CN110528233A - 一种测试物品晾干的方法、装置以及智能晾衣架 - Google Patents

Abstract

本发明公开了一种测试物品晾干的方法、装置以及智能晾衣架，用于解决现有技术中智能晾衣架测试物品晾干时间不准确的问题。所述方法包括：获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的当前环境状态信息；根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

Description

一种测试物品晾干的方法、装置以及智能晾衣架

技术领域

本发明涉及智能家居技术领域，特别涉及一种测试物品晾干的方法、装置以及智能晾衣架。

背景技术

晾衣架，作为人们每天使用的家居用品，如今已经成为许多家庭的生活必需品，智能晾衣架在人们的生活中也起着越来越重要的作用。长期以来，判断物品是否晾干主要由人们主观决定，通过用手去接触物品，用手感觉物品的湿度等方式判断物品是否干燥，结果不够客观，因为物品会存在人们未判断的未干死角。并且因为人们不能确定物品晾干时间，导致多次收取物品，增加许多的时间成本。

目前，市场上的智能晾衣架大部分都不能检查晾晒的物品是否晾干，少数晾衣架采用检测物品重量来判断物品是否晾干，但是这种方式也仅仅只能判断出一个物品晾干的大概时间范围，可见，现有技术中存在智能晾衣架判断物品晾干时间不够准确的问题，用户使用体验较差。

发明内容

本发明实施例提供一种测试物品晾干的方法、装置以及智能晾衣架，用于解决现有技术中存在的智能晾衣架判断物品晾干时间不够准确的技术问题。

第一方面，提供一种测试物品晾干的方法，包括：

获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；

若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的当前环境状态信息；

根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

在本申请实施例中，可以获取晾晒物的重量数据，实时监测重量数据，确定晾晒物是否为干燥状态，当确定晾晒物为干燥状态时，可以获取所述晾晒物的当前所处环境的当前环境状态信息(例如环境湿度参数)，然后根据当前环境状态信息，可以确定干燥状态的晾晒物的晾干时间，然后判断干燥状态的晾晒物的晾干时间是否在设定时长范围内，当确定晾干时间在设定时长范围内，可以输出表示物品已晾干的消息到用户终端。因此，根据获取的晾晒物的重量数据判断晾晒物是否为干燥状态，在确认晾晒物为干燥状态的时间节点获取所述晾晒物的当前所处环境的当前环境状态信息，根据该环境状态信息确认晾晒物的晾干时间，使得对于晾晒物的晾干时间的判断更加精确，提高用户的体验感受，并且因为是在适当的时间节点获取当前环境状态信息，减少了智能晾干架的功耗，达到节能效果。

一种可选实施方式中，实时监测所述重量数据，确定所述晾晒物是否为干燥状态，包括：

根据所述重量数据，计算得到单位时间内晾晒物的重量变化值，若该重量变化值小于第一预设阈值，确定所述晾晒物为干燥状态；若该重量变化值大于或等于第一预设阈值，确定所述晾晒物为非干燥状态。

一种可选实施方式中，所述当前环境状态信息包括环境湿度参数、环境温度参数、气压参数或风速参数中的至少一种。

一种可选实施方式中，根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间，包括：

一个样本数据库，所述样本数据库包括多组环境状态信息与物品的重量数据对应的参数组；

基于所述样本数据库，以及根据所述环境状态信息与水表面蒸发率的关系生成数据计算模型；其中，所述数据计算模型用于根据环境状态信息与物品的重量数据确定晾晒物的晾干时间；

将所述当前环境状态信息和所述干燥状态的晾晒物的重量数据输入所述数据计算模型，确定当前所处环境下所述干燥状态的晾晒物的晾干时间。

一种可选实施方式中，根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间之后，包括：

若所述晾干时间小于第二预设阈值，确定所述晾晒物的晾晒结果为已晾干；输出表示物品已晾干的消息到用户终端；

若所述晾干时间大于所述第二预设阈值，根据所述晾干时间，判断出所述干燥状态的晾晒物晾干的时间节点，确定在所述时间节点物品晾晒结果为已晾干；在所述时间节点输出表示物品已晾干的消息到用户终端。

