CN108195028B - 空气调节设备清洁信息的推送方法及装置 - Google Patents

Abstract

本发明公开了一种空气调节设备清洁信息的推送方法及装置。其中，该方法包括：根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；对污染状态信息进行分析，确定空气调节设备的污染程度；判断污染程度是否大于预设污染程度；在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，告警信息用于告知用户需要清理空气调节设备。本发明解决了相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

Description

空气调节设备清洁信息的推送方法及装置

技术领域

本发明涉及空气调节设备控制技术领域，具体而言，涉及一种空气调节设备清洁信息的推送方法及装置。

背景技术

相关技术中，对于空气调节设备，尤其是空调器在在使用过程中，会随着时间、季节的不同，开启空调的程度也不同，例如，在冬天，不会打开空调，采用取暖器取暖，而在夏天会频繁打开空调，这样就会造成空调使用的空档期，在不使用空调的这一段时间，会闲置空调不使用，空调内部会逐渐滋生细菌或者污染物，用户并不会在这一段时间了解空调内部的污染情况，这样就会造成空调的污染扩大，在重新使用空调时，空调内部由于污染较大，导致空调运行异常。

针对上述的相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空气调节设备清洁信息的推送方法及装置，以至少解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

根据本发明实施例的一个方面，提供了一种空气调节设备清洁信息的推送方法，包括：根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；判断所述污染程度是否大于预设污染程度；在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，所述告警信息用于告知用户需要清理所述空气调节设备。

进一步地，在判断出污染程度大于预设污染程度的情况下，所述方法还包括：根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案，其中，所述空气调节设备清洁提案用于告知用户清理所述空气调节设备的清理方式，和/或，清洁区域；发送所述空气调节设备清洁提案。

进一步地，根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案包括：获取所述污染状态信息和所述污染程度，以根据所述污染状态信息和所述污染程度预测出对所述空气调节设备进行清洁处理的清洁信息，其中，所述清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，所述清洁方式用于告知用户清理所述空气调节设备的步骤；根据所述清洁信息，生成所述空气调节设备清洁提案。

进一步地，所述污染状态信息至少包括：污染区域和/或污染物信息，对所述污染状态信息进行分析，确定所述空气调节设备的污染程度包括：确定所述污染物信息中污染物所属的污染物类型；根据所述污染区域和/或所述污染物类型，确定所述空气调节设备的污染程度。

进一步地，根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息包括：根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息。

进一步地，对所述污染状态信息进行分析，确定所述空气调节设备的污染程度包括：通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。

进一步地，根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息包括：根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像；对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域；将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息；将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息。

进一步地，根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案包括：根据所述空气调节设备的污染区域，确定待清理区域；根据所述空气调节设备内部的污染物类型，确定待清理的污染物类型；根据所述待清理区域和/或所述待清理的污染物类型，生成所述空气调节设备清洁提案。

进一步地，在判断出污染程度大于预设污染程度的情况下的情况下，所述方法还包括：获取清洁装置的位置信息；发送所述清洁装置的位置信息和所述空气调节设备清洁提案。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种空气调节设备清洁信息的推送方法，包括：根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；判断所述污染程度是否大于预设污染程度；在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据；对所述用户历史清洁数据进行分析，得到分析结果；根据所述分析结果，确定空气调节设备的目标清洁周期和目标清洁方式；根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息，其中，所述空气调节设备清洁信息用于告知用户清理所述空气调节设备；推送所述空气调节设备清洁信息。

进一步地，在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据包括下述至少之一：获取用户历史过程中每次清洁所述空气调节设备的清洁方式；获取用户历史过程中每次清洁所述空气调节设备之间间隔的清洁周期；获取用户历史过程中每次清洁所述空气调节设备的清洁区域；获取用户历史过程中每次清洁所述空气调节设备的开始时间点。

进一步地，根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息包括：通过预设学习模型读取目标清洁周期和目标清洁方式，以确定对所述空气调节设备进行清洁处理的空气调节设备清洁信息，其中，所述预设学习模型是根据多组数据通过机器学习训练得到的，所述多组数据中的每一组数据均包括目标清洁周期和目标清洁方式与空气调节设备清洁信息的对应关系。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种空气调节设备清洁信息的推送装置，包括：第一获取单元，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；第一分析单元，用于对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；第一判断单元，用于判断所述污染程度是否大于预设污染程度；第一推送单元，用于在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，所述告警信息用于告知用户需要清理所述空气调节设备。

进一步地，所述装置还包括：生成单元，用于在判断出污染程度大于预设污染程度的情况下，根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案，其中，所述空气调节设备清洁提案用于告知用户清理所述空气调节设备的清理方式，和/或，清洁区域；发送单元，用于发送所述空气调节设备清洁提案。

进一步地，生成单元包括：第一获取模块，用于获取所述污染状态信息和所述污染程度，以根据所述污染状态信息和所述污染程度预测出对所述空气调节设备进行清洁处理的清洁信息，其中，所述清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，所述清洁方式用于告知用户清理所述空气调节设备的步骤；第一生成模块，用于根据所述清洁信息，生成所述空气调节设备清洁提案。

进一步地，所述污染状态信息至少包括：污染区域和/或污染物信息，第一分析单元包括：第一确定模块，用于确定所述污染物信息中污染物所属的污染物类型；第二确定模块，用于根据所述污染区域和/或所述污染物类型，确定所述空气调节设备的污染程度。

进一步地，第一获取单元包括：第二获取模块，用于根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；第三确定模块，用于根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息。

进一步地，第一分析单元包括：第四确定模块，用于通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。

进一步地，第一获取单元包括：拍照模块，用于根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像；图像处理模块，用于对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域；比对模块，用于将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息；第一处理模块，用于将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息。

