CN112760858B - 洗水参数获取方法、设备、系统及存储介质 - Google Patents

Abstract

本申请实施例提供一种洗水参数处理方法、设备、系统及存储介质。在本申请一些示例性实施例中，基于机器学习，预先学习样本面料在洗水前后的属性信息与实际洗水参数的关系；根据待洗水面料的属性信息和目标属性信息，得到对待洗水面料进行洗水所需的洗水参数；并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，通过参数预测模型自动获得需要对待洗面料的洗水参数，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

Description

洗水参数获取方法、设备、系统及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及一种洗水参数获取方法、设备、系统及存储介质。

背景技术

洗水工艺，一种应用在牛仔服装上的工艺，通过洗水操作，能够把原色的牛仔服装褪色到想要的颜色。

目前，洗水操作中的酵洗和漂洗需要大量的人工操作，为了达到目标效果，洗水前和洗水过程中都需要人工不停的调整洗水参数并中断检查洗水效果，期间费时费力，同时也存在较高的失败率。

发明内容

本申请的多个方面提供一种洗水参数获取方法、设备、系统及存储介质，用以提高传统洗水操作的洗水效率和成功率，以及降低人工成本。

本申请实施例提供一种洗水参数获取方法，包括：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息；

基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数。

本申请实施例还提供一种洗水系统，包括：洗水设备、服务器和控制设备；

所述服务器，基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数，并将所述洗水参数下发至所述控制设备；

所述控制设备，用于接收服务器下发的洗水参数，向洗水设备发出控制指令，控制洗水设备对所述待洗水面料进行洗水操作；

所述洗水设备，用于根据控制设备发出的控制指令对所述待洗水面料进行洗水操作。

本申请实施例还提供一种洗水系统，包括：洗水设备和服务器；

所述服务器，基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数，并将所述洗水参数下发至所洗水设备；

所述洗水设备，用于根据所述洗水参数对所述待洗水面料进行洗水操作。

本申请实施例还提供一种服务器，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息；

基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息；

基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数。

本申请实施例还提供一种面料的洗水参数预测模型的训练方法，其特征在于，包括：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行洗水参数预测训练，得到参数预测模型。

本申请实施例还提供一种洗水参数获取方法，包括：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息；

响应于对所述界面上的洗水参数预测操作，得到对待洗水面料进行洗水所需的洗水参数。

本申请实施例还提供一种模型训练设备，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行洗水参数预测训练，得到参数预测模型。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行洗水参数预测训练，得到参数预测模型。

本申请实施例还提供一种洗水参数获取设备，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息；

响应于对所述界面上的洗水参数预测操作，得到对待洗水面料进行洗水所需的洗水参数。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息；

响应于对所述界面上的洗水参数预测操作，得到对待洗水面料进行洗水所需的洗水参数。

在本申请一些示例性实施例中，基于预先确定的洗水参数预测模型，对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数，并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，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1a为本申请一示例性实施例提供的一种洗水系统的结构示意图；

图1b为本申请示例性实施例提供的另一种洗水系统的结构示意图；

图2为本申请示例性实施例提供的一种参数预测模型训练过程的结构示意图；

图3为本申请示例性实施例提供的一种洗水设备的结构示意图；

图4为本申请示例性实施例提供的一种洗水方法的流示意图；

图5为本申请示例性实施例提供的一种牛仔裤洗水工艺流程的示意图；

图6为本申请示例性实施例提供的一种订单处理方法的流程示意图；

图7为本申请示例性实施例提供的一种洗水参数获取方法的流程示意图；

图8为本申请实施例提供的一种面料的洗水参数预测模型的训练方法；

图9为本申请实施例提供的一种洗水参数获取方法的方法流程图；

图10为本申请一示例性实施例提供的一种服务器的结构示意图；

图11为本申请一示例性实施例提供的一种服务器的结构示意图；

图12为本申请一示例性实施例提供的一种模型训练设备的结构示意图；

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，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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。

目前，洗水操作中的酵洗和漂洗需要大量的人工操作，为了达到目标效果，洗水前和洗水过程中都需要人工不停的调整洗水参数并中断检查洗水效果，期间费时费力，同时也存在较高的失败率。

