CN111643014A - 智能清洁方法、装置、智能清洁设备和存储介质 - Google Patents

智能清洁方法、装置、智能清洁设备和存储介质 Download PDF

Info

Publication number
CN111643014A
CN111643014A CN202010513134.9A CN202010513134A CN111643014A CN 111643014 A CN111643014 A CN 111643014A CN 202010513134 A CN202010513134 A CN 202010513134A CN 111643014 A CN111643014 A CN 111643014A
Authority
CN
China
Prior art keywords
cleaned
area
cleaning
ground material
ground
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
Application number
CN202010513134.9A
Other languages
English (en)
Inventor
杨勇
吴泽晓
陈文辉
陈才华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen 3irobotix Co Ltd
Original Assignee
Shenzhen 3irobotix Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen 3irobotix Co Ltd filed Critical Shenzhen 3irobotix Co Ltd
Priority to CN202010513134.9A priority Critical patent/CN111643014A/zh
Publication of CN111643014A publication Critical patent/CN111643014A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Electric Vacuum Cleaner (AREA)

Abstract

本申请涉及一种智能清洁方法、装置、智能清洁设备和存储介质，所述方法包括：获取地面材质地图和当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。采用本方法能够有效地保护地面，提高清洁效率、提升清洁效果。

Description

智能清洁方法、装置、智能清洁设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种智能清洁方法、装置、智能清洁设备和存储介质。
背景技术
随着人工智能技术的发展，各种人工智能产品不断推陈出新。其中，为了方便清洁地面，出现了能够自动清洁的智能清洁设备。在传统方案中，智能清洁设备通常是对所有区域进行相同程度的清扫。
然而家庭中的地面环境往往比较复杂，比如在一个家庭中，有些区域的地面铺设有毛毯、有些区域的地面铺设的是木质地板、有些区域的地面铺设的是瓷砖。根据传统方案，对不同的地面材质进行相同程度的清洁容易损坏地面、导致清洁效率低、清洁效果差。
发明内容
基于此，有必要针对上述技术问题，提供一种能够保护地面、提高清洁效率、提升清洁效果的智能清洁方法、装置、智能清洁设备和存储介质。
一种智能清洁方法，应用于智能清洁设备，所述方法包括：
获取地面材质地图；所述地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；
获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息在所述地面材质地图中查找得到所述当前的待清洁区域对应的地面材质类型；
获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域进行清洁；
在清洁过程中，当待清洁区域发生变化时，返回执行所述获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息和所述地面材质地图确定所述当前的待清洁区域对应的地面材质类型的步骤。
在其中一个实施例中，在所述获取地面材质地图之前，所述方法还包括：
获取各个待清洁区域的地面图像和位置信息；
根据所述各个待清洁区域的位置信息，将所述各个待清洁区域的地面图像拼接，得到清洁地图；
对所述各个待清洁区域的地面图像进行识别，得到所述各个待清洁区域的地面材质类型；
根据所述各个待清洁区域的地面材质类型，对所述清洁地图进行分区处理，生成地面材质地图。
在其中一个实施例中，所述对所述各个待清洁区域的地面图像进行识别，得到所述各个待清洁区域的地面材质类型包括：
对所述各个待清洁区域的地面图像进行特征提取，得到所述各个待清洁区域对应的特征集合；
对所述特征集合中的各个特征进行分类，得到所述各个特征的类型；
获取所述各个特征的类型对应的权重，根据所述权重对所述各个特征的类型进行加权运算，得到特征类型分数；
根据所述特征类型分数确定所述各个待清洁区域的地面材质类型。
在其中一个实施例中，所述方法还包括：
获取当前的待清洁区域的实时地面图像，对所述实时地面图像进行目标检测，得到所述待清洁区域中的待清洁对象；
在所述实时地面图像中统计所述待清洁对象对应的像素点占比；
根据所述待清洁对象对应的像素点占比确定所述当前的待清洁区域的洁净度；
所述获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域进行清洁包括：
获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述当前的待清洁区域的洁净度调整所述目标清洁策略，根据调整后的目标清洁策略对所述当前的待清洁区域进行清洁。
在其中一个实施例中，所述方法还包括：
记录所述各个待清洁区域的洁净度，生成清洁记录；所述清洁记录包括时间信息；
根据所述时间信息，对所述各个待清洁区域的洁净度进行统计分析，得到所述各个待清洁区域的洁净等级；
根据所述洁净等级和所述地面材质类型确定所述各个待清洁区域对应的目标清洁策略；
在清洁过程中，根据所述各个待清洁区域对应的目标清洁策略对所述各个待清洁区域进行清洁。
在其中一个实施例中，所述方法还包括：
对所述待清洁对象进行识别，得到所述待清洁对象的类型；
获取与所述待清洁对象的类型匹配的对象清洁策略，根据所述对象清洁策略对所述待清洁对象进行清洁处理。
在其中一个实施例中，所述目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种。
一种智能清洁装置，应用于智能清洁设备，所述装置包括：
地面材质地图获取模块，用于获取地面材质地图；所述地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；
