CN107764705B - 净水机及其清洁度的检测方法、装置和系统 - Google Patents
净水机及其清洁度的检测方法、装置和系统 Download PDFInfo
- Publication number
- CN107764705B CN107764705B CN201710906388.5A CN201710906388A CN107764705B CN 107764705 B CN107764705 B CN 107764705B CN 201710906388 A CN201710906388 A CN 201710906388A CN 107764705 B CN107764705 B CN 107764705B
- Authority
- CN
- China
- Prior art keywords
- information
- filter element
- cleanliness
- detection
- water purifier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003749 cleanliness Effects 0.000 title claims abstract description 218
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 215
- 238000001514 detection method Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 claims abstract description 86
- 230000003287 optical effect Effects 0.000 claims abstract description 56
- 239000013618 particulate matter Substances 0.000 claims abstract description 39
- 239000012528 membrane Substances 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 16
- 238000011010 flushing procedure Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 17
- 238000000746 purification Methods 0.000 description 15
- 239000003651 drinking water Substances 0.000 description 13
- 235000020188 drinking water Nutrition 0.000 description 13
- 239000000126 substance Substances 0.000 description 13
- 239000002245 particle Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000008187 granular material Substances 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000008213 purified water Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
- G01N15/0618—Investigating concentration of particle suspensions by collecting particles on a support of the filter type
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
- G01N15/0618—Investigating concentration of particle suspensions by collecting particles on a support of the filter type
- G01N15/0625—Optical scan of the deposits
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Water Treatment By Sorption (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本发明公开了一种净水机及其清洁度的检测方法、装置和系统。其中,该方法包括:对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;获取滤芯的使用时间和所处的位置信息;将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于表征预测净水机滤芯的清洁度信息的模型,清洁度信息用于表征滤芯是否清洁。本发明解决了现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。
Description
技术领域
本发明涉及家用电器领域,具体而言,涉及一种净水机及其清洁度的检测方法、装置和系统。
背景技术
随着人们对饮用水的水质要求不断提高,越来越多的用户在日常生活中使用净水机对饮用水进行深度净化处理,得到新鲜饮用水。由于净水机在使用一段时间之后,滤芯内会出现大分子颗粒物质,影响处理后的水质,因此,现有的净水机都会在净水量达到预先设定值之后,自动对滤芯进行冲洗。
但是,上述处理方式只能通过预先设定值进行控制,而无法实时检测滤芯的清洁度,如果水质较差,净水量未达到设定值,净水机并未对滤芯进行冲洗,而实际中滤芯已经不清洁,严重影响净水效率以及处理后的水质,影响用户的正常使用。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种净水机及其清洁度的检测方法、装置和系统,以至少解决现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。
根据本发明实施例的一个方面,提供了一种净水机清洁度的检测方法,包括:对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;获取滤芯的使用时间和所处的位置信息;将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
根据本发明实施例的另一方面,还提供了一种净水机清洁度的检测装置,包括:检测模块,用于对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;获取模块,用于获取滤芯的使用时间和所处的位置信息;处理模块,用于将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
根据本发明实施例的另一方面,还提供了一种净水机清洁度的检测系统,包括:检测装置,用于对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;处理器,与检测装置连接,用于获取滤芯的使用时间和所处的位置信息,并将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
根据本发明实施例的另一方面,还提供了一种净水机,包括:上述实施例中的净水机清洁度的检测系统。
