陕西2026年专利代理师《专利代理实务》模拟试题及答案

陕西2026年专利代理师《专利代理实务》模拟试题及答案全国专利代理师资格考试专利代理实务模拟试卷考试时间：180分钟总分：150分注意事项：1.本试卷包含试题及答题要求，请考生仔细阅读。2.考生应依据《专利法》、《专利法实施细则》及《审查指南》的相关规定进行答题。3.答题时，应当使用中文简体字，字迹工整，语句通顺，逻辑清晰。4.涉及计算题请使用LaTex公式格式书写。第一部分：客户技术交底材料与现有技术【说明】本部分提供了一份客户的技术交底书和两份对比文件。考生需基于此回答后续问题。【客户技术交底书】发明名称：一种基于深度学习的自适应果园巡检机器人及其控制方法技术领域本发明涉及农业机器人技术领域，具体涉及一种能够在复杂地形下稳定行走并自动识别病虫害的自适应果园巡检机器人。背景技术随着智慧农业的发展，果园巡检机器人逐渐普及。现有的果园巡检机器人通常采用轮式或履带式结构。然而，在非结构化的果园环境中，地面往往存在沟壑、凸起或松软土壤，传统的固定底盘机器人容易发生打滑或倾覆，导致巡检任务中断。此外，现有的病虫害识别主要依赖图像传感器拍摄静态图像，并上传至服务器进行处理。这种方式依赖网络环境，且在光照条件剧烈变化（如从树荫到强光）时，识别准确率显著下降。因此，需要一种既能适应复杂地形，又能在本地实时、高精度识别病虫害的巡检机器人。发明内容本发明要解决的技术问题是提供一种基于深度学习的自适应果园巡检机器人及其控制方法，以提高机器人在复杂地形的通过性和在动态光照下的识别准确率。技术方案：一种基于深度学习的自适应果园巡检机器人，包括：1.机器人本体，所述本体底部设有行走机构；2.视觉传感器，设置于所述机器人本体顶部，用于采集果园环境图像；3.惯性测量单元（IMU），设置于所述机器人本体中心，用于检测机器人的姿态角和角速度；4.边缘计算模块，与所述视觉传感器和IMU连接；5.自适应悬挂系统，连接所述机器人本体与行走机构。其特征在于：所述自适应悬挂系统包括多个独立的电动推杆和姿态调节控制器。每个电动推杆的一端铰接于机器人本体，另一端铰接于行走机构的对应支腿。所述姿态调节控制器被配置为：接收IMU检测到的实时姿态角，根据预设的目标姿态角计算偏差，通过PID算法控制各个电动推杆的伸缩量，以调整机器人本体保持水平状态。所述边缘计算模块内置有经过训练的轻量化卷积神经网络模型，该模型采用MobileNetV3架构，并引入了注意力机制模块。所述边缘计算模块被配置为：对视觉传感器采集的图像进行预处理，包括基于直方图均衡化的自适应亮度校正；将预处理后的图像输入所述轻量化卷积神经网络模型，输出病虫害类别及置信度；当置信度大于预设阈值时，标记并存储图像数据。所述行走机构为仿生六足结构，每条腿包括三个自由度，通过舵机驱动。此外，本发明还提供一种上述机器人的控制方法，包括以下步骤：S1：通过IMU实时获取机器人当前姿态角；S2：姿态调节控制器根据当前姿态角与目标姿态角的偏差，计算控制量，驱动电动推杆调节机器人本体至水平；S3：视觉传感器采集环境图像；S4：边缘计算对图像进行自适应亮度校正和病虫害识别；S5：若识别到病虫害，记录位置信息并继续巡检。有益效果：1.通过自适应悬挂系统结合IMU反馈，实时调节底盘高度和角度，解决了机器人在起伏地面作业时的倾覆风险，提高了通过性。2.采用仿生六足结构，离散落脚点，对地形的适应性强于轮式。3.引入基于MobileNetV3的轻量化网络和注意力机制，并在本地进行边缘计算，降低了对网络的依赖，同时提高了识别速度。4.图像预处理包含自适应亮度校正，有效解决了果园光照突变导致的识别率下降问题。具体实施方式：（略，具体参数设置及电路连接关系详见附图说明）【对比文件1】公开日：2024年5月10日发明名称：一种农业监测机器人技术领域：农业自动化摘要内容：对比文件1公开了一种农业监测机器人，包括机器人本体、设置在本体上的摄像头、设置在本体底部的四轮行走机构以及位于本体内部的处理器。