衣物处理设备及其控制方法与流程

1.本发明属于衣物处理设备技术领域，具体提供了一种衣物处理设备及其控制方法。


背景技术：

2.随着人们生活水平的提高，洗衣机、干衣机、洗干一体机、洗鞋机等衣物处理设备成为了人们日常生活中的常备家用电器，人们的衣物种类和数量也越来越多。对于不同材质的衣物，衣物处理参数会有所不同，同一件衣物也会在不同的状态下需要采用不同的衣物处理参数。
3.通常，用户需要根据待处理衣物的具体信息进行衣物处理参数的设定，而繁多的衣物信息对用户根据衣物信息设定衣物处理参数产生了较大的干扰，衣物处理参数的准确性不高，衣物处理效果不佳。
4.因此，本领域需要一种新的技术方案来解决上述问题。


技术实现要素：

5.为了解决现有技术中的上述问题，即为了解决繁多的衣物信息对用户根据衣物信息设定衣物处理参数产生较大的干扰而导致衣物处理参数的准确性不高以及衣物处理效果不佳的问题，一方面本发明提供了一种衣物处理设备的控制方法，所述衣物处理设备配置有图像采集装置，所述控制方法包括：获取待处理衣物的图像；根据所述待处理衣物的图像判断所述待处理衣物是否属于经所述衣物处理设备处理过的衣物；根据判断结果选择性地根据所述待处理衣物的历史数据确定衣物处理参数；使所述衣物处理设备按照确定的衣物处理参数运行。
6.在上述控制方法的优选技术方案中，“根据判断结果选择性地根据所述待处理衣物的历史数据确定衣物处理参数”的步骤包括：若所述待处理衣物属于经所述衣物处理设备处理过的衣物，则根据所述待处理衣物的历史数据确定衣物处理参数。
7.在上述控制方法的优选技术方案中，“根据判断结果选择性地根据所述待处理衣物的历史数据确定衣物处理参数”的步骤包括：若所述待处理衣物不属于经所述衣物处理设备处理过的衣物，则根据所述待处理衣物的图像获取所述待处理衣物的材质信息；根据所述待处理衣物的材质信息确定衣物处理参数。
8.在上述控制方法的优选技术方案中，所述历史数据包括所述待处理衣物的上次处理前的颜色深度，“根据所述待处理衣物的历史数据确定衣物处理参数”的步骤包括：调取所述待处理衣物的上次处理前的颜色深度；根据所述待处理衣物的图像获取并存储所述待处理衣物的当前颜色深度；确定所述待处理衣物的当前颜色深度与上次处理前的颜色深度的深度差；根据所述深度差确定衣物处理参数。
9.在上述控制方法的优选技术方案中，所述历史数据还包括所述待处理衣物的历史处理次数，“根据所述深度差确定衣物处理参数”的步骤包括：调取所述待处理衣物的历史
处理次数；根据所述深度差和所述历史处理次数确定衣物处理参数。
10.在上述控制方法的优选技术方案中，“根据历史数据确定衣物处理参数”的步骤包括：根据所述待处理衣物的图像获取并存储所述待处理衣物的当前数据；根据所述历史数据和所述当前数据确定衣物处理参数。
11.在上述控制方法的优选技术方案中，所述当前数据包括所述待处理衣物的破损度和所述待处理衣物的褶皱度。
12.在上述控制方法的优选技术方案中，所述待处理衣物的破损度的确定方式为：根据所述待处理衣物的破损区域数量、破损区域面积和材质信息确定；并且/或者所述待处理衣物的褶皱度的确定方式为：根据所述待处理衣物的褶皱数量和材质信息确定。
13.在上述控制方法的优选技术方案中，“根据所述待处理衣物的图像判断所述待处理衣物是否属于经所述衣物处理设备处理过的衣物”的步骤包括：将所述待处理衣物的图像输入经过训练后的深度学习模型；根据所述深度学习模型的输出结果判断所述待处理衣物是否属于经所述衣物处理设备处理过的衣物。
