CN107818560A - 一种净化器的处理方法和装置 - Google Patents
一种净化器的处理方法和装置 Download PDFInfo
- Publication number
- CN107818560A CN107818560A CN201710891370.2A CN201710891370A CN107818560A CN 107818560 A CN107818560 A CN 107818560A CN 201710891370 A CN201710891370 A CN 201710891370A CN 107818560 A CN107818560 A CN 107818560A
- Authority
- CN
- China
- Prior art keywords
- filter screen
- photo
- clean
- clarifier
- needs
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 20
- 238000003672 processing method Methods 0.000 claims description 20
- 230000001960 triggered effect Effects 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 abstract description 14
- 238000007689 inspection Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种净化器的处理方法和装置。该方法包括：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
Description
技术领域
本申请涉及净化装置领域，具体而言，涉及一种净化器的处理方法和装置。
背景技术
随着用户对生活环境的需求，越来越多的净化器走入用户的生活，相关技术中的净化器需要人工周期性的检查净化器中滤网是否清洁，以便及时清洗滤网，然而，人工检查净化器中滤网是否清洁操作过于麻烦，影响用户体验。
针对相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种净化器的处理方法，以解决相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种净化器的处理方法。该方法包括：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
进一步地，若照片中的滤网需要清洁，触发提醒信息包括：若照片中的滤网需要清洁，确定滤网的使用时间；判断滤网的使用时间是否超过阈值；若滤网的使用时间超过阈值，触发提醒信息。
进一步地，若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对当前的滤网进行拍照得到当前照片；使用第二模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第二模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
为了实现上述目的，根据本申请的另一方面，提供了一种净化器的处理方法，其特征在于，包括：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
进一步地，若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对净化器中当前的滤网进行拍照得到当前照片；使用第四模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第四模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
为了实现上述目的，根据本申请的另一方面，提供了一种净化器的处理装置，该装置包括：第一获取单元，用于通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第一分析单元，用于使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；第一触发单元，用于若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
进一步地，该触发单元包括：确定模块，用于若照片中的滤网需要清洁，确定滤网的使用时间；判断模块，用于判断滤网的使用时间是否超过阈值；触发模块，用于若滤网的使用时间超过阈值，触发提醒信息。
为了实现上述目的，根据本申请的另一方面，提供了一种净化器的处理装置，该装置包括：第二获取单元，用于通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第二分析单元，用于使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；第二触发单元，用于若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
为了实现上述目的，根据本申请的另一方面，提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，程序执行上述任意一项的净化器的处理方法。
为了实现上述目的，根据本申请的另一方面，提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述任意一项的净化器的处理方法。
通过本申请，采用以下步骤：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题。通过使用多组包括滤网的照片和该照片中的滤网是否需要清洁的标签的数据进行机器学习创建的模型，采用该模型自动根据滤网的照片判断净化器中的滤网是否需要清洁，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请第一实施例提供的净化器的处理方法的流程图；
图2是根据本申请第二实施例提供的净化器的处理方法的流程图；
图3是根据本申请第一实施例提供的净化器的处理装置的示意图；以及
图4是根据本申请第二实施例提供的净化器的处理装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请的实施例。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。
