CN114468866A - 基于人工智能的拖地机器人控制方法、装置、设备及介质 - Google Patents

Abstract

本申请公开了基于人工智能的拖地机器人控制方法、装置、设备及介质，所述基于人工智能的拖地机器人控制方法包括：获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。本申请解决了现有技术中控制拖地机器人进行拖布清洗的控制准确度低的技术问题。

Description

基于人工智能的拖地机器人控制方法、装置、设备及介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的拖地机器人控制方法、装置、设备及介质。

背景技术

随着人工智能的不断发展，人工智能的应用也越来越广泛，目前，拖地机器人在进行拖布清洗时，通常设置一些固定的清洗参数来进行拖布清洗，例如清洗时长等，但是在固定的清洗时长下，对于比较干净的拖布，容易发生拖布已经干净但仍然在清洗的情况，从而造成水资源的浪费，而对应比较脏的拖布，又容易发生清洗不干净的情况，所以目前控制拖地机器人进行拖布清洗的控制准确度较低。

发明内容

本申请的主要目的在于提供一种基于人工智能的拖地机器人控制方法、装置、设备及介质，旨在解决现有技术中控制拖地机器人进行拖布清洗的控制准确度低的技术问题。

为实现上述目的，本申请提供一种基于人工智能的拖地机器人控制方法，所述基于人工智能的拖地机器人控制方法包括：

获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

本申请还提供一种基于人工智能的拖地机器人控制装置，所述装置为虚拟装置，所述基于人工智能的拖地机器人控制装置包括：

脏污判别模块，用于获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

脏污检测模块，用于若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

拖布清洗控制模块，用于依据所述脏污检测结果，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

本申请还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述基于人工智能的拖地机器人控制方法的程序，所述基于人工智能的拖地机器人控制方法的程序被处理器执行时可实现如上述的基于人工智能的拖地机器人控制方法的步骤。

本申请还提供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实现基于人工智能的拖地机器人控制方法的程序，所述基于人工智能的拖地机器人控制方法的程序被处理器执行时实现如上述的基于人工智能的拖地机器人控制方法的步骤。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于人工智能的拖地机器人控制方法的步骤。

本申请提供了一种基于人工智能的拖地机器人控制方法、装置、设备及介质，相比于现有技术中采用的设置固定的清洗时长进行拖布清洗的技术手段，本申请获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。本申请中可以预先判别拖布是否为脏污拖布，若为脏污拖布，则进行脏污检测，从而可依据脏污检测结果预估本次清洗拖布所需的清洗参数，根据预估的清洗参数准确控制拖地机器人进行拖布清洗，使得清洗参数（例如清洗时长）可以尽量靠近本次清洗所需的真实清洗参数，所以克服了现有技术中在固定的清洗时长下，对于比较干净的拖布，容易发生拖布已经干净但仍然在清洗的情况，从而造成水资源的浪费，而对应比较脏的拖布，又容易发生清洗不干净的情况的技术缺陷，提升了控制拖地机器人进行拖布清洗的控制准确度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请基于人工智能的拖地机器人控制方法第一实施例的流程示意图；

图2为本申请基于人工智能的拖地机器人控制方法第二实施例的流程示意图；

图3为本申请实施例中基于人工智能的拖地机器人控制方法涉及的硬件运行环境的设备结构示意图。

本申请目的实现、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

为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本申请保护的范围。

实施例一

本申请实施例提供一种基于人工智能的拖地机器人控制方法，在本申请基于人工智能的拖地机器人控制方法的第一实施例中，参照图1，所述基于人工智能的拖地机器人控制方法包括：

步骤S10，获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

步骤S20，若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

步骤S30，依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

作为一种示例，步骤S10至步骤S30包括：获取待清洗拖布对应的拖布图像；通过将所述拖布图像输入预设脏污拖布判别模型，判别所述待清洗拖布是否为脏污拖布，得到脏污判别结果；若所述脏污判别结果为脏污拖布，则通过将所述拖布图像输入预设脏污检测模型，检测所述待清洗拖布的脏污参数，得到脏污检测结果，其中，所述脏污参数可以为脏污度，也可以为脏污类型；依据所述脏污检测结果，查找对应的清洗参数，其中，所述清洗参数可以为清洗时长，也可以为清洗剂类型；依据所述清洗参数对应的控制指令，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