针对上述存在的问题，在本申请一些示例性实施例中，基于机器学习，预先学习样本面料在洗水前后的属性信息与实际洗水参数的关系；根据待洗水面料的属性信息和目标属性信息，得到对待洗水面料进行洗水所需的洗水参数；并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，通过参数预测模型自动获得需要对待洗水面料的洗水参数，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1a为本申请一示例性实施例提供的一种洗水系统的结构示意图。如图1a所示，该洗水系统包括：服务器10a，洗水设备10b和控制设备10c。其中，服务器10a和控制设备10c之间建立通信连接，服务器10a将得到的洗水参数下发至控制设备，控制设备10c与洗水设备10b之间建立通信连接，控制设备10c根据服务器10a下发的洗水参数生成控制指令控制洗水设备对待洗水面料进行洗水操作。

在本实施例中，服务器10a和控制设备10c通过无线或有线建立通信连接。可选地，服务器10a可采用WIFI、蓝牙、红外等通信方式与控制设备10c建立通信连接，或者，服务器10a也可以通过移动网络与控制设备10c建立通信连接。其中，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。

在本实施例中，控制设备10c与洗水设备10b通过无线或有线建立通信连接，控制设备10c根据服务器10a下发的洗水参数生成控制指令，对洗水设备10b进行控制，可选地，服务器10a可采用WIFI、蓝牙、红外等通信方式与控制设备10c建立通信连接，或者，服务器10a也可以通过移动网络与控制设备10c建立通信连接。其中，移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax等中的任意一种。

在本实施例中，服务器10a可以为洗水设备10b和控制设备10c提供数据支持、计算服务以及一些管理服务。在本实施例中，并不限定服务器10a的实现形态，例如服务器10a可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器设备的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。服务器10a可以包含一台网站服务器，也可以包含多台网站服务器。

在本实施例中，服务器10a基于预先确定的洗水参数预测模型，对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的参数。可选地，需要预先训练得到参数预测模型，基于训练得到的参数预测模型获取当前洗水轮次的洗水参数。在模型训练前，采集样本面料洗水前的属性信息和样本面料洗水后的属性信息以及样本面料进行洗水的洗水参数作为样本数据集，并对样本数据集进行标注形成标注数据集进行模型训练。

图2为本申请示例性实施例提供的一种参数预测模型训练过程的结构示意图。如图2所示，本申请实施例参数预测模型的网络结构由第一深度神经网络、第二深度神经网络和卷积神经网络搭建而成；其中，样本面料洗水前非颜色属性和样本面料洗水后非颜色属性作为第一深度神经网络的输入数据，样本面料洗水前颜色属性和样本面料洗水后颜色属性作为卷积神经网络的输入数据，将第一深度神经网络和卷积神经网络的输出数据合并后作为第二深度神经网络的输入数据，样本面料洗水参数作为第二深度神经网络的输出数据。一种可实现的方式为，利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到参数预测模型。

在本申请的另一实施例中，参数预测模型也可以由一个神经网络模型或者其他数量的模型实现。其中，在参数预测模型为一个神经网络模型的情形下，采集样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数对神经网络模型进行洗水参数预测训练，得到参数预测模型。

本申请实施例采用第一深度神经网络、第二深度神经网络和卷积神经网络搭建三个神经网络模型搭建，相比由一个神经网络模型搭建而言，参数预测模型的效果更佳。

在本申请的另一实施例中，可以在模型训练设备上同时搭建第一参数预测模型和第二参数预测模型，其中，第一参数预测模型由一个神经网络模型搭建而成，第二参数预测模型由三个神经网络模型搭建而成，在模型训练设备上增加选通开关选取第一参数预测模型和第二参数预测模型中的任一个进行模型训练，本申请实施例对选通开关的实现形式不作限定。

在上述实施例中，样本面料洗水前的属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度、颜色值和面料重量；样本面料洗水后的属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度和颜色值。

可选地，参数预测模型的一种训练方式为，将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值进行合并，得到样本面料洗水前后属性信息的特征值；将样本面料洗水前后属性信息的特征值输入第二深度神经网络算法，建立样本面料洗水前后属性信息的特征值与洗水参数的映射关系，得到参数预测模型。

在本实施例中，参数预测模型的训练设备可以为服务器10a，也可以为另一台服务器。当参数预测模型的训练设备为另一台服务器时，参数预测模型的训练设备需要将训练好的参数预测模型下发至服务器10a中，以供服务器10a利用该参数预测模型获取对洗水面料进行洗水操作的洗水参数。

