CN106854808A - 洗衣机及其洗涤控制方法和装置 - Google Patents

Abstract

本发明公开了一种洗衣机及其基于图像识别衣物种类与数量的洗涤控制方法和装置，所述方法包括以下步骤：获取待洗衣物的图像；获取描述衣物种类特征的神经网络参数；将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域；根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。该方法利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

Description

洗衣机及其洗涤控制方法和装置

技术领域

本发明涉及家用电器技术领域，特别涉及一种洗衣机基于图像识别衣物种类与数量的洗涤控制方法、一种洗衣机基于图像识别衣物种类与数量的洗涤控制装置以及一种洗衣机。

背景技术

随着人们生活水平的不断提高，洗衣机已进入了千家万户，成为了人们日常生活中必不可少的一种家用电器。随着人们对生活品质追求的不断提高，催生了越来越多的人性化的洗衣方式。当用户使用洗衣机进行洗涤衣物时，洗衣机桶内的衣物的种类与数量均可成为影响洗涤效果的因素，例如，通常情况下洗涤羽绒服时洗衣机内桶的转速较低，当用户使用洗衣机洗涤羽绒服时，可以向洗衣机内桶中投入较多的杀菌剂。但是如何使得洗衣机智能地判断出待洗衣物的种类与数量并选择适合的洗衣模式，是目前亟需解决的问题。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种洗衣机基于图像识别衣物种类与数量的洗涤控制方法，能够自动获取待洗衣物中衣物种类与数量，从而能够智能地控制洗衣机进行洗涤。

本发明的第二个目的在于提出一种洗衣机基于图像识别衣物种类与数量的洗涤控制装置。

本发明的第三个目的在于提出一种洗衣机。

为达到上述目的，本发明第一方面实施例提出了一种洗衣机基于图像识别衣物种类与数量的洗涤控制方法，包括以下步骤：获取待洗衣物的图像；获取描述衣物种类特征的神经网络参数；将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域；根据所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，并根据所述待洗衣物中衣物的种类和数量生成洗涤参数，以及根据所述洗涤参数控制所述洗衣机进行洗涤。

根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，首先，获取待洗衣物的图像，然后，获取描述衣物种类特征的神经网络参数，接着，将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域，最后，根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。该方法利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

另外，根据本发明上述实施例提出的洗衣机基于图像识别衣物种类与数量的洗涤控制方法还可以具有如下附加的技术特征：

根据本发明的一个实施例，获取描述衣物种类特征的神经网络参数，包括：获取多个样本衣物的图像；通过对所述多个样本衣物的图像进行训练，并通过深度学习获取所述描述衣物种类特征的神经网络参数。

根据本发明的一个实施例，将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域，包括：对所述待洗衣物的图像进行预处理，并通过区域分割将预处理后的所述待洗衣物的图像分割为多个区块；将每个所述区块与所述神经网络参数进行匹配，以判断每个所述区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为所述目标区域。

根据本发明的一个实施例，根据所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，包括：提取所述目标区域的纹理特征；根据所述衣物种类特征和所述纹理特征获取所述待洗衣物中衣物的种类和数量。

根据本发明的一个实施例，将所述目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域。

根据本发明的一个实施例，对所述待洗衣物的图像进行预处理，包括：对所述待洗衣物的图像光照补偿、背景去除和灰度化处理中的至少一种预处理。

为达到上述目的，本发明第二方面实施例提出了一种洗衣机基于图像识别衣物种类与数量的洗涤控制装置，包括：摄像模块，所述摄像模块用于获取待洗衣物的图像；获取模块，所述获取模块用于获取描述衣物种类特征的神经网络参数；匹配模块，所述匹配模块用于将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域；主控模块，所述主控模块用于所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，并根据所述待洗衣物中衣物的种类和数量生成洗涤参数，以及根据所述洗涤参数控制所述洗衣机进行洗涤。

根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，通过摄像模块获取待洗衣物的图像，通过图像处理模块对待洗衣物的图像进行预处理，并通过区域分割将预处理后的待洗衣物的图像分割为多个区块，然后，通过获取模块获取描述衣物种类特征的深度神经网络参数，接着，通过匹配模块将将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域每个区块与深度神经网络参数进行匹配，以判断每个区块中是否包含衣物种类特征，并通过提取模块将包含衣物种类特征的区块作为目标区域，提取目标区域的纹理特征，最后，通过主控模块根据待洗衣物的图像中包含衣服种类特征的目标区域衣物种类特征和纹理特征获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。该装置通过利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

