洗衣機及其洗滌控制方法和裝置與流程

2023-12-06 04:46:51

本發明涉及家用電器技術領域，特別涉及一種洗衣機基於圖像識別衣物種類與數量的洗滌控制方法、一種洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置以及一種洗衣機。

背景技術：

隨著人們生活水平的不斷提高，洗衣機已進入了千家萬戶，成為了人們日常生活中必不可少的一種家用電器。隨著人們對生活品質追求的不斷提高，催生了越來越多的人性化的洗衣方式。當用戶使用洗衣機進行洗滌衣物時，洗衣機桶內的衣物的種類與數量均可成為影響洗滌效果的因素，例如，通常情況下洗滌羽絨服時洗衣機內桶的轉速較低，當用戶使用洗衣機洗滌羽絨服時，可以向洗衣機內桶中投入較多的殺菌劑。但是如何使得洗衣機智能地判斷出待洗衣物的種類與數量並選擇適合的洗衣模式，是目前亟需解決的問題。

技術實現要素：

本發明旨在至少在一定程度上解決上述技術中的技術問題之一。為此，本發明的一個目的在於提出一種洗衣機基於圖像識別衣物種類與數量的洗滌控制方法，能夠自動獲取待洗衣物中衣物種類與數量，從而能夠智能地控制洗衣機進行洗滌。

本發明的第二個目的在於提出一種洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置。

本發明的第三個目的在於提出一種洗衣機。

為達到上述目的，本發明第一方面實施例提出了一種洗衣機基於圖像識別衣物種類與數量的洗滌控制方法，包括以下步驟：獲取待洗衣物的圖像；獲取描述衣物種類特徵的神經網絡參數；將所述待洗衣物的圖像與所述神經網絡參數進行匹配，以獲取所述待洗衣物的圖像中包含衣服種類特徵的目標區域；根據所述待洗衣物的圖像中包含衣服種類特徵的目標區域獲取所述待洗衣物中衣物的種類和數量，並根據所述待洗衣物中衣物的種類和數量生成洗滌參數，以及根據所述洗滌參數控制所述洗衣機進行洗滌。

根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法，首先，獲取待洗衣物的圖像，然後，獲取描述衣物種類特徵的神經網絡參數，接著，將待洗衣物的圖像與神經網絡參數進行匹配，以獲取待洗衣物的圖像中包含衣服種類特徵的目標區域，最後，根據待洗衣物的圖像中包含衣服種類特徵的目標區域獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。該方法利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

另外，根據本發明上述實施例提出的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法還可以具有如下附加的技術特徵：

根據本發明的一個實施例，獲取描述衣物種類特徵的神經網絡參數，包括：獲取多個樣本衣物的圖像；通過對所述多個樣本衣物的圖像進行訓練，並通過深度學習獲取所述描述衣物種類特徵的神經網絡參數。

根據本發明的一個實施例，將所述待洗衣物的圖像與所述神經網絡參數進行匹配，以獲取所述待洗衣物的圖像中包含衣服種類特徵的目標區域，包括：對所述待洗衣物的圖像進行預處理，並通過區域分割將預處理後的所述待洗衣物的圖像分割為多個區塊；將每個所述區塊與所述神經網絡參數進行匹配，以判斷每個所述區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為所述目標區域。

根據本發明的一個實施例，根據所述待洗衣物的圖像中包含衣服種類特徵的目標區域獲取所述待洗衣物中衣物的種類和數量，包括：提取所述目標區域的紋理特徵；根據所述衣物種類特徵和所述紋理特徵獲取所述待洗衣物中衣物的種類和數量。

根據本發明的一個實施例，將所述目標區域中具有相同的衣物種類特徵和相同的紋理特徵的子區域歸為同一衣物的子區域。

根據本發明的一個實施例，對所述待洗衣物的圖像進行預處理，包括：對所述待洗衣物的圖像光照補償、背景去除和灰度化處理中的至少一種預處理。

為達到上述目的，本發明第二方面實施例提出了一種洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，包括：攝像模塊，所述攝像模塊用於獲取待洗衣物的圖像；獲取模塊，所述獲取模塊用於獲取描述衣物種類特徵的神經網絡參數；匹配模塊，所述匹配模塊用於將所述待洗衣物的圖像與所述神經網絡參數進行匹配，以獲取所述待洗衣物的圖像中包含衣服種類特徵的目標區域；主控模塊，所述主控模塊用於所述待洗衣物的圖像中包含衣服種類特徵的目標區域獲取所述待洗衣物中衣物的種類和數量，並根據所述待洗衣物中衣物的種類和數量生成洗滌參數，以及根據所述洗滌參數控制所述洗衣機進行洗滌。