在服务器10a获取到训练好的参数预测模型后，服务器10a获取待洗水面料的属性信息和期望洗水后达到的目标属性信息，将待洗水面料的属性信息和期望洗水后达到的目标属性信息输入至已有的参数预测模型中，得到对待洗水面料进行洗水所需的洗水参数，之后将洗水参数洗水参数下发至控制设备10c，控制设备10c根据洗水参数控制洗水设备对待洗水面料进行洗水操作。

在上述实施例中，属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度、颜色值和面料重量；目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度和颜色值。

在上述实施例中，服务器10a获取待洗水面料的属性信息包括但不限于以下几种获取方式：

获取方式一，服务器10a接收第一面料选择请求，第一面料选择请求包括待洗水面料的标识；根据待洗水面料的标识，从数据库中获取待洗水面料的属性信息。

获取方式二，服务器10a接收检测设备在对待洗水面料进行洗水前检测并上报的待洗水面料的属性信息。

获取方式三，服务器10a接收第二面料选择请求，第二面料选择请求包括待洗水面料的标识；根据待洗水面料的标识，从数据库中获取待洗水面料的部分属性信息；服务器10a接收检测设备在对待洗水面料进行洗水前检测并上报的待洗水面料的剩余部分属性信息。

在上述获取方式一中，服务器10a预先存储多种面料的属性信息，还包括与服务器10a建立通信连接的显示设备，用户通过显示设备进行待洗水面料的选择操作，其中，显示设备具有一电子显示屏，用户通过电子显示屏与显示设备交互进行待洗水面料的选择操作，以供服务器10a获取待洗水面料的属性信息。一种可实现的方式为，响应于界面选择操作，展示面料选择界面，面料选择界面上展示多种面料的图像；响应于对被选择的待洗水面料的图像的触发操作，向服务器10a发送第一面料选择请求，第一面料选择请求中包括待洗水面料的标识；服务器10a根据待洗水面料的标识，从数据库中获取待洗水面料的属性信息。

在上述获取方式二中，待洗水面料的属性信息还可以通过各种检测设备通过对待洗水面料实物进行检测获得，例如，通过测色仪检测待洗水面料的颜色值，通过重量传感器获取待洗水面料的面料重量等；其中，也可以在洗水设备10b上设置重量传感器，在将待洗水面料放入洗水设备10b后，洗水设备10b获取到面料重量，上传至服务器10a。

在上述获取方式三中，服务器10a通过上述方式一获取待洗水面料的部分属性信息，服务器通过上述方式二获取剩余部分属性信息。

同理，获取期望洗水后达到的目标属性信息，包括但不限于以下几种方式：

方式一，接收第二面料选择请求，第二面料选择请求包括参考面料的标识；根据参考面料的标识，从数据库中获取参考面料的属性信息，作为目标属性信息。

方式二，接收检测设备对参考面料进行检测并上报的属性信息，作为目标属性信息。

方式三，服务器10a接收第二面料选择请求，第二面料选择请求包括参考面料的标识；根据参考面料的标识，从数据库中获取参考面料的部分属性信息；服务器10a接收检测设备在对参考面料进行洗水前检测并上报的参考面料的剩余部分属性信息。

在上述方式一中，服务器10a预先存储多种参考面料的属性信息，还包括与服务器10a建立通信连接的显示设备，用户通过显示设备进行参考面料的选择操作，其中，显示设备具有一电子显示屏，用户通过电子显示屏与显示设备交互进行参考面料的选择操作，以供服务器10a获取参考面料的属性信息。一种可实现的方式为，响应于界面选择操作，展示面料选择界面，面料选择界面上展示多种面料的图像；响应于对被选择的参考面料的图像的触发操作，向服务器10a发送第二面料选择请求，第二面料选择请求中包括参考面料的标识；服务器10a根据参考面料的标识，从数据库中获取参考面料的属性信息。

在上述方式二中，参考面料的属性信息还可以通过各种检测设备通过对参考面料实物进行检测获得，例如，通过测色仪检测参考面料的颜色值，通过重量传感器获取参考面料的面料重量等；其中，也可以在洗水设备10b上设置重量传感器，在将参考面料放入洗水设备10b后，洗水设备10b获取到面料重量，上传至服务器10a。

