CN112831976A - 衣物材质识别及洗涤方案确定方法、洗衣机和服务器 - Google Patents
衣物材质识别及洗涤方案确定方法、洗衣机和服务器 Download PDFInfo
- Publication number
- CN112831976A CN112831976A CN202110018227.9A CN202110018227A CN112831976A CN 112831976 A CN112831976 A CN 112831976A CN 202110018227 A CN202110018227 A CN 202110018227A CN 112831976 A CN112831976 A CN 112831976A
- Authority
- CN
- China
- Prior art keywords
- clothes
- washed
- infrared spectrum
- material type
- washing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 186
- 238000005406 washing Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 100
- 238000003062 neural network model Methods 0.000 claims abstract description 51
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 12
- 238000010412 laundry washing Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004566 IR spectroscopy Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012628 principal component regression Methods 0.000 description 3
- 210000002268 wool Anatomy 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 229920004934 Dacron® Polymers 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005020 polyethylene terephthalate Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F33/00—Control of operations performed in washing machines or washer-dryers
- D06F33/30—Control of washing machines characterised by the purpose or target of the control
- D06F33/32—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/04—Signal transfer or data transmission arrangements
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/04—Signal transfer or data transmission arrangements
- D06F34/05—Signal transfer or data transmission arrangements for wireless communication between components, e.g. for remote monitoring or control
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/14—Arrangements for detecting or measuring specific parameters
- D06F34/18—Condition of the laundry, e.g. nature or weight
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F39/00—Details of washing machines not specific to a single type of machines covered by groups D06F9/00 - D06F27/00
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
- D06F2103/02—Characteristics of laundry or load
- D06F2103/06—Type or material