根据本申请的实施例，提供了一种净化器的处理方法。
图1是根据本申请第一实施例的净化器的处理方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片。
可选的，为了实时的对滤网进行拍照，摄像头根据固定周期对滤网进行拍照。例如，每隔一天对滤网进行一次拍照。
可选的，为了摄像头拍照清晰，净化器内部可以包括一个照明装置，该照明装置发射可见光照射滤网，为摄像头拍照提供所需的光的亮度。
可选的，为了摄像头拍照清晰，在另一实施例中，净化器内部可以包括一个红外照明装置，该红外照明装置向滤网发射红外线，为摄像头拍照提供所需光的亮度，摄像头镜头覆盖有红外线带通滤光片，该红外线带通滤光片仅限于红外照明装置发射的红外线频率相同的红外线通过。因此，可避免其他可见光线对拍照的影响，同时，也不会由于拍照时照明装置发出的光线对用户产生影响。例如若夜间拍照，如果采用可见光照明则拍照时将影响用户睡眠，而使用红外照明装置照明则不会对用户睡眠产生影响。
步骤S102，使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签。
通过预先根据多组数据(每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签)训练出的第一模型来自动对滤网的清洁程度进行判断，可提高判断滤网的清洁程度的速度和准确性。
可选的，为了准确判断滤网是否需要清洁，第一模型对滤网的清洁程度按等级划分，例如一级为干净，二级为较干净，三级为较脏，四级为脏。第一模型对照片进行分析后，将判断滤网的清洁程度对应的等级，并根据等级来确定照片中的滤网是否需要清洁。
需要说明的是，训练第一模型所用的每组数据所包括的滤网的照片为经过预处理的照片，可选的，该预处理可以包括提取照片中包括滤网的部分形成新的图像，提取新的图像的灰度值形成灰度图像。
需要说明的是，照片中的滤网是否需要清洁的标签，可以为根据清洁程度对应的等级来添加的标签。
步骤S103，若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
需要说明的，提醒信息可以为声音报警、光报警、短信提醒、邮件提醒中的一种或几种的结合。
可选地，为了更为准确的发出提醒信息，若照片中的滤网需要清洁，触发提醒信息包括：若照片中的滤网需要清洁，确定滤网的使用时间；判断滤网的使用时间是否超过阈值；若滤网的使用时间超过阈值，触发提醒信息。
例如，设置使用时间阈值为10天，当照片中的滤网需要清理，且确定滤网的使用时间超过10天，则触发提醒信息。
可选的，在另一实施例中，也可当使用时间超过使用时间阈值时，不论通过照片判断滤网是否需要清洁，都触发提醒信息。
可选地，为了在触发提醒信息后对清洁程度再次确认，若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对当前的滤网进行拍照得到当前照片；使用第二模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第二模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
需要说明的是，在用户清洁完滤网并重启设备之后，摄像头对滤网进行拍照，第二模型分析当前照片中滤网的清洁度。
通过第二模型对滤网清洁程度的二次检测，可以验证对滤网的清洁是否合格并将检测结果反馈给用户。例如，第二模型滤网清洁程度的二次检测得到的当前照片中的滤网的清洁度所发送到的目标地址可以为用户的手机等移动终端或者为邮箱。当用户雇佣保洁人员进行清理时，用户可通过接收到的手机信息或者邮件查看保洁人员对净化器的清洁是否合格。
本申请实施例提供的净化器的处理方法，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
根据本申请的另一实施例，还提供了一种净化器的处理方法。
图2是根据本申请第二实施例的净化器的处理方法的流程图。如图2所示，该方法包括以下步骤：
S201，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片。
可选的，为了实时的对滤网进行拍照，摄像头根据固定周期对滤网进行拍照。例如，每隔一天对滤网进行一次拍照。
可选的，为了摄像头拍照清晰，净化器内部可以包括一个照明装置，该照明装置发射可见光照射滤网，为摄像头拍照提供所需的光的亮度。
可选的，为了摄像头拍照清晰，在另一实施例中，净化器内部可以包括一个红外照明装置，该红外照明装置向滤网发射红外线，为摄像头拍照提供所需光的亮度，摄像头镜头覆盖有红外线带通滤光片，该红外线带通滤光片仅限于红外照明装置发射的红外线频率相同的红外线通过。因此，可避免其他可见光线对拍照的影响，同时，也不会由于拍照时照明装置发出的光线对用户产生影响。例如若夜间拍照，如果采用可见光照明则拍照时将影响用户睡眠，而使用红外照明装置照明则不会对用户睡眠产生影响。
S202，使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签。
通过预先根据多组数据(每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签)训练出的第三模型来自动对滤网的清洁程度进行判断，可提高判断滤网的清洁程度的速度和准确性。
可选的，为了准确判断滤网是否需要清洁，第一模型对滤网的清洁程度按等级划分，例如一级为干净，二级为较干净，三级为较脏，四级为脏。第一模型对照片进行分析后，将判断滤网的清洁程度对应的等级，并根据等级来确定照片中的滤网是否需要清洁。
需要说明的是，训练第三模型所用的每组数据所包括的滤网的照片为经过预处理的照片，可选的，该预处理可以包括提取照片中包括滤网的部分形成新的图像，提取新的图像的灰度值形成灰度图像。
需要说明的是，照片中的滤网是否需要清洁的标签，可以为根据清洁程度对应的等级来添加的标签。
需要说明的是，滤网的使用时间为从上一次对滤网进行清洁的时刻到本次判断滤网清洁度的时间，可选的，在另一实施例中，滤网的使用时间也可以为在从上一次对滤网进行清洁的时刻到本次判断滤网清洁度的时间中，净化器运行的时间，在本申请中不作限定。
S203，若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
需要说明的，提醒信息可以为声音报警、光报警、短信提醒、邮件提醒中的一种或几种的结合。
可选的，为了在触发提醒信息后对清洁程度再次确认，若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对净化器中当前的滤网进行拍照得到当前照片；使用第四模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第四模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
需要说明的是，在用户清洁完滤网并重启设备之后，摄像头对滤网进行拍照，第四模型分析当前照片中滤网的清洁度。
通过第四模型对滤网清洁程度的二次检测，可以验证对滤网的清洁是否合格并将检测结果反馈给用户。例如，第四模型滤网清洁程度的二次检测得到的当前照片中的滤网的清洁度所发送到的目标地址可以为用户的手机等移动终端或者为邮箱。当用户雇佣保洁人员进行清理时，用户可通过接收到的手机信息或者邮件查看保洁人员对净化器的清洁是否合格。
本申请实施例提供的净化器的处理方法，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
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。
本申请实施例还提供了一种净化器的处理装置，需要说明的是，本申请实施例的净化器的处理装置可以用于执行本申请实施例所提供的用于净化器的处理方法。以下对本申请实施例提供的净化器的处理装置进行介绍。
图3是根据本申请第一实施例提供的净化器的处理装置的示意图。如图3所示，该装置包括：第一获取单元10、第一分析单元20和第一触发单元30。
具体地，第一获取单元10，用于通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第一分析单元20，用于使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；第一触发单元30，用于若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
可选地，该触发单元包括：确定模块，用于若照片中的滤网需要清洁，确定滤网的使用时间；判断模块，用于判断滤网的使用时间是否超过阈值；触发模块，用于若滤网的使用时间超过阈值，触发提醒信息。
本申请实施例提供的净化器的处理装置，通过第一获取单元10通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第一分析单元20使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；第一触发单元30若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
图4是根据本申请第二实施例提供的净化器的处理装置的示意图。如图4所示，该装置包括：第二获取单元11、第二分析单元21和第二触发单元31。
具体地，第二获取单元11，用于通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第二分析单元21，用于使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；第二触发单元31，用于若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
本申请实施例提供的净化器的处理装置，通过第二获取单元11通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；第二分析单元21使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；第二触发单元31若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网，解决了相关技术中通过人工检查净化器中的滤网是否清洁，用户体验度较低的问题，进而达到了自动检测滤网是否需要清洁，提升用户体验的效果。
净化器的处理装置包括处理器和存储器，上述第一获取单元10、第一分析单元20和第一触发单元30以及第二获取单元11、第二分析单元21和第二触发单元31等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来使自动检测滤网是否需要清洁，提升用户体验。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现净化器的处理方法。
本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行净化器的处理方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
若照片中的滤网需要清洁，触发提醒信息包括：若照片中的滤网需要清洁，确定滤网的使用时间；判断滤网的使用时间是否超过阈值；若滤网的使用时间超过阈值，触发提醒信息。
若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对当前的滤网进行拍照得到当前照片；使用第二模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第二模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
或者，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对净化器中当前的滤网进行拍照得到当前照片；使用第四模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第四模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第一模型对照片进行分析，确定照片中的滤网是否需要清洁，其中，第一模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
若照片中的滤网需要清洁，触发提醒信息包括：若照片中的滤网需要清洁，确定滤网的使用时间；判断滤网的使用时间是否超过阈值；若滤网的使用时间超过阈值，触发提醒信息。
若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对当前的滤网进行拍照得到当前照片；使用第二模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第二模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
或者，通过净化器内的摄像头对净化器中的滤网进行拍照得到照片；使用第三模型对照片和滤网的使用时间进行分析，确定照片中的滤网是否需要清洁，其中，第三模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片、滤网的使用时间和该照片中的滤网是否需要清洁的标签；若照片中的滤网需要清洁，触发提醒信息，其中，提醒信息用于提醒需要清洁滤网。
若照片中的滤网需要清洁，触发提醒信息之后，该方法还包括：通过净化器内的摄像头对净化器中当前的滤网进行拍照得到当前照片；使用第四模型对当前照片进行分析，确定当前照片中的滤网的清洁度，其中，第四模型为使用多组数据通过机器学习训练出来的，多组数据中的每组数据均包括：滤网的照片和该照片中的滤网对应的清洁度；发送当前照片中的滤网的清洁度至目标地址。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种净化器的处理方法，其特征在于，包括：
通过净化器内的摄像头对所述净化器中的滤网进行拍照得到照片；
使用第一模型对所述照片进行分析，确定所述照片中的滤网是否需要清洁，其中，所述第一模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；
若所述照片中的滤网需要清洁，触发提醒信息，其中，所述提醒信息用于提醒需要清洁所述滤网。
2.根据权利要求1所述的方法，其特征在于，若所述照片中的滤网需要清洁，触发提醒信息包括：
若所述照片中的滤网需要清洁，确定所述滤网的使用时间；
判断所述滤网的使用时间是否超过阈值；
若所述滤网的使用时间超过阈值，触发所述提醒信息。
3.根据权利要求1所述的方法，其特征在于，若所述照片中的滤网需要清洁，触发提醒信息之后，所述方法还包括：
通过净化器内的摄像头对当前的所述滤网进行拍照得到当前照片；
使用第二模型对所述当前照片进行分析，确定所述当前照片中的滤网的清洁度，其中，所述第二模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：所述滤网的照片和该照片中的滤网对应的清洁度；
发送所述当前照片中的滤网的清洁度至目标地址。
4.一种净化器的处理方法，其特征在于，包括：
通过净化器内的摄像头对所述净化器中的滤网进行拍照得到照片；
使用第三模型对所述照片和所述滤网的使用时间进行分析，确定所述照片中的滤网是否需要清洁，其中，所述第三模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：滤网的照片、所述滤网的使用时间和该照片中的滤网是否需要清洁的标签；
若所述照片中的滤网需要清洁，触发提醒信息，其中，所述提醒信息用于提醒需要清洁所述滤网。
5.根据权利要求4所述的方法，其特征在于，若所述照片中的滤网需要清洁，触发提醒信息之后，所述方法还包括：
通过净化器内的摄像头对净化器中当前的滤网进行拍照得到当前照片；
使用第四模型对所述当前照片进行分析，确定所述当前照片中的滤网的清洁度，其中，所述第四模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：所述滤网的照片和该照片中的滤网对应的清洁度；
发送所述当前照片中的滤网的清洁度至目标地址。
6.一种净化器的处理装置，其特征在于，包括：
第一获取单元，用于通过净化器内的摄像头对所述净化器中的滤网进行拍照得到照片；
第一分析单元，用于使用第一模型对所述照片进行分析，确定所述照片中的滤网是否需要清洁，其中，所述第一模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：滤网的照片和该照片中的滤网是否需要清洁的标签；
第一触发单元，用于若所述照片中的滤网需要清洁，触发提醒信息，其中，所述提醒信息用于提醒需要清洁所述滤网。
7.根据权利要求6所述的装置，其特征在于，所述触发单元包括：
确定模块，用于若所述照片中的滤网需要清洁，确定所述滤网的使用时间；
判断模块，用于判断所述滤网的使用时间是否超过阈值；
触发模块，用于若所述滤网的使用时间超过阈值，触发所述提醒信息。
8.一种净化器的处理装置，其特征在于，包括：
第二获取单元，用于通过净化器内的摄像头对所述净化器中的滤网进行拍照得到照片；
第二分析单元，用于使用第三模型对所述照片和所述滤网的使用时间进行分析，确定所述照片中的滤网是否需要清洁，其中，所述第三模型为使用多组数据通过机器学习训练出来的，所述多组数据中的每组数据均包括：滤网的照片、所述滤网的使用时间和该照片中的滤网是否需要清洁的标签；
第二触发单元，用于若所述照片中的滤网需要清洁，触发提醒信息，其中，所述提醒信息用于提醒需要清洁所述滤网。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的净化器的处理方法。
10.一种处理器，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5中任意一项所述的净化器的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710891370.2A CN107818560A (zh) | 2017-09-27 | 2017-09-27 | 一种净化器的处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710891370.2A CN107818560A (zh) | 2017-09-27 | 2017-09-27 | 一种净化器的处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107818560A true CN107818560A (zh) | 2018-03-20 |
Family
ID=61607271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710891370.2A Pending CN107818560A (zh) | 2017-09-27 | 2017-09-27 | 一种净化器的处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107818560A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113490817A (zh) * | 2019-02-27 | 2021-10-08 | 大金工业株式会社 | 污染信息推定系统以及空气处理装置 |
| CN116045446A (zh) * | 2022-12-23 | 2023-05-02 | 珠海格力电器股份有限公司 | 一种空调室外机的自清洁控制方法、模型训练方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012032071A (ja) * | 2010-07-30 | 2012-02-16 | Panasonic Corp | 空気調和機 |
| CN103292417A (zh) * | 2013-05-20 | 2013-09-11 | 四川长虹电器股份有限公司 | 空调除尘的方法 |
| CN104456727A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种室内空气质量的显示与净化的方法及设备 |
| CN104596051A (zh) * | 2015-01-29 | 2015-05-06 | 皓庭(唐山）环境科技有限公司 | 空气净化装置滤网图像检测系统 |
| CN106288158A (zh) * | 2016-08-05 | 2017-01-04 | 珠海格力电器股份有限公司 | 空调及其化霜方法和装置 |
| CN107457234A (zh) * | 2017-08-28 | 2017-12-12 | 山东科技大学 | 中央空调管道清洁机器人 |
-
2017
- 2017-09-27 CN CN201710891370.2A patent/CN107818560A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012032071A (ja) * | 2010-07-30 | 2012-02-16 | Panasonic Corp | 空気調和機 |
| CN103292417A (zh) * | 2013-05-20 | 2013-09-11 | 四川长虹电器股份有限公司 | 空调除尘的方法 |
| CN104456727A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种室内空气质量的显示与净化的方法及设备 |
| CN104596051A (zh) * | 2015-01-29 | 2015-05-06 | 皓庭(唐山）环境科技有限公司 | 空气净化装置滤网图像检测系统 |
| CN106288158A (zh) * | 2016-08-05 | 2017-01-04 | 珠海格力电器股份有限公司 | 空调及其化霜方法和装置 |
| CN107457234A (zh) * | 2017-08-28 | 2017-12-12 | 山东科技大学 | 中央空调管道清洁机器人 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113490817A (zh) * | 2019-02-27 | 2021-10-08 | 大金工业株式会社 | 污染信息推定系统以及空气处理装置 |
| CN113490817B (zh) * | 2019-02-27 | 2023-05-09 | 大金工业株式会社 | 污染信息推定系统以及空气处理装置 |
| CN116045446A (zh) * | 2022-12-23 | 2023-05-02 | 珠海格力电器股份有限公司 | 一种空调室外机的自清洁控制方法、模型训练方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107865630A (zh) | 用于洗碗机的控制方法和装置、存储介质及处理器 | |
| CN106022826A (zh) | 一种网络直播平台中的作弊用户识别方法与系统 | |
| CN106909594A (zh) | 信息推送方法及装置 | |
| CN107755097A (zh) | 一种静电式净化器的处理方法和装置 | |
| US11276005B2 (en) | Cognitive assessment based recommendations | |
| CN112200218B (zh) | 一种模型训练方法、装置及电子设备 | |
| CN112184143A (zh) | 一种合规审核规则中的模型训练方法、装置和设备 | |
| CN107818560A (zh) | 一种净化器的处理方法和装置 | |
| CN108470071A (zh) | 一种数据处理方法及装置 | |
| CN105528618A (zh) | 一种基于社交网络的短图片文本识别方法及装置 | |
| US20180247272A1 (en) | Dynamic alert system | |
| CN110222866A (zh) | 结合口语化描述与问答的智能民事案件预测系统及方法 | |
| CN112396547A (zh) | 基于无监督学习的课程推荐方法、装置、设备及介质 | |
| US20190171745A1 (en) | Open ended question identification for investigations | |
| CN108846292A (zh) | 脱敏处理方法及装置 | |
| CN109961272A (zh) | 用于信息提醒的方法和装置、以及电子设备 | |
| CN106201551A (zh) | 一种应用程序退出方法及装置 | |
| CN107146073B (zh) | 学习提示方法、终端设备及计算机可读存储介质 | |
| CN113706172A (zh) | 基于客户行为的投诉解决方法、装置、设备及存储介质 | |
| CN112466337A (zh) | 音频数据情绪检测方法、装置、电子设备及存储介质 | |
| US10452918B1 (en) | Automatically creating time entries based on a video showing a user's surroundings | |
| CN116797864A (zh) | 基于智能镜子的辅助化妆方法、装置、设备及存储介质 | |
| CN107818390A (zh) | 一种考核要求生成方法及装置 | |
| CN106649321A (zh) | 思维导图的显示方法及装置 | |
| CN103823827B (zh) | 用于抓取富互联网应用的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180320 |