在上述方式三中，服务器10a通过上述方式一获取参考面料的部分属性信息，服务器通过上述方式二获取剩余部分属性信息。

结合图2所示的参数预测模型的网络结构，服务器10a获取到参数预测模型所需的输入数据后，将待洗水面料的属性信息和目标属性信息输入参数预测模型，得到对待洗水面料进行洗水所需的洗水参数。一种可选的实施例为，将待洗水面料的属性信息和目标属性信息输入参数预测模型；在参数预测模型内部，利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值；将属性信息的特征值和目标属性信息的特征值，在原始属性特征和目标属性特征与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数。

可选地，属性信息和目标属性信息分别包括：颜色属性和非颜色属性，利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值，一种可实现的方式为，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值。

可选地，将属性信息和目标属性信息的特征值，在属性信息和目标属性信息的特征值与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数。一种可实现的方式为，将属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到待洗水面料的洗水参数；第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。原始属性特征包括属性信息中的非颜色属性的特征值和属性信息中的颜色属性的特征值，目标属性特征包括目标属性信息中的非颜色属性的特征值和目标属性信息中的颜色属性的特征值，第二深度神经网络建立属性信息中的非颜色属性的特征值、属性信息中的颜色属性的特征值、目标属性信息中的非颜色属性的特征值和目标属性信息中的颜色属性的特征值与洗水参数之间的映射关系。

在上述实施例中，服务器10a仅针对当前轮次的洗水操作推荐出相应的对待洗水面料进行洗水的洗水参数，之后将该洗水参数下发至洗水设备10b。本申请对洗水设备10b如何利用该洗水参数对待洗水面料进行洗水操作不作限定，洗水设备10b根据该洗水参数对待洗水面料进行洗水操作包括但不限于下列实施方式：

结合图1a的系统架构，服务器10a在获取到对待洗水面料进行洗水所需的洗水参数后，将该洗水参数发送至控制设备10c，控制设备10c根据洗水参数生成控制指令控制洗水设备10b自动对待洗水面料进行洗水操作。

在另一种系统架构中，可以不包括控制设备，服务器在获取到对待洗水面料进行洗水所需的洗水参数后，将洗水参数发送至洗水设备，用户可以根据该洗水参数人工执行洗水操作，也可以由洗水设备的控制器根据该洗水参数生成控制指令控制洗水设备自动对待洗水面料进行洗水操作。

需要补充说明的是，洗水设备10b利用服务器10a下发的洗水参数对待洗水面料进行洗水操作，可能并不会达到预期的洗水效果，可能在洗水过程中需要对该洗水参数作出调整，因此待洗水面料洗水至达标时所使用的实际洗水参数可能与服务器10a下发的洗水参数有所不同。因此，在每次洗水操作完成后，洗水设备10b将实际洗水参数发送至服务器10a以供服务器10a根据实际洗水参数对原有的参数预测模型进行更新，以获得更新后的参数预测模型。本申请实施例将洗水操作所产生的实际洗水参数反馈至服务器，这样服务器可以根据实际洗水参数对原有的参数预测模型进行更新，提高参数预测模型的预测结果的准确性。

图1b为本申请示例性实施例提供的另一种洗水系统的结构示意图，如图1b所示，该洗水系统包括：第一服务器20a，第二服务器20b，洗水设备20c和控制设备20d。其中，第一服务器20a是为参数预测模型提供训练服务的设备，第二服务器20b为获取对待洗水面料进行洗水的洗水参数的设备。第一服务器20a将训练好的参数预测模型发送至第二服务器20b，第二服务器20b根据待洗水面料的属性信息和期望洗水后达到的目标属性信息，将待洗水面料的属性信息和目标属性信息输入参数预测模型，得到对待洗水面料进行洗水所需的洗水参数。第二服务器20b将洗水参数发送至控制设备20d，控制设备20d根据洗水参数控制洗水设备20c对待洗水面料进行洗水操作。在本实施例中，利用参数预测模型获取对待洗水面料进行洗水的洗水参数的描述可参见前述各实施例，本实施例不再赘述。

在本申请上述洗水系统实施例中，基于机器学习，预先学习样本面料在洗水前后的属性信息与实际洗水参数的关系；根据待洗水面料的属性信息和目标属性信息，得到对待洗水面料进行洗水所需的洗水参数；并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，通过参数预测模型自动获得需要对待洗水面料的洗水参数，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

目前，洗水设备的智能化程度低，洗水效率低下。针对上述存在的技术问题，在本申请的一些实施例中，本申请实施例洗水设备包括机体，机体上设有控制器、洗剂投放组件、洗水组件与数据采集组件；洗剂投放组件，用于在控制器控制下向中空腔体内投入洗剂；洗水组件，用于在控制器控制下对待洗水面料进行洗水操作；数据采集组件，用于采集工作过程中的数据并上传至服务器，实现洗水设备的自动化洗水操作，降低人工成本，提高洗水效率，智能化程度高。