作为一种示例，所述脏污检测结果可以为检测得到的脏污参数，也即为检测脏污参数，所述依据所述脏污检测结果，查找对应的清洗参数，包括：

根据脏污参数与清洗参数之间的映射关系，查找所述检测脏污参数对应的清洗参数。

其中，所述依据所述拖布图像，对所述待清洗拖布进行脏污检测，包括：

步骤A10，依据脏污度特征提取模型，提取所述拖布图像中的脏污度特征；依据所述脏污度特征对所述待清洗拖布进行脏污度检测：

在本实施例中，需要说明的是，所述预设脏污检测模型包括用于进行脏污度检测的脏污度检测模型，所述脏污度检测模型包括用于提取脏污度特征的脏污度特征提取模型。

作为一种示例，步骤A10包括：将所述拖布图像对应的拖布图像像素矩阵输入脏污度特征提取模型，通过所述脏污度特征提取模型将拖布图像像素矩阵映射至预设第一特征维度，得到脏污度特征，其中，所述脏污度特征为携带拖布的脏污程度信息的特征，所述脏污度特征可以为脏污度特征提取模型输出的高维矩阵，也可以为输出的特征向量；根据所述脏污度特征，检测所述待清洗拖布的脏污程度，从而可以得到所述待清洗拖布对应的检测脏污度。

步骤B10，依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征；依据所述脏污度特征对所述待清洗拖布进行脏污类型检测。

在本实施例中，需要说明的是，所述预设脏污检测模型包括用于进行脏污类型检测的脏污类型检测模型，所述脏污类型检测模型包括用于提取脏污类型特征的脏污类型特征提取模型。

作为一种示例，步骤A10包括：将所述拖布图像对应的拖布图像像素矩阵输入脏污类型特征提取模型，通过所述脏污类型特征提取模型将拖布图像像素矩阵映射至预设第二特征维度，得到脏污类型特征，其中，所述脏污类型特征为携带拖布的脏污类型信息的特征，所述脏污类型特征可以为脏污类型特征提取模型输出的高维矩阵，也可以为输出的特征向量；根据所述脏污类型特征，检测所述待清洗拖布的脏污类型，从而可以得到所述待清洗拖布对应的检测脏污类型。

其中，所述拖布图像包括拖布拖地区域图像和拖布非拖地区域图像，所述脏污度特征提取模型包括第一特征提取器和第二特征提取器，所述依据脏污度特征提取模型，提取所述拖布图像中的脏污度特征，包括：

步骤A11，依据所述第一特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

步骤A12，依据所述第二特征提取器，提取所述拖布非拖地区域图像的亮度分布特征；

步骤A13，依据所述颜色分布特征和所述亮度分布特征，生成所述脏污度特征。

在本实施例中，需要说明的是，当待清洗拖布为浅色拖布时，例如白色拖布或者淡灰色拖布等，对于拖布与地面接触的区域图像中的拖布颜色分布与干净拖布的拖布颜色分布将会存在差异；而当拖布由于长久时间未使用，拖布与地面接触的区域可能是干净的，但是在拖布非拖地区域（通常为拖布不与地面接触的上侧区域）常会存在灰尘堆积，若直接将拖布沾水后进行拖地，拖地效果较差，而正存在灰尘堆积，将会影响拖布非拖地区域图像的图像亮度，也即由于灰尘遮挡拖布原本的颜色，使得拍摄得到的拖布非拖地区域图像比较灰暗。

作为一种示例，步骤A11至步骤A13包括：通过将所述拖布拖地区域图像的像素矩阵输入第一特征提取器，将所述拖布拖地区域图像的像素矩阵映射为颜色分布特征；通过将所述拖布非拖地区域图像的像素矩阵输入第二特征提取器，将所述拖布非拖地区域图像的像素矩阵映射为亮度分布特征；将所述颜色分布特征和所述亮度分布特征进行拼接，得到所述脏污度特征。本申请实施例从拖布颜色和拖布亮度两个方面考虑拖布的脏污度，使得脏污度特征具备更多的拖布脏污度信息，从而为脏污度检测提供了更多的决策依据，可提升脏污度检测的准确度。

