CN110325681B

CN110325681B - 具有用于纺织品分类的图像传感器和照射系统的便携式设备

Info

Publication number: CN110325681B
Application number: CN201880012696.6A
Authority: CN
Inventors: O·卡亚; F·J·德布瑞杰恩; B·G·格布雷; K·C·范布雷; V·M·G·范亚克特; 蒋勇; A·梅赫达勒; H·A·威廉默斯·施梅茨; D·N·兹纳门斯基; A·J·J·威斯曼斯; M·瓦利雅姆巴斯·克里施南; S·康索利; P·比吉尔; A·J·M·J·拉斯; 谢耀贤
Original assignee: Koninklijke Philips NV
Current assignee: Koninklijke Philips NV
Priority date: 2017-12-22
Filing date: 2018-12-21
Publication date: 2021-05-07
Anticipated expiration: 2038-12-21
Also published as: EP3822404A1; CN111511978A; CN110325681A; EP3562992A1; EP3502345A1; EP3728723B1; EP3728722B1; EP3562992B1; US11124917B2; EP3562993B1; EP3562993A1; EP3728723A1; WO2019122273A1; CN111527256B; US11028529B2; CN111527256A; CN110312829B; WO2019122275A1; RU2728743C1; RU2737756C1

Abstract

本发明涉及一种便携式设备(1100)，包括旨在与纺织品(TXT)接触的底表面(BS)。便携式装置包括图像传感器(5)和照射系统(6)，该图像传感器用于摄取纺织品的图像，该照射系统用于在摄取上述图像时照射纺织品的一部分。便携式设备还包括控制单元(8a)，该控制单元用于使用所摄取图像作为在便携式设备中所存储的算法的输入来执行上述算法，以获得所纺织品的分类。图像传感器和控制单元被集成在便携式设备内。图像传感器具有对光敏感的活性表面，该活性表面相比于上述底表面(BS)被定向，其中，定向角的绝对值在15‑70度的范围中；和/或照射系统(6)具有光源，该光源相比于上述底表面(BS)被定向，其中，定向角的绝对值在15‑70度的范围中。

Description

具有用于纺织品分类的图像传感器和照射系统的便携式设备

技术领域

本发明涉及服装护理领域。

背景技术

已知熨烫设备被设置有温度传感器。温度传感器被用于控制熨烫设备的操作并且被用于避免归因于不当操作参数而损伤(服装的)纺织品。如果用户使用熨烫设备以处理不同纺织品，则用户仍然必须手动地调整至少一个设定，诸如熨烫设备的底板的温度，以便实现对纺织品的有效处理。针对最佳熨烫结果，温度应该处于使褶皱平坦但不损伤织物的最高温度。为了省略手动控制，已经建议降低最高温度。这种方法的缺点是，较坚韧的材料(诸如牛仔布织物和亚麻织物)的熨烫需要更长时间。

通常，为了确定适当温度设定，用户依赖于被附接至服装的水洗标。这种手动方法对于用户而言不方便。此外，已经表明，经过多年的使用，这些标签常常丢失，使用户没有关于织物类型或处理纺织品的所需温度的信息。

US2016/0145794公开了一种具有图像传感器的熨斗，以使得数字图像处理能够检测织物类型并且控制熨斗设定。

DE102013210996公开了一种智能电话应用程序，通过该智能电话应用程序来分析衣物的图像以确定待被使用的洗衣机设定或服装处理产品。

CN106283584A公开了一种电熨斗，包括：图像获取单元，被配置为获取图像；处理器，被配置为所获取的待熨烫物的材料信息，并确定与待熨烫物品的材料信息对应的初始熨烫参数；以及熨烫控制器，用于根据初始熨烫参数控制电熨斗的当前熨烫参数。

US5475201A公开了一种用于标识漫反射材料(诸如织物)的设备和方法。光源将辐射传输到未知材料上，并且检测器接收由未知材料漫反射的辐射，并生成指示未知材料的漫反射特性的信号。处理器被耦合到检测器，并且包括多个参考材料上的漫反射数据。处理器基于检测器的信号与参考数据比较未知材料的漫反射特性，并且通过消除过程来标识未知材料。

发明内容

本发明的目标是提出一种改良的便携式纺织品处理设备，该改良的便携式纺织品处理设备避免或缓解了上文所提及的问题。

为此，本发明提出了一种便携设备，包括旨在与纺织品接触的底表面。便携式设备包括：

-图像传感器，用于摄取纺织品的图像；

-照射系统，用于在摄取上述图像时照射纺织品的一部分；

-控制单元，用于使用所摄取的图像作为在便携式设备中所存储的算法的输入来执行上述算法，以获得纺织品的分类；

图像传感器和控制单元被集成在便携式设备内。

图像传感器具有对光敏感的活性表面，该活性表面相比于上述底表面被定向，其中，定向角的绝对值在15-70度的范围中；和/或照射系统具有光源，该光源相比于上述底表面被定向，其中，定向角的绝对值在15-70度的范围中。

这种便携式设备具有以下优点：以独立方式、从将实际处理纺织品的设备远程地执行纺织品分类。

下文将给出本发明的详细解释和其他方面。

附图说明

现在将参照下文中所描述并且结合附图所考虑的实施例来解释本发明的具体方面，其中，相同的部分或子步骤以相同方式指定：

图1示意性地图示了根据本发明的第一示例性实施例的纺织品处理设备；

图1A示意性地图示了根据本发明的第二示例性实施例的纺织品处理设备；

图1B示意性地图示了根据本发明的第三示例性实施例的纺织品处理设备；

图1C示意性地图示了根据本发明的第四示例性实施例的纺织品处理设备；

图1D示意性地图示了根据本发明的第五示例性实施例的纺织品处理设备；

图1E示意性地图示了根据本发明的第六示例性实施例的纺织品处理设备；

图1F示意性地图示了根据本发明的第七示例性实施例的纺织品处理设备；

图1G示意性地图示了根据本发明的第八示例性实施例的纺织品处理设备；

图1H示意性地图示了根据本发明的第九示例性实施例的纺织品处理设备；

图2A示意性地图示了人工神经网络(ANN)，该人工神经网络由图1的纺织品处理设备的控制单元执行；

图2B示意性地图示了用于训练图2A中所图示的ANN的示例性过程；

图3示意性地图示了卷积神经网络(CNN)的一部分，该卷积神经网络由根据本发明的纺织品处理设备中的控制单元执行；

图3A示意性地图示了卷积神经网络(CNN)的一个示例，该卷积神经网络由根据本发明的纺织品处理设备中的控制单元执行；

图4示意性地图示了图像的示例，已使用如图1中所图示的纺织品处理设备的图像传感器来获取这些图像；

图5图示了图像传感器在根据本发明的纺织品处理设备中的各种实施方式；

图6描绘了根据本发明的操作根据本发明的纺织品处理设备的方法的第一流程图；

图7描绘了根据本发明的设备的第一放大图；

图8描绘了根据本发明的设备的第二放大图；

图9A、9B、9C、9D描绘了如图1中所描绘的设备的各种放大图；

图10描绘了根据本发明的操作根据本发明的纺织品处理设备的方法的第二流程图；

图11描绘了根据本发明的便携式设备。

具体实施方式

图1图示了根据第一示例性实施例的纺织品处理设备1。

纺织品处理设备1与基部中的具有蒸煮器的加压蒸汽熨烫系统相对应。

纺织品处理设备1包括手持式熨烫设备，该手持式熨烫设备具有第一壳体2。第一壳体2包括手柄3，该手柄3用于用户握持纺织品处理设备1。手持式熨烫设备是便携式设备，该便携式设备可由处理纺织品(TEX)的单个用户携带。

纺织品处理设备1还包括第二壳体2a，其中被布置有“蒸煮器”型的蒸汽发生器9。供水系统9a也被布置在第二壳体2a中，以用于将水供应给蒸汽发生器9。

纺织品处理设备1还包括控制单元8，该控制单元8被集成在便携式纺织品处理设备内。这种集成允许所有必需控制和信号处理是在纺织品处理设备本身上完成，而无需与外部设备接触或使用外部计算资源。

优选地，控制单元8与供水系统9a和蒸汽发生器9经由控制信号CS进行信号通信。例如，供水系统9a与出口处的水箱相对应，该出口的输出阀或泵(在图9A到9D中被示出为P1)可经由信号CS由控制单元8控制。

第一壳体2和第二壳体2a经由(柔性)软管线(hose cord)HC连通。

软管线HC包括第一管PP1，该第一管PP1用于将蒸汽从蒸汽发生器9输送至蒸汽腔10。

软管线HC还包括第二管PP2，该第二管PP2用于将水(例如经由输出阀或泵(在图9A到9D中被示出为P2))从供水系统9a输送至蒸汽腔10，该输出阀或泵可由控制单元8的信号CS控制，如将在下面进一步描述。

