CN110352439A - 纺织品的脏污和/或至少一部分的性质的检测 - Google Patents

Abstract

本发明特别公开了一种由一个或多个设备执行的方法，该方法包括：获得表示由纺织品的脏污和/或纺织品的至少一部分产生的光谱图像的强度信息项；由强度信息项确定取决于纺织品的脏污和/或纺织品的至少一种性质的至少一个输出变量，其中所述输出变量通过自适应评估算法(特别是人工神经网络)确定，其中所述自适应评估算法的参数基于多个训练案例校准；输出至少一个输出变量或触发至少一个输出变量的输出。此外，本发明还公开了用于执行该主题方法的设备和***。

Description

纺织品的脏污和/或至少一部分的性质的检测

技术领域

本发明涉及一种方法和设备，其中利用该方法和设备，通过由纺织品上的脏污和/或纺织品的至少一部分产生的光谱图像确定至少一个输出变量，特别是用于处理纺织品的至少一个处理参数。

背景技术

诸如服装、窗帘或床上用品之类的纺织品上的脏污通常难以识别。脏污不仅会影响纺织品的美观，还会对纺织品的使用者造成卫生问题。

尽管许多脏污很容易由眼睛察觉，但是纺织品的使用者通常不清楚脏污的成分或来源是什么。例如，在某些情况下，使用者不知道织物意外受污。脏污然后仅在稍后的时间对使用者可见，其中脏污的原因和组成对于使用者而言是未知的。具有不同组成的脏污也可具有非常相似的视觉外观，例如，血渍和番茄渍特别是在一段时间后不再可目视区分。

即使使用技术辅助手段，有时也难以识别某些脏污。在这种情况下，获得脏污指示的解决方案应该适于在家庭中使用。

要清除脏污的清洁过程的成功不仅取决于脏污本身，还取决于纺织品。在某种纺织品上的特定脏污(例如，取决于纺织品的颜色)，与具有不同颜色的另一纺织品上的相同脏污相比，在清洁过程中必须不同地处理。

对于使用者而言，想要的是获得脏污和/或纺织品的组成的指示，以能够对纺织品进行最佳处理。

发明内容

在所呈现的现有技术的背景下，因此本发明的一个目的是至少部分地减少或避免上述问题，即，特别是提供获得纺织品上脏污的组成的指示和/或该纺织品的组成的指示的有成本效益的选项。

该目的通过具有权利要求1的特征的方法客观地实现。

根据本发明的第一方面，描述了由一种或多种设备执行的方法，该方法包括：

-获得表示由纺织品的脏污和/或纺织品的至少一部分产生的光谱图像的强度信息项；

-由取决于所述纺织品的脏污和/或所述纺织品的至少一种性质的强度信息项确定至少一个输出变量，其中，所述输出变量通过自适应评估算法——特别是人工神经网络——确定，其中所述自适应评估算法的参数基于多个训练案例校准；

-输出所述至少一个输出变量或触发所述至少一个输出变量的输出。

根据第二方面，描述了一种设备，其被配置为或包括用于执行和/或控制根据第一方面的方法的相应单元(means)。根据第一方面的方法的设备特别是或者特别包括一个或多个根据第二方面的设备。

由脏污和/或纺织品通过辐射(如电磁辐射)的反射和发射产生光谱图像。得到的光谱图像包括所得辐射的强度和能量分布，直接受到脏污的组成和/或织物的一种或多种性质的影响。纺织品的脏污的组成应理解为是指化学组成，因此是指脏污的类型、脏污的程度和/或脏污的空间分布，例如脏污的形式。纺织品的一种或多种性质在说明书中与术语“纺织品的至少一种性质”等同，其也通过所得的光谱图像来确定。纺织品的性质应理解为是指例如纺织品中材料的类型、纺织品的颜色、结构、纺织品材料的组成和/或纺织品织物的形状。

例如，首先用辐射(例如光)激发脏污和/或纺织品的至少一部分，以检测反射和发射。脏污和纺织品在这种情况下都不会受到不可逆地影响。

脏污应理解为特别是指纺织品材料上异物的累积或纺织品表面的变色，特别是污渍、污垢或瑕疵的形式。例如，诸如灰尘等颗粒、液体痕迹、染料或油脂残留物位于表面上。此外，未固定的纺织品染料也可被纳入纺织品材料中，其中未固定的纺织品染料能够从该材料中溶出，例如在洗涤过程(例如洗涤)中溶出。脏污也可以理解为是指如纺织品染料等这种溶解的纺织品成分。

特别地，可将服装、窗帘或床上用品理解为纺织品。服装和床上用品包括例如衬衫、T恤、女装、夹克、毛衣、裤子、毯子、衬垫和被罩。纺织品可包括各种材料，例如天然纤维、化学纤维或其它材料(例如皮革)。

作为纺织品的可能性质的材料类型可以是例如纺织品的纱线。有时，例如，对由纱线作为材料组成的纺织品进行修整。在这种情况下，发生纱线的化学改性，例如，以使纺织品更结实等。这种纺织品的修整材料也被称为经处理的纤维，并且可以作为来自纺织品的材料包含。这种经处理的纤维的实例是例如GORETEX。

在根据第一方面的方法的一个实施方案中，可以检测纺织品的至少一部分的材料结构、材料类型、材料分布、材料磨损或它们的组合，例如，用于检测纺织品的至少一部分。

纺织品的至少一部分的材料结构特别地可理解为是指编织纺织品、针织纺织品或非织造纺织品或棉絮的类型和/或形状。在这种情况下，强度信息项特别地可以是纤维交织类型的特征(例如通过编织、针织制造)或非织造纺织品的特征。在这种情况下，拼接图案和线交叉图案和线编织可以由强度信息项表示。纱线密度、纤维厚度、纤维长度、纤维细度和/或纤维取向可以特别是在强度信息项中进行检测。纺织品的至少一部分的材料结构直接影响对纺织品处理的要求，例如，非织造织物可具有与针织或编织结构不同的清洁处理要求。

材料类型特别地应理解为纺织品的至少部分材料的组成。例如，强度信息项表示纺织品中的天然纤维、化学纤维或天然材料如羊毛或皮革，以及那些经处理的纤维或材料。该处理可以是例如纤维的涂层、纺织品修整和熨烫强度和/或纺织品上的去污聚合物。材料类型对纺织品的最佳处理(例如清洁处理)也具有显著影响。术语材料类型包括纺织品的颜色。

通过使用纺织品的材料分布，可以检测例如纺织品是否具有不同纤维类型或纤维材料的混合织物和/或纺织品的部分区域是否由不同材料制成。在这种情况下，可以检测不同材料彼此的比例，例如密度比、质量比或面积比。进一步由强度信息项表示的可以是连接点的类型和数量，例如接缝、焊缝或粘合点。

通过使用表示材料磨损的强度信息项，可以特别记录纺织品是否存在毛球、裂缝、破洞、磨损或其它结构损坏。特别地，对于由于纤维从纺织品复合材料上变松而产生并在纺织品表面上以结的形式出现的毛球，可以检测材料磨损的类型、形状、尺寸或高度、数量和/或分布。

在根据第一方面的方法的另一实施方案中，强度信息项可以表示例如纺织品的至少一部分中、处和/或上的封闭单元、涂层材料和/或施加物的存在和/或类型。

纺织品上的封闭单元尤其可理解为拉链、钩环紧固件、纽扣或类似布置物，其特别地被构造成通过刚性连接(positive connection)形成纺织品部分的连接并且可以设计成可拆卸的。

纺织品的至少一部分可具有一种或多种涂层材料，特别是涂覆纤维或将涂层施加到纺织品材料的结构上(例如施加在织物上)。涂层可以是例如功能层，例如纺织品的保护层、密封层或修整层，或者改变纺织品的外观或感觉。特别地，保护层或密封件可以作为附加层布置在纺织品的修整层上。

纺织品(特别是服装)还可以具有施加物例如印记、亮片、花边、补丁等，其也可以由强度信息项表示。同样地，功能性纺织品可以具有功能元件，因为施加物或电子元件可以布置在纺织品中或纺织品的表面上。

如果强度信息项的至少一部分表示纺织品上的这种封闭单元、涂层和/或施加物，则也可以在处理期间注意保护相应的元件。一方面，在处理过程中可以减少这种封闭单元、涂层和/或施加物的磨损；另一方面，例如，可以避免涂层或施加物的分离。

例如，可以在得到的光谱图像中检测纺织品的上述性质中的至少一个。

根据第一方面获得的强度信息项表示由纺织品的脏污和/或由织物的至少一部分产生的光谱图像。在这种情况下，所获得的强度信息项仅需要表示光谱图像的至少一部分。特别地，强度信息项包含表示能量范围内的光谱图像的强度的至少一个值。例如，可以使用表示能量范围内的光谱图像的强度的值来检测在能量范围内积分的单色或强度。可以通过使用多个值获得具有能量解析的光谱强度分布，每个值表示不同能量范围内的强度。这种强度信息项是物理测量可获得的。

由于脏污的组成和/或纺织品的一种或多种性质影响所得的光谱图像，所获得的强度信息项也由脏污的组成和/或一种或多种纺织品性质共同决定。因此，可以由强度信息项确定输出变量，该强度信息项取决于脏污的组成和/或一种或多种纺织品性质。