根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，通過攝像模塊獲取待洗衣物的圖像，通過圖像處理模塊對待洗衣物的圖像進行預處理，並通過區域分割將預處理後的待洗衣物的圖像分割為多個區塊，然後，通過獲取模塊獲取描述衣物種類特徵的深度神經網絡參數，接著，通過匹配模塊將將待洗衣物的圖像與神經網絡參數進行匹配，以獲取待洗衣物的圖像中包含衣服種類特徵的目標區域每個區塊與深度神經網絡參數進行匹配，以判斷每個區塊中是否包含衣物種類特徵，並通過提取模塊將包含衣物種類特徵的區塊作為目標區域，提取目標區域的紋理特徵，最後，通過主控模塊根據待洗衣物的圖像中包含衣服種類特徵的目標區域衣物種類特徵和紋理特徵獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。該裝置通過利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

另外，根據本發明上述實施例提出的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置還可以具有如下附加的技術特徵：

根據本發明的一個實施例，所述攝像模塊還用於獲取多個樣本衣物的圖像，所述獲取模塊還用於通過對不同的樣本衣物的圖像進行訓練，並通過學習獲取所述描述衣物種類特徵的神經網絡參數。

根據本發明的一個實施例，所述匹配模塊還用於對所述待洗衣物的圖像進行預處理，並通過區域分割將預處理後的所述待洗衣物的圖像分割為多個區塊，以及將每個所述區塊與所述神經網絡參數進行匹配，以判斷每個所述區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為所述目標區域。

根據本發明的一個實施例，所述主控模塊還用於提取所述目標區域的紋理特徵，並根據所述衣物種類特徵和所述紋理特徵獲取所述待洗衣物中衣物的種類和數量。

根據本發明的一個實施例，所述主控模塊將所述目標區域中具有相同的衣物種類特徵和相同的紋理特徵的子區域歸為同一衣物的子區域。

根據本發明的一個實施例，所述主控模塊還用於對所述待洗衣物的圖像光照補償、背景去除和灰度化處理中的至少一種預處理。

為達到上述目的，本發明第三方面實施例提出了一種洗衣機，包括上述洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置。

根據本發明實施例的洗衣機，通過上述洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

附圖說明

圖1是根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法的流程圖；

圖2是根據本發明一個實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法的流程圖；

圖3是根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置的方框示意圖；以及

圖4是根據本發明實施例的洗衣機的方框示意圖。

具體實施方式

下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用於解釋本發明，而不能理解為對本發明的限制。

下面結合附圖來描述本發明實施例的洗衣機及其基於圖像識別衣物種類與數量的洗滌控制方法和裝置。

圖1是根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法的流程圖。如圖1所示，本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法可包括以下步驟：

S1，獲取待洗衣物的圖像。

具體地，當用戶將待洗衣物放入洗衣機內桶後，在洗衣機運行的過程中，可以通過設置在洗衣機桶內上的攝像裝置對當前洗衣過程中的洗衣機桶內進行拍照以獲取待洗衣物的圖像。

S2，獲取描述衣物種類特徵的神經網絡參數。

具體地，可獲取多個樣本衣物的圖像，通過對多個樣本衣物的圖像進行訓練，並通過深度學習獲取描述衣物種類特徵的神經網絡參數。

具體而言，在當前洗衣過程之前，例如可在洗衣機出廠之前需要獲取描述衣物種類特徵的神經網絡參數。在對樣本圖像訓練的過程中，可通過設置在洗衣機桶內上的攝像裝置對的洗衣機桶內進行拍照以在獲取多個樣本衣物的圖像，可通過深度學習的方法對多個樣本衣物的圖像進行訓練，以獲取衣物圖像和衣物種類特徵之間對應關係的神經網絡參數。

S3，將待洗衣物的圖像與神經網絡參數進行匹配，以獲取待洗衣物的圖像中包含衣服種類特徵的目標區域。

具體地，可對待洗衣物的圖像進行預處理，並通過區域分割將預處理後的待洗衣物的圖像分割為多個區塊，以及將每個區塊與神經網絡參數進行匹配，以判斷每個區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為目標區域。

具體而言，在通過攝像裝置獲取到待洗衣物的圖像後，可對待洗衣物的圖像進行預處理，如進行光照補償、背景去除和灰度化處理中的至少一種預處理，並通過區域分割將預處理後的待洗衣物的圖像分割為多個區塊，以及將每個區塊與神經網絡參數進行匹配，以判斷每個區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為目標區域。具體如何分割可以採用較為常用的基於區域分割的方法和基於邊緣分割的方法等，這裡不做詳述。

