作物表型自動化檢測技術全球研發態勢分析*
——基于專利視角

曠達，段凌鳳

(1. 華中農業大學圖書館,武漢市,430070; 2. 華中農業大學工學院,武漢市,430070)

0 引言

近些年來,由于全球氣候變化、人口快速增長以及自然資源短缺的形勢加劇,提升農作物產量和質量變得至關重要。為了解決該問題,作物遺傳育種改良提供了一種精準高效且可持續的技術手段[1]。快速發展的高通量基因測序技術提供了豐富的作物遺傳信息,然而與之對應的作物表型信息往往受到栽培環境和生長階段的影響,呈現出高度的復雜性和多變性[2-3]。針對作物表型信息的采集,傳統上一般采用人工方式,費時費力,效率和精度有限。作物表型自動化檢測技術融合了最新的傳感器成像和圖像處理與分析等技術,用于高通量獲取作物表型信息[4-6]。

目前,針對作物表型自動化檢測技術的綜述類研究大多是基于國內外已發表的學術論文進行梳理統計和評估分析[7-9]。然而,該領域的技術創新進展并不局限于學術圈研究成果,還包括來自工業企業界的大量技術專利。本文從專利視角切入,針對作物表型自動化檢測技術的全球研發態勢進行梳理分析。

1 專利數據與方法

本文的專利文獻數據來源于Patsnap全球專利數據庫,該數據庫收錄了來自158個國家/地區的超過1.7億條專利數據。為了全面且精準獲取作物表型自動化檢測領域的全球專利數據,采用國際專利分類號和關鍵詞相結合的檢索方式,其中關鍵詞中涵蓋了主流農作物品種的中英文,檢索字段包括專利文獻的標題、摘要和權利要求書,檢索截止日為2022年8月26日。針對初步獲得的5 400余件專利,通過人工閱讀摘要和權利要求書的方式將技術內涵與作物表型自動化檢測技術不相符的數據進行剔除,最終獲得3 977件專利。

專利文獻中包含了詳細的專利相關信息,例如發明名稱、日期信息(包括申請日、公布/公告日、授權日等)、技術主題分類號、法律狀態和許可轉讓情況等[10]。本文采用定量與定型相結合的方法對專利文獻進行分析,運用時間趨勢分析、地域分析、技術生命周期、創新主體及技術布局和最新研發熱點分析等專利分析經典方法[11-13],對作物表型自動化檢測領域的全球研發態勢進行分析評估,明確中國在全球創新所處位置,發現潛在問題,提出對策建議。

2 全球研發態勢分析

2.1 全球專利申請與授權概況

近年來,作物表型自動化檢測技術在全球范圍內獲得了快速發展和推廣應用,這直接體現在全球專利申請量和授權量的快速增長。截至2022年8月28日,全球50個國家/地區共計申請3 977件專利。專利申請量在2008年之前總體處于緩慢發展的萌芽期,從2009到2014年處于較快發展期,2015年之后進入快速發展期,專利年申請量穩定遞增(由于專利從提交到公布需要經過專利局內部處理程序,存在滯后期,導致2021—2022年數據不完整,僅供參考)。快速發展期(從2015年至今)共計申請3 473件專利,占過往專利總數的82.2%,充分說明作物表型自動化檢測作為一項新興技術,其研發和應用在當下正受到全球重視。表1列出了最近20年的專利申請與授權情況。

同時值得注意的是,該領域的專利授權率在2015年之前的相當長的時間段內一直穩定在50%左右,而進入快速發展期后,出現了明顯走低趨勢,近些年的授權率已經越來越接近30%(由于專利審查需要經過特定程序,需要一定時間,2019年及之后的授權數據僅供參考)。這表明,該領域的技術創新迭代速度很快,創新主體在注重專利數量的同時需要兼顧質量。

技術生命周期是利用專利申請量與專利申請人數量隨時間的推移而變化來評估當前技術領域在其演化過程中所處的階段[14-15]。圖1是基于專利數據分析得出的作物表型自動化檢測技術的技術生命周期圖,橫軸表征的是該技術領域的專利申請量,縱軸表征的是申請人數量,每個數據點對應不同的年份的專利申請量和申請人數量。可以看出,2015年之前,該領域的專利申請量和申請人數量并無明顯的變化規律。從2015年往后直到2020年,專利申請量和申請人數量都呈現出明顯遞增趨勢。由此可見,作物表型自動化檢測技術從2015年開始持續吸引了越來越多的創新主體的加入,產出了越來越多的技術成果。從技術生命周期的角度分析,該領域在2015年左右突破了萌芽期階段,至今仍然處于擴張期階段,研發創新活動全面鋪開,技術領域充滿生機活力。由于2021和2022年的專利申請尚未完全公布,數據不完整,因而沒有列入分析。

