CN108416271A - 清扫方法及清扫系统 - Google Patents

Abstract

本发明提供一种清扫方法及清扫系统，涉及家电设备技术领域。该清扫方法应用于清扫系统，清扫系统包括扫地机器人、用户终端以及设置在用户终端的深度学习识别模型。扫地机器人包括清扫组件、至少一个摄像头。该方法包括：摄像头采集扫地机器人周边的待清扫对象图像，以作为第一待识别图像；将第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与第一待识别图像对应的污渍程度等级；扫地机器人基于污渍程度等级，控制清扫组件针对与第一待识别图像对应的区域清扫与污渍程度等级对应的预设时长。本方案可自动对待清扫对象的污渍程度进行识别分类，并根据得到的污渍程度等级控制清扫时长，有助于提高清扫效果，减少污渍残留。

Description

清扫方法及清扫系统

技术领域

本发明涉及家电设备技术领域，具体而言，涉及一种清扫方法及清扫系统。

背景技术

扫地机器人是游历待清扫空间以通过吸入包括来自地板的灰尘的异物来自动清扫待清扫空间而无需用户操控的设备。即，扫地机器人在游历待清扫空间的同时清扫待清扫空间。在现有技术中，扫地机器人通常只能对灰尘、纸屑等颗粒物进行清扫，而对附着在地面的污渍的清扫效果不佳。另外，机器人通常对待清扫的空间的清扫程度一致，无法自动识别污渍较为严重的区域，更无法对污渍较为严重的区域进行重点清扫，使得清扫后的残留污渍较多。当有用户要着重清扫时，有这样的不便：需要手动操控清扫机器人并且需要移动到要着重清扫的区域，然后需要向清扫机器人给出重点清扫指令。因此，如何提供一种可解决上述问题的方案，以成为本领域技术人员的一大难题。

发明内容

为了克服上述现有技术中的不足，本发明提供一种清扫方法及清扫系统，能够对污渍程度进行识别分级，并自动根据污渍程度等级控制清扫时长，从而解决上述问题。

为了实现上述目的，本发明较佳实施例所提供的技术方案如下所示：

本发明较佳实施例提供一种清扫方法，应用于清扫系统，所述清扫系统包括扫地机器人、与所述扫地机器人通信的用户终端以及设置在所述用户终端的深度学习识别模型，所述扫地机器人包括清扫组件、至少一个摄像头；所述方法包括：

所述摄像头采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像；

将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级；

所述扫地机器人基于所述污渍程度等级，控制所述清扫组件针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

可选地，上述摄像头采集所述扫地机器人周边的待清扫对象图像的步骤之前，所述方法还包括：

获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的待清扫对象颜色种类、污渍程度等级；

使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

可选地，上述将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类的步骤，包括：

将所述第一待识别图像的图像特征与训练后的所述深度学习识别模型中的训练子图像的图像特征进行匹配，得到所述第一待识别图像与所述训练子图像的污渍程度的相似度；

将所述训练图像集中所述相似度最大的所述训练子图像对应的污渍程度等级作为所述第一待识别图像的污渍程度等级。

可选地，上述清扫系统还包括与所述扫地机器人通信的服务器，所述服务器设置有所述深度学习识别模型，所述摄像头采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像的步骤，包括：

所述摄像头采集所述扫地机器人周边的待清扫对象图像，并将所述待清扫对象图像上传至所述服务器，以作为所述第一待识别图像。

可选地，上述将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类的步骤，包括：

所述服务器将获取的所述第一待识别图像输入所述服务器的深度学习识别模型中，并对所述第一待识别图像进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级。

可选地，上述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；所述方法还包括：

将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人在所述残留污渍程度等级超过第一预设等级时，发出预警提示。

可选地，上述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；所述方法还包括：

将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人在所述残留污渍程度等级超过第二预设等级时，控制所述清扫组件针对与所述第二待识别图像对应的区域清扫与所述残留污渍程度等级对应的预设时长。

本发明较佳实施例还提供一种清扫系统，所述清扫系统包括扫地机器人、与所述扫地机器人通信的用户终端以及设置在所述用户终端的深度学习识别模型，所述扫地机器人包括清扫组件、至少一个摄像头，其中：