地面材质类型确定模块，用于获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息在所述地面材质地图中查找得到所述当前的待清洁区域对应的地面材质类型；
清洁模块，用于获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域的地面进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行所述获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息和所述地面材质地图确定所述当前的待清洁区域的地面材质类型的步骤。
一种智能清洁设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述智能清洁方法、装置、智能清洁设备和存储介质，通过获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。与传统方案不同，上述方法通过识别各个待清洁区域的地面图像得到地面材质地图，在清洁过程中能够定位得到当前待清洁区域的地面材质地图，以及匹配的目标清洁策略，针对不同地面材质类型的待清洁区域实行不同的清洁策略，从而保护地面，提高清洁效率、提升清洁效果。
附图说明
图1为一个实施例中智能清洁设备的结构示意图；
图2为一个实施例中智能清洁方法的流程示意图；
图3为一个实施例中对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型步骤的流程示意图；
图4为另一个实施例中智能清洁方法的流程示意图；
图5为又一个实施例中智能清洁方法的流程示意图；
图6为一个实施例中智能清洁装置的结构框图；
图7为一个实施例中智能清洁设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的智能清洁方法，可以应用于智能清洁设备中。如图1所示，智能清洁设备100可以包括但不限于传感器102、控制器104以及执行组件106等。控制器104可以执行该智能清洁方法，控制智能清洁设备100的执行组件106执行对应的操作。其中，传感器102具体可以包括但不限于视觉传感器、红外传感器、声波传感器、摄像机以及深度相机等。控制器104具体可以包括但不限于中央处理器(CPU，Central processing unit)和控制电路等，用于对采集到的地面图像等数据进行处理，并且通过控制电路控制执行组件106执行对应的操作。执行组件106具体可以包括但不限于移动组件和清洁组件等。
具体地，智能清洁设备100在移动或清洁的过程中通过传感器102采集各个待清洁区域的地面图像。智能清洁设备100通过控制器104识别各个待清洁区域的地面图像，得到各个待清洁区域的地面材质类型，并由各个待清洁区域的地面材质类型组合生成地面材质地图。智能清洁设备100在清洁过程中，通过控制器104获取地面材质地图和当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型。智能清洁设备100通过控制器104获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，控制执行组件106根据目标清洁策略对当前的待清洁区域进行清洁。
进一步地，在清洁过程中，当待清洁区域发生变化时，智能清洁设备100返回执行通过控制器104获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。
在一个实施例中，如图2所示，提供了一种智能清洁方法，以该方法应用于图1中的智能清洁设备为例进行说明，包括以下步骤：
步骤202，获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的。
其中，地面材质地图是指包含地面材质类型的地图。地面材质类型包括混凝土地面、石材地面、木质地面、瓷砖地面和地毯等。待清洁区域是指智能清洁设备在进行清洁时所需要清洁的区域，可以是智能清洁设备视觉范围内需要清洁的区域。视觉范围是智能清洁设备中传感器的有效检测范围。待清洁区域的地面图像是智能清洁设备上的传感器对待清洁区域的地面采集得到的。
具体地，地面材质地图是智能清洁设备在移动或者清洁的过程中生成的，可以是在首次启动的时候，也可以是在接收到生成地面材质地图的操作指令的时候。例如，在首次启动的时候，智能清洁设备通过传感器采集整个房屋的地面图像，即各个待清洁区域的地面图像。智能清洁设备通过图像识别技术，对各个待清洁区域的地面图像进行检测识别，得到各个待清洁区域的地面材质类型。智能清洁设备通过各个待清洁区域的地面材质类型构建得到地面材质地图。
在一个实施例中，智能清洁设备还包括定位装置。智能清洁设备通过传感器获取各个待清洁区域的地面图像，通过定位装置获取各个待清洁区域的位置信息。其中，位置信息可以是全球定位***(Global Positioning System，GPS)中的定位坐标，也可以是各个待清洁区域之间的位置关系。智能清洁设备通过各个待清洁区域的定位坐标或各个待清洁区域之间的位置关系，将各个待清洁区域的地面图像进行拼接，得到一张清洁地图。其中，清洁地图包括智能清洁设备需要清洁的各个待清洁区域。
进一步地，智能清洁设备对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型，根据各个待清洁区域的地面材质类型对清洁地图进行分区处理，生成地面材质地图。例如，智能清洁设备检测清洁地图，判断清洁地图中相邻的待清洁区域的地面材质类型是否相同。当相邻的待清洁区域的地面材质类型相同时，智能清洁设备将其划分到同一个地面材质区块中。当相邻的待清洁区域的地面材质类型不同时，智能清洁设备将其划分到不同的地面材质区块中。其中，相邻的待清洁区域是指区域边界相接的待清洁区域。
步骤204，获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型。
其中，当前的待清洁区域的位置信息是用于标识当前的待清洁区域的位置的信息，可以是全球定位***(Global Positioning System，GPS)中的定位坐标。当前的待清洁区域是在智能清洁设备的当前视觉范围内的待清洁区域，也可以是智能清洁设备当前清洁方向上的待清洁区域。
具体地，地面材质地图是由各个待清洁区域的地面材质类型组合生成的，包含各个待清洁区域的位置信息。因此，智能清洁设备可以通过定位装置获取得到当前的待清洁区域的位置信息。智能清洁设备通过当前的待清洁区域的位置信息，在地面材质地图中查询到与当前的待清洁区域对应的目标区域，将地面材质地图中目标区域对应的地面材质类型作为当前的待清洁区域的地面材质类型。其中，当前的待清洁区域的位置信息与对应的目标区域的位置信息相同。
步骤206，获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁。
