[發明專利]一種洗滌劑用量確定方法、裝置、存儲介質及洗衣機

有效

• 申請號: 201910069982.2
• 申請日: 2019-01-24
• 公開（公告）號: CN111549486B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 肖文軒
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: D06F33/36
• 分類號: D06F33/36;D06F103/04;D06F34/04;D06F34/18;G06K9/00;G06K9/62;D06F105/42
• 代理公司: 北京煦潤律師事務所 11522
• 代理人: 高瑩

1.一種洗滌劑用量確定方法，其特征在于，包括：

采集洗衣機內的待洗衣物的衣物圖像；

將所述衣物圖像輸入預先建立的衣物識別神經網絡模型中，以識別出所述衣物圖像中的衣物量；

根據識別出的所述衣物量，確定對所述待洗衣物進行洗滌所需的洗滌劑用量；

所述衣物量，包括：所述衣物圖像中衣物像素的數量與像素總數量的比值；

根據識別出的所述衣物量，確定對所述待洗衣物進行洗滌所需的洗滌劑用量，包括：

根據所述衣物像素的數量與像素總數量的比值，確定對所述待洗衣物進行洗滌所需的洗滌劑用量。

2.根據權利要求1所述的方法，其特征在于，所述衣物識別神經網絡模型通過如下方式建立：

分別采集所述洗衣機內有衣物時的第一圖像和/或所述洗衣機內沒有衣物時的第二圖像；

將所述第一圖像和/或第二圖像作為訓練樣本輸入預設的神經網絡中進行模型訓練，以得到所述衣物識別神經網絡模型；

其中，所述第一圖像和/或所述第二圖像的每個像素預先被標注為衣物像素或非衣物像素。

3.根據權利要求1或2所述的方法，其特征在于，所述衣物識別神經網絡模型，包括：輸入層、卷積編碼網絡、反卷積解碼網絡和像素分類層；

所述卷積編碼網絡，包括：卷積層、批正則化層、激活函數和池化層；

和/或，

所述反卷積解碼網絡，包括：上采樣層、卷積層、批正則化層和激活函數；

和/或，

所述像素分類層，包括：SoftMax分類器。

4.根據權利要求3所述的方法，其特征在于，將所述衣物圖像輸入預先訓練的衣物識別神經網絡模型中，以識別出所述衣物圖像中的衣物量，包括：

通過所述輸入層將所述衣物圖像輸入所述衣物識別神經網絡模型中；

通過所述卷積編碼網絡對所述衣物圖像進行卷積編碼處理，以得到處理后的第一特征圖；

通過所述反卷積解碼網絡對所述第一特征圖進行反卷積解碼處理，以得到處理后的第二特征圖；

通過所述像素分類層對所述第二特征圖中的每個像素進行分類，以得到每個像素的分類結果，所述分類結果包括：衣物像素和非衣物像素。

5.根據權利要求4所述的方法，其特征在于，通過所述卷積編碼網絡對所述衣物圖像進行卷積編碼處理，以得到處理后的第一特征圖，包括：

通過卷積操作對所述衣物圖像進行特征提取；

對提取的特征進行批正則化操作，并利用激活函數進行非線性映射，以得到第一特征圖；

對進行非線性映射后得到的所述第一特征圖進行池化操作，并在池化操作的過程中記錄最大特征值的索引位置。

6.根據權利要求5所述的方法，其特征在于，通過所述反卷積解碼網絡對所述第一特征圖進行反卷積解碼處理，以得到處理后的第二特征圖，包括：

根據所述最大特征值的索引位置，對所述第一特征圖進行上采樣處理，得到相應的稀疏特征圖；

對進行所述上采樣處理后的所述稀疏特征圖進行卷積操作，得到相應的稠密特征圖；

對得到的所述稠密特征圖進行批正則化操作，并利用激活函數進行非線性映射，以得到所述衣物圖像的第二特征圖。

7.根據權利要求4-6任一項所述的方法，其特征在于，通過所述像素分類層對所述第二特征圖中的每個像素進行分類，以得到每個像素的分類結果，包括：

通過SoftMax分類器對所述第二特征圖中的每個像素進行分類，輸出每個像素的分類結果。