AI厨电核心专利拆解:食材图像识别+自训练模型的保护边界与无效风险

一、专利速览

本文解读韩国发明专利申请（申请号：KR20190100589），该专利属于人工智能与智能厨电交叉领域。针对传统食谱分享流程繁琐、用户难以快速匹配适配自身厨具的食谱、AI食材识别模型人工标注成本高的行业痛点，提出了一套“食材图像识别→菜名匹配→精准食谱推送→用户数据反哺模型迭代”的完整闭环方案。

核心技术逻辑为：AI服务器接收用户拍摄的食材图像，通过训练好的神经网络模型识别对应菜品，推送适配食谱；同时可自动识别用户上传的成品菜图像，反向标注食材图像以迭代优化模型，还可根据烹饪设备的种类、型号匹配专属食谱，并支持烹饪过程中实时图像比对、自动停止烹饪。典型应用于智能烤箱、微波炉等烹饪器具，以及移动端食谱类应用。

二、保护范围与权利要求布局实务解读

权利要求是界定专利保护范围的核心法律文件，分为独立权利要求（直接划定最大保护边界，无需引用其他权利要求）和从属权利要求（引用在先权利要求，进一步细化技术特征）。本专利的权利要求布局与保护边界拆解如下：

（一）独立权利要求核心特征拆解

本专利包含两项独立权利要求，分别覆盖服务端与终端设备两类产品，形成云端+端侧的双端保护：

权利要求1（人工智能服务器）

前序部分：包含通信部、存储器、处理器的常规服务器通用架构。

特征部分（核心保护边界）：

①基础功能：接收电子设备的食材图像，输入AI模型得到对应菜名，向设备推送对应食谱；

②数据基础：AI模型为基于多设备上传的食材图像、成品菜名训练得到的神经网络；

③自训练闭环：可接收单台设备上传的食材图像+成品菜图像，通过识别成品菜图像得到菜名，自动标注食材图像后用于模型迭代训练。

权利要求16（人工智能烹饪器具）

对应终端侧的独立保护，将食材拍摄、模型识别、食谱接收、自动烹饪的功能集成在烹饪器具本地，同时保留模型自训练逻辑，覆盖了端侧部署的产品形态。

（二）权利要求布局逻辑

本专利采用“双独立权项+多层从属布局”的架构，布局思路清晰：

主题覆盖全面：同时布局服务器、烹饪器具两类产品主题，覆盖云端服务+终端设备的完整产品链路，避免仅保护单一端导致的侵权规避空间。

分层递进设防：从属权利要求从三个维度逐层细化保护范围：

①推荐精度维度：多菜名同时推荐、按菜品分类部署多套AI模型、按人气/用户注册次数筛选食谱；

②场景适配维度：按烹饪设备种类、型号匹配专属食谱，食谱包含设备控制指令与人工烹饪方法；

③交互与控制维度：支持食谱变更请求与条件筛选、烹饪过程中图像比对自动停机、用户数据云端存储。

外围技术配套：将模型分类训练、设备参数适配、烹饪实时控制等外围技术点全部纳入从属权利要求，形成层层设防的保护网。

（三）核心实务风险判断

1.规避设计难度：中风险

理由：专利独立权利要求的核心限定在于“成品菜图像自动识别菜名→标注食材图像→迭代训练模型”的自训练闭环，该特征是可选择性剥离的功能模块。

可规避切入点：若产品仅需实现“拍摄食材推荐食谱”的基础功能，可直接舍弃自动标注训练模块，采用人工标注的预训练模型，无需收集用户成品菜数据，即可完全避开独立权利要求的核心特征，落地成本较低；

规避限制：若产品需要依托用户UGC（用户生成内容）数据持续优化模型精度，该自训练方案是提升效率、降低标注成本的最优路径之一，规避空间较窄，需重构数据标注链路才能避开侵权。

