CN107876530A - 一种实验室内基础设施智能清洗方法 - Google Patents
一种实验室内基础设施智能清洗方法 Download PDFInfo
- Publication number
- CN107876530A CN107876530A CN201711019876.0A CN201711019876A CN107876530A CN 107876530 A CN107876530 A CN 107876530A CN 201711019876 A CN201711019876 A CN 201711019876A CN 107876530 A CN107876530 A CN 107876530A
- Authority
- CN
- China
- Prior art keywords
- cleaning
- image
- target item
- similarity
- comparative result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
Landscapes
- Cleaning By Liquid Or Steam (AREA)
Abstract
本发明公开了一种实验室内基础设施智能清洗方法,包括:S1、将待清洗的目标物品分为两部分,并分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗;S2、采集第一次清洗后的第一部分的目标物品的第一图像、第二部分的目标物品的第二图像,分别将第一图像与第一预设图像、第二图像与第二预设图像进行比较得出比较结果;S3、根据上述比较结果制定第二次清洗方案对第一部分的目标物品以及第二部分的目标物品进行清洗。本发明通过分析两部分的目标物品第一次清洗后的效果来判断第一次清洗的效率以及两部分目标物品的洁净程度,再根据两部分目标物品的洁净程度来制定第二次清洗方案,实现对目标物品全面、高效率的清洗。
Description
技术领域
本发明涉及智能清洗方法技术领域,尤其涉及一种实验室内基础设施智能清洗方法。
背景技术
无论在中小学、科研单位、各类院校,都配置有实验室,实验室用于供不同人员进行科学探究实验。在实验过程中,各种基础设施的洁净程度能够直接影响到实验结果的准确性和精度,例如:烧杯、试管等等实验用品。因此,保持实验室内基础设施的洁净有利于提高实验过程的效率和实验结果的精度。
发明内容
基于背景技术存在的技术问题,本发明提出了一种实验室内基础设施智能清洗方法。
本发明提出的实验室内基础设施智能清洗方法,包括以下步骤:
S1、将待清洗的目标物品分为两部分,并分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗;
S2、采集第一次清洗后的第一部分的目标物品的第一图像、第二部分的目标物品的第二图像,分别将第一图像与第一预设图像、第二图像与第二预设图像进行比较得出比较结果;
S3、根据上述比较结果制定第二次清洗方案对第一部分的目标物品以及第二部分的目标物品进行清洗。
优选地,步骤S2具体包括:
分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,再基于第一相似度M1和第二相似度M2得出比较结果:
当|M1-M2|≤A时,得出第一比较结果;
当A<|M1-M2|<B时,得出第二比较结果;
当|M1-M2|≥B时,得出第三比较结果;
其中,A、B均为预设值且A<B。
优选地,步骤S3具体包括:
根据步骤S2的比较结果调整第二次清洗方案的工作功率和工作时间;
当步骤S2得出第一比较结果时,调整第二次清洗方案的工作功率保持为P1、工作时间保持为t1;
当步骤S2得出第二比较结果时,调整第二次清洗方案的工作功率保持为P2、工作时间保持为t2;
当步骤S2得出第三比较结果时,调整第二次清洗方案的工作功率保持为P3、工作时间保持为t3;
其中,P2<P3<P1,t2<t3<t1。
优选地,步骤S1还包括:
根据步骤S2的比较结果调整下一次清洗的清洗模式;
当A<|M1-M2|<B时,加大下一次清洗过程中的清洗力度;
当|M1-M2|≥B时,加大下一次清洗过程中的清洗力度,以及,清洗时间;
优选地,步骤S1中利用清洗模块分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗,且通过增加清洗模块的工作功率来加大清洗力度。
优选地,所述清洗模块包括多个清洗子模块,多个清洗子模块的安装位置均不相同。
优选地,步骤S2中,分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,具体包括:
对第一图像、第二图像作灰度处理得到第一灰度图像、第二灰度图像,分别计算第一灰度图像与第一预设图像、第二灰度图像与第二预设图像中每个像素点的相似度,再基于每个像素点的相似度计算第一相似度M1、第二相似度M2。