另外，根据本发明上述实施例提出的洗衣机基于图像识别衣物种类与数量的洗涤控制装置还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述摄像模块还用于获取多个样本衣物的图像，所述获取模块还用于通过对不同的样本衣物的图像进行训练，并通过学习获取所述描述衣物种类特征的神经网络参数。

根据本发明的一个实施例，所述匹配模块还用于对所述待洗衣物的图像进行预处理，并通过区域分割将预处理后的所述待洗衣物的图像分割为多个区块，以及将每个所述区块与所述神经网络参数进行匹配，以判断每个所述区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为所述目标区域。

根据本发明的一个实施例，所述主控模块还用于提取所述目标区域的纹理特征，并根据所述衣物种类特征和所述纹理特征获取所述待洗衣物中衣物的种类和数量。

根据本发明的一个实施例，所述主控模块将所述目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域。

根据本发明的一个实施例，所述主控模块还用于对所述待洗衣物的图像光照补偿、背景去除和灰度化处理中的至少一种预处理。

为达到上述目的，本发明第三方面实施例提出了一种洗衣机，包括上述洗衣机基于图像识别衣物种类与数量的洗涤控制装置。

根据本发明实施例的洗衣机，通过上述洗衣机基于图像识别衣物种类与数量的洗涤控制装置，利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

附图说明

图1是根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法的流程图；

图2是根据本发明一个实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法的流程图；

图3是根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置的方框示意图；以及

图4是根据本发明实施例的洗衣机的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合附图来描述本发明实施例的洗衣机及其基于图像识别衣物种类与数量的洗涤控制方法和装置。

图1是根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法的流程图。如图1所示，本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法可包括以下步骤：

S1，获取待洗衣物的图像。

具体地，当用户将待洗衣物放入洗衣机内桶后，在洗衣机运行的过程中，可以通过设置在洗衣机桶内上的摄像装置对当前洗衣过程中的洗衣机桶内进行拍照以获取待洗衣物的图像。

S2，获取描述衣物种类特征的神经网络参数。

具体地，可获取多个样本衣物的图像，通过对多个样本衣物的图像进行训练，并通过深度学习获取描述衣物种类特征的神经网络参数。

具体而言，在当前洗衣过程之前，例如可在洗衣机出厂之前需要获取描述衣物种类特征的神经网络参数。在对样本图像训练的过程中，可通过设置在洗衣机桶内上的摄像装置对的洗衣机桶内进行拍照以在获取多个样本衣物的图像，可通过深度学习的方法对多个样本衣物的图像进行训练，以获取衣物图像和衣物种类特征之间对应关系的神经网络参数。

S3，将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域。

具体地，可对待洗衣物的图像进行预处理，并通过区域分割将预处理后的待洗衣物的图像分割为多个区块，以及将每个区块与神经网络参数进行匹配，以判断每个区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为目标区域。

具体而言，在通过摄像装置获取到待洗衣物的图像后，可对待洗衣物的图像进行预处理，如进行光照补偿、背景去除和灰度化处理中的至少一种预处理，并通过区域分割将预处理后的待洗衣物的图像分割为多个区块，以及将每个区块与神经网络参数进行匹配，以判断每个区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为目标区域。具体如何分割可以采用较为常用的基于区域分割的方法和基于边缘分割的方法等，这里不做详述。

需要说明的是，在通过摄像装置对待洗衣物进行拍照的过程中，获取的待洗衣物的图像中可包含很多待洗衣物的子区域，也可能拍到一件衣物。

S4，根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。

具体地，可提取目标区域的纹理特征，将目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域，并根据衣物种类特征和纹理特征获取待洗衣物中衣物的种类和数量。其中，具体如何提取目标区域的纹理特征可以采用较为常用的基于结构的方法和基于统计数据的方法等，这里不再详述。

进一步地，在获取待洗衣物的种类和数量之后，可根据待洗衣物中衣物的种类和数量生成洗涤参数，洗衣机可根据洗涤参数智能地选择洗衣模式，并控制洗衣机进行洗涤。

为了使本领域的人员更清楚地了解本发明，图2是根据本发明一个实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法的流程图。如图2所示，洗衣机基于图像识别衣物种类与数量的洗涤控制方法可包括以下步骤：