该机器人主要用于农田监测。为了解决在不平整地面上的稳定性问题，该机器人在本体与轮轴之间设置了弹簧阻尼减震器。摄像头采集的图像通过无线通信模块发送至远程服务器进行图像分析，识别作物生长状态。【对比文件2】公开日：2023年11月15日发明名称：基于视觉反馈的足式机器人平衡控制方法技术领域：机器人控制摘要内容：对比文件2公开了一种足式机器人的平衡控制方法。该机器人具有四条腿，每条腿有两个自由度。机器人躯干内安装有陀螺仪（用于检测姿态）和控制器。控制器根据陀螺仪检测到的姿态偏差，通过PID算法向腿部关节电机发送控制指令，调整腿部伸缩长度和着地角度，从而维持躯干平衡。该方法主要应用于探险机器人，未涉及农业应用。【对比文件3】公开日：2025年2月20日发明名称：一种图像增强处理方法及装置技术领域：图像处理摘要内容：对比文件3公开了一种在边缘设备上运行的图像增强方法。为了解决光照不均问题，该方法对输入图像进行直方图均衡化处理，然后输入到神经网络中进行特征提取。该装置使用FPGA芯片进行加速计算。第二部分：试题问题一（共50分）请根据客户技术交底材料，为本发明撰写一份独立权利要求书和若干从属权利要求书。要求：1.独立权利要求应当包含解决本发明技术问题所必不可少的必要技术特征，并要求保护“一种基于深度学习的自适应果园巡检机器人”。2.从属权利要求应当对独立权利要求或其前序权利要求作进一步限定，形成有层次的保护范围。3.权利要求中应当包含数学公式或算法逻辑描述时，请使用清晰的语言表述，涉及计算时使用LaTex公式。4.所撰写的权利要求书应当符合《专利法》及《审查指南》关于权利要求书撰写的相关规定。问题二（共30分）假设审查员在审查过程中指出：对比文件1公开了一种农业监测机器人，包括本体、摄像头、行走机构和处理器。对比文件2公开了足式机器人利用陀螺仪和PID算法控制平衡。审查员认为，将对比文件2的平衡控制应用到对比文件1的机器人上，即可得到本申请的技术方案，因此权利要求1不具备《专利法》第二十二条第三款规定的创造性。请撰写一份意见陈述书，答复审查员关于创造性的质疑。要求：1.分析本申请权利要求1与对比文件1、对比文件2的区别技术特征。2.根据区别技术特征确定本申请实际解决的技术问题。3.论述将对比文件2应用于对比文件1是否存在技术启示，以及本申请是否具备突出的实质性特点和显著的进步。问题三（共40分）客户在申请本专利后，发现市场上出现了一种由竞争对手公司生产的“智能果园卫士”机器人。经分析，该竞争对手的产品采用了与本发明相似的技术，涉嫌侵权。客户希望了解其专利权的保护范围，并询问如果竞争对手的产品仅将本发明中的“MobileNetV3架构”替换为“YOLOv5架构”，是否仍然落入本专利的保护范围。同时，客户还发现，对比文件1中的技术方案虽然未采用仿生足式结构，但其整体架构较为相似，担心对比文件1会影响本专利的新颖性或创造性。请针对客户的上述两个疑虑，撰写一份专利分析咨询报告。要求：1.解释权利要求解释的原则（如全部技术特征原则）。2.分析竞争对手将“MobileNetV3”替换为“YOLOv5”是否构成侵权，并说明理由。3.简要分析对比文件1是否影响本专利的新颖性或创造性（基于问题一中撰写的权利要求）。问题四（共30分）在本发明的具体实施方式中，涉及到了PID控制算法的计算。假设在姿态调节过程中，电动推杆的目标位移与当前位移的关系由以下公式确定：=其中e(若=2.5,=0.1,=0.5，且在t=2s时刻，测得偏差请计算在t=2s时刻，PID控制器的输出增量Δ并简述在权利要求书中撰写此类算法特征时的注意事项。第三部分：答案与解析【问题一答案及解析】1.权利要求书撰写如下：1.