14.在本发明的技术方案中，衣物处理设备配置有图像采集装置，控制方法包括：获取待处理衣物的图像；根据待处理衣物的图像判断待处理衣物是否属于经衣物处理设备处理过的衣物；根据判断结果选择性地根据待处理衣物的历史数据确定衣物处理参数；使衣物处理设备按照确定的衣物处理参数运行。
15.通过这样的设置，能够根据获取的待处理衣物的图像确定衣物处理参数并使衣物处理设备按照确定的衣物处理参数运行，无需用户根据待处理衣物的具体信息进行衣物处理参数的设定，给用户提供了更多的便利。根据待处理衣物是否属于经衣物处理设备处理过的衣物来选择性地根据待处理衣物的历史数据确定衣物处理参数，提高了衣物处理参数的准确性，保证了衣物处理效果。通过获取的衣物处理图像来判断待处理衣物是否属于经衣物处理设备处理过的衣物，无需在待处理衣物上添加标识，判断方式更加简单方便。
16.另一方面本发明还提供了一种衣物处理设备，包括：存储器；处理器；以及计算机程序，所述计算机程序存储于所述存储器中，并被配置为由所述处理器执行以实现上述任一技术方案中的衣物处理设备的控制方法。
17.需要说明的是，该衣物处理设备具有上述控制方法的全部技术效果，在此不再赘述。
附图说明
18.下面参照附图来描述本发明的优选实施方式，附图中：
19.图1是本发明衣物处理设备的控制方法的主要步骤图；
20.图2是本发明第一种实施例的洗衣机的控制方法的流程图；
21.图3是本发明第二种实施例的洗衣机的控制方法的流程图。
具体实施方式
22.首先，本领域技术人员应当理解的是，下面描述的实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。例如，本发明衣物处理设备的控制方法适用于滚筒洗衣机、轮洗衣机、干衣机、洗干一体机、洗鞋机等。这种对于应用对象具体类型的调
整不构成对本发明的限制，均应限定在本发明的保护范围之内。
23.需要说明的是，在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
24.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“连接”应作广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
25.参照图1，来对本发明衣物处理设备的控制方法进行介绍。其中，图1是本发明衣物处理设备的控制方法的主要步骤图。
26.基于背景技术提到的繁多的衣物信息对用户根据衣物信息设定衣物处理参数产生较大的干扰而导致衣物处理参数的准确性不高以及衣物处理效果不佳的问题，本发明提供了一种衣物处理设备的控制方法，衣物处理设备配置有图像采集装置。
27.如图1所示，本发明的衣物处理设备的控制方法主要包括以下步骤：
28.步骤s100、获取待处理衣物的图像。
29.例如，图像采集装置为与衣物处理设备的控制器连接的相机模组，控制器控制相机模组对衣物处理设备内进行拍照，从拍摄的照片中提取衣物处理设备内待处理衣物的图像。
30.步骤s200、根据待处理衣物的图像判断待处理衣物是否属于经衣物处理设备处理过的衣物。
31.例如，不同的衣物上有不同的花纹或图案，对于经衣物处理设备处理过的衣物，衣物处理设备中存储有该衣物上的花纹或图案信息。将提取到的待处理衣物的图像与衣物处理设备中存储的经衣物处理设备处理过的衣物的花纹或图案信息进行比对来判断待处理衣物是否属于经衣物处理设备处理过的衣物。