2.创造性无效风险：中风险

理由：结合现有技术的结合启示与方案创新度分析如下：

现有技术基础：“通过食材图像识别匹配食谱”属于本领域已有的成熟方案；基于用户上传数据迭代优化AI模型，是机器学习领域的常规技术手段；利用识别结果给未标注数据打标签的伪标签训练（一种半监督机器学习方法，用模型输出结果给无标注数据打标签以扩充训练集），是图像分类领域的公知常识。

区别特征的显而易见性：本专利的核心区别“用成品菜图像识别结果自动标注对应食材图像，实现模型自迭代”，本质是伪标签训练思路在烹饪场景的移植。本领域技术人员为解决食材图像人工标注成本高的问题，有动机利用特征更显著的成品菜图像生成标签，标注对应的食材图像，存在明确的技术结合启示。

创造性支撑：专利将食材识别、食谱推送、自动标注、模型训练、烹饪控制整合为完整的闭环系统，且针对厨电场景做了设备适配、实时控制等定制化设计，整体方案并非简单的技术叠加，具备一定的非显而易见性。

核心无效抗辩切入点：主张“食材图像+成品菜图像的配对标注”属于伪标签训练的常规应用，结合食材识别食谱推荐的现有技术，涉案专利方案整体显而易见。

三、公开不充分的无效风险专项分析

根据专利法规定，说明书应当对发明作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准。对于人工智能类专利，审查标准进一步区分：若发明点在于底层算法改进，需公开完整的算法步骤、模型结构、关键参数；若发明点在于系统架构与流程设计，则结合公知常识可实现即符合要求。

（一）专利公开情况逐项核查

AI模型部分：说明书明确了模型为神经网络，公开了输入（食材图像/成品菜图像）、输出（菜名）、训练方式（监督学习）、迭代逻辑，但未公开具体的网络结构（如CNN、ResNet）、层数、学习率、损失函数等底层参数。

系统流程部分：完整公开了食材图像接收、模型推理、食谱推送、自动标注、模型训练、烹饪控制的全流程步骤，各模块的功能、数据交互逻辑清晰。

图像比对部分：公开了通过形状、颜色等维度比对烹饪中图像与成品图像的判断逻辑，但未公开具体的相似度算法与阈值标准。

食谱匹配部分：公开了按设备种类、型号、人气、用户注册次数筛选的匹配规则，逻辑明确可复现。

（二）风险等级与理由

公开不充分无效风险：低风险

理由如下：

本专利的核心创新点在于系统架构与数据流转的闭环设计，而非底层神经网络算法的改进。对于图像分类、模型训练、图像比对等常规AI技术，所属领域技术人员无需创造性劳动，即可结合公知常识选择合适的模型结构、算法与参数，实现涉案方案。

针对烹饪场景的定制化功能（如设备适配、自动停机、食谱变更），说明书均公开了完整的执行逻辑与判断维度，不存在核心技术信息缺失导致无法复现的情形。

符合人工智能专利的公开充分审查标准：对于应用类AI专利，无需强制公开底层算法的全部细节，只要所属领域技术人员能够基于说明书公开的流程逻辑，结合常规技术手段实现发明目的，即满足公开充分要求。

四、律师实务总结

（一）面向专利权人：强化保护壁垒，防控确权风险

完善专利布局维度：当前仅覆盖服务器、烹饪器具两类产品主题，建议补充方法类权利要求（如AI食谱推荐方法、模型自训练方法），覆盖云端服务的执行流程，降低侵权举证难度；同时增加计算机可读存储介质、程序产品类主题，构建“产品+方法+介质”的全维度保护网。

补强公开支撑内容：若后续提起分案申请或延续案，建议补充1-2个具体实施例，明确示例性的模型选型、参数取值范围、图像相似度判断标准，同时补充模型精度提升、标注效率提升的效果数据，进一步夯实公开充分性与创造性的事实基础。

