CN216317472U - 清洗设备 - Google Patents

Abstract

本实用新型提供了一种清洗设备。其中，清洗设备包括：本体，包括清洗腔；发光件，设于清洗腔内，用于产生可见光；图像采集组件，设于清洗腔内，用于采集清洗腔内的原始图像数据；滤光件，设于发光件和图像采集组件之间，用于对可见光的光谱进行过滤，以使图像采集组件获取到不同光谱波段的光谱图像数据。根据待清洗物在清洗腔内的位置信息、待清洗物的类型和待清洗物的材质，根据这些信息，清洗设备能够自动判断出合适的清洗程序，从而按照合适的清洗程序，自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

Description

清洗设备

技术领域

本实用新型涉及洗碗机技术领域，具体而言，涉及一种清洗设备。

背景技术

在相关技术中，洗碗机等清洗设备，一般按照固定的清洗程序对待清洗物进行清洗，在清洗前，需要用户手动设置清洗方式，如强洗、快洗等，操作繁琐。

实用新型内容

本实用新型旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本实用新型提出一种清洗设备。

有鉴于此，本实用新型提供了一种清洗设备，包括：本体，包括清洗腔；发光件，设于清洗腔内，用于产生可见光；图像采集组件，设于清洗腔内，用于采集清洗腔内的原始图像数据；滤光件，设于发光件和图像采集组件之间，用于对可见光的光谱进行过滤，以使图像采集组件获取到不同光谱波段的光谱图像数据。

在该技术方案中，清洗设备包括如洗碗机、洗菜机等，其结构包括本体，本体内设置有清洗腔，需要清洗的待清洗物可以放置在清洗腔内，并通过设置在清洗腔内的清洗结构，来对待清洗物进行喷淋、冲刷、清洗等步骤。

其中，清洗腔内还设置有发光件、图像采集组件和滤光件，其中，发光件能够发出可见光，通过可见光照射清洗腔内的待清洗物体，这些可见光被反射后，图像采集组件即可采集到待清洗物体的图像数据。举例来说，发光件可以是发光二极管。

在图像采集组件和发光件之间，还设置有滤光件，其中，滤光件可以设置在发光件的发光方向上，也可以设置在图像采集组件的采集方向上，本申请对此不做限定。

具体地，滤光件能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，而不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，通过控制滤光件按照不同的方式对发光件发射可见光进行滤光，从而使图像采集组件不仅能够采集到待清洗物的原始图像数据，也即没有经过滤光的图像数据，还能采集到在不同光谱波段下，待清洗物的光谱图像数据。

结合这些数据，通过图像识别功能和神经网络算法，能够准确地识别出待清洗物在清洗腔内的位置信息、待清洗物的类型和待清洗物的材质，根据这些信息，清洗设备能够自动判断出合适的清洗程序，从而按照合适的清洗程序，自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

另外，本实用新型提供的上述技术方案中的清洗设备还可以具有如下附加技术特征：

在上述技术方案中，清洗设备还包括：控制器，与图像采集组件相连接，用于根据原始图像数据和光谱图像数据，确定清洗腔内的待清洗物的材质信息。

在该技术方案中，清洗设备还包括控制器，控制器与图像采集组件相连接，该控制器能够根据图像采集组件采集到的原始图像数据，和采集到的光谱图像数据，对清洗腔内防止的待清洗物的材质信息进行确定，从而自动为清洗设备选择与待清洗物对应的清洗程序，提高用户的使用体验。

具体地，在滤光件不工作时，图像采集组件能够采集到待清洗物的原始图像数据，当滤光件开始滤光，滤光件能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，此时图像采集组件能够采集到不同光谱波段对应的光谱图像数据。

其中，不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，控制器在接收到原始图像数据和光谱图像数据之后，结合待清洗物的原始图像数据和待清洗物的光谱图像数据，通过调用对应的图像识别功能和神经网络算法，能够准确地识别出待清洗物的材质信息，根据材质信息，处理器能够自动选择与其相对应的清洗程序，从而自动控制清洗设备按照选择好的清洗程序进行工作，该过程无需用户手动选择，也无需用户输入待清洗物的信息，简化了清洗设备的使用步骤，提高了清洗设备的使用体验。

在上述任一技术方案中，清洗设备，还包括：清洗组件，设于清洗腔内，与控制器相连接；控制器还用于根据原始图像数据，确定待清洗物的位置信息和种类信息；以及根据位置信息、种类信息和材质信息，控制清洗组件工作。

在该技术方案中，清洗设备中设置有清洗组件，清洗组件位于清洗腔内，能够通过喷射液体和/或气体，来对待清洗物进行冲刷、清洗。在一些实施方式中，清洗设备中还设置有一种或多种清洗剂，清洗组件能够在液体中溶解清洗剂，从而提高清洗效果。

在获取到待清洗物的原始图像数据后，处理器能够通过图像识别算法，对原始图像数据进行图像识别，从而在原始图像数据中，识别待清洗物的形状、位置、大小、数量等信息，并对这些信息进行进一步地处理，从而确定出待清洗物的位置信息和种类信息。

其中，待清洗物的位置信息，具体包括待清洗物在清洗腔内的位置，举例来说，清洗腔内可以设置多个置物篮，置物篮具体用具防止待清洗物，通过识别出待清洗物具体防止在哪个置物栏中，可以控制清洗组件对该位置进行针对性的清洗，一方面能够提高清洗效率，另一方面能够减少清洗组件对没有防止被清洗物的地方进行清洗工作，能够节约耗水量。

待清洗物的种类信息，具体包括如餐具，比如锅、碗、盘子等，还可以包括蔬果种类，如葡萄、韭菜等。具体可通过待清洗物的外形、颜色、尺寸等来判断。举例来说，当识别到待清洗物是盘子，由于盘子表面光滑，因此可通过喷射含有气泡的水流，来冲洗盘子表面，从而得到较好的清洗效果。如果识别到待清洗物是葡萄，由于葡萄表皮相对较为脆弱，此时可以喷射较为轻柔的泡沫来清洗葡萄，从而保证葡萄外皮不会损坏。

待清洗物的材质信息，具体包括如金属、陶瓷、塑料等。对于金属材质的待清洗物，由于其结构强度很大，但容易氧化，因此可以采用较大的水流强度来对其进行冲洗，同时选用氧化性较弱的清洗剂。而对于陶瓷类的待清洗物，由于其硬度大的同时，还不容易氧化，因此可以采用高水流强度进行冲洗，同时选用效果较强的清洗剂，从而快速完成清洗，减少运行时长。

本申请通过识别待清洗物的位置信息、种类信息和材质信息，并控制清洗设备的清洗组件按照合适的清洗程序，对待清洗物进行有针对性的清洗，一方面能够提高清洗效率，保证清洗效果，另一方面还能对待清洗物进行有效保护，防止损伤被清洗物，提高了清洗设备的使用体验。

在上述任一技术方案中，清洗设备还包括：门体，可开合的设置于本体，用于开启或关闭清洗腔。

在该技术方案中，清洗设备包括门体，门体设置在清洗腔的腔口处，当门体开启时，清洗腔与外界连通，此时用户可以向清洗腔内放置待清洗的物体，如盘子、碗等，或将清洗后的物体取出。