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Washing Machine And Dryer (AREA)
Abstract
本发明提供一种衣物材质识别及洗涤方案确定方法、洗衣机和服务器。衣物材质识别方法包括以下步骤:获取待洗涤衣物的红外光谱数据;利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型。本发明能够自动采集待洗涤衣物的红外光谱数据,并利用深度学习算法对待洗涤衣物的红外光谱数据进行分析,从而确定待洗涤衣物的衣物材质类型。
Description
技术领域
本发明涉及衣物洗涤技术领域,尤其涉及一种衣物材质识别及洗涤方案确定方法、洗衣机和服务器。
背景技术
随着社会的不断发展进步,消费者对于产品舒适性和体验性的要求越来越高,他们希望能够洗衣机能够自动识别衣物材质以及自动确定合理的洗涤方案,从而真正实现洗衣机的自动洗涤。
目前,行业对衣物的自动识别技术包括:1、图像识别法,2、吸水检测法,3、标签识别法。其中,图像识别法只能分析材质表面情况,对于不同颜色的同一材质或者在光线较弱的情况下,则无法准确识别衣物材质;吸水法根据对材质吸水前的重量与吸水后的重量的对比分析来进行衣物材质检测,检测结果非常不准确;标签识别法则需要每件衣物都要有标签,但是现实中并非每件衣物都有标签,从而该种方法实现起来非常困难。
鉴于以上原因,我们亟需一种能够识别衣物材质类型的方法以及一款基于衣物材质自动识别的洗衣机。
发明内容
本发明的主要目的是提供一种衣物材质识别及洗涤方案确定方法、洗衣机和服务器,以实现根据衣物材质确定相应的洗涤方案并进行自动洗涤的目的。
第一方面,本发明提供一种衣物材质识别方法,包括以下步骤:获取待洗涤衣物的红外光谱数据;利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型。
在一个实施例中,利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型,包括:提取待洗涤衣物的红外光谱数据的特征及其数值;将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型。
在一个实施例中,将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型,包括:针对每个预设的衣物材质类型的红外光谱数据,获取与待洗涤衣物的红外光谱数据的各个特征一一对应的该预设的衣物材质类型的红外光谱数据的相应各个特征的权重,根据所述权重对待洗涤衣物的红外光谱数据的各个特征的数值进行加权求和,将所述和值作为待洗涤衣物的衣物材质类型与该预设的衣物材质类型的匹配度;在待洗涤衣物的衣物材质类型与各个预设的衣物材质类型的匹配度中选取最大的所述匹配度所对应的预设的衣物材质类型作为待洗涤衣物的衣物材质类型。
在一个实施例中,所述衣物材质识别神经网络模型通过以下步骤构建:获取用于训练衣物材质识别神经网络模型的多个数据样本,其中,每个所述数据样本包括一种衣物材质类型及该种衣物材质类型的红外光谱数据;利用所述多个数据样本对衣物材质识别神经网络模型进行训练,获得训练后的衣物材质识别神经网络模型。
在一个实施例中,在利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析之前,所述方法还包括:对待洗涤衣物的红外光谱数据进行预处理,所述预处理包括数据标准化处理、高频噪声滤除处理、信号的微分求导和基线校正处理,其中,所述数据标准化处理包括均值中心化处理、归一化处理和标准正态变换处理。
在一个实施例中,所述方法还包括:发送所确定的待洗涤衣物的衣物材质类型是否正确的询问信息;当询问结果为所确定的待洗涤衣物的衣物材质类型错误时,获取修正后的待洗涤衣物的衣物材质类型。
在一个实施例中,所述方法还包括:将待洗涤衣物的红外光谱数据与衣物材质类型进行关联存储,用以对所述训练过的衣物材质识别神经网络模型进行优化调整。
在一个实施例中,所述红外光谱数据至少包括以下其中之一:近红外光谱数据和高光谱数据。
在一个实施例中,所述衣物材质识别神经网络模型为深度学习神经网络模型。
第二方面,本发明提供一种衣物洗涤方案确定方法,包括以下步骤:利用如上文所述的衣物材质识别方法确定待洗涤衣物的衣物材质类型;获取待洗涤衣物的图像数据;利用训练过的图像识别神经网络模型,根据待洗涤衣物的图像数据确定待洗涤衣物的颜色和织法;根据待洗涤衣物的衣物材质类型、颜色和织法,基于预设的衣物材质类型、颜色和织法与洗涤方案之间的对应关系,确定针对待洗涤衣物的洗涤方案。
在一个实施例中,所述图像识别神经网络模型通过以下步骤构建:获取用于训练图像识别神经网络模型的多个样本数据集,其中,每个所述样本数据集包括对应于一种衣物材质类型的多个样本子集,每个所述样本子集包括对应于一种布料织法的不同颜色;利用所述多个样本数据集对图像识别神经网络模型进行训练,获得训练后的图像识别神经网络模型。
