CN109685775A - 滤网脏堵识别方法、装置、智能设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种滤网脏堵识别方法，包括以下步骤：根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由扫地机器人拍摄得到；根据所述脏堵程度生成提示信息。本发明还公开了一种滤网脏堵识别装置、智能设备及计算机可读存储介质。解决滤网脏堵判断不准确的技术问题。

Description

滤网脏堵识别方法、装置、智能设备及可读存储介质

技术领域

本发明涉及家用电器技术领域，尤其涉及一种滤网脏堵识别方法、装置、智能设备及计算机可读存储介质。

背景技术

随着人们生活水平的提高，空调器和新风机等提升室内空气质量的设备已经得到普及，为了保障空调器和新风机等设备的工作效果，在其滤网脏堵时，需要及时更换滤网。

目前滤网装置是否脏堵的判断方式一般有两种，分别为时间判断和风阻判断，其中时间判断是指根据使用时长判断滤网是否脏堵，风阻判断时指根据新风通过率网时受到的阻力判断滤网是否脏堵。通过时间判断滤网是否脏堵时，由于不同环境的空气质量不同，因此滤网的使用时间不同，导致脏堵判断不准确，而风阻判断受安装时的滤网的密封性影响，容易出现判断错误的情况。因此上述两种方式都容易受到客观因素影响，而导致滤网脏堵判断不准确。

发明内容

本发明的主要目的在于提供一种滤网脏堵识别方法、装置、智能设备及存储介质，旨在解决滤网脏堵判断不准确的技术问题，从而实现提高滤网使用效率的目的。

为实现上述目的，本发明提供一种滤网脏堵识别方法，所述滤网脏堵识别方法包括以下步骤：

根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由智能设备拍摄得到；

根据所述脏堵程度生成提示信息。

优选地，所述根据所述脏堵程度生成提示信息的步骤包括：

在所述脏堵程度大于预设脏堵阈值时，生成提示信息；

优选地，所述生成提示信息的步骤之后，所述滤网脏堵识别方法还包括：

输出所述提示信息。

优选地，所述智能设备为扫地机器人。

优选地，所述根据空气调节器的滤网图片确定所述空气调节器的脏堵程度滤网图片的步骤包括：

获取所述滤网图片中所述滤网的所在区域；

根据所述滤网的所在区域的第一图片特征确定所述滤网的脏堵程度。

优选地，所述根据所述滤网的所在区域的第一图像特征确定所述滤网的脏堵程度的步骤包括：

获取所述滤网的所在区域的第一图像特征；

获取脏堵滤网图片的第二图片特征；

计算所述第一图片特征与所述第二图片特征之间的差异度，根据所述差异度的确定所述滤网的脏堵程度。

优选地，所述根据所述滤网的所述所在区域确定所述滤网的脏堵程度的步骤包括：

获取所述历史滤网图片的第一图片特征，所述历史滤网图片为智能设备拍摄到的滤网图片；

通过图片处理算法提取所述所在区域的第二图片特征；

根据所述第一图片特征和所述第二图片特征获取对比值，并根据所述对比值确定所述滤网的脏堵程度。

优选地，所述根据空气调节器的滤网图片确定所述空气调节器的脏堵程度的步骤包括：

将所述滤网图片发送至服务器，并接收服务器反馈的脏堵程度。

为实现上述目的，本发明提供一种滤网脏堵识别方法，所述滤网脏堵识别方法包括以下步骤：

拍摄滤网图片；

将所述滤网图片发送至服务器，以使服务器根据所述滤网图片确定所述空气调节器的脏堵程度，并根据所述脏堵程度发送提示信息；

接收并输出所述提示信息。

此外，为实现上述目的，本发明还提供一种滤网脏堵识别装置，其特征在于，所述滤网脏堵识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如上所述的滤网脏堵识别方法的步骤。

此外，为实现上述目的，本发明还提供一种智能设备，其特征在于，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如上所述的滤网脏堵识别方法的步骤。

优选地，所述智能设备为扫地机器人。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有滤网脏堵识别程序，所述滤网脏堵识别程序被处理器执行时实现如上所述的滤网脏堵识别方法的步骤。

本发明实施例提出的一种滤网脏堵识别方法、装置、智能设备及计算机可读存储介质，根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由智能设备拍摄得到，然后根据所述脏堵程度生成提示信息，使得滤网的脏堵程度判断更加准确，从而解决了滤网脏堵判断不准确的技术问题。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明滤网脏堵识别方法一实施例的实施流程示意图；