能够理解的是，门体上可以设置透明的窗体，以使用户透过窗体观察清洗过程。门体也可以是隔光设置，从而减少环境光对图像采集组件的影响，本申请对此不做限定。

在上述任一技术方案中，清洗设备还包括：触发器，设于本体上，与控制器相连接，基于门体的开合状态，触发器改变触发状态，以生成对应的触发信号。

在该技术方案中清洗设备还包括触发器，触发器设置在本体上，具***于清洗腔的腔口与门体之间，当门体开启时，触发器处于不被触发的状态，而当本体关闭后，门体与触发器相接触，此时触发器处于触发状态。

具体地，触发器会根据自身的触发状态，生成对应的触发信号，比如当触发器处于未触发的状态时，其向处理器发出低电平信号，而当触发器处于触发状态时，则向处理器发出高电平信号，处理器可以根据该触发信号，判断门体的开合状态。

其中，当处理器获取到触发状态由非触发状态切换为触发状态，也即是说门体由开启状态切换为关闭状态时，控制器控制图像采集组件和发光件开始工作，并采集清洗腔内的图像数据，从而根据图像数据判断用户是否放入了待清洗物，如果用户放入了待清洗物，则判断待清洗物的位置信息、种类信息和材质信息，并自动确定与待清洗物对应的清洗程序，如果用户确定开始清洗，则控制清洗组件按照对应的清洗程序工作，自动完成清洗工作，简化了清洗设备的控制流程，提高了使用体验。

在上述任一技术方案中，触发器包括：微动开关，微动开关包括触发部，触发部朝向门体设置。

在该技术方案中，触发器包括微动开关，微动开关包括触发部，其中，触发部可以是按键，也可以是卡簧或弹片，本申请实施例对此不做限制。具体地，触发部的设置方向朝向门体，当门体关闭时，门体与触发部相接触，从而按压按键、卡簧或弹片，此时触发器生成触发信号并发送至控制器，控制器确定门体关闭。

对应的，当门体开启时，触发部不再被触发，此时触发器也不再生成触发信号，此时控制器确定门体开启。

在上述任一技术方案中，清洗设备还包括：触发件，设于门体上，触发件朝向触发部设置。

在该技术方案中，在门体上还设置有触发件，具体地，触发件可以包括凸起、插销或柔性件，当门体关闭时，触发件与微动开关的触发部相接触，从而使触发部被触发，微动开关生成触发信号，从而提高门体开合检测的准确性和可靠性。

在上述任一技术方案中，触发器包括：磁传感器，设于本体上。

在该技术方案中，触发器包括磁传感器，具体地，磁传感器包括如霍尔电流传感器、磁敏电阻传感器和强磁性合金薄膜传感器等。磁传感器设置在本体上，当门体关闭时，磁传感器能够检测到金属门体的磁信号，此时磁传感器向控制器发出关门信号，控制器确定门体关闭。

对应的，当门体开启时，磁传感器无法检测到金属门体的磁信号，此时控制器确定门体开启。

在上述任一技术方案中，清洗设备还包括：磁性件，设于门体上，门体处于关闭状态，磁性件与磁传感器位置相对。

在该技术方案中，对于门体为非金属材质的情况，如门体的材质为工程塑料、陶瓷或玻璃时，门体自身无法触发磁传感器读数，此时，在对应位置设置磁性件，当门体关闭时，磁性件与磁传感器位置相对，因此磁传感器能够检测到磁性件的磁信号，此时磁传感器向控制器发出关门信号，控制器确定门体关闭。

对应的，当门体开启时，磁性件远离磁传感器，此时控制器确定门体开启。

在上述任一技术方案中，清洗设备还包括：供水件，设于本体，与清洗组件相连接。

在该技术方案中，清洗设备的本体中设有供水件，具体地，在一些实施方式中，供水件可以包括水泵和管路，通过水泵提高水压后，将高压水流供给至清洗组件，以使清洗组件完成清洗工作。在另一些实施方式中，供水件可以仅包括节流管路，通过外部供水，如自来水管路提供基础水压，通过节流管路提高流速。

在上述任一技术方案中，清洗组件包括：喷淋件，设于清洗腔内，与供水件相连接。

在该技术方案中，清洗组件包括喷淋件，喷淋件上设置有一个或多个喷头，喷头能够将水或其他清洁用的液体喷射向清洗腔内的待清洗物体，如餐具等，从而实现清洗。

在一些实施方式中，喷淋件可旋转设置，从而能够使射出的水流覆盖清洗腔内的更大空间。

在另一些实施方式中，喷淋件为圆柱形喷淋件，沿喷淋件的周向设置有多个喷头，从而向喷淋件的四周发射水流。

在上述任一技术方案中，清洗设备还包括：控制面板，设于本体或门体上，与控制器相连接。

在该技术方案中，清洗设备包括控制面板，控制面板能够接收用户的输入指令，从而实现根据用户的操作进行工作。其中，控制面板可以是机械式控制面板，其上设置有至少一个按键，通过按键接收用户操作。控制面板还可以是触控面板，通过触控面板接收用户的触摸操作。

在上述任一技术方案中，发光件包括发光二极管。

在该技术方案中，发光件包括发光二极管，发光二极管能够在外部驱动信号的激励下，产生可见光，从而作为可靠性高的光源使用。其中，发光二极管的驱动信号可以PWM(Pulse-Width Modulation，脉冲宽度调制)信号。

在上述任一技术方案中，图像采集组件包括摄像头。

在该技术方案中，图像采集组件包括摄像头，具体地，摄像头包括图像传感器和镜头模组，其中，镜头模组覆盖图像传感器，从而将外部光线折射到图像传感器上。图像传感器上设置有N个像素单元，像素单元在接收到光线后，根据光线的颜色、强度产生对应的电信号，并在控制器中形成为一个像素点，N个像素单元采集到N个像素点，这些像素点排列后形成为原始图像数据。

在上述任一技术方案中，滤光件包括：N个滤光片，其中，N个滤光片与N种光谱波段一一对应，N为正整数。

在该技术方案中，滤光件包括N个滤光片，其中，每一个滤光片均对应于一种光谱波段，因此，在滤光件工作时，通过切换N个滤光片分别对发光件产生的自然光进行滤光，即可使图像采集组件采集到不同光谱波段的图像数据，也即不同的光谱图像数据，从而对待清洗物的材质进行准确识别，针对待清洗物的材质确定对应的清洗程序，控制清洗组件按照对应的清洗程序自动完成清洗工作，简化了清洗设备的控制流程。

附图说明

本实用新型的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了根据本实用新型实施例的清洗设备的结构示意图之一；

图2示出了根据本实用新型实施例的清洗设备的结构示意图之二；

图3示出了根据本实用新型实施例的滤光件的结构示意图；

图4示出了根据本实用新型实施例中数据拼接的示意图之一；

图5示出了根据本实用新型实施例中数据拼接的示意图之二；

图6示出了根据本实用新型实施例的神经网络模型的结构示意图；

图7示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之一；

图8示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之二；

图9示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之三；

图10示出了根据本实用新型实施例中共享权重的头部网络的示意图之一；

图11示出了根据本实用新型实施例中共享权重的头部网络的示意图之二；

图12示出了根据本实用新型实施例的清洗设备的控制装置的结构框图。

附图标记：

100清洗设备，102本体，104清洗腔，106发光件，108图像采集组件，110滤光件，1102滤光片，112控制器，114清洗组件，116门体，118触发器，120供水件，122控制面板。

具体实施方式

为了能够更清楚地理解本实用新型的上述目的、特征和优点，下面结合附图和具体实施方式对本实用新型进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本实用新型，但是，本实用新型还可以采用其他不同于在此描述的其他方式来实施，因此，本实用新型的保护范围并不受下面公开的具体实施例的限制。