第三方面,本发明提供一种洗衣机,包括:红外光谱传感器,用于获取待洗涤衣物的红外光谱数据;摄像装置,用于获取待洗涤衣物的图像数据;通信装置,用于将所述红外光谱传感器获取的待洗涤衣物的红外光谱数据以及所述摄像装置获取的待洗涤衣物的图像数据发送给服务器,以使服务器利用如上文所述的衣物洗涤方案确定方法确定针对待洗涤衣物的洗涤方案,所述通信装置还用于接收所述服务器返回的针对待洗涤衣物的洗涤方案;洗涤装置,用于对待洗涤衣物进行洗涤;控制器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述控制器执行时,所述控制器根据所述通信装置接收的针对待洗涤衣物的洗涤方案控制所述洗涤装置对待洗涤衣物进行洗涤。
在一个实施例中,所述通信装置还用于接收所述服务器返回的待洗涤衣物的衣物材质类型;所述洗衣机还包括:显示装置,所述显示装置用于显示所述通信装置接收的所述服务器返回的待洗涤衣物的衣物材质类型。
在一个实施例中,所述通信装置还用于:接收对所述服务器返回的待洗涤衣物的衣物材质类型修正后的衣物材质类型;将所述修正后的衣物材质类型发送给服务器,以使服务器根据修正后的衣物材质类型确定针对待洗涤衣物的新的洗涤方案;接收所述服务器返回的针对待洗涤衣物的新的洗涤方案;所述控制器还用于当所述通信装置接收到所述修正后的衣物材质类型时,控制所述洗涤装置根据所述通信装置接收的新的洗涤方案对待洗涤衣物进行洗涤。
在一个实施例中,所述红外光谱传感器包括近红外光谱传感器和/或高光谱传感器。
在一个实施例中,所述红外光谱传感器包括照明装置,用于对待洗涤衣物进行照明。
第四方面,本发明提供一种服务器,包括处理器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述处理器执行时,实现如上文所述的衣物材质识别方法的步骤或如上文所述的衣物洗涤方案确定方法的步骤。
在一个实施例中,该服务器为本地服务器或云端服务器。
第五方面,本发明提供一种衣物洗涤控制***,包括:如上文所述的洗衣机以及如上文所述的服务器。
第六方面,本发明提供一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现如上文所述的衣物材质识别方法的步骤或如上文所述的衣物洗涤方案确定方法的步骤。
本发明能够自动采集待洗涤衣物的红外光谱数据,并利用深度学习算法对待洗涤衣物的红外光谱数据进行分析,从而确定待洗涤衣物的衣物材质类型。进而基于所确定的衣物材质类型确定针对待洗涤衣物的洗涤方案,从而实现根据待洗涤衣物的材质进行自动合理洗涤。无需用户手动设置待洗涤衣物的衣物材质类型和洗涤方案,真正实现了对待洗涤衣物的自动洗涤,为用户节省了更多的宝贵时间和精力。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,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为根据本申请一示例性实施方式的衣物材质识别方法的流程图;
图2为根据本申请一示例性实施方式的衣物洗涤方案确定方法的流程图;
图3为根据本申请一具体实施例的红外光谱图的示意图;
图4为根据本申请一具体实施例的智能采集模块中的MCU与各个装置之间的连接关系示意图;
图5为根据本申请一具体实施例的MCU的电路连接关系的示意图;
图6为根据本申请一具体实施例的对待洗涤衣物进行洗涤的***整体架构示意图;
图7为根据本申请一具体实施例的云端服务器识别衣物材质类别的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例一
本实施例提供一种衣物材质识别方法,图1为根据本申请一示例性实施方式的衣物材质识别方法的流程图。如图1所示,该方法包括以下步骤:
S100:获取待洗涤衣物的红外光谱数据。
其中,所述红外光谱数据至少包括以下其中之一:近红外光谱数据和高光谱数据。
S200:利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型。
其中,所述衣物材质识别神经网络模型通过以下步骤构建:获取用于训练衣物材质识别神经网络模型的多个数据样本,其中,每个所述数据样本包括一种衣物材质类型及该种衣物材质类型的红外光谱数据;利用所述多个数据样本对衣物材质识别神经网络模型进行训练,获得训练后的衣物材质识别神经网络模型。所述衣物材质识别神经网络模型为深度学习神经网络模型。
利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型,包括:提取待洗涤衣物的红外光谱数据的特征及其数值;将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型。
具体的,将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型,包括:针对每个预设的衣物材质类型的红外光谱数据,获取与待洗涤衣物的红外光谱数据的各个特征一一对应的该预设的衣物材质类型的红外光谱数据的相应各个特征的权重,根据所述权重对待洗涤衣物的红外光谱数据的各个特征的数值进行加权求和,将所述和值作为待洗涤衣物的衣物材质类型与该预设的衣物材质类型的匹配度;在待洗涤衣物的衣物材质类型与各个预设的衣物材质类型的匹配度中选取最大的所述匹配度所对应的预设的衣物材质类型作为待洗涤衣物的衣物材质类型。