第一管PP1和第二管PP2优选被连接至蒸汽腔10的两个不同入口，如图所示。

第一壳体2包括蒸汽腔10，该蒸汽腔10适于接收来自蒸汽发生器9的蒸汽。第一壳体2还包括可加热底板4，该可加热底板4包括蒸汽排出口11。通过蒸汽排出口11，将蒸汽从蒸汽腔10供应至处理中的纺织品TXT。蒸汽腔10与加热系统12热接触。加热系统12旨在加热可加热底板4，并且旨在加热蒸汽腔10，以使得从蒸汽发生器9接收到的蒸汽不冷凝。加热系统12、可加热底板4和蒸汽腔10热接触。加热系统12由控制单元8控制，以便使由加热系统12所供应的热能变化。作为示例，加热系统12包括至少一个电阻加热元件(未示出)，该至少一个电阻加热元件与可加热底板4热转移连通，该可加热底板4旨在接触处理中的纺织品。

在处理纺织品(TEX)时，用户将纺织品处理设备移动到待被处理的纺织品上方，同时纺织品处理设备1的可加热底板4与纺织品平面接触。附加地或备选地，可以想到，纺织品处理设备被配置成服装挂烫机。

纺织品处理设备1包括图像传感器5，该图像传感器5用于摄取待被处理的纺织品的图像。

作为示例，图像传感器5被布置成诸如在可加热底板4的贯通孔或贯通凹槽H中查看一样。在那种情况下，图像传感器5可被布置在可加热底板4的厚度内部，或者被布置在可加热底板4上方。例如，贯通孔/贯通凹槽H可被布置在可加热底板的前部处。

这允许通过图像传感器5获取图像，同时可加热底板4与纺织品平面接触。

然而，图像传感器也可以与纺织品处理设备1配合而被布置在不同位置处，诸如：

-被布置在底板的后部处，如图5中所图示的图像传感器5b，

-被布置在纺织品处理设备1的前部处，看向纺织品处理设备1的外部，如图5中所图示的图像传感器5c，

-被布置在纺织品处理设备1的后部处，诸如纺织品处理设备1的足跟区域，并且看向纺织品处理设备1的外部，如图5中所图示的图像传感器5d，

-与纺织品处理设备1的手柄3配合而被布置，如图5中所图示的图像传感器5e。

优选地，图像传感器具有对光敏感的活性表面，该活性表面相对于可加热底板4的表面被定向，该可加热底板4与纺织品接触，其中，定向角a5的绝对值在0-85度的范围中，优选在15-70度内。这在图7中图示，该图图示了根据本发明的设备的放大图。

就产生更紧凑空间而言，这种定向角允许在纺织品处理设备1中更灵活地实施图像传感器。

纺织品处理设备1可包括光学系统7。光学系统具有至少一个光学元件(诸如透镜、反射镜和/或光圈(aperture))并且被配置为在图像传感器5的活性表面上生成纺织品TEX的表面部分的聚焦图像。然而，还可以想到，图像传感器5接收直接从纺织品发射的光，即未穿过光学系统的光。

如图7中所图示，光学系统7包括第一对称轴N7，该第一对称轴N7限定了纺织品TXT的表面部分与光学系统7之间的第一光学路径。第一对称轴N7垂直于光学系统7的平面表面。

优选地，第一对称轴N7相对于可加热底板4的表面以绝对角a7倾斜，该可加热底板4与纺织品接触。定向角a7在15-90度的范围中。

图像传感器5(和类似地如图5中所图示的图像传感器5b、5c、5d、5e)包括第二对称轴N5，该第二对称轴N5限定了光学系统7与图像传感器之间的第二光学路径。第二对称轴N5垂直于图像传感器5的平面表面。

第一对称轴N7和第二对称轴N5形成角a75，该角小于或等于图像传感器的对光敏感的活性表面与可加热底板4的表面之间的角a5的最大值，因此，在[0,70]度的范围中。

通过具有a75的某一非零角度值，可以确保图像传感器的焦平面正好在纺织品的平面中。那意指图像种的“远处”以及“近处”内容都在焦点中。使图像传感器所摄取的焦点中的图像对于卷积神经网络获得织物类型的更准确分类而言是有利的。

纺织品处理设备1还包括照射系统6，该照射系统6用于照射使用图像传感器5成像的纺织品的一部分。

照射系统6可包括光源，诸如LED(发光二极管)和/或激光束。

光源允许在适当照射条件下获取图像，从而使纺织品分类更可靠。

优选地，照射系统6的光源相对于可加热底板4的表面被定向，该可加热底板4与纺织品接触，其中，定向角a6的绝对值在0-85度的范围中，优选在15-70度内。这在图7中图示。

光源的这个定向角a6允许捕获纺织品特征的更多细节。

然而，还可以想到，本文中所描述的许多技术效果和优点仍可使用不具有照射系统6的纺织品处理设备来获得。

在角a7非常接近于(或等于)角a6时，获得纺织品TXT的非常“平坦的”图像，在图像中可看到不多的“深度信息”，然而，在角a7与角a6大不相同时，由于纺织品TXT的表面投掷的阴影，在图像中将显示大量“深度信息”。这种深度信息对于卷积神经网络获得织物类型的更准确分类而言是有利的。

角a7、a5、a75验证了关系a7+a5-a75＝90度。

例如：

-a7＝65度，

-a5＝35度，

-a75＝10度，

-a6＝49度。

优选地，照射系统6包括至少一个发光二极管，该至少一个发光二极管被布置在上述第一对称轴N7旁边。

例如，至少一个发光二极管包括两个发光二极管(LED1、LED2)，这些发光二极管绕第一对称轴N7被对称地布置，如图8中所图示。

在另一示例(未示出)中，至少一个发光二极管包括三个发光二极管(LED1、LED2、LED3)，这些发光二极管绕第一对称轴N7被对称地布置。三个发光二极管(LED1、LED2、LED3)绕第一对称轴N7形成圆锥布置。

优选地，发光二极管由控制单元8以脉冲操作形式操作以防止运动模糊且防止滚动快门效果。发光二极管在大约30微秒期间被给予非常明亮的闪光，且随后在大约30毫秒期间被关闭(1/1000占空比)。在闪光期间，大约1A的电流流过LED。每个发光二极管的平均功耗是大约0.001*1A*2.5V＝2.5mW。

优选地，照射系统6适于生成红外(IR)波长的光束。

例如，可使用以红外波长发射的发光二极管(LED1、LED2、LED3)。

使用红外光的原因是因为许多织物模具对红外光透明。那意指，使用红外光，所有红色纺织品和蓝色纺织品和白色纺织品和黑色纺织品看起来完全相同。所有纺织品看起来似乎都是白色的。

在本发明的上下文中，不能区分颜色不是问题，因为根据本发明所使用的算法不使用颜色来获得纺织品的分类。实际上，颜色不含关于织物类型(毛织物、丝织物、棉织物)的任何信息：所有织物类型可具有所有颜色。

通过使用红外线，因为所有纺织品看起来如同具有相同“颜色”一样，由此，在从一种纺织品到另一纺织品时，不需要改变曝光时间或照射强度。这简化了照射系统6的控制，以及有助于更快的图像获取。并且在纺织品利用具有不同颜色的纱线编织的情况下，在红外光中，所有这些颜色呈现为白色，因此，织物识别算法不受纺织品上的任何“印花”干扰。

控制单元8与图像传感器5和照射系统6信号通信。控制单元8被配置为执行在纺织品处理设备1中所存储的算法。算法使用所摄取的图像作为算法的输入来确定纺织品的分类。

纺织品的分类可包括将至少一个输出类别分配给纺织品。

获得纺织品的分类的这种解决方案允许得出纺织品处理设备的一些操作参数的适合值。从而，可实现纺织品的有效处理和对纺织品损伤的可靠预防。

可通过使用人工神经网络(ANN)的输出类别来提供类别或使用人工神经网络(ANN)的输出类别来生成类别。

作为示例，类别可为纺织品的织物类型的类别，或织物的精致程度的类别，以用于熨烫纺织品。

这些分类是有利的，因为这些分类提供足够详细的分类级别，因此，以用于控制纺织品处理设备的至少一个操作参数。

织物类型(诸如材料)的类别可包括诸如“毛织物”、“尼龙”、“亚麻织物”、“牛仔布织物”和“棉织物”等的类别。

织物精致程度的类别可包括诸如“精致”(例如，包括但不限于由以下所限定的材料的列表：醋酸纤维、弹力纤维、聚酰胺纤维、聚丙烯纤维、铜氨纤维、丝织物、聚酯纤维、三醋酸纤维、粘胶纤维和毛织物)或“坚韧”(例如，包括但不限于由以下所限定的材料的列表：亚麻织物、牛仔布织物、棉织物)等类别。

