由と同様に、当業者が容易に発明をすることができたものではない。 第７ 決定の予告において採用しなかった特許異議申立て理由について １ 決定の予告において採用しなかった特許異議申立書の取消理由の概要 申立人は、特許異議申立書において、以下の取消理由を主張する。 （１）取消理由１（特許法第２９条第２項に係る取消理由） 請求項６、７及び９ないし１３に係る発明は、本件特許出願前に日本国内又は外国において、頒布された以下の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あるから、特許法第２９条第２項の規定に違反してなされたものであり、その発明に係る特許は特許法第１１３条第２号に該当し、取り消されるべきである。 （２）取消理由２（特許法第３６条第６項第１号に係る取消理由） 請求項１ないし１０及び１４ないし２１に係る発明は、以下のとおり、特許請求の範囲に記載したものではないから、特許法第３６条第６項第１号の規定に違反して特許されたものであり、その特許は特許法第１１３条第４号の規定により取り消されるべきである。 本件明細書の【発明が解決しようとする課題】欄には、「燃焼状態には火炎の状態だけではなく被燃焼物に関する情報（たとえば、被燃焼物の量や質、種類）も影響する」こと、そして、「火炎の状況しか把握できない燃焼映像だけでは、たとえば被燃焼物の量の違いから実際は異なる燃焼状態であったとしても、同様の燃焼状態であると分類される可能性が高くなるため、プロセス値の予測・推定や燃焼状態の分類・予測・推定がうまくできない可能性がある」ことが記載されている（段落【０００７】）。 しかしながら、請求項１では、「第１評価軸での評価結果に基づいて現在の燃焼状態を判定する」ことが特定されているのみであって、請求項１の技術的範囲には、上記の課題を解決することができない、火炎の状態についての評価結果のみから燃焼状態を判定する構成が含まれている。 よって、請求項１には、発明の詳細な説明に記載された、発明の課題を解決するための手段が反映されておらず、請求項１は、発明の詳細な説明に記載した範囲を超えて特許を請求するものとなっている。 請求項２ないし１０及び１４ないし２１についても同様である。 （３）取消理由３（特許法第３９条第２項に係る取消理由） 請求項１２に係る発明は、本件特許と同日の出願である下記の甲第１１号証の特許の請求項２に係る発明と同一であり、かつ、下記の甲第１１号証の特許の請求項２に係る発明は特許されており協議を行うことができないから、特許法第３９条第２項の規定により特許を受けることができないものであるため、請求項１２に係る特許は、同法第１１３条第２号に該当し、取り消すべきものである。 ＜引用文献等一覧＞ 甲第１号証 ：特開２００１－１５９９１５号公報（上記甲１） 甲第２号証 ：特開２０１７－１８７２２８号公報（上記甲２） 甲第３号証 ：特開平６－３４１１８号公報（上記甲３） 甲第４号証 ：特開２０２１－９６０４６号公報（以下「甲４」という。） 甲第５号証 ：特開平１０－３８２４３号公報（以下「甲５」という。） 甲第６号証 ：特開２０１９－７４２４０号公報（以下「甲６」という。） 甲第７号証 ：特開２０２１－１８８８８０号公報（以下「甲７」という。） 甲第８号証 ：特開平９－１４６３０号公報（以下「甲８」という。） 甲第９号証 ：特開平７－２０８７３３号公報（以下「甲９」という。） 甲第１０号証：特公平７－５４１７１号公報（以下「甲１０」という。） 甲第１１号証：特許第７３９１２８６号（以下「甲１１」という。） ２ 取消理由１についての当審の判断 （１）各甲号証の記載事項等 ア 甲１ないし甲３ 甲１ないし甲３の記載事項等は、上記「第５の１」ないし「第５の３」のとおりである。 イ 甲４ 甲４には、以下の事項が記載されている （ア）「【発明が解決しようとする課題】 【０００４】 燃焼設備において被焼却物を燃焼させる火炎の状態は、当該火炎が生ずる前のフィーダおよび乾燥段における被焼却物の燃焼状況により変化する。しかし、撮影画像おいて、フィーダおよび乾燥段の被焼却物は火炎により遮られるため、フィーダおよび乾燥段における燃焼状態の把握は困難である。 本開示は、上記課題を解決するためになされたものであって、燃焼装置の状態特定装置、状態特定方法およびプログラムを提供することを目的とする。」 （イ）「【００２１】 カメラ２２０は可視カメラおよび赤外カメラを有するカメラである。カメラ２２０が撮影する処理画像は、フィーダ３１と、乾燥段２１と、燃焼段２２と、後燃焼段２３と、が写る画像である。カメラ２２０が生成する処理画像には、被焼却物４００から発生する輝炎が写る。上記赤外カメラは、火炎透過画像と温度分布画像を撮像できる。火炎透過画像と温度画像とは、赤外カメラが測定する赤外線の波長が異なる。赤外カメラは火炎を透過できる波長の赤外線を受け入れて火炎透過画像を撮像する。他方、赤外カメラは、火炎透過画像とは異なる波長の赤外線を受け入れて温度分布画像を撮像する。」 （ウ）「【００２４】 輝度特定部３２０は、画像取得部３１０がカメラ２２０から取得した可視カメラおよび赤外カメラが撮影した処理画像を受け入れる。以下、可視カメラが撮影した処理画像を可視画像といい、赤外カメラが撮影した処理画像を赤外画像という。また、赤外画像には、火炎透過画像と温度分布画像がある。カメラ２２０の位置は固定されているため、カメラ２２０が撮影した処理画像におけるフィーダ３１と、乾燥段２１と、燃焼段２２と、後燃焼段２３のそれぞれが写る領域は特定できる。」 （エ）「【００３１】 また、乾燥段２１において乾燥が行われた被焼却物４００の温度は、乾燥が行われていない被焼却物４００の温度より高くなるため、状態特定装置３００は、火炎透視画像の乾燥段２１が写る領域の輝度で被焼却物４００の乾燥の度合いを把握することができる。