根据本发明实施例的另一方面,还提供了一种存储介质,包括:存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述实施例中的净水机清洁度的检测方法。
根据本发明实施例的另一方面,还提供了一种处理器,包括:程序运行时执行上述实施例中的净水机清洁度的检测方法。
在本发明实施例中,对净水机的滤芯进行检测,生成检测信息,获取滤芯的使用时间和所处的位置信息,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,从而实现对滤芯的清洁度进行检测的目的。容易注意到的是,由于可以对滤芯进行检测,并通过第一检测模型对清洁度信息进行预测,从而实现对滤芯的清洁度进行实时监测的目的,进而解决了现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。因此,本发明上述实施例提供的技术方案可以达到净水机的智能化控制,提升用户体验的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种净水机清洁度的检测方法的流程图;
图2是根据本发明实施例的一种净水机清洁度的检测装置的示意图;以及
图3是根据本发明实施例的一种净水机清洁度的检测系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种净水机清洁度的检测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种净水机清洁度的检测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息。
具体地,清洁滤芯的实质为冲洗掉滤芯内和滤波表面的大分子颗粒物质,也即,净水机滤芯的清洁度实质是指滤芯内和滤膜表面的大分子颗粒物质的数量,因此,可以通过对大分子颗粒物质进行检测,来实现对滤芯的清洁度检测。例如,可以通过成像技术、声波法或者光学法对滤芯的清洁度进行检测,在实际使用过程中,可以根据实际使用需求进行选择相应的检测方法,例如,光学法和声波法实现较为简单,且成本低,故而可以用于水质要求不高或者要求净水机成本较低的应用场合;而成像技术准确度高,但是实现复杂且成本高,因此,可以用于水质要求较高的大型净水设备。
在一种可选的方案中,可以通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息,具体地,可以通过成像技术对滤芯进行检测,获取到滤芯内和滤膜表面上颗粒物质的分布信息,或者可以通过声波法对滤芯进行检测,获取到超声法发射时间和接收时间之间的超声波的时间差信息,又或者可以通过光学法对滤芯进行检测,获取到返回的光反馈信号的幅度信息。
步骤S104,获取滤芯的使用时间和所处的位置信息。
具体地,由于滤芯使用的时间越久,滤芯的净化能力越差,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度也不同,也即,滤芯的使用时间会影响滤芯的清洁度检测。而且,由于净水机使用地域不同,不同地域的水质也不同,例如,北方水质较硬,水中杂质较多,滤芯越容易脏,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度较差,也即,滤芯所处的位置信息会影响滤芯的清洁度信息。
在一种可选的方案中,由于滤芯的清洁度信息与滤芯的使用时间和所处的位置信息相关,因此,在通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息之后,可以进一步获取到该滤芯的使用时间和所处的位置信息,例如,可以在处理器中存储滤芯的出厂时间,通过读取滤芯的出厂时间,将出厂时间与当前时间进行比较,从而得到滤芯的使用时间;还可以通过滤芯内部的定位装置,获取到滤芯所处的位置信息。
步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
具体地,由于滤芯的清洁度信息与检测信息、滤芯的使用时间和所处的位置信息相关,可以在对滤芯进行清洁度检测之前,可以通过机器学习训练预测滤芯的清洁度信息的神经网络模型,得到第一检测模型。
在一种可选的方案中,在得到检测信息、滤芯的使用时间和所处的位置信息之后,可以将检测信息、使用时间和位置信息输入到预先训练好的第一检测模型中,从而通过第一检测模型得到滤芯的清洁度信息,确定滤芯是否清洁。
根据本发明上述实施例,对净水机的滤芯进行检测,生成检测信息,获取滤芯的使用时间和所处的位置信息,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,从而实现对滤芯的清洁度进行检测的目的。容易注意到的是,由于可以对滤芯进行检测,并通过第一检测模型对清洁度信息进行预测,从而实现对滤芯的清洁度进行实时监测的目的,进而解决了现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。因此,本发明上述实施例提供的技术方案可以达到净水机的智能化控制,提升用户体验的技术效果。
可选地,在本发明上述实施例中,在步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息之后,该方法还包括:
步骤S108,发送携带清洁度信息的第一提示信息至移动终端,其中,第一提示信息由移动终端进行显示。
具体地,上述的移动终端可以是用户的智能手机(包括Android手机、IOS手机)、平板电脑、IPAD、掌上电脑、笔记本电脑等,净水机中可以预先设置通信模块,例如,WIFI模块、3G(第三代移动通信技术,是3rd-Generation的简称)通信模块、4G(第四代移动通信技术,是4th-Generation的简称)通信模块、蓝牙通信模块等,可以通过无线网络、移动网络或蓝牙网络与用户的移动终端建立数据连接。
在一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以立即将携带该清洁度信息的第一提示信息发送至用户的移动终端,由移动终端对该清洁度信息进行显示,从而用户可以实时获取滤芯的清洁度信息,确定滤芯是否清洁。
在另一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以判断清洁度信息是否为滤芯不清洁,如果滤芯的清洁度信息为滤芯不清洁,则可以将携带该清洁度信息的第一提示信息发送至用户的移动终端,从而用户可以确定滤芯不清洁;如果滤芯的清洁度信息为滤芯清洁,则无需将携带该清洁度信息的第一提示信息发送至用户的移动终端,由移动终端对该清洁度信息进行显示,从而用户在收到第一提示信息之后,可以确定滤芯不清洁,需要进行冲洗。
步骤S110,接收移动终端返回的控制指令,其中,控制指令用于对冲洗水阀进行控制。
步骤S112,控制冲洗水阀开启,对滤芯进行冲洗。
在一种可选的方案中,用户在通过移动终端接收到第一提示信息之后,可以根据滤芯的清洁度信息确定滤芯是否清洁,如果确定滤芯不清洁,则可以通过移动终端发送控制指令至净水机,从而控制净水机对滤芯进行冲洗,净水机在接收到控制指令之后,可以开启冲洗水阀,对滤芯进行冲洗,冲洗掉滤芯内和滤膜表面上的大分子颗粒物质,使滤芯清洁。
通过上述方案,用户可以通过移动终端接收到第一提示信息,并根据清洁度信息对净水机进行控制,及时对滤芯进行冲洗,从而避免未及时清洁滤芯,影响净水效率以及用户使用,达到提高饮水卫生质量,延长净水机使用寿命的效果。
可选地,在本发明上述实施例中,在步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息之后,该方法还包括:
步骤S114,在清洁度信息为滤芯不清洁的情况下,控制冲洗水阀开启,对滤芯进行冲洗。
在一种可选的方案中,在预测到滤芯的清洁度信息之后,净水机可以判断清洁度信息是否低于标准,也即,判断滤芯是否清洁,在确定滤芯不清洁,即滤芯污浊之后,净水机可以自动控制冲洗水阀开启,对滤芯进行冲洗,冲洗掉滤芯内和滤膜表面上的大分子颗粒物质,使滤芯清洁。
通过上述方案,净水机可以根据清洁度信息,自动判断是否需要对滤芯进行冲洗,及时对滤芯进行冲洗,从而避免未及时清洁滤芯,影响净水效率以及用户使用,达到提高饮水卫生质量,延长净水机使用寿命的效果。
可选地,在本发明上述实施例中,在步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息之前,该方法还包括:
步骤S114,建立初始检测模型。
步骤S116,获取多组样本数据,其中,每组样本数据包括:检测信息、使用时间和位置信息,以及对应的清洁度信息。
步骤S118,利用多组样本数据对初始检测模型进行训练,得到第一检测模型。
在一种可选的方案中,可以建立初始神经网络模型,即上述的初始检测模型,并从大量净水机获取到大量数据,即获取到多组检测信息、使用时间和位置信息,并为每组数据标记对应的清洁度信息的标签,可以利用处理后的多组样本数据对初始检测模型进行训练,从而得到训练后的第一检测模型。
通过上述方案,可以通过机器学习方式,利用多组样本数据训练得到第一检测模型,并通过训练后的第一检测模型对滤芯的清洁度信息进行预测,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,在检测信息为滤芯内颗粒物质的分布图的情况下,步骤S102,对净水机的滤芯进行检测,生成检测信息包括:
步骤S1021,获取滤芯内和滤膜表面的图像信息。
具体地,可以通过成像技术对滤芯进行检测,例如,可以通过CCD(电荷耦合器件,是Charge Coupled Device的简称)相机拍摄滤芯的图像,或者通过X射线照射滤芯内部,从而得到滤芯内和滤膜表面的图像信息。
步骤S1022,对图像信息进行图像识别,得到滤芯内颗粒物质的分布信息,其中,分布信息包括:颗粒物质的分布位置和分布数量。
在一种可选的方案中,在获取到滤芯内和滤膜表面的图像信息之后,可以对图像进行预处理、灰度处理,并通过每个像素点的色差,对图像信息进行图像识别,确定图像信息中每个颗粒物质的分布信息,即得到每个颗粒物质的分布位置和分布数量,进一步可以通过分布信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,在检测信息为超声波的时间差信息的情况下,步骤S102,对净水机的滤芯进行检测,生成检测信息包括:
步骤S1023,向滤芯发射超声波信号,并获取发射超声波信号的发射时间。
步骤S1024,接收滤芯返回的超声波反馈信号,并获取接收到超声波反馈信号的返回时间。
步骤S1025,计算返回时间与发射时间的差值,得到时间差信息。
在一种可选的方案中,可以通过声波法对滤芯进行检测,即可以通过超声波发射器向滤芯发射超声波信号,当超声波遇到大分子颗粒物质时会提前反射,因此,可以通过检测超声波发射时间和返回时间的时间差,得到时间差信息,进一步可以通过时间差信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,在检测信息为光信号的幅度信息的情况下,对步骤S102,净水机的滤芯进行检测,生成检测信息包括:
步骤S1026,向滤芯发送光信号。
步骤S1027,获取滤芯返回的光反馈信号。
步骤S1028,获取光反馈信号的幅度,得到幅度信息。
在一种可选的方案中,可以通过光学法检测滤芯的清洁度,通过发光装置,例如,光源向滤芯发射光信号,即光源照射滤芯,在滤芯清洁度较高,没有大分子颗粒物质的情况下,由于小分子颗粒物质对光线的阻碍较小,光线可以是延直线传播;在滤芯清洁度较低,存在大分子颗粒物质的情况下,大分子颗粒物质数量较多,阻碍了光线的直线传播,此时会反射回一个光反馈信号,大分子颗粒物质越多,光反馈信号的幅度越大,因此,可以通过检测光反馈信号的幅度信息大小,确定滤芯内和滤膜上是否存在大分子颗粒物质,从光学法得到光反馈信号的幅度,即得到上述的幅度信息,进一步可以通过幅度信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,在步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息之后,该方法还包括:
步骤S120,将清洁度信息、使用时间和位置信息输入第二检测模型,得到滤芯的剩余使用时间,其中,第二检测模型用于预测滤芯的剩余使用时间。
具体地,由于滤芯的清洁度越差,滤芯的剩余使用时间越短;滤芯的使用时间越长,滤芯的剩余使用时间越短;由于净水机使用地域不同,不同地域的水质也不同,例如,北方水质较硬,水中杂质较多,对滤芯的损坏程度越高,滤芯的剩余使用时间越短。由于滤芯的剩余使用时间与清洁度信息、滤芯的使用时间和所处的位置信息相关,可以在对滤芯进行剩余使用时间进行预测之前,通过机器学习训练预测滤芯的剩余使用时间的神经网络模型,得到第二检测模型。
在一种可选的方案中,在得到清洁度信息、滤芯的使用时间和所处的位置信息之后,可以将清洁度信息、使用时间和位置信息输入到预先训练好的第二检测模型中,从而通过第二检测模型得到滤芯的剩余使用时间。
步骤S122,发送携带剩余使用时间的第二提示信息至移动终端,其中,第二提示信息由移动终端进行显示。
在一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以根据清洁度信息、使用时间和位置信息预测得到滤芯的剩余使用时间,并将携带有预测得到的剩余使用时间的第二提示信息发送至用户的移动终端,由移动终端对该剩余使用时间进行显示,从而用户在收到第二提示信息之后,可以确定滤芯的剩余使用时间,进一步确定是否需要更换滤芯。
在另一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以根据清洁度信息、使用时间和位置信息预测得到滤芯的剩余使用时间,并将剩余使用时间与预设时间进行比较,如果剩余使用时间小于或等于预设时间,则可以将携带该剩余使用时间的第二提示信息发送至用户的移动终端,从而用户可以确定需要对滤芯进行更换;如果剩余使用时间大于预设时间,则无需将携带该剩余使用时间的第二提示信息发送至用户的移动终端,由移动终端对该剩余使用时间进行显示,从而用户在收到第二提示信息之后,可以确定需要对滤芯进行更换。
通过上述方案,净水机可以通过第二检测模型预测剩余使用时间,并发送携带剩余使用时间的第二提示信息至用户的移动终端,用户可以通过移动终端接收到第二提示信息,并确定是否需要更换滤芯,避免由于滤芯无法满足净水要求,净水机无法正常工作。
可选地,在本发明上述实施例中,在步骤S120,将清洁度信息、使用时间和位置信息输入第二检测模型,得到滤芯的剩余使用时间之后,该方法还包括:
步骤S124,判断剩余使用时间是否小于或等于预设时间。
具体地,为了能够及时对滤芯进行更换,避免影响净水机的正常工作使用,可以预先设定更换滤芯的最小时间,即上述的预设时间,具体可以根据购买滤芯,并对滤芯进行更换的时间进行确定,例如,滤芯从购买到更换完成需要5天,则预设时间可以是5天。
在一种可选的方案中,在预测得到滤芯的剩余使用时间之后,可以实时判断剩余使用时间是否小于或等于预设时间,如果剩余使用时间小于或等于预设时间,则确定需要立马对滤芯进行更换。
步骤S126,如果剩余使用时间小于或等于预设时间,则获取滤芯的属性信息,其中,属性信息至少包括:滤芯的品牌、型号和数量。