一种基于深度学习的自适应果园巡检机器人，其特征在于，包括机器人本体、视觉传感器、惯性测量单元、边缘计算模块、自适应悬挂系统和仿生六足行走机构；所述视觉传感器设置于所述机器人本体顶部，用于采集果园环境图像；所述惯性测量单元设置于所述机器人本体中心，用于检测机器人的姿态角和角速度；所述自适应悬挂系统连接所述机器人本体与所述仿生六足行走机构；所述自适应悬挂系统包括多个独立的电动推杆和姿态调节控制器，每个电动推杆的一端铰接于机器人本体，另一端铰接于所述仿生六足行走机构的对应支腿；所述姿态调节控制器被配置为：接收所述惯性测量单元检测到的实时姿态角，根据预设的目标姿态角计算偏差，通过PID算法控制各个电动推杆的伸缩量，以调整机器人本体保持水平状态；所述边缘计算模块与所述视觉传感器连接，内置有经过训练的轻量化卷积神经网络模型；所述边缘计算模块被配置为：对所述视觉传感器采集的图像进行预处理，将预处理后的图像输入所述轻量化卷积神经网络模型，输出病虫害类别及置信度。2.根据权利要求1所述的机器人，其特征在于，所述边缘计算模块进行的预处理包括基于直方图均衡化的处理。3.根据权利要求1所述的机器人，其特征在于，所述轻量化卷积神经网络模型采用MobileNetV3架构，并引入了注意力机制模块。4.根据权利要求1所述的机器人，其特征在于，所述边缘计算模块还被配置为：当输出的置信度大于预设阈值时，标记并存储对应的图像数据。5.根据权利要求1所述的机器人，其特征在于，所述仿生六足行走机构的每条腿包括三个自由度，通过舵机驱动。6.一种基于深度学习的自适应果园巡检机器人控制方法，其特征在于，包括以下步骤：S1：通过惯性测量单元实时获取机器人当前姿态角；S2：姿态调节控制器根据当前姿态角与目标姿态角的偏差，计算控制量，驱动电动推杆调节机器人本体至水平；S3：视觉传感器采集环境图像；S4：边缘计算模块对图像进行预处理和病虫害识别；S5：若识别到病虫害，记录位置信息并继续巡检。2.撰写思路解析：独立权利要求1（产品）：前序部分：直接写明发明主题。特征部分：必须包含解决“复杂地形通过性”和“动态光照识别准确率”两个核心问题的必要技术特征。对于地形问题，必要特征包括：惯性测量单元、自适应悬挂系统（含电动推杆、姿态调节控制器）、仿生六足行走机构。注意，这里将“仿生六足”写入独立权利要求，因为这是区别于对比文件1轮式结构的关键特征，且与悬挂系统配合实现自适应调节。对于识别问题，必要特征包括：视觉传感器、边缘计算模块（内置轻量化卷积神经网络模型）。强调“边缘计算”和“内置模型”是为了解决本地实时处理的问题，区别于对比文件1的上传服务器处理。关于具体的“MobileNetV3”和“直方图均衡化”，属于优选实施例，放入从属权利要求以拓宽保护范围。从属权利要求：权利要求2-4进一步限定图像处理的具体方式（预处理、模型架构、存储逻辑），形成对识别技术的多层次保护。权利要求5进一步限定行走结构的具体细节（自由度、驱动方式）。独立权利要求6（方法）：对应产品的控制方法，撰写时需与方法模块一一对应，确保单一性和支持。【问题二答案及解析】意见陈述书关于申请号20261XXXXXX.X的审查意见，申请人陈述意见如下：一、关于权利要求1的创造性审查员指出，对比文件1公开了一种农业监测机器人，对比文件2公开了足式机器人的平衡控制方法，认为两者的结合破坏了本申请权利要求1的创造性。申请人对此不能认同，理由如下：1.权利要求1与对比文件1、对比文件2的区别技术特征经对比，权利要求1与对比文件1的区别技术特征至少包括：（1）权利要求1限定了机器人采用“仿生六足行走机构”，而对比文件1公开的是“四轮行走机构”。（2）权利要求1限定了“自适应悬挂系统”，该系统包括“多个独立的电动推杆和姿态调节控制器”，每个电动推杆连接本体与支腿，通过PID算法控制电动推杆伸缩以调整本体水平。（3）权利要求1限定了“边缘计算模块”，其内置轻量化卷积神经网络模型，在本地进行图像识别；而对比文件1是将图像发送至远程服务器进行处理。对比文件2虽然公开了基于陀螺仪和PID算法的平衡控制，但其应用于“四条腿、每条腿两个自由度”的探险机器人，且是通过调整“腿部关节电机”来实现平衡，并未公开“电动推杆”连接本体与支腿的悬挂结构。2.