对比文件名称：2013-01-09_发明专利_JP5115325B2 Lens barrel and imaging device
目标专利名称：150监视物联网设备健康状况的方法、装置、设备和存储介质CN107409073B
本次调用的模型名称：DeepSeek-R1
根据对目标专利说明书和权利要求的理解，以及对比文件JP5115325B2的仔细分析，创建特征比对表格如下：
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：在本地IoT网络中的第一节点处为与所述本地IoT网络中的第二节点相关联的正常行为建模。<br>**《未公开》** | [2] “レンズ制御部２５０のメモリにはズームレンズ２１２の焦点距離に応じたフォーカスレンズ２１１の撮影距離の関係情報が記憶され…”<br>（译文：镜头控制部250的存储器中存储了与变焦镜头212的焦点距离相对应的聚焦镜头211的拍摄距离的关系信息…） | 对比文件公开了在镜头控制部（250）的存储器中存储焦点距离与拍摄距离的预定对应关系信息。该信息是预设的光学参数约束，用于判断拍摄条件是否合适。这与目标专利中“为正常行为建模”有本质区别。目标专利的“建模”是指通过分析学习为IoT设备（如冰箱、烟感）的正常运行状态（如功耗、传感器读数）建立动态行为模型，用于后续异常检测。而对比文件存储的是固定的、与设备物理光学特性相关的参数关系，并非通过对设备行为进行分析学习建立的“行为模型”。二者作用不同，技术领域迥异，本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出为目标专利所述的IoT设备行为建模的技术特征。 |
| **技术特征B**：其中，所述第一节点是配置成进行行为分析的分析者节点，所述第二节点是配置成观察本地行为的观察者节点，所述第一节点和所述第二节点是所述本地IoT网络中的不同IoT设备。<br>**《未公开》** | [2] “レンズ鏡筒２００にはレンズ制御部２５０が設けられている… 一方、カメラボディ１００は…焦点検出モジュール１６１…を備える。”<br>（译文：镜头镜筒200设有镜头控制部250… 另一方面，相机机身100具备…焦点检测模块161…） | 对比文件描述的是单个成像设备（相机）内部的不同功能组件：镜头控制部（250）、焦点检测模块（161）、变焦镜头编码器（280）等。这些组件共同构成一个完整的相机系统，并非目标专利中由多个独立、异构的IoT设备（如冰箱、智能手机、路由器）通过本地IoT网络连接而成的分布式系统。对比文件中的组件不具备“分析者节点”和“观察者节点”在IoT健康监视上下文中的特定角色和功能（如聚集、分析跨设备行为）。本领域技术人员无法从相机内部组件的协作中，推理出由不同IoT设备构成的、具有明确角色划分的分布式网络架构。 |
| **技术特征C**：在所述第一节点处通过所述本地IoT网络接收与在所述第二节点处观察到的一个或多个行为相关的行为信息。<br>**《未公开》** | [2] “ズームレンズエンコーダ２８０で検出されたズームレンズ２１２の位置情報は、レンズ制御部２５０へ送信される。”<br>（译文：由变焦镜头编码器280检测到的变焦镜头212的位置信息被发送到镜头控制部250。） | 对比文件公开了检测组件（如变焦镜头编码器280）将检测到的信息（如镜头位置）发送到控制组件（镜头控制部250）。然而，这种信息传递发生在相机设备内部，通过电路或内部总线进行，并非通过“本地IoT网络”在不同IoT设备之间进行通信。此外，传递的信息是具体的镜头光学参数（位置、焦点距离），而非目标专利中表征设备运行状态的“行为信息”（如功耗、温度、网络活动）。因此，对比文件既未公开“通过本地IoT网络”的通信方式，也未公开传输“行为信息”的实质内容。 |
| **技术特征D**：在所述第一节点处分析与在所述第二节点处观察到的所述一个或多个行为相关的所述行为信息。<br>**《隐含公开》** | [2] “ズームレンズエンコーダ２８０で検出したズームレンズ位置から焦点距離を演算するとともに、フォーカスレンズエンコーダ２６０で検出したフォーカスレンズ位置から撮影距離を演算する。 そして、これら焦点距離と撮影距離との関係がメモリに記憶された関係に合致するか否かを判断し…”<br>（译文：根据从变焦镜头编码器280检测到的变焦镜头位置计算焦点距离，并根据从聚焦镜头编码器260检测到的聚焦镜头位置计算拍摄距离。然后，判断这些焦点距离与拍摄距离的关系是否与存储器中存储的关系一致…） | 对比文件公开了镜头控制部（250）执行以下操作：基于检测到的组件（如编码器）输出计算参数（焦点距离、拍摄距离），并将计算出的参数关系与存储的预定关系进行比较判断。这个过程涉及对检测信息（可类比为“观察到的行为”）的处理和逻辑判断，可被视为一种“分析”。尽管分析的对象（光学参数 vs. 设备行为）和目的（保证成像质量 vs. 检测设备异常）不同，但“对检测信息进行处理和判断”这一基本步骤是存在的。因此，本领域技术人员可以从对比文件中推理出“在第一节点处分析从第二节点接收到的信息”这一抽象的技术手段。故判断为隐含公开。 |