特别地，至少一个输出变量可以为表示脏污的化学组成、脏污程度、脏污的空间分布和/或纺织品结构的一个或多个值。例如，至少一个输出变量包括化学元素或化合物的出现和/或浓度的至少一个值、脏污的量、脏污的面积程度和/或关于纺织品的性质。还可以通过强度信息项的分类来确定至少一个输出变量。

通过输出或触发输出至少一个输出变量，可以由此向使用者提供关于纺织品脏污的组成的信息项和/或关于一种或多种纺织品性质的信息项，其有利地用于识别脏污和/或与纺织品有关的性质。例如，使用者可以获得关于化学组成或者关于单个元素或化合物的出现的信息项。特别地，另外的信息项可以使用至少一个输出通过分类来提供，例如，脏污是否包含一定水平的特定有机或无机组分(如染料或脂质)，以及任选地脏污的来源。特别地，与关于纺织品的性质相结合，例如，至少一个输出变量可以向使用者提供关于纺织品的可能处理的信息项，该处理尤其具有从纺织品中去除脏污的较高前景。

输出变量可以例如指示纺织品的特定脏污和/或纺织品的特定部分。

根据第一方面的方法或根据第二方面的设备因此尤其使得可以使使用者更容易识别脏污和/或纺织品的组成或来源。如果例如脏污和/或纺织品的一种或多种性质用肉眼无法识别，则可以通过该方法或设备确定取决于脏污和/或纺织品的组成的至少一个输出变量。例如，输出可以使使用者能够区分提供对于肉眼而言类似的视觉外观的脏污和/或纺织品的不同组成。

在示例性实施方案中，获取强度信息项的方法步骤包括以下步骤：

(i)用包括至少一个宽频波长范围的光照射纺织品的脏污和/或纺织品的至少一部分；

(ii)检测经照射的纺织品的脏污和/或纺织品的至少一部分的图像信息项；

(iii)至少确定反射信息项，该反射信息项表示来自与至少一个宽频波长对应的图像信息项的波长通道的反射光；

(iv)重建光谱图像，其中进行至少一个反射信息项的评估。

通过照射纺织品的脏污和/或纺织品的至少一部分，所限定的激发可以基于获得强度信息。例如，脏污和/或纺织品经由光源暴露于辐射或由辐射照射，其中所使用的辐射具有一定的强度和/或一定的光谱分布。无论外部条件如何，对脏污的至少一部分和/或纺织品的至少一部分的这种照射确保实现照射充分。由此可以在不佳的外部条件下(例如暗室中的低日光)的情况下获得强度信息项，或者至少可以改善检测质量。

照射可理解为意指借助人造光源产生光，从而特别地可以使纺织品的脏污和/或纺织品(更好地)可视化。照射特别地通过至少部分地位于电磁光谱的可见范围内的辐射实现，例如，借助于波长覆盖380nm至780nm的波长范围的至少一部分的辐射实现。特别地，用光照射包括红光、绿光、蓝光的可见区域或它们的组合的至少一个波长范围。

例如，使用LED(发光二极管)用于照射。LED可以覆盖明确定义的频率范围。具有不同色温的LED可以单独使用或组合使用，例如，使用红光、绿光、蓝光和/或白光LED。替代地或另外地，电子设备的显示器可用于照射。例如，电子设备的显示器至少部分地——特别是在整个显示器表面上——可以发射宽频波长范围内的光，例如红光、绿光、蓝光或它们的组合。

激发持续时间可以不同。特别地，持续时间可以相对较短，即使用例如闪光灯而低于一秒。激发持续时间可以进一步小于0.1秒，特别是小于0.01秒。短激发或闪光灯可以单独使用或与另一种照射单元组合使用。例如，闪光灯与连续操作的照射单元结合使用，其中闪光灯和照射单元组合在组合照射单元中。还可以短暂调制光强度。

照射单元和光学传感器(也称为光学传感器元件)也可以至少部分地使用相同的元件，这使得在设备的制造中能够具有明显的成本优势，特别是在使用LED时。当照射单元和光学传感器被设置为至少部分相同的元件时，还促进了在特定波长范围处的激发和检测的协调。例如，LED可以发射和检测光。脏污可以被置于包括至少一个发射器LED的照射单元和包括至少一个接收器LED的光学传感器之间。如果发射器LED和接收器LED是相同的，则可以以特别简单和直接的方式确定脏污对辐射的透射或衰减。同样，发射器LED和接收器LED的布置也可以在反射或发射测量中提供。

经照射的纺织品的脏污和/或纺织品的至少一部分的图像信息项的检测例如借助于光学传感器进行。

为了获得光谱图像，至少一个反射信息项指示来自与至少一个宽频波长对应的(所检测的)图像信息项的波长通道的反射光。由这些所检测的图像信息项进行光谱图像的重建，其中进行至少一个反射信息项的评估。如果用包括宽频波长范围的光照射纺织品的脏污和/或纺织品的至少一部分，则可以针对该波长范围相应地重建光谱图像。如果用包括不同波长范围的光几次照射纺织品的脏污和/或纺织品的至少一部分，则例如可以获得多个图像信息项(例如，针对图像信息项的每次照射和检测的图像信息项)。可以相应地评估该多个图像信息项，从而可以重建光谱图像。

在示例性实施方案中，纺织品的脏污和/或纺织品的至少一部分的照射利用以下宽频波长范围之一进行：

(i)约600nm至约780nm；(对应宽频红光)

(ii)约490nm至约600nm；(对应宽频绿光)

(iii)约380nm至约490nm；(对应宽频蓝光)

(iv)或它们的组合。

约600nm至约780nm的波长范围对应于红色光的宽频照射。约490nm至约600nm的波长范围对应于绿色光的宽频照射。约380nm至约490nm的波长范围对应于蓝色光的宽频照射。

包括多个指定范围的光的组合照射包括例如用一个波长范围的序列照射，特别是在使得所述序列照射可被使用者感知为过程(process)的短的时间间隔内。

波长范围可以进一步特别适合于强度信息项的确定。例如，使用包括在近红外区域(NIR)具有最大灵敏度的CMOS元件的光学传感器。在这种情况下，用在NIR范围内的辐射进行的照射是有利的。NIR范围可理解为意指至少为780nm的电磁光谱的波长范围，特别是至多3000nm、尤其是至少780nm至最大1400nm(或者，例如所谓的光的IR-A波长范围)、和/或至少1400nm至3000nm(例如，所谓的光的IR-B波长范围)的电磁光谱的波长范围。

示例性实施方案提供了使用至少一个光学传感器元件以确定强度信息项。

在这种情况下，光学传感器元件或光学传感器可理解为意指可以确定入射辐射强度的传感器，该辐射特别是可见范围内以及任选地超出该范围的电磁辐射。特别地，光学传感器元件被配置为提供强度信息项的能量解析和/或空间解析。光学传感器元件可包括图像传感器，尤其是数字图像传感器。特别地，例如，至少一个半导体元件、二极管、CCD元件(例如Bayer传感器)或CMOS元件(Foveon X3型传感器中的)可用于确定入射辐射。光学传感器元件可包含滤光器，尤其是光谱仪。还可以想到使用没有颜色解析的单色传感器。同样，可以使用限于特定波长范围的传感器。例如，光学传感器可以基于至少一个光电二极管和/或至少一个LED元件。可以使用单个元件或元件阵列，例如光电二极管或诸如LED等光敏部件。有利的是，从动力学、解析和/或灵敏度方面优化各个传感器元件(例如，各个光电二极管)的尺寸。

在一个实施方案中，光学传感器元件提供了三维空间解析。通过使用三维空间解析可以进一步提高纺织品的结构确定和/或纺织品的脏污确定的准确性。可以想到通过相同的光学传感器元件或相同的传感器布置来使用来自不同视角的多个图像。同样地，可以提供专门用于三维解析而形成的光学元件，例如辅助透镜或物镜，或者可以使用3D相机。另外的光学元件(例如辅助透镜或物镜)也可以布置在传统的基本上为二维的光学传感器上，例如，集成在移动设备中的数码相机或相机。已经存在的设备可以因此被改装为用于三维解析。通过使用三维解析，例如，纺织品结构(例如织物、网或非织造物纺织品的形状和布置)和/或纺织品的脏污(例如，在纺织品内部的脏污)的形状和布置可以更详细地确定，从而可以获得更全面和准确的强度信息项。

在一个特别简单的实施方案中，至少一个光学传感器元件包括至少一个类似照相机的元件并提供图像信息项。因此，集成在电子设备(例如，移动设备)中的数码相机或相机可以用于该方法或者用作用于执行该方法的至少一个设备。在这种情况下，可以在类似相机的元件上使用用于三维空间解析的附属装置。

此外，可以提供辐射源，例如光源(例如照射单元)、显示器和/或闪光灯，其特别适合于光学传感器元件并用于照射脏污的表面。这种辐射源可以与结构单元中的光学传感器元件组合。用于照射纺织品上的脏污和/或纺织品的至少一部分的辐射源或照射单元可以例如用一个或多个LED实现。照射纺织品上的脏污和/或纺织品的至少一部分——特别是通过使用以下宽频波长范围之一的照射——可以例如使用RGB LED或者用一个或多个单色LED来完成。例如，每个宽频波长范围(颜色)可以使用一个LED，或者每个宽频波长范围可以使用一个RGB LED。在优选的示例性实施方案中，照射单元包括多个LED，其数量大于或等于1(n≥1，其中n代表LED的数量)。例如，辐射源或照射单元可以发出限定波长范围的宽频光，例如，红色、绿色、蓝色或它们的组合波长范围内的光。