在利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析之前,所述方法还包括:对待洗涤衣物的红外光谱数据进行预处理,所述预处理包括数据标准化处理、高频噪声滤除处理、信号的微分求导和基线校正处理,其中,所述数据标准化处理包括均值中心化处理、归一化处理和标准正态变换处理。
所述方法还包括:发送所确定的待洗涤衣物的衣物材质类型是否正确的询问信息;当询问结果为所确定的待洗涤衣物的衣物材质类型错误时,获取修正后的待洗涤衣物的衣物材质类型。
所述方法还包括:将待洗涤衣物的红外光谱数据与衣物材质类型进行关联存储,用以对所述训练过的衣物材质识别神经网络模型进行优化调整。
本实施例首先采集待洗涤衣物的红外光谱数据,利用深度学习算法对待洗涤衣物的红外光谱数据进行分析,从而确定待洗衣物的衣物材质类型。
实施例二
本实施例提供一种衣物洗涤方案确定方法,图2为根据本申请一示例性实施方式的衣物洗涤方案确定方法的流程图。如图2所示,该方法包括以下步骤:
S110:利用如上文所述的衣物材质识别方法确定待洗涤衣物的衣物材质类型。
S120:获取待洗涤衣物的图像数据。
S130:利用训练过的图像识别神经网络模型,根据待洗涤衣物的图像数据确定待洗涤衣物的颜色和织法。
其中,所述图像识别神经网络模型通过以下步骤构建:获取用于训练图像识别神经网络模型的多个样本数据集,其中,每个所述样本数据集包括对应于一种衣物材质类型的多个样本子集,每个所述样本子集包括对应于一种布料织法的不同颜色;利用所述多个样本数据集对图像识别神经网络模型进行训练,获得训练后的图像识别神经网络模型。
S140:根据待洗涤衣物的衣物材质类型、颜色和织法,基于预设的衣物材质类型、颜色和织法与洗涤方案之间的对应关系,确定针对待洗涤衣物的洗涤方案。
本实施例在确定待洗涤衣物的衣物材质类型的基础上,继续采集待洗涤衣物的图像数据,利用图像识别的方法,根据待洗涤衣物的图像数据确定待洗涤衣物的颜色和织法,从而确定针对待洗涤衣物的洗涤方案,真正实现了自动确定针对待洗涤衣物的洗涤方案的目的,实现了智能化。
实施例三
本实施例提供一种洗衣机,包括:
红外光谱传感器,用于获取待洗涤衣物的红外光谱数据;
摄像装置,用于获取待洗涤衣物的图像数据;
通信装置,用于将所述红外光谱传感器获取的待洗涤衣物的红外光谱数据以及所述摄像装置获取的待洗涤衣物的图像数据发送给服务器,以使服务器利用如上文所述的衣物洗涤方案确定方法确定针对待洗涤衣物的洗涤方案,所述通信装置还用于接收所述服务器返回的针对待洗涤衣物的洗涤方案;
洗涤装置,用于对待洗涤衣物进行洗涤;
控制器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述控制器执行时,所述控制器根据所述通信装置接收的针对待洗涤衣物的洗涤方案控制所述洗涤装置对待洗涤衣物进行洗涤。
所述通信装置还用于接收所述服务器返回的待洗涤衣物的衣物材质类型;所述洗衣机还包括:显示装置,所述显示装置用于显示所述通信装置接收的所述服务器返回的待洗涤衣物的衣物材质类型。
所述通信装置还用于:接收对所述服务器返回的待洗涤衣物的衣物材质类型修正后的衣物材质类型;将所述修正后的衣物材质类型发送给服务器,以使服务器根据修正后的衣物材质类型确定针对待洗涤衣物的新的洗涤方案;接收所述服务器返回的针对待洗涤衣物的新的洗涤方案;所述控制器还用于当所述通信装置接收到所述修正后的衣物材质类型时,控制所述洗涤装置根据所述通信装置接收的新的洗涤方案对待洗涤衣物进行洗涤。
其中,所述红外光谱传感器包括近红外光谱传感器和/或高光谱传感器。所述红外光谱传感器包括照明装置,用于对待洗涤衣物进行照明。
本实施例的洗衣机可以根据待洗涤衣物的红外光谱数据确定待洗涤衣物的衣物材质类型,能够有效避免在利用图像识别法识别衣物材质类型时由于颜色差异造成的误判。并且,基于衣物材质识别神经网络模型,可以对待洗涤衣物的不同材质含量给出较准确的判断。红外光谱传感器中的照明装置对待洗涤衣物进行主动照明,避免了在采集待洗涤衣物的红外光谱数据时外界光线的干扰。
实施例四
本实施例提供一种服务器,包括处理器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述处理器执行时,实现如上文所述的衣物材质识别方法的步骤或如上文所述的衣物洗涤方案确定方法的步骤。该服务器可以包括通信装置,用于接收待洗涤衣物的红外光谱数据和图像数据。
在一个示例中,该服务器可以为本地服务器或云端服务器。
在一个示例中,该服务器可以包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存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 FLASH RAM)。内存是计算机可读介质的示例。
实施例五
本实施例提供一个具体实施例的能够实现自动识别衣物材质类型并自动根据相应的洗涤方案对待洗涤衣物进行洗涤的洗衣机。该洗衣机可以自动识别待洗涤衣物的衣物材质类型,并针对该种衣物材质类型确定最合适的洗涤方案。同时,可以有效避免基于图像识别法识别衣物材质类型时相同衣物材质类型的颜色差异造成的误判。而且,该洗衣机还可以对衣物的不同材质成分之间比例给出较为准确的判断。红外光谱传感器中的光源直接对待洗涤衣物进行照射,避免了外界光线的干扰。