S101，将待洗衣物放入洗衣机内桶。

S102，通过摄像装置对洗衣机内桶的待洗衣物进行拍照。

S103，获取待洗衣物的图像。

S104，对待洗衣物的图像进行预处理。

S105，通过区域分割将待洗衣物的图像分割为多个区块。

S106，将每个区块与衣物种类特征的神经网络参数进行匹配，判断每个区块中是否包含衣物种类特征。

S107，将包含衣物种类特征的区块作为目标区域。

S108，提取目标区域的纹理特征。

S109，将目标区域中具有相同的衣物种类和相同的纹理特征的子区域归为同一衣物，并获取衣物的种类的数量。

S110，根据衣物的种类的数量生成洗涤参数，并根据洗涤参数控制洗衣机进行洗涤。

综上所述，根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，首先，获取待洗衣物的图像，然后，获取描述衣物种类特征的神经网络参数，接着，将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域，最后，根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。该方法利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

图3是根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置的方框示意图。如图3所示，本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，包括：摄像模块10、获取模块20、匹配模块30和主控模块40。

其中，摄像模块10用于获取待洗衣物的图像。获取模块20用于获取描述衣物种类特征的神经网络参数。匹配模块30用于将待洗衣物的图像与神经网络参数进行匹配，以获取待洗衣物的图像中包含衣服种类特征的目标区域。主控模块40用于根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。

具体地，当用户将待洗衣物放入洗衣机内桶后，在洗衣机运行的过程中，可以通过设置在洗衣机桶内上的摄像模块10如摄像装置对当前洗衣过程中的洗衣机桶内进行拍照以获取待洗衣物的图像。

在本发明的一个实施例中，摄像模块10还用于获取多个样本衣物的图像，获取模块20还用于通过对不同的样本衣物的图像进行训练，并通过深度学习获取描述衣物种类特征的神经网络参数。

具体地，在当前洗衣过程之前，例如可在洗衣机出厂之前需要获取描述衣物种类特征的神经网络参数。在对样本图像训练的过程中，可通过设置在洗衣机桶内上的摄像模块10获取对洗衣机桶内进行拍照以在获取多个样本衣物的图像，可通过获取模块20对多个样本衣物的图像进行训练，并通过深度学习以获取衣物图像和衣物种类特征之间对应关系的神经网络参数。

在本发明的一个实施例中，匹配模块30还用于对待洗衣物的图像进行预处理，并通过区域分割将预处理后的待洗衣物的图像分割为多个区块，以及将每个区块与神经网络参数进行匹配，以判断每个区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为目标区域。

具体地，在通过摄像模块10获取到待洗衣物的图像后，可通过匹配模块20对待洗衣物的图像进行预处理，如进行光照补偿、背景去除和灰度化处理中的至少一种预处理，并通过区域分割将预处理后的待洗衣物的图像分割为多个区块，以及将每个区块与神经网络参数进行匹配，可以直接地判断每个区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为目标区域。具体如何分割可以采用较为常用的基于区域分割的方法和基于边缘分割的方法等，这里不做详述。

需要说明的是，在通过摄像装置对待洗衣物进行拍照的过程中，获取的待洗衣物的图像中可包含很多待洗衣物的子区域，也有可能拍到一件衣物。

在本发明的一个实施例中，主控模块还用于提取目标区域的纹理特征，将目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域，并根据衣物种类特征和纹理特征获取待洗衣物中衣物的种类和数量。其中，具体如何提取目标区域的纹理特征可以采用较为常用的基于结构的方法和基于统计数据的方法等，这里不再详述。

具体地，在获取待洗衣物的种类和数量之后，主控模块40可根据待洗衣物中衣物的种类和数量生成洗涤参数，并可根据洗涤参数智能地选择洗衣模式，控制洗衣机进行洗涤。

根据本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，通过摄像模块获取待洗衣物的图像，然后，通过获取模块获取描述衣物种类特征的神经网络参数，接着，通过匹配模块将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域，最后，通过主控模块根据待洗衣物的图像中包含衣服种类特征的目标区域获取待洗衣物中衣物的种类和数量，并根据待洗衣物中衣物的种类和数量生成洗涤参数，以及根据洗涤参数控制洗衣机进行洗涤。该装置利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

基于上述实施例，本发明实施例还提出了一种洗衣机1000。

图4是根据本发明实施例的洗衣机的方框示意图。如图4所示，本发明实施例的洗衣机1000包括上述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置100。

需要说明的是，本发明实施例的洗衣机1000中未披露的细节，请参考本发明实施例的洗衣机基于图像识别衣物种类与数量的洗涤控制装置100中所披露的细节，具体这里不再详述。

根据本发明实施例的洗衣机，通过上述洗衣机基于图像识别衣物种类与数量的洗涤控制装置，利用图像识别和深度学习，能够自动获取待洗衣物中衣物的种类和数量，从而能够智能地控制洗衣机进行洗涤。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，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发明的限制。

此外，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或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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，可以是两个元件内部的连通或两个元件的相互作用关系。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发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (13)

1.一种洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，包括以下步骤：

获取待洗衣物的图像；

获取描述衣物种类特征的神经网络参数；

将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域；

根据所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，并根据所述待洗衣物中衣物的种类和数量生成洗涤参数，以及根据所述洗涤参数控制所述洗衣机进行洗涤。

2.根据权利要求1所述的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，获取描述衣物种类特征的神经网络参数，包括：

获取多个样本衣物的图像；

通过对所述多个样本衣物的图像进行训练，并通过深度学习获取所述描述衣物种类特征的神经网络参数。

3.根据权利要求1或2所述的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域，包括：

对所述待洗衣物的图像进行预处理，并通过区域分割将预处理后的所述待洗衣物的图像分割为多个区块；

将每个所述区块与所述神经网络参数进行匹配，以判断每个所述区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为所述目标区域。

4.根据权利要求3所述的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，根据所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，包括：

提取所述目标区域的纹理特征；

根据所述衣物种类特征和所述纹理特征获取所述待洗衣物中衣物的种类和数量。

5.根据权利要求4所述的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，将所述目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域。

6.根据权利要求4所述的洗衣机基于图像识别衣物种类与数量的洗涤控制方法，其特征在于，对所述待洗衣物的图像进行预处理，包括：

对所述待洗衣物的图像进行光照补偿、背景去除和灰度化处理中的至少一种预处理。

7.一种洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，包括：

摄像模块，所述摄像模块用于获取待洗衣物的图像；

获取模块，所述获取模块用于获取描述衣物种类特征的神经网络参数；

匹配模块，所述匹配模块用于将所述待洗衣物的图像与所述神经网络参数进行匹配，以获取所述待洗衣物的图像中包含衣服种类特征的目标区域；

主控模块，所述主控模块用于所述待洗衣物的图像中包含衣服种类特征的目标区域获取所述待洗衣物中衣物的种类和数量，并根据所述待洗衣物中衣物的种类和数量生成洗涤参数，以及根据所述洗涤参数控制所述洗衣机进行洗涤。

8.根据权利要求7所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，所述摄像模块还用于获取多个样本衣物的图像，所述获取模块还用于通过对不同的样本衣物的图像进行训练，并通过深度学习获取所述描述衣物种类特征的神经网络参数。

9.根据权利要求7或8所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，所述匹配模块还用于对所述待洗衣物的图像进行预处理，并通过区域分割将预处理后的所述待洗衣物的图像分割为多个区块，以及将每个所述区块与所述神经网络参数进行匹配，以判断每个所述区块中是否包含衣物种类特征，并将包含衣物种类特征的区块作为所述目标区域。

10.根据权利要求9所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，所述主控模块还用于提取所述目标区域的纹理特征，并根据所述衣物种类特征和所述纹理特征获取所述待洗衣物中衣物的种类和数量。

11.根据权利要求10所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，所述主控模块将所述目标区域中具有相同的衣物种类特征和相同的纹理特征的子区域归为同一衣物的子区域。

12.根据权利要求10所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置，其特征在于，所述主控模块还用于对所述待洗衣物的图像光照补偿、背景去除和灰度化处理中的至少一种预处理。

13.一种洗衣机，其特征在于，包括根据权利要求6-12中任一项所述的洗衣机基于图像识别衣物种类与数量的洗涤控制装置。