其中，目标清洁策略是指与当前的待清洁区域对应的地面材质类型匹配的清洁策略。清洁策略是指预先为智能清洁设备设置的清洁规则，不同类型的地面材质对应不同的清洁策略。清洁策略可以包括但不限于清洁强度、清洁时间和清洁频率。清洁强度是指清洁的力度，例如吸力的大小。清洁时间是指清洁的时间点。清洁频率是清洁的时间间隔，也可以是清洁周期。
具体地，不同类型的地面材质的耐磨性和吸附能力不同，因此需要对不同地面材质类型的地面采用不同的清洁策略进行清洁。智能清洁设备在得到当前的待清洁区域对应的地面材质类型之后，可以获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行相应的清洁操作。
例如，木质地面的耐磨性较差，若清洁强度过大，可能会导致木质地面被刮花，因此要控制好清洁强度，可以采用低清洁强度对木质地面进行清洁，从而保护木质地面。瓷砖地面的耐磨性较好，吸附能力一般，因此可以采用高清洁强度、减少清洁次数的清洁策略对瓷砖地面进行清洁，提高清洁效率，减少智能清洁设备的功耗。毛毯地面的吸附能力较强，容易掉入杂物，而清洁强度过大的话，可能会导致毛毯地面掉毛，损坏毛毯，因此可以采用中等清洁强度、多次清洁的清洁策略对毛毯地面进行清洁，能够在保护毛毯地面的同时提升清洁效果。
在一个实施例中，智能清洁设备还可以将不同的地面材质类型对应的清洁策略匹配到地面材质地图中。在清洁过程中，智能清洁设备通过定位装置获取当前的待清洁区域的位置信息，在匹配了清洁策略的地面材质地图中查找得到目标区域，将目标区域对应的清洁策略作为当前的待清洁区域的清洁策略。直接将清洁策略匹配到地面材质地图中，可以进一步提高清洁效率。
在一个实施例中，智能清洁设备还可以在清洁过程中，获取当前的待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象。其中，待清洁对象可以是各种类型的垃圾，例如，毛发、纸屑和污渍等。智能清洁设备在得到待清洁对象后，统计待清洁对象的像素点个数，将待清洁对象的像素点个数除以实时地面图像的总像素点个数，得到在实时地面图像中待清洁对象对应的像素点占比。统计得到的待清洁对象的像素点个数可以看作是脏污区域的面积，实时地面图像的总像素点个数可以看作是当前的待清洁区域的面积，因此，在实时地面图像中待清洁对象对应的像素点占比可以看作是在当前的待清洁区域中脏污区域的占比。
进一步地，智能清洁设备通过当前的待清洁区域中脏污区域的占比确定当前的待清洁区域的洁净度。例如，可以将1减去当前的待清洁区域中脏污区域的占比得到的差值作为当前的待清洁区域的洁净度。在得到当前的待清洁区域的洁净度之后，智能清洁设备在清洁过程中，可以通过当前的待清洁区域的洁净度调整目标清洁策略，再通过调整后的目标清洁策略对当前的待清洁区域进行清洁。
举例说明，当当前的待清洁区域的地面材质类型为瓷砖地面时，可以采用高清洁强度进行清洁，然而当瓷砖地面的洁净度较高时，采用高清洁强度进行清洁会造成不必要的功耗，降低清洁效率；此时可以降低清洁强度，通过降低后的清洁强度进行清洁，提高清洁效率。当当前的待清洁区域的地面材质类型为木质地面时，可以采用低清洁强度进行清洁，然而当木质地面的洁净度较低时，采用低清洁强度进行清洁会导致清洁效果差；此时可以增加清洁次数，对木质地面进行多次的、低清洁强度的清洁，提升清洁效果。
步骤208，在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。
具体地，在清洁过程中，智能清洁设备会发生移动，例如，当当前的待清洁区域清洁完毕后，智能清洁设备会移动到另一个待清洁区域进行清洁。在智能清洁设备移动到另一个待清洁区域时，待清洁区域发生了变化，智能清洁设备将另一个待清洁区域作为当前的待清洁区域，再进入获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。
在其他实施例中，智能清洁设备也可以在清洁过程中，实时采集当前的待清洁区域的地面图像，识别当前的待清洁区域的地面图像，得到当前的待清洁区域的当前地面材质类型，获取当前的地面材质类型对应的当前清洁策略，根据当前清洁策略对当前的待清洁区域进行清洁。相对于实时识别当前的待清洁区域的地面图像，预先生成地面材质地图能够减少智能清洁设备在清洁过程中的计算量，在各个待清洁区域不变的情况下，只需生成一次地面材质地图，在后续的清洁过程中，便可以通过地面材质地图得到当前的待清洁区域的地面材质类型，提高清洁效率。
上述智能清洁方法中，通过获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。上述方法通过识别各个待清洁区域的地面图像得到地面材质地图，在清洁过程中能够定位得到当前待清洁区域的地面材质地图，以及匹配的目标清洁策略，针对不同地面材质类型的待清洁区域实行不同的清洁策略，从而保护地面，提高清洁效率、提升清洁效果。
在一个实施例中，如图3所示，对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型的步骤包括：
步骤302，对各个待清洁区域的地面图像进行特征提取，得到各个待清洁区域对应的特征集合；
步骤304，对特征集合中的各个特征进行分类，得到各个特征的类型；
步骤306，获取各个特征的类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；
步骤308，根据特征类型分数确定各个待清洁区域的地面材质类型。
其中，特征提取、特征分类以及计算特征类型分数可以是基于深度学习模型实现的。
具体地，模型训练人员基于深度学习算法建立标准材质识别模型。标准材质识别模型可以是基于深度学习网络MobileNet V1(efficient convolutional neuralnetworks for mobile vision application，用于移动视觉应用的高效卷积神经网络)建立的TFLite(TensorFlow Lite，一种用于设备端推断的开源深度学习框架)类型的模型，标准材质识别模型也可以是基于其他深度学习网络建立的。例如，VGG、ResNet(ResidualNeural Network，残差神经网络)、RetinaNet、CornerNet-lite、YOLO或者SSD等网络建立地面材质识别模型。在其它实施例中，标准材质识别模型还可以是基于MobileNet-SSD算法建立的模型。MobileNet-SSD算法是通过MobileNet进行图像特征提取，用SSD框架来完成对象框检测的目标检测算法，通过深度可分离卷积提取图像特征，有效的提高了卷积网络的计算效率。
标准材质识别模型还包括分类器，在提取得到图像特征之后，通过分类器对图像特征进行分类，从而得到材质类型。其中，分类器包括但不限于SVM(Residual Network，支持向量机)、DT(Decision Tree，决策树)或者NBM(Naive Bayesian Model，朴素贝叶斯模型)或者分类神经网络等分类器。