すなわち、火炎透視画像の乾燥段２１が写る領域が高い輝度を示す場合、乾燥段２１に存在する被焼却物４００の温度が高く、被焼却物４００が十分に乾燥されていることが分かる。しかし、火炎透視画像の乾燥段２１が写る領域が低い輝度を示す場合、乾燥段２１に存在する被焼却物４００の温度が低く、被焼却物４００が十分に乾燥されてないことが分かる。 【００３２】 また、火炎透視画像の乾燥段２１が写る領域における輝度の標準偏差が高くなる場合、乾燥段２１に存在する被焼却物４００の温度にバラツキが生じているために、乾燥段２１に存在する被焼却物４００の量が多く、高さ方向に被焼却物４００が高く堆積していることが分かる。他方、火炎透視画像の乾燥段２１が写る領域における輝度の標準偏差が低く、高さ方向に被焼却物４００が低く堆積している場合、乾燥段２１に存在する被焼却物４００の温度にバラツキが生じておらず、乾燥段２１に存在する被焼却物４００の量が少ないことが分かる。 【００３３】 点特定部３３０は、輝度特定部３２０が特定した可視画像の明るいメッシュと暗いメッシュに基づいて、被焼却物４００の燃焼による火炎Ｆの搬送方向Ｄａ後側の端である燃え切り点Ｚを特定する。具体的には、点特定部３３０は、以下の動作で燃え切り点Ｚを特定する。 【００３４】 点特定部３３０は、輝度特定部３２０が処理画像の特定を特定してメッシュに分けたデータを受け入れて、当該処理画像における明るいメッシュのうち、最も下方のものの位置を特定する。当該明るいメッシュと、フィーダ３１及び乾燥段２１が接続する点を基準との距離を特定して、燃え切り点Ｚを特定する。例えば、上記距離が２．５Ｍである場合、燃え切り点は２．５Ｍと特定される。 【００３５】 温度特定部３４０は、画像取得部３１０がカメラ２２０の温度分布画像に基づいて、後燃焼段２３の温度を特定する。例えば、温度特定部３４０は、予め設定された閾値を超える温度を示す部分が、後燃焼段２３の処理画像において、下部に位置するか、中部に位置するか、上部に位置するかを特定する。 【００３６】 状態特定部３５０は、輝度特定部３２０が特定した可視画像の輝度及び火炎透視画像の輝度に基づいて燃焼状態を特定する。本実施形態において燃焼状態は、「安定燃焼」、「不均一燃焼」、「早期燃焼」、「フィーダ燃焼」、「乾燥不良」、「燃え切り不良」、「境界不良」の何れかの状態を指す。」 （オ）「【００７５】 モデル生成部３７０は、乾燥段２１の輝度を含む入力サンプルと、当該乾燥段２１の燃焼状態を含む出力サンプルからなるデータセットを用いた教師あり学習によって学習させられた学習済みモデルを生成して、モデル記憶部３８０に記録する。例えば、モデル生成部３７０は、可視画像の輝度の値を入力サンプルとする。また、モデル生成部３７０は、燃焼状態が「乾燥不良」であるか否かに関連付けられた値を出力サンプルとする。モデル生成部３７０は、上記輝度の値を入力サンプルとし、上記燃焼状態を現す値を出力サンプルとするデータセットを用いて、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）の手法を用いて、学習済みモデルを学習させる。上記学習済みモデルとは、上記輝度の値と、上記燃焼状態の値と、重みとが関連付けられた関係式である。」 ウ 甲５ 甲５には、以下の事項が記載されている。 （ア）「【０００８】 【課題を解決するための手段】本発明者等は前記課題に対し鋭意研究した結果、ニューラルネットワークを運転中の燃焼装置から教師データをオンラインで得て、そのデータを利用してニューラルネットワークを新たに生成し、その生成されたニューラルネットワークにより稼働中のニューラルネットワークを燃焼装置の稼働中に更新することにより前記課題が氷解されることを見出し、本発明を完成するに至った。」 （イ）「【００２７】特徴パラメータ抽出・生成手段２４は、得られた新しい表色系での成分値あるいはＲＧＢ表色系の画像データから１画面の燃焼状態を表す特徴パラメータを抽出あるいは生成するものである。例えば、Ｉ，Ｑの１画面当りの平均値を算出して、その値を特徴パラメータとして抽出したり、あるいはＹ，Ｉ，Ｑの一画面平均値に対する時間的な傾き、例えば３０秒間の傾きや１５秒間の傾きを算出したり、Ｒ，Ｇ，Ｂの一画面平均値に対する時間的な傾き、例えば３０秒間の傾きや１５秒間の傾きを算出したり、Ｙ，Ｉ，Ｑの各種組合せの和や差、例えばＹ＋Ｉ，Ｙ＋Ｉ＋Ｑ，Ｙ-Ｑなどを算出したり、Ｒ，Ｇ，Ｂの各種組合せの和や差、例えばＲ-Ｂ，Ｒ＋Ｇ＋Ｂなどを算出したりして、特徴パラメータを生成するものである。」 （ウ）「【００３２】可変ニューラルネットワーク手段４２は、入力された特徴パラメータの値に基づいて、あるいは必要に応じてプロセス状態量入力手段３２からのプロセス状態量の値にも基づいて、典型的な燃焼状態との適合度を求めて、例えば燃焼悪化、燃焼適正、燃焼過剰というような燃焼状態の判定または評価を行うニューラルネットワークが、燃焼装置の運転データをオンラインで取り込んで作成された教師データにより、その燃焼装置の稼働中に学習がなされた新たなニューラルネットワークに更新可能とされてなるものである。」 （エ）「【００３４】また、初期ニューラルネットワーク４２１およびオンライン・ニューラルネットワーク４２２は、従前と同様に、複数の処理ユニットから構成されている入力層と中間層と出力層とから構成されている（図4参照）。また、これらの各処理ユニットも、従前と同様に、次層および前層の間で学習により定められる重み係数でもって結合されるとともに、各処理ユニットは前層からの入力の総和をとる加算器と学習により定められる閾値を持った閾値関数を有している。そして、これらのニューラルネットワーク４２１，４２２の学習においては、従前と同様に、入力パターン（教師入力データ）と目標出力パターン（教師出力データ（燃焼状態データ））対が提示される。