一种可选实施方式中，输出表示物品已晾干的消息到用户终端之后，还包括：

接收所述用户终端根据所述消息反馈的信息；所述信息用于指示所述晾晒物是否为干燥状态；

根据所述信息更新样本数据库；

将更新后的样本数据库作为一个深度学习模型的输入，对所述深度学习模型进行训练；

通过训练好的深度学习模型来判断获取的晾晒物的重量数据以及当前环境状态信息，确定物品的晾干时间。

在本申请实施例中，通过接受用户终端根据消息反馈的信息，基于所述信息更新样本数据库，并将更新后的样本数据库作为一个深度学习模型(例如亚历克斯神经网络AlexNet)的输入，对所述深度学习模型进行训练，通过训练好的深度学习模型来确定物品的晾干时间。因此智能晾衣架能够不断优化晾干时间的计算方法，使得使用智能晾衣架的时间越长，智能晾衣架获取的样本数据越多，对于晾晒物的晾干时间的判断就越加准确，提高用户的体验感受。

一种可选实施方式中，所述深度学习模型包括亚历克斯神经网络(AlexNet)、残差神经网络(ResNet)以及谷歌神经网络(GoogleNet)中任一种。

第二方面，提供一种测试物品晾干的装置，包括：

第一确定模块，用于获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；

获取模块，用于若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的环境状态信息；

第二确定模块，用于根据所述环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

一种可选实施方式中，所述第一确定模块，用于：

根据所述重量数据，计算得到单位时间内晾晒物的重量变化值，若该重量变化值小于第一预设阈值，确定所述晾晒物为干燥状态；若该重量变化值大于或等于第一预设阈值，确定所述晾晒物为非干燥状态。

一种可选实施方式中，所述获取模块，用于：

获取所述晾晒物的当前所处环境的当前环境状态信息，其中，所述当前环境状态信息包括环境湿度参数、环境温度参数、气压参数或风速参数中的至少一种。

一种可选实施方式中，所述第二确定模块，用于：

一个样本数据库，所述样本数据库包括多组环境状态信息与物品的重量数据对应的参数组；

基于所述样本数据库，以及根据所述环境状态信息与水表面蒸发率的关系生成数据计算模型；其中，所述数据计算模型用于根据环境状态信息与物品的重量数据确定晾晒物的晾干时间；

将所述当前环境状态信息和所述干燥状态的晾晒物的重量数据输入所述数据计算模型，确定当前所处环境下所述干燥状态的晾晒物的晾干时间。

一种可选实施方式中，所述装置还包括输出模块，用于：

若所述晾干时间小于第二预设阈值，确定所述晾晒物的晾晒结果为已晾干；输出表示物品已晾干的消息到用户终端；

若所述晾干时间大于所述第二预设阈值，根据所述晾干时间，判断出所述干燥状态的晾晒物晾干的时间节点，确定在所述时间节点物品晾晒结果为已晾干；在所述时间节点输出表示物品已晾干的消息到用户终端。

一种可选实施方式中，所述装置还包括处理模块，用于：

接收所述用户终端根据所述消息反馈的信息；所述信息用于指示所述晾晒物是否为干燥状态；

根据所述信息更新样本数据库；

将更新后的样本数据库作为一个深度学习模型的输入，对所述深度学习模型进行训练，其中，所述深度学习模型包括亚历克斯神经网络(AlexNet)、残差神经网络(ResNet)以及谷歌神经网络(GoogleNet)中任一种；