圖1 作物表型自動化檢測技術生命周期圖

2.2 全球技術創新地域分布

本文分別從技術來源和目標市場兩個維度來分析作物表型自動化檢測技術的專利申請在全球尺度的地域分布。

2.2.1 技術來源分布

分析專利技術來源于哪些國家、地區,有助于了解該國家、地區的技術創新能力和活躍度[16]。分析結果顯示,作物表型自動化檢測技術的研發創新活動在全球地域分布上呈現出非常不均衡的態勢。表2列出了該領域專利數量排名前十的主要技術來源國別/地區以及相應的專利數量。其中,來自中國和美國的專利申請數量分別為2 033件和1 107件,占該領域專利申請總數的51.1%和27.8%,遠遠超出其他國家和地區的技術產出。由此可見,中國和美國在作物表型自動化檢測領域的技術創新最為活躍,是該領域的技術創新引領者。我國雖然在該領域的進入時間晚于美國,但是充分發揮了后發優勢,抓住了技術快速發展期的紅利,在2015年后產出了大量專利成果。

表2 作物表型自動化檢測的主要技術來源國別/地區Tab. 2 Major source countries/regions of automated crop phenotyping technology

除了中國和美國,日本和韓國等國家和地區也產出了超過100件的專利。這說明,作物表型自動化檢測技術的研發創新主要是由來自東亞和美國的創新主體來推動,其他國家和地區鮮有參與。

從技術主題的角度切入,中國和美國的專利技術研發所涉及的技術關鍵詞也相對其他國家/地區更為全面,涵蓋農作物、表型、植物生長、圖像采集、圖像處理、成像數據、根系、光譜、波長、病害、計算機模型、控制系統等所有細分類別。由此可以看出,中國和美國不僅在專利數量上占優,在技術研發布局上也更為完整。

2.2.2 目標市場分布

針對該領域專利技術布局于哪些國家/地區進行分析,有助于了解該目標市場的受關注程度,可以幫助企業在做技術戰略布局時關注到潛在機會[17]。

表3列出了該領域專利布局量排名前十的主要目標市場國別/地區以及相應的專利布局數量。

表3 作物表型自動化檢測技術的主要目標市場國別/地區Tab. 3 Major entering countries/regions of automated crop phenotyping technology

其中,中國和美國仍然是這一技術領域的創新主體最為關注的目標市場,反映出該領域的技術創新最先推廣應用到這兩個國家,中美兩國優先享受該領域技術創新成果帶來的發展紅利。與表2中的前十大技術來源地不同的是,表3中的目標市場國出現了加拿大、巴西和阿根廷,主要是由于這幾個國家都是幅員遼闊的農業大國,在世界農產品供應市場上占有重要地位,因而在作物表型自動化檢測方面有龐大的應用需求。全球創新主體對這些國家專利布局的重視,也值得我國在開拓海外市場的“走出去”戰略中加以參考借鑒。

2.3 國內技術創新地域分布

通過分析中國各省市專利數量,可以了解各省市的技術創新能力和活躍程度。表4列出了該領域排名前十的專利技術來源國內省份/直轄市,其中北京、江蘇和廣東在該領域的專利數量處于領先位置,分別為332件、297件和222件,大幅領先其他地區。究其原因,京津冀、長三角和珠三角地區在制造業基礎設施、技術創新的規模和質量上都更有優勢[18-19],往往更加重視技術研發投入和產出,并且在知識產權保護意識方面也走在國內前列,因而申請了更多的專利。在知識產權的護航之下,這些地區的創新主體在未來的技術與市場競爭過程中更有可能處于優勢地位。

表4 作物表型自動化檢測專利技術來源國內主要省份Tab. 4 Major source provinces of automated crop phenotyping technology

2.4 技術分支情況

作物表型自動化檢測屬于典型的多學科交叉技術,涵蓋多個技術領域。每一篇專利文獻都由專利局經過分類處理,注明了與技術領域和主題相關的一個或多個專利分類號,該分類號可以作為技術分支情況分析的切入點。