この提示の直後に、ニューラルネットワーク４２１，４２２の出力と目標出力との間の差が減少するように、重みと閾値の調整がなされる。学習に際しては、入力パターンと目標パターンの対の集合である学習用集合を用い、ニューラルネットワーク４２１，４２２にはこれを繰返し提示する。この学習が終了すると、ニューラルネットワーク４２１，４２２の動作テストがなされる。」 （オ）「【００４２】ここで、基本教師入力データは、既存の燃焼装置の典型的な燃焼状態における、例えばＲ成分の１５秒平均、時間軸上のＲ成分の傾きなどとされ、可変教師入力データは、その時点時点における、例えばＲ成分の１５秒平均、時間軸上のＲ成分の傾きなどとされ、燃焼状態データは、特徴ある燃焼状態になったときの燃焼状態の判定結果、例えば燃焼過剰、燃焼適正、燃焼悪化とされる。また、Ｎはニューラルネットワークの入力数（ＮIN）とニューラルネットワーク出力数（ＮOUT）との和、ｎ、ｎ‘、ｍはそれぞれ基本教師入力データ数、可変教師入力データ数、燃焼状態データ数を示す。」 エ 甲６ 甲６には、以下の事項が記載されている。 （ア）「【０００５】 また、例えば灰中未燃分、ＮＯｘ濃度、ＣＯ濃度などの状態量を燃焼炉の運転中に計測することで燃焼状態を判定する手法も考えられるが、状態量の計測に時間を要する場合（例えば灰中未燃分など）には、計測結果に基づいて行った燃焼状態の判定結果をリアルタイムに運転制御に用いることは困難である。」 （イ）「【００１３】 （６）幾つかの実施形態では、上記（３）～（５）の構成において、 前記状態量は、前記炉内の燃焼時に生じる排ガスまたは排出物に関する状態量であり、 前記学習データ生成部は、前記過去画像情報に対して、該過去画像情報の基になる前記画像が撮像された時から所定の時間経過後に前記状態量の計測地点で計測された計測値を対応付けることによって前記学習データを生成する。 上記（６）の構成によれば、学習データは、過去画像情報によって示される燃焼状態で生じた排ガスまたは排出物が状態量の計測地点に到達するまでのタイムラグを考慮して作成される。このようなタイムラグは燃焼炉の種類や計測地点の位置によって無視できないほど異なる場合があり、タイムラグを考慮して学習データを作成することにより、推定精度の高い推定モデルを作成することができる。」 （ウ）「【００３６】 図1は、本発明の一実施形態に係る炉内状態量推定装置１が設置された燃焼炉７の構成を概略的に示す図である。図1に示す実施形態の燃焼炉７は、都市ゴミ又は産業廃棄物等を燃料Ｆｇとするストーカ式のごみ焼却炉であり、炉内状態量推定装置１はごみ焼却炉における、例えば灰中未燃分、ＮＯｘ濃度、ＣＯ濃度などの状態量Ｓを推定する。以下、ごみを燃焼する燃焼領域８（燃焼室）を備えるごみ焼却炉を燃焼炉７の例に本発明を説明するが、本実施形態に本発明は限定されない。他の幾つかの実施形態では、炉内状態量推定装置１は、ボイラ、ＩＧＣＣにおける石炭をガス化するガス化炉などの燃料Ｆｇを燃焼させる燃焼室を備える燃焼炉７における燃焼状態に応じて変化する状態量Ｓを推定するように構成されても良い。ごみ焼却炉や、ボイラ、ガス火炉などは後述する上部７ｃおよび側壁部７ｓを有する点で共通しており、燃焼炉７がボイラやガス火炉の場合には、以下に記載された燃焼炉７をボイラやガス化炉に適宜読み替えるものとする。」 （エ）「【００３８】 また、図1に示すように、燃焼炉７には、炉内を撮像するための撮像装置６が設置される。撮像装置６は、例えば動画像または静止画像の少なくとも一方が撮像可能な炉内カメラである。より具体的には、撮像装置６は、例えば、デジタルカメラ、ビデオカメラ、特定の波長を検知可能な赤外線カメラなどのカメラであっても良い。図1に示す実施形態では、撮像装置６は、一次燃焼領域８１の上方（図1では直上部）に位置する燃焼炉７の上部７ｃに設置されており、燃焼状態を真上から撮像するように構成されている。ただし、本実施形態に本発明は限定されず、他の幾つかの実施形態では、撮像装置６は燃焼炉７の側壁部７ｓなど、燃焼炉７の上部７ｃ以外の位置に設置されても良い。例えば、側壁部７ｓにおける二次燃焼領域８２を形成する部分や、そのさらに上の部分（上部７ｃにより近い部分）に撮像装置６を設置すると共に、一次燃焼領域８１が位置する下方を撮像するように斜め下に向けて設置されても良い。こうして撮像装置６によって撮像された燃料Ｆｇの燃焼時の炉内の画像Ｖ（燃焼画像）は、撮像装置６に接続される記憶装置に記憶（蓄積）される。図1に示す実施形態では、炉内状態量推定装置１の記憶装置１ｍに記憶されるように構成されているが、他の幾つかの実施形態では、例えば、後述する推定モデル作成装置２ｂが備える記憶装置や、その他の装置の記憶装置など、炉内状態量推定装置１とは別体の記憶装置に記憶されても良い。」 （オ）「【００４２】 図2に示す実施形態では、過去の画像Ｖの撮像タイミングと同期をとって灰中未燃分をサンプリングしたり、ＮＯｘ濃度やＣＯ濃度などをセンサで計測することにより状態量Ｓを取得すると共に、その過去の画像Ｖに基づいて得られる過去画像情報Ｉｐに取得した状態量Ｓを対応付けることによって、各学習構成データを作成している。なお、灰中未燃分の値は燃焼効率の指標となるものであり、炉出口でサンプリングした灰を分析計で加熱し、その際の重量変化を計測する手法（ＪＩＳ Ｍ ８８１５）により求めることが可能である。推定モデルＭの作成の詳細については後述する。」 （カ）「【００４７】 上記の構成によれば、炉内の燃焼状態に応じて、例えば灰中未燃分や、ＮＯｘ濃度、ＣＯ濃度などの状態量Ｓは変化するが、炉内の燃焼時の画像情報Ｉと、その画像情報Ｉが撮像された際の状態量Ｓ（計測値Ｓｒや推定値など）とが対応付けられた学習データＤの機械学習により作成された推定モデルＭを用いて、燃焼時の炉内を撮像した画像情報Ｉから、その燃焼状態で生じる状態量Ｓ（推定状態量Ｓｅ）を推定する。