32.步骤s300、根据判断结果选择性地根据待处理衣物的历史数据确定衣物处理参数。
33.如果待处理衣物属于经衣物处理设备处理过的衣物，则根据待处理衣物的历史数据确定衣物处理参数。例如，在每次使用衣物处理设备处理衣物时，对待处理衣物进行拍照后提取待处理衣物的图像，从待处理衣物的图像中获取并存储待处理衣物的颜色深度。在下次使用衣物处理设备处理同一件衣物时，调取存储的该待处理衣物的上次处理前的颜色深度，确定本次获取的待处理衣物的颜色深度与上次处理前的颜色深度的深度差，根据深度差确定衣物处理参数，如在对衣物进行洗涤处理时，深度差越大，设定的衣物洗涤时长越短，洗涤强度越低，并且/或者洗涤水温越低。
34.步骤s400、使衣物处理设备按照确定的衣物处理参数运行。
35.通过这样的设置，无需用户根据待处理衣物的具体信息进行衣物处理参数的设定，给用户提供了更多的便利。根据待处理衣物是否属于经衣物处理设备处理过的衣物来选择性地根据待处理衣物的历史数据确定衣物处理参数，提高了衣物处理参数的准确性，保证了衣物处理效果。通过获取的衣物处理图像来判断待处理衣物是否属于经衣物处理设备处理过的衣物，无需在待处理衣物上添加标识，判断方式更加简单方便。
36.下面参照图2并结合洗衣机来对本发明第一种实施例进行介绍。其中，图2是本发明第一种实施例的洗衣机的控制方法的流程图。
37.在本发明的第一种实施例中，洗衣机为滚筒洗衣机(以后简称洗衣机)，洗衣机前侧板上的衣物投放口处设置有作为图像采集装置的相机模组，相机模组与洗衣机的控制器连接，控制器与云端服务器连接。如图2所示，洗衣机的控制方法包括：
38.步骤s110、获取待洗涤衣物的图像。
39.控制器控制相机模组对洗衣机内进行拍照后获取拍摄的照片并将照片传输至云端服务器，云端服务器采用目标检测算法(如fcos、ssd、yolov3或者faster r-cnn等)对图片进行处理后获取照片中待洗涤衣物的图像。
40.步骤s210、将待洗涤衣物的图像输入经过训练后的深度学习模型。
41.在首次使用洗衣机时，待洗涤衣物放入洗衣机之后，滚筒可以低速转动使衣物处于不同的位置和状态，相机模组在不同时刻拍摄大量的图片并传输至云端服务器，以便对深度学习模型进行训练，再次洗涤衣物时深度学习模型可以用来识别待洗涤衣物。可以理解的是，也可以在更换新的滚筒洗衣机后，从云端服务器中下载原来滚筒洗衣机中的深度学习模型，以便对待洗涤衣物进行识别。
42.步骤s220、获取深度学习模型的输出结果。
43.如待洗涤衣物的图像被输入经过训练后的深度学习模型(如resnet101、resnext或者r-cnn等)，深度学习模型提取待洗涤衣物的图像中的特征以512维向量进行表示，并将待洗涤衣物的图像的特征与洗衣机洗涤过的所有衣物的特征进行比较，输出待洗涤衣物的图像的特征与洗衣机洗涤过的所有衣物中每一件的特征的欧拉距离。
44.步骤s230、判断待洗涤衣物是否属于经洗衣机洗涤过的衣物，若是则执行步骤s311，若否则执行步骤s321。
45.根据深度学习模型的输出结果判断待洗涤衣物是否属于经洗衣机洗涤过的衣物。具体地，若待洗涤衣物的特征与洗衣机洗涤过的某一件衣物的特征的欧拉距离高于预设值，则判定待洗涤衣物与该件衣物属于同一件衣物，否则判定待洗涤衣物与该件衣物不属于同一件衣物。需要说明的是，深度学习模型也可以直接输出待洗涤衣物是否属于经洗衣机洗涤过的衣物的结果，根据深度学习模型的输出结果直接得出待洗涤衣物是否属于经洗衣机洗涤过的衣物的结论。