本发明提出的实验室内基础设施智能清洗方法,首先将待清洗的目标物品分为两部分并进行第一次清洗,然后通过分析两部分的目标物品第一次清洗后的效果来判断第一次清洗的效率以及两部分目标物品的洁净程度,最后再根据两部分目标物品的洁净程度来制定第二次清洗方案,实现对目标物品全面、高效率的清洗。进一步地,本发明提出的实验室内基础设施智能清洗方法,还根据第二步骤中对第一次清洗效果的分析结果来调整第一步骤中对两部分目标物品的清洗模式,以提高第一次清洗过程的效率和清洗效果,通过第一次清洗和第二次清洗的配合作用来全面保证对目标物品的清洗效果,从而保证实验室内基础设施的洁净度以提高实验效果。
附图说明
图1为一种实验室内基础设施智能清洗方法的步骤示意图。
具体实施方式
如图1所示,图1为本发明提出的一种实验室内基础设施智能清洗方法。
参照图1,本发明提出的实验室内基础设施智能清洗方法,包括以下步骤:
S1、将待清洗的目标物品分为两部分,并分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗;
S2、采集第一次清洗后的第一部分的目标物品的第一图像、第二部分的目标物品的第二图像,分别将第一图像与第一预设图像、第二图像与第二预设图像进行比较得出比较结果;
S3、根据上述比较结果制定第二次清洗方案对第一部分的目标物品以及第二部分的目标物品进行清洗。
上述方法中,首先对第一次清洗的效果进行采集和分析,并根据分析结果判断是否需要进行第二次清洗,以及,第二次清洗操作的具体模式,通过清洗操作实现了对目标物品全面且高效的清洗,使实验室内的基础设施保持良好的洁净度以保证每次实验的效果。
本实施方式中,步骤S2具体包括:
分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,再基于第一相似度M1和第二相似度M2得出比较结果,通过计算相似度能够清晰且直接地得出第一次清洗的效果;本实施方式通过分析第一相似度与第二相似度的差值来判断第一清洗过程中对第一部分的目标物品和第二部分的目标物品的清洗效果,通过比较两个相似度来对第一部分的目标物品和第二部分的目标物品的清洗效果进行自检,提高了清洗效果检查的针对性和有效性;具体地:
当|M1-M2|≤A时,表明第一相似度和第二相似度差值较小,即经过第一次清洗的第一部分的目标物品和第二部分的目标物品的洁净程度均较高或均较低,此时为全面提高对目标物品的清洗效果,得出第一比较结果;
当A<|M1-M2|<B时,表明第一相似度和第二相似度存在一定差异,即经过第一次清洗的第一部分的目标物品和第二部分的目标物品中至少有一个部分的清洗效果较差,此时得出第二比较结果;
当|M1-M2|≥B时,表明第一相似度和第二相似度两个值中有一个值较大、另一个值较小,即有一个部分的目标物品的清洁度较差,此时得出第三比较结果;
其中,A、B均为预设值且A<B。
通过对两个部分的目标物品的相似度进行比较,可以利用两个相似度值对两个部分的目标物品的第一次清洗效果进行自检,有利于通过提高自检精度来提高对第一次清洗效果的检测,为后续步骤中制定第二次清洗方案提供准确有效的参考基础。
本实施方式中,步骤S3具体包括:
根据步骤S2的比较结果调整第二次清洗方案的工作功率和工作时间;通过调整工作功率来改变清洗力度,以保证对两部分目标物品的有效清洗;通过调整工作时间来提高清洗效率,全面提高对两部分目标物品的清洗效果;
当步骤S2得出第一比较结果时,调整第二次清洗方案的工作功率保持为P1、工作时间保持为t1;
当步骤S2得出第二比较结果时,调整第二次清洗方案的工作功率保持为P2、工作时间保持为t2;
当步骤S2得出第三比较结果时,调整第二次清洗方案的工作功率保持为P3、工作时间保持为t3;
其中,P2<P3<P1,t2<t3<t1;根据第一次清洗的效果来制定第二次清洗的力度和时间,有利于针对性的提高第二次清洗的效率,使目标物品保持良好的洁净度,从而保持实验室内基础设施的整洁性。
在进一步地实施例中,步骤S1还包括:
根据步骤S2的比较结果调整下一次清洗的清洗模式;
当A<|M1-M2|<B时,加大下一次清洗过程中的清洗力度;
当|M1-M2|≥B时,加大下一次清洗过程中的清洗力度,以及,清洗时间;
优选地,步骤S1中利用清洗模块分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗,且通过增加清洗模块的工作功率来加大清洗力度;
通过对第一次清洗效果的分析,并将其作为对下一批实验用品进行第一次清洗时的清洗方案的调整依据,有利于针对性的提高第一次清洗的效果,从而保证对实验用品的整体清洗效率。
优选地,所述清洗模块包括多个清洗子模块,多个清洗子模块的安装位置均不相同,以从不同位置不同角度对第一部分的目标物品和第二部分的目标物品进行清洗,有利于提高清洗效果。