下面参照图1至图12描述根据本实用新型一些实施例所述清洗设备。

实施例一

在本实用新型的一些实施例中，提供了一种清洗设备，图1示出了根据本实用新型实施例的清洗设备的结构示意图之一，图2示出了根据本实用新型实施例的清洗设备的结构示意图之二，如图1和图2所示，清洗设备100包括：本体102，包括清洗腔104；发光件106，设于清洗腔104内，用于产生可见光；图像采集组件108，设于清洗腔104内，用于采集清洗腔104内的原始图像数据；滤光件110，设于发光件106和图像采集组件108之间，用于对可见光的光谱进行过滤，以使图像采集组件108获取到不同光谱波段的光谱图像数据。

在本实用新型实施例中，清洗设备100包括如洗碗机、洗菜机等，其结构包括本体102，本体102内设置有清洗腔104，需要清洗的待清洗物可以放置在清洗腔104内，并通过设置在清洗腔104内的清洗结构，来对待清洗物进行喷淋、冲刷、清洗等步骤。

其中，清洗腔104内还设置有发光件106、图像采集组件108和滤光件110，其中，发光件106能够发出可见光，通过可见光照射清洗腔104内的待清洗物体，这些可见光被反射后，图像采集组件108即可采集到待清洗物体的图像数据。举例来说，发光件106可以是发光二极管。

在图像采集组件108和发光件106之间，还设置有滤光件110，其中，滤光件110可以设置在发光件106的发光方向上，也可以设置在图像采集组件108的采集方向上，本申请对此不做限定。

具体地，滤光件110能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，而不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，通过控制滤光件110按照不同的方式对发光件106发射可见光进行滤光，从而使图像采集组件108不仅能够采集到待清洗物的原始图像数据，也即没有经过滤光的图像数据，还能采集到在不同光谱波段下，待清洗物的光谱图像数据。

结合这些数据，通过图像识别功能和神经网络算法，能够准确地识别出待清洗物在清洗腔104内的位置信息、待清洗物的类型和待清洗物的材质，根据这些信息，清洗设备100能够自动判断出合适的清洗程序，从而按照合适的清洗程序，自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100还包括：控制器112，与图像采集组件108相连接，用于根据原始图像数据和光谱图像数据，确定清洗腔104内的待清洗物的材质信息。

在本实用新型实施例中，清洗设备100还包括控制器112，控制器112与图像采集组件108相连接，该控制器112能够根据图像采集组件108采集到的原始图像数据，和采集到的光谱图像数据，对清洗腔104内防止的待清洗物的材质信息进行确定，从而自动为清洗设备100选择与待清洗物对应的清洗程序，提高用户的使用体验。

具体地，在滤光件110不工作时，图像采集组件108能够采集到待清洗物的原始图像数据，当滤光件110开始滤光，滤光件110能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，此时图像采集组件108能够采集到不同光谱波段对应的光谱图像数据。

其中，不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，控制器112在接收到原始图像数据和光谱图像数据之后，结合待清洗物的原始图像数据和待清洗物的光谱图像数据，通过调用对应的图像识别功能和神经网络算法，能够准确地识别出待清洗物的材质信息，根据材质信息，处理器能够自动选择与其相对应的清洗程序，从而自动控制清洗设备100按照选择好的清洗程序进行工作，该过程无需用户手动选择，也无需用户输入待清洗物的信息，简化了清洗设备100的使用步骤，提高了清洗设备100的使用体验。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100，还包括：清洗组件114，设于清洗腔104内，与控制器112相连接；控制器112还用于根据原始图像数据，确定待清洗物的位置信息和种类信息；以及根据位置信息、种类信息和材质信息，控制清洗组件114工作。

在本实用新型实施例中，清洗设备100中设置有清洗组件114，清洗组件114位于清洗腔104内，能够通过喷射液体和/或气体，来对待清洗物进行冲刷、清洗。在一些实施方式中，清洗设备100中还设置有一种或多种清洗剂，清洗组件114能够在液体中溶解清洗剂，从而提高清洗效果。

在获取到待清洗物的原始图像数据后，处理器能够通过图像识别算法，对原始图像数据进行图像识别，从而在原始图像数据中，识别待清洗物的形状、位置、大小、数量等信息，并对这些信息进行进一步地处理，从而确定出待清洗物的位置信息和种类信息。

其中，待清洗物的位置信息，具体包括待清洗物在清洗腔104内的位置，举例来说，清洗腔104内可以设置多个置物篮，置物篮具体用具防止待清洗物，通过识别出待清洗物具体防止在哪个置物栏中，可以控制清洗组件114对该位置进行针对性的清洗，一方面能够提高清洗效率，另一方面能够减少清洗组件114对没有防止被清洗物的地方进行清洗工作，能够节约耗水量。

待清洗物的种类信息，具体包括如餐具，比如锅、碗、盘子等，还可以包括蔬果种类，如葡萄、韭菜等。具体可通过待清洗物的外形、颜色、尺寸等来判断。举例来说，当识别到待清洗物是盘子，由于盘子表面光滑，因此可通过喷射含有气泡的水流，来冲洗盘子表面，从而得到较好的清洗效果。如果识别到待清洗物是葡萄，由于葡萄表皮相对较为脆弱，此时可以喷射较为轻柔的泡沫来清洗葡萄，从而保证葡萄外皮不会损坏。

待清洗物的材质信息，具体包括如金属、陶瓷、塑料等。对于金属材质的待清洗物，由于其结构强度很大，但容易氧化，因此可以采用较大的水流强度来对其进行冲洗，同时选用氧化性较弱的清洗剂。而对于陶瓷类的待清洗物，由于其硬度大的同时，还不容易氧化，因此可以采用高水流强度进行冲洗，同时选用效果较强的清洗剂，从而快速完成清洗，减少运行时长。

本申请通过识别待清洗物的位置信息、种类信息和材质信息，并控制清洗设备100的清洗组件114按照合适的清洗程序，对待清洗物进行有针对性的清洗，一方面能够提高清洗效率，保证清洗效果，另一方面还能对待清洗物进行有效保护，防止损伤被清洗物，提高了清洗设备100的使用体验。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100还包括：门体116，可开合的设置于本体102，用于开启或关闭清洗腔。

在本实用新型实施例中，清洗设备100包括门体116，门体116设置在清洗腔104的腔口处，当门体116开启时，清洗腔104与外界连通，此时用户可以向清洗腔104内放置待清洗的物体，如盘子、碗等，或将清洗后的物体取出。

能够理解的是，门体116上可以设置透明的窗体，以使用户透过窗体观察清洗过程。门体116也可以是隔光设置，从而减少环境光对图像采集组件108的影响，本申请对此不做限定。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100还包括：触发器118，设于本体102上，与控制器112相连接，基于门体116的开合状态，触发器118改变触发状态，以生成对应的触发信号。

清洗设备100还包括触发器118，触发器118设置在本体102上，具***于清洗腔104的腔口与门体116之间，当门体116开启时，触发器118处于不被触发的状态，而当本体102关闭后，门体116与触发器118相接触，此时触发器118处于触发状态。

具体地，触发器118会根据自身的触发状态，生成对应的触发信号，比如当触发器118处于未触发的状态时，其向处理器发出低电平信号，而当触发器118处于触发状态时，则向处理器发出高电平信号，处理器可以根据该触发信号，判断门体116的开合状态。