| **技术特征E**：在所述第一节点处将所分析的行为信息与关联于所述第二节点的所建模的正常行为进行比较以确定在所述第二节点处观察到的所述一个或多个行为是正常的还是异常的。<br>**《隐含公开》** | [2] “これら焦点距離と撮影距離との関係がメモリに記憶された関係に合致するか否かを判断し、合致している場合は撮影許可の信号をカメラ制御部１７０へ送信する。 これに対し、焦点距離と撮影距離との関係がメモリに記憶された関係に合致していない場合は…撮影禁止の信号をカメラ制御部１７０へ送信する。”<br>（译文：判断这些焦点距离与拍摄距离的关系是否与存储器中存储的关系一致，如果一致，则向相机控制部170发送拍摄许可信号。另一方面，如果焦点距离与拍摄距离的关系与存储器中存储的关系不一致，则…向相机控制部170发送拍摄禁止信号。） | 对比文件明确公开了将计算出的当前参数关系（可类比为“所分析的行为信息”）与存储器中存储的预定关系（可类比为“所建模的正常行为”）进行比较，并根据比较结果做出“合致”（正常）或“不合致”（异常）的判定。虽然“正常行为模型”的具体内容（光学约束 vs. 设备行为模式）和判定结果的应用场景（允许/禁止拍摄 vs. 设备健康状态）不同，但“将分析后的信息与一个参考模型进行比较以得出正常/异常结论”这一核心逻辑步骤是直接对应的。因此，本领域技术人员可以合理地从对比文件的教导中推断出该技术特征。 |
| **技术特征F**：以及响应于基于所述比较确定在所述第二节点处观察到的所述行为信息指示了异常状况，触发一个或多个执行者来矫正所述第二节点处的行为异常。<br>**《隐含公开》** | [2] “焦点距離と撮影距離との関係がメモリに記憶された関係に合致していない場合は、レンズ鏡筒２００に設けられた警告ブザー２９０へ駆動信号を送信するとともに、撮影禁止の信号をカメラ制御部１７０へ送信する。 また、焦点距離に対応した適切な位置へフォーカスレンズ２１１を駆動するようにフォーカスレンズ駆動モータ２３０を制御する。”<br>（译文：如果焦点距离与拍摄距离的关系与存储器中存储的关系不一致，则向设在镜头镜筒200上的警告蜂鸣器290发送驱动信号，同时向相机控制部170发送拍摄禁止信号。此外，控制聚焦镜头驱动马达230，以将聚焦镜头211驱动到与焦点距离相对应的适当位置。） | 对比文件公开了在判定为“不合致”（异常）时，触发多个动作：1）触发警告蜂鸣器（290）进行报知；2）向相机控制部（170）发送信号以禁止拍摄；3）控制马达（230）驱动镜头（211）到正确位置。这些被触发的实体（蜂鸣器、相机控制部、驱动马达）可以视为“执行者”，其执行的动作（发出警告、禁止操作、物理调整）旨在“矫正”或防止因参数异常（拍摄距离与焦距不匹配）导致的问题（成像质量下降）。这与目标专利中触发执行者以矫正设备行为异常的逻辑流程高度相似。尽管矫正的具体对象（光学系统 vs. IoT设备）和技术不同，但“检测到异常后触发外部实体采取矫正措施”的基本控制思想已被公开。 |
| **技术特征G**：其中，所述一个或多个执行者被提供有用于辅助矫正一项或多项行为异常的技术。<br>**《隐含公开》** | [2] 同上，警告蜂鸣器（290）具有发出警告音的技术，相机控制部（170）具有禁止拍摄的技术，聚焦镜头驱动马达（230）具有物理驱动镜头位置的技术。 | 如特征F论述，对比文件中被触发的执行者（蜂鸣器、相机控制部、驱动马达）各自具备执行特定矫正或预防性操作的技术能力（发声、信号控制、机械驱动）。这些技术直接用于应对检测到的异常状况。因此，本领域技术人员可以理解，执行者需要具备相应的技术手段来实现矫正功能。该特征被隐含公开。 |