训练数据可以是模型训练人员根据实际训练需求收集的图像数据，也可以是训练数据库中的图像数据。例如，用于模型训练的图像数据具体可以是TensorFlow(一个开放源代码的数据库)中包括需要识别地面材质的图像数据。获取到用于训练的图像数据之后，可以将图像数据转化为TFRecord(一种二进制数据格式)格式数据，将TFRecord格式数据作为训练数据输入标准材质识别模型进行模型训练。在其中一个实施例中，用于对标准材质识别模型进行训练的数据具体可以包括训练数据、验证数据以及测试数据。
根据训练图像可以对标准材质识别模型进行循环训练，直到训练收敛，得到训练后的地面材质识别模型。例如，可以采用Fine-Tune(模型微调)的方式进行迁移学习，训练预设数量个Epoch(每个Epoch表示使用全部训练数据训练一次)，比如3万个Epoch，将检测模型的损失值(loss)降低至预设值时，确定训练收敛。其中，预设值可以是根据实际需求预先设置的参数值，比如预设值可以设置为0.2。训练结束之后，可以通过模型转化算法对训练收敛的地面材质识别模型进行转化，将地面材质识别模型转化为能够在智能清洁设备中运行的，以此对传感器采集的地面图像进行检测的预设格式的地面材质识别模型。例如，地面材质识别模型具体可以是TFLite类型的材质识别模型。
训练后的地面材质识别模型包括所需提取的特征类型、各个类型对应的权重和分数。智能清洁设备通过调用训练后的地面材质识别模型，将各个待清洁区域的地面图像输入训练后的地面材质识别模型，从而得到各个待清洁区域的地面材质类型。地面材质识别模型通过卷积层对各个待清洁区域的地面图像进行卷积计算，提取得到各个待清洁区域对应的特征集合；通过池化层对各个待清洁区域对应的特征集合进行下采样；通过全连接层对下采样后的、各个待清洁区域对应的特征集合进行特征加权，融合深度特征，从而识别得到各个待清洁区域的地面材质类型。
在一个实施例中，地面材质识别模型可以通过输出数字标签的方式来表示识别结果。数字标签可以是计算得到的特征类型分数。例如，当输出的数字标签为0时，表示对应的地面材质类型为瓷砖地面。
在本实施例中，通过对各个待清洁区域的地面图像进行识别，可以得到各个待清洁区域对应的地面材质类型，从而实现对各个待清洁区域执行不同的、具有针对性清洁策略，能够保护地面、提高清洁效率、提升清洁效果。
在一个实施例中，如图4所示，上述智能清洁方法还包括：
步骤402，记录各个待清洁区域的洁净度，生成清洁记录；清洁记录包括时间信息；
步骤404，根据时间信息，对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域的洁净等级；
步骤406，根据洁净等级和地面材质类型确定各个待清洁区域对应的目标清洁策略；
步骤408，在清洁过程中，根据各个待清洁区域对应的目标清洁策略对各个待清洁区域进行清洁。
其中，洁净度是指洁净程度，与脏污程度相反，具体可以是待清洁区域的洁净程度。洁净等级是对洁净度进行长期统计分析得到的，用来衡量各个待清洁区域的洁净情况的指标。清洁记录是智能清洁设备在清洁过程中或清洁完毕后，由各个待清洁区域的洁净度生成的记录。清洁记录还包括时间信息，时间信息可以是记录各个待清洁区域的洁净度对应的时间点，也可以是智能清洁设备对各个待清洁区域进行清洁时对应的时间点。例如，清洁记录可以是“2020年6月5日09:00，待清洁区域A的洁净度为80％。”
具体地，智能清洁设备可以在清洁过程或移动过程中，实时检测识别各个待清洁区域的地面洁净度。当智能清洁设备对当前的待清洁区域进行检测时，可以通过获取实时地面图像，对实时地面图像进行目标检测，得到脏污区域的面积，再计算脏污区域的面积与当前的待清洁区域的面积的比值，得到当前的待清洁区域的脏污程度。在一个实施例中，智能清洁设备可以将1减去脏污程度得到的差值作为当前的待清洁区域的洁净程度，即洁净度。智能清洁设备在检测得到当前的待清洁区域或者各个待清洁区域的洁净度之后，将当前的待清洁区域或者各个待清洁区域的洁净度对应地存储，并结合检测时间，生成清洁记录。
在生成清洁记录之后，智能清洁设备通过大数据分析技术对各个待清洁区域的洁净度进行统计分析。例如，统计待清洁区域A的清洁次数，获取待清洁区域A每次的洁净度，将待清洁区域A每次的洁净度相加后除以清洁次数，得到待清洁区域A的平均洁净度，当平均洁净度处于第一洁净等级的阈值范围内时，则确定待清洁区域A的洁净等级为第一洁净等级。
进一步地，智能清洁设备可以根据各个待清洁区域的洁净等级和地面材质类型来确定待清洁区域对应的目标清洁策略，根据各个待清洁区域对应的目标清洁策略对各个待清洁区域进行清洁，进一步提高清洁效率和清洁效果。例如，待清洁区域A的洁净等级为第一洁净等级，待清洁区域B的洁净等级为第三等级，那么智能清洁设备可以适当增大待清洁区域B的清洁频率，将待清洁区域B的清洁频率的清洁频率设为一天清洁两次，适当减小待清洁区域A的清洁频率，将待清洁区域A的清洁频率设为两天清洁一次。在对待清洁区域A和B进行清洁的过程中，再结合待清洁区域A和B的地面材质类型，控制清洁强度和次数。
在一个实施例中，智能清洁设备也可以通过大数据分析技术对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域洁净度最小的时间段，通过各个待清洁区域洁净度最小的时间段来确定各个待清洁区域的清洁时间。例如，厨房区域在11:00-12:00，17:00-18:00这两个时间段的洁净度最小，那么，智能清洁设备可以在12:00以及18:00时，对地面材质类型为瓷砖的厨房区域进行高清洁强度的、多次的清洁。
本实施例中，通过大数据分析技术，得到各个待清洁区域的洁净等级，在清洁过程中结合各个待清洁区域的洁净等级和地面材质类型来确定对应的目标清洁策略，通过目标清洁策略对各个待清洁区域进行清洁，能够更有针对性地对各个待清洁区域进行清洁，有效地提高清洁效率，提升清洁效果。
在一个实施例中，上述智能清洁方法还包括：对待清洁对象进行识别，得到待清洁对象的类型；获取与待清洁对象的类型匹配的对象清洁策略，根据对象清洁策略对待清洁对象进行清洁处理。
其中，待清洁对象可以是各种类型的垃圾，例如，毛发、纸屑和污渍等。对象清洁策略是对各种类型的垃圾执行的清洁策略。对象清洁策略可以包括但不限于将待清洁对象吸入垃圾收纳盒，将待清洁对象移动至目标区域。其中，目标区域可以是预先规划好的垃圾投放区域。
具体地，智能清洁设备可以提取待清洁对象的轮廓特征，将轮廓特征输入分类器或分类网络中，识别得到待清洁对象的类型。进一步地，智能清洁设备获取与待清洁对象的类型匹配的对象清洁策略，根据对象清洁策略对待清洁对象进行清洁处理。例如，当待清洁对象为毛发、纸屑或者灰尘时，智能清洁设备直接将毛发或灰尘吸入垃圾收纳盒。当待清洁对象为可回收的易拉罐时，智能清洁设备将易拉罐移动至目标区域。当清洁对象为污渍时，智能清洁设备可以将其吸入再洒水，再吸入，反复多次进行清洁。
在本实施例中，通过在清洁过程中，识别待清洁对象的类型，对待清洁对象执行针对性的对象清洁策略，能够进一步提高清洁效率，提升清洁效果。
在一个实施例中，如图5所示，提供了另一种智能清洁方法，以该方法应用于图1中的智能清洁设备为例进行说明，包括以下步骤：
步骤502，获取各个待清洁区域的地面图像和位置信息；