通過對專利文獻的分類號進行梳理,獲得了該領域的主要技術分支,如表5所示。由表5可以看出,作物表型自動化檢測技術涵蓋模式識別、圖像處理分析、系統集成、傳感器應用和植物學等多個領域的技術創新,上述幾項技術分支的專利申請數量占據了總數量的71.3%。值得注意的是,基于生物模型的計算,區別于傳統的領域,具體是通過數學建模與預測的手段來實現對作物表型的自動化檢測,在2015年之前并無任何專利申請,而近些年正在越來越受到應用重視,專利申請量呈現快速增加的狀態,2020年已達85件。這主要是得益于人工智能與神經網絡模型在近些年的迅猛發展,計算建模領域的技術創新成果正在被便捷地應用到作物表型自動化檢測,在較短時間內產出了可觀數量的技術成果。

表5 作物表型自動化檢測主要技術分支Tab. 5 Major technology branches of automated crop phenotyping

考慮到中國和美國在作物表型自動化檢測領域處于全球絕對領先的位置,針對這兩個國家在主要技術分支維度進行了統計分析。表6列出了作物表型自動化檢測技術分支的中美對比情況。雖然美國的專利申請數量雖然在總體上低于中國,但是在G01N33(利用不包括在G01N1/00至G01N31/00組中的特殊方法來研究或分析材料)這一技術分支的申請量超過了中國的申請量。

表6 作物表型自動化檢測技術分支的中美對比Tab. 6 Comparison of technology branches of automated crop phenotyping between China and America

G01N33技術分支下的美國專利申請并無明顯的主流研發方向,而是采用各種非傳統技術手段來實現對作物表型的自動化檢測與分析,利用采用出射光/返回光,電信號,電磁波反射等。由此可見,美國在該領域的技術創新更加注重技術研發方向的多樣性,從不同的技術路徑進行試探性開發。

2.5 主要創新主體

作物表型自動化檢測技術領域的創新主體包括全球范圍內的眾多商業公司和科研院所,專利數量排名前十的創新主體參見表7。該領域的專利數量排名前十的創新主體全部來自中國和美國,各占5家。其中,美國的先鋒國際良種公司深耕這一領域,在專利數量上獨占鰲頭,專利數量高達104件。南京農業大學在該領域的專利數量為88件,處于國內領先位置。

表7 作物表型自動化檢測領域的主要創新主體Tab. 7 Major innovators of automated crop phenotyping

除了中國和美國的創新主體,還有來自日本的索尼公司(39件專利)、株式會社OPTIM公司(19件專利)和株式會社日立制作所(18件專利),來自德國的巴斯夫植物科學公司(34件專利)、薩特維爾德倫股份公司(20件專利)和KWS公司(13件專利),來自澳大利亞的聯邦科學和工業研究組織(18件專利),來自瑞士的先正達公司(18件專利),來自以色列的SUPPLANT公司(16件專利),來自韓國的韓國科學技術研究院(13件專利),上述國家的機構在作物表型自動化檢測方面的技術創新也表現得非常積極活躍。

從創新主體的性質來看,國外的創新主體以公司為主,而我國的創新主體則以高校和科研院所為主。由此可見,我國在這一領域的技術研發仍然以實驗室科學研究為主,尤其需要加強產學研協同創新[20],在產業化應用和全球商業推廣方面還需要向國外同行學習借鑒。

2.6 研發重點和海外布局

針對專利數量排名靠前的6家創新主體(中國和美國各有3家)的重點研發方向和海外布局情況進行了梳理分析,獲得了如下結果。

作為技術儲備最雄厚的創新主體,先鋒國際良種公司深耕該領域多年,技術研發側重于作物表型的圖像處理分析和模式識別,作物品種以玉米和大豆為主,圖像獲取手段涵蓋近紅外、可見光、X射線等。先鋒國際良種公司非常注重國際專利申請與布局,除了在美國本土申請34件專利以外,還在WIPO、歐洲、阿根廷、巴西、加拿大、智利、墨西哥等國家與地區有70件專利申請。美國本土以外的專利布局數量占總數比率達到67.3%,凸顯出該公司對海外市場的重視。

專利數量排名第二的孟山都公司,不僅在光學手段表型檢測方面有扎實的技術儲備,還非常注重其他非傳統手段對作物表型參數進行精確探測,例如通過MRI磁共振成像篩選出具有優勢表型的作物品種,利用電磁輻射反射和/或發射信號來確定作物的特定表型特性等。該公司的海外專利布局分布在WIPO、加拿大、歐洲、巴西、墨西哥、阿根廷、澳大利亞、中國和德國等,海外布局專利占比為76.4%。

作為國內專利數量排名第一的創新主體,南京農業大學在利用光學手段進行作物表型測量以及溫室栽培與表型檢測裝備集成方面擁有較多的研發成果,尤其體現在圍繞作物根系和葉片表型檢測的田間自走式平臺。南京農業大學的專利主要為中國專利,海外專利布局僅包括美國專利3件和WIPO專利3件。