通过训练好的深度学习模型来判断获取的晾晒物的重量数据以及当前环境状态信息，确定物品的晾干时间。

第三方面，提供一种智能晾衣架，包括：

重力传感器，用于获取晾晒物的重量数据；

湿度传感器，用于获取当前所处环境的环境湿度参数；

温度传感器，用于获取当前所处环境的环境温度参数；

气压传感器，用于获取当前所处环境的气压参数；

风速传感器，用于获取当前所处环境的风速参数；

存储器，用于存储程序指令；

处理器，用于接收所述重量数据以及所述环境湿度参数、环境温度参数、气压参数、风速参数，调用所述存储器中存储的程序指令，按照获得的程序指令执行第一方面中的任一方法包括的步骤。

第四方面，提供一种存储介质，该存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行第一方面中的任一方法包括的步骤。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1为本申请实施例中的一种智能晾衣架的结构示意图；

图2a为本申请实施例中的测试物品晾干的方法的流程图；

图2b为本申请实施例中的用于指示不同的环境湿度确定的物品的晾干时间的环境湿度变化曲线；

图2c为本申请实施例中用于指示不同的环境温度确定的物品的晾干时间的环境温度变化曲线；

图2d为本申请实施例中用于指示不同的其他因素确定的物品的晾干时间的其他因素变化曲线；

图3为本申请实施例中的测试物品晾干的装置的结构示意图；

图4为本申请实施例中的智能晾衣架的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，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，都属于本申请保护的范围。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任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，能够以不同于此处的顺序执行所示出或描述的步骤。

本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例中，“至少一个”可以表示至少两个，例如可以是两个、三个或者更多个，本申请实施例不做限制。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。

目前，判断物品是否晾干主要由人们主观决定，通过用手去接触物品，用手感觉物品的湿度等方式判断物品是否干燥，结果不够客观，因为物品会存在人们未判断的未干死角。并且因为人们不能确定物品晾干时间，导致多次收取物品，增加许多的时间成本。现有技术中测试物品晾干的方法采用检测晾晒物的重量数据来判断物品是否晾干，或者采用检测晾晒物当前所处环境的环境状态信息来判断物品的晾干时间，但是上述方式也仅仅只能判断出一个物品晾干的大概时间范围，可见，现有的测试物品晾干的方式存在判断物品晾干时间不够准确的问题，用户使用体验较差。

鉴于此，本申请实施例提供一种测试物品晾干的方法，该方法可以根据物品重量确定物品是否为干燥状态，若确定物品为干燥状态便去检测环境状态信息，根据环境状态信息确定物品晾干时间，这样，采取重量因素与环境因素在恰当的时间点相结合的方法对于物品晾干时间的判断更加准确，并且该方法会根据用户反馈信息优化计算方法，从而提升用户的使用体验。

为了更好的理解上述技术方案，下面通过说明书附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

图1为本申请实施例所提供方法可适用的一种智能晾衣架的结构，当然本申请实施例所提供的方法可以适用到多种智能晾衣架上，应当理解图1所示的智能晾衣架是对可适用本申请实施例所提供方法的智能晾衣架的详细的说明，而不是对可适用本申请实施例所提供方法的智能晾衣架的限定。

图1所示的智能晾衣架包括晾衣杆101、重力传感器102、环境参数检测传感器103、存储器104、处理器105。晾衣杆101用于悬挂待晾晒的物品。重力传感器102用于检测悬挂在晾衣杆101上的物品的重量。环境参数检测传感器103包括湿度传感器、温度传感器、气压传感器、风速传感器等，其中，湿度传感器用于检测智能晾衣架当前所处环境的环境湿度参数；温度传感器用于检测智能晾衣架当前所处环境的环境温度参数；气压传感器用于检测智能晾衣架当前所处环境的气压参数；风速传感器用于检测智能晾衣架当前所处环境的风速参数。存储器104用于存储程序指令。处理器105用于接收重力传感器102获取的重量数据以及环境参数检测传感器103获取的环境参数，包括湿度传感器获取的环境湿度参数、温度传感器获取的环境温度参数、气压传感器获取的气压参数、风速传感器获取的风速参数，调用存储器104中存储的程序指令，按照获得的程序指令执行测试物品晾干的方法中包括的所有步骤。