进一步地，生成单元包括：第五确定模块，用于根据所述空气调节设备的污染区域，确定待清理区域；第六确定莫看，用于根据所述空气调节设备内部的污染物类型，确定待清理的污染物类型；第二生成模块，用于根据所述待清理区域和/或所述待清理的污染物类型，生成所述空气调节设备清洁提案。

进一步地，所述装置还包括：获取子模块，用于在判断出污染程度大于预设污染程度的情况下的情况下，获取清洁装置的位置信息；发送子模块，用于发送所述清洁装置的位置信息和所述空气调节设备清洁提案。

根据本发明实施例的另一方面，还提供了一种空气调节设备清洁信息的推送装置，包括：第二获取单元，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；第二分析单元，用于对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；第二判断单元，用于判断所述污染程度是否大于预设污染程度；第三获取单元，用于在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据；第三分析单元，用于对所述用户历史清洁数据进行分析，得到分析结果；第一确定单元，用于根据所述分析结果，确定空气调节设备的目标清洁周期和目标清洁方式；第二确定单元，用于根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息，其中，所述空气调节设备清洁提案用于告知用户清理所述空气调节设备；第二推送单元，用于推送所述空气调节设备清洁信息。

进一步地，第三获取单元包括：第三获取模块，用于获取用户历史过程中每次清洁所述空气调节设备的清洁方式；第四获取模块，用于获取用户历史过程中每次清洁所述空气调节设备之间间隔的清洁周期；第五获取模块，用于获取用户历史过程中每次清洁所述空气调节设备的清洁区域；第六获取模块，用于获取用户历史过程中每次清洁所述空气调节设备的开始时间点。

进一步地，第二确定单元包括：读取模块，用于通过预设学习模型读取目标清洁周期和目标清洁方式，以确定对所述空气调节设备进行清洁处理的空气调节设备清洁信息，其中，所述预设学习模型是根据多组数据通过机器学习训练得到的，所述多组数据中的每一组数据均包括目标清洁周期和目标清洁方式与空气调节设备清洁信息的对应关系。

在本发明实施例中，可以先根据空气调节设备当前闲置时长，获取到空气调节设备的污染状态信息，然后对该污染状态信息进行分析，确定出空气调节设备的污染程度，并判断出污染程度是否大于预设污染程度，在判断出污染程度大于预设污染程度的情况下，推送告知用户清理空气调节设备的告警信息。在该实施例中，可以在空调闲置时长过程中，通过分析空气调节设备内部的污染状态信息，确定是否需要清理空气调节设备，并在需要清理空气调节设备时，推送告警信息，以进行进一步地清理，从而及时对污染程度较高的空气调节设备进行清洁处理，进而解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的空气调节设备清洁信息的推送方法的流程图；

图2是根据本发明实施例的另一种空气调节设备清洁信息的推送方法的流程图；

图3是根据本发明实施例的一种空气调节设备清洁信息的推送装置的示意图；以及

图4是根据本发明实施例的另一种空气调节设备清洁信息的推送装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为方便用户理解本发明，下面对本发明各实施例中涉及的部分术语或名词进行解释：

像素：是计算机屏幕上所能显示的最小单位，用来表示图像的单位，指可以显示出的水平和垂直像素的数组，屏幕中的像素点越多，画面的分辨率越高，图像就越细腻逼真。

二值化图像处理：对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，可以简单的分为前景与背景，先对彩色图进行处理，使图片只有前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。

CNN，卷积神经网络，描述了对输入图像的操作，输出一组描述图像内容的分类或分类的概率，即对输入的图像进行识别，以输出图像中的对象的概率；通过一系列卷积层级建构出更为抽象的概念，包括建立多个神经元，并建立对应的输入层和输出层，从而将输入的节点通过神经元不断关联，得到优化对象，一般会包括卷积层、过滤层，通过前向传导、损失函数、后向传导、以及函数更新作为一个学习周期，对每一训练图片，程序将重复固定数目的周期过程，以不断优化训练学习结果。

以图搜图，在获取到图像后，通过深度学习对结果进行排序，并通过用户记录的三元组数据(查询图片、点击图片和未点击图片)来训练模型的排序损失函数，从而得到排序结果，在输入一张图像后，模型会自动检测出主体，然后按照排序分数高低排出相关对象的结果。

根据本发明实施例，提供了一种空气调节设备清洁信息的推送的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

以下实施例可以应用于各种电器设备，尤其是空气调节设备中，对于电器设备的类型不做限定，包括但不限于：洗衣机、空调、冰箱、电饭煲等，本申请中以空调器为例，对本发明做出说明。

下述实施例中，可以适用于各种空气调节设备中，其中，本发明中对于空气调节设备的类型不做限定，本发明中可以以空调器作为空气调节设备为例，对本发明进行说明，该空调器可以包括但不限于：挂壁机空调、立式空调、变频空调、柜机空调、天花机空调、窗机、移动式空调、嵌入式空调。其中，空调器可以包括多个部件，其具体可以包括：压缩机，冷凝器，蒸发器，四通阀，单向阀毛细管组件。相关技术中，对于空调的使用，一般是根据用户设置的空调运行温度，结合当前室内外温度，对室内温湿度参数进行调节，这种使用方式会随着天气温度的变化，使用的时长产生变化，例如，在北方天气变凉后，或者进入冬季后，一般不会使用空调，直到夏天到来时，才会重新启动空调，这种使用方式，会存在很长的空调闲置时间，在该时间段内，用户会很少进行内部污染清理，这样会造成空调污染较重，无法及时进行清理，而本发明实施例中，可以通过空气调节设备自动获取到污染状态信息，并分析出空气调节设备的污染程度，以根据污染程度，确定出对空气调节设备进行清理的清理提案，从而有效及时的进行空气调节设备的清理。让用户在重新使用空调时，也能更舒适的使用，并保证空调的运行正常。本发明中，可以通过拍照确定出污染物信息和污染程度，及时对空气调节设备进行清理。对于空调器来说，可以自动获取到空调器内部的空气污染状态和内部污染程度，从而提醒用户清理空调器内部的污染物，对待清理区域进行清理。