其中，当处理器获取到触发状态由非触发状态切换为触发状态，也即是说门体116由开启状态切换为关闭状态时，控制器112控制图像采集组件108和发光件106开始工作，并采集清洗腔104内的图像数据，从而根据图像数据判断用户是否放入了待清洗物，如果用户放入了待清洗物，则判断待清洗物的位置信息、种类信息和材质信息，并自动确定与待清洗物对应的清洗程序，如果用户确定开始清洗，则控制清洗组件114按照对应的清洗程序工作，自动完成清洗工作，简化了清洗设备100的控制流程，提高了使用体验。

在本实用新型的一些实施例中，触发器118包括：微动开关，微动开关包括触发部，触发部朝向门体116设置。

在本实用新型实施例中，触发器118包括微动开关，微动开关包括触发部，其中，触发部可以是按键，也可以是卡簧或弹片，本申请实施例对此不做限制。具体地，触发部的设置方向朝向门体116，当门体116关闭时，门体116与触发部相接触，从而按压按键、卡簧或弹片，此时触发器118生成触发信号并发送至控制器112，控制器112确定门体116关闭。

对应的，当门体116开启时，触发部不再被触发，此时触发器118也不再生成触发信号，此时控制器112确定门体116开启。

在本实用新型的一些实施例中，清洗设备100还包括：触发件，设于门体116上，触发件朝向触发部设置。

在本实用新型实施例中，在门体116上还设置有触发件，具体地，触发件可以包括凸起、插销或柔性件，当门体116关闭时，触发件与微动开关的触发部相接触，从而使触发部被触发，微动开关生成触发信号，从而提高门体116开合检测的准确性和可靠性。

在本实用新型的一些实施例中，触发器118包括：磁传感器，设于本体102上。

在本实用新型实施例中，触发器118包括磁传感器，具体地，磁传感器包括如霍尔电流传感器、磁敏电阻传感器和强磁性合金薄膜传感器等。磁传感器设置在本体102上，当门体116关闭时，磁传感器能够检测到金属门体116的磁信号，此时磁传感器向控制器112发出关门信号，控制器112确定门体116关闭。

对应的，当门体116开启时，磁传感器无法检测到金属门体116的磁信号，此时控制器112确定门体116开启。

在本实用新型的一些实施例中，清洗设备100还包括：磁性件，设于门体116上，门体116处于关闭状态，磁性件与磁传感器位置相对。

在本实用新型实施例中，对于门体116为非金属材质的情况，如门体116的材质为工程塑料、陶瓷或玻璃时，门体116自身无法触发磁传感器读数，此时，在对应位置设置磁性件，当门体116关闭时，磁性件与磁传感器位置相对，因此磁传感器能够检测到磁性件的磁信号，此时磁传感器向控制器112发出关门信号，控制器112确定门体116关闭。

对应的，当门体116开启时，磁性件远离磁传感器，此时控制器112确定门体116开启。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100还包括：供水件120，设于本体102，与清洗组件114相连接。

在本实用新型实施例中，清洗设备100的本体102中设有供水件120，具体地，在一些实施方式中，供水件120可以包括水泵和管路，通过水泵提高水压后，将高压水流供给至清洗组件114，以使清洗组件114完成清洗工作。在另一些实施方式中，供水件120可以仅包括节流管路，通过外部供水，如自来水管路提供基础水压，通过节流管路提高流速。

在本实用新型的一些实施例中，清洗组件114包括：喷淋件，设于清洗腔104内，与供水件120相连接。

在本实用新型实施例中，清洗组件114包括喷淋件，喷淋件上设置有一个或多个喷头，喷头能够将水或其他清洁用的液体喷射向清洗腔104内的待清洗物体，如餐具等，从而实现清洗。

在一些实施方式中，喷淋件可旋转设置，从而能够使射出的水流覆盖清洗腔104内的更大空间。

在另一些实施方式中，喷淋件为圆柱形喷淋件，沿喷淋件的周向设置有多个喷头，从而向喷淋件的四周发射水流。

在本实用新型的一些实施例中，如图1和图2所示，清洗设备100还包括：控制面板122，设于本体102或门体116上，与控制器112相连接。

在本实用新型实施例中，清洗设备100包括控制面板122，控制面板122能够接收用户的输入指令，从而实现根据用户的操作进行工作。其中，控制面板122可以是机械式控制面板122，其上设置有至少一个按键，通过按键接收用户操作。控制面板122还可以是触控面板，通过触控面板接收用户的触摸操作。

在本实用新型的一些实施例中，发光件106包括发光二极管。

在本实用新型实施例中，发光件106包括发光二极管，发光二极管能够在外部驱动信号的激励下，产生可见光，从而作为可靠性高的光源使用。其中，发光二极管的驱动信号可以PWM(Pulse-Width Modulation，脉冲宽度调制)信号。

在本实用新型的一些实施例中，图像采集组件108包括摄像头。

在本实用新型实施例中，图像采集组件108包括摄像头，具体地，摄像头包括图像传感器和镜头模组，其中，镜头模组覆盖图像传感器，从而将外部光线折射到图像传感器上。图像传感器上设置有N个像素单元，像素单元在接收到光线后，根据光线的颜色、强度产生对应的电信号，并在控制器112中形成为一个像素点，N个像素单元采集到N个像素点，这些像素点排列后形成为原始图像数据。

在本实用新型的一些实施例中，图3示出了根据本实用新型实施例的滤光件的结构示意图，如图3所示，滤光件110包括：N个滤光片1102，其中，N个滤光片1102与N种光谱波段一一对应，N为正整数。

在本实用新型实施例中，滤光件110包括N个滤光片1102，其中，每一个滤光片1102均对应于一种光谱波段，因此，在滤光件110工作时，通过切换N个滤光片1102分别对发光件106产生的自然光进行滤光，即可使图像采集组件108采集到不同光谱波段的图像数据，也即不同的光谱图像数据，从而对待清洗物的材质进行准确识别，针对待清洗物的材质确定对应的清洗程序，控制清洗组件114按照对应的清洗程序自动完成清洗工作，简化了清洗设备100的控制流程。

实施例二

在本实用新型的一些实施例中，提供了一种清洗设备的控制方法，方法包括：

响应于触发信号，采集待清洗物的图像数据，其中，图像数据包括原始图像数据和光谱图像数据；

根据原始图像数据和光谱图像数据确定待清洗物的材质信息；

根据材质信息控制清洗设备的清洗组件清洗待清洗物。

在本实用新型实施例中，触发信号可以是用户按下清洗按钮时产生的触发信号，也可以是清洗设备的门体关闭后，触发器被门体触发时生成的触发信号。在接收到触发信号后，清洗设备的图像采集组件开始拍摄清洗腔内的图像，从而采集待清洗物的图像数据。

具体地，图像数据包括原始图像数据，也即没有经过滤光的图像数据，还包括光谱图像数据，也即经过滤光件滤光后，仅保留特定光谱频段的图像数据。

在获取到图像数据后，通过图像识别功能和神经网络算法，对待清洗物的材质进行准确识别。其中，不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，控制器在接收到原始图像数据和光谱图像数据之后，结合待清洗物的原始图像数据和待清洗物的光谱图像数据，通过调用对应的图像识别功能和神经网络算法，能够准确地识别出待清洗物的材质信息，根据材质信息，处理器能够自动选择与其相对应的清洗程序，从而自动控制清洗设备按照选择好的清洗程序进行工作，该过程无需用户手动选择，也无需用户输入待清洗物的信息，简化了清洗设备的使用步骤，提高了清洗设备的使用体验。