46.步骤s311、调取待洗涤衣物的上次洗涤前的颜色深度。
47.在每次使用洗衣机洗涤衣物时对待洗涤衣物进行拍照后提取待洗涤衣物的图像，从待洗涤衣物的图像中获取并存储待洗涤衣物的颜色深度。在本次待洗涤衣物属于经洗衣机洗涤过的衣物的情况下，云端服务器调取存储的待洗涤衣物的上次洗涤前的颜色深度。
48.步骤s312、根据待洗涤衣物的图像获取并存储待洗涤衣物的当前颜色深度。
49.步骤s313、确定待洗涤衣物的当前颜色深度与上次洗涤前的颜色深度的深度差。
50.根据待洗涤衣物的当前颜色深度和上次洗涤前的颜色深度计算出二者的深度差。
51.步骤s314、调取待洗涤衣物的历史洗涤次数。
52.对于同一件衣物，洗衣机每洗涤一次便统计一次洗涤次数。云端服务器调取存储的待洗涤衣物的历史洗涤次数。
53.步骤s315、根据深度差和历史洗涤次数确定衣物洗涤参数。
54.云端服务器根据待洗涤衣物的当前颜色深度与上次洗涤前的颜色深度的深度差以及待洗涤衣物的历史洗涤次数确定衣物洗涤参数。例如，以深度差为0，历史洗涤次数为1设定基础洗涤时长，深度差大于2bit则设定洗涤时长进一步减少1min，历史洗涤次数每增加5次则设定洗涤时长进一步减少1min，深度差大于2bit并且历史洗涤次数增加5次则设定洗涤时长进一步减少2min。需要说明的是，这仅是一种示例性的描述，在实际应用中可以对具体数值进行调整，也可以在深度差大于预设值时使洗涤温度降低预设温度并且/或者洗涤次数每增加预设次数则使洗涤温度降低预设温度。通过这样的设置，在洗涤过程中改善了衣物褪色状况，优化了衣物洗涤效果。
55.步骤s321、获取待洗涤衣物的材质信息。
56.通过待洗涤衣物的图像分析出待洗涤衣物的材质信息。
57.步骤s322、根据待洗涤衣物的材质信息确定衣物洗涤参数。
58.存储器中存储有不同材质类型的衣物的推荐洗涤时长和推荐洗涤温度，云端服务器根据待洗涤衣物的材质信息确定衣物的洗涤时长和洗涤温度，并将确定的洗涤时长和洗涤温度发送至洗衣机的控制器。
59.在步骤s315和步骤s322之后，均执行步骤s410。
60.步骤s410、使洗衣机按照确定的衣物洗涤参数运行。
61.洗衣机的控制器控制洗衣机按照确定的洗涤时长和洗涤温度运行。
62.通过采集待洗涤衣物的图像，根据待洗涤衣物的图像判断待洗涤衣物是否属于经洗衣机洗涤过的衣物，在待洗涤衣物属于经洗衣机洗涤过的衣物的情况下根据待洗涤衣物的历史数据确定衣物洗涤参数，在待洗涤衣物不属于经洗衣机洗涤过的衣物的情况下根据待洗涤衣物的材质信息确定衣物洗涤参数，无需用户根据待洗涤衣物的具体信息进行衣物洗涤参数的设定，给用户提供了更多的便利。通过判断待洗涤衣物是否属于经洗衣机洗涤过的衣物，进而通过不同的方式确定衣物洗涤参数，提高了衣物洗涤参数的准确性，保证了衣物洗涤效果。在待洗涤衣物属于洗衣机洗涤过的衣物的情况下，根据待洗涤衣物的颜色深度与上次洗涤前的上次洗涤前的颜色深度的深度差以及待洗涤衣物的历史洗涤次数确定衣物洗涤参数，能够进一步改善衣物在洗涤过程中的褪色状况，进一步优化了洗涤效果。通过深度学习模型识别待洗涤衣物的图片，能够更加准确地识别待洗涤衣物是否属于经洗衣机洗涤过的衣物，并且衣物第一次经洗衣机洗涤后，深度学习模型能够根据衣物的图像信息自主学习并存储对应的衣物信息，以便在后续洗涤过程中自动识别该件衣物，无需用户将未洗涤过的待洗涤衣物的信息输入洗衣机中来对衣物进行识别。通过云端服务器来对照相模组拍摄的照片提取待洗涤衣物的图像、判断待洗涤衣物是否属于经洗衣机洗涤过的衣物以及确定衣物洗涤参数，能够减小洗衣机设备的体积，提高运算速度，并且在洗衣机更新换代过程中方便数据的迁移，优化了用户的使用体验。