下述实施例中空气调节设备可以设置在多种环境中，包括但不限于：办公区、会议室、家庭卧室、客厅、厂区等，本发明中对于空气调节设备的具体适用环境不做限定，本发明重点对家庭、办公区等区域的空气调节设备进行清理，以保证空气调节设备的正常运行。

结合本发明中的优选实施步骤对本发明做出解释，图1是根据本发明实施例的空气调节设备清洁信息的推送方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息。

本发明中对空气调节设备的类型不做具体限定，可以包括但不限于：空调器。而对于污染状态信息至少包括：污染区域和/或污染物信息，由于空气调节设备所处环境的不同，所产生的污染物和污染区域都会不同，而且随着时间的变化，污染区域也会有变化，例如，在10天内，污染区域为1平方厘米，而到1个月后，污染区域为10平方厘米。以空调器作为空气调节设备，其对于污染的所处的位置不做限定，例如，在空调的扇叶、空调的出风口、空调的进风口、空调的冷凝器、空调的四通阀等区域中。对于污染物，可以包括但不限于：灰尘、油污、PM2.5、蚊虫等，在空调内部可能存在多种的污染物，不同的污染物对应的类型也不同。

本发明实施例中的污染状态信息可以对应于不同的时间段和季节变化，例如，以空调器作为空气调节设备，在冬季到夏季的时间段内，一般不会使用空调，确定为闲置时长，当然，本发明实施例中的也可以是在未使用空气调节设备达到预设未使用时长后，确定为闲置时长，在获取污染状态信息时，可以重点针对该闲置时长进行信息获取，以确定空气调节设备的污染程度。

需要说明的是，上述根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息可以包括：根据空气调节设备当前闲置时长，对空气调节设备内部进行拍照，得到空气调节设备图像；对空气调节设备图像进行二值化图像处理，确定出空气调节设备的污染区域；将空气调节设备图像与预设数据库中的图像库比对，确定出空气调节设备内部的污染物信息；将空气调节设备的污染区域和污染物信息作为污染状态信息。

其中，上述根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息包括：根据空气调节设备当前闲置时长，获取空气调节设备在当前闲置时长内空气的污染信息；根据空气调节设备在当前闲置时长内空气的污染信息，确定空气调节设备的污染状态信息。

本发明实施例中，可以在空气调节设备上设置多个摄像头，以拍摄空气调节设备各个区域的图像，在对空气调节设备内部进行拍照，得到空气调节设备图像时，可以设置每个摄像头拍摄不同的区域，多个摄像头组合，得到空气调节设备内部完整的图像。其中，本发明中对于拍摄的图像的类型不做具体，可以包括但不限于：黑白图像、灰度图像、彩色图像，而摄像头设置的类型和摄像头的大小都不做具体限定。

而在对空气调节设备图像进行二值化图像处理时，可以是对图像进行区分，可以将新拍摄到的空气调节设备图像与空气调节设备在该区域的基准图像进行对比，从而通过二值化图像处理方式，确定出有明显颜色变化的区域，得到污染区域。本发明中的污染区域的大小和形状并不会被限制，例如，圆形、不规则形等。

另外，预设数据库可以是在历史过程中拍摄到空气调节设备的图像后，将图像存储在该预设数据库。在拍摄到新的空气调节设备图像后，可以将该空气调节设备图像与预设数据库中的图像库进行比对，在这里，可以通过不同的比对技术方式，确定出图像指向的污染物。该比对技术方式可以包括但不限于：以图搜图，这里的以图搜图可以是搜索与新拍摄到的空气调节设备图像相似度最高的图像。本发明实施例中的预设数据库中存储的图像都会对应有污染物信息，在确定出与新拍摄到的空气调节设备图像相似度最高的图像后，可以根据该相似度最高的图像确定出对应的污染物信息。

步骤S104，对污染状态信息进行分析，确定空气调节设备的污染程度。

通过上述步骤可以确定出空气调节设备的当前污染程度，该污染程度可以指示污染所达到的程度，例如，将污染程度分为多个污染等级，包括一级污染、二级污染、三级污染，其中，一级污染指示污染区域小于第一预设阈值(如3平方厘米)，污染物为灰尘等轻度污染，二级污染指示污染区域大于第一预设阈值，低于第二预设阈值(如10平方厘米)，污染物为油污等中等污染，三级污染为污染区域大于第二预设阈值，污染物为细菌等重度污染。

在对污染状态信息进行分析，确定空气调节设备的污染程度可以包括：确定污染物信息中污染物所属的污染物类型；根据污染区域和/或污染物类型，确定空气调节设备的污染程度。

本发明实施例中对于污染物类型不做具体限制，例如，灰尘类型、油污类型、细菌类型、活体类型，每种污染物都对应有污染物类型，在通过步骤S102确定出污染状态信息中的污染物信息后，可以根据该步骤确定出污染物对应的污染物类型。

其中，上述对污染状态信息进行分析，确定空气调节设备的污染程度可以包括：通过预设自学习模式，确定空气调节设备的污染程度，其中，预设自学习模式是通过污染状态信息和空气调节设备的污染程度训练得到的学习模式。