精致织物被视为对热敏感的织物，并且因此，通常被推荐利用1点和2点设定来熨烫，按照标准IEC 60311，而坚韧织物被视为需要更高温度来获得可接受的熨烫结果并且通常被推荐利用3点设定来熨烫。然而，应注意，这仅根据标准IEC 60311的推荐，所以并非强制的。

根据标准IEC 60311所摘录的下表概述了这种对应：

例如，被分类为类别“精致”的纺织品使用相对较低温度的可加热底板4来处理，例如该温度在70-160摄氏度的范围中。

例如，被分配到类别“坚韧”的纺织品使用相对较高温度的可加热底板4来处理，例如该温度在140-210摄氏度的范围中。

在图1的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1的至少一个操作参数。至少一个操作参数可包括但不限于：

-在纺织品处理设备中旨在与纺织品接触的可加热底板4的温度，和/或

-被施加于纺织品的蒸汽量。例如，在控制单元8的控制下，被施加于纺织品的蒸汽量可通过打开/关闭蒸汽阀(在图9A到9D中被示出为V1和V2)来变化，该蒸汽阀被布置在蒸汽发生器9的出口处。在控制单元8的控制下，被施加于纺织品的蒸汽量还可通过使蒸汽发生器9的温度变化来变化。

图9A、9B、9C、9D描绘了如图1中所描绘的设备的各种放大图。

本发明的第一实施例如图9A中所示出，其中，两个电阀V1和电阀V2沿着第一管PP1被串联连接。

这个实施例中的阀V1是具有一个打开(ON)和一个关闭(OFF)位置的标准电阀。阀V1和阀V2的打开/关闭状态由来自控制单元8的控制信号CS控制。

这个实施例中的阀V2是不具有真正的关闭位置的定制电阀。对于阀V2，该阀在处于打开(ON)位置时具有大直径(例如4mm)，且在处于关闭(OFF)位置时具有小直径孔口(例如2mm)。

阀V1控制蒸汽打开/关闭(释放蒸汽/不释放蒸汽)，而阀V2控制高(在ON时)蒸汽流速且在OFF时低蒸汽流速。

不同组合和在第一管PP1的出口处的所得蒸汽流速被列举于以下表1中：

表1

在这个实施例中，处于打开(ON)位置的阀V2优选具有的孔口直径大于处于打开(ON)位置的阀V1孔口直径。例如，阀V2在处于打开(ON)位置时具有4mm的孔口直径，并且阀V1在处于打开(ON)位置时具有3mm的孔口直径。这是出于使由阀V1造成的损耗最小化的目的。

在这个实施例中，还可交换阀V1(控制蒸汽释放)和阀V2(控制蒸汽流速)的顺序以产生类似结果。

本发明的第二实施例如图9B中所示出，其中，两个电阀(V1和V2)被并联连接。这个实施例中的阀V1和阀V2取决于应用的需求可具有相同孔口直径或不同孔口直径。

可使用E阀状态的组合来获得第一管PP1的出口处的不同蒸汽流速。这在以下表2中示出：

表2

本发明的第三实施例如图9C中所示出。在这个实施例中，除了阀V1和阀V2被建构为单个外壳SH1中作为一个组件外，这些阀与第二实施例中的V1和V2相同。以与第二实施例中相同的方式实现高蒸汽流速和低蒸汽流速。

本发明的第三实施例减少外部管道连接的量，从而减小实现这个功能所需的E阀配置的大小。

第三实施例的另一益处是，在开始熨烫期间或若蒸汽功能在延长的时间段内未被触发时，减少在E阀配置中蒸汽到水的冷凝，由此减少携带水，该携带水可在可加热底板4的蒸汽排出口11处导致所谓的“喷溅”问题。这归因于E阀配置的整体热质量的减少。

本发明的第四实施例如图9D中所示出。在这个实施例中，除了阀V1和阀V2被建构为单个外壳SH2中作为一个组件外，这些阀与第一实施例中的阀V1和阀V2相同。以与第一实施例中相同的方式实现高蒸汽流速和低蒸汽流速。

第三实施例中所描述的E阀配置的大小减小和携带水的减少和由此产生的喷溅的益处在第四实施例中也有效。

应注意，阀V1和阀V2的类似阀布置可被布置在图1H的设备的蒸汽发生器的出口处。

图1A示意性地图示了根据本发明的第二示例性实施例的纺织品处理设备1a。

纺织品处理设备1a与基部中的不具蒸煮器的加压蒸汽发生器相对应。

这个实施例与连同图1一起所描述的实施例不同，因为第二壳体2a仅包括供水系统9a。由此，水从供水系统9a经由软管线HC被供应至蒸汽腔10，以用于转换成蒸汽。

在图1A的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1的至少一个操作参数。至少一个操作参数可包括但不限于：

–被施加于纺织品的蒸汽量。例如，在控制单元8的控制下，蒸汽量可通过改变电动水泵(未示出)的泵送速率来变化，该电动水泵被布置在供水系统9a与蒸汽腔10之间。

图1B示意性地图示了根据本发明的第三示例性实施例的纺织品处理设备1b。

纺织品处理设备1b与蒸汽熨烫设备相对应。

这个实施例与连同图1一起所描述的实施例不同，因为没有被布置的第二壳体2a。反而，供水系统9a被布置在壳体2的内部。由此，水从供水系统9a被供应至蒸汽腔10，以用于转换成蒸汽。

在图1B的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1b的至少一个操作参数。至少一个操作参数可包括但不限于：

–被施加于纺织品的蒸汽量。例如，在控制单元8的控制下，蒸汽量可通过打开/关闭水阀(未示出)来变化，该水阀被布置在供水系统9a与蒸汽腔10之间。在控制单元8的控制下，蒸汽量也可通过改变电动水泵(未示出)的泵送速率来变化，该电动水泵被布置在供水系统9a与蒸汽腔10之间。

图1C示意性地图示了根据本发明的第四示例性实施例的纺织品处理设备1c。

纺织品处理设备1c与手持式服装挂烫机相对应。

纺织品处理设备1c包括壳体2，在该壳体2中被布置了供水系统9c，以用于将水(例如经由电动水泵PU)供应至蒸汽腔10。蒸汽腔10被加热元件12c加热。由蒸汽腔10生成的蒸汽经由(多个)蒸汽排出口11被施加在纺织品(即服装)TXT上，该(多个)蒸汽排出口被布置在可加热底板4中。可加热底板4被加热元件12c加热。控制单元8允许控制泵PU的泵送速率以及允许被供应至加热元件12c的电功率。为了表示起见，未表示通信系统22、图像传感器和接口25。图像传感器可与图1的实施例类似地被布置在可加热底板4中。

在图1C的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1c的至少一个操作参数。至少一个操作参数可包括但不限于：

–被施加于纺织品的蒸汽量。例如，在控制单元8的控制下，蒸汽量可通过改变电动水泵PU的泵送速率来变化，该电动水泵被布置在供水系统9a与蒸汽腔10之间。

图1D示意性地图示了根据本发明的第五示例性实施例的纺织品处理设备1d。

纺织品处理设备1d与立式服装挂烫机相对应。

纺织品处理设备1d包括壳体2a，在该壳体中被布置了供水系统9c，以用于将水(例如经由电动水泵PU)供应至蒸汽腔10。蒸汽腔10被加热元件12a加热。由蒸汽腔10生成的蒸汽经由软管线HC携带至手持式壳体2。出于清晰起见，手持式壳体2比实际大地表示。壳体2a可包括用以搁置手持式壳体2的杆PO。蒸汽经由(多个)蒸汽排出口11被施加在纺织品(即服装)TXT上，该(多个)蒸汽排出口11被布置在可加热底板4中。可加热底板4被加热元件12b加热。控制单元8允许控制泵PU的泵送速率、被供应至加热元件12a和12b的电功率。为了表示起见，未表示通信系统22、图像传感器和接口25。图像传感器可与图1的实施例类似地被布置在可加热底板4中。

在图1D的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1d的至少一个操作参数。至少一个操作参数可包括但不限于：