本实施例的方法及实施过程如下:
1、通过嵌入到洗衣机中的近红外光谱传感器采集待洗涤衣物的近红外光谱数据,并将相应的近红外光谱图(如图3所示)显示到洗衣机的显示屏上,同时将待洗涤衣物的红外光谱数据上传到数据分析平台。同时,通过嵌入到洗衣机中的摄像头拍摄待洗涤衣物的图像数据,并将该图像数据上传到数据分析平台。
2、服务器端从数据分析平台获得待洗涤衣物的近红外光谱数据,使用深度学***台传送回洗衣机。
在本技术方案中,深度学习算法模型(在本实施例中为衣物材质识别神经网络模型)的建立目的是对未知样品的组成或性质进行预测。建立校正模型的方法可以包括以下三种:主成分回归(Principle Component Regression,PCR)、偏最小二乘回归(PartialLeast Squares Regression,PISR)和多元线性回归(Multiple Linear Regression,MIR)。
其中,主成分分析法,即将数据降维,以排除众多化学信息共存下的相互重叠的信息,它是将原变量进行转换,用少数几个新变量作为原变量的线性组合,同时,这些新变量应尽可能多的表征原变量的数据结构特征而不丢失信息。通过主成分回归,可以去除噪声,解决了回归中的共线性问题,有效地提高了信息利用,提高了模型的稳定性;偏最小二乘法与主成分分析很相似,二者的差别在于对变量Y中的因子进行描述的同时也对变量X所含的信息进行描述,通过RPD(Recognition Primed Decision,识别启动决策方法)可以对预测集样品的标准偏差(standard error of prediction,SEP)进行标准化处理,以增加评定模型的准确度。如果RPD>10,说明所建模型的准确性、稳定性非常好,可以准确的预测相关参数;如果RPD在5~10之间,说明模型可以用于质量控制;如果RPD在2.5~5之间,说明该模型只能对样品中所测成分的含量进行高、中、低的定性判定,不能用于定量分析;如果RPD接近1,说明SEP与SD(Standard Deviation,标准差)基本相等,因此模型不能准确有效的预测成分含量。
本实施例的洗衣机中的近红外光谱传感器不是独立存在的,而是包含于一个智能采集模块中,该智能采集模块还包括MCU(Microcontroller Unit,微控制器),图5为根据本申请一具体实施例的MCU的电路连接关系的示意图。MCU(如图4所示)负责将近红外光谱传感器采集的待洗涤衣物的红外光谱数据转换为数字信号,并基于一定的通信协议将红外光谱传感器采集到的红外光谱数据通过WiFi网络上传到服务器。服务器在对待洗涤衣物的红外光谱数据进行分析之后确定待洗涤衣物的衣物材质类型,并将该衣物材质类型返回给洗衣机。
同时服务器根据待洗涤衣物的图像数据确定待洗涤衣物的颜色和织法,进一步的,结合待洗涤衣物的衣物材质类型确定针对待洗涤衣物的洗涤方案,并将该洗涤方案返回给洗衣机。
3、洗衣机获取到衣物材质类型的识别结果,将其显示到显示屏上。同时根据服务器返回的针对待洗涤衣物的洗涤方案自动对洗涤装置进行设置,等待下一步指令。
本实施例中的洗衣机包括通信装置和显示装置,因此,相应的具备数据传输功能和显示功能。获取的结果数据即是通过近红外光谱传感器扫描衣物,然后将近红外光谱数据上传至云端服务器,云端服务器根据图7所示的流程执行,然后将衣物材质识别结果返回给洗衣机;
4、若确定洗涤,则按照自动设置好的洗涤方案进行洗涤并将该数据上传到数据分析平台的数据库;若发现待洗涤衣物的真实材质类型与所识别出的材质类型不符,则可在显示屏手动输入待洗涤衣物的真实材质类型。针对该真实材质类型重新确定新的洗涤方案,并根据新的洗涤方案对待洗涤衣物进行洗涤,同时将该更改衣物材质类型之后的相关数据上传到数据分析平台的数据库,用以对衣物材质识别神经网络模型进行优化调整。
例如,服务器返回的衣物材质类型是羊毛,那么洗衣机自带的MCU也会根据与羊毛相对应的洗涤方案进行洗涤,例如对于羊毛,洗衣机会自动按照轻柔的洗涤方案执行洗涤程序。但是,服务器可能会出现识别错误的现象,例如把涤纶识别成晴纶,这个时候则需要人工介入,例如在洗衣机所收到的衣物材质识别结果上进行手动修改,将结果修正,然后将此结果返回给云端服务器,云端服务器会同时记录正确的和错误的结果,然后对内置衣物材质识别神经网络模型进行优化调整,来提高准确度。
5、定期使用数据库中存储的数据自动重新训练衣物材质识别神经网络模型,以达到对模型优化完善的目的。
本实施例能够解决如下技术问题:
1、该洗衣机所运用的光谱分析法是通过近红外光谱采集传感器采集衣物光谱数据,可以避免图像识别法对同一材质不同颜色的衣物进行识别时进行错误识别。
2、由于该洗衣机对近红外光谱采集传感器配有光源,因此可以避免了外界光线的干扰。
3、近红外光谱采集传感器成本低廉,而且无需衣物标签完好。
本发明的技术方案能够自动采集待洗涤衣物的红外光谱数据,并利用深度学习算法对待洗涤衣物的红外光谱数据进行分析,从而确定待洗涤衣物的衣物材质类型。进而基于所确定的衣物材质类型确定针对待洗涤衣物的洗涤方案,从而实现根据待洗涤衣物的材质进行自动合理洗涤。无需用户手动设置待洗涤衣物的衣物材质类型和洗涤方案,真正实现了对待洗涤衣物的自动洗涤,为用户节省了更多的宝贵时间和精力。
实施例六