评估算法可以是人工***(例如，根据第二方面的设备或根据第三方面的***)，其例如从作为实例的训练案例中学习并且可以在学习阶段结束之后概括。也就是，这些实例不是简单地记住，而是在学习数据中识别出模式和原理。为此目的可以采用不同的方法。例如，可以使用监督学习、部分监督学习、无监督学习、授权学习和/或主动学习。监督学习可以例如通过人工神经网络(例如循环神经网络(recurrent neural network))或通过支持向量机来完成。无监督学习也可以例如通过人工神经网络(例如，自动编码器)进行。例如，反复获得和/或确定的强度信息项或特定输出变量用作学习数据。

替代地或另外地，可以想到所获得的和/或确定的强度信息项或特定的输出变量与其它信息项相关，例如与用于创建个人脏污档案的家庭成员的数量和/或相应年龄相关，或例如与用于创建季节脏污档案的季节相关。

还可以使用多次获得和/或确定用于机器学习的强度信息项或输出变量。例如，可以至少部分地基于机器学习来确定脏污档案。

通过这些措施可以增加至少一个输出变量——特别是纺织品的处理(特别是用于从纺织品上去除脏污的)——的确定的可靠性。

每个训练案例可以例如由人工神经网络的输入矢量、强度信息项和输出矢量给出。输出矢量例如由通过化学分析确定的在属于训练案例的纺织品的此种脏污和/或纺织品的一部分结构内的物质浓度给出。

各个测试案例可以例如通过以下方式生成：将属于培训案例的纺织品的脏污和/或纺织品部分结构转化成预定状态(例如，在限定的纺织品上的限定脏污)并随后生成表示光谱图像的强度信息项，同时进行化学分析以测量物质浓度(例如，纺织品上的脏污和/或纺织品的)。确定的强度信息项作为输入矢量传送，物质浓度作为训练案例的输出矢量传送。

例如，校准可以通过神经网络完成。在这种情况下，例如，在神经网络中完成错误反馈，即所谓的反向传播。在这种情况下，例如，对用于确定神经网络使用的输出变量的参数进行优化。通过使用优化的参数，神经网络例如适合于从偏离最初学习的训练案例的输入矢量的输入矢量(表示光谱图像的强度信息项)中有意义地确定输出矢量(输出变量，特别是用于确定处理参数)。因此，例如，参数是自适应的，从而可以使用已知的(例如，存储在数据库中的)参数来执行校准。

在示例性实施方案中，提供了例如通过图像处理单元识别纺织品的脏污和/或纺织品的结构的至少一部分(特别是污渍和/或纺织品类型)，并且多个输入矢量由与纺织品的脏污和/或纺织品的至少一部分相关的强度信息项的那些部分形成。在这种情况下，例如，神经网络的输入矢量可以由与这种纺织品的脏污和/或纺织品的至少一部分相关的各图像点(例如，包含在强度信息项中的像素)形成。这种输入矢量的分量由强度信息项表示的相关图像点的光谱图像的强度值给出。此外，可以进行化学分析，例如，对纺织品的脏污和/或纺织品的至少一部分进行化学分析。相关结果可以例如形成输出矢量。随后，例如，神经网络可以将各输入矢量与输出矢量组合。以这种方式，可以由纺织品的脏污和/或纺织品的至少一部分生成多个训练案例(例如，特别是针对强度信息项的各个检测到的图像点的训练案例)。

在示例性实施方案中，光谱图像内的至少一个图像点用作用于图像的光谱曝光补偿的固定的预定参考图像点，其中将来自图像的不同于所述至少一个参考图像点的图像点的图像数据通过使用所述至少一个参考图像点的图像数据进行归一化。

示例性实施方案提供了神经网络或使用神经网络的评估单元执行由强度信息项表示的光谱图像的光谱曝光补偿。例如，可以检测(例如，测量)纺织品的脏污和/或纺织品的至少一部分的瞬时曝光条件，并几乎同时通过由强度信息项表示的光谱图像的图像点的归一化来进行补偿。除了光谱图像的各个图像点的曝光强度之外，还通过光谱曝光补偿对这些图像点的信息项(例如，图像数据)的光谱组成进行归一化。

曝光条件通常由入射太阳光和太阳辐射在纺织品的脏污和/或纺织品的至少一部分上的入射角确定。

可以在光谱曝光补偿中提供，例如，在具有纺织品的脏污和/或纺织品的至少一部分的强度信息项所包含的图像区域内，检测其表面具有例如预定的性质——特别是光学性质——的物体(body)。例如，一个性质可以是特定的颜色或灰度和/或亮度。例如，该物体形成为扁平的。例如，该物体牢固地连接到处理设备，特别是清洁设备(例如，洗衣机)。在图像信息项(由其重建由强度信息项表示的光谱图像)通过光学元件检测的情况下，例如，可以将物体始终布置在相对于光学元件的相同位置，从而使得物体总是包含在检测到的图像信息项的相同图像区域中。

在示例性实施方案中，检测到的图像信息项的至少一个预定图像点(也被称为参考图像点)可以用于光谱曝光补偿。检测到的图像信息项的参考图像点例如位于具有预定表面性质的物体上。例如，可以基于参考图像点对图像信息项的剩余检测图像点进行归一化。为了避免不必要的计算工作，例如，可以只对那些包括纺织品的脏污和/或纺织品的至少一部分的图像点进行归一化。

在示例性实施方案中，光谱曝光补偿可以由神经网络执行。例如，可以提供，神经网络的层执行光谱曝光补偿。光谱曝光补偿也可以例如以规则的间隔、特别是自动地执行。时变曝光条件可以以及时的方式(“实时”)归一化。在使用光学元件检测图像信息项的情况(所述光学元件没有被固定布置)下，与例如使用电子设备(例如，智能电话、平板电脑等)的情况一样，例如，光学传感器的移动可以改变检测到的图像信息项的曝光条件。因此，例如，以规则的时间间隔执行的光谱曝光补偿可以补偿这些不同的曝光条件。

在示例性实施方案中，根据第一方面的方法还包括：

-至少部分地基于所确定的强度信息项来确定纺织品的至少一个处理参数；和

-输出至少一个处理参数或触发至少一个处理参数的输出。

处理参数特别是针对适于脏污和/或纺织品的一种或多种性质的特定处理的推荐参数。例如，可预先对纺织品进行特别温和的处理，从而使得至少一个处理参数确保纺织品的最长可能寿命。同样地，可能需要对纺织品进行特别强烈的处理，其中对至少一种处理参数针对特定结构的处理效果(例如，清洁过程的有效性)进行优化。而且，可以提供关于至少一个处理参数的特别节能处理的建议。此外，可以考虑确定处理参数的脏污和纺织品的组合，以便例如可以尽可能有效地从纺织品上除去脏污。

通过基于强度信息项确定至少一个处理参数，可以例如在根据材料磨损处理纺织品时调整材料磨损，以便抑制进一步增加的材料磨损，或者例如还以便去除毛球，以恢复纺织品的外观。可以因此向使用者提供关于存在的脏污的最佳清洁过程的建议。

对于脏污，可以通过取决于脏污组成的强度信息项得出关于处理参数的结论。在这种情况下，可以由另一输出变量间接确定处理参数；例如，首先确定表示脏污组成的输出变量，并由表示脏污组成的该输出变量确定处理参数。处理参数也可以由强度信息项直接确定，例如，通过存储的强度信息项的分类和通过与类别相关的处理参数确定。该评估可以例如通过评估单元的评估算法来执行。

特别地，当纺织品的使用者不能肉眼识别脏污并且因此不清楚如何再次去除脏污时，根据第一方面的方法或根据第二方面的设备可以提供作为处理纺织品的处理参数的关于最佳清洁策略的建议。例如，使用者可能不清楚脏污是否含有不能通过常用的清洁策略可靠地除去的脂质或某些染料。附加地或替代地，也可以考虑纺织品的一种或多种性质。可以通过由脏污的组成确定并在方法的背景中确定的处理参数、脏污的相应成分的识别和/或纺织品的一种或多种性质的识别来推荐适合于各组合物的清洁策略。结果，可以大大简化脏污的去除并使其更加可靠得多。

还可以想到，从纺织品材料中溶出的物质——例如未固定的纺织品染料——可通过至少一个输出变量确定为脏污。这尤其在处理的执行期间发生，从而使使用者得到关于纺织品处理的有效性的结论。例如，使用者可以识别是否从纺织品的材料中溶出了过量的纺织品染料，由此使用者接收改变清洁策略的表示(incentive)，并且如果需要，使其对于纺织品染料更温和。同样地，可以预期(intend)纺织品的脱色，并且可以通过清洁策略针对至少一个输出变量得出关于脱色程度的结论。

特别地，至少一个处理参数表示清洁剂类型、清洁剂的量、清洁温度、清洁设备的类型、清洁设备的设置或它们的组合。

清洁剂例如在家庭中用于清洁不同物体。例如，用于洗衣机的清洁剂(例如洗涤剂)用于清洁纺织品。然而，清洁剂同样也应理解为清洁助剂或清洁添加剂，例如漂白添加剂、织物柔软剂或洗衣用浆粉(laundry starch)。清洁剂也可以是液体、分散体系(例如凝胶或泡沫)或固体，特别是片剂(tab)、粉末或颗粒。