在本实用新型的一些实施例中，清洗设备包括发光件和滤光件，滤光件包括N种光谱波段的滤光片，采集待清洗物的图像数据，包括：控制发光件工作，向待清洗物发射可见光；控制滤光件不工作，以拍摄原始图像数据；控制滤光件工作，以拍摄N个滤光图像数据，其中，N个滤光图像数据与N种光谱波段的滤光片一一对应，N为正整数。

在本实用新型实施例中，清洗设备包括发光件，还包括滤光件，其中，发光件能够发出可见光，通过可见光照射清洗腔内的待清洗物体，这些可见光被反射后，图像采集组件即可采集到待清洗物体的图像数据。举例来说，发光件可以是发光二极管。

滤光件可以设置在发光件的发光方向上，也可以设置在图像采集组件的采集方向上，滤光件能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，而不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，通过控制滤光件按照不同的方式对发光件发射可见光进行滤光。

其中，滤光件包括N个滤光片，其中，每一个滤光片均对应于一种光谱波段，因此，在滤光件工作时，通过切换N个滤光片分别对发光件产生的自然光进行滤光，即可使图像采集组件采集到不同光谱波段的图像数据，也即不同的光谱图像数据。

在采集待清洗物的图像数据时，首先，控制发光件开始工作，此时，发光件持续产生可见光，此时，滤光件处于不工作的状态，因此不会对发光件发出的可见光进行滤光，此时图像采集装置能够采集到待清洗物的原始图像数据。

然后，控制滤光件开始工作，分别通过N个滤光片，对发光件发出的可见光，或待清洗物反射的可见光进行滤光，从而使图像采集装置采集到N个光谱图像数据，N个光谱同相数据对应的光谱频率，与N个滤光片一一对应。

通过拍摄原始图像数据和光谱图像数据，从而对待清洗物的材质进行准确识别，针对待清洗物的材质确定对应的清洗程序，控制清洗组件按照对应的清洗程序自动完成清洗工作，简化了清洗设备的控制流程。

在本实用新型的一些实施例中，根据材质信息控制清洗设备的清洗组件清洗待清洗物，包括：根据图像数据，确定待清洗物的位置信息和种类信息；根据位置信息、种类信息和材质信息，确定对应的水流强度和清洗剂类型；根据水流强度和清洗剂类型，清洗待清洗物。

在本实用新型实施例中，清洗设备中设置有清洗组件，清洗组件位于清洗腔内，能够通过喷射液体和/或气体，来对待清洗物进行冲刷、清洗。在一些实施方式中，清洗设备中还设置有一种或多种清洗剂，清洗组件能够在液体中溶解清洗剂，从而提高清洗效果。

在获取到待清洗物的原始图像数据后，处理器能够通过图像识别算法，对原始图像数据进行图像识别，从而在原始图像数据中，识别待清洗物的形状、位置、大小、数量等信息，并对这些信息进行进一步地处理，从而确定出待清洗物的位置信息和种类信息。

其中，待清洗物的位置信息，具体包括待清洗物在清洗腔内的位置，举例来说，清洗腔内可以设置多个置物篮，置物篮具体用具防止待清洗物，通过识别出待清洗物具体防止在哪个置物栏中，可以控制清洗组件对该位置进行针对性的清洗，一方面能够提高清洗效率，另一方面能够减少清洗组件对没有防止被清洗物的地方进行清洗工作，能够节约耗水量。

待清洗物的种类信息，具体包括如餐具，比如锅、碗、盘子等，还可以包括蔬果种类，如葡萄、韭菜等。具体可通过待清洗物的外形、颜色、尺寸等来判断。举例来说，当识别到待清洗物是盘子，由于盘子表面光滑，因此可通过喷射含有气泡的水流，来冲洗盘子表面，从而得到较好的清洗效果。如果识别到待清洗物是葡萄，由于葡萄表皮相对较为脆弱，此时可以喷射较为轻柔的泡沫来清洗葡萄，从而保证葡萄外皮不会损坏。

待清洗物的材质信息，具体包括如金属、陶瓷、塑料等。对于金属材质的待清洗物，由于其结构强度很大，但容易氧化，因此可以采用较大的水流强度来对其进行冲洗，同时选用氧化性较弱的清洗剂。而对于陶瓷类的待清洗物，由于其硬度大的同时，还不容易氧化，因此可以采用高水流强度进行冲洗，同时选用效果较强的清洗剂，从而快速完成清洗，减少运行时长。

本申请通过识别待清洗物的位置信息、种类信息和材质信息，并控制清洗设备的清洗组件按照合适的清洗程序，对待清洗物进行有针对性的清洗，一方面能够提高清洗效率，保证清洗效果，另一方面还能对待清洗物进行有效保护，防止损伤被清洗物，提高了清洗设备的使用体验。

在本实用新型的一些实施例中，根据原始图像数据和光谱图像数据确定待清洗物的材质信息，包括：对原始图像数据和光谱图像数据进行处理，得到输入数据；通过预设的神经网络模型和输入数据，确定材质信息。

在本实用新型实施例中，在通过图像采集组件，采集到原始图像数据，和光谱图像数据之后，对原始图像数据和光谱图像数据进行对应的数据处理，从而得到适于输入至神经网络模型的输入数据。

然后，将处理后得到的输入数据，输入值预设的神经网络模型中，通过训练好的神经网络模型，对原始图像数据和光谱同相数据之中的特征信息进行特征提取，并基于特征信息，确定待清洗物的材质信息。根据材质信息，判断出合适的清洗程序，从而按照合适的清洗程序，控制清洗设备自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

在本实用新型的一些实施例中，对原始图像数据和光谱图像数据进行处理，得到输入数据，包括：拼接原始图像数据和N个滤光图像，得到输入数据。

在本实用新型实施例中，图像采集组件获取到的图像数据，具体包括至少一张原始图像数据，和至少N张光谱图像数据，其中，N张光谱图像数据对应于滤光件的N种光谱频段。

由于存在多张图片，因此这里需要对多张图片进行处理，从而形成为适于被神经网络模型处理的输入数据。具体地，可以对原始图像数据和不同的光谱同相数据直接进行通道(channel)维度上的拼接，举例来说，图4示出了根据本实用新型实施例中数据拼接的示意图之一，如图4所示，如果图像采集模块采集到的图像数据的大小为640×480×3，则采集到的M张图像拼接后会形成为640×480×3M的张量(tensor)，将这个张量作为神经网络模型的输入数据，然后通过神经网络模型对这个tensor进行一系列的卷积操作，从而得到待清洗物的材质信息。

在本实用新型的一些实施例中，对原始图像数据和光谱图像数据进行处理，得到输入数据，包括：对原始图像数据和N个滤光图形进行特征提取，得到特征图；拼接特征图，得到输入数据。

在本实用新型实施例中，图像采集组件获取到的图像数据，具体包括至少一张原始图像数据，和至少N张光谱图像数据，其中，N张光谱图像数据对应于滤光件的N种光谱频段。

由于存在多张图片，因此这里需要对多张图片进行处理，从而形成为适于被神经网络模型处理的输入数据。具体地，图5示出了根据本实用新型实施例中数据拼接的示意图之二，如图5所示，可以对原始图像数据和光谱同相数据分别经过卷积，从而不断提取其对应的特征信息，在将提取出的特征图进行通道(channel)维度上的拼接，得到神经网络模型的输入数据，通过神经网络模型对这个输入数据进行一系列的卷积操作，从而得到待清洗物的材质信息。