所述摄像头用于采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像；

所述用户终端用于将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级；

所述扫地机器人用于根据所述污渍程度等级，控制所述清扫组件针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

可选地，上述摄像头采集所述扫地机器人周边的待清扫对象图像之前，所述摄像头还用于获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的地面颜色种类、污渍程度等级；

所述用户终端使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

可选地，上述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；

所述用户终端还用于将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人用于在所述残留污渍程度等级超过第一预设等级时，发出预警提示。

相对于现有技术而言，本发明提供的清扫方法及清扫系统至少具有以下有益效果：在本方案中，清扫方法应用于清扫系统，该清扫系统包括扫地机器人、用户终端以及设置在用户终端的深度学习识别模型。扫地机器人包括清扫组件、至少一个摄像头。该方法包括：摄像头采集扫地机器人周边的待清扫对象图像，以作为清扫系统获取的第一待识别图像；将第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与第一待识别图像对应的污渍程度等级；扫地机器人基于污渍程度等级，控制清扫组件针对与第一待识别图像对应的区域清扫与污渍程度等级对应的预设时长。本方案可自动对待清扫对象的污渍程度进行识别分类，并根据得到的污渍程度等级控制清扫时长，有助于提高清扫效果，减少污渍残留。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明较佳实施例提供的清扫系统的交互示意图之一。

图2为本发明较佳实施例提供的清扫方法的流程示意之一。

图3为本发明较佳实施例提供的清扫方法的流程示意之二。

图4为本发明较佳实施例提供的清扫系统的交互示意图之二。

图标：10-清扫系统；100-扫地机器人；110-处理单元；120-通信单元；130-存储单元；140-清扫组件；150-摄像头；200-用户终端；300-服务器；400-清扫装置。

具体实施方式

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的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，为本发明较佳实施例提供的清扫系统10的交互示意图之一。本发明实施例提供的清扫系统10可以包括扫地机器人100、用户终端200。其中，用户终端200预先设置有深度学习识别模型，扫地机器人100可以包括清扫组件140及至少一个摄像头150。扫地机器人100与用户终端200通过网络建立通信连接，以进行数据交互。

进一步地，所述用户终端200可以是，但不限于，智能手机、个人电脑(personalcomputer，PC)、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。优选地，网络为无线网络。

在本实施例中，扫地机器人100还可以包括处理单元110、通信单元120、存储单元130、清扫装置400。所述处理单元110、通信单元120、存储单元130、清扫装置400、清扫组件140、摄像头150各个元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。

所述处理单元110可以是处理器。例如，该处理器可以是中央处理器(CentralProcessing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。

所述通信单元120用于通过网络建立扫地机器人100与用户终端200的通信连接，并通过所述网络收发数据。

所述存储单元130可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，所述存储单元130可以用于存储深度学习识别模型。当然，所述存储单元130还可以用于存储程序，所述处理单元110在接收到执行指令后，执行该程序。

进一步地，所述清扫装置400包括至少一个可以软件或固件(firmware)的形式存储于所述扫地机器人100操作系统(operating system，OS)中的软件功能模块。所述处理单元110用于执行所述存储单元130中存储的可执行模块，例如清扫装置400所包括的软件功能模块及计算机程序等。

在本实施例中，清扫组件140可以包括用于清扫的可转动的清洁刷，用于吸除地面灰尘、果皮、纸屑等垃圾的吸头，以及用于容置吸除的垃圾的尘盒。其中，清洁刷可以包括干刷和/或可以吸水的湿刷，可通过干刷与湿刷相配合，以提到对地面污渍的清洁效果。

在本实施中，扫地机器人100包括一个或多个摄像头150。该摄像头150可以为高清摄像头，用于采集待清扫对象的彩色图像。优选地，待清扫对象为单一颜色地面、加工平台等，以便于对待清扫对象表面的垃圾、污渍等进行标识，有利于深度学习识别模型进行训练及识别。比如，待清扫对象为白色地面、浅灰色地面等单一颜色的地面。

请参照图2，为本发明较佳实施例提供的清扫方法的流程示意之一。本发明提供的清扫方法可以应用于上述的清扫系统10，由清扫系统10执行该清扫方法，以实现对污渍程度的识别分类，并基于得到的污渍程度等级控制清扫时长，从而有助于提高对污渍的清扫效果，减少污渍的残留量。

