[发明专利]洗衣机的洗涤控制方法、装置、计算机设备和存储介质在审
| 申请号: | 201910441133.5 | 申请日: | 2019-05-24 |
| 公开(公告)号: | CN110331551A | 公开(公告)日: | 2019-10-15 |
| 发明(设计)人: | 袁正波;韩怡茹;尹相宇;向麟昀 | 申请(专利权)人: | 珠海格力电器股份有限公司 |
| 主分类号: | D06F33/02 | 分类号: | D06F33/02;D06F39/00 |
| 代理公司: | 北京华夏泰和知识产权代理有限公司 11662 | 代理人: | 韩来兵 |
| 地址: | 519070*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 洗涤 洗衣机 衣物量 计算机设备 衣物 存储介质 洗涤控制 衣物类型 指令 图像 计算衣物 内部衣物 清洗衣物 输出图像 图像输入 用户体验 预测模型 预设 发送 拍摄 申请 | ||
1.一种洗衣机的洗涤控制方法,其特征在于,所述方法包括:
获取包含待清洗衣物的图像;
将所述图像输入已训练的衣物预测模型,输出所述图像对应的衣物类别和衣物量;
根据预设对应关系,获取与所述衣物类别和所述衣物量对应的目标洗涤策略;
生成与所述目标洗涤策略对应的洗涤指令,发送所述洗涤指令,以使洗衣机执行所述洗涤指令。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取重力传感器采集的与所述图像对应的重力数据;
根据所述重力数据更新所述衣物量。
3.根据权利要求1所述的方法,其特征在于,所述已训练的衣物预测模型包括卷积层、RPN和预测层,所述卷积层的输出作为所述区域生成层的输入,所述区域生成层的输出作为所述预测层的输入,所述将所述图像输入已训练的衣物预测模型,输出所述图像对应的衣物类别和衣物量,包括:
将所述图像输入所述已训练的衣物预测模型的中的卷积层,通过所述卷积层进行卷积运算,得到卷积特征图集合;
将所述卷积图特征集合输入区域生成层,输出至少一个目标区域和对应的位置信息;
将各个所述目标区域和对应的位置信息输入预测层,输出各个所述目标区域对应的预测结果,所述预测结果包括衣物类型、位置信息和掩码信息;
根据各个所述目标区域的预测结果确定所述图像的衣物类型;
根据各个所述目标区域的掩码信息确定所述衣物量。
4.根据权利要求1所述的方法,其特征在于,所述预测层包括分类层和掩码层,所述将各个所述目标区域输入预测层,输出各个所述目标区域对应的预测结果,包括:
将各个所述目标区域输入分类层,根据各个所述目标区域的纹理特征确定所述衣物类别和所述位置信息;
将所述目标区域输入所述掩码层,输出所述目标区域的所述掩码信息。
5.根据权利要求1所述的方法,其特征在于,生成所述已训练的衣物预测模型,包括:
获取包含多个训练图像的训练集合,各个所述训练图像携带标签,所述标签包含真实衣物类型、真实位置信息和真实衣物量;
构建初始衣物预测模型;
将各个所述训练图像输入所述初始衣物预测模型,输出各个所述训练图像对应的预测结果,所述预测结果包括预测衣物类型、预测位置信息和预测衣物量;
计算所述预测结果与所述标签的差异度;
当所述差异度小于或等于预设差异度时,得到所述已训练的衣物预测模型。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当所述差异度大于所述预设差异度时,根据所述差异度更新所述初始衣物预测模型的模型参数;
采用更新了模型参数的初始衣物预测模型对所述训练图像进行再次预测,直至更新了模型参数的初始衣物预测模型得到的预测结果,与所述标签之间的差异度小于或等于所述预设差异度时,得到所述已训练的衣物预测模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收语音数据,根据所述语音数据生成对应的控制指令,所述控制指令用于控制洗衣机的状态。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述方法还包括:
获取所述洗衣机的历史洗涤策略,和历史衣物类别、历史衣物量的历史对应关系;
根据所述历史对应关系,更新所述预设对应关系。
9.一种洗衣机的洗涤控制装置,其特征在于,所述装置包括:
图像获取模块,用于获取包含待清洗衣物的图像;
预测模块,用于将所述图像输入已训练的衣物预测模型,输出图像对应的衣物类别和对应的衣物量;
洗涤控制模块,用于获取与所述衣物类别和所述衣物量对应的目标洗涤策略,生成与所述目标洗涤策略对应的洗涤指令,发送所述洗涤指令,以使洗衣机执行所述洗涤指令。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海格力电器股份有限公司,未经珠海格力电器股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910441133.5/1.html,转载请声明来源钻瓜专利网。