63.需要说明的是，步骤s311和步骤s312可以同时执行，也可以按照不同的先后顺序执行，只要在步骤s313之前即可。另外，在待洗涤衣物属于经洗衣机洗涤过的衣物的情况下，步骤s314也可以在步骤s230与步骤s315之间任意步骤处执行，即在待洗涤衣物属于经洗衣机洗涤过的衣物的情况下，可以与步骤s311、步骤s312和步骤s313中的任一个同时执行，也可以在步骤s311、步骤s312和步骤s313中的任一个之前或之后执行。
64.下面参照图3，并结合洗衣机来对本发明第二种实施例进行介绍。其中，图3是本发
明第二种实施例的洗衣机的控制方法的流程图。
65.在本发明的第二种实施例中，洗衣机为滚筒洗衣机，滚筒洗衣机前侧板上的衣物投放口处设置有作为图像采集装置的相机模组，相机模组与洗衣机的控制器连接，控制器与云端服务器连接。如图3所示，洗衣机的控制方法包括：
66.步骤s110、获取待洗涤衣物的图像。
67.步骤s210、将待洗涤衣物的图像输入经过训练后的深度学习模型。
68.步骤s220、获取深度学习模型的输出结果。
69.步骤s230、判断待洗涤衣物是否属于经洗衣机洗涤过的衣物，若是则执行步骤s311，若否则执行步骤s321。
70.步骤s311、调取待洗涤衣物的上次洗涤前的颜色深度。
71.步骤s312、根据待洗涤衣物的图像获取并存储待洗涤衣物的当前颜色深度。
72.步骤s313、确定待洗涤衣物的当前颜色深度与上次洗涤前的颜色深度的深度差。
73.步骤s314、调取待洗涤衣物的历史洗涤次数。
74.步骤s315、根据待洗涤衣物的图像获取并存储待洗涤衣物的破损度和褶皱度。
75.例如，云端服务器采用目标检测算法(retinanet、ssd、yolov3或者faster r-cnn等)对待洗涤衣物的图像提取出待洗涤衣物的破损区域数量、破损区域面积、褶皱数量以及材质信息。根据待洗涤衣物的破损区域数量、破损区域面积和材质信息确定破损度，如破损度＝破损区域面积
×
破损区域数量
×
破损系数，不同的材质对应有不同的破损系数(如纯棉的破损系数为0.9、80％棉 20％涤纶的破损系数为0.7、涤纶的破损系数为0.2、真丝的破损系数为0.5等)。根据待洗涤衣物的褶皱数量和材质信息确定褶皱度，如褶皱度＝褶皱数量
×
褶皱系数，不同的材质对应不同的褶皱系数(纯棉的褶皱系数为0.2、80％棉 20％涤纶的破损系数为0.4、涤纶的破损系数为0.9、真丝的破损系数为0.95等)。
76.步骤s316、根据深度差、历史洗涤次数、破损度和褶皱度确定衣物洗涤参数。
77.云端服务器根据待洗涤衣物的当前颜色深度与上次洗涤前的颜色深度的深度差、待洗涤衣物的历史洗涤次数、待洗涤衣物的破损度和待洗涤衣物的褶皱度确定衣物洗涤参数。例如，以深度差为0，历史洗涤次数为1设定基础洗涤时长，深度差大于2bit则设定洗涤时长进一步减少1min，历史洗涤次数每增加5次则设定洗涤时长进一步减少1min，破损度每增大预设值则设定洗涤时长进一步减少0.5min，褶皱度每增大预设值则滚筒正反转的频率减小2次/分钟。