具体地,为了能够对滤芯进行更换,可以获取到购买滤芯所需要的信息,包括滤芯的品牌、型号和数量,保证更换后的滤芯与更换前的滤芯的品牌和型号均相同,避免更换前后的滤芯的品牌或型号不同,影响滤芯的正常使用。
步骤S128,根据属性信息和位置信息,生成订单信息。
具体地,净水机可以根据滤芯的品牌、型号和数量,从购物平台中选择相应的滤芯,并根据滤芯所处的位置信息,生成购买滤芯的订单信息。
步骤S130,发送订单信息至服务器。
具体地,上述的服务器可以是购物平台的服务器。
在一种可选的方案中,在预测得到滤芯的剩余使用时间之后,将剩余使用时间与预设时间进行对比,如果剩余使用时间小于或等于预设时间,即确定滤芯需要进行更换,则可以获取滤芯的品牌、型号和数量等信息,并结合净水机所处的位置信息,生成购买滤芯的订单信息,并将订单信息提交至购物平台的服务器,完成购买滤芯的整个过程。
需要说明的是,由于订单信息中还包括收货人的手机号和姓名,用户可以预先在净水机中对收货人的姓名和手机号进行设定,确保净水机能够生产购买滤芯的订单信息。
可选地,在本发明上述实施例中,在步骤S106,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息之后,该方法还包括:
步骤S132,将清洁度信息、使用时间和位置信息输入第三检测模型,得到净水机的水质信息,其中,第三检测模型用于预测净水机的水质信息,水质信息用于表征净水机净化后的水是否能够直接饮用。
具体地,由于滤芯的清洁度信息不同,滤芯对饮用水进行净化的能力也不同,得到的饮用水的水质也不同,也即,净水机的水质信息与滤芯的清洁度信息相关;由于滤芯的使用时间不同,滤芯的使用时间越长,滤芯对饮用水进行净化的能力越差,得到的水质越差,也即,净水机的水质信息与滤芯的使用时间相关;由于净水机使用地域不同,不同地域的水质也不同,例如,北方水质较硬,水中杂质较多,滤芯对饮用水进行净化的能力较差,也即,净水机的水质信息与滤芯所处的位置信息相关。由于滤芯的水质信息与清洁度信息、滤芯的使用时间和所处的位置信息相关,可以在对净水机的水质信息进行预测之前,通过机器学习训练净水机的水质信息的神经网络模型,得到第三检测模型。
在一种可选的方案中,在得到清洁度信息、滤芯的使用时间和所处的位置信息之后,可以将清洁度信息、使用时间和位置信息输入到预先训练好的第三检测模型中,从而通过第三检测模型得到净水机的水质信息。
步骤S134,发送携带水质信息的第三提示信息至移动终端,其中,第三提示信息由移动终端进行显示。
在一种可选的方案中,在每次预测到每次预测到滤芯的清洁度信息之后,可以根据清洁度信息、使用时间和位置信息预测得到净水机的水质信息,并将携带有预测得到的剩余使用时间的第二提示信息发送至用户的移动终端,由移动终端对该剩余使用时间进行显示,从而用户在收到第二提示信息之后,可以确定滤芯的剩余使用时间,进一步确定是否需要更换滤芯。
在另一种可选的方案中,在每次预测到每次预测到滤芯的清洁度信息之后,可以根据清洁度信息、使用时间和位置信息预测得到净水机的水质信息,判断净水机净化后的水是否能够直接饮用,如果净水机净化后的水无法直接饮用,则可以将携带该水质信息的第三提示信息发送至用户的移动终端,从而用户可以确定净水机净化后的水是否能够直接饮用;如果净水机净化后的水能够直接饮用,则无需将携带该水质信息的第三提示信息发送至用户的移动终端,由移动终端对该水质信息进行显示,从而用户在收到第三提示信息之后,可以确定是否可以直接饮用净水机净化后的水,如果不能直接饮用,则可以对净水机净化后的水进行加热,避免饮用水卫生质量太差,影响用户健康。
通过上述方案,净水机可以通过第三检测模型预测水质信息,并发送携带水质信息的第三提示信息至用户的移动终端,用户可以通过移动终端接收到第三提示信息,并确定净水机净化后的饮用水是否可以直接饮用,避免由于滤芯的清洁度较差,影响净水机对饮用水的净化能力,影响饮水卫生质量。
实施例2
根据本发明实施例,提供了一种净水机清洁度的检测装置的实施例。
图2是根据本发明实施例的一种净水机清洁度的检测装置的示意图,如图2所示,该装置包括:
检测模块21,用于对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息。
具体地,清洁滤芯的实质为冲洗掉滤芯内和滤波表面的大分子颗粒物质,也即,净水机滤芯的清洁度实质是指滤芯内和滤膜表面的大分子颗粒物质的数量,因此,可以通过对大分子颗粒物质进行检测,来实现对滤芯的清洁度检测。例如,可以通过成像技术、声波法或者光学法对滤芯的清洁度进行检测,在实际使用过程中,可以根据实际使用需求进行选择相应的检测方法,例如,光学法和声波法实现较为简单,且成本低,故而可以用于水质要求不高或者要求净水机成本较低的应用场合;而成像技术准确度高,但是实现复杂且成本高,因此,可以用于水质要求较高的大型净水设备。
在一种可选的方案中,可以通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息,具体地,可以通过成像技术对滤芯进行检测,获取到滤芯内和滤膜表面上颗粒物质的分布信息,或者可以通过声波法对滤芯进行检测,获取到超声法发射时间和接收时间之间的超声波的时间差信息,又或者可以通过光学法对滤芯进行检测,获取到返回的光反馈信号的幅度信息。
获取模块23,用于获取滤芯的使用时间和所处的位置信息。
具体地,由于滤芯使用的时间越久,滤芯的净化能力越差,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度也不同,也即,滤芯的使用时间会影响滤芯的清洁度检测。而且,由于净水机使用地域不同,不同地域的水质也不同,例如,北方水质较硬,水中杂质较多,滤芯越容易脏,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度较差,也即,滤芯所处的位置信息会影响滤芯的清洁度信息。
在一种可选的方案中,由于滤芯的清洁度信息与滤芯的使用时间和所处的位置信息相关,因此,在通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息之后,可以进一步获取到该滤芯的使用时间和所处的位置信息,例如,可以在处理器中存储滤芯的出厂时间,通过读取滤芯的出厂时间,将出厂时间与当前时间进行比较,从而得到滤芯的使用时间;还可以通过滤芯内部的定位装置,获取到滤芯所处的位置信息。
处理模块25,用于将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
具体地,由于滤芯的清洁度信息与检测信息、滤芯的使用时间和所处的位置信息相关,可以在对滤芯进行清洁度检测之前,可以通过机器学习训练预测滤芯的清洁度信息的神经网络模型,得到第一检测模型。
在一种可选的方案中,在得到检测信息、滤芯的使用时间和所处的位置信息之后,可以将检测信息、使用时间和位置信息输入到预先训练好的第一检测模型中,从而通过第一检测模型得到滤芯的清洁度信息,确定滤芯是否清洁。
根据本发明上述实施例,对净水机的滤芯进行检测,生成检测信息,获取滤芯的使用时间和所处的位置信息,将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,从而实现对滤芯的清洁度进行检测的目的。容易注意到的是,由于可以对滤芯进行检测,并通过第一检测模型对清洁度信息进行预测,从而实现对滤芯的清洁度进行实时监测的目的,进而解决了现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。因此,本发明上述实施例提供的技术方案可以达到净水机的智能化控制,提升用户体验的技术效果。
实施例3