步骤504，根据各个待清洁区域的位置信息，将各个待清洁区域的地面图像拼接，得到清洁地图；
步骤506，对各个待清洁区域的地面图像进行特征提取，得到各个待清洁区域对应的特征集合；
步骤508，对特征集合中的各个特征进行分类，得到各个特征的类型；
步骤510，获取各个特征的类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；
步骤512，根据特征类型分数确定各个待清洁区域的地面材质类型；
步骤514，根据各个待清洁区域的地面材质类型，对清洁地图进行分区处理，生成地面材质地图；
步骤516，获取各个待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象；
步骤518，在实时地面图像中统计待清洁对象对应的像素点占比；
步骤520，根据待清洁对象对应的像素点占比确定当前的待清洁区域的洁净度；
步骤522，记录各个待清洁区域的洁净度，生成清洁记录；该清洁记录包括时间信息；
步骤524，根据时间信息，对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域的洁净等级；
步骤526，根据洁净等级和地面材质类型确定各个待清洁区域对应的目标清洁策略；该目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种；
步骤528，根据各个待清洁区域的位置信息，将各个待清洁区域对应的目标清洁策略与地面材质地图关联匹配；
步骤530，获取地面材质地图和当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的目标清洁策略；
步骤532，获取当前的待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象，对待清洁对象进行识别，得到待清洁对象的类型；
步骤534，获取与待清洁对象的类型匹配的对象清洁策略，结合对象清洁策略和目标清洁策略对当前的待清洁区域进行清洁处理；
步骤536，在清洁过程中，当待清洁区域发生变化时，进入步骤530。
在本实施例中，通过识别得到待清洁区域的地面材质类型以及待清洁区域的洁净度，对待清洁区域的洁净度进行统计分析得到待清洁区域的洁净等级，通过洁净等级和地面材质类型确定待清洁区域的目标清洁策略，并将目标清洁策略与地面材质地图关联匹配，在清洁过程中，通过获取当前的待清洁区域的位置信息便可以在地面材质地图中查找得到对应的目标清洁策略，还可以识别得到当前的待清洁区域中的待清洁对象，结合对象清洁策略和目标清洁策略对待清洁区域进行针对性的清洁，在保护地面的同时能够提高清洁效率、提升清洁效果。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种智能清洁装置600，包括：地面材质地图获取模块601、地面材质类型确定模块602和清洁模块603，其中：
地面材质地图获取模块601，用于获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；
地面材质类型确定模块602，用于获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；
清洁模块603，用于获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域的地面进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域的地面材质类型的步骤。
在一个实施例中，智能清洁装置600还包括地面材质地图生成模块604，用于获取各个待清洁区域的地面图像和位置信息；根据各个待清洁区域的位置信息，将各个待清洁区域的地面图像拼接，得到清洁地图；对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型；根据各个待清洁区域的地面材质类型，对清洁地图进行分区处理，生成地面材质地图。
在一个实施例中，地面材质地图生成模块604还用于对各个待清洁区域的地面图像进行特征提取，得到各个待清洁区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征的类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定各个待清洁区域的地面材质类型。
在一个实施例中，智能清洁装置600还包括洁净度计算模块605，洁净度计算模块605用于获取当前的待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象；在实时地面图像中统计待清洁对象对应的像素点占比；根据待清洁对象对应的像素点占比确定当前的待清洁区域的洁净度；清洁模块603还用于获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据当前的待清洁区域的洁净度调整目标清洁策略，根据调整后的目标清洁策略对当前的待清洁区域进行清洁。
在一个实施例中，智能清洁装置600还包括统计分析模块606，统计分析模块606用于记录各个待清洁区域的洁净度，生成清洁记录；该清洁记录包括时间信息；根据时间信息，对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域的洁净等级；根据洁净等级和地面材质类型确定各个待清洁区域对应的目标清洁策略；清洁模块603还用于在清洁过程中，根据各个待清洁区域对应的目标清洁策略对各个待清洁区域进行清洁。
在一个实施例中，智能清洁装置600还包括待清洁对象识别模块607，清洁对象识别模块607用于对待清洁对象进行识别，得到待清洁对象的类型；清洁模块603还用于获取与待清洁对象的类型匹配的对象清洁策略，根据对象清洁策略对待清洁对象进行清洁处理。
在一个实施例中，目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种。