下面将对本发明提供的清扫方法的各步骤进行详细阐述，在本实施例中，清扫方法可以包括以下步骤：

步骤S510，摄像头150采集扫地机器人100周边的待清扫对象图像，以作为清扫系统10获取的第一待识别图像；

在本实施例中，扫地机器人100预先存储有经过训练的深度学习识别模型。待清扫对象可以为上述的单一颜色的地面，也可以为颜色较浅的地面，以便于对待清扫对象表面上的垃圾或污渍进行标记，便于深度学习识别模型进行训练及识别。

可理解地，扫地机器人100设置有受处理单元110控制的驱动轮，该驱动轮用于驱使扫地机器人100运动，并与清扫组件140相配合，以实现对室内地面的清扫。而摄像头150在扫地机器人100运动过程中，可每隔预设时段便获取扫地机器人100周边地面的彩色图像，以对彩色图像中的污渍区域的污渍程度进行自动识别。比如，摄像头150设置在扫地机器人100前进方向上，用于获取扫地机器人100在前进方向上的地面图像。其中，该预设时段可根据实际情况进行设置，这里不作具体限定。

当然，若摄像头150为两个，其中一个可设置在扫地机器人100的前进方向上，另一个设置在前进的相反方向上。设置在前进的相反方向上的摄像头150可以用于采集清扫后的地面图像，以作为第二待识别图像。

步骤S520，将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级；

在本实施例中，扫地机器人100通过摄像头150获取到第一待识别图像后，可通过网络将第一待识别图像上传至用户终端200。用户终端200可将第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到相应的污渍程度等级。

可理解地，污渍程度等级与污渍的颜色深浅、污渍区域的面积大小相关联。比如，在污渍区域的面积相同时，污渍颜色越深，污渍程度越重；在污渍颜色深度相同时，污渍区域的面积越大，污渍程度越重。其中，污渍程度等级可根据实际情况进行设置。

例如，污渍程度等级可通过数字或字符进行标识。比如，污渍程度等级可以包括轻度污染、中度污染、重度污染三个等级，或者用数字1、2、3表示污渍程度等级，数字越大可表征污渍程度越重。当然，污渍程度等级也可以包括更多或更少的等级，这里不再赘述。

步骤S530，所述扫地机器人100基于所述污渍程度等级，控制所述清扫组件140针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

在本实施例中，与各污渍程度等级对应的预设时长可根据实际情况进行设置，若污渍程度等级对应的污渍程度越重，对应的预设时长也就越长。比如，污渍程度等级越大，其污渍程度越重，预设时长也就越长。

可理解地，本方案通过对污渍程度进行自动识别分类，对污渍程度较重的污渍区域，扫地机器人100便会清扫更长的时间，也就是对污渍程度较重的区域进行重点清扫，以减少污渍的残留量，提高清扫效果。

可选地，摄像头150还用于采集清扫后的待清扫对象图像，并作为第二待识别图像。

在步骤S530之后，清扫方法还可以包括：将第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；扫地机器人100在所述残留污渍程度等级超过第一预设等级时，发出预警提示。

可理解地，若地面在经过重点清扫后，残留的污渍区域的污渍程度仍然较重(也就是残留污渍程度等级超过第一预设等级)，扫地机器人100便可通过发出预警提示的方式，以使用户通过其他方式对残留的污渍进行清扫。比如，用户可通过用户终端200向扫地机器人100下达继续清扫的指令，以使扫地机器人100对残留污渍的区域继续清扫，或者用户手动清扫。其中，第一预设等级可以为所有污渍程度等级中的一个等级，可根据实际情况进行设置，这里不作具体限定。

可选地，清扫方法还可以包括：将第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与第二待识别图像对应的残留污渍程度等级；扫地机器人100在残留污渍程度等级超过第二预设等级时，控制清扫组件140针对与第二待识别图像对应的区域清扫与所述残留污渍程度等级对应的预设时长。

可理解地，若地面在经过重点清扫后，残留的污渍区域的污渍程度仍然较重(也就是残留污渍程度等级超过第一预设等级)，扫地机器人100自动对残留污渍区域再次进行清扫一预设时长，其中，该预设时长可根据实际情况进行设置，这里不作具体限定。

进一步地，若在第二次清扫之后，残留污渍的污渍程度仍然较重，扫地机器人100可通过预警提示的方式提示用户，以便于用户对残留污渍进行针对处理。

请参照图3，为本发明较佳实施例提供的清扫方法的流程示意之二。在步骤S510之前，本实施例提供的清扫方法还可以包括步骤S540及步骤S550。

步骤S540，获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的待清扫对象颜色种类、污渍程度等级；

可理解地，训练子图像可理解为待清扫对象的样本图像。在进行训练时，可通过人工对训练子图像中的污渍区域关联该训练子图像的实际颜色、以及污渍程度等级，以作为该训练子图像的预设标签。

步骤S550，使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

在本实施例中，训练图像集可以采用深度学习算法对深度学习识别模型进行训练，得到训练后的深度学习识别模型。可理解地，训练图像集通过训练，得到各类待清扫对象图像对应的图像特征。比如，可以通过AlexNet、Vgg16、inception等模型进行训练。其中，所述图像特征可以包括RGB值、灰度以及纹理中的一个或多个。

可选地，所述深度学习算法可以是，但不限于卷积神经网络算法、循环神经网络算法、深度神经网络算法等，这里不作具体限定。

在本实施例中，步骤S520可以为：将所述第一待识别图像的图像特征与训练后的所述深度学习识别模型中的训练子图像的图像特征进行匹配，得到所述第一待识别图像与所述训练子图像的污渍程度的相似度；将所述训练图像集中所述相似度最大的所述训练子图像对应的污渍程度等级作为所述第一待识别图像的污渍程度等级。

可理解地，在对待清扫对象图像进行识别时，扫地机器人100便会对待清扫对象图像特征进行提取，并与训练子图像的图像特征进行匹配，并将匹配到的相似度最大的图像特征对应的污渍程度等级作为当前待清扫对象图像的污渍程度等级。也就是通过该方式，可实现对待清扫对象图像的自动识别分类，以得到该待清扫对象图像的污渍程度等级。

请参照图4，为本发明较佳实施例提供的清扫系统10的交互示意图之二。可选地，清扫系统10还包括与所述扫地机器人100通信的服务器300，所述服务器300设置有所述深度学习识别模型，也就是可由服务器300替代用户终端200对待清扫对象中污渍的污渍程度进行识别分类的操作步骤。步骤S510可以为：摄像头150采集所述扫地机器人100周边的待清扫对象图像，并将所述待清扫对象图像上传至所述服务器300，以作为所述第一待识别图像。

进一步地，步骤S520可以为：服务器300将获取的所述第一待识别图像输入所述服务器300的深度学习识别模型中，并对所述第一待识别图像进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级。也就是通过服务器300对对待清扫对象的污渍区域的污渍程度进行识别，以得到污渍程度等级。扫地机器人100基于从服务器300反馈的污渍程度等级控制清扫时长，以提高清扫效果。

可选地，服务器300可以为云服务器、集群服务器。分布式服务器，这里不作具体限定。

请再次参照图1，本发明提供的清扫系统10可以执行上述的清扫方法。所述清扫系统10包括扫地机器人100、与所述扫地机器人100通信的用户终端200以及设置在所述用户终端200的深度学习识别模型，所述扫地机器人100包括清扫组件140、至少一个摄像头150。

其中，所述摄像头150用于采集所述扫地机器人100周边的待清扫对象图像，以作为所述清扫系统10获取的第一待识别图像。所述用户终端200用于将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级。所述扫地机器人100用于根据所述污渍程度等级，控制所述清扫组件140针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

在本实施例中，摄像头150采集所述扫地机器人100周边的待清扫对象图像之前，所述摄像头150还用于获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的地面颜色种类、污渍程度等级。所述用户终端200使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

在本实施例中，摄像头150还用于采集清扫后的待清扫对象图像，并作为第二待识别图像。所述用户终端200还用于将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级。所述扫地机器人100用于在所述残留污渍程度等级超过第一预设等级时，发出预警提示。

综上所述，本发明提供一种清扫方法及清扫系统。该清扫方法应用于清扫系统，清扫系统包括扫地机器人、用户终端以及设置在用户终端的深度学习识别模型。扫地机器人包括清扫组件、至少一个摄像头。该方法包括：摄像头采集扫地机器人周边的待清扫对象图像，以作为清扫系统获取的第一待识别图像；将第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与第一待识别图像对应的污渍程度等级；扫地机器人基于污渍程度等级，控制清扫组件针对与第一待识别图像对应的区域清扫与污渍程度等级对应的预设时长。本方案可自动对待清扫对象的污渍程度进行识别分类，并根据得到的污渍程度等级控制清扫时长，有助于提高清扫效果，减少污渍残留。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种清扫方法，其特征在于，应用于清扫系统，所述清扫系统包括扫地机器人、与所述扫地机器人通信的用户终端以及设置在所述用户终端的深度学习识别模型，所述扫地机器人包括清扫组件、至少一个摄像头；所述方法包括：

所述摄像头采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像；

将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级；

所述扫地机器人基于所述污渍程度等级，控制所述清扫组件针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

2.根据权利要求1所述的方法，其特征在于，所述摄像头采集所述扫地机器人周边的待清扫对象图像的步骤之前，所述方法还包括：

获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的待清扫对象颜色种类、污渍程度等级；

使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类的步骤，包括：

将所述第一待识别图像的图像特征与训练后的所述深度学习识别模型中的训练子图像的图像特征进行匹配，得到所述第一待识别图像与所述训练子图像的污渍程度的相似度；

将所述训练图像集中所述相似度最大的所述训练子图像对应的污渍程度等级作为所述第一待识别图像的污渍程度等级。

4.根据权利要求1所述的方法，其特征在于，所述清扫系统还包括与所述扫地机器人通信的服务器，所述服务器设置有所述深度学习识别模型，所述摄像头采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像的步骤，包括：

所述摄像头采集所述扫地机器人周边的待清扫对象图像，并将所述待清扫对象图像上传至所述服务器，以作为所述第一待识别图像。

5.根据权利要求4所述的方法，其特征在于，所述将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类的步骤，包括：

所述服务器将获取的所述第一待识别图像输入所述服务器的深度学习识别模型中，并对所述第一待识别图像进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级。

6.根据权利要求1所述的方法，其特征在于，所述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；所述方法还包括：

将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人在所述残留污渍程度等级超过第一预设等级时，发出预警提示。

7.根据权利要求1-6中任意一项所述的方法，其特征在于，所述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；所述方法还包括：

将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人在所述残留污渍程度等级超过第二预设等级时，控制所述清扫组件针对与所述第二待识别图像对应的区域清扫与所述残留污渍程度等级对应的预设时长。

8.一种清扫系统，其特征在于，所述清扫系统包括扫地机器人、与所述扫地机器人通信的用户终端以及设置在所述用户终端的深度学习识别模型，所述扫地机器人包括清扫组件、至少一个摄像头，其中：

所述摄像头用于采集所述扫地机器人周边的待清扫对象图像，以作为所述清扫系统获取的第一待识别图像；

所述用户终端用于将所述第一待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第一待识别图像对应的污渍程度等级；

所述扫地机器人用于根据所述污渍程度等级，控制所述清扫组件针对与所述第一待识别图像对应的区域清扫与所述污渍程度等级对应的预设时长。

9.根据权利要求8所述的清扫系统，其特征在于，所述摄像头采集所述扫地机器人周边的待清扫对象图像之前，所述摄像头还用于获取待清扫对象的训练图像集，包括多个训练子图像，每个所述训练子图像关联有预设标签，所述预设标签包括预先标记的地面颜色种类、污渍程度等级；

所述用户终端使用所述训练图像集，采用深度学习算法训练所述深度学习识别模型，得到训练后的深度学习识别模型。

10.根据权利要求8或9所述的清扫系统，其特征在于，所述摄像头还用于采集清扫后的待清扫对象图像，并作为第二待识别图像；

所述用户终端还用于将所述第二待识别图像输入训练后的深度学习识别模型进行识别分类，以得到与所述第二待识别图像对应的残留污渍程度等级；

所述扫地机器人用于在所述残留污渍程度等级超过第一预设等级时，发出预警提示。