根据本发明实施例,提供了一种净水机清洁度的检测系统的实施例。
图3是根据本发明实施例的一种净水机清洁度的检测系统的示意图,如图3所示,该系统包括:检测装置31和处理器33。
其中,检测装置31用于对净水机的滤芯进行检测,生成检测信息,其中,检测信息至少包括如下之一:滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;处理器33与检测装置31连接,用于获取滤芯的使用时间和所处的位置信息,并将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,其中,第一检测模型用于预测滤芯的清洁度信息,清洁度信息用于表征滤芯是否清洁。
具体地,清洁滤芯的实质为冲洗掉滤芯内和滤波表面的大分子颗粒物质,也即,净水机滤芯的清洁度实质是指滤芯内和滤膜表面的大分子颗粒物质的数量,因此,可以通过对大分子颗粒物质进行检测,来实现对滤芯的清洁度检测。例如,可以通过成像技术、声波法或者光学法对滤芯的清洁度进行检测,在实际使用过程中,可以根据实际使用需求进行选择相应的检测方法,例如,光学法和声波法实现较为简单,且成本低,故而可以用于水质要求不高或者要求净水机成本较低的应用场合;而成像技术准确度高,但是实现复杂且成本高,因此,可以用于水质要求较高的大型净水设备。由于滤芯使用的时间越久,滤芯的净化能力越差,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度也不同,也即,滤芯的使用时间会影响滤芯的清洁度检测。而且,由于净水机使用地域不同,不同地域的水质也不同,例如,北方水质较硬,水中杂质较多,滤芯越容易脏,即使滤芯内和滤膜表面上的大分子颗粒物质的数量相同,滤芯的清洁度较差,也即,滤芯所处的位置信息会影响滤芯的清洁度信息。由于滤芯的清洁度信息与检测信息、滤芯的使用时间和所处的位置信息相关,可以在对滤芯进行清洁度检测之前,可以通过机器学习训练预测滤芯的清洁度信息的神经网络模型,得到第一检测模型。上述的处理器33可以是净水机的主控芯片,例如,MCU(微控制单元,是Microcontroller Unit的简称)、单片机等。
在一种可选的方案中,可以通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息,具体地,可以通过成像技术对滤芯进行检测,获取到滤芯内和滤膜表面上颗粒物质的分布信息,或者可以通过声波法对滤芯进行检测,获取到超声法发射时间和接收时间之间的超声波的时间差信息,又或者可以通过光学法对滤芯进行检测,获取到返回的光反馈信号的幅度信息。由于滤芯的清洁度信息与滤芯的使用时间和所处的位置信息相关,因此,在通过成像技术、声波法或者光学法对滤芯进行检测,得到相应的检测信息之后,可以进一步获取到该滤芯的使用时间和所处的位置信息,例如,可以在处理器33中存储滤芯的出厂时间,通过读取滤芯的出厂时间,将出厂时间与当前时间进行比较,从而得到滤芯的使用时间;还可以通过滤芯内部的定位装置,获取到滤芯所处的位置信息。在得到检测信息、滤芯的使用时间和所处的位置信息之后,可以将检测信息、使用时间和位置信息输入到预先训练好的第一检测模型中,从而通过第一检测模型得到滤芯的清洁度信息,确定滤芯是否清洁。
根据本发明上述实施例,通过检测装置对净水机的滤芯进行检测,生成检测信息,通过处理器获取滤芯的使用时间和所处的位置信息,并将检测信息、使用时间和位置信息输入第一检测模型,得到滤芯的清洁度信息,从而实现对滤芯的清洁度进行检测的目的。容易注意到的是,由于可以对滤芯进行检测,并通过第一检测模型对清洁度信息进行预测,从而实现对滤芯的清洁度进行实时监测的目的,进而解决了现有技术中净水机智能在净水量达到设定值之后对滤芯进行冲洗,无法实时检测滤芯的清洁度的技术问题。因此,本发明上述实施例提供的技术方案可以达到净水机的智能化控制,提升用户体验的技术效果。
可选地,在本发明上述实施例中,该系统还包括:发送装置、接收装置和控制器。
其中,发送装置与处理器33连接,用于发送携带清洁度信息的第一提示信息至移动终端,其中,第一提示信息由移动终端进行显示;接收装置用于接收移动终端返回的控制指令,其中,控制指令用于对冲洗水阀进行控制;控制器与接收装置连接,用于控制冲洗水阀开启,对滤芯进行冲洗。
具体地,上述的移动终端可以是用户的智能手机(包括Android手机、IOS手机)、平板电脑、IPAD、掌上电脑、笔记本电脑等;上述的发送装置和接收装置可以是WIFI模块、3G(第三代移动通信技术,是3rd-Generation的简称)通信模块、4G(第四代移动通信技术,是4th-Generation的简称)通信模块、蓝牙通信模块等,可以通过无线网络、移动网络或蓝牙网络与用户的移动终端建立数据连接;上述的控制器可以是净水机的主控芯片,与处理器33相同。
在一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以立即将携带该清洁度信息的第一提示信息发送至用户的移动终端,由移动终端对该清洁度信息进行显示,从而用户可以实时获取滤芯的清洁度信息,确定滤芯是否清洁。用户在通过移动终端接收到第一提示信息之后,可以根据滤芯的清洁度信息确定滤芯是否清洁,如果确定滤芯不清洁,则可以通过移动终端发送控制指令至净水机,从而控制净水机对滤芯进行冲洗,净水机在接收到控制指令之后,可以开启冲洗水阀,对滤芯进行冲洗,冲洗掉滤芯内和滤膜表面上的大分子颗粒物质,使滤芯清洁。
在另一种可选的方案中,在每次预测到滤芯的清洁度信息之后,可以判断清洁度信息是否为滤芯不清洁,如果滤芯的清洁度信息为滤芯不清洁,则可以将携带该清洁度信息的第一提示信息发送至用户的移动终端,从而用户可以确定滤芯不清洁;如果滤芯的清洁度信息为滤芯清洁,则无需将携带该清洁度信息的第一提示信息发送至用户的移动终端,由移动终端对该清洁度信息进行显示,从而用户在收到第一提示信息之后,可以确定滤芯不清洁,需要进行冲洗。用户在通过移动终端接收到第一提示信息之后,可以根据滤芯的清洁度信息确定滤芯是否清洁,如果确定滤芯不清洁,则可以通过移动终端发送控制指令至净水机,从而控制净水机对滤芯进行冲洗,净水机在接收到控制指令之后,可以开启冲洗水阀,对滤芯进行冲洗,冲洗掉滤芯内和滤膜表面上的大分子颗粒物质,使滤芯清洁。
通过上述方案,用户可以通过移动终端接收到第一提示信息,并根据清洁度信息对净水机进行控制,及时对滤芯进行冲洗,从而避免未及时清洁滤芯,影响净水效率以及用户使用,达到提高饮水卫生质量,延长净水机使用寿命的效果。
可选地,在本发明上述实施例中,该系统还包括:控制器。
其中,控制器与处理器33连接,用于在清洁度信息为滤芯不清洁的情况下,控制冲洗水阀开启,对滤芯进行冲洗。
在一种可选的方案中,在预测到滤芯的清洁度信息之后,净水机可以判断清洁度信息是否低于标准,也即,判断滤芯是否清洁,在确定滤芯不清洁,即滤芯污浊之后,净水机可以自动控制冲洗水阀开启,对滤芯进行冲洗,冲洗掉滤芯内和滤膜表面上的大分子颗粒物质,使滤芯清洁。
通过上述方案,净水机可以根据清洁度信息,自动判断是否需要对滤芯进行冲洗,及时对滤芯进行冲洗,从而避免未及时清洁滤芯,影响净水效率以及用户使用,达到提高饮水卫生质量,延长净水机使用寿命的效果。
可选地,在本发明上述实施例中,处理器33还用于建立初始检测模型,获取多组样本数据,并利用多组样本数据对初始检测模型进行训练,得到第一检测模型,其中,每组样本数据包括:检测信息、使用时间和位置信息,以及对应的清洁度信息。
在一种可选的方案中,可以建立初始神经网络模型,即上述的初始检测模型,并从大量净水机获取到大量数据,即获取到多组检测信息、使用时间和位置信息,并为每组数据标记对应的清洁度信息的标签,可以利用处理后的多组样本数据对初始检测模型进行训练,从而得到训练后的第一检测模型。