关于智能清洁装置的具体限定可以参见上文中对于智能清洁方法的限定，在此不再赘述。上述智能清洁装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于智能清洁设备中的处理器中，也可以以软件形式存储于智能清洁设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种智能清洁设备，该智能清洁设备的内部结构图可以如图7所示。该智能清洁设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该智能清洁设备的处理器用于提供计算和控制能力。该智能清洁设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能清洁设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种智能清洁方法。该智能清洁设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能清洁设备的输入装置可以是显示屏上覆盖的触摸层，也可以是智能清洁设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的智能清洁设备的限定，具体的智能清洁设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能清洁设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在获取地面材质地图之前，获取各个待清洁区域的地面图像和位置信息；根据各个待清洁区域的位置信息，将各个待清洁区域的地面图像拼接，得到清洁地图；对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型；根据各个待清洁区域的地面材质类型，对清洁地图进行分区处理，生成地面材质地图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各个待清洁区域的地面图像进行特征提取，得到各个待清洁区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征的类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定各个待清洁区域的地面材质类型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取当前的待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象；在实时地面图像中统计待清洁对象对应的像素点占比；根据待清洁对象对应的像素点占比确定当前的待清洁区域的洁净度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据当前的待清洁区域的洁净度调整目标清洁策略，根据调整后的目标清洁策略对当前的待清洁区域进行清洁。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：记录各个待清洁区域的洁净度，生成清洁记录；该清洁记录包括时间信息；根据时间信息，对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域的洁净等级；根据洁净等级和地面材质类型确定各个待清洁区域对应的目标清洁策略；在清洁过程中，根据各个待清洁区域对应的目标清洁策略对各个待清洁区域进行清洁。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对待清洁对象进行识别，得到待清洁对象的类型；获取与待清洁对象的类型匹配的对象清洁策略，根据对象清洁策略对待清洁对象进行清洁处理。
在一个实施例中，处理器执行计算机程序时，目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取地面材质地图；该地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息在地面材质地图中查找得到当前的待清洁区域对应的地面材质类型；获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据目标清洁策略对当前的待清洁区域进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行获取当前的待清洁区域的位置信息，根据当前的待清洁区域的位置信息和地面材质地图确定当前的待清洁区域对应的地面材质类型的步骤。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在获取地面材质地图之前，获取各个待清洁区域的地面图像和位置信息；根据各个待清洁区域的位置信息，将各个待清洁区域的地面图像拼接，得到清洁地图；对各个待清洁区域的地面图像进行识别，得到各个待清洁区域的地面材质类型；根据各个待清洁区域的地面材质类型，对清洁地图进行分区处理，生成地面材质地图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各个待清洁区域的地面图像进行特征提取，得到各个待清洁区域对应的特征集合；对特征集合中的各个特征进行分类，得到各个特征的类型；获取各个特征的类型对应的权重，根据权重对各个特征的类型进行加权运算，得到特征类型分数；根据特征类型分数确定各个待清洁区域的地面材质类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取当前的待清洁区域的实时地面图像，对实时地面图像进行目标检测，得到待清洁区域中的待清洁对象；在实时地面图像中统计待清洁对象对应的像素点占比；根据待清洁对象对应的像素点占比确定当前的待清洁区域的洁净度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取与当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据当前的待清洁区域的洁净度调整目标清洁策略，根据调整后的目标清洁策略对当前的待清洁区域进行清洁。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：记录各个待清洁区域的洁净度，生成清洁记录；该清洁记录包括时间信息；根据时间信息，对各个待清洁区域的洁净度进行统计分析，得到各个待清洁区域的洁净等级；根据洁净等级和地面材质类型确定各个待清洁区域对应的目标清洁策略；在清洁过程中，根据各个待清洁区域对应的目标清洁策略对各个待清洁区域进行清洁。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对待清洁对象进行识别，得到待清洁对象的类型；获取与待清洁对象的类型匹配的对象清洁策略，根据对象清洁策略对待清洁对象进行清洁处理。
在一个实施例中，计算机程序被处理器执行时，目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能清洁方法，应用于智能清洁设备，其特征在于，所述方法包括：
获取地面材质地图；所述地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；
获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息在所述地面材质地图中查找得到所述当前的待清洁区域对应的地面材质类型；
获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域进行清洁；
在清洁过程中，当待清洁区域发生变化时，返回执行所述获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息和所述地面材质地图确定所述当前的待清洁区域对应的地面材质类型的步骤。
2.根据权利要求1所述的方法，其特征在于，在所述获取地面材质地图之前，所述方法还包括：