优化维权比对策略：维权时优先以“自动标注自训练闭环”作为核心侵权比对特征，同时结合“按设备型号匹配食谱”、“烹饪实时停机控制”等场景化从属特征，合理限缩权利要求的保护范围，降低对方以现有技术抗辩的概率。

前置无效风险应对：提前梳理现有技术中不存在“食材-成品菜配对自动标注”闭环的证据，整理该方案带来的标注成本降低、模型迭代效率提升的技术效果，应对潜在的创造性无效挑战。

（二）面向竞争对手/潜在侵权方：精准规避设计，多维抗辩应对

核心规避设计路径：切断自训练闭环是最高效的规避方案。具体可采用两种落地路径：

轻量化方案：仅部署预训练的食材识别模型，不收集用户成品菜图像、不进行在线模型迭代，仅保留食材识别推食谱功能，可完全避开独立权利要求的核心限定；

全功能方案：若需支持用户上传食谱，改为要求用户手动输入菜品名称，绕开“成品菜图像识别获取标签”的技术特征，同样不落入保护范围。

无效抗辩核心思路：优先以不具备创造性作为主无效理由，以“食材图像识别推荐食谱”的现有技术为基础，结合伪标签训练的公知常识、成品菜图像分类的常规技术，主张涉案专利是现有技术的简单叠加，无突出的实质性特点；同时可以“算法细节公开不足”作为辅助抗辩理由，形成多维度无效攻势。

侵权应诉实操要点：收到侵权警告后，第一时间核查自身产品是否具备“成品菜图像自动标注训练模型”的功能；若仅具备基础食材识别推荐功能，可直接主张不落入保护范围；若具备相关功能，可进一步比对是否落入从属权利要求的附加特征，寻找不侵权抗辩空间，同时启动现有技术抗辩与无效宣告程序。

诉讼与非诉实践

一、典型常年法律服务

为某清华系人工智能大模型企业提供常年法律服务（大模型LLM）；
为某四大资产管理公司提供常年法律服务；
为某头部电动单车SaaS管理平台提供常年法律服务（SaaS平台）；
为某心理咨询领域AI企业提供常年法律服务（心理咨询AI）；
为某深圳互联网广告企业提供常年法律服务（互联网广告）；
为某跨境电商企业提供常年法律服务（跨境电商）；
为某直播电商公司提供常年法律服务（直播电商）；
为某智能制造企业提供常年法律服务（智能制造）；
为某软件开发企业提供劳动专项常年法律服务（软件企业）；
为某分布式算力服务企业提供常年法律服务（区块链）；
为某餐饮企业提供常年法律服务（餐饮行业）；
为某文化产品企业提供常年法律服务（文化产品）；
为某涉外知识产权代理企业提供常年法律服务（涉外知产）；

……

二、典型争议解决与非诉案件

办理某头部保险集团诉某国际酒店【商标侵权及不正当竞争】纠纷案（标的1000万元）；
办理深圳某头部企业与四川某网络企业【著作权侵权及不正当竞争】纠纷案；
办理东莞某公司诉深圳某公司【实用新型专利侵权】纠纷案；
办理某德国企业与深圳某企业【发明专利侵权】【发明专利无效】纠纷案件；
办理广州某企业和深圳某企业【外观设计专利侵权】【外观专利无效】纠纷案件；
办理杭州某科技公司诉深圳某公司【外观设计专利侵权】纠纷案；
办理某头部MCN机构与签约主播【合同纠纷】系列案；
香港某传媒公司与香港某软件公司、深圳某云存储公司【互联网广告合同纠纷】案；
办理深圳某头部物联网企业与天津某智能企业等【软件著作权侵权及商业秘密侵权】纠纷案；
多起专利权权属纠纷的成功代理；
多起高科技公司专利检索分析，布局案件成功代理；
多起专利权侵权风险评估与规避指导案件成功代理；
办理过确权、无效阶段的数千件技术类专利案件。

……