78.需要说明的是，这仅是一种示例性的描述，在实际应用中可以对具体数值进行调整，也可以在深度差大于预设值时使洗涤温度降低预设温度、洗涤次数每增加预设次数则使洗涤温度降低预设温度并且/或者褶皱度每增大预设值则使洗涤温度降低预设温度。通过这样的设置，能够进一步减弱洗涤阶段对衣物的损伤。
79.步骤s321、获取待洗涤衣物的材质信息。
80.步骤s322、根据待洗涤衣物的材质信息确定衣物洗涤参数。
81.在步骤s316和步骤s322之后，均执行步骤s410。
82.步骤s410、使洗衣机按照确定的衣物洗涤参数运行。
83.需要说明的是，在待洗涤衣物属于经洗衣机洗涤过的衣物的情况下，步骤s315也可以在步骤s230与步骤s316之间任意步骤处执行。
84.在另外一种可行的实施方式中，可以不设置云端服务器，通过洗衣机的控制器来对照相模组拍摄的照片提取待洗涤衣物的图像、判断待洗涤衣物是否属于经洗衣机洗涤过的衣物以及确定衣物洗涤参数。
85.还需要说明的是，在上述各个实施例中，控制相机模组对洗衣机内进行拍照以获取待洗涤衣物的照片仅是一种具体的实施方式，在具体应用中可以对其作出调整，如在衣物将要放入洗衣机的过程中，相机模组抓拍用户手中准备送入洗衣机的衣物，也可以使用摄像机获取衣物投入洗衣机过程的视频或者衣物在洗衣机内翻动过程的视频，从视频中获取多张图片，进而从图片中获取衣物的图像。此外，上述各个实施例虽然是以滚筒洗衣机为例进行介绍的，但是本发明的控制方法也适用于波轮洗衣机、干衣机、洗干一体机、洗鞋机等衣物处理设备，并适应性地调整待处理衣物的历史数据和衣物处理参数，如对于烘干机，待处理衣物的历史数据包括历史烘干次数，衣物处理数据包括烘干时长和烘干温度等。
86.另一方面，本发明还提供了一种衣物处理设备，包括：存储器，处理器以及计算机程序，计算机程序存储于存储器中，并被配置为由处理器执行以实现上述任一项实施例的衣物处理设备的控制方法。
87.需要说明的是，上述实施例中的存储器包括但不限于随机存储器、闪存、只读存储器、可编程只读存储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或寄存器等，处理器包括但不限于cpld/fpga、dsp、arm处理器、mips处理器等。另外，衣物处理设备可以是滚筒洗衣机、波轮洗衣机、干衣机、洗干一体机、洗鞋机等。
88.通过以上描述可以看出，在本发明的技术方案中，衣物处理设备配置有图像采集装置，控制方法包括：获取待处理衣物的图像；根据待处理衣物的图像判断待处理衣物是否属于经衣物处理设备处理过的衣物；根据判断结果选择性地根据待处理衣物的历史数据确定衣物处理参数；使衣物处理设备按照确定的衣物处理参数运行。通过这样的设置，无需用户根据待处理衣物的具体信息进行衣物处理参数的设定，给用户提供了更多的便利。根据待处理衣物是否属于经衣物处理设备处理过的衣物来选择性地根据待处理衣物的历史数据确定衣物处理参数，提高了衣物处理参数的准确性，保证了衣物处理效果。通过获取的衣物处理图像来判断待处理衣物是否属于经衣物处理设备处理过的衣物，无需在待处理衣物上添加标识，判断方式更加简单方便。
89.本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在本发明的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
90.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。