本申请实际解决的技术问题基于上述区别技术特征，本申请实际解决的技术问题不仅是保持平衡，更在于：提供一种专门针对果园非结构化地形的、具备高通过性的自适应悬挂及行走控制方案，以及一种无需依赖网络环境的本地化实时病虫害识别方案。3.对比文件2不存在将上述区别特征应用于对比文件1的技术启示首先，对于地形适应性而言，对比文件1是针对农田的轮式机器人，轮式机器人通常依赖自身的轮胎形变或简单的悬挂减震（如对比文件1中的弹簧阻尼）。对比文件2是针对探险环境的足式机器人。本领域技术人员在面对对比文件1轮式机器人在复杂果园地形打滑的问题时，没有动机去改进对比文件1的底盘结构为“仿生六足结构”。因为轮式和足式是两种完全不同的运动机理，改变底盘结构意味着对整个行走系统的重构，并非简单的结合。此外，即便结合了对比文件2的平衡控制思路，对比文件2教导的是控制腿部关节电机，而本申请是通过“电动推杆”连接本体与支腿构成“自适应悬挂系统”来调节。这种硬件架构上的差异，使得对比文件2并未给出采用“电动推杆悬挂+PID”来解决问题的技术启示。其次，对于识别方式而言，对比文件1明确公开了将图像发送至远程服务器处理，这是传统物联网设备的常见做法。本申请采用了“边缘计算模块”内置“轻量化卷积神经网络模型”。对比文件2完全不涉及图像处理技术。在对比文件1的基础上，为了提高实时性和降低网络依赖，本领域技术人员容易想到增加本地处理能力，但采用何种架构的模型、如何实现轻量化以适应嵌入式环境，并非显而易见。特别是本申请采用了MobileNetV3架构并引入注意力机制，这是为了在有限算力下平衡精度与速度的特定设计，对比文件1和2均未给出相关启示。综上所述，权利要求1相对于对比文件1、对比文件2以及本领域的公知常识的结合，具备突出的实质性特点和显著的进步，符合《专利法》第二十二条第三款关于创造性的规定。【问题三答案及解析】专利分析咨询报告致：客户关于：“一种基于深度学习的自适应果园巡检机器人”专利保护范围及侵权风险分析一、关于权利要求解释原则根据《专利法》及相关司法解释，权利要求的保护范围应当以权利要求书中记载的全部技术特征为准，即“全部技术特征原则”（或称“限定原则”）。在解释权利要求时，不仅包括明确写出的技术特征，还包括隐含的、必然具备的技术特征。凡是落入权利要求字面含义或等同特征范围内的技术方案，均构成侵权。二、竞争对手产品侵权分析竞争对手的“智能果园卫士”机器人将本发明中的“MobileNetV3架构”替换为“YOLOv5架构”。1.权利要求保护范围分析：独立权利要求1仅概括性地限定了“内置有经过训练的轻量化卷积神经网络模型”。2.侵权判定结论：只要竞争对手的产品包含了独立权利要求1所记载的全部必要技术特征（即：机器人本体、视觉传感器、IMU、边缘计算模块、自适应悬挂系统、仿生六足机构，以及利用PID控制悬挂和利用本地模型进行识别），即落入独立权利要求1的保护范围。竞争争对手将模型替换为“YOLOv5”，仍然属于“轻量化卷积神经网络模型”的一种具体实现方式。因此，即便其未使用MobileNetV3，只要其使用了其他类型的卷积神经网络模型进行本地识别，依然构成了对您专利独立权利要求1的侵权。注：如果竞争对手同时规避了“自适应悬挂系统”或“仿生六足结构”等特征，则可能不构成侵权。三、对比文件1的影响分析关于您担心的对比文件1（一种农业监测机器人）对本专利的影响，分析如下：1.新颖性：对比文件1公开的是一种“四轮行走机构”的机器人，且采用“弹簧阻尼减震器”。而本专利权利要求1明确限定了“仿生六足行走机构”和“自适应悬挂系统（含电动推杆）”。两者在行走机构的结构类型和悬挂系统的具体构造上完全不同。因此，对比文件1不会破坏本专利权利要求1的新颖性。2.创造性：如前文所述，虽然对比文件1也是农业机器人，但其解决地形问题的手段是简单的弹簧减震，而本专利采用了主动式的自适应悬挂控制。审查员在评价创造性时，可能会结合对比文件1和对比文件2（足式机器人控制）。但只要我们坚持强调“仿生六足”