北京農業信息技術研究中心的技術研發方向以基于光學手段的表型檢測裝置為主,在表型檢測系統中搭載可見光工業相機、多光譜傳感器、三維激光雷達以及熱紅外傳感器等,通過多種光學手段來實現作物表型檢測。北京農業信息技術研究中心的所有69件專利均為國內專利申請,并無海外專利布局。

X開發公司的技術分支側重于作物表型的模式識別方法和行業系統總集成,以及基于生物模型的表型參數建模與計算,通過先進的數據處理方法和軟件系統對作物類型進行識別分類,對作物表型參數進行計算或預測。該公司的海外專利數量為25件,占比54.3%,主要分布在WIPO、加拿大、歐洲、巴西、中國和日本。

浙江大學的技術研發方向也偏重于基于多種光學手段的作物表型檢測,將其應用于作物病蟲害監測和多樣化的生理指標測量。浙江大學的海外專利布局為7件,占比15.2%,分布于美國、澳大利亞、意大利、日本、荷蘭和WIPO。

從以上六家創新主體的研發重點和海外布局來看,他們在技術研發方向上都呈現出趨同特點,大都是基于光學手段的表型檢測、圖像處理與識別以及軟硬件系統平臺集成等細分類別。相比而言,國內創新主體在技術研發重點方向上的同質化現象相對更加嚴重,而國外的創新主體的專利技術相對更加多元化,注重從不同角度去擴展作物表型自動化檢測技術的內涵和應用邊界。與此同時,在海外專利布局方面,國內創新主體顯然不如國外創新主體更加重視,海外專利數量占比整體上遠低于后者。

3 結論與建議

針對作物表型自動化檢測技術專利,開展了多個角度的技術創新現狀與研發態勢分析,主要結論與建議如下。

1) 過去20年,作物表型自動化檢測技術整體呈現快速增加階段,尤其表現在2015年至今的快速發展階段。在專利申請數量增加的同時,創新主體的數量也在快速增加,表明該領域正在成為一個熱門,吸引越來越多的資金和人才的進入。授權率在近些年的下滑表明該領域的技術迭代飛速,需要著力提升專利申請的質量。作物表型自動化檢測的新裝備、新方法和新技術正在成為農業現代化發展的一個重要引領,值得引起政府決策部門的高度重視。

2) 從全球尺度,作物表型自動化檢測的技術創新主要來源于東亞和美國,其中中國和美國的專利數量占78.9%,處于絕對領先的位置。無論是從技術來源還是目標市場的角度,中國在該領域的位置都舉足輕重。從國內尺度,北京、江蘇和廣東產出了58.4%的專利技術成果,大幅度領先于其他省市和自治區,起到了引領示范作用。

3) 傳統意義上,作物表型自動化檢測的研發創新主要分布在模式識別、圖像處理分析、系統集成和傳感器應用等技術分支。近些年,最新的人工智能與神經網絡模型研究成果正在被應用到作物表型自動化檢測,大幅提高了表型分析計算的精度和效率,構成了一個新的研究熱點。

4) 作物表型自動化檢測領域的重要創新主體主要分布在中國和美國,具體包括先鋒國際良種公司、孟山都公司、南京農業大學、北京農業信息技術研究中心、X開發公司、浙江大學、克萊米特公司、南京慧瞳公司、成長方案技術公司和華南農業大學。美國的創新主體全都是公司企業性質,而中國的創新主體以高校和科研院所為主。高校和科研院所由于具備人才儲備優勢,在技術研發創新方面處于引領位置,但是需要注意加強產學研協同創新,積極推進校企合作和技術成果轉化,最大化研發技術成果的經濟效益和社會效益。引導培育該領域的國內龍頭企業,也可以作為接下來同步開展的一項重點工作。

5) 包括先鋒國際良種公司、孟山都公司和X開發公司在內的美國創新主體都深耕該領域多年,不僅擁有扎實的技術儲備,并且都非常重視海外區域專利布局,在歐洲、澳大利亞、加拿大和巴西等潛在技術應用區域布局有大量專利,海外專利布局占其專利總數的50%以上。同為該領域的重要創新主體,中國的南京農業大學、北京農業信息技術研究中心和浙江大學在海外僅有零星專利布局,說明其在開拓海外技術市場和海外知識產權護航方面的重視程度不及國際同行。海外專利布局應當引起政府部門和相關涉外企業的高度重視,并適時地提供相應的政策支持與服務助力,提前作出規劃布局,才能避免潛在的知識產權糾紛,更好地助力中國的“走出去”戰略,共建“一帶一路”發展格局。