| **技术特征H**：其中，分析与在所述第二节点处观察到的所述一个或多个行为相关的所述行为信息进一步包括：从所述行为信息中提取一个或多个行为向量，其中所述行为信息表示n个行为特征并且所述一个或多个行为向量将所述n个行为特征映射到n维空间中。<br>**《未公开》** | 对比文件未提及“行为向量”、“n个行为特征”或“映射到n维空间”等相关概念。 | 对比文件中对信息的处理仅限于计算具体的物理参数（焦点距离、拍摄距离）并进行比较。目标专利中“提取行为向量”是将多个行为特征抽象化并映射到多维空间以进行复杂行为分析的特定技术手段，常用于机器学习和模式识别。对比文件完全没有涉及这种高级的、用于行为建模和分析的数据处理技术。本领域技术人员无法从对比文件中推理出此特征。 |
| **技术特征I**：进一步包括：为包括所述第一节点和所述第二节点的所述本地IoT网络建模。<br>**《未公开》** | 对比文件未提及为包含多个异构设备的网络建立模型。 | 对比文件仅涉及单个相机设备的内部控制和参数优化，没有描述由多个设备组成的网络环境，更没有提及为整个网络（包括拓扑、设备间关系等）建立模型的概念。这是目标专利分布式IoT健康监视系统的核心思想之一，在对比文件中完全缺失。 |
| **技术特征J**：以及基于在所述第二节点处观察到的所述行为信息，更新与所述本地IoT网络相关联的当前状态。<br>**《未公开》** | 对比文件未提及基于观察信息更新网络状态。 | 对比文件中的判定和驱动操作是基于瞬时参数的，系统没有维护或更新一个反映整体网络或环境“当前状态”的动态模型。目标专利中更新网络状态是持续学习和管理的一部分，对比文件中不存在此概念。 |
| **技术特征K**：其中，为所述本地IoT网络建模包括：聚集与所述本地IoT网络中的每一IoT设备相关联的属性。<br>**《未公开》** | 对比文件未提及聚集多个设备的属性。 | 对比文件只处理单个设备（相机）内部的少数几个固定组件的属性（如镜头位置），不存在从多个独立设备收集并聚合其各自属性的步骤。 |
| **技术特征L**：构造与所述本地IoT网络相关联的拓扑。<br>**《未公开》** | 对比文件未提及网络拓扑。 | 对比文件描述的是具有固定内部连接（电路）的单体设备，不存在设备间可变的网络连接关系或拓扑结构。 |
| **技术特征M**：从与每一IoT设备相关联的制造商或者一个或多个仓储库获取与所述本地IoT网络中的每一IoT设备相关联的行为模型，所述一个或多个仓储库被配置成存储所述行为模型。<br>**《未公开》** | [2] “レンズ制御部２５０のメモリにはズームレンズ２１２の焦点距離に応じたフォーカスレンズ２１１の撮影距離の関係情報が記憶され”<br>（译文：镜头控制部250的存储器中存储了与变焦镜头212的焦点距离相对应的聚焦镜头211的拍摄距离的关系信息） | 对比文件中用于比较的参考关系是预置在设备存储器中的。这可以类比为“从制造商获取并存储的模型”。然而，该“模型”是设备出厂时固化的光学参数对应表，并非目标专利中可从外部仓储库动态获取、用于描述设备动态行为的“行为模型”。且该模型仅用于单个设备自身，而非为网络中的“每一IoT设备”获取。因此，该特征未被公开。 |
| **技术特征N**：以及组合与所述本地IoT网络中的每一IoT设备相关联的所聚集的属性、与所述本地IoT网络相关联的所述拓扑以及与所述本地IoT网络中的每一IoT设备相关联的所述行为模型以便为所述本地IoT网络建模。<br>**《未公开》** | 对比文件未提及组合设备属性、网络拓扑和行为模型来为网络建模。 | 这是目标专利中构建网络级模型的复杂步骤，涉及多源信息的综合。对比文件仅涉及单一设备内部固定参数的简单判断，完全没有此类组合建模的过程。 |
| **技术特征O**：进一步包括：响应于确定在所述第二节点处观察到的所述一个或多个行为异常，通过所述第一节点向客户服务实体报告在所述第二节点处观察到的所述一个或多个行为。<br>**《未公开》** | [2] “警告ブザー２９０へ駆動信号を送信する”<br>（译文：向警告蜂鸣器290发送驱动信号） | 对比文件在检测到异常时，通过蜂鸣器向本地用户发出警告。这属于本地报警，并非目标专利中通过节点向远程的“客户服务实体”（如制造商服务中心、云平台）报告异常信息以寻求远程支持或记录。两者目的和对象不同。对比文件未公开向外部服务实体报告的技术特征。 |
| **技术特征P**：其中，所述一个或多个异常行为指示对所述第二节点或者包括所述第二节点的所述本地IoT网络的潜在恶意攻击。<br>**《未公开》** | 对比文件未提及恶意攻击。 | 对比文件中判定的“异常”（参数不匹配）是由于使用不当或设备限制导致的成像质量问题，与网络安全或恶意攻击无关。该特征未被公开。 |