在进一步地实施例中,步骤S2中,分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,具体包括:
对第一图像、第二图像作灰度处理得到第一灰度图像、第二灰度图像,分别计算第一灰度图像与第一预设图像、第二灰度图像与第二预设图像中每个像素点的相似度,再基于每个像素点的相似度计算第一相似度M1、第二相似度M2。通过对第一灰度图像和第二灰度图像中每个像素点的相似度进行计算和分析,有利于提高第一相似度和第二相似度的准确性,为本实施方式中通过分析第一相似度和第二相似度的值来判断第一次清洗效果提供准确有力的参考基础。
本实施方式提出的实验室内基础设施智能清洗方法,首先将待清洗的目标物品分为两部分并进行第一次清洗,然后通过分析两部分的目标物品第一次清洗后的效果来判断第一次清洗的效率以及两部分目标物品的洁净程度,最后再根据两部分目标物品的洁净程度来制定第二次清洗方案,实现对目标物品全面、高效率的清洗。进一步地,本实施方式提出的实验室内基础设施智能清洗方法,还根据第二步骤中对第一次清洗效果的分析结果来调整第一步骤中对两部分目标物品的清洗模式,以提高第一次清洗过程的效率和清洗效果,通过第一次清洗和第二次清洗的配合作用来全面保证对目标物品的清洗效果,从而保证实验室内基础设施的洁净度以提高实验效果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种实验室内基础设施智能清洗方法,其特征在于,包括以下步骤:
S1、将待清洗的目标物品分为两部分,并分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗;
S2、采集第一次清洗后的第一部分的目标物品的第一图像、第二部分的目标物品的第二图像,分别将第一图像与第一预设图像、第二图像与第二预设图像进行比较得出比较结果;
S3、根据上述比较结果制定第二次清洗方案对第一部分的目标物品以及第二部分的目标物品进行清洗。
2.根据权利要求1所述的实验室内基础设施智能清洗方法,其特征在于,步骤S2具体包括:
分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,再基于第一相似度M1和第二相似度M2得出比较结果:
当|M1-M2|≤A时,得出第一比较结果;
当A<|M1-M2|<B时,得出第二比较结果;
当|M1-M2|≥B时,得出第三比较结果;
其中,A、B均为预设值且A<B。
3.根据权利要求2所述的实验室内基础设施智能清洗方法,其特征在于,步骤S3具体包括:
根据步骤S2的比较结果调整第二次清洗方案的工作功率和工作时间;
当步骤S2得出第一比较结果时,调整第二次清洗方案的工作功率保持为P1、工作时间保持为t1;
当步骤S2得出第二比较结果时,调整第二次清洗方案的工作功率保持为P2、工作时间保持为t2;
当步骤S2得出第三比较结果时,调整第二次清洗方案的工作功率保持为P3、工作时间保持为t3;
其中,P2<P3<P1,t2<t3<t1。
4.根据权利要求2所述的实验室内基础设施智能清洗方法,其特征在于,步骤S1还包括:
根据步骤S2的比较结果调整下一次清洗的清洗模式;
当A<|M1-M2|<B时,加大下一次清洗过程中的清洗力度;
当|M1-M2|≥B时,加大下一次清洗过程中的清洗力度,以及,清洗时间;
优选地,步骤S1中利用清洗模块分别对第一部分的目标物品、第二部分的目标物品进行第一次清洗,且通过增加清洗模块的工作功率来加大清洗力度。
5.根据权利要求4所述的实验室内基础设施智能清洗方法,其特征在于,所述清洗模块包括多个清洗子模块,多个清洗子模块的安装位置均不相同。
6.根据权利要求2所述的实验室内基础设施智能清洗方法,其特征在于,步骤S2中,分别将第一图像与第一预设图像、第二图像与第二预设图像进行相似度对比,得出第一相似度M1和第二相似度M2,具体包括:
对第一图像、第二图像作灰度处理得到第一灰度图像、第二灰度图像,分别计算第一灰度图像与第一预设图像、第二灰度图像与第二预设图像中每个像素点的相似度,再基于每个像素点的相似度计算第一相似度M1、第二相似度M2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711019876.0A CN107876530A (zh) | 2017-10-27 | 2017-10-27 | 一种实验室内基础设施智能清洗方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711019876.0A CN107876530A (zh) | 2017-10-27 | 2017-10-27 | 一种实验室内基础设施智能清洗方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107876530A true CN107876530A (zh) | 2018-04-06 |