其中，预设自学习模式，可以是机器自学习模式，通过预设学习模式可以根据闲置时长内的空气调节设备内的污染状态信息，确定出对应的空气调节设备污染程度，可以是将污染状态信息输入至预设学习模式中，以通过预设学习模式输出与该污染状态信息对应的污染程度。

步骤S106，判断污染程度是否大于预设污染程度。

步骤S108，在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，告警信息用于告知用户需要清理空气调节设备。

其中，在根据污染状态信息和污染程度，可以判断是否需要告知用户清理所述空气调节设备，并在判断出需要告知用户清理空气调节设备的情况下，推送告警信息。

其中，在判断出需要告知用户清理空气调节设备的情况下，该实施例还可以包括：根据污染状态信息和污染程度，生成空气调节设备清洁提案，其中，空气调节设备清洁提案用于告知用户清理空气调节设备的清理方式，和/或，清洁区域；发送空气调节设备清洁提案。

另外，根据污染状态信息和污染程度，生成空气调节设备清洁提案包括：获取污染状态信息和污染程度，以根据污染状态信息和污染程度预测出对空气调节设备进行清洁处理的清洁信息，其中，清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，清洁方式用于告知用户清理空气调节设备的步骤；根据清洁信息，生成空气调节设备清洁提案。

对于上述步骤，根据污染状态信息和污染程度，生成空气调节设备清洁提案包括：根据空气调节设备的污染区域，确定待清理区域；根据空气调节设备内部的污染物类型，确定待清理的污染物类型；根据待清理区域和/或待清理的污染物类型，生成空气调节设备清洁提案。

即可以在生成空气调节设备清洁提案时，确定出待清理区域，该待清理区域对应于污染区域，并在确定待清理区域时，确定出待清理区域在对应的空气调节设备的位置信息，位置信息指示怎样找到待清理区域。而在确定待清理的污染物类型时，可以是根据污染状态信息确定的污染物类型，相对应确定出污染物类型，其中，在确定待清理的污染物类型时，也要确定出待清理的污染物。

另外，在预测污染清理时长时，可以是根据确定出的待清理区域和待清理的污染物类型预测，同时需要结合历史过程中对应于每种污染物类型的清理时长，预测该次污染清理时长。例如，对于待清理区域较大，污染物类型难以清理时(如油污难以清理)，可以相对加长清理时长；在待清理区域较小，污染物类型容易清理时(如灰尘容易清理)，预测污染清理时长较短。

需要说明的是，基于空气调节设备清洁提案对空气调节设备进行清洁处理包括：获取清洁装置的位置信息；发送清洁装置的位置信息和空气调节设备清洁提案。

其中，上述的清洁装置可以是不同类型的清洁器，例如，刷子、擦布等。在获取清洁装置的位置信息时，可以是通过设置在室内的摄像头进行拍照，从而得到各个室内图像，在分析室内图像后，可以确定出清洁装置的位置。另外，在获取清洁装置的位置信息时，还可以通过历史过程中放置的清洁装置的位置，确定当前时间点的清洁装置的位置信息。

通过上述实施例，可以根据空气调节设备当前闲置时长，获取到空气调节设备的污染状态信息，然后对该污染状态信息进行分析，确定出空气调节设备的污染程度，并判断出污染程度是否大于预设污染程度，在判断出污染程度大于预设污染程度的情况下，推送告知用户清理空气调节设备的告警信息。在该实施例中，可以在空气调节设备闲置时长过程中，通过分析空气调节设备内部的污染状态信息，确定是否需要清理空气调节设备，在污染程度较高时及时清洁处理空气调节设备，进而解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

需要说明的是，由于空气调节设备使用的季节不同，本发明实施例重点对于空调的闲置时间进行清洁处理，以保证空气调节设备能保持正常，不会被损坏。

在确定出空气调节设备清洁提案后，可以通过与用户的移动设备预先建立的通信连接，将空气调节设备清洁提案发送至移动设备中，用户可以根据该清洁提案及时知道如何进行空气调节设备的清洁处理。

上述实施例中的方案，在以季节为清理时间时，可以在每个季节换季的时候，空气调节设备根据当前闲置的时长，获取闲置时期内空气的污染情况，自学习空气调节设备内部的污染程度，自动给客户告警，并提出清洁方案，由于时间较长，还可以联动告诉客户用于清洁空气调节设备的清洁器在家中的位置。

其中，空气调节设备还可以获取之前用户的清洁周期，并根据学习模型预测得到空调的正常清洁周期和清洁方法，并推送给客户。

图2是根据本发明实施例的另一种空气调节设备清洁信息的推送方法的流程图，如图2所示，该方法可以包括：

步骤S202，根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息。

在该实施例中对空气调节设备的类型不做具体限定，污染状态信息至少包括：污染区域和/或污染物信息。在空气调节设备中对于污染的所处的位置不做限定，以空调器作为空气调节设备为例，其污染的区域可以在空调的扇叶、空调的出风口、空调的进风口、空调的冷凝器、空调的四通阀等区域中。对于污染物，可以包括但不限于：灰尘、油污、PM2.5、蚊虫等，在空气调节设备内部可能存在多种污染物，不同的污染物对应的类型也不同。

需要说明的是，上述根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息可以包括：对空气调节设备内部进行拍照，得到空气调节设备图像；对空气调节设备图像进行二值化图像处理，确定出空气调节设备的污染区域；将空气调节设备图像与预设数据库中的图像库比对，确定出空气调节设备内部的污染物信息；将空气调节设备的污染区域和/或污染物信息作为污染状态信息。

其中，预设数据库可以是在历史过程中拍摄到空气调节设备的图像后，将图像存储在该预设数据库后，拍摄到新的空气调节设备图像后，可以将该空气调节设备图像与预设数据库中的图像库进行比对，在这里，可以通过不同的比对技术方式，确定出图像指向的污染物。该比对技术方式可以包括但不限于：以图搜图，这里的以图搜图，可以是搜索与新拍摄到的空气调节设备图像相似度最高的图像。本发明实施例中的预设数据库中存储的图像都会对应有污染物信息，在确定出与新拍摄到的空气调节设备图像相似度最高的图像后，可以根据该相似度最高的图像确定出对应的污染物信息。

步骤S204，对污染状态信息进行分析，确定空气调节设备的污染程度。

该实施例的空气调节设备的污染程度可以对应于上述实施例中的污染程度，在确定污染程度时，可以根据当前的污染物的类型，和/或，污染区域的大小，得到污染程度。

步骤S206，判断污染程度是否大于预设污染程度。

步骤S208，在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据。

其中，在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据包括下述至少之一：获取用户历史过程中每次清洁空气调节设备的清洁方式；获取用户历史过程中每次清洁空气调节设备之间间隔的清洁周期；获取用户历史过程中每次清洁空气调节设备的清洁区域；获取用户历史过程中每次清洁空气调节设备的开始时间点。

可选的，上述的用户历史清洁数据可以预先存储在预设存储设备中，每一次对空气调节设备进行清洁处理的数据都会被记录，包括清洁的污染物、清洁的污染物类型、清洁的污染区域大小、每次清洁时间点和清洁时长。

步骤S210，对用户历史清洁数据进行分析，得到分析结果。

其中，在分析用户历史清洁数据时，可以分析得到用户习惯进行清洁处理的清洁时间点，以及用户清洁使用的设备、清洁时长等数据，参考该用户历史清洁数据，在生成空气调节设备清洁提案时，确定出用户习惯清洁使用的清洁工具、清洁时间点，调整清洁位置。

步骤S212，根据分析结果，确定空气调节设备的目标清洁周期和目标清洁方式。

步骤S214，根据空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息，其中，空气调节设备清洁信息用于告知用户清理空气调节设备。

步骤S216，推送空气调节设备清洁信息。

对于上述实施方式，根据空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息包括：通过预设学习模型读取目标清洁周期和目标清洁方式，以确定对空气调节设备进行清洁处理的空气调节设备清洁信息，其中，预设学习模型是根据多组数据通过机器学习训练得到的，多组数据中的每一组数据均包括目标清洁周期和目标清洁方式与空气调节设备清洁信息的对应关系。

本发明中的预设学习模型可以是预先依据学习训练算法，通过分析结果和空气调节设备清洁提案确定的，对于学习训练算法，例如，通过CNN算法，对每次用户清洁过程中对应生成的空气调节设备清洁提案进行获取，以建立预设学习模型。每一个分析结果可以对应有一个神经元，在神经元的输出部分会对应有空气调节设备清洁提案的内容。

需要说明的是，根据分析结果，生成空气调节设备清洁提案包括：获取分析结果，以根据分析结果预测出对空气调节设备进行清洁处理的清洁信息，其中，清洁信息至少包括下述之一：清洁时间点、清洁区域和清洁方式，清洁方式用于告知用户清理污染物的步骤；根据清洁信息，生成空气调节设备清洁提案。

上述的时间点可以对应有多个清理清理时间点，例如，用户A存在80％的概率在早上8点清理空气调节设备，用户B存在75％的概率在下午5点半清理空气调节设备，在生成新的空气调节设备清洁提案时，参考用户的清洁时间点，设置对应的清理时间点。

清洁提案可以是告知用户如何进行空气调节设备进行清洁处理，例如，在确定出空气调节设备中有两种污染物，包括：灰尘和油污，在清理时，可以先进行灰尘处理，然后进行油污处理，在确定清洁提案时，可以先告知用户清理油污的清理工具的位置信息和油污在空气调节设备中的位置信息，然后告知用户清理灰尘的清理工具的位置信息和灰尘集中在空气调节设备中的位置信息，以让用户可以合理的清理空气调节设备。

通过上述步骤，可以先获取到空气调节设备的污染状态信息，然后可以对该污染状态信息进行分析，确定出空气调节设备的污染程度，并判断污染程度是否大于预设污染程度，在判断出空气调节设备的污染程度大于预设污染程度的情况下，获取到用户历史清洁数据，之后，可以对用户历史清洁数据进行分析，确定目标清洁周期和目标清洁方式，然后可以根据空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁提案，其中，空气调节设备清洁提案用于告知用户清理空气调节设备，然后可以推送该空气调节设备清洁提案。在该实施例中，可以通过对空气调节设备的污染状态信息进行分析，确定出空气调节设备的污染程度，并对用户历史过程中清洁数据进行分析，可以预测并生成对应于当前空气调节设备的清洁方式，以进行空气调节设备的清洁处理，保证空气调节设备及时被清洁，也保证空气调节设备运转正常，进而解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

图3是根据本发明实施例的一种空气调节设备清洁信息的推送装置的示意图，如图3所示，该装置可以包括：第一获取单元31，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；第一分析单元32，用于对污染状态信息进行分析，确定空气调节设备的污染程度；第一判断单元33，用于判断污染程度是否大于预设污染程度；第一推送单元34，用于在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，告警信息用于告知用户需要清理空气调节设备。

通过上述实施例，可以先通过第一获取单元31获取到空气调节设备的污染状态信息，然后通过第一分析单元32对该污染状态信息进行分析，确定出空气调节设备的污染程度，并通过第一判断单元33判断出污染程度是否大于预设污染程度，之后，通过第一推送单元34在判断出污染程度大于预设污染程度的情况下，推送告知用户清理空气调节设备的告警信息。在该实施例中，可以通过分析空气调节设备内部的污染状态信息，确定是否需要清理空气调节设备，在污染程度较高时及时清洁处理空气调节设备，进而解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

可选的，上述装置还包括：生成单元，用于在判断出需要告知用户清理空气调节设备的情况下，根据污染状态信息和污染程度，生成空气调节设备清洁提案，其中，空气调节设备清洁提案用于告知用户清理空气调节设备的清理方式，和/或，清洁区域；发送单元，用于发送空气调节设备清洁提案。

需要说明的是，上述生成单元包括：第一获取模块，用于获取污染状态信息和污染程度，以根据污染状态信息和污染程度预测出对空气调节设备进行清洁处理的清洁信息，其中，清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，清洁方式用于告知用户清理空气调节设备的步骤；第一生成模块，用于根据清洁信息，生成空气调节设备清洁提案。

对于上述的污染状态信息至少包括：污染区域和/或污染物信息，第一分析单元包括：第一确定模块，用于确定污染物信息中污染物所属的污染物类型；第二确定模块，用于根据污染区域和/或污染物类型，确定空气调节设备的污染程度。

另外，第一获取单元31可以包括：第二获取模块，用于根据空气调节设备当前闲置时长，获取空气调节设备在当前闲置时长内空气的污染信息；第三确定模块，用于根据空气调节设备在当前闲置时长内空气的污染信息，确定空气调节设备的污染状态信息。

对于上述的第一分析单元32可以包括：第四确定模块，用于通过预设自学习模式，确定空气调节设备的污染程度，其中，预设自学习模式是通过污染状态信息和空气调节设备的污染程度训练得到的学习模式。

另外第一获取单元31包括：拍照模块，用于根据空气调节设备当前闲置时长，对空气调节设备内部进行拍照，得到空气调节设备图像；图像处理模块，用于对空气调节设备图像进行二值化图像处理，确定出空气调节设备的污染区域；比对模块，用于将空气调节设备图像与预设数据库中的图像库比对，确定出空气调节设备内部的污染物信息；第一处理模块，用于将空气调节设备的污染区域和污染物信息作为污染状态信息。

可选的，上述的生成单元包括：第五确定模块，用于根据空气调节设备的污染区域，确定待清理区域；第六确定莫看，用于根据空气调节设备内部的污染物类型，确定待清理的污染物类型；第二生成模块，用于根据待清理区域和/或待清理的污染物类型，生成空气调节设备清洁提案。

另外，装置还包括：获取子模块，用于在判断出污染程度大于预设污染程度的情况下的情况下，获取清洁装置的位置信息；发送子模块，用于发送清洁装置的位置信息和空气调节设备清洁提案。

上述的空气调节设备清洁信息的推送装置还可以包括处理器和存储器，上述第一获取单元31、第一分析单元32、第一判断单元33、第一推送单元34等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来调整分析空气调节设备内部的污染程度，以确定清理空气调节设备的方案。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的空气调节设备清洁信息的推送方法。

图4是根据本发明实施例的另一种空气调节设备清洁信息的推送装置的示意图，如图4所示，该装置可以包括：第二获取单元41，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；第二分析单元42，用于对污染状态信息进行分析，确定空气调节设备的污染程度；第二判断单元43，用于判断污染程度是否大于预设污染程度；第三获取单元44，用于在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据；第三分析单元45，用于对用户历史清洁数据进行分析，得到分析结果；第一确定单元46，用于根据分析结果，确定空气调节设备的目标清洁周期和目标清洁方式；第二确定单元47，用于根据空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息，其中，空气调节设备清洁提案用于告知用户清理空气调节设备；第二推送单元48，用于推送空气调节设备清洁信息。

通过上述实施例，可以先通过第二获取单元41获取到空气调节设备的污染状态信息，然后可以通过第二分析单元42对该污染状态信息进行分析，确定出空气调节设备的污染程度，并通过第二判断单元43判断污染程度是否大于预设污染程度，在判断出空气调节设备的污染程度大于预设污染程度的情况下，通过第三获取单元44获取到用户历史清洁数据，之后，可以通过第三分析单元45对用户历史清洁数据进行分析，得到分析结果，最后可以通过第一确定单元46根据该分析结果，确定空气调节设备的目标清洁周期和目标清洁方式，然后可以通过第二确定单元47根据空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁提案，并通过第二推送单元48推送空气调节设备清洁信息。在该实施例中，可以通过对空气调节设备的污染状态信息进行分析，确定出空气调节设备的污染程度，并对用户历史过程中清洁数据进行分析，以确定空气调节设备的清洁周期和清洁方式，从而对空气调节设备进行清洁处理，保证空气调节设备及时被清洁，也保证空气调节设备运转正常，进而解决相关技术中空气调节设备由于长时间的放置，用户无法及时清理空气调节设备内部污染物的技术问题。

另外，第三获取单元44可以包括：第三获取模块，用于获取用户历史过程中每次清洁空气调节设备的清洁方式；第四获取模块，用于获取用户历史过程中每次清洁空气调节设备之间间隔的清洁周期；第五获取模块，用于获取用户历史过程中每次清洁空气调节设备的清洁区域；第六获取模块，用于获取用户历史过程中每次清洁空气调节设备的开始时间点。

可选的，第二确定单元47还可以包括：读取模块，用于通过预设学习模型读取目标清洁周期和目标清洁方式，以确定对空气调节设备进行清洁处理的空气调节设备清洁信息，其中，预设学习模型是根据多组数据通过机器学习训练得到的，多组数据中的每一组数据均包括目标清洁周期和目标清洁方式与空气调节设备清洁信息的对应关系。

上述的空气调节设备清洁信息的推送装置还可以包括处理器和存储器，上述第二获取单元41、第二分析单元42、第二判断单元43、第三获取单元44、第三分析单元45和第一确定单元46、第二确定单元47、第二推送单元48等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来分析空气调节设备内部的污染程度，以确定清理空气调节设备的方案。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的空气调节设备清洁信息的推送方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的空气调节设备清洁信息的推送方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；对污染状态信息进行分析，确定空气调节设备的污染程度；判断污染程度是否大于预设污染程度；在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，告警信息用于告知用户需要清理空气调节设备。

可选地，上述处理器执行程序时，还可以根据污染状态信息和污染程度，生成空气调节设备清洁提案，其中，空气调节设备清洁提案用于告知用户清理空气调节设备的清理方式，和/或，清洁区域；发送空气调节设备清洁提案。

可选地，上述处理器执行程序时，还可以获取污染状态信息和污染程度，以根据污染状态信息和污染程度预测出对空气调节设备进行清洁处理的清洁信息，其中，清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，清洁方式用于告知用户清理空气调节设备的步骤；根据清洁信息，生成空气调节设备清洁提案。

可选地，污染状态信息至少包括：污染区域和/或污染物信息，上述处理器执行程序时，还可以确定污染物信息中污染物所属的污染物类型；根据污染区域和/或污染物类型，确定空气调节设备的污染程度。

可选地，上述处理器执行程序时，还可以根据空气调节设备当前闲置时长，获取空气调节设备在当前闲置时长内空气的污染信息；根据空气调节设备在当前闲置时长内空气的污染信息，确定空气调节设备的污染状态信息。

可选地，上述处理器执行程序时，还可以通过预设自学习模式，确定空气调节设备的污染程度，其中，预设自学习模式是通过污染状态信息和空气调节设备的污染程度训练得到的学习模式。

可选地，上述处理器执行程序时，还可以根据空气调节设备当前闲置时长，对空气调节设备内部进行拍照，得到空气调节设备图像；对空气调节设备图像进行二值化图像处理，确定出空气调节设备的污染区域；将空气调节设备图像与预设数据库中的图像库比对，确定出空气调节设备内部的污染物信息；将空气调节设备的污染区域和污染物信息作为污染状态信息。

可选地，上述处理器执行程序时，还可以根据空气调节设备的污染区域，确定待清理区域；根据空气调节设备内部的污染物类型，确定待清理的污染物类型；根据待清理区域和/或待清理的污染物类型，生成空气调节设备清洁提案。

可选地，上述处理器执行程序时，还可以获取清洁装置的位置信息；发送清洁装置的位置信息和空气调节设备清洁提案。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；对污染状态信息进行分析，确定空气调节设备的污染程度；判断污染程度是否大于预设污染程度；在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，告警信息用于告知用户需要清理空气调节设备。

可选地，上述数据处理设备执行程序时，还可以根据污染状态信息和污染程度，生成空气调节设备清洁提案，其中，空气调节设备清洁提案用于告知用户清理空气调节设备的清理方式，和/或，清洁区域；发送空气调节设备清洁提案。

可选地，上述数据处理设备执行程序时，还可以获取污染状态信息和污染程度，以根据污染状态信息和污染程度预测出对空气调节设备进行清洁处理的清洁信息，其中，清洁信息至少包括以下至少之一：清洁时间点、清洁区域和清洁方式，清洁方式用于告知用户清理空气调节设备的步骤；根据清洁信息，生成空气调节设备清洁提案。

可选地，污染状态信息至少包括：污染区域和/或污染物信息，上述数据处理设备执行程序时，还可以确定污染物信息中污染物所属的污染物类型；根据污染区域和/或污染物类型，确定空气调节设备的污染程度。

可选地，上述数据处理设备执行程序时，还可以根据空气调节设备当前闲置时长，获取空气调节设备在当前闲置时长内空气的污染信息；根据空气调节设备在当前闲置时长内空气的污染信息，确定空气调节设备的污染状态信息。

可选地，上述数据处理设备执行程序时，还可以通过预设自学习模式，确定空气调节设备的污染程度，其中，预设自学习模式是通过污染状态信息和空气调节设备的污染程度训练得到的学习模式。

可选地，上述数据处理设备执行程序时，还可以根据空气调节设备当前闲置时长，对空气调节设备内部进行拍照，得到空气调节设备图像；对空气调节设备图像进行二值化图像处理，确定出空气调节设备的污染区域；将空气调节设备图像与预设数据库中的图像库比对，确定出空气调节设备内部的污染物信息；将空气调节设备的污染区域和污染物信息作为污染状态信息。

可选地，上述数据处理设备执行程序时，还可以根据空气调节设备的污染区域，确定待清理区域；根据空气调节设备内部的污染物类型，确定待清理的污染物类型；根据待清理区域和/或待清理的污染物类型，生成空气调节设备清洁提案。

可选地，上述数据处理设备执行程序时，还可以获取清洁装置的位置信息；发送清洁装置的位置信息和空气调节设备清洁提案。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种空气调节设备清洁信息的推送方法，其特征在于，包括：

根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；

对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；

判断所述污染程度是否大于预设污染程度；

在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，所述告警信息用于告知用户需要清理所述空气调节设备，

根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息包括：根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像；对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域；将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息；将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息，

根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息还包括：根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息，

对所述污染状态信息进行分析，确定所述空气调节设备的污染程度包括：通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。

2.根据权利要求1所述的方法，其特征在于，在判断出污染程度大于预设污染程度的情况下，所述方法还包括：

根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案，其中，所述空气调节设备清洁提案用于告知用户清理所述空气调节设备的清理方式，和/或，清洁区域；

发送所述空气调节设备清洁提案。

3.根据权利要求2所述的方法，其特征在于，根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案包括：

获取所述污染状态信息和所述污染程度，以根据所述污染状态信息和所述污染程度预测出对所述空气调节设备进行清洁处理的清洁信息，其中，所述清洁信息包括以下至少之一：清洁时间点、清洁区域和清洁方式，所述清洁方式用于告知用户清理所述空气调节设备的步骤；

根据所述清洁信息，生成所述空气调节设备清洁提案。

4.根据权利要求1所述的方法，其特征在于，所述污染状态信息至少包括：污染区域和/或污染物信息，对所述污染状态信息进行分析，确定所述空气调节设备的污染程度包括：

确定所述污染物信息中污染物所属的污染物类型；

根据所述污染区域和/或所述污染物类型，确定所述空气调节设备的污染程度。

5.根据权利要求2所述的方法，其特征在于，根据所述污染状态信息和所述污染程度，生成空气调节设备清洁提案包括：

根据所述空气调节设备的污染区域，确定待清理区域；

根据所述空气调节设备内部的污染物类型，确定待清理的污染物类型；

根据所述待清理区域和/或所述待清理的污染物类型，生成所述空气调节设备清洁提案。

6.根据权利要求2所述的方法，其特征在于，在判断出污染程度大于预设污染程度的情况下的情况下，所述方法还包括：

获取清洁装置的位置信息；

发送所述清洁装置的位置信息和所述空气调节设备清洁提案。

7.一种空气调节设备清洁信息的推送方法，其特征在于，包括：

根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；

对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；

判断所述污染程度是否大于预设污染程度；

在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据；

对所述用户历史清洁数据进行分析，得到分析结果；

根据所述分析结果，确定空气调节设备的目标清洁周期和目标清洁方式；

根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息，其中，所述空气调节设备清洁信息用于告知用户清理所述空气调节设备；

推送所述空气调节设备清洁信息，

其中，根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息包括：根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像；对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域；将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息；将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息，

根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息还包括：根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息，

对所述污染状态信息进行分析，确定所述空气调节设备的污染程度包括：通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。

8.根据权利要求7所述的方法，其特征在于，在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据包括下述至少之一：

获取用户历史过程中每次清洁所述空气调节设备的清洁方式；

获取用户历史过程中每次清洁所述空气调节设备之间间隔的清洁周期；

获取用户历史过程中每次清洁所述空气调节设备的清洁区域；

获取用户历史过程中每次清洁所述空气调节设备的开始时间点。

9.根据权利要求7所述的方法，其特征在于，根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁信息包括：

通过预设学习模型读取目标清洁周期和目标清洁方式，以确定对所述空气调节设备进行清洁处理的空气调节设备清洁信息，其中，所述预设学习模型是根据多组数据通过机器学习训练得到的，所述多组数据中的每一组数据均包括目标清洁周期和目标清洁方式与空气调节设备清洁信息的对应关系。

10.一种空气调节设备清洁信息的推送装置，其特征在于，包括：

第一获取单元，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；

第一分析单元，用于对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；

第一判断单元，用于判断所述污染程度是否大于预设污染程度；

第一推送单元，用于在判断出污染程度大于预设污染程度的情况下，推送告警信息，其中，所述告警信息用于告知用户需要清理所述空气调节设备，

所述第一获取单元包括：拍照模块，用于根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像；图像处理模块，用于对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域；比对模块，用于将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息；第一处理模块，用于将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息，

第一获取单元包括：第二获取模块，用于根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；第三确定模块，用于根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息，

第一分析单元包括：第四确定模块，用于通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。

11.一种空气调节设备清洁信息的推送装置，其特征在于，包括：

第二获取单元，用于根据空气调节设备当前闲置时长，获取空气调节设备的污染状态信息；

第二分析单元，用于对所述污染状态信息进行分析，确定所述空气调节设备的污染程度；

第二判断单元，用于判断所述污染程度是否大于预设污染程度；

第三获取单元，用于在判断出污染程度大于预设污染程度的情况下，获取用户历史清洁数据；

第三分析单元，用于对所述用户历史清洁数据进行分析，得到分析结果；

第一确定单元，用于根据所述分析结果，确定空气调节设备的目标清洁周期和目标清洁方式；

第二确定单元，用于根据所述空气调节设备的目标清洁周期和目标清洁方式，确定空气调节设备清洁提案，其中，所述空气调节设备清洁提案用于告知用户清理所述空气调节设备；

第二推送单元，用于推送所述空气调节设备清洁提案，

所述第二获取单元还用于根据所述空气调节设备当前闲置时长，对所述空气调节设备内部进行拍照，得到空气调节设备图像，对所述空气调节设备图像进行二值化图像处理，确定出所述空气调节设备的污染区域，将所述空气调节设备图像与预设数据库中的图像库比对，确定出所述空气调节设备内部的污染物信息，将所述空气调节设备的污染区域和所述污染物信息作为所述污染状态信息，

所述第二获取单元还用于根据所述空气调节设备当前闲置时长，获取所述空气调节设备在所述当前闲置时长内空气的污染信息；根据所述空气调节设备在所述当前闲置时长内空气的污染信息，确定所述空气调节设备的污染状态信息，

所述第二分析单元还用于通过预设自学习模式，确定所述空气调节设备的污染程度，其中，所述预设自学习模式是通过所述污染状态信息和所述空气调节设备的污染程度训练得到的学习模式。