获取各个待清洁区域的地面图像和位置信息；
根据所述各个待清洁区域的位置信息，将所述各个待清洁区域的地面图像拼接，得到清洁地图；
对所述各个待清洁区域的地面图像进行识别，得到所述各个待清洁区域的地面材质类型；
根据所述各个待清洁区域的地面材质类型，对所述清洁地图进行分区处理，生成地面材质地图。
3.根据权利要求2所述的方法，其特征在于，所述对所述各个待清洁区域的地面图像进行识别，得到所述各个待清洁区域的地面材质类型包括：
对所述各个待清洁区域的地面图像进行特征提取，得到所述各个待清洁区域对应的特征集合；
对所述特征集合中的各个特征进行分类，得到所述各个特征的类型；
获取所述各个特征的类型对应的权重，根据所述权重对所述各个特征的类型进行加权运算，得到特征类型分数；
根据所述特征类型分数确定所述各个待清洁区域的地面材质类型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取当前的待清洁区域的实时地面图像，对所述实时地面图像进行目标检测，得到所述待清洁区域中的待清洁对象；
在所述实时地面图像中统计所述待清洁对象对应的像素点占比；
根据所述待清洁对象对应的像素点占比确定所述当前的待清洁区域的洁净度；
所述获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域进行清洁包括：
获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述当前的待清洁区域的洁净度调整所述目标清洁策略，根据调整后的目标清洁策略对所述当前的待清洁区域进行清洁。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
记录所述各个待清洁区域的洁净度，生成清洁记录；所述清洁记录包括时间信息；
根据所述时间信息，对所述各个待清洁区域的洁净度进行统计分析，得到所述各个待清洁区域的洁净等级；
根据所述洁净等级和所述地面材质类型确定所述各个待清洁区域对应的目标清洁策略；
在清洁过程中，根据所述各个待清洁区域对应的目标清洁策略对所述各个待清洁区域进行清洁。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对所述待清洁对象进行识别，得到所述待清洁对象的类型；
获取与所述待清洁对象的类型匹配的对象清洁策略，根据所述对象清洁策略对所述待清洁对象进行清洁处理。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述目标清洁策略包括清洁强度、清洁时间和清洁频率中的至少一种。
8.一种智能清洁装置，应用于智能清洁设备，其特征在于，所述装置包括：
地面材质地图获取模块，用于获取地面材质地图；所述地面材质地图是通过识别各个待清洁区域的地面图像得到各个待清洁区域的地面材质类型后，由各个待清洁区域的地面材质类型组合生成的；
地面材质类型确定模块，用于获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息在所述地面材质地图中查找得到所述当前的待清洁区域对应的地面材质类型；
清洁模块，用于获取与所述当前的待清洁区域对应的地面材质类型匹配的目标清洁策略，根据所述目标清洁策略对所述当前的待清洁区域的地面进行清洁；在清洁过程中，当待清洁区域发生变化时，返回执行所述获取当前的待清洁区域的位置信息，根据所述当前的待清洁区域的位置信息和所述地面材质地图确定所述当前的待清洁区域的地面材质类型的步骤。
9.一种智能清洁设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010513134.9A 2020-06-08 2020-06-08 智能清洁方法、装置、智能清洁设备和存储介质 Pending CN111643014A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010513134.9A CN111643014A (zh) 2020-06-08 2020-06-08 智能清洁方法、装置、智能清洁设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010513134.9A CN111643014A (zh) 2020-06-08 2020-06-08 智能清洁方法、装置、智能清洁设备和存储介质

Publications (1)

Publication Number Publication Date
CN111643014A true CN111643014A (zh) 2020-09-11

Family

ID=72341103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010513134.9A Pending CN111643014A (zh) 2020-06-08 2020-06-08 智能清洁方法、装置、智能清洁设备和存储介质

Country Status (1)

Country Link
CN (1) CN111643014A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287834A (zh) * 2020-10-29 2021-01-29 上海高仙自动化科技发展有限公司 机器人的巡检清洁方法、装置、机器人和存储介质
CN112336254A (zh) * 2020-10-29 2021-02-09 久瓴(江苏)数字智能科技有限公司 扫地机器人清洁策略生成方法、装置、计算机设备和介质
CN112950543A (zh) * 2021-02-02 2021-06-11 岑杰 一种桥梁养护方法、***、存储介质及智能终端
CN113331743A (zh) * 2021-06-09 2021-09-03 苏州澜途科技有限公司 清洁机器人清洁地面的方法以及清洁机器人
CN114343504A (zh) * 2022-01-26 2022-04-15 深圳市优必选科技股份有限公司 扫地机器人的清扫策略生成方法、装置、设备及存储介质
CN114532924A (zh) * 2022-02-25 2022-05-27 深圳市商汤科技有限公司 区域清洁的方法、装置、电子设备和存储介质
WO2022171157A1 (zh) * 2021-02-10 2022-08-18 北京石头创新科技有限公司 区域地图绘制方法及装置、介质及电子设备
CN115413959A (zh) * 2021-05-12 2022-12-02 美智纵横科技有限责任公司 基于清洁机器人的运行方法、装置、电子设备及介质
WO2023185247A1 (zh) * 2022-04-01 2023-10-05 追觅创新科技(苏州)有限公司 区域清洁的控制方法和装置、存储介质及电子装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104353655A (zh) * 2014-11-25 2015-02-18 三星电子（中国）研发中心 清洁设备及其控制方法和装置