其中，所述脏污类型特征提取模型包括第三特征提取器和第四特征提取器，

所述依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征，包括：

步骤B11，依据所述第三特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

步骤B12，依据所述第四特征提取器，提取所述拖布拖地区域图像的拖布反光度特征；

步骤B13，根据所述颜色分布特征和所述拖布反光度特征，生成所述脏污类型特征。

在本实施例中，需要说明的是，对于不同的脏污，在拖布上通常会存在不同的脏污颜色，例如油渍脏污和灰尘脏污在颜色上则会存在一定的差异性，同时拖布此时对于光线的反光度也会存在差异，油渍脏污的反光度明显会大于灰尘脏污的反光度，所以本申请实施例中拖布拖地区域图像可选择在较强光强环境下进行拍摄得到。

作为一种示例，步骤B11至步骤B13包括：通过将所述拖布拖地区域图像的像素矩阵输入第三特征提取器，将所述拖布拖地区域图像的像素矩阵映射为颜色分布特征；通过将所述拖布拖地区域图像的像素矩阵输入第四特征提取器，将所述拖布拖地区域图像的像素矩阵映射为拖布反光度特征；将所述颜色分布特征和所述拖布反光度特征进行拼接，得到所述脏污类型特征。本申请实施例从拖布颜色和拖布反光度两个方面考虑拖布的脏污类型，使得脏污类型特征具备更多的拖布脏污类型信息，从而为脏污类型检测提供了更多的决策依据，可提升脏污类型检测的准确度。

其中，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长，所述依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗，包括：

步骤S31，依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

步骤S32，根据所述目标清洗时长，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

在本实施例中，需要说明的是，所述检测脏污度类型分为顽固脏污类型和非顽固脏污类型，例如油渍脏污可以划分为顽固脏污类型，灰尘脏污可以划分为非顽固脏污类型，而顽固脏污明显需要更长的清洗时长；而脏污度越高，也明显需要更长的清洗时长。

作为一种示例，步骤S31至步骤S32包括：根据脏污度与清洗时长之间的映射关系，查找所述检测脏污度对应的标准清洗时长；根据脏污类型和清洗时长补偿系数之间的映射关系，查找所述检测脏污类型对应的标准清洗时长补偿系数；根据所述标准清洗时长和所述标准清洗时长补偿系数，确定目标清洗时长，其中，可通过对所述标准清洗时长和所述标准清洗时长补偿系数求乘积得到所述目标清洗时长；根据所述目标清洗时长，生成对应的清洗控制指令，依据清洗控制指令，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。本申请实施例实现了依据脏污度和脏污类型准确确定清洗时长的目的。

其中，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长和目标清洗剂类型，所述依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗，包括：

步骤C10，依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

步骤C20，依据脏污类型对应的清洗剂类型之间的对应关系，确定所述检测脏污类型对应的目标清洗剂类型；

步骤C30，根据所述目标清洗时长和所述目标清洗剂类型，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

在本实施例中，需要说明的是，为了达成较好的清洗效果，不同类型通常需要使用不同的清洗剂进行清洗，例如油渍脏污需要使用特定的清洗剂进行清洗，而灰尘脏污用水清洗即可。

作为一种示例，步骤C10至步骤C30包括：根据脏污度与清洗时长之间的映射关系，查找所述检测脏污度对应的标准清洗时长；根据脏污类型和清洗时长补偿系数之间的映射关系，查找所述检测脏污类型对应的标准清洗时长补偿系数；根据所述标准清洗时长和所述标准清洗时长补偿系数，确定目标清洗时长；根据脏污类型和清洗剂类型之间的映射关系，确定检测脏污类型对应的目标清洗剂类型；根据所述目标清洗时长和所述目标清洗剂类型，生成对应的清洗控制指令，根据所述清洗控制指令控制所述拖地机器人对所述待清洗拖布进行拖布清洗。本申请实现了依据脏污度和脏污类型准确确定清洗时长和清洗剂类型的目的，从而可以生成更加准确度的清洗控制指令，提升了拖布清洗效果。

本申请实施例提供了一种基于人工智能的拖地机器人控制方法，相比于现有技术中采用的设置固定的清洗时长进行拖布清洗的技术手段，本申请实施例获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。本申请实施例中可以预先判别拖布是否为脏污拖布，若为脏污拖布，则进行脏污检测，从而可依据脏污检测结果预估本次清洗拖布所需的清洗参数，根据预估的清洗参数准确控制拖地机器人进行拖布清洗，使得清洗参数（例如清洗时长）可以尽量靠近本次清洗所需的真实清洗参数，所以克服了现有技术中在固定的清洗时长下，对于比较干净的拖布，容易发生拖布已经干净但仍然在清洗的情况，从而造成水资源的浪费，而对应比较脏的拖布，又容易发生清洗不干净的情况的技术缺陷，提升了控制拖地机器人进行拖布清洗的控制准确度。