需要說明的是，在通過攝像裝置對待洗衣物進行拍照的過程中，獲取的待洗衣物的圖像中可包含很多待洗衣物的子區域，也可能拍到一件衣物。

S4，根據待洗衣物的圖像中包含衣服種類特徵的目標區域獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。

具體地，可提取目標區域的紋理特徵，將目標區域中具有相同的衣物種類特徵和相同的紋理特徵的子區域歸為同一衣物的子區域，並根據衣物種類特徵和紋理特徵獲取待洗衣物中衣物的種類和數量。其中，具體如何提取目標區域的紋理特徵可以採用較為常用的基於結構的方法和基於統計數據的方法等，這裡不再詳述。

進一步地，在獲取待洗衣物的種類和數量之後，可根據待洗衣物中衣物的種類和數量生成洗滌參數，洗衣機可根據洗滌參數智能地選擇洗衣模式，並控制洗衣機進行洗滌。

為了使本領域的人員更清楚地了解本發明，圖2是根據本發明一個實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法的流程圖。如圖2所示，洗衣機基於圖像識別衣物種類與數量的洗滌控制方法可包括以下步驟：

S101，將待洗衣物放入洗衣機內桶。

S102，通過攝像裝置對洗衣機內桶的待洗衣物進行拍照。

S103，獲取待洗衣物的圖像。

S104，對待洗衣物的圖像進行預處理。

S105，通過區域分割將待洗衣物的圖像分割為多個區塊。

S106，將每個區塊與衣物種類特徵的神經網絡參數進行匹配，判斷每個區塊中是否包含衣物種類特徵。

S107，將包含衣物種類特徵的區塊作為目標區域。

S108，提取目標區域的紋理特徵。

S109，將目標區域中具有相同的衣物種類和相同的紋理特徵的子區域歸為同一衣物，並獲取衣物的種類的數量。

S110，根據衣物的種類的數量生成洗滌參數，並根據洗滌參數控制洗衣機進行洗滌。

綜上所述，根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制方法，首先，獲取待洗衣物的圖像，然後，獲取描述衣物種類特徵的神經網絡參數，接著，將待洗衣物的圖像與神經網絡參數進行匹配，以獲取待洗衣物的圖像中包含衣服種類特徵的目標區域，最後，根據待洗衣物的圖像中包含衣服種類特徵的目標區域獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。該方法利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

圖3是根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置的方框示意圖。如圖3所示，本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，包括：攝像模塊10、獲取模塊20、匹配模塊30和主控模塊40。

其中，攝像模塊10用於獲取待洗衣物的圖像。獲取模塊20用於獲取描述衣物種類特徵的神經網絡參數。匹配模塊30用於將待洗衣物的圖像與神經網絡參數進行匹配，以獲取待洗衣物的圖像中包含衣服種類特徵的目標區域。主控模塊40用於根據待洗衣物的圖像中包含衣服種類特徵的目標區域獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。

具體地，當用戶將待洗衣物放入洗衣機內桶後，在洗衣機運行的過程中，可以通過設置在洗衣機桶內上的攝像模塊10如攝像裝置對當前洗衣過程中的洗衣機桶內進行拍照以獲取待洗衣物的圖像。

在本發明的一個實施例中，攝像模塊10還用於獲取多個樣本衣物的圖像，獲取模塊20還用於通過對不同的樣本衣物的圖像進行訓練，並通過深度學習獲取描述衣物種類特徵的神經網絡參數。

具體地，在當前洗衣過程之前，例如可在洗衣機出廠之前需要獲取描述衣物種類特徵的神經網絡參數。在對樣本圖像訓練的過程中，可通過設置在洗衣機桶內上的攝像模塊10獲取對洗衣機桶內進行拍照以在獲取多個樣本衣物的圖像，可通過獲取模塊20對多個樣本衣物的圖像進行訓練，並通過深度學習以獲取衣物圖像和衣物種類特徵之間對應關係的神經網絡參數。

在本發明的一個實施例中，匹配模塊30還用於對待洗衣物的圖像進行預處理，並通過區域分割將預處理後的待洗衣物的圖像分割為多個區塊，以及將每個區塊與神經網絡參數進行匹配，以判斷每個區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為目標區域。