请参见图2a，为本申请实施例提供一种测试物品晾干的方法，该方法可以由前述图1所示的智能晾衣架执行。该方法的具体流程描述如下。

步骤201：实时监测晾晒物的重量数据。

在本申请实施例中，当智能晾衣架上晾晒有物品时，可以通过智能晾衣架上安装的重力传感器获取晾晒物的重量数据，并实时监测晾晒的重量数据。

步骤202：根据重量数据，确定晾晒物是否为干燥状态。

在本申请实施例中，当通过智能晾衣架实时监测晾晒物的重量数据后，根据检测到的重量数据，计算得到单位时间内晾晒物的重量变化值，若该重量变化值小于第一预设阈值，确定晾晒物为干燥状态；若该重量变化值大于或等于第一预设阈值，确定所述晾晒物为非干燥状态。为了便于理解，下面以举例的形式进行说明。

例如，若计算得到的单位时间内晾晒物的重量变化值为0.004kg，与重量变化值对应的第一预设阈值为0.005kg，则确定晾晒物为干燥状态；

若计算得到的单位时间内晾晒物的重量变化值为0.006kg，与重量变化值对应的第一预设阈值为0.005kg，则确定晾晒物非干燥状态，智能晾衣架上安装的重力传感器继续实时监测晾晒的重量数据，直到确定晾晒物为干燥状态为止。

步骤203：当确定晾晒物为干燥状态后，确定晾晒物的当前所处环境的当前环境状态信息。

在本申请实施例中，当确定晾晒物为干燥状态后，可以确定晾晒物的当前所处环境的当前环境状态信息。在具体的实施过程中，智能晾衣架可以通过安装的湿度传感器、温度传感器、气压传感器、风速传感器来确定智能晾衣架当前所处环境的当前环境状态信息。具体的，可以根据湿度传感器确定智能晾衣架当前所处环境的环境湿度参数，可以根据温度传感器确定智能晾衣架当前所处环境的环境温度参数，可以根据气压传感器确定智能晾衣架当前所处环境的气压参数，可以根据湿度传感器确定智能晾衣架当前所处环境的风速参数。应当理解上述只是举例说明的环境状态信息，而不是对本申请实施例获取的环境状态信息的限制，其他可以影响物品晾干时间的环境因素都可以作为本申请实施中的环境状态信息进行采集。

步骤204：根据当前环境状态信息，确定晾晒物的晾干时间。

在本申请实施例中，当确定智能晾衣架所处的当前环境状态信息之后，可以根据当前环境状态信息来确定晾晒物的晾干时间。在本申请实施例中，可以用环境湿度参数、环境温度参数、气压参数或风速参数中的至少一种来表征环境状态信息，进而可以根据多种不同的参数来确定晾晒物的晾干时间。具体的，图2b为环境湿度变化曲线，该曲线用于指示不同的环境湿度参数确定的物品晾干时间；图2c为环境温度变化曲线，该曲线用于指示不同的环境温度参数确定的物品晾干时间；图2d为其他因素(例如气压、风速等)变化曲线，该曲线用于指示不同的其他因素参数确定的物品晾干时间。应当理解上述只是举例说明用一种环境参数来表征环境状态信息，进而确定晾晒物的晾干时间的方法，而不是对本申请实施例根据获取的当前环境状态信息确定晾晒物的晾干时间的方法的限制，其他多种环境参数都可以用于表征环境状态信息，进而根据环境状态信息确定晾晒物的晾干时间。