これによって、炉内の画像情報Ｉから状態量Ｓを迅速かつ精度良く推定することができる。」 （キ）「【００５２】 機械学習実行部２４は、学習データ生成部２３によって生成された学習データＤに基づいて機械学習を実行する。機械学習実行部２４は、ニューラルネットワーク、一般化線形モデルなどの周知な機械学習の手法（アルゴリズム）のいずれかで機械学習を行えば良い。」 （ク）「【００６２】 次に、学習データＤの作成（学習データ生成部２３）に関する幾つかの実施形態について説明する。 上述した状態量Ｓが、炉内の燃焼時に生じる排ガスＥ、または、排ガスＥ中に含まれる燃焼灰などの排出物に関する状態量Ｓである場合において、幾つかの実施形態では、図2に示すように、上述した学習データ生成部２３は、上述した過去画像情報Ｉｐに対して、この過去画像情報Ｉｐの基になる画像Ｖが撮像された時から所定の時間経過後に状態量Ｓの計測地点で計測された計測値Ｓｒを対応付けることによって学習データＤを生成する。燃料Ｆｇの燃焼により生じる排ガスＥは、燃焼領域８から排ガス通路９１に向かって流れるが（図1参照）、画像Ｖで示される撮像地点（位置）から状態量Ｓの計測地点までに距離が有る場合には、画像Ｖで示される燃焼状態で生じた排ガスＥが状態量Ｓの計測地点まで到達するまでにタイムラグ（所定時間）が存在する。このため、このタイムラグを考慮して、画像Ｖと状態量Ｓの計測値Ｓｒとを対応付けるようにする。なお、例えば、ごみ焼却炉でのタイムラグは、微粉炭炊きのボイラなど燃料Ｆｇを細かく粉砕して燃焼させる場合と比べると、長くなる。」 オ 甲７ 甲７には、以下の事項が記載されている。 （ア）「【００３２】 炉１内の複数位置に、炉１内のガス温度を計測するセンサとしての温度計が設けられている。具体的には、炉１の高さ方向に沿って、火格子４と二次空気吹き込み口１０との中間位置に燃焼室ガス温度計１７が設けられている。炉１の高さ方向に沿って、炉出口７より下方位置に主煙道ガス温度計１８が設けられている。炉１の高さ方向に沿って、炉出口７の下部位置に炉出口下部ガス温度計１９が設けられている。炉１の高さ方向に沿って、炉出口７の中部位置に炉出口中部ガス温度計２０が設けられている。炉１の高さ方向に沿って、炉出口７の下流側位置に燃焼管理温度を測定する炉出口ガス温度計２１が設けられている。燃焼室ガス温度計１７、主煙道ガス温度計１８、炉出口下部ガス温度計１９、炉出口中部ガス温度計２０、および炉出口ガス温度計２１により計測された温度の計測値は、燃焼プロセス測定値として燃焼制御装置３０に送信されて記憶部３２（図4参照）に記憶される。 【００３１】 ボイラ９には、出口側に排ガス中の酸素（Ｏ2）の濃度を計測するボイラ出口酸素濃度計２２が設けられている。煙突８の入口には、排ガス中の一酸化炭素（ＣＯ）および窒素酸化物（ＮＯx）の濃度を計測するガス濃度計２３が設けられている。ボイラ９の出口と煙突８とを接続する配管には、排ガス量を計測するための排ガス流量計２４が設けられている。ボイラ出口酸素濃度計２２、ガス濃度計２３、および排ガス流量計２４により計測されたガスの濃度や流量の計測値は、燃焼プロセス測定値として燃焼制御装置３０に送信されて記憶部３２に記憶される。また、ボイラ９には、ボイラ９において発生した蒸気量を計測する蒸気流量計２５が設けられている。蒸気流量計２５により計測されたボイラ９の蒸気発生量の計測値は、燃焼プロセス測定値として燃焼制御装置３０に送信されて記憶部３２に記憶される。 【００３２】 炉１における廃棄物の搬送方向の下流側には、撮像部２６が設けられている。撮像部２６は、例えば赤外線カメラから構成される火炎透過カメラ、および撮像した画像データを処理する画像処理部を有して構成される。図2は、撮像部２６の設置状態を示す側面図である。撮像部２６は、炉壁１ａに設けられた監視窓に近接して炉外に配設されても、水冷構造を有して炉１内に配設されても良い。図2に示すように、廃棄物５０は、段差壁１３の部分で廃棄物供給部１２から火格子４上に落下する。火格子４上に落下した廃棄物５０は、火格子４の前後移動に伴う往復運動によって攪拌されつつ、撮像部２６側である前方に移動される。」 （イ）「【００４１】 制御部３１は、廃棄物焼却量設定値に応じて廃棄物質（廃棄物の低位発熱量）を算出する。制御部３１は、操作量関係式に含まれる制御パラメータの調整により操作量基準値を調整する。制御部３１は、調整した操作量基準値を、例えばＰＩＤ制御やファジィ演算などの所定の制御アルゴリズムに基づいて補正する。記憶部３２は、制御部３１によって参照されるデータを記憶する。記憶部３２には、あらかじめ定められた操作量関係式、制御アルゴリズム、あらかじめ設定された焼却量設定値、および炉１内の燃焼状態量として取得された燃焼プロセス測定値が記憶されている。」 （ウ）「【００７６】 次に、図8に示すステップＳＴ１０に移行して燃焼制御装置３０の制御部３１は、炉１の構造に対応してあらかじめ導出されている、火格子上廃棄物５２の廃棄物層高さＨと燃焼点Ｆとの適切な関係となる所定範囲である基準燃焼点領域を記憶部３２から読み出す。図10は、本発明の一実施形態による燃焼制御方法に用いられる燃焼点Ｆと廃棄物層高さＨとの間における基準燃焼点領域を示すグラフである。 【００７７】 図10に示すように、火格子上廃棄物５２の廃棄物層高さＨと燃焼点Ｆとの間には適切な関係が存在し、その領域を本明細書では基準燃焼点領域という。基準燃焼点領域のデータは記憶部３２に格納されている。制御部３１は、記憶部３２に格納された図10に示す基準燃焼点領域の情報を読み出す。一方、制御部３１は、燃焼判定装置４０から取得した廃棄物層高さＨおよび燃焼点Ｆの位置情報を記憶部３２から読み出す。制御部３１は、読み出した廃棄物層高さＨおよび燃焼点Ｆの位置情報と、図10に示す基準燃焼点領域とを比較する。