具體地，在通過攝像模塊10獲取到待洗衣物的圖像後，可通過匹配模塊20對待洗衣物的圖像進行預處理，如進行光照補償、背景去除和灰度化處理中的至少一種預處理，並通過區域分割將預處理後的待洗衣物的圖像分割為多個區塊，以及將每個區塊與神經網絡參數進行匹配，可以直接地判斷每個區塊中是否包含衣物種類特徵，並將包含衣物種類特徵的區塊作為目標區域。具體如何分割可以採用較為常用的基於區域分割的方法和基於邊緣分割的方法等，這裡不做詳述。

需要說明的是，在通過攝像裝置對待洗衣物進行拍照的過程中，獲取的待洗衣物的圖像中可包含很多待洗衣物的子區域，也有可能拍到一件衣物。

在本發明的一個實施例中，主控模塊還用於提取目標區域的紋理特徵，將目標區域中具有相同的衣物種類特徵和相同的紋理特徵的子區域歸為同一衣物的子區域，並根據衣物種類特徵和紋理特徵獲取待洗衣物中衣物的種類和數量。其中，具體如何提取目標區域的紋理特徵可以採用較為常用的基於結構的方法和基於統計數據的方法等，這裡不再詳述。

具體地，在獲取待洗衣物的種類和數量之後，主控模塊40可根據待洗衣物中衣物的種類和數量生成洗滌參數，並可根據洗滌參數智能地選擇洗衣模式，控制洗衣機進行洗滌。

根據本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，通過攝像模塊獲取待洗衣物的圖像，然後，通過獲取模塊獲取描述衣物種類特徵的神經網絡參數，接著，通過匹配模塊將所述待洗衣物的圖像與所述神經網絡參數進行匹配，以獲取所述待洗衣物的圖像中包含衣服種類特徵的目標區域，最後，通過主控模塊根據待洗衣物的圖像中包含衣服種類特徵的目標區域獲取待洗衣物中衣物的種類和數量，並根據待洗衣物中衣物的種類和數量生成洗滌參數，以及根據洗滌參數控制洗衣機進行洗滌。該裝置利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

基於上述實施例，本發明實施例還提出了一種洗衣機1000。

圖4是根據本發明實施例的洗衣機的方框示意圖。如圖4所示，本發明實施例的洗衣機1000包括上述的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置100。

需要說明的是，本發明實施例的洗衣機1000中未披露的細節，請參考本發明實施例的洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置100中所披露的細節，具體這裡不再詳述。

根據本發明實施例的洗衣機，通過上述洗衣機基於圖像識別衣物種類與數量的洗滌控制裝置，利用圖像識別和深度學習，能夠自動獲取待洗衣物中衣物的種類和數量，從而能夠智能地控制洗衣機進行洗滌。

在本發明的描述中，需要理解的是，術語「中心」、「縱向」、「橫向」、「長度」、「寬度」、「厚度」、「上」、「下」、「前」、「後」、「左」、「右」、「豎直」、「水平」、「頂」、「底」、「內」、「外」、「順時針」、「逆時針」、「軸向」、「徑向」、「周向」等指示的方位或位置關係為基於附圖所示的方位或位置關係，僅是為了便於描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發明的限制。

此外，術語「第一」、「第二」僅用於描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此，限定有「第一」、「第二」的特徵可以明示或者隱含地包括一個或者更多個該特徵。在本發明的描述中，「多個」的含義是兩個或兩個以上，除非另有明確具體的限定。

在本發明中，除非另有明確的規定和限定，術語「安裝」、「相連」、「連接」、「固定」等術語應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或成一體；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內部的連通或兩個元件的相互作用關係。對於本領域的普通技術人員而言，可以根據具體情況理解上述術語在本發明中的具體含義。

在本發明中，除非另有明確的規定和限定，第一特徵在第二特徵「上」或「下」可以是第一和第二特徵直接接觸，或第一和第二特徵通過中間媒介間接接觸。而且，第一特徵在第二特徵「之上」、「上方」和「上面」可是第一特徵在第二特徵正上方或斜上方，或僅僅表示第一特徵水平高度高於第二特徵。第一特徵在第二特徵「之下」、「下方」和「下面」可以是第一特徵在第二特徵正下方或斜下方，或僅僅表示第一特徵水平高度小於第二特徵。

在本說明書的描述中，參考術語「一個實施例」、「一些實施例」、「示例」、「具體示例」、或「一些示例」等的描述意指結合該實施例或示例描述的具體特徵、結構、材料或者特點包含於本發明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特徵、結構、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特徵進行結合和組合。

儘管上面已經示出和描述了本發明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發明的限制，本領域的普通技術人員在本發明的範圍內可以對上述實施例進行變化、修改、替換和變型。