在具体实施过程中，智能晾衣架具有一个样本数据库，其中，样本数据库包括多组环境状态信息与物品的重量数据对应的参数组。基于该样本数据库，以及根据环境状态信息与水表面蒸发率的关系生成数据计算模型，其中，该数据计算模型用于根据环境状态信息与物品的重量数据确定晾晒物的晾干时间。当获得智能晾衣架所处环境的环境湿度参数、环境温度参数、气压参数或风速参数中的至少一种之后，将获得的当前环境状态信息和干燥状态的晾晒物的重量数据输入数据计算模型，可以确定当前所处环境下干燥状态的晾晒物的晾干时间。具体的，智能晾衣架在获取当前环境状态信息，包括环境湿度参数、环境温度参数、气压参数、风速参数等之后，将环境湿度参数、环境温度参数、气压参数、风速参数的数据带入预设的水表面蒸发率计算公式，计算出当前环境晾晒物的水表面蒸发率，然后，根据水表面蒸发率以及晾晒物的重量数据确定晾晒物的晾干时间。

在本申请实施例中，当确定当前所处环境下干燥状态的晾晒物的晾干时间后，确定晾干时间是否在设定时长范围内。其中，设定时长范围即第二预设阈值。为了便于理解，下面以举例的形式进行说明。

例如，若确定的晾干时间为0.5分钟，第二预设阈值为1分钟，则可以确定晾干时间在设定时长范围内，判断智能晾衣架晾晒物的结果为已晾干；

若确定的晾干时间为1.5分钟，第二预设阈值为1分钟，则可以确定晾干时间不在设定时长范围内，判断智能晾衣架晾晒物的结果为未晾干，若确定智能晾衣架晾晒物的结果为未晾干，则根据晾干时间，判断出干燥状态的晾晒物晾干的时间节点，可以判断在该时间节点物品晾晒结果为已晾干，此时，可以确定晾干时间在设定时长范围内。

在本申请实施例中，当确定晾干时间在设定时长范围内后，输出表示物品已晾干的消息到用户终端，其中，用户终端是与智能晾衣架相对应的，可以安装特定的应用程序(Application，APP)，该App可以接收智能晾衣架发送的表示物品已晾干的消息，并发送根据所接收到的消息反馈的消息到智能晾衣架。

在具体的实施过程中，当智能晾衣架输出表示物品已晾干的消息到用户终端之后，可以接收用户终端根据消息反馈的信息，其中反馈的信息用于指示智能晾衣架上晾晒物是否为干燥状态。当智能晾衣架接收反馈的信息之后，智能晾衣架根据反馈的信息更新样本数据库，将更新后的样本数据库作为一个深度学习模型的输入，对深度学习模型进行训练，其中，深度学习模型包括克斯神经网络(AlexNet)、残差神经网络(ResNet)以及谷歌神经网络(GoogleNet)中任一种。智能晾衣架再通过训练好的深度学习模型来判断获取的晾晒物的重量数据以及当前环境状态信息，可以更加精准确定物品的晾干时间。

基于同一发明构思，本申请实施例提供一种测试物品晾干的装置，该测试物品晾干的装置能够实现前述的测试物品晾干的方法对应的功能。该测试物品晾干的装置可以是硬件结构、软件模块、或硬件结构加软件模块。该测试物品晾干的装置可以由芯片系统实现，芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。请参见图3所示，该测试物品晾干的装置包括第一确定模块301、获取模块302、第二确定模块303，其中：

第一确定模块301，用于获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；

获取模块302，用于若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的环境状态信息；

第二确定模块303，用于根据所述环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

一种可选实施方式中，第一确定模块301，用于：

根据重量数据，计算得到单位时间内晾晒物的重量变化值，若该重量变化值小于第一预设阈值，确定晾晒物为干燥状态；若该重量变化值大于或等于第一预设阈值，确定所述晾晒物为非干燥状态。

一种可选实施方式中，获取模块302，用于：

获取所述晾晒物的当前所处环境的当前环境状态信息，其中，当前环境状态信息包括环境湿度参数、环境温度参数、气压参数风速参数中的至少一种。

一种可选实施方式中，第二确定模块303，用于：

基于一个样本数据库，以及根据环境状态信息与水表面蒸发率的关系生成数据计算模型，其中，样本数据库包括多组环境状态信息与物品的重量数据对应的参数组，数据计算模型用于根据环境状态信息与物品的重量数据确定晾晒物的晾干时间。