–被施加于纺织品的蒸汽量。例如，在控制单元8的控制下，蒸汽量可通过改变电动水泵PU的泵送速率来变化，该电动水泵PU被布置在供水系统9a与蒸汽腔10之间。

图1H示意性地图示了根据本发明的第九示例性实施例的纺织品处理设备1h。

纺织品处理设备1h与立式服装挂烫机相对应。其具有与上文所描述的纺织品处理设备1d相同的元件。

另外，纺织品处理设备1h还包括蒸汽腔10，该蒸汽腔适于接收来自软管线HC的蒸汽。

蒸汽腔10与加热系统12b热接触。从软线管HC接收到的蒸汽进入蒸汽腔10，且在蒸汽腔10内部被再加热，并且在这股蒸汽流中的水滴被蒸发。随后，被再加热的蒸汽在蒸汽排出口11处离开蒸汽腔10。

纺织品处理设备1h具有离开蒸汽排出口11的蒸汽不含水滴的优点。

图1E示意性地图示了根据本发明的第六示例性实施例的纺织品处理设备1e。

纺织品处理设备1e与污渍去除设备相对应。

纺织品处理设备1e包括壳体2，在该壳体2中被布置了供水系统9c，以用于将水(例如经由电动水泵PU)供应至容器100，该容器100包含呈固体或液体形式的污渍去除材料。离开容器100的污渍去除材料溶液经由(多个)排出口11被施加在纺织品(即服装)TXT上，以用于去除纺织品上的沾有污渍的区域，该(多个)排出口11被布置在可加热底板4中。可加热底板4由加热元件12e加热。由可加热底板4生成的热量允许加快污渍去除过程、污渍去除的效率和使经处理的沾有污渍的区域干燥。控制单元8允许控制泵PU的泵送速率和被供应至加热元件12e的电功率。为了表示起见，未表示通信系统22和图像传感器5。图像传感器可与图1的实施例类似地被布置在可加热底板4中。

在图1E的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1e的至少一个操作参数。至少一个操作参数可包括但不限于：

-在纺织品处理设备中旨在与纺织品接触的可加热底板4的温度。

图1F示意性地图示了根据本发明的第七示例性实施例的纺织品处理设备1f。

纺织品处理设备1f与洗衣机设备相对应。

纺织品处理设备1f包括滚筒200，该滚筒200用于接收纺织品(即服装)以进行洗涤。通过电机M使滚筒200旋转。滚筒200适于接收来自供水系统(未示出)的水W。加热元件300与滚筒200接触地被布置以加热滚筒中的水W。控制单元8允许控制电机M的旋转速度和被供应至加热元件300的电功率。为了表示起见，未表示通信系统22、图像传感器和接口25。图像传感器5被布置在滚筒200的内底部分中或被布置在纺织品处理设备1f的顶部部分中。

在图1F的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1f的至少一个操作参数。至少一个操作参数可包括但不限于：

-被用于洗涤纺织品(即服装)的水的温度：例如，针对被分类为精致的纺织品，用较低温度，以及针对被分类为坚韧的纺织品，用较高温度，和/或

-洗涤循环的持续时间：例如，针对被分类为精致的纺织品，用较短持续时间，以及针对被分类为坚韧的纺织品，用较长持续时间，和/或

-在旋转式脱水循环期间滚筒的旋转速度：例如，滚筒的旋转速度可通过使电机M的旋转速度变化来变化，该电机使滚筒旋转。例如，针对被分类为精致的纺织品，用低旋转速度，以及针对被分类为坚韧的纺织品，用高旋转速度。

图1G示意性地图示了根据本发明的第八示例性实施例的纺织品处理设备1g。

纺织品处理设备1g与干烫设备相对应。

这个实施例与连同图1B一起描述的实施例不同，因为这个实施例既不实施供水系统9c也不实施蒸汽腔10。可加热底板4也不再包括排出口。

在图1G的实施例中，控制单元8被配置为基于所获得的纺织品的分类来控制纺织品处理设备1e的至少一个操作参数。至少一个操作参数可包括但不限于：

在上文所描述的包括蒸汽机(诸如蒸汽发生器9和/或蒸汽腔10)的实施例中，该蒸汽机用于生成待被供应至纺织品的蒸汽，可基于所获得的纺织品的分类来设定蒸汽量。

优选地，被分类为类别“精致”的纺织品使用较低蒸汽量来处理，例如该蒸汽量在50-99g/mn的范围中。

优选地，被分配到类别“坚韧”的纺织品使用较高蒸汽量来处理，例如该蒸汽量在100-160g/mn的范围中。

如果织物被视为更具坚韧(或较不精致)，则增大蒸汽流速就去除纺织品/服装上的折痕而言改善了熨烫和/或蒸汽结果。

已经示出，使用纺织品的分类，可以有效地使纺织品处理设备1的操作适于处理中的纺织品。从而，这有助于纺织品处理的方便且最佳的结果，并且还防止归因于纺织品处理设备1的不当设定而损伤纺织品。如果纺织品处理设备1检测到纺织品分类的改变，则纺织品处理设备1可以在纺织品的处理期间自动调整纺织品处理设备1的至少一个操作参数。从而，使得可以高效率处理纺织品(或由纺织品制成的服装)。

在图1中所示出的示例性纺织品处理设备1中，由控制单元8执行的算法包括人工神经网络(ANN)。

术语人工神经网络可被限定为意指神经处理单元的集合。ANN在神经处理单元之间具有连接，这些连接具有连接权值。ANN可包括多个层。层可包括输入层、一个或多个隐藏层(也被指示为中间层)和输出层。ANN可为前馈神经网络或递归神经网络。

图2A是ANN 14的示意性图示。ANN 14包括多个神经处理单元15a、15b、17b。神经处理单元15a、15b、17b被连接以形成经由多个连接的网络，这些连接各自具有连接权值18。连接中的每一个连接将ANN 14的第一层的神经处理单元连接至ANN 14的第二层的神经处理单元，该第二层紧接着第一层。从而，ANN 14具有层结构，该层结构包括输入层19、至少一个中间层20(也被指示为隐藏层)和输出层21。

已示出，使用ANN 14，可以有效且可靠地对处理中的纺织品进行分类，以使得操作参数可适于确保纺织品的适当处理，并且这消除了损伤纺织品的风险。

在示例性实施例中，优选地，ANN 14通过外部计算系统使用来自数据库的图像来训练，以及与已知纺织品分类相关联。随后，经过训练的ANN被存储在纺织品处理设备1中。

为训练ANN所使用的图像的数目越多，ANN对给定纺织品进行分类的性能越好，通过被布置在纺织品处理设备1中的图像传感器从该纺织品摄取图像。

用于训练ANN的示例性训练过程100在图2B中示意性地图示。

训练过程100导致ANN 14的连接权值18(在图2A中示出)的权值校正。训练过程100是迭代的。

在第一次迭代中，ANN的连接权值被初始化为小的随机值。已知纺织品的样本图像的输入在步骤110中作为输入被提供至ANN。

在步骤120中ANN对输入进行分类。基于输入的分类与已知纺织品之间的比较，在决策步骤150中确定是否以足够的准确性执行分类。

如果以足够的准确性执行分类(决策步骤150:是)，则训练过程100在步骤130中结束。

如果并未以足够的准确性执行分类(决策步骤150:否)，则在步骤140中调整ANN的连接权值。在调整连接权值之后，执行相同或不同的已知输入样本的另一分类120。

在所图示的示例性实施例中，优选地在外部计算系统23(在图1中所示)中执行训练过程的操作，该外部计算系统23在纺织品处理设备1外部。外部计算系统23可包括但不限于：

-至少一个远程计算机：例如，用户进行物理访问的计算机。作为示例，用户经由网络访问远程计算机。

-至少一个网络计算机，

-至少一个云计算机，

-移动电话，

-智能电话，或

-台式计算机。

使用外部计算系统23，相比于在纺织品处理设备1上执行这个相同的训练，可以执行ANN的更快且更准确的训练。然而，如果控制单元8具有足够的计算资源，则也可以通过纺织品处理设备1来执行训练过程。

如图1中所图示，纺织品处理设备1包括通信系统22，该通信系统用于(例如经由网络24)将纺织品处理设备1连接至外部计算系统23。

进一步地，网络24可包括互联网(INT)和内联网，该内联网是有线的或无线局域网(WLAN)。

也可以将纺织品处理设备1经由任何其他传输介质连接至外部计算系统23，该传输介质限定了基于无线和/或有线的传输。

纺织品处理设备1适于使用通信系统22、由传感器摄取的图像、以及相关联的纺织品分类来传输至外部计算系统23。

在用户认为算法没有正确识别纺织品的分类的情况下，用户可手动键入与校正的纺织品分类相对应的用户输入(经由稍后将描述的接口)。用户输入与纺织品的不同分类相对应，该纺织品的不同分类背离通过控制单元8所获得的纺织品的分类。校正的纺织品分类(也被称作用户指定分类)可不仅由设备1用于因此控制设备的操作参数，而且可由通信系统22发送并且由外部计算系统23用作算法的新训练的输入，如连同图2B一起类似地描述。