在本实用新型的一些实施例中，神经网络模型包括骨干网络、颈部网络和头部网络；通过预设的神经网络模型和输入数据，确定材质信息，包括：通过骨干网络和输入数据，确定对应的M个输入层，M为正整数；通过颈部网络和M个输入层，确定对应的特征数据，其中，特征数据包括M个输入层的特征信息；通过头部网络和特征数据，预测材质信息。

在本实用新型实施例中，图6示出了根据本实用新型实施例的神经网络模型的结构示意图，如图6所示，神经网络模型包括输入网络(Input)、骨干网络(Backbone)、颈部网络(Neck)和头部网络(Head)，其中，头部网络包括三种识别挽留过，其中，Class用于识别待清洗物的种类，Position用于识别待清洗物的位置，Material用于识别待清洗物的材质信息。

具体地，骨干网络能够将整合后的特征，也即上述输入数据，作为输入层进行接收，整个backbone网络作为基础的特征提取网络将充分学习输入数据。

其中，该骨干网络也可以是任何经典网络，比如VGG(Visual Geometry Group，一种由牛津大学开发的网络模型)，Resnet(Residual Network，残差网络)，Inception网络等等，也可以是轻量级的网络，比如mobilenet网络，shufflenet网络，ghostnet网络等。backbone网络模型架构具有很大的灵活性。

通过骨干网络，能够对输入数据进行提取，得到M个输入层。这些信息被输入至颈部网络。在颈部网络中，对骨干网络提取出来的多层信息进行进一步的处理，从而为检测网络提供丰富的特征信息。

在一些实施方式中，图7示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之一，如图7所示，颈部网络只对最后一个特征层C5进行化的特征丰富，得到对应的特征数据P5。

在另一些实施方式中，图8示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之二，如图8所示，颈部网络将底层的特征层经过1×1的卷积，变成通道数与上一层相同的通道数，然后再经过下采样或步长为2的卷积操作，变成和上一层相同大小的特征层，再与上一层经过1×1的卷积(通道数和特征大小都不变)进行相加，这样依次向上传递，最终与最后的特征层相加，在经过3×3大小的卷积(通道数和特征大小都不变)，将该输出作为最后的特征数据P5，将包含所有特征层的信息。

在另一些实施方式中，图9示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之三，如图9所示，颈部网络将最后的特征层也就是最顶层的特征经过1×1的卷积，变成通道数与下一层相同的通道数，然后再经过反卷积操作，变成和下一层相同大小的特征层，再与下一层经过1×1的卷积(通道数和特征大小都不变)进行相加，这样依次向下传递，最终与最底的特征层相加，在经过3×3大小的卷积(通道数和特征大小都不变)，将该输出作为新的最底层的输出层特征。然后在经过方案A所描述的方法不断再将特征图变小通道变大，不断向上相加，最后的特征数据P5，将包含上下两次特征层的融合信息。

头部网络将颈部网络输出的特征数据作为输入，然后经过卷积操作输出需要检测的待清洗物的种类信息、位置信息和材质信息。

在一些实施方式中，头部网络为共享权重设计，图10示出了根据本实用新型实施例中共享权重的头部网络的示意图之一，如图10所示，其中，共享权重就是指模型的输出都是由一个卷积网络来得到，那么对于输出来说，根据是否依赖于锚框，分为两种设计，它们的区别在于基于锚框设计的head，需要预先设定好锚框的数量，然后最后输出维度是该数量和对应任务的检测数量的乘积；而非锚框设计的head，是属于每个特征图上的点来直接预测。

在另一些实施方式中，头部网络为不共享权重设计，图11示出了根据本实用新型实施例中共享权重的头部网络的示意图之二，如图11所示，其中，不共享权重就是指模型的输出都是由不同的卷积网络来得到。同理对于输出，根据是否依赖于锚框，分为两种设计，它们的区别在于基于锚框设计的head，需要预先设定好锚框的数量，然后最后输出维度是该数量和对应任务的检测数量的乘积；而非锚框设计的head，是属于每个特征图上的点来直接预测。

通过神经网络模型，对待清洗物的种类信息、位置信息和材质信息进行准确识别，并根据这些信息自动判断出合适的清洗程序，从而按照合适的清洗程序，自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

实施例三

在本实用新型的一些实施例中，提供了一种清洗设备的控制装置，图12示出了根据本实用新型实施例的清洗设备的控制装置的结构框图，如图12所示，清洗设备的控制装置1200包括：

采集模块1202，用于响应于触发信号，采集待清洗物的图像数据，其中，图像数据包括原始图像数据和光谱图像数据；确定模块1204，用于根据原始图像数据和光谱图像数据确定待清洗物的材质信息；控制模块1206，用于根据材质信息控制清洗设备的清洗组件清洗待清洗物。

在本实用新型实施例中，触发信号可以是用户按下清洗按钮时产生的触发信号，也可以是清洗设备的门体关闭后，触发器被门体触发时生成的触发信号。在接收到触发信号后，清洗设备的图像采集组件开始拍摄清洗腔内的图像，从而采集待清洗物的图像数据。

具体地，图像数据包括原始图像数据，也即没有经过滤光的图像数据，还包括光谱图像数据，也即经过滤光件滤光后，仅保留特定光谱频段的图像数据。

在获取到图像数据后，通过图像识别功能和神经网络算法，对待清洗物的材质进行准确识别。其中，不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，控制器在接收到原始图像数据和光谱图像数据之后，结合待清洗物的原始图像数据和待清洗物的光谱图像数据，通过调用对应的图像识别功能和神经网络算法，能够准确地识别出待清洗物的材质信息，根据材质信息，处理器能够自动选择与其相对应的清洗程序，从而自动控制清洗设备按照选择好的清洗程序进行工作，该过程无需用户手动选择，也无需用户输入待清洗物的信息，简化了清洗设备的使用步骤，提高了清洗设备的使用体验。

在本实用新型的一些实施例中，清洗设备包括发光件和滤光件，滤光件包括N种光谱波段的滤光片，控制模块还用于控制发光件工作，向待清洗物发射可见光；采集模块还用于控制滤光件不工作，以拍摄原始图像数据；控制滤光件工作，以拍摄N个滤光图像数据，其中，N个滤光图像数据与N种光谱波段的滤光片一一对应，N为正整数。

在本实用新型实施例中，清洗设备包括发光件，还包括滤光件，其中，发光件能够发出可见光，通过可见光照射清洗腔内的待清洗物体，这些可见光被反射后，图像采集组件即可采集到待清洗物体的图像数据。举例来说，发光件可以是发光二极管。

滤光件可以设置在发光件的发光方向上，也可以设置在图像采集组件的采集方向上，滤光件能够对可见光中不同光谱波段的光线进行滤除，仅允许特定光谱波段的可见光通过，而不同材质的待清洗物对不同光谱波段的可见光的反射情况是不同的，因此，通过控制滤光件按照不同的方式对发光件发射可见光进行滤光。

其中，滤光件包括N个滤光片，其中，每一个滤光片均对应于一种光谱波段，因此，在滤光件工作时，通过切换N个滤光片分别对发光件产生的自然光进行滤光，即可使图像采集组件采集到不同光谱波段的图像数据，也即不同的光谱图像数据。