将当前环境状态信息和干燥状态的晾晒物的重量数据输入数据计算模型，确定当前所处环境下干燥状态的晾晒物的晾干时间。

一种可选实施方式中，测试物品晾干的装置还包括输出模块，用于：

若晾干时间小于第二预设阈值，确定晾晒物的晾晒结果为已晾干；输出表示物品已晾干的消息到用户终端；

若晾干时间大于所述第二预设阈值，根据晾干时间，判断出干燥状态的晾晒物晾干的时间节点，确定在该时间节点物品晾晒结果为已晾干；在该时间节点输出表示物品已晾干的消息到用户终端。

一种可选实施方式中，测试物品晾干的装置还包括处理模块，用于：

接收用户终端根据消息反馈的信息，其中，信息用于指示所述晾晒物是否为干燥状态；

根据信息更新样本数据库；

将更新后的样本数据库作为一个深度学习模型的输入，对深度学习模型进行训练，其中，深度学习模型包括亚历克斯神经网络(AlexNet)、残差神经网络(ResNet)以及谷歌神经网络(GoogleNet)中任一种；

通过训练好的深度学习模型来判断获取的晾晒物的重量数据以及当前环境状态信息，确定物品的晾干时间。

前述的测试物品晾干的方法的实施例涉及的各步骤的所有相关内容均可以援引到本申请实施例中的测试物品晾干的装置所对应的功能模块的功能描述，在此不再赘述。

本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本申请各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

基于同一发明构思，本申请实施例提供一种智能晾衣架，请参见图4所述，该智能晾衣架包括至少一个处理器407，以及与至少一个处理器连接的重力传感器401、湿度传感器402、温度传感器403、气压传感器404、风速传感器405、存储器406，本申请实施例中不限定处理器407与重力传感器401、湿度传感器402、温度传感器403、气压传感器404、风速传感器405、存储器406之间的具体连接介质，图4是以处理器407和重力传感器401、湿度传感器402、温度传感器403、气压传感器404、风速传感器405、存储器406之间通过总线400连接为例，总线400在图4中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不以此为限。总线400可以分为地址总线、数据总线、控制总线等，为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

在本申请实施例中，重力传感器401获取晾晒物的重量数据，湿度传感器402获取晾晒物的当前所处环境的环境湿度参数，温度传感器403获取晾晒物的当前所处环境的环境温度参数，气压传感器404获取晾晒物的当前所处环境的气压参数，风速传感器405获取晾晒物的当前所处环境的风速参数，存储器406存储有可被至少一个处理器407执行的指令，至少一个处理器407通过接收重力传感器401获取的重量数据、湿度传感器402获取的环境湿度参数、温度传感器403获取的环境温度参数、气压传感器404获取的气压参数、风速传感器405获取的风速参数，调用存储器406存储的指令，可以执行前述的测试物品晾干的方法中所包括的步骤。

其中，处理器407是智能晾衣架的控制中心，可以利用各种接口和线路连接整个智能晾衣架的各个部分，通过接收各类传感器获取的数据，执行存储在存储器406内的指令，从而实现智能晾衣架的各种功能。可选的，处理器407可包括一个或多个处理单元，处理器407可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器407中。在一些实施例中，处理器407和重力传感器401、湿度传感器402、温度传感器403、气压传感器404、风速传感器405、存储器406可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

存储器406作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器406可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器406是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器406还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

处理器407可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列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申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的测试物品晾干的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

通过对处理器407进行设计编程，可以将前述实施例中介绍的测试物品晾干的方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行前述的测试物品晾干的方法的步骤，如何对处理器407进行设计编程为本领域技术人员所公知的技术，这里不再赘述。

基于同一发明构思，本申请实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如前述的测试物品晾干的方法的步骤。