Family
ID=61782545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711019876.0A Pending CN107876530A (zh) | 2017-10-27 | 2017-10-27 | 一种实验室内基础设施智能清洗方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107876530A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460092A (zh) * | 2018-08-11 | 2019-03-12 | 西华大学 | 一种链黑菌素化合物提取工艺中设备参数控制***及方法 |
CN111439238A (zh) * | 2020-05-08 | 2020-07-24 | 济南睿达物联网有限公司 | 一种基于物联网信息的自动洗车装置 |
CN113409279A (zh) * | 2021-06-24 | 2021-09-17 | 北京车和家信息技术有限公司 | 激光雷达清洗***的效果评估方法、装置、设备和介质 |
CN114345803A (zh) * | 2021-12-30 | 2022-04-15 | 沈阳仪表科学研究院有限公司 | 冷却塔清洗装置 |
CN115178554A (zh) * | 2022-06-23 | 2022-10-14 | 宁波星巡智能科技有限公司 | 基于机器视觉的奶瓶智能清洗方法、装置及设备 |
CN113409279B (zh) * | 2021-06-24 | 2024-07-05 | 北京车和家信息技术有限公司 | 激光雷达清洗***的效果评估方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1989986B1 (de) * | 2007-05-07 | 2009-09-16 | MEIKO Maschinenbau GmbH & Co. KG | Desinfektionssteuerung durch Zielerregerauswahl |
CN201543633U (zh) * | 2009-09-22 | 2010-08-11 | 泰怡凯电器(苏州)有限公司 | 清洁机器人及其脏物识别装置 |
CN102008278A (zh) * | 2009-09-07 | 2011-04-13 | 松下电器产业株式会社 | 餐具清洗机 |
CN106111593A (zh) * | 2016-07-14 | 2016-11-16 | 广东美的厨房电器制造有限公司 | 控制进行污垢清洗的方法和装置 |
CN106894481A (zh) * | 2017-01-13 | 2017-06-27 | 杨徐子谦 | 一种基于智能马桶自动检测并清洁污垢方法及*** |
-
2017
- 2017-10-27 CN CN201711019876.0A patent/CN107876530A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1989986B1 (de) * | 2007-05-07 | 2009-09-16 | MEIKO Maschinenbau GmbH & Co. KG | Desinfektionssteuerung durch Zielerregerauswahl |
CN102008278A (zh) * | 2009-09-07 | 2011-04-13 | 松下电器产业株式会社 | 餐具清洗机 |
CN201543633U (zh) * | 2009-09-22 | 2010-08-11 | 泰怡凯电器(苏州)有限公司 | 清洁机器人及其脏物识别装置 |
CN106111593A (zh) * | 2016-07-14 | 2016-11-16 | 广东美的厨房电器制造有限公司 | 控制进行污垢清洗的方法和装置 |
CN106894481A (zh) * | 2017-01-13 | 2017-06-27 | 杨徐子谦 | 一种基于智能马桶自动检测并清洁污垢方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460092A (zh) * | 2018-08-11 | 2019-03-12 | 西华大学 | 一种链黑菌素化合物提取工艺中设备参数控制***及方法 |
CN111439238A (zh) * | 2020-05-08 | 2020-07-24 | 济南睿达物联网有限公司 | 一种基于物联网信息的自动洗车装置 |