实施例二

进一步地，参照图2，基于上述第一实施例，在本申请基于人工智能的拖地机器人控制方法的另一实施例中，在所述依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征的步骤之前，所述基于人工智能的拖地机器人控制方法还包括：

步骤D10，获取训练样本和所述训练样本对应的脏污类型标识，并基于所述脏污类型标识，在油污拖布图像数据和非油污拖布图像数据中提取所述训练样本对应的正例拖布图像样本和对应的负例拖布图像样本；

步骤D20，基于待训练脏污类型特征提取模型，对所述训练样本进行特征提取，获得所述训练样本对应的训练脏污类型特征；

步骤D30，基于待训练脏污类型特征提取模型，分别对所述正例拖布图像样本和所述负例拖布图像样本进行特征提取，获得所述正例拖布图像样本对应的正例脏污度特征和所述负例拖布图像样本对应的负例脏污度特征；

步骤D40，基于所述训练脏污类型特征与所述正例脏污度特征之间的差异度以及所述训练脏污类型特征与所述负例脏污度特征之间的差异度，构建对比学习损失；

步骤D50，基于所述对比学习损失，优化所述待训练脏污类型特征提取模型，获得所述脏污类型特征提取模型。

在本实施例中，需要说明的是，所述脏污类型标识为标识训练样本的脏污类型的样本标签，例如可设置样本标签为1时，标识拖布脏污为油污，样本标签为0时，标识拖布脏污为非油污。所述油污拖布图像数据至少包括一油污拖布图像，所述非油污拖布图像数据至少包括一非油污拖布图像。

作为一种示例，步骤D10至步骤D50包括：根据所述脏污类型标识，判断所述训练样本是否为油污拖布图像，若是，则在所述油污拖布图像数据中选取训练样本对应的正例拖布图像样本，在所述非油污拖布图像数据中选取训练样本对应的负例拖布图像样本；若否，则在所述油污拖布图像数据中选取训练样本对应的负例拖布图像样本，在所述非油污拖布图像数据中选取训练样本对应的正例拖布图像样本；通过将所述训练样本、所述正例拖布图像样本和所述负例拖布图像样本分别进行特征提取，获得所述训练样本对应的训练脏污类型特征、所述正例拖布图像样本对应的正例脏污度特征和所述负例拖布图像样本对应的负例脏污度特征；基于所述训练脏污类型特征与所述正例脏污度特征之间的差异度以及所述训练脏污类型特征与所述负例脏污度特征之间的差异度，通过预设对比学习损失计算公式构建对比学习损失；判断所述对比学习损失是否收敛，若收敛，则将所述待训练脏污类型特征提取模型作为所述脏污类型特征提取模型，若未收敛，则根据所述对比学习损失计算的模型梯度，对所述待训练脏污类型特征提取模型进行更新，并返回执行步骤：获取训练样本和所述训练样本对应的脏污类型标识，直至计算得到的对比学习损失收敛。

作为一种示例，预设对比学习损失计算公式如下：

其中，L为所述对比学习损失，u^A为所述训练脏污类型特征，u^B为所述正例脏污度特征，u^B _i为所述负例脏污度特征，M为负例脏污度特征的数量，进而当正例脏污度特征与训练脏污类型特征之间的距离足够小，而各负例脏污度特征与训练脏污类型特征的距离足够大时，所述对比学习损失即可收敛，进而基于对比学习损失更新得到的脏污类型特征提取模型即可具备拉近脏污类型特征与作为正例的正例脏污度特征的距离，以及拉远脏污类型特征与作为负例的负例脏污度特征的距离的能力，进而脏污类型特征提取模型可基于不同样本类型（正例还是负例）的样本，生成不同的脏污类型特征，使得生成的脏污类型特征具备样本类别信息，提升了特征提取生成的脏污类型特征所包含的信息量，进而可为进行脏污类型特征检测提供更多的决策依据，提升了脏污类型特征检测的准确性。

实施例三

本申请实施例还提供一种基于人工智能的拖地机器人控制装置，所述基于人工智能的拖地机器人控制装置包括：

脏污判别模块，用于获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

脏污检测模块，用于若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

拖布清洗控制模块，用于依据所述脏污检测结果，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

可选地，所述脏污检测模块还用于：

依据脏污度特征提取模型，提取所述拖布图像中的脏污度特征；依据所述脏污度特征对所述待清洗拖布进行脏污度检测；和/或

依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征；依据所述脏污度特征对所述待清洗拖布进行脏污类型检测。