纺织品处理设备1包括用户接口25(在图1中所示)，该用户接口25用于接收来自处理纺织品的用户的用户输入。如先前所描述，用户输入与校正的纺织品分类相对应。

例如，用户接口25允许用户进行以下操作：

-键入字母和/或数字，以用于写入用户考虑的校正的纺织品分类，和/或

-按压与用户考虑的校正的纺织品分类相关联的至少一个按钮(或键)，和/或

-在屏幕上所显示的所提议的纺织品分类的列表当中，选择用户考虑的校正的纺织品分类。

用户指定分类可包括将纺织品分配到如先前所描述的至少一个预限定类别。

用户指定分类可与仅基于用户知识或用户自身鉴赏或基于来自各种标志的指导所确定的纺织品的分类对应，这些标志诸如纺织品的水洗标(也指示为洗衣标签)的内容，诸如“毛织物”、“尼龙”、“亚麻织物”或“棉织物”。

优选地，在传输至外部计算系统23之前，根据本发明的纺织品处理设备中的任一个适于存储多个用户指定分类(即相比于由纺织品处理设备获得的初始纺织品分类，与不同的分类相对应)和相关联的所摄取图像中的每一个。

发送多个手动校正的纺织品分类可由外部计算系统有利地用作算法的新训练的输入。

优选地，纺织品处理设备适于从外部计算系统(23)使用通信系统22来接收算法的更新版本。

如果算法的更新版本是最初所存储的算法的改良版本，例如在新训练之后所获得的改良版本，则纺织品分类更准确和健壮。

在图1中图示的示例性实施例中，ANN被配置为卷积神经网络(CNN)。

图3示出了CNN的示例性配置。卷积层被配置为执行被提供至卷积层的输入图像26的卷积CONV。

使用CNN作为分类器在计算上的要求相对较低。具体地，可由在低计算资源硬件上运行的CNN生成基本上瞬时分类。这也有助于使图像传感器和控制单元可能集成在便携式纺织品处理设备内，以用于纺织品分类。

如上文所提及，执行CNN的优点是，相比于更传统的图像处理算法，计算资源相对较低，这使该CNN在纺织品处理设备中的执行更容易，而无需具有控制单元，该控制单元具有非常高的计算资源。术语“卷积神经网络”可被限定成意指具有至少一个卷积层的ANN。卷积层可被限定为将卷积应用于紧接在卷积层之前的层的层。卷积层可包括多个神经处理单元，其中，神经处理单元中的每一个接收来自前述层的预限定区段的输入。预限定区段也可称作神经处理单元的局部感受域。权值在预限定区段内的分布对于卷积层中的每个神经处理单元而言可为相同的。除卷积层之外，CNN可包括一个或多个子采样层和/或一个或多个标准化层。

在根据本发明的纺织品处理设备中，图像传感器的视场在1×1mm到5×5mm的范围中。这个视场与最小尺寸对应，该最小尺寸在纺织品上摄取并且需要被成像以捕获足够细节的纺织品结构。

更一般地，所摄取图像的视场在1mm²到25mm²的范围中，该视场在一维中具有至少1mm的长方形或正方形区域。然而，也可考虑更大的视场。

在这个范围中选择视场允许摄取包含足够细节的纺织品的图像，具体地，纱线和交织纤维的编织图案和/或大小。

摄取具有小于这个范围的下限值的视场的图像将不允许捕获足够细节的纺织品。

相反，考虑到纺织品的编织图案的周期性结构，摄取具有大于这个范围的上限值的视场的图像将仅允许捕获关于纺织品的细节的冗余信息。这将导致计算资源增加，而就纺织品分类而言没有显著的附加益处。

备选地，具有这个范围中的视场的图像可从具有更大视场的图像获得，随后进行适当下采样或小型化。

优选地，输入图像26的分辨率限定了在64×64像素和320×320像素的范围中的正方形像素阵列，该输入图像作为算法的输入给出。

在这个范围中选择分辨率允许对具有足够细节的纺织品的给定的视场进行采样，同时限制了计算资源。

优选地，可选择与视场成比例的分辨率。

具有这个范围中的分辨率的图像可直接地从具有相同分辨率的图像传感器获得。

备选地，具有这个范围中的分辨率的图像可从具有更好分辨率的图像传感器获得，随后进行适当下采样或小型化。

卷积层将卷积操作应用于输入，从而将结果传递至下一层。卷积层包括多个神经处理单元。神经处理单元中的每一个接收来自输入图像26的输入区段27的输入，该输入区段27在卷积操作期间被移位。

输入区段27可与二维像素阵列相对应，例如输入图像26的长方形或正方形区段，诸如例如一串3×3或4×4或5×5像素。

输入区段27也可被指示为神经处理单元的局部感受域。神经处理单元可被配置为使用权值来处理输入图像26的区段27，这些权值形成卷积矩阵或与输入区段27相乘的核矩阵。换言之，卷积层执行核矩阵中的值与输入区段的像素值的元素方式乘法(element-wisemultiplication)。所有乘法相加以获得单个数字。卷积层的每个神经处理单元可具有核矩阵内的相同权值。这个概念被称为权值共享。卷积层可具有一个或多个尺寸。针对每个尺寸，卷积层输出表示输出图像的值的二维阵列28a、28b和28c。

CNN还可包括一个或多个子采样层SUB。子采样层中的每一个可被布置在两个邻近卷积层之间。子采样层可被配置为对前述卷积层的输出图像28a、28b、28c中的每一个执行非线性下采样，这些输出图像是子采样层的输入图像。从而，子采样层针对输入图像28a、28b和28c中的每一个形成下采样输出图像31a、31b和31c。

具体地，下采样层将输入图像28a、28b、28c中的每一个划分成一组非重叠长方形子区，且针对这些子区中的每一个，输出通过对长方形子区中的每一个应用非线性函数来确定的输出值。可以想到数个非线性函数来实施子采样层。这些函数中的一个是所谓的“最大池化”或一般是池化函数。使用“最大池化”函数，子采样层确定长方形或正方形子区中所包含的最大像素值。

在图3中图示的示例性CNN中，前两个层是卷积层和子采样层，这两个层一起形成CNN的第一阶段S1。这个第1阶段随后是卷积层和子采样层的一个或多个组合。

这个第一阶段S1随后是第二阶段S2，在该第二阶段S2期间，执行最终纺织品分类。

图3A示意性地图示了卷积神经网络(CNN)的一个示例，该卷积神经网络由根据本发明的纺织品处理设备的控制单元执行。

每个点是神经网络的一层。网络总共有32个层。层数由每一层名字的第一部分指出。

-第1层只是由图像传感器摄取的输入图像。输入图像具有96×96像素的分辨率，并且仅存在1个输入图像。这在第1层的名字中通过“_96×96×1”指出。

-第2层是将20个不同卷积应用于它的输入的卷积层。它的输入是第1层的输出(因此96×96×1图像)。它的输出是各自具有48×48像素的分辨率的20个图像。这在第2层的名字中通过“_48×48×20”指出。

-第2层的输出(因此48×48像素的20个图像)被用作神经网的四个不同层的输入，即第3层、第7层、第4层和第6层。

-第3层将16个不同卷积应用于20个图像并且产生具有48×48的分辨率的16个图像。第3层的输送由第5层使用。

-第7层将16个不同卷积应用于20个图像并且产生具有24×24的分辨率的16个图像。

-第4层将16个不同卷积应用于20个图像并且产生具有48×48的分辨率的16个图像。

-第6层是将48×48图像转换成24×24分辨率图像的平均池化层。

-等等

-第11层使第9层、第7层、第8层和第10层的输出组合。

-等等

-在神经网络的末端处的是第31层和第32层。这些层与神经层相对应，这些神经层对它们的输入进行加权并且以最终得出精致/坚韧(第31层)的估计值和毛织物/丝织物/棉织物/牛仔布织物/亚麻织物/……(第32层)的估计值。