本实施例提供一种衣物洗涤控制***,包括:如上文所述的洗衣机以及如上文所述的服务器。图6为根据本申请一具体实施例的对待洗涤衣物进行洗涤的***整体架构示意图。
实施例七
本实施例提供一种存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现如上文所述的衣物材质识别方法的步骤或如上文所述的衣物洗涤方案确定方法的步骤。
存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。存储介质的例子包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是,本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便这里描述的本申请的实施方式例如能够除了在这里图示或描述的那些以外的顺序实施。
应当理解的是,本说明书中的示例性实施方式可以由多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的实施方式。提供这些实施方式是为了使得本申请的公开彻底且完整,并且将这些示例性实施方式的构思充分传达给本领域普通技术人员,而不应当理解为对本发明的限制。
Claims (20)
1.一种衣物材质识别方法,其特征在于,包括以下步骤:
获取待洗涤衣物的红外光谱数据;
利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型。
2.根据权利要求1所述的衣物材质识别方法,其特征在于,利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析,根据分析结果确定待洗涤衣物的衣物材质类型,包括:
提取待洗涤衣物的红外光谱数据的特征及其数值;
将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型。
3.根据权利要求2所述的衣物材质识别方法,其特征在于,将待洗涤衣物的红外光谱数据的特征与预设的衣物材质类型的红外光谱数据的相应特征进行匹配,根据匹配结果确定待洗涤衣物的衣物材质类型,包括:
针对每个预设的衣物材质类型的红外光谱数据,获取与待洗涤衣物的红外光谱数据的各个特征一一对应的该预设的衣物材质类型的红外光谱数据的相应各个特征的权重,根据所述权重对待洗涤衣物的红外光谱数据的各个特征的数值进行加权求和,将所述和值作为待洗涤衣物的衣物材质类型与该预设的衣物材质类型的匹配度;
在待洗涤衣物的衣物材质类型与各个预设的衣物材质类型的匹配度中选取最大的所述匹配度所对应的预设的衣物材质类型作为待洗涤衣物的衣物材质类型。
4.根据权利要求1所述的衣物材质识别方法,其特征在于,所述衣物材质识别神经网络模型通过以下步骤构建:
获取用于训练衣物材质识别神经网络模型的多个数据样本,其中,每个所述数据样本包括一种衣物材质类型及该种衣物材质类型的红外光谱数据;
利用所述多个数据样本对衣物材质识别神经网络模型进行训练,获得训练后的衣物材质识别神经网络模型。
5.根据权利要求1所述的衣物材质识别方法,其特征在于,在利用训练过的衣物材质识别神经网络模型对待洗涤衣物的红外光谱数据进行分析之前,所述方法还包括:
对待洗涤衣物的红外光谱数据进行预处理,所述预处理包括数据标准化处理、高频噪声滤除处理、信号的微分求导和基线校正处理,其中,所述数据标准化处理包括均值中心化处理、归一化处理和标准正态变换处理。
6.根据权利要求1所述的衣物材质识别方法,其特征在于,所述方法还包括:
发送所确定的待洗涤衣物的衣物材质类型是否正确的询问信息;
当询问结果为所确定的待洗涤衣物的衣物材质类型错误时,获取修正后的待洗涤衣物的衣物材质类型。
7.根据权利要求1所述的衣物材质识别方法,其特征在于,所述方法还包括:
将待洗涤衣物的红外光谱数据与衣物材质类型进行关联存储,用以对所述训练过的衣物材质识别神经网络模型进行优化调整。
8.根据权利要求1所述的衣物材质识别方法,其特征在于,所述红外光谱数据至少包括以下其中之一:近红外光谱数据和高光谱数据。
9.根据权利要求1所述的衣物材质识别方法,其特征在于,所述衣物材质识别神经网络模型为深度学习神经网络模型。
10.一种衣物洗涤方案确定方法,其特征在于,包括以下步骤:
利用如权利要求1至9中任一项所述的衣物材质识别方法确定待洗涤衣物的衣物材质类型;
获取待洗涤衣物的图像数据;
利用训练过的图像识别神经网络模型,根据待洗涤衣物的图像数据确定待洗涤衣物的颜色和织法;
根据待洗涤衣物的衣物材质类型、颜色和织法,基于预设的衣物材质类型、颜色和织法与洗涤方案之间的对应关系,确定针对待洗涤衣物的洗涤方案。
11.根据权利要求10所述的衣物洗涤方案确定方法,其特征在于,所述图像识别神经网络模型通过以下步骤构建:
获取用于训练图像识别神经网络模型的多个样本数据集,其中,每个所述样本数据集包括对应于一种衣物材质类型的多个样本子集,每个所述样本子集包括对应于一种布料织法的不同颜色;
利用所述多个样本数据集对图像识别神经网络模型进行训练,获得训练后的图像识别神经网络模型。
12.一种洗衣机,其特征在于,包括:
红外光谱传感器,用于获取待洗涤衣物的红外光谱数据;