在采集待清洗物的图像数据时，首先，控制发光件开始工作，此时，发光件持续产生可见光，此时，滤光件处于不工作的状态，因此不会对发光件发出的可见光进行滤光，此时图像采集装置能够采集到待清洗物的原始图像数据。

然后，控制滤光件开始工作，分别通过N个滤光片，对发光件发出的可见光，或待清洗物反射的可见光进行滤光，从而使图像采集装置采集到N个光谱图像数据，N个光谱同相数据对应的光谱频率，与N个滤光片一一对应。

通过拍摄原始图像数据和光谱图像数据，从而对待清洗物的材质进行准确识别，针对待清洗物的材质确定对应的清洗程序，控制清洗组件按照对应的清洗程序自动完成清洗工作，简化了清洗设备的控制流程。

在本实用新型的一些实施例中，确定模块还用于根据图像数据，确定待清洗物的位置信息和种类信息；根据位置信息、种类信息和材质信息，确定对应的水流强度和清洗剂类型；控制模块还用于根据水流强度和清洗剂类型，清洗待清洗物。

在本实用新型实施例中，清洗设备中设置有清洗组件，清洗组件位于清洗腔内，能够通过喷射液体和/或气体，来对待清洗物进行冲刷、清洗。在一些实施方式中，清洗设备中还设置有一种或多种清洗剂，清洗组件能够在液体中溶解清洗剂，从而提高清洗效果。

在获取到待清洗物的原始图像数据后，处理器能够通过图像识别算法，对原始图像数据进行图像识别，从而在原始图像数据中，识别待清洗物的形状、位置、大小、数量等信息，并对这些信息进行进一步地处理，从而确定出待清洗物的位置信息和种类信息。

其中，待清洗物的位置信息，具体包括待清洗物在清洗腔内的位置，举例来说，清洗腔内可以设置多个置物篮，置物篮具体用具防止待清洗物，通过识别出待清洗物具体防止在哪个置物栏中，可以控制清洗组件对该位置进行针对性的清洗，一方面能够提高清洗效率，另一方面能够减少清洗组件对没有防止被清洗物的地方进行清洗工作，能够节约耗水量。

待清洗物的种类信息，具体包括如餐具，比如锅、碗、盘子等，还可以包括蔬果种类，如葡萄、韭菜等。具体可通过待清洗物的外形、颜色、尺寸等来判断。举例来说，当识别到待清洗物是盘子，由于盘子表面光滑，因此可通过喷射含有气泡的水流，来冲洗盘子表面，从而得到较好的清洗效果。如果识别到待清洗物是葡萄，由于葡萄表皮相对较为脆弱，此时可以喷射较为轻柔的泡沫来清洗葡萄，从而保证葡萄外皮不会损坏。

待清洗物的材质信息，具体包括如金属、陶瓷、塑料等。对于金属材质的待清洗物，由于其结构强度很大，但容易氧化，因此可以采用较大的水流强度来对其进行冲洗，同时选用氧化性较弱的清洗剂。而对于陶瓷类的待清洗物，由于其硬度大的同时，还不容易氧化，因此可以采用高水流强度进行冲洗，同时选用效果较强的清洗剂，从而快速完成清洗，减少运行时长。

本申请通过识别待清洗物的位置信息、种类信息和材质信息，并控制清洗设备的清洗组件按照合适的清洗程序，对待清洗物进行有针对性的清洗，一方面能够提高清洗效率，保证清洗效果，另一方面还能对待清洗物进行有效保护，防止损伤被清洗物，提高了清洗设备的使用体验。

在本实用新型的一些实施例中，确定模块还用于对原始图像数据和光谱图像数据进行处理，得到输入数据；通过预设的神经网络模型和输入数据，确定材质信息。

在本实用新型实施例中，在通过图像采集组件，采集到原始图像数据，和光谱图像数据之后，对原始图像数据和光谱图像数据进行对应的数据处理，从而得到适于输入至神经网络模型的输入数据。

然后，将处理后得到的输入数据，输入值预设的神经网络模型中，通过训练好的神经网络模型，对原始图像数据和光谱同相数据之中的特征信息进行特征提取，并基于特征信息，确定待清洗物的材质信息。根据材质信息，判断出合适的清洗程序，从而按照合适的清洗程序，控制清洗设备自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

在本实用新型的一些实施例中，确定模块还用于拼接原始图像数据和N个滤光图像，得到输入数据。

在本实用新型实施例中，图像采集组件获取到的图像数据，具体包括至少一张原始图像数据，和至少N张光谱图像数据，其中，N张光谱图像数据对应于滤光件的N种光谱频段。

由于存在多张图片，因此这里需要对多张图片进行处理，从而形成为适于被神经网络模型处理的输入数据。具体地，可以对原始图像数据和不同的光谱同相数据直接进行通道(channel)维度上的拼接，举例来说，图4示出了根据本实用新型实施例中数据拼接的示意图之一，如图4所示，如果图像采集模块采集到的图像数据的大小为640×480×3，则采集到的M张图像拼接后会形成为640×480×3M的张量(tensor)，将这个张量作为神经网络模型的输入数据，然后通过神经网络模型对这个tensor进行一系列的卷积操作，从而得到待清洗物的材质信息。

在本实用新型的一些实施例中，确定模块还用于对原始图像数据和N个滤光图形进行特征提取，得到特征图；拼接特征图，得到输入数据。

在本实用新型实施例中，图像采集组件获取到的图像数据，具体包括至少一张原始图像数据，和至少N张光谱图像数据，其中，N张光谱图像数据对应于滤光件的N种光谱频段。

由于存在多张图片，因此这里需要对多张图片进行处理，从而形成为适于被神经网络模型处理的输入数据。具体地，图5示出了根据本实用新型实施例中数据拼接的示意图之二，如图5所示，可以对原始图像数据和光谱同相数据分别经过卷积，从而不断提取其对应的特征信息，在将提取出的特征图进行通道(channel)维度上的拼接，得到神经网络模型的输入数据，通过神经网络模型对这个输入数据进行一系列的卷积操作，从而得到待清洗物的材质信息。

在本实用新型的一些实施例中，神经网络模型包括骨干网络、颈部网络和头部网络；确定模块还用于：

通过骨干网络和输入数据，确定对应的M个输入层，M为正整数；通过颈部网络和M个输入层，确定对应的特征数据，其中，特征数据包括M个输入层的特征信息；通过头部网络和特征数据，预测材质信息。

在本实用新型实施例中，图6示出了根据本实用新型实施例的神经网络模型的结构示意图，如图6所示，神经网络模型包括输入网络(Input)、骨干网络(Backbone)、颈部网络(Neck)和头部网络(Head)，其中，头部网络包括三种识别挽留过，其中，Class用于识别待清洗物的种类，Postion用于识别待清洗物的位置，Material用于识别待清洗物的材质信息。

具体地，骨干网络能够将整合后的特征，也即上述输入数据，作为输入层进行接收，整个backbone网络作为基础的特征提取网络将充分学习输入数据。

其中，该骨干网络也可以是任何经典网络，比如VGG(Visual Geometry Group，一种由牛津大学开发的网络模型)，Resnet(Residual Network，残差网络)，Inception网络等等，也可以是轻量级的网络，比如mobilenet网络，shufflenet网络，ghostnet网络等。backbone网络模型架构具有很大的灵活性。