不同层可利用无需解释的标签(第一个数字指定图3A中的对应的层号)概述为如下：

1:1_输入_1_96×96×12:2_卷积2d_1_48×48×20

3:3_卷积2d_5_48×48×16

4:4_卷积2d_3_48×48×16

5:5_卷积2d_6_48×48×16

6:6_平均池化2d_1_24×24×16

7:7_卷积2d_2_24×24×16

8:8_卷积2d_4_24×24×16

9:9_卷积2d_7_24×24×16

10:10_卷积2d_8_24×24×16

11:11_结合_1_24×24×64

12:12_卷积2d_12_24×24×32

13:13_卷积2d_10_24×24×32

14:14_卷积2d_13_24×24×32

15:15_平均池化2d_2_12×12×32

16:16_卷积2d_9_12×12×32

17:17_卷积2d_11_12×12×32

18:18_卷积2d_14_12×12×32

19:19_卷积2d_15_12×12×32

20:20_结合_2_12×12×128

21:21_卷积2d_19_12×12×64

22:22_卷积2d_17_12×12×64

23:23_卷积2d_20_12×12×64

24:24_平均池化2d_3_6×6×64

25:25_卷积2d_16_6×6×64

26:26_卷积2d_18_6×6×64

27:27_卷积2d_21_6×6×64

28:28_卷积2d_22_6×6×64

29:29_结合_3_6×6×256

30:30_全局平均池化2d_1_1×1×256

31:31_二进位_1×1×2

32:32_一个没有_1×1×36

图4示出了纺织品的样本图像的各种示例，这些样本图像由图像传感器5摄取且被用作在纺织品处理设备1中所存储的CNN的输入，以获得纺织品的分类。如所示出，不同纺织品具有不同结构，诸如不同编织图案。

图4中所示的图像导致由纺织品处理设备的控制单元确定的相互不同的分类：

-TEXT1：棉织物，

-TEXT2：65％聚酯纤维+35％棉织物，

-TEXT3：尼龙，

-TEXT4：牛仔布织物，

-TEXT5：毛织物，

-TEXT6：亚麻织物。

作为输入被供应至CNN的图像可与灰度图像相对应。然而，还可以将颜色图像类似地用作CNN的输入。

图像传感器的灰度或颜色图像可被直接地供应至CNN的第一阶段的卷积层。

然而，在图像被用作CNN的输入之前，一个或多个过滤器还可被应用于由图像传感器生成的图像。这些图像处理过滤器的示例包括但不限于降噪、锐化、伽马校正、柔化、镜头阴影校正、镜头变形校正、镜头色差校正......

优选地，图1中所描绘的纺织品处理设备1包括附加的传感器34。附加的传感器34与运动传感器34相对应，该运动传感器可被配置为线性和/或旋转运动传感器。运动传感器34可为一个或多个轴运动传感器。传感器34与控制单元8信号通信。

运动传感器34可被配置为惯性运动传感器。惯性运动传感器可包括加速计和/或陀螺仪。

运动传感器34的传感器输出代表至少一个运动参数(例如，定向、位移、速度和/或加速度)。取决于运动传感器34的传感器输出，控制单元8可控制可加热底板4的操作和/或蒸汽发生器9的操作。

作为示例，可加热底板温度可在较高速度下升高且在较低速度下降低。

从而，如果检测到足够的速度，则可加热底板温度可升高到超过织物特定的稳态温度(即设备不移动)。

进一步地，为了避免对纺织品的损伤，在检测到长时间没有运动时，可加热底板温度可降低至“安全温度”。这些方面将在下面连同图10的流程图一起更详细地描述。

附加地或备选地，控制单元8使用运动传感器的输出以用于控制纺织品处理设备的至少一个操作参数，还基于纺织品的分类来控制该至少一个操作参数。这允许更可靠控制至少一个操作参数。

图6描绘了根据本发明的操作根据本发明的纺织品处理设备的方法的第一流程图。

纺织品处理设备与上文所描述的任何纺织品处理设备相对应。

在步骤210中使用图像传感器摄取待被处理的纺织品的图像。在纺织品处理设备的可加热底板与待被处理的纺织品处于平面并导热接触时，可摄取图像。

集成于纺织品处理设备内的控制单元在步骤220中使用图像作为算法的输入来执行算法，该算法被存储在纺织品处理设备中。

算法在它的输入处接收图像，该图像已通过纺织品处理设备的图像传感器获取。取决于图像，控制单元通过执行算法来确定纺织品的分类。

在步骤230中，基于所获得的分类，控制单元控制纺织品处理设备的至少一个操作参数。

至少一个操作参数的控制步骤230可包括使用纺织品的分类来控制例如可加热底板4的温度。从而，可以设定可加热底板的温度，以使得确保在步骤230A中纺织品的有效处理，并且可靠地避免纺织品的损伤。

附加地或备选地，至少一个操作参数的控制步骤230可包括使用纺织品的分类来控制待被供应至纺织品的蒸汽量。这在步骤230A中通过使用蒸汽允许纺织品的有效处理并且降低损伤纺织品的风险。

如上文类似地描述，纺织品分类的准确性和/或健壮性可通过(例如通过外部计算系统)再训练算法来改良。

为了允许外部计算系统执行用于再次训练算法的操作，使用纺织品处理设备的通信系统22将数据从纺织品处理设备传输至外部计算系统。为此，根据以下确定数据：

-在步骤240中经由纺织品处理设备的接口25接收到的用户输入。用户输入是指示纺织品的用户指定分类和/或指示纺织品的特征。

-由图像传感器摄取的与用户指定分类相关联的图像。

数据在步骤250中被传输至外部计算系统以用于再训练/优化算法。

使用这种数据作为新的一组训练示例，外部计算系统在步骤260中执行再训练算法的操作。

在外部计算系统已完成这些操作并且产生算法的对应的新版本之后，纺织品处理设备在步骤270中从外部计算系统接收算法的新版本，以便用算法的这个新版本替换最初在纺织品处理设备中所存储的算法。

算法的新版本限定了计算机程序产品，该计算机程序产品采用可执行文件、可执行库或移动电话和/或智能电话的可下载移动应用程序。计算机程序产品包含从纺织品的图像获得纺织品的分类的指令码。指令码限定了具有至少一个卷积层的卷积神经网络(CNN)，如上文所描述。

图10描绘了根据本发明的操作根据本发明的纺织品处理设备的方法1000的第二流程图。

在这个流程图中，以虚线表示的步骤/决策与优选或可选的步骤/决策相对应。

这种处理纺织品TXT的方法可应用于纺织品处理设备，该纺织品处理设备如先前连同图1、1a、1b、1h一起所描述且包括可加热底板4，该可加热底板4旨在与纺织品接触，以用于处理纺织品。

该方法包括：

-设定可加热底板4的第一温度目标TT1的第一步骤1001，

-检测上述纺织品处理设备的移动的步骤1002。

如果检测移动的步骤1002在超过给定的第一持续时间D1期间未检测到上述纺织品处理设备的任何移动，这由决策步骤1003的“是”分支图示，则该方法执行将可加热底板4的温度主动降低至达到第一给定温度T1的步骤1004，该第一给定温度具有低于上述第一温度目标TT1的值。

通过“主动”，意指采取特定和主动的措施来降低可加热底板4的温度。换言之，温度降低是由底板温度的主动冷却造成，而不是由可加热底板4与其环境(诸如与周围环境空气和/或与纺织品接触)的自然热交换(或漏失)造成。

在纺织品处理设备将在超过给定的持续时间D1内保持静止而无任何移动的情况下，这些步骤提高了纺织品处理设备的安全性。通过检测这种情况，使底板温度冷却以避免底板与纺织品(或服装)之间的过长接触，否则可能会导致损伤纺织品和/或产生火灾风险。

具体地，考虑到所处理的纺织品类型，具体地是被归类为精致的纺织品，该方法证明了其在底板的温度相比于标称熨烫温度被设定为相对较高的温度的情况下的效率，以便具有熨烫/蒸汽的甚至更有效的结果。在这种情况下，如果纺织品处理设备在超过将损伤纺织品/服装的持续时间阈值D1期间已经没有移动，则采取安全措施来主动且快速地冷却底板的温度变得至关重要。

应注意，“温度目标”是指待达到的所需底板温度，通过调节被提供给底板的电功率以便达到底板温度的这个目标值。因为底板通常具有相对高的热质量，所以达到温度目标并非即时的，并且可能花费一定持续时间。在根据本发明的方法的流程图中，将底板温度设定为给定的温度目标的步骤并不意指在该步骤的出口处已经达到温度目标。

如果检测移动的步骤1002确实在给定的第一持续时间D1结束之前检测到上纺织品处理设备的一些移动，这由决策步骤1003的“否”分支图示，则方法返回到执行设定可加热底板4的第一温度目标TT1的第一步骤1001。