通过上述方案,可以通过机器学习方式,利用多组样本数据训练得到第一检测模型,并通过训练后的第一检测模型对滤芯的清洁度信息进行预测,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,检测装置31包括:图像识别装置。
其中,图像识别装置与处理器33连接,用于获取滤芯内和滤膜表面的图像信息,并对图像信息进行图像识别,得到滤芯内和滤膜表面上颗粒物质的分布信息,其中,分布信息包括:颗粒物质的分布位置和分布数量。
具体地,可以通过成像技术对滤芯进行检测,例如,可以通过CCD(电荷耦合器件,是Charge Coupled Device的简称)相机拍摄滤芯的图像,或者通过X射线照射滤芯内部,从而得到滤芯内和滤膜表面的图像信息。
在一种可选的方案中,在获取到滤芯内和滤膜表面的图像信息之后,可以对图像进行预处理、灰度处理,并通过每个像素点的色差,对图像信息进行图像识别,确定图像信息中每个颗粒物质的分布信息,即得到每个颗粒物质的分布位置和分布数量,进一步可以通过分布信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,检测装置31包括:超声波发射器、超声波接收器和第一处理模块。
其中,超声波发射器用于向滤芯发射超声波信号;超声波接收器用于接收滤芯返回的超声波反馈信号;第一处理模块与超声波发射器和超声波接收器连接,用于获取发射超声波信号的发射时间,以及接收到超声波反馈信号的返回时间,并计算返回时间与发射时间的差值,得到时间差信息。
在一种可选的方案中,可以通过声波法对滤芯进行检测,即可以通过超声波发射器向滤芯发射超声波信号,当超声波遇到大分子颗粒物质时会提前反射,因此,可以通过检测超声波发射时间和返回时间的时间差,得到时间差信息,进一步可以通过时间差信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,检测装置31包括:发光装置、接收模块和第二处理模块。
其中,发光装置,用于向滤芯发送光信号;接收模块,用于接收滤芯返回的光反馈信号;第二处理模块,与接收模块连接,用于获取光反馈信号的幅度,得到幅度信息。
具体地,上述的发光装置可以是光源,上述的接收模块可以是光信号接收器。
在一种可选的方案中,可以通过光学法检测滤芯的清洁度,通过发光装置向滤芯发射光信号,即光源照射滤芯,在滤芯清洁度较高,没有大分子颗粒物质的情况下,由于小分子颗粒物质对光线的阻碍较小,光线可以是延直线传播;在滤芯清洁度较低,存在大分子颗粒物质的情况下,大分子颗粒物质数量较多,阻碍了光线的直线传播,此时会反射回一个光反馈信号,大分子颗粒物质越多,光反馈信号的幅度越大,因此,可以通过检测光反馈信号的幅度信息大小,确定滤芯内和滤膜上是否存在大分子颗粒物质,从光学法得到光反馈信号的幅度,即得到上述的幅度信息,进一步可以通过幅度信息来识别滤芯内和滤膜上是否存在大分子颗粒物质,从而实现对滤芯的清洁度进行检测的目的。
可选地,在本发明上述实施例中,该系统还包括:发送装置。
其中,处理器33还用于将清洁度信息、使用时间和位置信息输入第二检测模型,得到滤芯的剩余使用时间,其中,第二检测模型用于预测滤芯的剩余使用时间;发送装置还用于发送携带剩余使用时间的第二提示信息至移动终端,其中,第二提示信息由移动终端进行显示。
可选地,在本发明上述实施例中,处理器33还用于判断剩余使用时间是否小于或等于预设时间,如果剩余使用时间小于或等于预设时间,则获取滤芯的属性信息,其中,属性信息至少包括:滤芯的品牌、型号和数量,并根据属性信息和位置信息,生成订单信息;发送装置还用于发送订单信息至服务器。
可选地,在本发明上述实施例中,该系统还包括:发送装置。
其中,处理器33还用于将清洁度信息、使用时间和位置信息输入第三检测模型,得到净水机的水质信息,其中,第三检测模型用于预测净水机的水质信息,水质信息用于表征净水机净化后的水是否能够直接饮用;发送装置还用于发送携带水质信息的第三提示信息至移动终端,其中,第三提示信息由移动终端进行显示。
实施例4
根据本发明实施例,提供了一种净水机的实施例,包括:上述实施例3中的净水机清洁度的检测系统。
实施例5
根据本发明实施例,提供了一种存储介质的实施例,包括:存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述实施例1中的净水机清洁度的检测方法。
实施例6
根据本发明实施例,提供了一种处理器的实施例,包括:程序运行时执行上述实施例1中的净水机清洁度的检测方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (18)
1.一种净水机清洁度的检测方法,其特征在于,包括:
对净水机的滤芯进行检测,生成检测信息,其中,所述检测信息至少包括如下之一:所述滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;
获取所述滤芯的使用时间和所处的位置信息;
将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息,其中,所述第一检测模型用于预测所述滤芯的清洁度信息,所述清洁度信息用于表征所述滤芯是否清洁;
其中,所述位置信息为所述滤芯的使用地域;
在得到所述滤芯的清洁度信息之后,所述方法还包括:将所述清洁度信息、所述使用时间和所述位置信息输入至第二检测模型,得到所述滤芯的剩余使用时间;判断所述剩余使用时间是否小于或等于预设时间;如果所述剩余使用时间小于或等于所述预设时间,获取所述滤芯的属性信息,其中,所述属性信息至少包括:所述滤芯的品牌、型号和数量;
在得到所述滤芯的清洁度信息之后,所述方法还包括:将所述清洁度信息、所述使用时间和所述位置信息输入至第三检测模型,得到所述净水机的水质信息,其中,所述第三检测模型用于预测所述净水机的水质信息,所述水质信息用于表征所述净水机净化后的水是否能够直接饮用;
所述方法还包括:发送携带所述水质信息的提示信息至移动终端,所述提示信息由所述移动终端显示。
2.根据权利要求1所述的方法,其特征在于,在将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息之后,所述方法还包括:
发送携带所述清洁度信息的第一提示信息至移动终端,其中,所述第一提示信息由所述移动终端进行显示;
接收所述移动终端返回的控制指令,其中,所述控制指令用于对冲洗水阀进行控制;
控制冲洗水阀开启,对所述滤芯进行冲洗。
3.根据权利要求1所述的方法,其特征在于,在将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息之后,所述方法还包括:
在所述清洁度信息为所述滤芯不清洁的情况下,控制冲洗水阀开启,对所述滤芯进行冲洗。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,在将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息之前,所述方法还包括:
建立初始检测模型;
获取多组样本数据,其中,每组样本数据包括:检测信息、使用时间和位置信息,以及对应的清洁度信息;
利用所述多组样本数据对所述初始检测模型进行训练,得到所述第一检测模型。
5.根据权利要求4所述的方法,其特征在于,在所述检测信息为所述滤芯内和滤膜表面上颗粒物质的分布信息的情况下,对净水机的滤芯进行检测,生成检测信息包括:
获取所述滤芯内和滤膜表面的图像信息;
对所述图像信息进行图像识别,得到所述滤芯内和滤膜表面上颗粒物质的分布信息,其中,所述分布信息包括:所述颗粒物质的分布位置和分布数量。