| **技术特征Q**：其中，所述一个或多个异常行为指示所述第二节点处的潜在故障或异常工作状况。<br>**《隐含公开》** | [2] “広角領域において接写撮影する場合のように、ズームレンズの特定焦点距離においては撮影距離によっては撮影品質が低下することがある。”<br>（译文：例如在广角区域进行微距拍摄时，在变焦镜头的特定焦距下，根据拍摄距离的不同，拍摄质量可能会下降。）<br>以及判定不合致时禁止拍摄并警告。 | 对比文件指出，在特定光学条件下（焦距与拍摄距离不匹配），会导致“拍摄质量下降”，这是一种不良的工作结果。系统通过检测并阻止此条件发生，来防止质量下降。这可以理解为系统在检测可能导致设备（相机）无法正常发挥其预期功能（拍摄高质量图像）的“异常工作状况”。尽管这不是设备硬件“故障”，但属于需要避免的“异常工作状况”。本领域技术人员可以从中推理出，检测异常的目的是为了指示设备可能面临的工作状况问题。因此，该特征被隐含公开。 |
| **技术特征R**：其中，所述第二节点包括被配置成观察所述一个或多个行为的一个或多个组件。<br>**《隐含公开》** | [2] “フォーカスレンズエンコーダ２６０によってその位置が検出され…ズームレンズエンコーダ２８０によってその位置が検出され”<br>（译文：通过聚焦镜头编码器260检测其位置…通过变焦镜头编码器280检测其位置） | 对比文件中的聚焦镜头编码器（260）、变焦镜头编码器（280）以及焦点检测模块（161）等，是用于检测设备（镜头）状态（位置、焦点）的组件。它们的功能是“观察”或检测设备的特定参数。这对应于目标专利中“第二节点”（观察者节点）具备观察行为（或状态）的组件。尽管观察的“行为”具体内容不同，但“节点包含用于观察/检测的组件”这一结构特征是被公开的。 |
| **技术特征S**：其中，所述第二节点进一步包括发射机，所述发射机被配置成将表示所观察到的所述一个或多个行为的一个或多个行为特征发送到如下中的一者或多者：所述第一节点，或被配置成从所述第二节点接收所述一个或多个行为特征并将所述一个或多个行为特征中继给所述第一节点的第三节点。<br>**《未公开》** | [2] “ズームレンズエンコーダ２８０で検出されたズームレンズ２１２の位置情報は、レンズ制御部２５０へ送信される。”<br>（译文：由变焦镜头编码器280检测到的变焦镜头212的位置信息被发送到镜头控制部250。） | 对比文件虽然提到了检测信息被“发送”到控制部，但这是设备内部组件间的信号传递，并未明确描述一个独立的“发射机”模块，更没有描述通过无线或有线网络向另一个独立设备（第一节点）发送，或者通过第三个中继节点进行转发。目标专利该特征强调了分布式网络中节点间的通信路径，这在对比文件的单体设备架构中不存在。 |
| **技术特征T**：其中，包括所述第二节点的所述本地IoT网络进一步包括一个或多个节点，所述一个或多个节点被配置成监视所述第二节点通过所述本地IoT网络传送的消息并且根据在所述本地IoT网络上传送的所监视的消息将所述行为信息传送给所述第一节点。<br>**《未公开》** | 对比文件未提及专门监视网络消息的节点。 | 对比文件中不存在由多个设备构成的“本地IoT网络”，因此也不存在监视网络流量并将信息转发给分析节点的专用监视节点。这是目标专利分布式监控架构的特有特征。 |
| **技术特征U**：其中，所述第二节点处观察到的所述一个或多个行为是正常还是异常进一步地基于总状态模型与正常状态的比较，所述总状态模型定义了当前状态，所述正常状态与所述本地IoT网络相关联。<br>**《未公开》** | 对比文件未提及总状态模型。 | 对比文件的判定仅基于当前设备自身的两个参数（焦距、拍摄距离）与预定关系的比较，不涉及反映整个网络环境状况的“总状态模型”。该特征未被公开。 |
| **技术特征V**：进一步包括：响应于基于所述比较确定在所述第二节点处观察到的所述行为信息不是指示异常状况，应用机器学习来更新设备行为模型。<br>**《未公开》** | 对比文件未提及机器学习或模型更新。 | 对比文件中存储的参考关系是固定不变的，不会根据历史正常数据或使用情况通过机器学习算法进行动态更新。目标专利中利用机器学习持续优化行为模型是现代IoT智能监控的关键技术，在对比文件中毫无体现。 |
<<<d>>><<<e>>><<<f>>><<<g>>><<<q>>><<<r>>>