摄像装置,用于获取待洗涤衣物的图像数据;
通信装置,用于将所述红外光谱传感器获取的待洗涤衣物的红外光谱数据以及所述摄像装置获取的待洗涤衣物的图像数据发送给服务器,以使服务器利用如权利要求10或11所述的衣物洗涤方案确定方法确定针对待洗涤衣物的洗涤方案,所述通信装置还用于接收所述服务器返回的针对待洗涤衣物的洗涤方案;
洗涤装置,用于对待洗涤衣物进行洗涤;
控制器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述控制器执行时,所述控制器根据所述通信装置接收的针对待洗涤衣物的洗涤方案控制所述洗涤装置对待洗涤衣物进行洗涤。
13.根据权利要求12所述的洗衣机,其特征在于,所述通信装置还用于接收所述服务器返回的待洗涤衣物的衣物材质类型;
所述洗衣机还包括:显示装置,所述显示装置用于显示所述通信装置接收的所述服务器返回的待洗涤衣物的衣物材质类型。
14.根据权利要求13所述的洗衣机,其特征在于,所述通信装置还用于:接收对所述服务器返回的待洗涤衣物的衣物材质类型修正后的衣物材质类型;
将所述修正后的衣物材质类型发送给服务器,以使服务器根据修正后的衣物材质类型确定针对待洗涤衣物的新的洗涤方案;
接收所述服务器返回的针对待洗涤衣物的新的洗涤方案;
所述控制器还用于当所述通信装置接收到所述修正后的衣物材质类型时,控制所述洗涤装置根据所述通信装置接收的新的洗涤方案对待洗涤衣物进行洗涤。
15.根据权利要求12所述的洗衣机,其特征在于,所述红外光谱传感器包括近红外光谱传感器和/或高光谱传感器。
16.根据权利要求12所述的洗衣机,其特征在于,所述红外光谱传感器包括照明装置,用于对待洗涤衣物进行照明。
17.一种服务器,其特征在于,包括处理器和存储器,所述存储器中存储有程序代码,当所述程序代码被所述处理器执行时,实现如权利要求1至9中任一项所述的衣物材质识别方法的步骤或如权利要求10或11所述的衣物洗涤方案确定方法的步骤。
18.根据权利要求17所述的服务器,其特征在于,该服务器为本地服务器或云端服务器。
19.一种衣物洗涤控制***,其特征在于,包括:如权利要求12至16中任一项所述的洗衣机以及如权利要求17至18中任一项所述的服务器。
20.一种存储介质,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,实现如权利要求1至9中任一项所述的衣物材质识别方法的步骤或如权利要求10或11所述的衣物洗涤方案确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018227.9A CN112831976A (zh) | 2021-01-07 | 2021-01-07 | 衣物材质识别及洗涤方案确定方法、洗衣机和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018227.9A CN112831976A (zh) | 2021-01-07 | 2021-01-07 | 衣物材质识别及洗涤方案确定方法、洗衣机和服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112831976A true CN112831976A (zh) | 2021-05-25 |
Family
ID=75927969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110018227.9A Pending CN112831976A (zh) | 2021-01-07 | 2021-01-07 | 衣物材质识别及洗涤方案确定方法、洗衣机和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112831976A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114084085A (zh) * | 2021-11-22 | 2022-02-25 | 奇瑞汽车股份有限公司 | 车门误夹提醒*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106192289A (zh) * | 2015-04-30 | 2016-12-07 | 青岛海尔洗衣机有限公司 | 洗衣机控制方法及洗衣机 |
CN106637812A (zh) * | 2017-01-22 | 2017-05-10 | 无锡小天鹅股份有限公司 | 洗衣机的控制方法、装置及洗衣机 |
CN106917223A (zh) * | 2015-12-25 | 2017-07-04 | 青岛海尔滚筒洗衣机有限公司 | 一种衣物洗涤控制方法、洗衣机及*** |
US20200042822A1 (en) * | 2019-08-21 | 2020-02-06 | Lg Electronics Inc. | Fabric identifying method, apparatus, and system |
CN111797930A (zh) * | 2020-07-07 | 2020-10-20 | 四川长虹电器股份有限公司 | 一种基于孪生网络的织物材质近红外光谱识别及鉴定方法 |