6.根据权利要求4所述的方法,其特征在于,在所述检测信息为所述超声波的时间差信息的情况下,对净水机的滤芯进行检测,生成检测信息包括:
向所述滤芯发射超声波信号,并获取发射所述超声波信号的发射时间;
接收所述滤芯返回的超声波反馈信号,并获取接收到所述超声波反馈信号的返回时间;
计算所述返回时间与所述发射时间的差值,得到所述时间差信息。
7.根据权利要求4所述的方法,其特征在于,在所述检测信息为所述光信号的幅度信息的情况下,对净水机的滤芯进行检测,生成检测信息包括:
向所述滤芯发送光信号;
获取所述滤芯返回的光反馈信号;
获取所述光反馈信号的幅度,得到所述幅度信息。
8.一种净水机清洁度的检测装置,其特征在于,包括:
检测模块,用于对净水机的滤芯进行检测,生成检测信息,其中,所述检测信息至少包括如下之一:所述滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;
获取模块,用于获取所述滤芯的使用时间和所处的位置信息;
处理模块,用于将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息,其中,所述第一检测模型用于预测所述滤芯的清洁度信息,所述清洁度信息用于表征所述滤芯是否清洁;
其中,所述位置信息为所述滤芯的使用地域;
所述处理模块还用于在得到所述滤芯的清洁度信息之后,将所述清洁度信息、所述使用时间和所述位置信息输入至第二检测模型,得到所述滤芯的剩余使用时间;判断所述剩余使用时间是否小于或等于预设时间;如果所述剩余使用时间小于或等于所述预设时间,获取所述滤芯的属性信息,其中,所述属性信息至少包括:所述滤芯的品牌、型号和数量;
所述处理模块还用于在得到所述滤芯的清洁度信息之后,将所述清洁度信息、所述使用时间和所述位置信息输入至第三检测模型,得到所述净水机的水质信息,其中,所述第三检测模型用于预测所述净水机的水质信息,所述水质信息用于表征所述净水机净化后的水是否能够直接饮用;
所述处理模块还用于发送携带所述水质信息的提示信息至移动终端,所述提示信息由所述移动终端显示。
9.一种净水机清洁度的检测系统,其特征在于,包括:
检测装置,用于对净水机的滤芯进行检测,生成检测信息,其中,所述检测信息至少包括如下之一:所述滤芯内和滤膜表面上颗粒物质的分布信息、超声波的时间差信息和光信号的幅度信息;
处理器,与所述检测装置连接,用于获取所述滤芯的使用时间和所处的位置信息,并将所述检测信息、所述使用时间和所述位置信息输入第一检测模型,得到所述滤芯的清洁度信息,其中,所述第一检测模型用于预测所述滤芯的清洁度信息,所述清洁度信息用于表征所述滤芯是否清洁;
其中,所述位置信息为所述滤芯的使用地域;
所述处理器还用于在得到所述滤芯的清洁度信息之后,将所述清洁度信息、所述使用时间和所述位置信息输入至第二检测模型,得到所述滤芯的剩余使用时间;判断所述剩余使用时间是否小于或等于预设时间;如果所述剩余使用时间小于或等于所述预设时间,获取所述滤芯的属性信息,其中,所述属性信息至少包括:所述滤芯的品牌、型号和数量;
所述处理器还用于在得到所述滤芯的清洁度信息之后,将所述清洁度信息、所述使用时间和所述位置信息输入至第三检测模型,得到所述净水机的水质信息,其中,所述第三检测模型用于预测所述净水机的水质信息,所述水质信息用于表征所述净水机净化后的水是否能够直接饮用;
所述处理器还用于发送携带所述水质信息的提示信息至移动终端,所述提示信息由所述移动终端显示。
10.根据权利要求9所述的系统,其特征在于,所述系统还包括:
发送装置,与所述处理器连接,用于发送携带所述清洁度信息的第一提示信息至移动终端,其中,所述第一提示信息由所述移动终端进行显示;
接收装置,用于接收所述移动终端返回的控制指令,其中,所述控制指令用于对冲洗水阀进行控制;
控制器,与所述接收装置连接,用于控制冲洗水阀开启,对所述滤芯进行冲洗。
11.根据权利要求10所述的系统,其特征在于,所述系统还包括:
控制器,与所述处理器连接,用于在所述清洁度信息为所述滤芯不清洁的情况下,控制冲洗水阀开启,对所述滤芯进行冲洗。
12.根据权利要求9至11中任意一项所述的系统,其特征在于,所述处理器还用于建立初始检测模型,获取多组样本数据,并利用所述多组样本数据对所述初始检测模型进行训练,得到所述第一检测模型,其中,每组样本数据包括:检测信息、使用时间和位置信息,以及对应的清洁度信息。
13.根据权利要求12所述的系统,其特征在于,所述检测装置包括:
图像识别装置,与所述处理器连接,用于获取所述滤芯内和滤膜表面的图像信息,并对所述图像信息进行图像识别,得到所述滤芯内和滤膜表面上颗粒物质的分布信息,其中,所述分布信息包括:所述颗粒物质的分布位置和分布数量。
14.根据权利要求12所述的系统,其特征在于,所述检测装置包括:
超声波发射器,用于向所述滤芯发射超声波信号;
超声波接收器,用于接收所述滤芯返回的超声波反馈信号;
第一处理模块,与所述超声波发射器和所述超声波接收器连接,用于获取发射所述超声波信号的发射时间,以及接收到所述超声波反馈信号的返回时间,并计算所述返回时间与所述发射时间的差值,得到所述时间差信息。
15.根据权利要求12所述的系统,其特征在于,所述检测装置包括:
发光装置,用于向所述滤芯发送光信号;
接收模块,用于接收所述滤芯返回的光反馈信号;
第二处理模块,与所述接收模块连接,用于获取所述光反馈信号的幅度,得到所述幅度信息。
16.一种净水机,其特征在于,包括:权利要求9至15中任意一项所述的净水机清洁度的检测系统。
17.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的净水机清洁度的检测方法。
18.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的净水机清洁度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710906388.5A CN107764705B (zh) | 2017-09-28 | 2017-09-28 | 净水机及其清洁度的检测方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710906388.5A CN107764705B (zh) | 2017-09-28 | 2017-09-28 | 净水机及其清洁度的检测方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107764705A CN107764705A (zh) | 2018-03-06 |
CN107764705B true CN107764705B (zh) | 2020-06-16 |
Family
ID=61267716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710906388.5A Active CN107764705B (zh) | 2017-09-28 | 2017-09-28 | 净水机及其清洁度的检测方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107764705B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110395777A (zh) * | 2018-04-25 | 2019-11-01 | 芜湖美的厨卫电器制造有限公司 | 净水机及其自动清洗控制方法和装置 |
CN111977720A (zh) * | 2020-08-27 | 2020-11-24 | 阿斯汀(佛山顺德)电子科技有限公司 | 智能净水机及其控制方法 |