清洁剂可以例如具有来自以下组分的一种或多种组分：表面活性剂、碱、助洗剂、灰度抑制剂、光亮剂、酶、漂白剂、去污聚合物、填料、增塑剂、香料、染料、调理剂、酸、淀粉、异麦芽酮糖醇(isomalt)、糖、纤维素、纤维素衍生物、羧甲基纤维素、聚醚酰亚胺、硅酮衍生物和/或聚甲基亚胺。

清洁剂可进一步包含一种或多种其它成分。这些成分包括但不限于：漂白活化剂、螯合剂、助洗剂、电解质、非水溶剂、pH调节剂、香料载体、荧光增白剂、水溶助剂、硅油、膨润土、抗再沉积剂、抗磨剂、抗皱剂、染料转移抑制剂、抗微生物活性物质、杀菌剂、杀真菌剂、抗氧化剂、防腐剂、腐蚀抑制剂、抗静电剂、苦味剂、熨烫助剂、驱虫剂或浸渍剂、溶胀剂或滑爽剂(slipping agent)和/或紫外线吸收剂。

处理参数可以表示清洁剂类型，因此表示清洁剂的组成。例如，如果脏污的组成中含有一定水平的染料，则可以向使用者推荐使用某些漂白添加剂。例如，如果脏污的组成中存在一定水平的脂质，则在推荐的清洁策略中可包括使用特定的表面活性剂和/或脂肪酶。

处理参数可以表示清洁剂的量，并且特别地表示清洁剂的绝对量。同样地，可以通过处理参数显示清洁剂的相对量，例如，基于待清洁的纺织品的质量或浴比、或相对于清洁要使用的水体积的清洁剂的量。可以因此确定清洁剂类型和/或清洁剂的量，其通过取决于脏污组成的强度信息项确保脏污的最优去除。

通过使用表示清洁温度的处理参数、特别是与清洁剂类型组合，可以针对脏污的特定组成指示用于去除脏污的最佳温度。一方面，清洁温度可以足够高以确保尽可能完全地去除脏污；另一方面，其在能量消耗和保护纺织品方面保持较低。

清洁设备尤其应理解为洗衣机，特别是自动家用洗衣机。在这种情况下，处理参数可以指示这种清洁设备的某种类型。还可以想到，处理参数至少部分地模拟要手动执行的清洁策略，如手洗。而且，处理参数可以包括清洁设备的设置，例如，自动家用洗衣机的程序或一系列此种程序。

结果，通过使用该处理参数，对于使用者来说，可以极大地促进脏污的去除。特别地，在不能用肉眼识别脏污的情况下，可以通过该方法推荐关于清洁以及能量消耗和纺织品材料保护的最佳清洁策略。例如，清洁剂类型和清洁设备的设置的建议包括强度信息项是否指示脏污中脂质的特定含量以及因而相应的脂肪溶解组分是否应包含在清洁剂中，或脏污中是否存在可以通过特定的清洁剂类型和清洁设备的设置进行专门攻击(attack)的某些染料。

在示例性实施方案中，该方法还包括：

-通过至少一个处理设备(特别是清洁设备)，执行或引发执行与至少一个所确定的处理参数相对应的纺织品的处理。

处理例如可包括对纺织品的脏污和/或纺织品的预处理。例如，这可以包括预清洁、预处理剂的施加或纺织品的某种布置。例如，至少一个处理参数表示预清洁或预洗涤，特别是纺织品在某种溶液中的浸泡或清洁设备的预清洁程序。可以提供各种预处理剂来手动或自动施加，例如，指示去污剂或漂白剂的施加。此外，纺织品的布置尤其可以提供为，纺织品应该在实际处理之前转向“左侧”或者布置在另一个设备中，例如在洗衣袋中。此外，预处理还可以包括关闭封闭单元，例如，使用者可以接收关闭拉链的指示以用于后续处理。

可以提供例如，对纺织品进行染色或使其经受温和处理作为纺织品的处理。在根据第一方面的方法的有利实施方案中，处理包括清洁处理，特别是用清洁设备(例如洗衣机)执行的洗涤处理。

特别地，该方法还包括通过清洁设备进行处理。

在这种情况下，强度信息项可以在进行纺织品处理之前、期间和/或之后获得。例如，如果在进行清洁处理之前已经接受预清洁，可以向使用者提供关于要使用的清洁策略的建议。

当在清洁期间获得强度信息项时，可以动态地进行清洁，例如，也就是，可以将清洁设备在清洁期间调整为刚刚确定的至少一个输出变量，特别是通过连续确定的输出变量。例如，在洗涤程序期间，洗衣机例如根据所确定的输出变量调节温度或清洁剂的量。特别地，这里可以获得从纺织品中溶出的纺织品组分(例如纺织品染料)的强度信息项。

通过在清洁之后获得强度信息项，例如，可以记录和检查处理的结果或有效性。

可以将至少一个输出变量用显示器输出给使用者，或者可以触发相应的输出。使用者可以然后进行纺织品的处理。替代地或附加地，在方法的一个实施方案中，可以将至少一个输出变量输出到清洁设备。例如，至少一个输出变量可以表示输出到清洁设备的至少一个处理参数，从而使得清洁设备例如采用默认的相应处理并且使用者仅需要启动清洁设备。还可以想到，清洁设备利用至少一个处理输出变量的输出自动执行处理。例如，清洁设备可以具有用于清洁剂的定量配给(dosing)设备，以根据推荐的纺织品处理自动提供清洁剂类型和清洁剂的量。结果由此改善了方法的使用者友好性。

在方法的一个实施方案中，至少一个输出变量的确定包括强度信息项与比较值的比较。相应的比较值可以存储在数据库中。可以对强度信息项进行分类，其中至少一个输出变量由分类结果获得或受分类结果影响。例如，分类可以基于强度信息项与已知强度信息项的数据库的比较。例如，附加地或替代地，可以利用自适应评估算法来进行相应的分类。特别地，这里可以使用本说明书中描述的神经网络。

为此目的而提供的比较值或数据库可以特别地包含在纺织品应用领域中出现的典型脏污的强度信息项。这些强度信息项可以由例如训练案例表示。这些强度信息项可以然后通过自适应评估算法用于确定输出变量，例如来自神经网络的输出变量。例如，在家用领域中，可以获取典型脏污(例如各种食物残渣、饮料、草或颜料痕迹)的强度信息项。比较值可以包括光谱图像的某些能量范围中的至少一个强度值和/或光谱图像的至少一个能量间隔的连续值。此外，某些输出变量可以与相应的比较值(例如，至少一个用于去除脏污的比较值)相关。

在方法的另一实施方案中，该方法还包括：

-至少部分地基于输出变量、特别是基于多个所确定的输出变量确定脏污档案，其中至少一个输出变量的确定至少部分地基于脏污档案。

脏污档案因此可以通过至少一个输出变量创建，其中使该档案适应于脏污的相应组成。特别地，脏污档案中可以包括在已确定的输出变量的历史的背景下的多个输出变量，从而使得将来的确定可以至少部分地基于脏污档案。因此，至少一个输出变量的确定可以是自适应的，并且通过脏污档案而更确切地适应于各自的要求。可以更精确地执行输出变量的确定，特别是就对脏污的化学组成的依赖性而言。这可以例如通过自适应评估算法、特别是通过神经网络来执行。

例如，可以针对常见的脏污组成创建脏污档案。附加地或替代地，这些脏污档案可以存储用于各种纺织品结构。特别地，可以将脏污的组成与各种纺织品结构联系起来。特别地，还可以考虑脏污档案中的清洁剂类型和清洁设备类型，以用于至少一个处理参数的输出。

还可以想到，将关于处理有效性的信息项记录在脏污档案中。例如，在清洁过程后，可以再次确定强度信息项以确定处理的有效性。这将能够通过脏污档案进一步优化未来的处理。

同样地，在清洁之后，使用者可以评估至少一个输出变量，例如，对列入脏污档案中的处理有效性进行评估。因此，可以实现对输出变量(特别是处理)的确定的个人(personal)适应。

在方法的另一实施方案中，用于执行该方法的至少一个设备是移动设备。特别地，可以通过移动设备(例如，智能电话、笔记本电脑、平板电脑、可穿戴设备或相机)与至少一个其它设备(例如，清洁设备和/或光学传感器元件)之间的通信***进行通信。根据一个实施方案，根据第二方面的设备包括通信接口。例如，通信接口被配置用于有线或无线通信。例如，通信接口是网络接口。通信接口优选被配置为与通信***通信。通信***的实例是局域网(LAN)、广域网(WAN)、无线网络(例如，根据IEEE 802.11标准、蓝牙(LE)标准和/或NFC标准)、有线网络、移动网络、电话网络和/或因特网。通信***可以包括与外部计算机的通信，例如，通过因特网连接。

特别地，提供用于获得强度信息项的光学传感器元件并将其集成到移动设备中。这有助于使用者确定强度信息项。还可以想到的是，将光学传感器元件提供在清洁设备中，且/或使用移动设备以显示至少一个输出变量。