-
2021
- 2021-01-07 CN CN202110018227.9A patent/CN112831976A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106192289A (zh) * | 2015-04-30 | 2016-12-07 | 青岛海尔洗衣机有限公司 | 洗衣机控制方法及洗衣机 |
CN106917223A (zh) * | 2015-12-25 | 2017-07-04 | 青岛海尔滚筒洗衣机有限公司 | 一种衣物洗涤控制方法、洗衣机及*** |
CN106637812A (zh) * | 2017-01-22 | 2017-05-10 | 无锡小天鹅股份有限公司 | 洗衣机的控制方法、装置及洗衣机 |
US20200042822A1 (en) * | 2019-08-21 | 2020-02-06 | Lg Electronics Inc. | Fabric identifying method, apparatus, and system |
CN111797930A (zh) * | 2020-07-07 | 2020-10-20 | 四川长虹电器股份有限公司 | 一种基于孪生网络的织物材质近红外光谱识别及鉴定方法 |
Non-Patent Citations (1)
Title |
---|
唐子惠: "《医学人工智能导论》", 上海世纪出版(集团)有限公司、上海科学技术出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114084085A (zh) * | 2021-11-22 | 2022-02-25 | 奇瑞汽车股份有限公司 | 车门误夹提醒*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6791972B2 (ja) | 試料中のインターフェレントを検出するための方法と装置 | |
JP6879366B2 (ja) | 試料の溶血、黄疸、脂肪血症、又は正常性を検出する方法、装置及び品質チェックモジュール | |
WO2017067023A1 (zh) | 一种基于专用试纸对体液的检测方法 | |
JP2018511787A (ja) | 検体中の妨害因子を分類するためのモデルベース方法及び装置 | |
CN110717368A (zh) | 一种纺织品定性分类方法 | |
US11120311B2 (en) | Adjusting machine settings through multi-pass training of object detection models | |
CN107974799A (zh) | 一种智能识别洗涤衣物的方法及洗衣机 | |
JP7078175B2 (ja) | 検査装置及び方法 | |
CN117152152B (zh) | 检测试剂盒的生产管理***及方法 | |
CN112831976A (zh) | 衣物材质识别及洗涤方案确定方法、洗衣机和服务器 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN113533372B (zh) | 一种纸张缺陷检测方法、***、装置及计算机存储介质 | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及***和光源控制器 | |
CN215163866U (zh) | 洗衣机 | |
KR20130086690A (ko) | 휴대용 장치에서 구동되는 비색 분석 시스템 및 이를 이용한 비색 분석 방법 | |
CN109492701A (zh) | 一种工夫红茶萎凋适度性判别方法及*** | |
CN116481585B (zh) | 基于机器视觉的产品全检***及检测方法 | |
CN113435444B (zh) | 免疫层析检测方法、装置、存储介质及计算机设备 | |
CN113850762A (zh) | 基于眼前节图像的眼病识别方法、装置、设备及存储介质 | |
CN212846839U (zh) | 织品信息媒合*** | |
CN114049370A (zh) | 一种基于深度学习方法的智能移动终端有色溶液浓度检测方法 | |
CN118052814B (zh) | 基于ai技术的全自动标本前处理***及方法 | |
CN117523013B (zh) | 一种高导湿面料的色变特征分析方法及*** | |
JP7438345B2 (ja) | 診断分析器のモデルを訓練する装置および方法 | |
US20220036586A1 (en) | Systems and Methods to Optimize Imaging Settings for a Machine Vision Job |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |
|
RJ01 | Rejection of invention patent application after publication |