CN111439238B (zh) * | 2020-05-08 | 2021-11-02 | 济南睿达物联网有限公司 | 一种基于物联网信息的自动洗车装置 |
CN113409279A (zh) * | 2021-06-24 | 2021-09-17 | 北京车和家信息技术有限公司 | 激光雷达清洗***的效果评估方法、装置、设备和介质 |
CN113409279B (zh) * | 2021-06-24 | 2024-07-05 | 北京车和家信息技术有限公司 | 激光雷达清洗***的效果评估方法、装置、设备和介质 |
CN114345803A (zh) * | 2021-12-30 | 2022-04-15 | 沈阳仪表科学研究院有限公司 | 冷却塔清洗装置 |
CN115178554A (zh) * | 2022-06-23 | 2022-10-14 | 宁波星巡智能科技有限公司 | 基于机器视觉的奶瓶智能清洗方法、装置及设备 |
CN115178554B (zh) * | 2022-06-23 | 2024-03-12 | 宁波星巡智能科技有限公司 | 基于机器视觉的奶瓶智能清洗方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107876530A (zh) | 一种实验室内基础设施智能清洗方法 | |
CN104268505B (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN104008551B (zh) | 一种基于可见光图像的柑橘黄龙病检测方法 | |
CN101063660B (zh) | 一种纺织品缺陷检测方法及其装置 | |
CN104458755A (zh) | 一种基于机器视觉的多类型材质表面缺陷检测方法 | |
CN106934800A (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN103208117A (zh) | 一种多功能智能皮带表面斑块边缘检测方法 | |
CN106296689B (zh) | 瑕疵检测方法、***及装置 | |
Li et al. | An end-to-end defect detection method for mobile phone light guide plate via multitask learning | |
CN111735523B (zh) | 基于视频识别的车重检测方法、装置及存储介质 | |
CN106548206A (zh) | 基于最小生成树的多模态磁共振影像数据分类方法 | |
US11521120B2 (en) | Inspection apparatus and machine learning method | |
Lv et al. | A novel pixel-wise defect inspection method based on stable background reconstruction | |
CN105931246A (zh) | 一种基于小波变换和遗传算法的织物瑕疵检测方法 | |
CN106225681A (zh) | 一种大跨度桥梁健康状态监测装置 | |
CN110660021A (zh) | 一种基于深度学习的脉冲涡流热成像高分辨率清晰化方法 | |
CN111402249B (zh) | 基于深度学习的图像演化分析方法 | |
CN103942792B (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
CN201081763Y (zh) | 一种纺织品缺陷检测装置 | |
CN111415326A (zh) | 一种用于铁路接触网螺栓异常状态的检测方法及*** | |
CN107900056A (zh) | 一种实验室内基础设施智能清洗*** | |
Mu et al. | A radiographic image quality assessment algorithm based on network topology analysis | |
CN104933724A (zh) | 实蝇磁共振图像的自动图像分割方法 | |
WO2023085992A1 (en) | Image analysis of cut flowers | |
CN112730437B (zh) | 基于深度可分离卷积神经网络的喷丝板表面缺陷检测方法、装置、存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180406 |
|
RJ01 | Rejection of invention patent application after publication |