CN113582365B (zh) * | 2021-09-06 | 2022-06-03 | 玖陆零信安创(盐城)科技有限公司 | 一种智能提醒替换滤芯的净水装置 |
CN114849316B (zh) * | 2022-07-11 | 2022-09-23 | 冠兴(西安)通信电子工程有限公司 | 一种智能化反冲洗过滤的自动控制系统 |
CN115511874A (zh) * | 2022-10-28 | 2022-12-23 | 中国长江三峡集团有限公司 | 一种呼吸器寿命检测方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2348503A (en) * | 1999-02-22 | 2000-10-04 | Ind Monitoring Systems Limited | Monitoring the particulate or solids content of a fluid using a membrane or filter method |
CN103191886A (zh) * | 2013-03-21 | 2013-07-10 | 安徽师范大学 | 一种利用超声波检测表面污染程度并清洗的方法 |
CN105126424A (zh) * | 2015-08-13 | 2015-12-09 | 佛山市顺德区美的饮水机制造有限公司 | 滤芯、滤芯控制系统及净水设备 |
CN106153580A (zh) * | 2015-03-20 | 2016-11-23 | 杭州中自华内光电科技有限公司 | 一种光伏板清洁度的检测方法及装置 |
CN106645197A (zh) * | 2016-12-29 | 2017-05-10 | 中国工程物理研究院激光聚变研究中心 | 检测精密光学元件表面颗粒物的在线检测系统及应用方法 |
CN107376481A (zh) * | 2017-07-03 | 2017-11-24 | 利辛县飞达网业有限公司 | 一种智能提醒更换滤芯的自来水过滤器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105214374B (zh) * | 2015-09-09 | 2018-03-02 | 佛山市顺德区美的饮水机制造有限公司 | 滤芯的智能检测装置及其方法、净水设备、以及净水系统 |
-
2017
- 2017-09-28 CN CN201710906388.5A patent/CN107764705B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2348503A (en) * | 1999-02-22 | 2000-10-04 | Ind Monitoring Systems Limited | Monitoring the particulate or solids content of a fluid using a membrane or filter method |
CN103191886A (zh) * | 2013-03-21 | 2013-07-10 | 安徽师范大学 | 一种利用超声波检测表面污染程度并清洗的方法 |
CN106153580A (zh) * | 2015-03-20 | 2016-11-23 | 杭州中自华内光电科技有限公司 | 一种光伏板清洁度的检测方法及装置 |
CN105126424A (zh) * | 2015-08-13 | 2015-12-09 | 佛山市顺德区美的饮水机制造有限公司 | 滤芯、滤芯控制系统及净水设备 |
CN106645197A (zh) * | 2016-12-29 | 2017-05-10 | 中国工程物理研究院激光聚变研究中心 | 检测精密光学元件表面颗粒物的在线检测系统及应用方法 |
CN107376481A (zh) * | 2017-07-03 | 2017-11-24 | 利辛县飞达网业有限公司 | 一种智能提醒更换滤芯的自来水过滤器 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的光学元件表面洁净度检测仪研制;楚红雨 等;《现代科学仪器》;20100630(第3期);第17-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107764705A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107764705B (zh) | 净水机及其清洁度的检测方法、装置和系统 | |
CN104631578B (zh) | 家用洗涤水槽和智能厨房 | |
US10196284B2 (en) | Method and apparatus for controlling water output of water purifier, water purifier, and storage medium | |
EP3558083B1 (de) | Verfahren zur dosierung von reinigungsmitteln | |
CN108814501A (zh) | 一种洗涤控制的优化方法、装置、电子设备、存储介质 | |
WO2009066522A1 (ja) | 情報処理装置、情報処理装置のプログラムおよび情報処理装置の情報報知方法 | |
CN107675424A (zh) | 一种洗衣机 | |
CN107526295A (zh) | 净水设备的出水装置及其控制方法和装置 | |
CN112095289B (zh) | 一种洗衣机控制方法 | |
CN107885637B (zh) | 一种服务器异常检测方法及装置 | |
CN111856951B (zh) | 一种智能家居设备的控制方法、装置及系统 | |
CN105466020A (zh) | 热水器系统、热水器及其控制方法和穿戴式设备 | |
CN113367616B (zh) | 机器人控制方法、装置、机器人及存储介质 | |
CN111323551A (zh) | 食材新鲜度的提示方法、装置及家电设备 | |
CN107989120A (zh) | 用水控制系统 | |
CN116269115A (zh) | 洗碗机的控制方法及装置、洗碗机 | |
CN104331029B (zh) | 具有双网络连接方式的除菌除异味控制系统及方法 | |
CN113440058A (zh) | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 | |
CN115399697A (zh) | 清洁设备的自清洁方法和装置、存储介质及电子装置 | |
CN113376160A (zh) | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 | |
CN206192982U (zh) | 一种带有远程水质检测功能的售水机 | |
CN110991417B (zh) | 厨具处理方法、装置和橱柜 | |
CN112336277B (zh) | 用于清洗设备的检测水质的方法、装置和清洗设备 | |
CN108123986A (zh) | 清洗清洁度的判定及通知方法、系统、设备及终端 | |
CN109763296A (zh) | 一种洗衣机的污垢提醒方法、装置、存储介质及洗衣机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |