CN107558097B - 衣物处理装置及其洗涤程序的选择方法和装置 - Google Patents

Abstract

本发明公开了一种衣物处理装置及其洗涤程序的选择方法和装置，其中，该方法包括以下步骤：获取待洗衣物的图像信息，根据所述图像信息获取待洗衣物的褶皱特征；获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率选择确定衣物处理装置所要执行的洗涤程序。根据本发明的方法，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

Description

衣物处理装置及其洗涤程序的选择方法和装置

技术领域

本发明涉及洗涤电器技术领域，特别涉及一种洗涤程序的选择方法、一种非临时性计算机可读存储介质、一种洗涤程序的选择装置以及一种衣物处理装置。

背景技术

随着洗衣机等衣物处理装置的普及，用户对其洗涤要求越来越高。

目前，洗衣机缺乏自主决策的能力，各种洗涤功能的执行必须依赖用户给予相应指令。然而，由于洗衣机各种功能的不断细化，用户对各种功能的理解与把握变得越来越困难，这给用户充分使用洗衣机的各种功能带来了不利影响。

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涤程序的选择方法，能够自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

本发明的第二个目的在于提出一种非临时性计算机可读存储介质。

本发明的第三个目的在于提出一种洗涤程序的选择装置。

本发明的第四目的在于提出一种衣物处理装置。

为达到上述目的，本发明第一方面实施例提出了一种洗涤程序的选择方法，该方法包括以下步骤：获取待洗衣物的图像信息，并根据所述图像信息获取所述待洗衣物的褶皱特征；获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；根据所述待洗衣物的褶皱特征和所述映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据所述每个洗涤程序的选择概率确定所述衣物处理装置所要执行的洗涤程序。

根据本发明实施例的洗涤程序的选择方法，获取待洗衣物的图像信息，并根据图像信息获取待洗衣物的褶皱特征，并获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，以及根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率确定衣物处理装置所要执行的洗涤程序，由此，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

另外，根据本发明上述实施例提出的洗涤程序的选择方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，根据所述每个洗涤程序的选择概率确定所述衣物处理装置所要执行的洗涤程序，包括：从所述衣物处理装置的洗涤程序选择概率数据库中获取所述每个洗涤程序的先验选择概率；根据所述每个洗涤程序的选择概率和先验选择概率确定所述每个洗涤程序的后验选择概率；选择后验选择概率最大的洗涤程序作为所述衣物处理装置所要执行的洗涤程序。

在本发明的一个实施例中，获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，包括：获取多个样本衣物的图像信息，并根据所述图像信息获取对应样本衣物的褶皱特征；确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，并通过神经网络描述所述映射关系；通过对描述所述映射关系的神经网络进行学习以得到映射参数，并根据所述映射参数构建所述映射模型。

在本发明的一个实施例中，在确定所述衣物处理装置所要执行的洗涤程序后，还包括：判断所述衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值；如果所述后验选择概率大于所述预设概率阈值，则根据所述后验选择概率对所述衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新。

在本发明的一个实施例中，所述根据所述图像信息获取所述待洗衣物的褶皱特征，包括：获取所述待洗衣物的图像信息中的褶皱区域，对所述褶皱区域进行二值化处理，以获取所述待洗衣物的褶皱特征。

为达到上述目的，本发明第二方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现本发明第一方面实施例提出的洗涤程序的选择方法。

根据本发明实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

为达到上述目的，本发明第三方面实施例提出了一种洗涤程序的选择装置，该装置包括：第一获取模块，用于获取待洗衣物的图像信息，并根据所述图像信息获取所述待洗衣物的褶皱特征；第二获取模块，用于获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；选择模块，用于根据所述待洗衣物的褶皱特征和所述映射模型获取所述衣物处理装置中每个洗涤程序的选择概率，并根据所述每个洗涤程序的选择概率选择所述衣物处理装置所要执行的洗涤程序。

根据本发明实施例的洗涤程序的选择装置，第一获取模块可获取待洗衣物的图像信息，并根据所述图像信息获取待洗衣物的褶皱特征，第二获取模块可获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，选择模块可根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率选择衣物处理装置所要执行的洗涤程序，由此，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

另外，根据本发明上述实施例提出的洗涤程序的选择装置还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述选择模块用于从所述衣物处理装置的洗涤程序选择概率数据库中获取所述衣物处理装置中每个洗涤程序的先验选择概率，并根据所述每个洗涤程序的选择概率和先验选择概率确定所述每个洗涤程序的后验选择概率，以及选择后验选择概率最大的洗涤程序作为所述衣物处理装置所要执行的洗涤程序。

在本发明的一个实施例中，所述第一获取模块用于获取多个样本衣物的图像，并获取每个样本衣物的图像的褶皱区域信息，并根据所述图像信息获取对应样本衣物的褶皱特征，所述第二获取模块用于确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，以及通过神经网络描述所述映射关系，并通过对描述所述映射关系的神经网络进行学习以得到映射参数，以及根据所述映射参数构建所述映射模型。

在本发明的一个实施例中，所述洗涤程序的选择装置还包括：判断模块，用于在所述选择模块确定所述衣物处理装置所要执行的洗涤程序后，判断所述衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值；更新模块，用于在所述后验选择概率大于所述预设概率阈值时，根据所述后验选择概率对所述衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新。

在本发明的一个实施例中，所述第一获取模块用于获取所述待洗衣物的图像信息中的褶皱区域，并对所述待洗衣物的图像的褶皱区域进行二值化处理，以获取所述待洗衣物的褶皱特征。

为达到上述目的，本发明第四方面实施例提出了一种衣物处理装置。

本发明实施例的衣物处理装置，包括本发明上述实施例提出的洗涤程序的选择装置，其具体的实施方式可参照上述实施例，为避免冗余，在此不再赘述。

根据本发明实施例的衣物处理装置，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高智能性，并能够保证洗涤效果。

附图说明

图1为根据本发明实施例的衣洗涤程序的选择方法的流程图；

图2为根据本发明一个实施例的构建描述衣物褶皱特征与洗涤程序之间关系的映射模型的方法的流程图；

图3为根据本发明另一个实施例的根据每个洗涤程序的选择概率确定衣物处理装置所要执行的洗涤程序的方法的流程图；

图4为根据本发明一个具体实施例的洗涤程序的选择方法的流程图；

图5为根据本发明实施例的洗涤程序的选择装置的方框示意图；

图6为根据本发明一个实施例的洗涤程序的选择装置的方框示意图。

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衣物处理装置及其洗涤程序的选择方法和装置。

图1为根据本发明实施例的洗涤程序的选择方法的流程图。

如图1所示，本发明实施例的洗涤程序的选择方法，包括以下步骤：

S1，获取待洗衣物的图像信息，并根据所述图像信息获取待洗衣物的褶皱特征。

其中，可通过安装在衣物处理装置内的摄像头，对衣物处理装置的待洗衣物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，可获取待洗衣物的图像信息中的褶皱区域，并对褶皱区域进行二值化处理，以获得待洗衣物的褶皱特征。

需要说明的是，对待洗衣物的图像信息中的褶皱区域进行二值化处理，有利于使图像变得简单，而且数据量减少，从而能够快速准确地得到待洗衣物的褶皱特征。

S2，获取描述衣物褶皱特征与洗涤程序之间关系的映射模型。

需要说明的是，衣物褶皱特征与衣物的材质与种类有着密切关系，而衣物的材质和种类又决定了衣物处理装置应该采用何种洗涤程序，因此，可将衣物褶皱特征作为决定洗涤类型的依据。

在本发明的实施例中，可在当前洗衣过程之前构建描述衣物褶皱特征与洗涤程序之间关系的映射模型，例如可在衣物处理装置出厂之前构建描述衣物褶皱特征与洗涤程序之间关系的映射模型，并将该映射模型储存在衣物处理装置中，以便选择衣物处理装置洗涤程序时调用。

具体地，如图2所示，可通过以下步骤构建描述衣物褶皱特征与洗涤程序之间关系的映射模型：

S201，获取多个样本衣物的图像信息，并根据图像信息获取对应样本衣物的褶皱特征。

其中，可通过安装在衣物处理装置内的摄像头，对多个样本衣物进行拍照以获取多个样本衣物的图像。

S202，确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，并通过神经网络描述映射关系。

其中，衣物处理装置中可存储有包含大量衣物的褶皱特征与洗涤程序的对应关系的关系数据库，每个样本衣物的褶皱特征与洗涤程序之间的映射关系可从上述关系数据库中查找获取到。

S203，通过对描述映射关系的神经网络进行学习以得到映射参数，并根据映射参数构建映射模型。

具体地，可通过深度神经网络描述每个样本衣物的褶皱特征与洗涤程序之间的映射关系，并通过对深度神经网络的深度学习来获得映射参数，从而构建映射模型。

S3，根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率确定衣物处理装置所要执行的洗涤程序。

在本发明的一个实施例中，如图3所示，可通过以下步骤确定衣物处理装置所要执行的洗涤程序：

S301，从衣物处理装置的洗涤程序选择概率数据库中获取每个洗涤程序的先验选择概率。

其中，衣物处理装置的洗涤程序选择概率数据库可预先统计，并进行存储，以便获取衣物处理装置中每个洗涤程序的先验选择概率时调用。具体地，可对用户在洗衣过程中选择不同洗涤程序的次数进行统计，并计算不同洗涤程序的先验选择概率，从而得到衣物处理装置的洗涤程序选择概率数据库。

S302，根据每个洗涤程序的选择概率和先验选择概率确定每个洗涤程序的后验选择概率。

其中，利用描述衣物褶皱特征与洗涤程序之间关系的映射模型，将待洗衣物的褶皱特征作为该映射模型的输入，可推断出每个洗涤程序的选择概率，并将每个洗涤程序的选择概率和其相对应的先验选择概率相乘可得到每个洗涤程序的后验选择概率。

S303，选择后验选择概率最大的洗涤程序作为衣物处理装置所要执行的洗涤程序。由此，可使衣物处理装置智能地选择正确的洗涤程序对待洗衣物进行洗涤。

也就是说，可结合从衣物处理装置的洗涤程序选择概率数据库中获取到的先验概率和根据待洗衣物的褶皱特征和映射模型获取到的选择概率两个条件来确定衣物处理装置所要执行的洗涤程序。

进一步地，在确定衣物处理装置所要执行的洗涤程序后，还可判断衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值。如果后验选择概率大于预设概率阈值，则根据后验选择概率对衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新，以达到衣物处理装置对具体用户使用情况的自学习效果。其中，预设概率阈值可根据实际情况进行标定。

根据本发明实施例的洗涤程序的选择方法，获取待洗衣物的图像信息，并根据图像信息获取待洗衣物的褶皱特征，并获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，以及根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率选择衣物处理装置所要执行的洗涤程序，由此，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

在本发明的一个具体实施例中，衣物处理装置可为洗衣机等，如图4所示，洗衣机洗涤程序的选择方法可包括以下步骤：

S401，待洗衣物放入洗衣机，并启动洗衣机。

S402，获取待洗衣物的图像信息中的褶皱区域，并褶皱区域进行二值化处理，以获得待洗衣物的褶皱特征。

S403，获取描述衣物褶皱特征与洗涤程序之间关系的映射模型。

S404，利用描述衣物褶皱特征与洗涤程序之间关系的映射模型推断出每个洗涤程序的选择概率。

S405，从洗衣机的洗涤程序选择概率数据库中获取洗衣机中每个洗涤程序的先验选择概率。

S406，每个洗涤程序的选择概率和其相对应的先验选择概率相乘得到每个洗涤程序的后验选择概率，并选择后验选择概率最大的洗涤程序作为洗衣机所要执行的洗涤程序。

S407，判断洗衣机所要执行的洗涤程序的后验选择概率是否大于预设概率阈值。如果是，则执行步骤S407；如果否，则执行步骤S409。

S408，根据洗衣机所要执行的洗涤程序的后验选择概率对洗衣机的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新。

S409，不对洗衣机的洗涤程序选择概率数据库进行更新。

对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。

本发明实施例的非临时性计算机可读存储介质，存储有计算机程序，其中当该程序被处理器执行时，可实现本发明上述实施例提出的衣物处理装置洗涤程序的选择方法。

根据本发明实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

对应上述实施例，本发明还提出一种衣物处理装置洗涤程序的选择装置。

如图5所示，本发明实施例的洗涤程序的选择装置，包括：第一获取模块10、第二获取模块20和选择模块30。

其中，第一获取模块10用于获取待洗衣物的图像信息，并根据所述图像信息获取待洗衣物的褶皱特征；第二获取模块20用于获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；选择模块30用于根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率选择衣物处理装置所要执行的洗涤程序。

其中，第一获取模块10可包括安装在衣物处理装置内的摄像头，通过安装在衣物处理装置内的摄像头，对衣物处理装置的待洗衣物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，第一获取模块10可获取待洗衣物的图像信息中的褶皱区域，并对褶皱区域进行二值化处理，以获得待洗衣物的褶皱特征。

需要说明的是，第一获取模块10对待洗衣物的图像信息中的褶皱区域进行二值化处理，有利于使图像变得简单，而且数据量减少，从而能够快速准确地得到待洗衣物的褶皱特征。

需要说明的是，衣物褶皱特征与衣物的材质与种类有着密切关系，而衣物的材质和种类又决定了衣物处理装置应该采用何种洗涤程序，因此，可将衣物褶皱特征作为决定洗涤类型的依据。

在本发明的一个实施例中，可在当前洗衣过程之前构建描述衣物褶皱特征与洗涤程序之间关系的映射模型，例如可在衣物处理装置出厂之前构建描述衣物褶皱特征与洗涤程序之间关系的映射模型，并将该映射模型储存在衣物处理装置中，以便第二获取模块20在选择衣物处理装置洗涤程序的过程中调用。

具体地，第一获取模块10可获取多个样本衣物的图像信息，并根据图像信息获取对应样本衣物的褶皱特征，第二获取模块20还可确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，以及通过神经网络描述映射关系，并通过对描述映射关系的神经网络进行学习以得到映射参数，以及根据映射参数构建映射模型。

其中，第一获取模块可包括安装在衣物处理装置内的摄像头，可通过安装在衣物处理装置内的摄像头，对多个样本衣物进行拍照以获取多个样本衣物的图像。

需要说明的是，衣物处理装置中可存储有包含大量衣物的褶皱特征与洗涤程序的对应关系的关系数据库，每个样本衣物的褶皱特征与洗涤程序之间的映射关系可通过第二获取模块20从上述关系数据库中查找获取到。

在本发明的一个实施例中，可通过深度神经网络描述每个样本衣物的褶皱特征与洗涤程序之间的映射关系，并通过对深度神经网络的深度学习技术获得映射参数，从而构建映射模型。

在本发明的一个实施例中，选择模块30用于从衣物处理装置的洗涤程序选择概率数据库中获取衣物处理装置中每个洗涤程序的先验选择概率，并根据每个洗涤程序的选择概率和先验选择概率获取每个洗涤程序的后验选择概率，以及选择后验选择概率最大的洗涤程序作为衣物处理装置所要执行的洗涤程序。由此，可使衣物处理装置智能地选择正确的洗涤程序对待洗衣物进行洗涤。

其中，衣物处理装置的洗涤程序选择概率数据库可预先统计，并进行存储，以便获取衣物处理装置中每个洗涤程序的先验选择概率时调用。具体地，可对用户在洗衣过程中选择不同洗涤程序的次数进行统计，并计算不同洗涤程序的选择概率，从而得到衣物处理装置的洗涤程序选择概率数据库。

需要说明的是，利用描述衣物褶皱特征与洗涤程序之间关系的映射模型，将待洗衣物的褶皱特征作为该映射模型的输入，选择模块30可推断出每个洗涤程序的选择概率，且选择模块30可将每个洗涤程序的选择概率和其相对应的先验选择概率相乘得到每个洗涤程序的后验选择概率。

也就是说，选择模块30可结合从衣物处理装置的洗涤程序选择概率数据库中获取到的先验概率和根据待洗衣物的褶皱特征与映射模型获取到的选择概率两个条件来确定衣物处理装置所要执行的洗涤程序。

进一步地，如图6所示，本发明实施例的洗涤程序的选择装置，还包括：判断模块40和更新模块50。

其中，判断模块40用于在选择模块30确定衣物处理装置所要执行的洗涤程序后，判断衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值；更新模块50用于在后验选择概率大于预设概率阈值时，根据后验选择概率对衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新，以达到衣物处理装置对具体用户使用情况的自学习效果。其中，预设概率阈值可根据实际情况进行标定。

在本发明的一个具体实施例中，衣物处理装置可为洗衣机等。

根据本发明实施例的洗涤程序的选择装置，第一获取模块可获取待洗衣物的图像信息，并根据所述图像信息获取待洗衣物的褶皱特征，第二获取模块可获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，选择模块可根据待洗衣物的褶皱特征和映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据每个洗涤程序的选择概率选择衣物处理装置所要执行的洗涤程序，由此，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高衣物处理装置的智能性，并能够保证衣物处理装置的洗涤效果。

对应上述实施例，本发明还提出一种衣物处理装置。

本发明实施例的衣物处理装置，包括本发明上述实施例提出的洗涤程序的选择装置，其具体的实施方式可参照上述实施例，为避免冗余，在此不再赘述。

根据本发明实施例的衣物处理装置，能够根据待洗衣物的褶皱特征自主选择适当的洗涤程序，大大提高智能性，并能够保证洗涤效果。

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 (10)

1.一种洗涤程序的选择方法，其特征在于，包括以下步骤：

获取待洗衣物的图像信息，根据所述图像信息获取所述待洗衣物的褶皱特征；

获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；

根据所述待洗衣物的褶皱特征和所述映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据所述每个洗涤程序的选择概率确定所述衣物处理装置所要执行的洗涤程序，其中，

根据所述每个洗涤程序的选择概率确定所述衣物处理装置所要执行的洗涤程序，包括：

从所述衣物处理装置的洗涤程序选择概率数据库中获取每个洗涤程序的先验选择概率；

根据所述每个洗涤程序的选择概率和先验选择概率确定所述每个洗涤程序的后验选择概率；

选择后验选择概率最大的洗涤程序作为所述衣物处理装置所要执行的洗涤程序。

2.根据权利要求1所述的洗涤程序的选择方法，其特征在于，获取描述衣物褶皱特征与洗涤程序之间关系的映射模型，包括：

获取多个样本衣物的图像信息，根据所述图像信息获取对应样本衣物的褶皱特征；

确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，并通过神经网络描述所述映射关系；

通过对描述所述映射关系的神经网络进行学习以得到映射参数，并根据所述映射参数构建所述映射模型。

3.根据权利要求1所述的洗涤程序的选择方法，其特征在于，在确定所述衣物处理装置所要执行的洗涤程序后，还包括：

判断所述衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值；

如果所述后验选择概率大于所述预设概率阈值，则根据所述后验选择概率对所述衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新。

4.根据权利要求1-3任一所述的洗涤程序的选择方法，其特征在于，所述根据所述图像信息获取所述待洗衣物的褶皱特征，包括：

获取所述待洗衣物的图像信息中的褶皱区域，对所述褶皱区域进行二值化处理，以获取所述待洗衣物的褶皱特征。

5.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-4中任一所述的洗涤程序的选择方法。

6.一种洗涤程序的选择装置，其特征在于，包括：

第一获取模块，用于获取待洗衣物的图像信息，根据所述图像信息获取所述待洗衣物的褶皱特征；

第二获取模块，用于获取描述衣物褶皱特征与洗涤程序之间关系的映射模型；

选择模块，用于根据所述待洗衣物的褶皱特征和所述映射模型获取衣物处理装置中每个洗涤程序的选择概率，并根据所述每个洗涤程序的选择概率选择所述衣物处理装置所要执行的洗涤程序，其中，

所述选择模块用于从所述衣物处理装置的洗涤程序选择概率数据库中获取每个洗涤程序的先验选择概率，并根据所述每个洗涤程序的选择概率和先验选择概率确定所述每个洗涤程序的后验选择概率，以及选择后验选择概率最大的洗涤程序作为所述衣物处理装置所要执行的洗涤程序。

7.根据权利要求6所述的洗涤程序的选择装置，其特征在于，所述第一获取模块用于获取多个样本衣物的图像信息，根据所述图像信息获取对应样本衣物的褶皱特征，所述第二获取模块用于确定每个样本衣物的褶皱特征与洗涤程序之间的映射关系，以及通过神经网络描述所述映射关系，并通过对描述所述映射关系的神经网络进行学习以得到映射参数，以及根据所述映射参数构建所述映射模型。

8.根据权利要求6所述的洗涤程序的选择装置，其特征在于，还包括：

判断模块，用于在所述选择模块确定所述衣物处理装置所要执行的洗涤程序后，判断所述衣物处理装置所要执行的洗涤程序的后验选择概率是否大于预设概率阈值；

更新模块，用于在所述后验选择概率大于所述预设概率阈值时，根据所述后验选择概率对所述衣物处理装置的洗涤程序选择概率数据库中该洗涤程序的先验选择概率进行更新。

9.根据权利要求6-8任一所述的洗涤程序的选择装置，其特征在于，所述第一获取模块用于获取所述待洗衣物的图像信息中的褶皱区域，并对所述褶皱区域进行二值化处理，以获取所述待洗衣物的褶皱特征。

10.一种衣物处理装置，其特征在于，包括根据权利要求6-9中任一项所述的洗涤程序的选择装置。

Images