通过无移动，是指低于某一移动阈值的移动，移动阈值包括零值。

例如，第一持续时间D1在数秒到数分钟的范围中，优选30-90秒，优选60秒。

例如，第一温度目标TT1在100-220摄氏度的范围中。

例如，第一给定温度T1在120-170摄氏度的范围中，优选在140-150摄氏度的范围中。

优选地，根据标准IEC 60311来测量底板的温度。

应注意，第一步骤1001可在步骤1002之前完成，或步骤1002可在第一步骤1001之前完成。

优选地，方法还包括检测所处理的纺织品的分类的步骤1005，其中，上述分类被限定为：

-纺织品的织物类型，或

-用于处理纺织品的织物精致程度。

这个步骤1005与先前连同描述一起所描述的分类检测类似。该步骤优选在设定可加热底板4的第一温度目标TT1的第一步骤1001之前执行。

优选地，如果检测移动的步骤1002在超过给定的第二持续时间D2期间未检测到上述纺织品处理设备的任何移动，上述第二持续时间D2小于上述第一持续时间D1，其由决策步骤1012中的“是”分支图示，则该方法执行设定可加热底板4的第二温度目标TT2的第二步骤1006，上述第二温度目标TT2小于上述第一温度目标TT1。

设定可加热底板4的第二温度目标TT2的这个第二步骤1006构成附加安全措施。实际上，通过相比于第一温度目标TT1将底板的温度目标设定为较低的值，底板将通过可加热底板4与其环境(诸如与周围环境空气和/或与纺织品接触)的自然热交换(或漏失)开始被动冷却。在这种情况下，并且如果在最终，直到达到第一持续时间D1，纺织品处理设备仍没有任何移动，考虑到在执行步骤1004时，底板温度之前已经被动降低了，则可更快地完成主动降低可加热底板4的温度的步骤1004。

如果检测移动的步骤1002确实在给定的第二持续时间D2结束之前检测到上述纺织品处理设备的一些移动，这由决策步骤1012的“否”分支图示，则该方法返回到执行设定可加热底板4的第一温度目标TT1的第一步骤1001。

例如，第二持续时间D2在数百毫秒到数十秒的范围中，优选5-20秒，优选10秒。

应注意，如果第二持续时间D2在数百毫秒的量级，则这意指，几乎即时触发设定可加热底板4的第二温度目标TT2的步骤1006。

优选地，该方法包括取决于上述分类使值与上述第一温度目标TT1相关联的步骤1007。

优选地，可加热底板4的上述第一温度目标TT1的值如下：

-如果织物精致程度被分类为精致，则在100-180摄氏度的范围中，优选160到180摄氏度，

-如果织物精致程度被分类为坚韧，则在181-220摄氏度的范围中，优选190到210摄氏度。

优选地，该方法包括取决于上述分类和上述第一温度目标TT1使值与上述第一给定温度T1相关联的步骤1013，例如如下：

-如果织物精致程度被分类为精致并且第一温度目标TT1在160-180摄氏度的范围中，则在120-150摄氏度的范围中，优选140-150摄氏度，

-如果织物精致程度被分类为坚韧并且第一温度目标TT1在181-220摄氏度的范围中，则在140-170摄氏度的范围中，优选160-170摄氏度。

优选地，该方法还包括取决于上述第一温度目标TT1和/或上述分类而使值与上述第一持续时间D1和/或上述第二持续时间D2相关联的步骤1008。

由于优选的要求是，如果纺织品处理设备在这个持续时间D1和/或D2期间不移动，则纺织品必须抗热而无损伤，如果基于第一温度目标TT1和/或上述分类来确定D1和/或D2的值，则更容易满足这个要求。

如果底板温度较低，则精致织物可抵抗较长持续时间的热损伤，以及如果底板温度较高，则坚韧织物可抵抗较长持续时间的热损伤。

针对给定的纺织品分类，这个纺织品可抵抗一持续时间的热损伤，该持续时间取决于最大底板温度，并且如果处理精致织物，则这个最大底板温度相对较低，以及如果处理坚韧织物，则该最大底板温度相对较高。

优选地，仅在可加热底板4的温度高于上述第一给定温度T1时，才执行主动降低可加热底板4的温度的步骤1004。这由决策步骤1009的“是”分支图示。

具有这个步骤的原因在于，在其中纺织品处理设备不移动的总持续时间D1结束时，可加热底板4通过可加热底板4与其环境(诸如与周围环境空气和/或与纺织品接触)的自然热交换(或漏失)被动地损失足够的热能。在那种情况下，在总持续时间D1结束时达到的底板的温度足够低，以便不执行主动降低可加热底板4的温度的步骤1004。这由决策步骤1009的“否”分支图示。

优选地，主动降低可加热底板4的温度的步骤1004包括在蒸汽腔10中注入一定量的水，该蒸汽腔与上述可加热底板4热接触。

在蒸汽腔10中注入一定量的水构成了一种快速且有效的方式来主动冷却可加热底板4的温度。通过将水引入底板的蒸汽腔，在水变成蒸汽时，利用水的蒸发潜热来降低底板的温度。

而且，这个方法允许重复使用纺织品处理设备的硬件特征，即蒸汽腔10，其在其他情况下被用于在纺织品上方生成蒸汽，因此是成本有效的方法。

优选地，在上述蒸汽腔10中注入一定量的水包括以持续的流速注入水。

优选地，持续的流速具有4-25g/mn之间的值，优选为15g/mn。

优选地，在上述蒸汽腔10中注入一定量的水包括以不同的连续流速注入水。

优选地，不同的连续流速包括在20-60秒的范围中的第一持续时间期间2-10g/mn的范围中的第一流速，随后是在10-40秒的范围中的第二持续时间期间的5-25g/mn的范围中的第二流速。

无论持续或连贯，水流的那些范围的值，是以下之间的最佳折衷方案：

-在蒸汽腔中所引入的水量太少，不能使底板温度充分快速降低，这转而可能会损伤纺织品，

-在蒸汽腔中所引入的水量太多，这肯定允许底板温度快速降低，但是由于在纺织品处理设备周围生成的大量蒸汽会产生不友好的用户体验，并且还可能会导致蒸汽腔的有害的快速钙化。

在蒸汽腔中注入的水量取决于底板的质量和温度，这是由于在底板温度的主动降低期间，对底板的供电优选被中断。

用于主动降低底板温度的水量取决于底板的质量、底板的初始温度TT1和底板的所需最终温度T1。那些参数允许确定需要通过底板蒸发的水来去除的热能。通常，底板具有0.3kg到0.6kg之间的质量。

优选地，该方法还包括将可加热底板4的温度被动降低至达到第二给定温度T2的步骤1010，该第二给定温度T2具有小于上述第一给定温度T1的值。

这个步骤有利于抵抗其中归因于底板中的局部热量集中或不均匀温度分布而在主动冷却结束时可能发生底板温度反弹的情况。

优选地，该方法还包括使值与上述第二温度T2相关联的步骤1011，上述值取决于上述分类。

优选地，如果织物的精致程度被分类为精致，则上述第二温度T2的值在105-145摄氏度的范围中，以及如果织物的精致程度分类为坚韧，则在125-165摄氏度的范围中。

本发明还涉及一种计算机程序产品，该计算机程序产品采用可执行文件或可执行库或用于移动电话和/或智能电话的可下载移动应用程序的形式，该计算机程序产品包含用于实施上文连同图10一起描述的方法的指令码。

根据本发明的方法1000的各种步骤可在纺织品处理设备中实施，该纺织品处理设备如图9A、9B、9C、9D中所描绘并且包括用于主动降低可加热底板4的温度的装置。

除了已经连同图9A、9B、9C、9D一起提供的描述之外，如果运动传感器34在超过给定的第一持续时间D1期间没有检测到上述纺织品处理设备的任何移动，则控制单元8适于触发用于主动降低可加热底板4的温度的上述装置，以用于将可加热底板4的温度主动降低至达到第一给定温度T1，该第一给定温度T1具有低于上述第一温度目标TT1的值。