在方法的另一实施方案中，强度信息项表示高光谱(hyperspectral)图像。表示高光谱图像的强度信息项特别地可理解为强度信息项具有在不同能量间隔的多个通道中的强度值作为强度分布，其中至少两个能量间隔彼此邻接或重叠。特别地，多光谱图像的高光谱图像可被描述为，尽管多光谱图像也具有在不同能量间隔的多个通道中的强度值，但是所述能量间隔彼此间隔开，即，在多光谱图像中，强度由彼此分离的各个能量反映。与之不同，在高光谱图像中，特别地，通过将至少两个能量间隔彼此连接或重叠来体现“相邻的”强度值。高光谱图像可以因此至少部分地反映连续光谱。表示高光谱图像的强度信息项特别地具有以下优点：还可以检测肉眼不可见的指示脏污组成的信息项。

强度信息项可以在这种情况下包括至少20个通道中的值，其中每个通道表示一个能量间隔的强度。如果在至少20个通道中提供强度信息项的值，则可以提高光谱图像的解析度(resolution)，从而也可以提高输出变量的确定的精确度。特别地，强度信息项包括至少20个通道到250个通道，从而实现输出变量对脏污组成的更精确的依赖性。通过使用至少20个通道，可以在表示光谱图像的强度信息项中实现能量间隔，特别是对于高光谱图像而言，其表示人眼无法分辨(resolve)的光谱图像，在可见区域中仅具有三个通道。

根据方法的另一实施方案，如果强度信息项表示光谱图像的光谱分量，其中至少一个光谱分量位于可见光能量范围之外，则可以将脏污的组成和/或纺织品的一种或多种性质以更高的精确度纳入输出变量的确定中。

特别地，强度信息项表示紫外光能量范围内的光谱图像的光谱分量。同样，可以考虑红外光能量范围内的光谱分量。强度信息项特别地表示从红外光能量范围到紫外光能量范围的光谱图像的光谱分量，例如，至少波长为315nm至1400nm——优选地波长为280nm至3000nm、更优选地波长为200nm至5000nm——的光谱图像的光谱分量。

此外，强度信息项可以表示可见光能量范围内——即，380nm至约780nm的波长范围内——(高)光谱图像的光谱分量。

强度信息项可以表示光谱图像的单个图像点。然而，特别地，在方法的一个实施方案中，强度信息项表示光谱图像的空间解析部分。空间解析的强度图案包括关于在空间中的至少两个位置处的辐射强度的信息项。空间解析的强度图案可以例如通过可移动的光学传感器测量，其中光学传感器的位置变化并且在各个位置处测量强度。然而，优选使用具有多个空间上隔开的传感器元件(例如像素)的光学传感器，其中可以通过各种像素中的强度信息项获得空间解析的强度信息项。

此处可以想到一维的、例如线性解析。然而，在方法的一个实施方案中，进行二维空间解析。特别地，空间解析通过传感器元件的平面布置或至少一个传感器场(例如，像素)来进行。

在方法和/或设备的一个实施方案中，表示光谱图像的空间解析部分的强度信息项的确定是通过电子设备的集成相机、特别是通过高光谱相机进行的，该高光谱相机被配置为确定表示高光谱图像的强度信息项。所述高光谱图像也可以由这样的强度信息项表示：通过在宽频可见光区域中照射脏污和/或纺织品的结构，存在包括经照射的脏污和/或纺织品的结构的图像信息项的检测、至少反射信息项的确定和高光谱图像的重建。

在替代性或另外的实施方案中，强度信息项可以经由传感器确定，其中传感器布置在清洁设备上。例如，传感器至少部分地布置在清洁设备的外壳上以及其中可以进行清洁的清洁容器的外部。因此，即使清洁设备处于运行或关闭状态，使用者也始终可以访问传感器。因此，可以在任何时间执行根据第一方面的方法。传感器在这种情况下可以固定到清洁设备上，例如通过诸如螺纹连接和/或粘接等紧固手段固定。同样，传感器也可以通过定位手段、例如通过磁性夹具而可自由定位地布置在清洁设备上。

此外，传感器可以至少部分地布置在清洁设备的内部，特别是在清洁设备的其中可以进行清洁的清洁容器的区域中。特别地，在此将传感器布置在使用者可接近(accessible)的位置。传感器也可以在此固定到清洁设备上，例如，可以通过紧固手段或定位手段而自由定位。将传感器例如布置在清洁容器的开口处，特别是布置在门上。在洗衣机中，将传感器例如布置在洗衣滚筒的装载舱口上和/或装载舱口的密封件上。

同样，可以将传感器设计成在清洁容器的内部可自由移动。在一个实施方案中，提供了一种确定设备，该确定设备包括：用于确定强度信息项的至少一个传感器元件，和任选存在的至少一个照射装置，其中所述设备被配置为在清洁设备的清洁容器中执行纺织品的处理期间提供强度信息项。例如，确定设备被构造成在洗涤过程中可自由移动地布置在洗衣机的洗涤滚筒中。确定设备可以具有与清洁处理相对应的形状，例如具有圆形、特别是球形的形状。确定设备还可以具有相应的密度和机械强度，从而使得洗涤溶液和侵蚀性清洁剂不会影响检测设备的功能。确定设备可以因此在清洁操作期间提供脏污的强度信息项以监测纺织品的处理。可以例如通过检查洗涤溶液而针对纺织品表面上的脏污和/或还包括诸如溶解的纺织品成分(例如纺织染料)等脏污提供强度信息项的确定。此处强度信息项的确定可以在透射和/或反射和发射中进行。

特别地，至少部分位于清洁容器外部的至少一个传感器与至少部分地位于清洁设备内或清洁容器内并且特别地可自由移动的至少一个传感器组合。可以提供相同或不同设计的多个传感器。这提高了确定至少一个输出变量的精确度，因为具有不同位置的传感器可以提供相应的强度信息项。特别地，至少一个传感器至少有时连续地操作，从而在清洁处理期间在不同时间并且特别是连续地获得强度信息项。

同样地，至少一个传感器可以布置在清洁剂包的一部分上并且例如集成到封闭盖中或者布置在封闭翻门(flap)上，特别是通过***。因此，传感器是自由的且可独立于清洁设备移动，并且可由使用者以简单的方式用于纺织品的脏污。同样，传感器然后可以与多个不同的清洁设备结合使用。

在替代性或另外的实施方案中，可以经由传感器确定强度信息项，其中传感器布置在电子设备(例如智能电话、平板电脑等)上。例如，通常已经包含在这种电子设备中的类似相机的元件可用于此目的。附加地或替代地，对纺织品的脏污和/或纺织品的至少一部分的照射可以通过照射单元来执行。该照射单元可以由例如电子设备包括。例如，这通常可以用于通常已经由这种电子设备包括的显示器。为了照射，显示器可以相应地发射对应于所需波长范围的光，利用该光照射纺织品的脏污和/或纺织品的至少一部分。

根据第一方面的方法的一个实施方案，该方法还包括使强度信息项经历处理算法。

以这种方式，一方面，可以实现对纺织品的脏污的不同组成和/或一种或多种纺织品性质的更好区分。例如，使强度信息项经历转换算法。例如，可以将所确定的强度信息项(例如，一个或多个图像信息项)从第一表示空间转换为第二表示空间，例如从第一颜色空间转换为第二颜色空间。颜色空间的实例是例如RGB颜色空间或L*a*b*颜色空间。例如，将确定的图像信息项从RGB颜色空间转换为。

RGB颜色空间可理解为意指相加颜色空间，其通过三种基本颜色(红色、绿色和蓝色)的相加混合来再现颜色感知。L*a*b*颜色空间的实例是例如CIELAB颜色空间，其中将其在EN ISO 11664-4“比色法-第4部分：CIE 1976L*a*b*颜色空间”(CIE 1976颜色空间)中标准化。这里有利的是，将颜色与它们的生成或再现技术的类型无关地定义，因为它们在标准照明条件(设备独立性和感知相关性)下被普通观察者感知。

特别地，可以对图像信息项的像素之间的色差进行评估以确定至少一个输出变量。ΔE可用于此目的，特别是基于色差或色距的方法。特别是，ΔE的计算是在CIELAB颜色空间中进行的。同样，强度信息项中的亮度可用以确定至少一个输出变量。

在根据第一方面的方法的示例性实施方案中，该方法还包括以下方法步骤：

-检测指示至少一个参数的至少一个语音命令，基于该语音命令确定所述至少一个输出变量。

语音命令可以例如由使用者输入，例如，通过语音通信接口(例如，包括麦克风等的电子设备)输入。可以将输入的语音命令在这种情况下进行处理，例如在本地用语音通信接口的一部分或用服务器的一部分进行处理。对于用服务器的一部分进行的处理，可以将语音命令发送到服务器，例如在经由电子设备的通信连接输入之后发送到服务器。可以对输入语音命令进行处理，例如通过语音识别软件(例如，Apple Siri或Amazon Echo)进行处理。这可能需要安装其它软件。例如，可以将以这种方式处理的语音命令转换成控制信息项，其中电子设备和/或另外的电子设备(例如，清洁设备)可以例如评估、处理、转发或以其它方式使用该控制信息项。例如，在确定输出变量或处理参数时可以考虑相应的控制信息项。

在本发明根据所有方面的一个示例性实施方案中，获得(例如，确定)状态信息项。例如，可以输出状态信息项，或者可以触发其输出。

例如，在***中，例如，各个清洁设备可以具有用于传输状态信息项的无线通信接口(例如，WLAN、WAN、Zigbee、蓝牙，仅举例而言)。例如，可以将状态信息项基于对家庭中中央安装的家用电器控制器(例如，台式计算机、中央控制单元、服务器、家庭自动化***)和/或(例如，移动)智能设备(例如智能手机、平板电脑、智能手表，仅举例而言)的查询传输。可以将状态信息项输出，例如显示在使用者的智能设备的显示设备上。