EP3132732A1 (en) * 2012-11-02 2017-02-22 iRobot Corporation Autonomous coverage robot
CN109077675A (zh) * 2018-06-28 2018-12-25 芜湖泰领信息科技有限公司 自动清洁的扫地机及其自动清洁方法
CN109431383A (zh) * 2018-11-13 2019-03-08 珠海格力电器股份有限公司 一种清洁设备
WO2019066444A1 (en) * 2017-09-26 2019-04-04 Lg Electronics Inc. MOBILE ROBOT AND CONTROL METHOD
CN110111319A (zh) * 2019-05-05 2019-08-09 哈尔滨理工大学 一种基于视频图像的猪舍地面洁净度评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3132732A1 (en) * 2012-11-02 2017-02-22 iRobot Corporation Autonomous coverage robot
CN104353655A (zh) * 2014-11-25 2015-02-18 三星电子（中国）研发中心 清洁设备及其控制方法和装置
WO2019066444A1 (en) * 2017-09-26 2019-04-04 Lg Electronics Inc. MOBILE ROBOT AND CONTROL METHOD
CN109077675A (zh) * 2018-06-28 2018-12-25 芜湖泰领信息科技有限公司 自动清洁的扫地机及其自动清洁方法
CN109431383A (zh) * 2018-11-13 2019-03-08 珠海格力电器股份有限公司 一种清洁设备
CN110111319A (zh) * 2019-05-05 2019-08-09 哈尔滨理工大学 一种基于视频图像的猪舍地面洁净度评价方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287834A (zh) * 2020-10-29 2021-01-29 上海高仙自动化科技发展有限公司 机器人的巡检清洁方法、装置、机器人和存储介质
CN112336254A (zh) * 2020-10-29 2021-02-09 久瓴(江苏)数字智能科技有限公司 扫地机器人清洁策略生成方法、装置、计算机设备和介质
CN112336254B (zh) * 2020-10-29 2022-06-28 久瓴(江苏)数字智能科技有限公司 扫地机器人清洁策略生成方法、装置、计算机设备和介质
CN112950543A (zh) * 2021-02-02 2021-06-11 岑杰 一种桥梁养护方法、***、存储介质及智能终端
WO2022171157A1 (zh) * 2021-02-10 2022-08-18 北京石头创新科技有限公司 区域地图绘制方法及装置、介质及电子设备
CN115413959A (zh) * 2021-05-12 2022-12-02 美智纵横科技有限责任公司 基于清洁机器人的运行方法、装置、电子设备及介质
CN113331743A (zh) * 2021-06-09 2021-09-03 苏州澜途科技有限公司 清洁机器人清洁地面的方法以及清洁机器人
CN114343504A (zh) * 2022-01-26 2022-04-15 深圳市优必选科技股份有限公司 扫地机器人的清扫策略生成方法、装置、设备及存储介质
CN114532924A (zh) * 2022-02-25 2022-05-27 深圳市商汤科技有限公司 区域清洁的方法、装置、电子设备和存储介质
WO2023185247A1 (zh) * 2022-04-01 2023-10-05 追觅创新科技(苏州)有限公司 区域清洁的控制方法和装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
CN111643014A (zh) 智能清洁方法、装置、智能清洁设备和存储介质
CN111543902B (zh) 地面清洁方法、装置、智能清洁设备和存储介质
CN111568314B (zh) 基于场景识别的清洁方法、装置、清洁机器人和存储介质
US11789545B2 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
CN110807385B (zh) 目标检测方法、装置、电子设备及存储介质
CN101271514B (zh) 一种快速目标检测和目标输出的图像检测方法及装置
CN111643010B (zh) 清洁机器人控制方法、装置、清洁机器人和存储介质
CN110251004B (zh) 扫地机器人及其清扫方法和计算机可读存储介质
CN111783576B (zh) 基于改进型YOLOv3网络和特征融合的行人重识别方法
CN110751022A (zh) 基于图像识别的城市宠物活动轨迹监测方法及相关设备
Shabanzade et al. Combination of local descriptors and global features for leaf recognition
CN111643017B (zh) 基于日程信息的清扫机器人控制方法、装置和清扫机器人
CN104616002A (zh) 用于年龄段判断的面部识别设备
CN111091057A (zh) 一种信息处理方法、装置及计算机可读存储介质
CN109984691A (zh) 一种扫地机器人控制方法
CN114343504A (zh) 扫地机器人的清扫策略生成方法、装置、设备及存储介质
CN110516625A (zh) 一种垃圾识别分类的方法、***、终端及存储介质
CN109460792A (zh) 一种基于图像识别的人工智能模型训练方法及装置
US11157765B2 (en) Method and system for determining physical characteristics of objects
CN112307994A (zh) 基于扫地机的障碍物识别方法、电子装置及存储介质
CN106327514A (zh) 一种基于遗传算法的寻路机器人***及寻路方法
CN115644739B (zh) 基于物联网的商用清洁机器人控制方法及***
CN111444875A (zh) 一种人脸跟踪方法、装置、设备和计算机可读存储介质
CN110197123A (zh) 一种基于Mask R-CNN的人体姿态识别方法
CN111259832B (zh) 一种犬只的识别方法，识别装置，机器可读介质以及***

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200911