通过骨干网络，能够对输入数据进行提取，得到M个输入层。这些信息被输入至颈部网络。在颈部网络中，对骨干网络提取出来的多层信息进行进一步的处理，从而为检测网络提供丰富的特征信息。

在一些实施方式中，图7示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之一，如图7所示，颈部网络只对最后一个特征层进行化的特征丰富，得到对应的特征数据。

在另一些实施方式中，图8示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之二，如图8所示，颈部网络将底层的特征层经过1×1的卷积，变成通道数与上一层相同的通道数，然后再经过下采样或步长为2的卷积操作，变成和上一层相同大小的特征层，再与上一层经过1×1的卷积(通道数和特征大小都不变)进行相加，这样依次向上传递，最终与最后的特征层相加，在经过3×3大小的卷积(通道数和特征大小都不变)，将该输出作为最后的特征数据，将包含所有特征层的信息。

在另一些实施方式中，图9示出了根据本实用新型实施例的颈部网络的特征数据处理示意图之三，如图9所示，颈部网络将最后的特征层也就是最顶层的特征经过1×1的卷积，变成通道数与下一层相同的通道数，然后再经过反卷积操作，变成和下一层相同大小的特征层，再与下一层经过1×1的卷积(通道数和特征大小都不变)进行相加，这样依次向下传递，最终与最底的特征层相加，在经过3×3大小的卷积(通道数和特征大小都不变)，将该输出作为新的最底层的输出层特征。然后在经过方案A所描述的方法不断再将特征图变小通道变大，不断向上相加，最后的特征数据，将包含上下两次特征层的融合信息。

头部网络将颈部网络输出的特征数据作为输入，然后经过卷积操作输出需要检测的待清洗物的种类信息、位置信息和材质信息。

在一些实施方式中，头部网络为共享权重设计，图10示出了根据本实用新型实施例中共享权重的头部网络的示意图之一，如图10所示，其中，共享权重就是指模型的输出都是由一个卷积网络来得到，那么对于输出来说，根据是否依赖于锚框，分为两种设计，它们的区别在于基于锚框设计的head，需要预先设定好锚框的数量，然后最后输出维度是该数量和对应任务的检测数量的乘积；而非锚框设计的head，是属于每个特征图上的点来直接预测。

在另一些实施方式中，头部网络为不共享权重设计，图11示出了根据本实用新型实施例中共享权重的头部网络的示意图之二，如图11所示，其中，不共享权重就是指模型的输出都是由不同的卷积网络来得到。同理对于输出，根据是否依赖于锚框，分为两种设计，它们的区别在于基于锚框设计的head，需要预先设定好锚框的数量，然后最后输出维度是该数量和对应任务的检测数量的乘积；而非锚框设计的head，是属于每个特征图上的点来直接预测。

通过神经网络模型，对待清洗物的种类信息、位置信息和材质信息进行准确识别，并根据这些信息自动判断出合适的清洗程序，从而按照合适的清洗程序，自动对待清洗物进行清洗，无需用户手动选择或设置清洗方式，能够有效地减少用户的操作，实现智能的、全自动的清洗。

实施例四

在本实用新型的一些实施例中，提供了一种清洗设备，包括：存储器，用于存储程序或指令；处理器，用于执行程序或指令时实现如上述任一实施例中提供的清洗设备的控制方法的步骤，因此，该清洗设备同时包括如上述任一实施例中提供的清洗设备的控制方法的全部有益效果，为避免重复，在此不再赘述。

实施例五

在本实用新型的一些实施例中，提供了一种可读存储介质，其上存储有程序或指令，该程序或指令被处理器执行时实现如上述任一实施例中提供的清洗设备的控制方法的步骤，因此，该可读存储设备同时包括如上述任一实施例中提供的清洗设备的控制方法的全部有益效果，为避免重复，在此不再赘述。

实施例六

在本实用新型的一些实施例中，提供了一种清洗设备，包括：如上述任一实施例中提供的清洗设备的控制装置；和/或如上述任一实施例中提供的可读存储介质，因此，该清洗设备同时包括如上述任一实施例中提供的清洗设备的控制装置和/或如上述任一实施例中提供的可读存储介质的全部有益效果，为避免重复，在此不再赘述。

本实用新型的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”等指示的方位或位置关系为基于附图所述的方位或位置关系，仅是为了便于描述本实用新型和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本实用新型的限制；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本实用新型中的具体含义。

在本实用新型的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本实用新型的至少一个实施例或示例中。在本实用新型中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或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。

以上所述仅为本实用新型的优选实施例而已，并不用于限制本实用新型，对于本领域的技术人员来说，本实用新型可以有各种更改和变化。凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。

Claims (15)

1.一种清洗设备，其特征在于，包括：

本体，包括清洗腔；

发光件，设于所述清洗腔内，用于产生可见光；

图像采集组件，设于所述清洗腔内，用于采集所述清洗腔内的原始图像数据；

滤光件，设于所述发光件和所述图像采集组件之间，用于对所述可见光的光谱进行过滤，以使所述图像采集组件获取到不同光谱波段的光谱图像数据。

2.根据权利要求1所述的清洗设备，其特征在于，还包括：

控制器，与所述图像采集组件相连接，用于根据所述原始图像数据和所述光谱图像数据，确定所述清洗腔内的待清洗物的材质信息。

3.根据权利要求2所述的清洗设备，其特征在于，还包括：

清洗组件，设于所述清洗腔内，与所述控制器相连接；

所述控制器还用于根据所述原始图像数据，确定所述待清洗物的位置信息和种类信息；以及

根据所述位置信息、所述种类信息和所述材质信息，控制所述清洗组件工作。

4.根据权利要求2或3所述的清洗设备，其特征在于，还包括：

门体，可开合的设置于所述本体，用于开启或关闭所述清洗腔。

5.根据权利要求4所述的清洗设备，其特征在于，还包括：

触发器，设于所述本体上，与所述控制器相连接，基于所述门体的开合状态，所述触发器改变触发状态，以生成对应的触发信号。

6.根据权利要求5所述的清洗设备，其特征在于，所述触发器包括：

微动开关，所述微动开关包括触发部，所述触发部朝向所述门体设置。

7.根据权利要求6所述的清洗设备，其特征在于，还包括：

触发件，设于所述门体上，所述触发件朝向所述触发部设置。

8.根据权利要求5所述的清洗设备，其特征在于，所述触发器包括：

磁传感器，设于所述本体上。

9.根据权利要求8所述的清洗设备，其特征在于，还包括：

磁性件，设于所述门体上，所述门体处于关闭状态，所述磁性件与所述磁传感器位置相对。

10.根据权利要求3所述的清洗设备，其特征在于，还包括：

供水件，设于所述本体，与所述清洗组件相连接。

11.根据权利要求10所述的清洗设备，其特征在于，所述清洗组件包括：

喷淋件，设于所述清洗腔内，与所述供水件相连接。

12.根据权利要求4所述的清洗设备，其特征在于，还包括：

控制面板，设于所述本体或所述门体上，与所述控制器相连接。

13.根据权利要求1至3中任一项所述的清洗设备，其特征在于，所述发光件包括发光二极管。

14.根据权利要求1至3中任一项所述的清洗设备，其特征在于，所述图像采集组件包括摄像头。

15.根据权利要求1至3中任一项所述的清洗设备，其特征在于，所述滤光件包括：

N个滤光片，其中，所述N个滤光片与N种光谱波段一一对应，N为正整数。

Images