在一些可能的实施方式中，本申请提供的测试物品晾干的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在智能晾衣架上运行时，程序代码用于使该智能晾衣架执行本说明书上述描述的根据本申请各种示例性实施方式的测试物品晾干的方法中的步骤。

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、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。

本申请是参照根据本申请的方法、设备(系统)、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。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种测试物品晾干的方法，其特征在于，包括：

获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；

若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的当前环境状态信息；

根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

2.如权利要求1所述的方法，其特征在于，实时监测所述重量数据，确定所述晾晒物是否为干燥状态，包括：

根据所述重量数据，计算得到单位时间内晾晒物的重量变化值，若该重量变化值小于第一预设阈值，确定所述晾晒物为干燥状态；若该重量变化值大于或等于第一预设阈值，确定所述晾晒物为非干燥状态。

3.如权利要求1或2所述的方法，其特征在于，所述当前环境状态信息包括环境湿度参数、环境温度参数、气压参数或风速参数中的至少一种。

4.如权利要求3所述的方法，其特征在于，根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间，包括：

一个样本数据库，所述样本数据库包括多组环境状态信息与物品的重量数据对应的参数组；

基于所述样本数据库，以及根据所述环境状态信息与水表面蒸发率的关系生成数据计算模型；其中，所述数据计算模型用于根据环境状态信息与物品的重量数据确定晾晒物的晾干时间；

将所述当前环境状态信息和所述干燥状态的晾晒物的重量数据输入所述数据计算模型，确定当前所处环境下所述干燥状态的晾晒物的晾干时间。

5.如权利要求1或2所述的方法，其特征在于，根据所述当前环境状态信息，确定所述干燥状态的晾晒物的晾干时间之后，包括：

若所述晾干时间小于第二预设阈值，确定所述晾晒物的晾晒结果为已晾干；输出表示物品已晾干的消息到用户终端；

若所述晾干时间大于所述第二预设阈值，根据所述晾干时间，判断出所述干燥状态的晾晒物晾干的时间节点，确定在所述时间节点物品晾晒结果为已晾干；在所述时间节点输出表示物品已晾干的消息到用户终端。

6.如权利要求4所述的方法，其特征在于，输出表示物品已晾干的消息到用户终端之后，还包括：

接收所述用户终端根据所述消息反馈的信息；所述信息用于指示所述晾晒物是否为干燥状态；

根据所述信息更新样本数据库；

将更新后的样本数据库作为一个深度学习模型的输入，对所述深度学习模型进行训练；

通过训练好的深度学习模型来判断获取的晾晒物的重量数据以及当前环境状态信息，确定物品的晾干时间。

7.如权利要求6所述的方法，其特征在于，所述深度学习模型包括亚历克斯神经网络AlexNet、残差神经网络ResNet以及谷歌神经网络GoogleNet中任一种。

8.一种测试物品晾干的装置，其特征在于，包括：

第一确定模块，用于获取晾晒物的重量数据，实时监测所述重量数据，确定所述晾晒物是否为干燥状态；

获取模块，用于若确定所述晾晒物为干燥状态，获取所述晾晒物的当前所处环境的环境状态信息；

第二确定模块，用于根据所述环境状态信息，确定所述干燥状态的晾晒物的晾干时间。

9.一种智能晾衣架，其特征在于，包括：

重力传感器，用于获取晾晒物的重量数据；

湿度传感器，用于获取晾晒物的当前所处环境的环境湿度参数；

温度传感器，用于获取晾晒物的当前所处环境的环境温度参数；

气压传感器，用于获取晾晒物的当前所处环境的气压参数；

风速传感器，用于获取晾晒物的当前所处环境的风速参数；

存储器，用于存储程序指令；

处理器，用于接收所述重量数据以及所述环境湿度参数、环境温度参数、气压参数、风速参数，调用所述存储器中存储的程序指令，按照获得的程序指令执行权利要求1-7任一项所述的方法包括的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1-7任一项所述的方法包括的步骤。