図10に示す例では、燃焼判定装置４０から送信された廃棄物層高さＨと燃焼点Ｆとの関係が、グラフ上で例えば計測点Ｐ11の位置に存在していたり、計測点Ｐ12の位置に存在していたりする。計測点Ｐ11は、廃棄物層高さＨに対して燃焼点Ｆが下流側、すなわち撮像部２６側に位置していることを表す。計測点Ｐ12は、廃棄物層高さＨに対して燃焼点Ｆが上流側、すなわち段差壁１３側に位置していることを表す。」 （エ）「【００８０】 次に、図8に示すステップＳＴ１２に移行して制御部３１は、燃焼判定装置４０から送信された廃棄物層高さＨ、燃焼点Ｆの位置情報、および燃焼量ＶFの情報に基づいて、火格子上廃棄物５２の燃焼状態が適切になるよう燃焼制御方法を実行する。すなわち、制御部３１は、取得した情報に基づいて、上述した燃焼制御装置３０における制御パラメータを補正して、廃棄物供給装置送り速度（給塵速度）や火格子送り速度（火格子速度）、必要に応じて燃焼用空気量や二次空気量（送風量）や燃焼空気温度を調整することにより、炉１を制御する。具体的に、燃焼点Ｆの位置情報に基づいた制御の例を表１に示す。」 （オ）「【００９５】 また、例えば、上述した一実施形態においては、機械学習の一例としてニューラルネットワークを用いたディープラーニング（深層学習）を用いたが、それ以外の方法に基づく機械学習を行っても良い。例えば、サポートベクターマシン、決定木、単純ベイズ、ｋ近傍法など、他の教師あり学習を用いても良い。また、教師あり学習に代えて半教師あり学習を用いても良い。」 カ 甲８ 甲８には、以下の事項が記載されている。 「【０００９】図1及び図4に示すように、前記焼却処理帯５の下流側後壁部に、前記燃焼帯Ｍにおける燃焼火炎を撮影入力する撮像手段２０としてのカラーＣＣＤカメラを設け、その撮像手段２０による入力画像データから前記燃焼帯Ｍにおける燃焼中のゴミの質を推定するマイクロコンピュータ利用の画像処理手段２１を設けてゴミ質推定装置を構成してある。画像処理手段２１は、図1に示すように、撮像手段２０から入力された画像データを赤（Ｒ）緑（Ｇ）青（Ｂ）の色成分に分解してメモリに格納し、緑（Ｇ）成分の画像データから火炎領域を抽出する第一演算手段Ｃ１と、前記第一演算手段Ｃ１により抽出された火炎領域における青（Ｂ）成分と緑（Ｇ）成分の強度比を演算導出して、その値から高温領域の面積を抽出する第二演算手段Ｃ２と、前記第一演算手段Ｃ１により抽出された炎領域の面積と前記第二演算手段Ｃ２により抽出された高温領域の面積とから前記燃焼帯Ｍで焼却処理されているゴミの質を推定する第三演算手段Ｃ３とからなる。 【００１０】以下、前記画像処理手段２１による処理を、図3に示すフローチャートに基づいて詳述する。撮像手段２０から入力された画像データを赤（Ｒ）緑（Ｇ）青（Ｂ）の色成分に分解すると、各画素毎に赤（Ｒ）緑（Ｇ）青（Ｂ）の強度データが得られる＜＃１＞。一般に、物体は、約１０００Ｋ以上の温度では可視光を放射しており、その温度が上昇すると最初に赤、次に黄、緑、青、最後に紫という具合に光のエネルギースペクトルに新しい色の部分が付け加わる。焼却炉における燃焼帯Ｍに対して、撮像手段２０により得られた画像データには、火炎部分以外に側壁やゴミ自身のデータも含まれ、それらの部位の温度や反射光による色成分が混在するため、火炎のみを正確に抽出するためには、比較的低温部位を示す赤（Ｒ）成分を参照しない方が好ましい。一方、青（Ｂ）成分は、火炎温度に応じて大きく変動するので、この成分のみにより炎の領域を特定するのも好ましくない。そこで、前記第一演算手段Ｃ１は、図2（イ）に示すように、緑（Ｇ）成分の強度データが所定の閾値より大なる画素を火炎領域に対応する画素、即ち、火炎面積（ＳF ）として抽出する＜＃２＞，＜＃３＞。ここに、閾値は限定するものではなく、炉の規模や運転条件により適宜設定すればよい。前記第二演算手段Ｃ２は、前記第一演算手段Ｃ１により抽出された火炎領域における青（Ｂ）成分と緑（Ｇ）成分の強度比（ＩB ／ＩG ）を画素毎に演算導出して、その値が所定の閾値以上となる画素を、図2（イ）に示すように、高温火炎領域の面積（ＳH ）として抽出する＜＃４＞，＜＃５＞。この場合の閾値も特に限定するものではなく、炉の規模や運転条件により適宜設定すればよい。前記第三演算手段Ｃ３は、前記第一演算手段Ｃ１により抽出された火炎領域が所定の値、例えば、想定される最大火炎面積の５０パーセントよりも大であるか否かを推定して＜＃６＞、大であるときには、前記第二演算手段Ｃ２により抽出された高温火炎領域の面積から前記燃焼帯Ｍで焼却処理されているゴミの質を推定する＜＃７＞。ここで、火炎領域の所定の値として想定される最大火炎面積の５０パーセントとしてあるが、この値も特に限定するものではなく、炉の規模や処理される平均的なゴミ質等の諸条件を参考に決定すればよい。つまり、撮像装置２０により燃焼火炎を撮像して得られる画像データから抽出された火炎領域の面積（ＳF ）は、極端に質の悪いゴミが大量に供給された場合を除き、ストーカの搬送速度や空気供給量にかかわらず、ゴミ量が多ければ大きくなりゴミ量が少なければ小さくなる傾向にあるので、火炎領域の面積からゴミ量の多少が推定できる。従って、極端に質の悪いゴミが大量に供給され、抽出された火炎領域の面積（ＳF ）が極めて小さくなり、火炎領域の面積でゴミ量を一義的に表すことができない場合を除くべく、火炎領域の面積（ＳF ）が所定の値（上述の例では、その閾値が想定される最大火炎面積の５０パーセントとなる）よりも大なるときにのみ推定すれば、火炎領域の面積に基づいておおよそのゴミ量が一義的に把握される。そして、火炎領域におけるゴミの燃焼温度は、質の良いゴミほど勢いよく燃えるために全体的に高く、質の悪いゴミほど全体的に低くなる傾向があるので、抽出された火炎領域からさらに所定の高温火炎領域を抽出すれば、火炎領域の面積（ＳF ）から推定されるゴミ量に対して、前記高温火炎領域の面積（ＳH ）の程度からゴミ質が推定されることになる。つまり、図2（ロ）に示すように、ゴミ質が良い場合には火炎領域の面積（ＳF ）の増大に比例して高温火炎領域の面積（ＳH ）が増大する傾向にある。また、ゴミ質が悪い場合には火炎領域の面積（ＳF ）の増大にかかわらず高温火炎領域の面積（ＳH ）はあまり増大しないが、火炎領域の面積（ＳF ）が極めて大きくなったときに高温火炎領域の面積（ＳH ）も急激に大きくなる傾向がある。そこで、火炎面積がある程度大きくゴミ量が多いと推定されるにもかかわらず、高温火炎面積がかなり小さい場合（図中領域iii ）にはゴミ質が極端に悪く、高温火炎面積が中程度の場合（図中領域ii）にはゴミ質がやや悪く、高温火炎面積が大きい場合（図中領域i ）にはゴミ質が良いと推定される。さらに、火炎面積が中程度でゴミ量が適量と推定されるにもかかわらず、高温火炎面積がかなり小さい場合（図中領域v ）にはゴミ質がやや悪く、高温火炎面積が中程度であれば（図中領域iv）ゴミ質は平均的であると推定される。ゴミ質が悪いと推定されると＜＃８＞、コンピュータ利用の制御手段２２を介して前記ストーカ機構を通常よりも減速させてゴミの燃焼時間を確保するとともに、空気供給手段６のダンパ機構６ｄを調節して前記燃焼帯Ｍへの供給空気量を増加させて燃焼を活発化させる＜＃９＞。ここに、制御手段２２による空気供給量や搬送速度の制御方式は、特に限定するものではなく、ＰＩＤ制御方式、ファジィ制御、その他ＡＩ制御方式等適宜公知の方式を用いることができる。即ち、前記撮像手段２０と前記画像処理手段２１と前記制御手段２２とで燃焼制御装置が構成される。」 キ 甲９ 甲９には、以下の事項が記載されている。 （ア）「【００２０】 【実施例】以下、本発明の実施例を図面に基づいて具体的に説明する。図1は本発明の第１実施例に係るボイラプラントの燃焼監視装置の具体的構成を示すブロック図である。図において、１は燃焼監視装置全体で、火炉内燃焼を火炎イメージセンサとカラーカメラからなる火炎検出器で捕らえた火炎映像信号Ｘを画像処理部２で取り込む。画像処理部２では上記火炎映像信号Ｘを画像処理し、火炎画像データ（火炎輝度、火炎透明度、火炎温度）２ａを１６ビット・ディジタルデータとして一定周期で出力する。 【００２１】画像処理のやり方は、まず、火炎映像信号Ｘを色分離（輝度、赤、緑、青）し、Ａ／Ｄ変換（８ビット）を通して画像メモリに保持する。この画像データに、平滑化、移動平均処理、テキスチャ解析、二値化処理を行った後、信号変換して、火炎輝度分布と火炎温度分布を求め、次に火炎輝度分布から平均火炎輝度を、火炎温度分布から平均火炎温度を求める。次に平均火炎輝度と平均火炎温度から平均透明度を求める。」 （イ）「【００３０】燃焼状態判定部７は上記燃焼指数演算部６からの燃焼指数Ｓを前記評価判定値設定部４から基準燃焼指数Ｓ0 を読み出しＳとＳ0 の大小関係を比較しＳ＜Ｓ0の場合は警報出力信号Ｚをオフにし、Ｓ≧Ｓ0 の場合は警報出力信号Ｚをオンにするものとなっている。」 ク 甲１０ 甲１０には、以下の事項が記載されている。 （ア）「燃焼状態診断装置は、該燃焼室（２）の燃焼状態データを出力するニューラルネットワーク（21）と、該ニューラルネットワーク（21）の出力を入力として該燃焼室（２）の燃焼傾向データを出力するエキスパートシステム（30）とで構成してある。 詳述すると、第２図に示すように、該ニューラルネットワーク（21）は、所定単位のメモリーで構成された複数のニューロン（22a）でなる入力層（22）と、該入力層（22）からの出力データを所定の重みで関連付けて中間出力する同じく複数のニューロン（23a）でなる中間層（23）と、該中間層（23）からの出力を所定の重みで関連付けて該燃焼室（２）の燃焼状態データとしての“ゴミ切れ指数”、“ゴミ山盛り指数”を出力する二つのニューロン（24a）でなる出力層（24）と、入力されたプロセスデータを中間層から出力層へ所定の重みをもって乗加算する演算装置（論理素子やマイクロコンピュータ）で構成してある。 該入力層（22）には、ゴミの燃焼状況を監視する撮像手段（15）としての産業用テレビカメラ（ITV）の画像情報である燃焼帯火炎等や、プッシャ速度、ストーカ速度、炉出口温度等各種センサの出力情報、該燃焼制御装置（20）による制御出力でなるプロセスデータを０から100の範囲で正視化したものであって過去10分間の平均値が１分毎に入力される。 該出力層（24）から出力される“ゴミ切れ指数”、“ゴミ山盛り指数”は、0.0から1.0の範囲の数値で表され、“良好（0.0から0.2）”、“兆候（0.4から0.6）”、“発生（0.7から1.0）”といった具合に評価される。」（３ページ左欄１５～４２行） （イ）「〔別実施例〕 以下に本発明の別実施例を説明する。 先の実施例では、燃焼状態診断装置としてニューラルネットワークとエキスパートシステムを組み合わせたものを説明したが、燃焼状態診断装置の構成は任意であってよく、例えばニューラルネットワークのみで構成してもよい。 先の実施例では、“ゴミ切れ指数”、“ゴミ山盛り指数”がともに“0.7"以上となったときに、運転員が該搬送量制御手段による被焼却物の搬送を設定時間強制的に行っているが、運転員が該搬送量制御手段による被焼却物の搬送を設定時間停止させてもよい。 尚、設定時間値は特に指定するものではなく、焼却炉の規模により設定すればよい。 さらには、運転員が該搬送量制御手段による被焼却物の搬送を手動制御するのではなく、診断装置の出力信号によって、該搬送量制御手段を直接に制御してもよい。」（３ページ左欄３４行～最下行） （ウ）「さらに、出力層を、燃焼状態データとしての“ゴミ切れ指数”、“ゴミ山盛り指数”を出力する二つのニューロンで構成しているが、ニューラルネットワークとしては、“ゴミ切れ指数”を出力するものと、“ゴミ山盛り指数”を出力するものとの二つのニューラルネットワークで構成してもよい。この場合、ニューラルネットワークの演算速度はより高速となる。」（４ページ左欄８行～右欄３行） （２）対比・判断 ア 本件発明６について 本件発明６は、本件発明１、又は、本件発明１を引用する本件発明３に対し、本件発明６で新たに特定する事項を付加した発明である点を踏まえ、甲１との対比を行うと、両者は、本件発明１と甲１発明との対比について、「第６の１」で述べた一致点で一致し、相違点１及び２で相違する。加えて、両者は、少なくとも以下の相違点３で相違する。 〔相違点３〕 本件発明６においては「撮像データは、６０秒以内の動画像データである」のに対して、甲１発明は、かかる事項を備えていない点。 そして、相違点１及び２については、上記「第６の１」で検討したとおりである。 そこで、上記相違点３について検討する。 甲２ないし１０の記載事項は、上記第５及び上記（１）のとおりであって、上記相違点３に係る本件発明６の発明特定事項について、開示も示唆もされていない。 また、他に、上記相違点３に係る本件発明６の発明特定事項が、周知の技術である、あるいは、当業者が適宜決定し得る設計的事項であるといえる根拠もない。 したがって、本件発明６は、甲１発明及び甲２ないし１０の記載事項に基いて、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７について 本件発明７は、本件発明１、本件発明１を引用する本件発明３、又は、本件発明１及び本件発明３の少なくとも１つを引用する本件発明６に対し、本件発明７で新たに特定する事項を付加したものである点を踏まえ、甲１との対比を行うと、両者は、本件発明１と甲１発明との対比において「第６の１」で述べた一致点で一致し、相違点１及び２で相違する。加えて、両者は、少なくとも、以下の相違点４で相違する。 〔相違点４〕 本件発明７においては「撮像データは、５秒以上の動画像データである」のに対して、甲１発明は、かかる事項を備えていない点。 そして、相違点１及び２については、上記「第６の１」で検討したとおりである。 そこで、上記相違点４について検討する。 甲２ないし１０の記載事項、上記第５及び上記（１）のとおりであって、上記相違点４に係る本件発明７の発明特定事項について、開示も示唆もされていない。 また、他に、上記相違点４に係る本件発明７の発明特定事項が、周知の技術である、あるいは、当業者が適宜決定し得る設計的事項であるといえる根拠もない。 したがって、本件発明７は、甲１発明及び甲２ないし１０の記載事項に基いて、当業者が容易に発明をすることができたものではない。 ウ 本件発明９について 本件発明９は、本件発明１、３、６ないし８に対し、本件発明９で新たに特定する事項を付加したものである点を踏まえ、甲１との対比を行うと、両者は、本件発明１と甲１発明との対比において「第６の１」で述べた一致点で一致し、相違点１及び２で相違する。加えて、両者は、少なくとも、以下の相違点５で相違する。 〔相違点５〕 「焼却炉内の新たな撮像データを入力として前記第１評価軸での評価を行う第１画像解析部」に関して、本件発明９は「焼却炉内の撮像データと、施設内に設置されたセンサから得られるプロセスデータおよび／または当該プロセスデータから演算により得られる演算量との組み合わせに対して、前記第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、前記焼却炉内の新たな撮像データと、新たなプロセスデータおよび／または当該プロセスデータから演算により得られる演算量との組み合わせを入力として前記第１評価軸での評価を行う」のに対して、甲１発明は「焼却炉１内の炉内画像データを入力として、ごみ部分の高さを検知することでごみ厚みの計測量を得るとともに、最も手前にある炎の位置を検出することで燃え切り点の計測量を得る計測装置１ａ」である点。 相違点１及び２については、上記「第６の１」で検討したとおりである。 そこで、上記相違点５について検討する。 甲２ないし１０の記載事項は、上記第５及び上記（１）のとおりであって、上記相違点５に係る本件発明９の発明特定事項について、開示も示唆もされていない。 また、他に、上記相違点５に係る本件発明９の発明特定事項が、周知の技術である、あるいは、当業者が適宜決定し得る設計的事項であるといえる根拠もない。 したがって、本件発明９は、甲１発明及び甲２ないし１０の記載事項に基いて、当業者が容易に発明をすることができたものではない。 エ 本件発明１０について 本件発明１０は、本件発明９の発明特定事項を全て含み、さらに本件発明１０で新たに特定する事項に係る限定を付加したものである。そうすると、本件発明１０は、本件発明９に対して示したものと同様の理由により、甲１発明及び甲２ないし１０の記載事項に基いて、当業者が容易に発明をすることができたものではない。 オ 本件発明１２及び１３について 本件発明１２及び１３は、本件訂正により削除された。 したがって、本件発明１２及び１３に対する取消理由１に係る特許異議の申立ては、その対象が存在しないものとなった。 （３）申立人の主張について 申立人は、令和７年１０月８日の意見書の２ページ「（３－２）請求項６、７、８、１４－２１について」において、以下のとおり主張する。 「画像データを分類する学習済みモデルにおいて、入力する画像データを動画像データとすることは、文献等を例示するまでもなく、本件特許の出願時点において、様々な産業分野において実用化されている周知慣用の技術である。 また、異議申立書に記載したように、甲５の段落【００２７】、【００４２】には、「Ｒ成分の１５秒平均」あるいは「３０秒間の傾きや１５秒間の傾きを算出」することが記載されている。