例如，状态信息项可以指示清洁和/或护理动作。替代地或附加地，状态信息项可以指示清洁操作的进度、取消、完成、开始或其它状态。替代地或附加地，状态信息项可以指示脏污和/或纺织品的性质。

根据本发明的第二方面，还描述了一种替代性设备，其包括至少一个处理器和至少一个具有计算机程序代码的存储器，其中所述至少一个存储器和计算机程序代码被配置为用至少一个处理器执行和/或控制根据第一方面的至少一种方法。例如，处理器可理解为意指控制单元、微处理器、诸如微控制器等微控制单元、数字信号处理器(DSP)、专用集成电路(ASIC)或现场可编程门阵列(FPGA)。

例如，示例性设备还包括用于存储信息项的单元，如程序存储器和/或主存储器。例如，本发明的示例性设备还包括用于通过网络(例如网络接口)接收和/或发送信息项的单元。例如，本发明的示例性设备经由一个或多个网络彼此连接和/或可彼此连接。

第二方面的示例性设备是或者包括例如数据处理***，该数据处理***在软件和/或硬件方面被配置为能够执行根据第二方面的示例性方法的各个步骤。数据处理***的实例包括计算机、台式计算机、服务器、瘦客户端和/或便携式计算机(移动设备)，例如膝上型计算机、平板计算机、可穿戴设备、个人数字助理或智能手机。

根据第一方面的方法的各个方法步骤(例如，获得或确定强度信息项，确定至少一个输出变量)可以在这种情况下通过使用还具有至少一个传感器元件的传感器设备来执行。同样地，可以通过另外的设备来进行各个方法步骤(例如，获得或确定强度信息项，确定至少一个输出变量)，其例如不必然需要直接用传感器设备执行，所述另外的设备特别地通过通信***与具有至少一个传感器元件的设备通信。

另外的设备可以提供例如服务器和/或例如所谓的计算机云的一部分或组件，其向通信***中的不同使用者动态地提供数据处理资源。计算机云可特别地理解为由美国国家标准与技术研究院(NIST)为英语术语“cloud computing”定义的数据处理基础结构。计算机云的实例是Microsoft Windows Azure平台。

根据本发明的第二方面，还描述了一种包括程序指令的计算机程序，其中当计算机程序在处理器上运行时，该程序指令使处理器执行和/或控制根据第一方面的方法。本发明的示例性程序可以存储在包含一个或多个程序的计算机可读存储介质中或该介质上。

根据本发明的第二方面，还描述了一种计算机可读存储介质，其包含根据第二方面的计算机程序。计算机可读存储介质可以形成为例如磁、电、电磁、光学和/或其它类型的存储介质。这种计算机可读存储介质优选地是有形的(graphical)(即“可触摸的”)，例如，其形成为数据载体设备。这种数据载体设备例如是便携式的或永久地安装在设备中。这种数据载体设备的实例是易失性或非易失性随机存取存储器(RAM)，例如NOR闪存，或具有顺序存取，例如NAND闪存和/或只读存取存储器(ROM)，或具有读写存取。例如，计算机可读应理解为意味着存储介质可由计算机或数据处理***读取和/或写入，例如，由处理器读取和/或写入。

根据本发明的第三方面，还描述了一种***，其包括多个设备(特别是移动设备和清洁设备)，其中这些设备一起执行根据第一方面的方法。

根据第三方面的示例性***包括示例性清洁设备和另外的其它设备，例如，用于执行根据第一方面的示例性方法的移动设备或服务器。

以上在本说明书中描述的本发明的示例性实施方案也应理解为以彼此的所有组合公开。特别地，示例性实施方案应根据所公开的不同方面理解。

特别地，方法的优选实施方案的方法步骤的前文或下文描述还公开了用于通过设备的优选实施方案执行方法步骤的相应单元。同样地，用于执行方法步骤的设备的单元的公开也旨在公开相应的方法步骤。

本发明的其它有利的示例性实施方案可见于本发明的一些示例性实施方案的以下详细描述中，特别是结合附图的以下详细描述中。然而，这些附图仅用于澄清的目的，而不是用于确定本发明的范围。附图未按比例绘制，仅旨在反映本发明的一般概念。特别地，附图中包括的特征决不应认为是本发明的必要组成部分。

附图说明

图示出了：

图1第一方面的方法的实施方案的流程图；

图2a至2c为此目的的光谱图像或强度信息项代表的示意图；

图3第二方面的设备的实施方案的示意图；

图4第二方面的设备的实施方案的框图；和

图5第二方面的存储介质的不同实施方案。

具体实施方式

图1示出了根据第一方面的方法的实施方案的流程图100，其可以由设备执行，由例如图3和/或图4的设备之一执行。

强度信息项的确定或获得在步骤110中进行。强度信息项例如可以通过光学传感器元件以强度分布的形式确定。强度信息项表示由纺织品的脏污和/或纺织品的结构的至少一部分产生的光谱图像。脏污和结构的至少一部分都可以来自同一纺织品。强度信息项特别地表示(例如，超)光谱图像，并且包括多个通道中的强度值，其表示例如宽频波长范围。在这种情况下，至少两个波长范围可以是宽频的，从而使得这些范围的至少一部分彼此重叠或至少彼此相邻。

强度信息项的确定包括步骤111至114。用光对纺织品的脏污和/或纺织品的至少一部分进行的照射在步骤111中发生，包括至少一个宽频波长范围。特别地，可以进行纺织品的脏污和/或至少一部分的反复(例如，序列)照射，例如，在380nm至490nm(对应于蓝色)、490nm至600nm(对应于绿色)、以及600nm至780nm(对应于红色)的宽频波长范围内。

在步骤112中检测经照射的纺织品的脏污和/或纺织品的至少一部分的图像信息项。图像信息项的检测可以例如，针对每次用包括宽频波长范围的光的照射进行。例如，如果照射进行三次，如上所述，例如，检测相应的图像信息项三次。可以例如使用类似相机的元件来进行图像信息项的检测。类似相机的元件可以包括在例如电子设备(例如，智能电话、平板电脑等)中。照射可以例如利用照射单元进行，例如借助于电子设备(如智能电话、平板电脑等)的显示器进行。类似相机的元件和照射单元可以包含在同一电子设备中。

在步骤113中确定至少一个反射信息项。反射信息项指示来自宽频波长范围的光的反射部分。在检测到的图像信息项的波长相应通道中再次发现这些信息项。

在步骤114中重建光谱图像，其中评估至少一个反射信息项。

因此，为了产生光谱图像(特别是高光谱图像)，将纺织品的脏污和/或纺织品的至少一部分在宽频中以红光、蓝光和绿光相继照射。由此反射的光可以从传感器像素的红光、蓝光和绿光通道读取，其由类似相机的元件检测为图像信息项。由此数据可以将反射光谱重建为光谱图像。

在步骤120中由强度信息项确定取决于纺织品的脏污和/或纺织品的至少一种性质的至少一个输出变量。为此目的，例如，可以执行所确定的强度信息项的分类，以便能够确定相应的输出变量。这通过自适应评估算法——例如神经网络——完成。为了能够获得最准确的分类结果，对神经网络进行校准，例如，基于限定的训练案例校准。随后，可以由基于训练案例而进行的评估来优化，其中可以调整(adapt)神经网络所使用的输入矢量、输出矢量和由此相关的强度信息项的参数。

在步骤131中引发至少一个输出变量或其输出值(output)的输出。例如，可以在显示元件上进行输出，其中将特别是脏污的组成和/或纺织品的性质和至少一个处理参数(例如，包括清洁策略)的指示显示给使用者。使用者可以基于显示的信息项或推荐来执行纺织品的处理(例如，清洁)。

附加地或替代地，至少一个输出变量至清洁设备的输出可以在步骤132中进行。此外，例如，包括清洁策略的处理参数也可以输出至清洁设备。在步骤142中使用清洁策略的输出处理参数以通过清洁设备执行清洁。或者，在步骤141中，纺织品的处理可以例如由使用者手动进行。

图2a示出了具有脏污204的纺织品202的光谱图像200的示意图。光谱图像200特别地由用光对纺织品202上的脏污204的表面照射而产生，其中特别是辐射由来自脏污204和/或纺织品202的表面的反射和发射而发出。可以将这些辐射检测为反射信息项，例如通过物理测量而检测，特别是通过光学传感器元件进行。可以特别地经由多个传感器元件(例如像素)记录表示光谱图像200的空间解析的强度信息项，其中像素被二维地布置在表面上。

图2b和2c在示意图中示出了强度分布210,212，其表示光谱图像200的光谱分量。光谱208表示光谱图像200由箭头206表示的有限空间部分。如果光谱208通过光学传感器元件(例如，光学传感器的像素)测量，可以获得强度分布210，其中强度分布210表示由脏污204和/或纺织品202的受照射表面产生的光谱图像200。强度分布210在图2b中显示为阴影区域。

这里图2b中的强度分布210表示高光谱图像，其中强度分布210包括至少20个通道到250个通道中的值，其中各个通道表示能量间隔的强度(例如，380nm至780nm的可见光的波长范围)。强度分布210具有在能量间隔或宽频波长范围的通道内的强度值，其中能量间隔或宽频波长范围彼此邻接或重叠。因此，如图2b所示，强度分布210表示至少部分连续的光谱。

另外，图2b中的强度分布210表示位于可见光能量范围或光的波长范围之外的光谱图像208的光谱分量。可见光能量范围在图2b中由最低可见光能量ε₁和最高可见光能量ε₂表示。这里的强度分布210表示红外能量范围(小于ε₁的能量ε)至紫外能量范围(大于ε₂的能量ε)的光谱分量。或者，强度分布可以表示仅位于可见光能量范围或光的波长范围内的光谱图像的光谱分量。

图2c在示意图中示出了表示多光谱图像的强度分布212。与根据图2b的强度分布210一样，强度分布212同样包括针对不同能量间隔或波长范围的多个通道中的强度值。然而，能量间隔或波长范围的位置彼此间隔开，并且再现彼此界定的各个能量或波长的强度。因此，强度分布212特别地不表示连续光谱。强度分布212还表示从红外能量范围至紫外能量范围的光谱分量。或者，多光谱图像的强度分布可以表示仅位于可见光能量范围或光的波长范围内的光谱图像的光谱部分。

图3示出了根据第二方面的设备300或根据第三方面的***200的实施方案。设备300被配置为或包括用于执行和/或控制根据第一方面的方法的相应单元。

特别地，设备300能够识别纺织品304上的脏污302的组成和/或提供关于纺织品304的性质的识别。例如，可以基于该信息项或这些信息项提供用于处理纺织品304以从纺织品304中去除脏污302的建议。

首先使用电子设备(这里是智能电话306)检测表示由纺织品304上的脏污302的经照射的表面产生的光谱图像的强度信息项。为此目的，特别是使用光学传感器元件308，其可以包括例如相机。另外，提供辐射源310，其用于照射脏污302和/或纺织品304的表面。智能电话306还具有显示元件312。显示元件312也可用于例如照射脏污302和/或纺织品304的表面，并由此作为辐射源。

确定的强度信息项由通信***314获得。确定设备316与通信***314通信，该确定设备被配置为由强度信息项确定取决于脏污302的组成和/或纺织品304的至少一种性质的至少一个输出变量。确定设备316还可以包括评估单元。替代地或附加地，可以使用专用评估单元，其例如与通信***314通信。评估单元可以例如基于自适应评估算法、特别是神经网络来确定输出变量。

这里输出变量的确定包括强度信息项与比较值的比较。比较值存储在数据库318中，其中数据库318也与通信***314通信。特别地，数据库318的比较值包含通常在家庭中出现的脏污的强度信息项。这些比较值可以通过输入矢量、强度信息项和输出矢量而作为训练案例给出，并相应地存储在数据库中。训练案例可以例如通过神经网络使用，以便能够至少部分地基于由神经网络获得的或确定的强度信息项来确定输出变量，其中输出变量取决于基于所确定的强度信息项的脏污和/或纺织品的至少一个性质。此外，数据库318包含与化学组成形式的比较值相关的数据和关于待推荐的处理的处理参数，该处理对于相应的组成和/或纺织品是最佳的。

至少一个输出变量包括诸如纺织品处理之类的清洁策略的处理参数，其中所述处理参数包括清洁剂类型、清洁剂的量、清洁温度、清洁设备的类型和清洁设备320的设置。这些输出变量可以显示在例如智能电话306的显示元件312上，从而可供使用者使用。因此可向使用者提供对特定脏污302的最佳处理的建议。

清洁设备320还与通信***314通信，由此输出变量可输出到清洁设备320。清洁设备320具有显示元件322，其特别地可显示输出变量。此外，清洁设备320具有用于清洁剂的定量配给设备324。在这种情况下，定量配给设备324可以根据关于清洁剂类型和/或清洁剂的量的处理参数提供清洁剂，或者检查是否已经将清洁剂根据纺织品304的推荐处理引入到定量配给设备324中。

此外，清洁设备320具有操作元件326，其使得使用者能够控制清洁设备320。清洁设备320采用处理参数作为在这种情况下的默认值。使用者然后可以选择遵循推荐的清洁策略并且仅通过操作元件326启动清洁设备320或者通过操作元件326执行清洁设备320的自有的手动设置。清洁在清洁容器328(这里是洗衣滚筒)中执行。

此外，图3中示出了确定设备330。确定设备330包括传感器元件332和任选存在的至少一个照射单元(未示出)。检测设备的形状使得当在清洁设备中使用时检测设备330不会损坏清洁设备和要洗的衣物。因此，确定设备330例如具有球形形状，但也可以想到没有尖的角和边缘的其它特定形状。确定设备330被配置为在执行清洁时被布置在清洁容器328中。确定设备330在这种情况下可自由移动并且耐受清洁容器328中洗涤溶液的作用。确定设备330可以因此在清洁操作期间提供脏污302的强度分布，以便监测处理。确定设备330还可以检测洗涤溶液中可溶的、未固定的纺织品染料的强度分布。因此，可以监测相应的纺织品染料从纺织品304中的溶出。

图4示出了设备400的实施方案的框图，该设备特别地可以执行根据第一方面的示例性方法。设备400例如是根据第二方面的设备或根据第三方面的***。

设备400可以是例如计算机、台式计算机、服务器、瘦客户端或便携式计算机(移动设备)，例如膝上型计算机、平板计算机、个人数字助理(PDA)、或智能手机。例如，设备可以实现服务器或客户端的功能。

设备400的处理器410特别地形成为微处理器、微控制单元、微控制器、数字信号处理器(DSP)、专用集成电路(ASIC)或现场可编程门阵列(FPGA)。

处理器410执行存储在程序存储器412中的程序指令，并且例如将中间结果等存储在工作或主存储器411中。例如，程序存储器412是非易失性存储器，例如闪存、磁存储器、EEPROM存储器(电可擦除可编程只读存储器)和/或光存储器。主存储器411例如是易失性或非易失性存储器，特别是随机存取存储器(RAM)，如静态RAM(SRAM)、动态RAM(DRAM)、铁电RAM(FeRAM)和/或磁RAM存储器(MRAM)。

程序存储器412优选是永久连接到设备400的本地数据载体。永久连接到设备400的数据载体例如是内置在设备400中的硬盘。或者，数据载体也可以是例如可以可分离的方式连接至设备400的数据载体，例如记忆棒、可移动数据载体、便携式硬盘、CD、DVD和/或磁盘。

程序存储器412包含例如设备400的操作***，其在设备400启动时至少部分地加载到主存储器411中并由处理器410执行。特别地，当设备400启动时，操作***内核的至少一部分加载到主存储器411中并由处理器410执行。设备400的操作***例如是Windows、UNIX、Linux、Android、Apple iOS和/或MAC操作***。

特别地，操作***使得能够使用设备400进行数据处理。其管理例如诸如主存储器411和程序存储器412、通信接口413、输入和输出设备414等资源，通过编程接口向其它程序尤其提供基本功能，并控制程序的执行。

处理器410控制通信接口413，其可以是例如网络接口，并且可以是网卡、网络模块和/或调制解调器的形式。通信接口413特别地被配置为建立设备400与其它设备的连接，特别是经由(无线)通信***(例如，网络)进行的连接，并与它们通信。通信接口413可以例如(经由通信***)接收数据并将其转发到处理器410和/或从处理器410(经由通信***)接收和发送数据。通信***的实例是局域网(LAN)、广域网(WAN)、无线网络(例如，根据IEEE802.11标准、蓝牙(LE)标准和/或NFC标准)、有线网络、移动网络、电话网络和/或互联网。

此外，处理器410可以控制至少一个输入/输出设备414。输入/输出设备414例如是键盘、鼠标、显示单元、麦克风、触敏显示单元、扬声器、示读设备(reading device)、驱动器和/或相机。例如，输入/输出设备414可以接收来自使用者的输入并将其转发到处理器410和/或接收和输出信息项给处理器410的使用者。

最后，图5示出了存储介质的不同实施方案，其上可以存储本发明实施方案的计算机程序。存储介质可以是例如磁、电、光和/或其它类型的存储介质。例如，存储介质可以是处理器(例如，图4的处理器410)的一部分，例如处理器的(非易失性或易失性)程序存储器或其一部分(例如图4的程序存储器412)。存储介质的实施方案是闪存510、SSD硬盘511、磁性硬盘512、存储卡513、记忆棒514(例如，USB棒)、CD-ROM或DVD 515、或者磁盘516。

还应理解为公开了以下的实施方案：

实施方案1：

由一个或多个设备执行的方法，该方法包括：

-获得表示由纺织品的脏污和/或纺织品的至少一部分产生的光谱图像的强度信息项；

-由取决于所述纺织品的脏污和/或所述纺织品的至少一种性质的强度信息项确定至少一个输出变量，其中，所述输出变量通过自适应评估算法——特别是人工神经网络——确定，其中所述自适应评估算法的参数基于多个训练案例校准；

-输出所述至少一个输出变量或触发所述至少一个输出变量的输出。

实施方案2：

如实施方案1所述的方法，其中所述输出变量表示所述纺织品的特定脏污和/或所述纺织品的特定部分。

实施方案3：

如实施方案1或2所述的方法，其中获取强度信息项的过程包括以下步骤：

(i)用包括至少一个宽频波长范围的光照射纺织品的脏污和/或纺织品的至少一部分(例如，特别是可见光区域红色、绿色和/或蓝色的波长范围，用光源照射)；

(ii)检测经照射的纺织品的脏污和/或经照射的纺织品的至少一部分的图像信息项；

(iii)至少确定反射信息项，所述反射信息项表示来自与至少一个宽频波长对应的图像信息项的波长通道的波长范围的反射部分；

(iv)重建光谱图像(反射光谱)，其中进行至少一个反射信息项的评估。

实施方案4：

如实施方案3所述的方法，其中纺织品的脏污和/或纺织品的至少一部分的照射利用以下宽频波长范围之一进行：

(i)约600nm至约780nm；(对应宽频红光)

(ii)约490nm至约600nm；(对应宽频绿光)

(iii)约380nm至约490nm；(对应宽频蓝光)

(iv)或它们的组合。

实施方案5：

如前述实施方案中任一项所述的方法，其中，输出变量通过人工神经网络确定，其中所述人工神经网络的参数基于多个训练案例校准。

实施方案6：

如实施方案5所述的方法，其中，各个训练案例由输入矢量、强度信息项和输出矢量给出，并且输出矢量在属于训练案例的纺织品的此种脏污和/或纺织品结构的一部分中以通过化学分析确定的物质浓度给出。

实施方案7：

如实施方案5或6所述的方法，其中，各个测试案例通过以下过程生成：将属于训练案例的纺织品的脏污和/或纺织品结构的一部分转换为预定的，然后生成表示光谱图像的强度信息项，并且同时进行化学分析以测量物质浓度(特别是纺织品上的脏污)，将确定的强度信息项作为输入矢量传输，并将物质浓度作为训练案例的输出矢量传输。

实施方案8：

如前述实施方案中任一项所述的方法，其中，将光谱图像中的至少一个图像点用作用于图像的光谱曝光补偿的固定的预定参考图像点，其中使用至少其参考图像点的图像数据将所述图像与至少一个参考图像点不同的图像点的图像数据归一化。

实施方案9：

如前述实施方案中任一项所述的方法，其中纺织品结构的至少一部分表示纺织品的材料结构、材料类型、材料分布、材料磨损或它们的组合。

实施方案10：

如前述实施方案中任一项所述的方法，其中纺织品结构的至少一部分表示纺织品上毛球的高度、形状和/或数量。

实施方案11：

如前述实施方案中任一项所述的方法，其中纺织品结构的至少一部分表示纺织品中、处和/或上封闭单元、涂层材料和/或施加物的存在和/或类型。

实施方案12：

如前述实施方案中任一项所述的方法，所述方法还包括：

-至少部分地基于所确定的强度信息项来确定纺织品的至少一个处理参数；和

-输出至少一个处理参数或触发至少一个处理参数的输出。

实施方案13：

如前述实施方案中任一项所述的方法，其中所述至少一个处理参数表示清洁剂类型、清洁剂的量、清洁温度、清洁设备的类型、清洁设备的设置或它们的组合。

实施方案14：

如前述实施方案中任一项所述的方法，所述方法还包括：

-通过至少一个处理设备、特别是清洁设备，执行或引发执行与至少一个所确定的处理参数相对应的纺织品的处理。

实施方案15：

如前述实施方案中任一项所述的方法，其中所述强度信息项在纺织品的处理之前、之时和/或之后确定。

实施方案16：

如前述实施方案中任一项所述的方法，其中使用至少一个光学传感器元件来确定强度信息项。

实施方案17：

如实施方案16所述的方法，其中所述光学传感器元件提供三维空间解析。

实施方案18：

如实施方案16或17所述的方法，其中，所述至少一个光学传感器元件包括至少一个类似相机的元件，并提供纺织品的脏污和/或纺织品结构的至少一部分的图像信息项。

实施方案19：

设备，其被配置为或包括用于执行和/或控制实施方案1至18中任一项所述的方法的相应单元。

实施方案20：

设备，其包括至少一个处理器和至少一个具有计算机程序代码的存储器，其中所述至少一个存储器和计算机程序代码被配置为用所述至少一个处理器执行和/或控制实施方案1至18中任一项所述的至少一种方法。

实施方案21：

如实施方案19或20所述的设备，其中，所述设备是电子设备(如智能电话)或模块化设备，其中所述模块化设备特别地可以布置在处理设备上，特别是布置在清洁设备(例如，洗衣机)上，包括相机传感器和评估单元。

实施方案22：

包括程序指令的计算机程序，其中当所述计算机程序在处理器上运行时，所述程序指令使处理器执行和/或控制实施方案1至18中任一项所述的方法。

实施方案23：

计算机可读存储介质，其包含实施方案22所述的计算机程序。

实施方案24：

***，其包括：

多个设备，特别是至少一个电子设备和处理设备，这些设备一起执行实施方案1至18中任一项所述的方法。

在本说明书中描述的本发明的示例性实施方案以及在该上下文中列举的各个任选存在的特征和特性也应该理解为以彼此的所有组合公开。特别地，除非明确地相反说明，否则示例性实施方案所涵盖的特征的描述在这种情况下不应理解为意味着该特征对于实施方案的功能是必要的或基础的。本说明书在各个流程图中描述的方法步骤的顺序不是强制性的，可以想到方法步骤的替代顺序。方法步骤可以以各种方式执行，从而可以想到用软件(通过程序指令)、硬件或两者的组合来执行方法步骤。

专利权利要求中使用的术语，例如“包括”、“具有”、“包含”或“含有”等，不排除其它元素或步骤。短语“至少部分地”包括“部分”和“完全”情况。短语“和/或”应理解为意指意欲公开的是替代和组合，即“A和/或B”表示“(A)或(B)或者(A和B)”。不定冠词的使用不排除多个。单个设备可以执行专利权利要求中提到的多个单元或设备的功能。权利要求中指出的附图标记不应视为对所使用的装置和步骤的限制。

Claims (15)

1.由一个或多个设备执行的方法，该方法包括：

-获得表示由纺织品(304)的脏污(302)和/或纺织品(304)的至少一部分产生的光谱图像(200)的强度信息项；

-由取决于所述纺织品(304)的脏污(302)和/或所述纺织品(304)的至少一种性质的所述强度信息项确定至少一个输出变量，其中，所述输出变量通过自适应评估算法——特别是人工神经网络——确定，其中所述自适应评估算法的参数基于多个训练案例校准；

-输出所述至少一个输出变量或触发所述至少一个输出变量的输出。

2.如权利要求1所述的方法，其中获得强度信息项的过程包括以下步骤：

(i)用包括至少一个宽频波长范围的光照射所述纺织品(304)的脏污(302)和/或所述纺织品(304)的至少一部分；

(ii)检测经照射的纺织品(304)的脏污(302)和/或经照射的纺织品(304)的至少一部分的图像信息项；

(iii)至少确定反射信息项(210,212)，所述反射信息项表示来自与至少一个宽频波长对应的图像信息项的波长通道的反射光；

(iv)重建光谱图像(200)，其中进行至少一个反射信息项(210,212)的评估。

3.如权利要求2所述的方法，其中所述纺织品(304)的脏污(302)和/或所述纺织品(304)的至少一部分的照射利用以下宽频波长范围之一进行：

(i)约600nm至约780nm；

(ii)约490nm至约600nm；

(iii)约380nm至约490nm；

(iv)或它们的组合。

4.如前述权利要求中任一项所述的方法，其中，将所述光谱图像(200)中的至少一个图像点用作用于图像的光谱曝光补偿的固定的预定参考图像点，其中使用至少其参考图像点的图像数据将所述图像中与所述至少一个参考图像点不同的图像点的图像数据归一化。

5.如前述权利要求中任一项所述的方法，其中所述纺织品(304)的至少一部分表示纺织品(304)的材料结构、材料类型、材料分布、材料磨损或它们的组合。

6.如前述权利要求中任一项所述的方法，所述方法还包括：

-至少部分地基于所述强度信息项来确定所述纺织品(304)的至少一个处理参数；和

-输出所述至少一个处理参数或触发所述至少一个处理参数的输出。

7.如前述权利要求中任一项所述的方法，其中所述至少一个处理参数表示清洁剂类型、清洁剂的量、清洁温度、清洁设备的类型、清洁设备的设置或它们的组合。

8.如前述权利要求中任一项所述的方法，所述方法还包括：

-通过至少一个处理设备——特别是清洁设备(320)——执行或引发执行与至少一个所确定的处理参数相对应的所述纺织品(304)的处理。

9.如前述权利要求中任一项所述的方法，其中所述强度信息项在所述纺织品(304)的处理之前、之时和/或之后确定。

10.如前述权利要求中任一项所述的方法，其中使用至少一个光学传感器元件(310,332)来确定所述强度信息项。

11.如权利要求10所述的方法，其中所述光学传感器元件(310,332)提供三维空间解析。

12.如权利要求10或权利要求11所述的方法，其中，所述至少一个光学传感器元件(310,332)包括至少一个类似相机的元件，并提供所述纺织品(304)的脏污(302)和/或所述纺织品(304)的至少一部分的图像信息项。

13.设备，其被配置为或包括用于执行和/或控制权利要求1至12中任一项所述的方法的相应单元。

14.包括程序指令的计算机程序，其中当所述计算机程序在处理器上运行时，所述程序指令使处理器执行和/或控制权利要求1至12中任一项所述的方法。

15.***，其包括：

多个设备，特别是至少一个电子设备和处理设备，这些设备一起执行权利要求1至12中任一项所述的方法。