可选地，所述拖布图像包括拖布拖地区域图像和拖布非拖地区域图像，所述脏污度特征提取模型包括第一特征提取器和第二特征提取器，所述脏污检测模块还用于：

依据所述第一特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

依据所述第二特征提取器，提取所述拖布非拖地区域图像的亮度分布特征；

依据所述颜色分布特征和所述亮度分布特征，生成所述脏污度特征。

可选地，所述脏污类型特征提取模型包括第三特征提取器和第四特征提取器，所述脏污检测模块还用于：

依据所述第三特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

依据所述第四特征提取器，提取所述拖布拖地区域图像的拖布反光度特征；

根据所述颜色分布特征和所述拖布反光度特征，生成所述脏污类型特征。

可选地，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长，所述拖布清洗控制模块还用于：

依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

根据所述目标清洗时长，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

可选地，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长和目标清洗剂类型，所述拖布清洗控制模块还用于：

依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

依据脏污类型对应的清洗剂类型之间的对应关系，确定所述检测脏污类型对应的目标清洗剂类型；

根据所述目标清洗时长和所述目标清洗剂类型，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

可选地，所述基于人工智能的拖地机器人控制装置还用于：

获取训练样本和所述训练样本对应的脏污类型标识，并基于所述脏污类型标识，在油污拖布图像数据和非油污拖布图像数据中提取所述训练样本对应的正例拖布图像样本和对应的负例拖布图像样本；

基于待训练脏污类型特征提取模型，对所述训练样本进行特征提取，获得所述训练样本对应的训练脏污类型特征；

基于待训练脏污类型特征提取模型，分别对所述正例拖布图像样本和所述负例拖布图像样本进行特征提取，获得所述正例拖布图像样本对应的正例脏污度特征和所述负例拖布图像样本对应的负例脏污度特征；

基于所述训练脏污类型特征与所述正例脏污度特征之间的差异度以及所述训练脏污类型特征与所述负例脏污度特征之间的差异度，构建对比学习损失；

基于所述对比学习损失，优化所述待训练脏污类型特征提取模型，获得所述脏污类型特征提取模型。

本申请提供的基于人工智能的拖地机器人控制装置，采用上述实施例中的基于人工智能的拖地机器人控制方法，解决了控制拖地机器人进行拖布清洗的控制准确度低的技术问题。与现有技术相比，本申请实施例提供的基于人工智能的拖地机器人控制装置的有益效果与上述实施例提供的基于人工智能的拖地机器人控制方法的有益效果相同，且该基于人工智能的拖地机器人控制装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。

实施例四

本申请实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的基于人工智能的拖地机器人控制方法。

下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）中的程序或者从存储装置加载到随机访问存储器（RAM）中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此训练。输入/输出（I/O）接口也连接至总线。

通常，以下***可以连接至I/O接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种***的电子设备，但是应理解的是，并不要求实施或具备所有示出的***。可以替代地实施或具备更多或更少的***。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。

本申请提供的电子设备，采用上述实施例中的基于人工智能的拖地机器人控制方法，解决了控制拖地机器人进行拖布清洗的控制准确度低的技术问题。与现有技术相比，本申请实施例提供的电子设备的有益效果与上述实施例提供的基于人工智能的拖地机器人控制方法的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

实施例五

本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的基于人工智能的拖地机器人控制的方法。

本申请实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的***、***或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、***或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。

上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。

本申请提供的计算机可读存储介质，存储有用于执行上述基于人工智能的拖地机器人控制方法的计算机可读程序指令，解决了控制拖地机器人进行拖布清洗的控制准确度低的技术问题。与现有技术相比，本申请实施例提供的计算机可读存储介质的有益效果与上述实施例提供的基于人工智能的拖地机器人控制方法的有益效果相同，在此不做赘述。

实施例六

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的基于人工智能的拖地机器人控制方法的步骤。

本申请提供的计算机程序产品解决了控制拖地机器人进行拖布清洗的控制准确度低的技术问题。与现有技术相比，本申请实施例提供的计算机程序产品的有益效果与上述实施例提供的基于人工智能的拖地机器人控制方法的有益效果相同，在此不做赘述。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利处理范围内。

Claims (10)

1.一种基于人工智能的拖地机器人控制方法，其特征在于，所述基于人工智能的拖地机器人控制方法包括：

获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

2.如权利要求1所述基于人工智能的拖地机器人控制方法，其特征在于，所述依据所述拖布图像，对所述待清洗拖布进行脏污检测，包括：

依据脏污度特征提取模型，提取所述拖布图像中的脏污度特征；依据所述脏污度特征对所述待清洗拖布进行脏污度检测；和/或

依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征；依据所述脏污度特征对所述待清洗拖布进行脏污类型检测。

3.如权利要求2所述基于人工智能的拖地机器人控制方法，其特征在于，所述拖布图像包括拖布拖地区域图像和拖布非拖地区域图像，所述脏污度特征提取模型包括第一特征提取器和第二特征提取器，所述依据脏污度特征提取模型，提取所述拖布图像中的脏污度特征，包括：

依据所述第一特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

依据所述第二特征提取器，提取所述拖布非拖地区域图像的亮度分布特征；

依据所述颜色分布特征和所述亮度分布特征，生成所述脏污度特征。

4.如权利要求2所述基于人工智能的拖地机器人控制方法，其特征在于，所述脏污类型特征提取模型包括第三特征提取器和第四特征提取器，

所述依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征，包括：

依据所述第三特征提取器，提取所述拖布拖地区域图像的颜色分布特征；

依据所述第四特征提取器，提取所述拖布拖地区域图像的拖布反光度特征；

根据所述颜色分布特征和所述拖布反光度特征，生成所述脏污类型特征。

5.如权利要求1所述基于人工智能的拖地机器人控制方法，其特征在于，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长，所述依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗，包括：

依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

根据所述目标清洗时长，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

6.如权利要求1所述基于人工智能的拖地机器人控制方法，其特征在于，所述脏污检测结果包括检测脏污度和检测脏污类型，所述清洗参数包括目标清洗时长和目标清洗剂类型，所述依据所述脏污检测结果对应的清洗参数，控制所述拖地机器人对所述待清洗拖布进行拖布清洗，包括：

依据所述检测脏污类型和所述检测脏污度，确定所述待清洗拖布对应的目标清洗时长；

依据脏污类型对应的清洗剂类型之间的对应关系，确定所述检测脏污类型对应的目标清洗剂类型；

根据所述目标清洗时长和所述目标清洗剂类型，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

7.如权利要求2所述基于人工智能的拖地机器人控制方法，其特征在于，在所述依据脏污类型特征提取模型，提取所述拖布图像中脏污类型特征的步骤之前，所述基于人工智能的拖地机器人控制方法还包括：

获取训练样本和所述训练样本对应的脏污类型标识，并基于所述脏污类型标识，在油污拖布图像数据和非油污拖布图像数据中提取所述训练样本对应的正例拖布图像样本和对应的负例拖布图像样本；

基于待训练脏污类型特征提取模型，对所述训练样本进行特征提取，获得所述训练样本对应的训练脏污类型特征；

基于待训练脏污类型特征提取模型，分别对所述正例拖布图像样本和所述负例拖布图像样本进行特征提取，获得所述正例拖布图像样本对应的正例脏污度特征和所述负例拖布图像样本对应的负例脏污度特征；

基于所述训练脏污类型特征与所述正例脏污度特征之间的差异度以及所述训练脏污类型特征与所述负例脏污度特征之间的差异度，构建对比学习损失；

基于所述对比学习损失，优化所述待训练脏污类型特征提取模型，获得所述脏污类型特征提取模型。

8.一种基于人工智能的拖地机器人控制装置，其特征在于，所述基于人工智能的拖地机器人控制方法装置：

脏污判别模块，用于获取待清洗拖布对应的拖布图像，依据所述拖布图像，对所述待清洗拖布进行脏污判别，得到脏污判别结果；

脏污检测模块，用于若所述脏污判别结果为脏污拖布，则依据所述拖布图像，对所述待清洗拖布进行脏污检测，得到脏污检测结果；

拖布清洗控制模块，用于依据所述脏污检测结果，控制所述拖地机器人对所述待清洗拖布进行拖布清洗。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的基于人工智能的拖地机器人控制方法的步骤。

10.一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实现基于人工智能的拖地机器人控制方法的程序，所述实现基于人工智能的拖地机器人控制方法的程序被处理器执行以实现如权利要求1至7中任一项所述基于人工智能的拖地机器人控制方法的步骤。

Images