これらの計算において３０秒間あるいは１５秒間の画像データ、すなわち、『５秒以上の動画像データ』データであって『６０秒以内の動画像データ』を用いる必要があることは明らかである。 したがって、甲１発明に周知慣用技術を適用して『撮像データ』を『動画像データ』とすることは当業者であれば容易であり、甲５の上記記載に基づいて『撮像データ』の長さを『５秒以上』あるいは『６０秒以内』とすることも当業者であれば容易である。」 上記主張について検討する。 画像データを分類する学習済みモデルにおいて、入力する画像データを動画像データとすることが周知慣用の技術であるか、甲５の記載事項から、６０秒以内の動画像データや５秒以上の動画像データを用いることが明らかであるとしても、甲１発明において、相違点３に係る本件発明６の発明特定事項に想到するには、甲１発明の工業カメラに替えて、甲２記載事項２に係る赤外線カメラを適用し、さらに、画像データに対し周知慣用の技術や甲５の記載事項から明らかな事項を適用することとなるものとなる。そして、当該適用は、いわゆる二段階容易に当たることから、これを採用することはできない。 したがって、申立人の上記主張は採用できない。 ３ 取消理由２についての当審の判断 （１）発明が解決しようとする課題 本件特許に係る発明が解決しようとする課題について、本件の発明の詳細な説明の記載には以下の記載がある。 「【発明が解決しようとする課題】 【０００６】 燃焼映像には主に焼却炉内の主燃焼領域の火炎（廃棄物の熱分解や部分酸化により発生した可燃ガスの燃焼に伴って生じる火炎）が写っており、燃焼映像からは火炎の強弱などの情報が分かる。 【０００７】 しかし、燃焼状態には火炎の状態だけではなく被燃焼物に関する情報（たとえば、被燃焼物の量や質、種類）も影響する。たとえば、同じ火炎の強度で燃えていても、そのときに燃えている被燃焼物の量が異なる場合、実際の排ガス濃度（ＣＯ濃度など）などの数値は異なる可能性が高い。また、燃焼映像から燃焼状態の分類やプロセス値の予測を行う技術についても、火炎の状況しか把握できない燃焼映像だけでは、たとえば被燃焼物の量の違いから実際は異なる燃焼状態であったとしても、同様の燃焼状態であると分類される可能性が高くなるため、プロセス値の予測・推定や燃焼状態の分類・予測・推定がうまくできない可能性がある。 【０００８】 本発明は、以上のような点を考慮してなされたものである。本発明の目的は、焼却炉内の燃焼状態をより精度よく分類・予測・推定する技術を提供することにある。」 すなわち、本件特許に係る発明が解決しようとする課題は、火炎の状況しか把握できない燃焼映像だけでは、プロセス値の予測・推定や燃焼状態の分類・予測・推定がうまくできない可能性がある点を考慮して、焼却炉内の燃焼状態をより精度よく分類・予測・推定する技術を提供することであると認められる。 （２）課題を解決する手段 課題を解決する手段について、本件の発明の詳細な説明の記載には以下の記載がある。 「【０００９】 本発明の第１の態様に係る情報処理装置は、 赤外線撮像装置で撮像した焼却炉内の赤外線撮像データに対して、燃焼状態を判断する要素となる少なくとも１つの第１評価軸における分類ラベルが付与されることにより生成された第１教師データを機械学習した第１学習済みモデルを用いて、焼却炉内の新たな赤外線撮像データを入力として前記第１評価軸での評価を行う第１画像解析部と、 前記第１評価軸での評価結果に基づいて現在の燃焼状態を判定する燃焼状態判定部と、 を備える。 【００１０】 このような態様によれば、赤外線撮像装置は、撮像波長を適切に選択することで、焼却炉内の赤外線撮像データとして、火炎の影響を取り除いた焼却炉上流側から実際に燃焼している被燃焼物の像までを含む画像を取得することができるため、焼却炉内の赤外線撮像データを用いて、燃焼状態を判断する要素となる少なくとも１つの第１評価軸での評価を行い、その評価結果に基づいて燃焼状態を判定することで、火炎の状況しか把握できない燃焼映像だけから燃焼状態の分類・予測・推定やプロセス値の予測・推定を行う場合に比べて、焼却炉内の燃焼状態をより精度よく分類・予測・推定することができる。」 すなわち、課題を解決する手段は、赤外線撮像装置により、焼却炉内の赤外線撮像データとして、火炎の影響を取り除いた焼却炉上流側から実際に燃焼している被燃焼物の像までを含む画像を取得することに関するものと認められる。 （３）課題を解決する手段と本件発明との関係 本件発明６ないし１１及び１４ないし２１には、赤外線撮像装置で撮像した焼却炉内の赤外線撮像データを用いることが特定されているから、発明の詳細な説明に記載された、発明の課題を解決するための手段が反映されている。 よって、本件発明６ないし１１及び１４ないし２１は、発明の詳細な説明の記載により当業者が当該発明の課題を解決できると認識し得る範囲内のものである。 したがって、本件発明６ないし１１及び１４ないし２１は、発明の詳細な説明に記載したものである。 ４ 取消理由３についての当審の判断 本件発明１２は、本件訂正により削除された。 したがって、取消理由３に係る特許異議の申立ては、その対象が存在しないものとなった。 第８ むすび 以上のとおり、本件発明１及び３に係る特許は、特許法第２９条第２項の規定に違反してされたものであるから、特許法第１１３条第２号に該当し、取り消されるべきものである。 また、本件発明６ないし１１及び１４ないし２１に係る特許は、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取り消すことはできない。他に本件発明６ないし１１及び１４ないし２１を取り消すべき理由を発見しない。 そして、本件訂正により、請求項２、４、５、１２及び１３は削除された。これにより請求項２、４、５、１２及び１３に係る申立ては、申立て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。