先前已连同根据本发明的方法1000一起描述了T1和TT1的值和范围。

优选地，用于主动降低可加热底板4的温度的装置包括：

-蒸汽腔10，蒸汽腔10与可加热底板4热接触，

-供水系统9a，

-泵P2，泵P2可由控制单元8控制，以用于将水从上述供水系统9a泵送至上述蒸汽腔10中。

水通过泵P2的泵送以如上文所描述的持续流速或连续的不同流速来完成。

优选地，纺织品处理设备还包括单向阀OV1，该单向阀被布置在上述供水系统9a与上述蒸汽腔10之间，以便防止在上述蒸汽腔10中注入水时蒸汽的回流。

应注意，这个单向阀OV1还可被集成于泵P2内。

如图1中所描绘的用于主动降低可加热底板4的温度的在纺织品处理设备中所实施的上述装置也可类似地在如先前连同在1a，1b，1h中一起描述的纺织品处理设备中实施。

本发明还涉及一种如图11中所描绘的便携式设备1100。

便携式设备1100包括底表面BS，该底表面BS旨在与纺织品TXT接触。

便携式设备还包括：

-图像传感器5，用于摄取纺织品的图像，

-照射系统6，用于在摄取上述图像时照射纺织品的一部分；以及

-控制单元8a，用于使用所摄取的图像作为在便携式设备中所存储的算法的输入来执行上述算法，以获得纺织品的分类，

图像传感器和控制单元被集成在便携式设备1100内。这具有先前所描述的相同优点。

图像传感器具有对光敏感的活性表面，该活性表面相比于上述底表面BS被定向(未示出)，其中，定向角的绝对值在[15,70]度的范围中。

备选地或以组合形式，照射系统6具有光源，该光源相比于上述底表面BS被定向(未示出)，其中，定向角的绝对值在[15,70]度的范围中。

图像传感器和/或定向照射系统的定向与先前连同图7一起描述的相同。

控制单元8a与先前所描述的控制单元8a类似地工作。

优选地，便携式设备包括人工神经网络(ANN)，如先前所描述。

优选地，人工神经网络(ANN)是具有至少一个卷积层的卷积神经网络(CNN)，如先前所描述。

优选地，便携式设备还包括第一通信模块22a，该第一通信模块22a用于将便携式设备连接至外部计算系统23。

第一通信模块22a与先前所描述的通信模块22类似地工作。

优选地，便携式设备还包括接口25，该接口25用于接收使用便携式设备来用户的用户输入，其中，上述用户输入与纺织品的不同分类相对应，该纺织品的不同分类源自控制单元8a基于所摄取图像而获得的纺织品的分类。

第一通信模块22a适于将上述不同分类和所摄取图像传输至外部计算系统23，与先前连同其他附图一起描述的类似。

优选地，便携式设备还适于在传输至上述外部计算系统23之前，存储多个上述不同分类和相关联的所摄取的图像，与先前连同其他附图一起描述的类似。

优选地，第一通信模块22a还适于从外部计算系统23接收上述算法的更新版本，与先前描述的类似。

优选地，便携式设备还包括第二通信模块(22b)，该第二通信模块用于将便携式设备连接至家用电器(DA)。

第二通信系统(22b)适于将上述分类或反映上述分类的信息传输至家用电器(DA)。

例如，分类可与纺织品的织物类型或织物的精致程度相对应，以用于熨烫纺织品。

织物类型(诸如材料)的分类可包括类别，诸如“毛织物”、“尼龙”、“亚麻织物”、“牛仔布织物”和“棉织物”。

例如，反映给定的分类的信息可与用于处理纺织品(例如将由家用电器DA完成的处理)的最佳温度或在处理(例如将由家用电器DA完成的处理)期间将被施加在纺织品上的蒸汽量相对应。

例如，反映给定的分类的信息源自在便携式设备中所存储的查找表，该查找表将给定的分类与反映上述给定的分类的给定信息链接起来。

优选地，第二通信模块22b适于与家用电器DA的有线连接或无线连接。

优选地，显示器25还适于显示上述分类。

优选地，如先前所描述，在以下当中选择分类：

-纺织品的织物类型，或

-用于处理纺织品的织物精致程度。

优选地，所摄取图像的视场在1×1mm到5×5mm的范围中。更一般地，所摄取图像的视场在1mm²到25mm²的范围中，该视场具有在一维中具有至少1mm的长方形或正方形区域。然而，也可考虑更大的视场。

优选地，图像的分辨率限定了在64×64像素和320×320像素的范围中的正方形像素阵列。

优选地，便携式设备与便携式纺织品分类器设备相对应。

便携式设备还可与移动电话或智能电话相对应。

例如，便携式纺织品分类器设备可包括可再充电电池，该再充电电池用于在使用期间向内部电气组件提供电能。

本发明还涉及一种家用电器DA，包括：

-第三通信模块22c，用于与如上文所描述的便携式设备1100连接。第三通信模块22c适于从便携式设备1100接收上述分类或反映上述分类的信息(如先前所描述)。

-控制单元8b，用于基于上述分类来控制家用电器DA中的至少一个操作参数。

优选地，家用电器DA与纺织品处理设备相对应。

优选地，家用电器DA是取自由以下限定的组的纺织品处理设备：具有蒸煮器的加压蒸汽熨烫系统、不具蒸煮器的加压蒸汽熨烫系统、蒸汽熨烫设备、手持式服装挂烫机、立式服装挂烫机、污渍去除设备、洗衣机设备和干烫设备。

除了那些设备并非必需包括元件5、6、7、22、25、34外，那些设备可与如先前所描述的设备1、1a、1b、1c、1d、1e、1f、1g、1h相对应。

基于通过便携式设备所获得的分类所控制的至少一个操作参数与针对设备1、1a、1b、1c、1d、1e、1f、1g、1h所描述的操作参数相同，具体地，被用于处理纺织品的温度和/或蒸汽量。

尽管已经基于使用由图像传感器摄取的正方形图像描述了本发明，但如果使用非正方形图像，则本发明也类似地应用，诸如长方形图像。

如所描述的上文实施例仅为说明性的，且并不旨在限制本发明的技术方法。尽管参照优选实施例详细描述了本发明，但是本领域技术人员将理解，在不脱离本发明的权利要求书的保护范围的情况下，可修改或同等地取代本发明的技术方法。具体地，在已经基于熨烫设备描述了本发明时，其可应用于任何纺织品处理设备，诸如服装挂烫机。在权利要求中，措辞“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。权利要求书中的任何附图标记都不应该被解释为是对范围的限制。

Claims

1.一种便携式设备(1100)，包括旨在与纺织品(TXT)接触的底表面(BS)，所述便携式设备包括：

图像传感器(5)，用于摄取纺织品的图像；

照射系统(6)，用于在所述图像被摄取时照射所述纺织品的一部分；

控制单元(8a)，用于使用所摄取的所述图像作为在所述便携式设备中所存储的算法的输入来执行所述算法，以获得所述纺织品的分类；

其中：

所述图像传感器和所述控制单元被集成在所述便携式设备内；

所述图像传感器具有对光敏感的活性表面，所述活性表面相比于所述底表面(BS)被定向，其中定向角的绝对值在15-70度的范围中；和/或

所述照射系统(6)具有光源，所述光源相比于所述底表面(BS)被定向，其中定向角的绝对值在15-70度的范围中，

第二通信模块(22b)，用于将所述便携式设备连接至家用电器(DA)，所述第二通信模块(22b)适于将所述分类或反映所述分类的信息传输至所述家用电器(DA)，以用于基于所述分类来控制所述家用电器(DA)的至少一个操作参数。

2.根据权利要求1所述的便携式设备，其中所述算法包括人工神经网络ANN。

3.根据权利要求2所述的便携式设备，其中所述人工神经网络ANN包括具有至少一个卷积层的卷积神经网络CNN。

4.根据权利要求1-3中任一项所述的便携式设备，还包括第一通信模块(22a)，所述第一通信模块用于将所述便携式设备连接至外部计算系统(23)。

5.根据权利要求4所述的便携式设备，还包括接口(25)，所述接口用于接收使用所述便携式设备的用户的用户输入，其中所述用户输入与所述纺织品的不同分类相对应，所述纺织品的所述不同分类源自所述控制单元(8a)基于所摄取的所述图像所获得的所述纺织品的所述分类，

其中所述第一通信模块(22a)适于将所述不同分类和所摄取的所述图像传输至所述外部计算系统(23)，

其中所述第一通信模块(22a)还适于从所述外部计算系统(23)接收所述算法的更新版本。

6.根据权利要求5所述的便携式设备，其中所述便携式设备还适于在传输至所述外部计算系统(23)之前，存储多个所述不同分类和相关联的所摄取的所述图像。

7.根据权利要求1所述的便携式设备，其中所述第二通信模块(22b)适于与所述家用电器(DA)的有线连接或无线连接。

8.根据权利要求1-3和5-7中任一项所述的便携式设备，还包括显示器，所述显示器用于显示所述分类。

9.根据权利要求1-3和5-7中任一项所述的便携式设备，其中所述分类在以下中选择出：

所述纺织品的织物类型，

与所述织物的精致程度相关的信息。

10.根据权利要求1-3和5-7中任一项所述的便携式设备，其中所述图像的视场在1mm²到25mm²的范围中。

11.根据权利要求1-3和5-7中任一项所述的便携式设备，所述便携式设备与便携式纺织品分类器设备、移动电话或智能电话相对应。