图3为本发明滤网脏堵识别方法另一实施例的实施流程示意图；

图4为本发明滤网脏堵识别方法又一实施例的实施流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：

根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由智能设备拍摄得到；

根据所述脏堵程度生成提示信息。由于目前滤网装置脏堵的判断方式一般有两种，分别为时间判断和风阻判断，其中时间判断是指根据使用时长判断滤网是否脏堵，风阻判断时指根据新风通过率网时受到的阻力判断滤网是否脏堵。通过时间判断滤网是否脏堵时，由于不同环境的空气质量不同，因此滤网的使用时间不同，导致脏堵判断不准确，而风阻判断受安装时的滤网的密封性影响，容易出现判断错误的情况。因此上述两种方式都容易受到客观因素影响，而导致判断滤网脏堵判断不准确。

本发明实施例提出的一种滤网脏堵识别方法、扫地机器人及计算机可读存储介质，根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，，然后根据所述脏堵程度生成提示信息，使得滤网的脏堵程度判断更加准确，从而解决了滤网脏堵判断不准确的技术问题。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是PC，也可以是便携计算机、智能移动终端或服务器等终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如遥控器等，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及滤网脏堵识别程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的滤网脏堵识别程序，并执行以下操作：

根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由扫地机器人拍摄得到；

根据所述脏堵程度生成提示信息。

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

在所述脏堵程度大于预设脏堵阈值时，生成提示信息；

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

输出所述提示信息。

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

获取所述滤网图片中所述滤网的所在区域；

根据所述滤网的所在区域的第一图片特征确定所述滤网的脏堵程度。

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

获取所述滤网的所在区域的第一图像特征；

获取脏堵滤网图片的第二图片特征；

计算所述第一图片特征与所述第二图片特征之间的差异度，根据所述差异度的确定所述滤网的脏堵程度。

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

获取所述历史滤网图片的第一图片特征，所述历史滤网图片为智能设备拍摄到的滤网图片；

通过图片处理算法提取所述所在区域的第二图片特征；

根据所述第一图片特征和所述第二图片特征获取对比值，并根据所述对比值确定所述滤网的脏堵程度。

进一步地，处理器1001可以调用存储器1005中存储的滤网脏堵识别程序，还执行以下操作：

将所述滤网图片发送至服务器，并接收服务器反馈的脏堵程度。

处理器1001可以用于调用存储器1005中存储的滤网脏堵识别程序，执行以下操作：

拍摄滤网图片；

将所述滤网图片发送至服务器，以使服务器根据所述滤网图片确定所述空气调节器的脏堵程度，并根据所述脏堵程度发送提示信息；

接收并输出所述提示信息。

参照图2，本发明滤网脏堵识别方法的一实施例中，所述滤网脏堵识别方法包括：

步骤S10、根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由扫地机器人拍摄得到；

在一实施例中，执行主体可以是智能设备、服务器或者空气调节器，所述智能设备、服务器和空气调节器之间可以互相通信，以达到数据共享的目的。所述智能设备和空气调节器之间可以通过局域网、蓝牙、WiFi及/或ZigBee等数据连接方式进行通信，服务器可以通过有线或无线的方式与智能设备和空气调节器进行通信，也可以通过路由器交换机等网络设备的中转后，与智能设备和空气调节器进行通信，在此，本发明不作限定。

需要说明的是，所述智能设备可以是扫地机器人。

可选地，所述步骤S10包括：

步骤S11、获取所述滤网图片中所述滤网的所在区域；

在一实施例中，空气调节器通过智能设备获取滤网图片，并在获取到滤网图片时，先对滤网图片进行预处理，即根据图像处理算法确定滤网图片中的滤网匹配区域，然后截取改区域作为所述滤网的所在区域，去除图像中的非滤网区域。

步骤S12、根据所述滤网的所在区域的第一图像特征确定所述滤网的脏堵程度。

在一实施例中，在对滤网图片进行预处理后，可以确定所述滤网图片中的滤网所在区域，并根据滤网所在区域可以确定第一图像特征，根据第一图像特征可以确定滤网的脏堵程度。在确定滤网的脏堵程度时，可以根据历史图片对比，也可以根据脏堵图片对比。

进一步地，所述步骤S12包括以下步骤：

步骤S1、获取所述滤网的所在区域的第一图片特征；

步骤S2、获取脏堵滤网图片的第二图片特征；

步骤S3、计算所述第一图片特征与所述第二图片特征之间的差异度，根据所述差异度的确定所述滤网的脏堵程度。

在一实施例中，先获取根据当前拍摄到的滤网图片获取第一图片特征。另外，由于数据库中保存有用于对比的脏堵滤网的滤网图片，空气调节器可以直接从数据库中获取所述脏堵滤网的滤网图片，并通过图像处理算法提取脏堵滤网的滤网图片的第二图片特征。其中，根据提取图像特征的步骤通过图片处理算法实现。

可以理解的是，也可以对脏堵滤网的滤网图片进行预先处理，即预先提取好脏堵滤网的滤网图片的第二图片特征，并保存至数据库中，以使在进行脏堵识别时，空气调节器可以直接从数据库中获取所述第二图片特征。

然后计算第一图片特征与第二图片特征之间的差异度，根据差异的大小判定当前滤网的脏堵程度。

可选地，当接收到滤网图片时，还可以执行以下步骤：

步骤S30、将所述滤网图片发送至服务器，并接收服务器反馈的脏堵程度。

在一实施例中，空气调节器在接收到滤网图片时，将所述滤网图片发送到服务器，服务器根据所述滤网图片确定滤网的脏堵程度，并将脏堵程度反馈至空气调节器。

步骤S20、根据所述脏堵程度生成提示信息。

在一实施例中，在确定脏堵程度后，可以根据所述脏堵程度生成提示信息。也可以实时输出所述脏堵程度。例如，可以在空气调节器的显示面板上设置滤网脏堵程度参数，当执行主体确定滤网的脏堵程度时，在所述显示面板上显示。其中，显示方式可以是按百分比显示。脏堵程度通过智能移动终端输出。

可选地，所述步骤S20还包括：

步骤S21、在所述脏堵程度大于预设脏堵阈值时，生成提示信息；

在一实施例中，在执行主体为空气调节器时，空气调节器确定所述滤网的脏堵程度时，可以获取脏堵程度阈值，在当前脏堵程度大于脏堵程度阈值时，空气调节器可以生成更换滤网的提示信息。。

可选地，所述步骤S21之后，还包括：

步骤S22、输出所述提示信息。

需要说明的是，本实施例的执行主体也可以是智能设备，其中，智能设备可以获取滤网图片，并根据滤网图片确定滤网脏堵程度。所述智能设备还可以根据所述脏堵程度生成提示信息，以及输出提示信息。

在一实施例中，当生成更换滤网的提示信息时，可以输出所述提示信息。其中，通过空气调节气的显示面板或语音装置，显示输出或语音广播输出所述提示信息。也可以将所述提示信息发送至服务器，通过服务器将所述提示信息发送至移动终端，以供移动根据所述提示信息输出更换滤网的提示内容。

在本实施例中，根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由扫地机器人拍摄得到，然后根据所述脏堵程度生成提示信息，使得滤网的脏堵程度判断更加准确，从而解决了滤网脏堵判断不准确的技术问题。

进一步地，参照图3，本发明滤网脏堵识别方法的另一实施例中，在上述实施例的基础上，所述步骤S12包括：

步骤S4、获取所述历史滤网图片的第一图片特征，所述历史滤网图片为智能设备拍摄到的滤网图片；

步骤S5、通过图片处理算法提取所述所在区域的第二图片特征；

步骤S6、根据所述第一图片特征和所述第二图片特征获取对比值，并根据所述对比值确定所述滤网的脏堵程度。

在一实施例中，在智能设备每次拍摄到滤网图片后，对所述滤网图片进行去除非滤网区的预处理操作，然后将预处理后的图片关联拍摄时间，并保存为历史滤网图片。因此可以获取所述历史滤网图片，并根据图像处理算法提取所述历史滤网图片的第一图片特征。可以理解的是，为缩短滤网脏堵判断所需要的时间，可以在保存所述历史滤网图片时，进行提取第一图片特征的操作，从而并保存所述图片特征，从而可以直接读取所述第一图片特征。

然后对当前获取到的滤网图片进行去非滤网区域的预处理后，提取其对应的第二图片特征，并根据所述第一图片特征和第二图片特征对比当前滤网在颜色，灰尘覆盖厚度，覆盖面积，是否有其他污染物等各个方面的比较值，并根据各个比较值计算比较值总和，将比较值总和作为所述对比值。然后根据对比值判断脏堵程度。

在本实施例中，先获取历史滤网图片的第一图片特征，然后通过图片处理算法提取所在区域的第二图片特征，进而根据所述第一图片特征和所述第二图片特征获取对比值，并根据所述对比值确定所述滤网的脏堵程度，这样提供了一种根据滤网图片确定滤网脏堵程度的方法，实现了准确识别滤网脏堵程度的目的。

参照图4，本发明滤网脏堵识别方法的又一实施例中，所述滤网脏堵识别方法包括：

步骤S100、拍摄滤网图片；

在一实施例中，可以通过智能设备拍摄滤网图片，所述智能设备可以是扫地机器人。所述扫地机器人上设置有摄像头，所述摄像头可以全景摄像头，即可以拍摄360°环境图像的摄像头，也可以是可旋转的非全景摄像头，当所述摄像头为非全景摄像头时，所述摄像头按一定的角速度旋转，以获取全景摄像数据。由于所述扫地机器人设置有摄像头，所以扫地机器人可获取视频数据。

可选地，拍摄滤网图片时可以根据所述图像确定所述扫地机器人的当前位置及所述滤网的位置。

在一实施例中，当获取到所述视频数据时，解析所述视频数据，并将所述视频数据拆分成视频帧。进一步地，通过图像识别算法处理所述视频帧，以确定包含所述滤网的视频帧。

具体地，所述图像识别算法可以预想通过机器学习，学习如何判别一个图片中是否包含目标，在此，所述目标为滤网。

在确定包含滤网的视频帧时，可以根据所述视频帧的图像信息确定扫地机器人的当前位置和滤网所在位置。

具体地，由于摄像头的拍摄角度及图像缩放倍数是可以直接获取的已知数值，因此，根据图像拍摄角度及图像缩放倍数可以确定扫地机器人当前时刻相对于滤网的当前位置，因此滤网相对于扫地机器人的滤网所在位置也可以确定。可以理解的是，上述根据视频帧确定扫地机器人的位置及滤网所在位置的方案并不用于限定本发明，仅用于解释本发明。

根据当前位置及所述滤网的位置控制所述扫地机器人移动至拍摄位置，并拍摄所述滤网图片。

在一实施例中，在确定扫地机器人的当前位置和滤网的所在位置后，可以控制扫地机器人根据所述当前位置和所属滤网的所在位置靠近所述滤网，当面扫地机器人的与滤网的间距小于预设阈值时，可以控制扫地机器人拍摄高清滤网图片。也可以预先根据室内环境布局图，设定扫地机器人拍摄滤网图片的拍摄位置，使得扫地机器人可以获取到所述拍摄位置，并根据所述当前位置及滤网所在位置确定当前位置与所述预设的拍摄位置之间的空间距离，进而控制扫地机器人移动至所述预设的拍摄位置。

还可以在空气调节器的机体上设置距离传感装置，当扫地机器人无法通过视频信息确定滤网位置时，可以根据所述距离传感装置获取到的扫地机器人与柜机之间的距离，控制扫地机器人靠近空气调节器机体。

可选的，通过图像处理算法获取所述滤网图片的滤网匹配度；

在一实施例中，当所述扫地机器人拍摄到所述滤网图片时，可以通过图像处理程序对获取到的滤网图片进行滤网匹配度分析，即分析所述滤网图片中拍摄到的滤网是否完整。当所述滤网图片中包含的滤网不完整时，根据其完整度确定所述滤网匹配度。

例如，滤网图片中的滤网只包含滤网的左侧部分，而滤网的右侧缺失，则通过根据这一信息输出其滤网匹配度为左50％。

可选地，根据所述滤网匹配度调整所述滤网图片的所述拍摄位置，并拍摄所述滤网图片，其中，所述滤网匹配度为图片中滤网所在区域包含的所述滤网的完整度。

在一实施例中，在获取到所述滤网片匹配度时，可以根据滤网匹配度调整拍摄位置。例如，当获取到的滤网匹配度为左50％时，可以控制扫地机器人向右移动，以拍摄完整的滤网。其中，扫地机器人的移动量可以匹配度与移动量的对应关系确定。也可以控制扫地机器人只移动一个较小的距离(例如1厘米)，然后再次拍摄滤网图片，并获取滤网匹配度，根据滤网匹配度调整拍摄位置。直至获取到拍摄到完整滤网的滤网图片为止。这样，使得滤网图片的拍摄更完整，滤网脏堵判定的结果更准确。

步骤S200、将所述滤网图片发送至服务器，以使服务器根据所述滤网图片确定所述空气调节器的脏堵程度，并根据所述脏堵程度发送提示信息；

步骤S300、接收并输出所述提示信息。

在一实施例中，智能设备拍摄滤网图片，其中所述智能设备可以是扫地机器人。当所述智能设备拍摄到滤网图片时，将滤网图片发送至服务器，以供服务器根据所述滤网图片确定滤网的脏堵程度。服务器确定脏堵程度后，根据脏堵程度生成提示信息，其中，提示信息可以是脏堵程度的一个数值表示，也可以是提示更换滤网的提示信息。在服务器生成提示信息后，将提示信息发送至智能设备，进而，在智能设备接收到提示信息时，输出提示信息。

在本实施例中，根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由扫地机器人拍摄得到，然后根据所述脏堵程度生成提示信息，使得滤网的脏堵程度判断更加准确，从而解决了滤网脏堵判断不准确的技术问题。

此外，本发明实施例还提出一种滤网脏堵识别装置，所述滤网脏堵识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如上各个实施例所述的滤网脏堵识别方法的步骤。

此外，本发明实施例还提出一种智能设备，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如上各个实施例所述的滤网脏堵识别方法的步骤。

可选地，所述智能设备可以是扫地机器人。

此外，本发明实施例还提出一种滤网脏堵识别装置，所述滤网脏堵识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被处理器执行时实现如上各个实施例所述的滤网脏堵识别方法的步骤。

此外，本发明实施例还提出一种智能设备，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被处理器执行时实现如上各个实施例所述的滤网脏堵识别方法的步骤。

在一实施例中，所述智能设备可以是扫地机器人。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有滤网脏堵识别程序，所述滤网脏堵识别程序被处理器执行时实现如上各个实施例所述的滤网脏堵识别方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是智能移动端，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的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (13)

1.一种滤网脏堵识别方法，其特征在于，所述滤网脏堵识别方法包括以下步骤：

根据空气调节器的滤网图片确定所述空气调节器的脏堵程度，其中，所述滤网图片由智能设备拍摄得到；

根据所述脏堵程度生成提示信息。

2.如权利要求1所述的滤网脏堵识别方法，其特征在于，所述根据所述脏堵程度生成提示信息的步骤包括：

在所述脏堵程度大于预设脏堵阈值时，生成提示信息。

3.如权利要求2所述的滤网脏堵识别方法，其特征在于，所述生成提示信息的步骤之后，所述滤网脏堵识别方法还包括：

输出所述提示信息。

4.如权利要求1所述的滤网脏堵识别方法，其特征在于，所述智能设备为扫地机器人。

5.如权利要求1所述的滤网脏堵识别方法，其特征在于，所述根据空气调节器的滤网图片确定所述空气调节器的脏堵程度滤网图片的步骤包括：

获取所述滤网图片中所述滤网的所在区域；

根据所述滤网的所在区域的第一图片特征确定所述滤网的脏堵程度。

6.如权利要求5所述的滤网脏堵识别方法，其特征在于，所述根据所述滤网的所在区域的第一图像特征确定所述滤网的脏堵程度的步骤包括：

获取所述滤网的所在区域的第一图像特征；

获取脏堵滤网图片的第二图片特征；

计算所述第一图片特征与所述第二图片特征之间的差异度，根据所述差异度的确定所述滤网的脏堵程度。

7.如权利要求5所述的滤网脏堵识别方法，其特征在于，所述根据所述滤网的所述所在区域确定所述滤网的脏堵程度的步骤包括：

获取所述历史滤网图片的第一图片特征，所述历史滤网图片为智能设备拍摄到的滤网图片；

通过图片处理算法提取所述所在区域的第二图片特征；

根据所述第一图片特征和所述第二图片特征获取对比值，并根据所述对比值确定所述滤网的脏堵程度。

8.如权利要求1所述的滤网脏堵识别方法，其特征在于，所述根据空气调节器的滤网图片确定所述空气调节器的脏堵程度的步骤包括：

将所述滤网图片发送至服务器，并接收服务器反馈的脏堵程度。

9.一种滤网脏堵识别方法，其特征在于，所述滤网脏堵识别方法包括：

拍摄滤网图片；

将所述滤网图片发送至服务器，以使服务器根据所述滤网图片确定所述空气调节器的脏堵程度，并根据所述脏堵程度发送提示信息；

接收并输出所述提示信息。

10.一种滤网脏堵识别装置，其特征在于，所述滤网脏堵识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如权利要求1至9中任一项所述的滤网脏堵识别方法的步骤。

11.一种智能设备，其特征在于，所述智能设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的滤网脏堵识别程序，所述滤网脏堵识别程序被所述处理器执行时实现如权利要求1至9中任一项所述的滤网脏堵识别方法的步骤。

12.如权利要求11所述的智能设备，其特征在于，所述智能设备为扫地机器人。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有滤网脏堵识别程序，所述滤网脏堵识别程序被处理器执行时实现如权利要求1至9中任一项所述的滤网脏堵识别方法的步骤。