除上述提供的洗水系统之外，本申请一些实施例还提供一种洗水设备，本申请所提供的洗水设备可应用于上述的洗水系统，但并不限于上述实施例提供的洗水系统。图3为本申请示例性实施例提供的一种洗水设备的结构示意图，该洗水设备包括：机体，机体上设置有容纳待洗水面料的中空腔体以及控制洗水工序的控制器；机体上还设置有洗剂投放组件，用于在控制器控制下向中空腔体内投入洗剂；机体上还设置有洗水组件，用于在控制器控制下对待洗水面料进行洗水操作；机体上还设置有数据采集组件，用于采集工作过程中的数据并上传至服务器。在本申请洗水设备实施例中，本申请实施例洗水设备包括机体，机体上设有控制器、洗剂投放组件、洗水组件与数据采集组件；洗剂投放组件，用于在控制器控制下向中空腔体内投入洗剂；洗水组件在控制器控制下对待洗水面料进行洗水操作；数据采集组件，用于采集工作过程中的数据并上传至服务器；实现洗水设备的自动化洗水操作，降低人工成本，提高洗水效率，智能化程度高。

结合图3，洗剂投放组件包括机体上设置的洗剂投放口和洗剂投放口内设置的流量传感器；洗剂投放口与中空腔体贯通设置，接收控制器指令能够开启或闭合以向中空腔体内投入洗剂；流量传感器，用于检测中空腔体内的洗剂投入量，并将洗剂投入量上报至控制器；本申请实施例洗水设备整体结构简单紧凑，智能化程度高，降低人工成本，提高洗水效率。

进一步，本申请实施例数据采集组件包括设置于中空腔体底部的重量传感器；重量传感器检测放入中空腔体内的面料的重量，并上传至服务器，以供服务器根据重量确定并向控制器下发洗水参数。本申请实施例洗水装置增设重量传感器，在待洗水面料放入中空腔体后自动将面料的重量上传至服务器，重量传感器的位置设置合理，提高设备自动化程度。

在本实施例中，洗水设备的洗剂投放口包括以下至少一种投放口：酵素洗剂投放口、漂白洗剂投放口和水投放口；每种投放口内分别设有流量传感器，分别用于检测酵素洗剂、漂白洗剂和水的投入量；控制器在各流量传感器上报的酵素洗剂、漂白洗剂和水的投入量达到洗水要求的投入量时控制对应的酵素洗剂投放口、漂白洗剂投放口和水投放口关闭。一种可实现的方式为，洗水设备的洗剂投放口包括酵素洗剂投放口、漂白洗剂投放口和水投放口，酵素洗剂投放口、漂白洗剂投放口和水投放口处分别设有能够移动的挡板，挡板能够移动实现洗剂投放口的开启关闭。控制器通过控制酵素洗剂投放口、漂白洗剂投放口和水投放口的挡板的开启关闭实现自动定量投放洗剂的目的，智能化程度高。优选地，酵素洗剂投放口、漂白洗剂投放口和水投放口并排设于机体一侧的顶部。

在本实施例中，该洗水设备还包括设置于机体顶部的水温设定组件、转速设定组件和定时组件；水温设定组件用于在控制器控制下调节中空腔体内洗剂的温度。定时组件用于在控制器控制下调节洗水转速；定时组件用于在控制器控制下调节每种工艺的时长。

在本申请实施例中，洗水参数包括以下至少一种：工艺流程顺序，水温，转速，每种洗水工序的时长和洗剂投入量。在洗水的各工艺流程中按照该工艺流程下的参数进行洗水操作。

图4为本申请示例性实施例提供的一种洗水方法的流示意图。如图4所示，该方法包括：

S401：根据洗水参数，生成酵素洗指令和漂洗指令；

S402：根据酵素洗指令，控制洗水设备上的洗剂投放组件向容纳待洗水面料的中空腔体内投入酵素洗所需的洗剂，并控制洗水设备上的洗水组件对待洗水面料进行酵素洗操作；

S403：在酵素洗操作完成后，根据漂洗指令，控制洗剂投放组件向中空腔体内投入漂洗所需的洗剂，并控制洗水组件对待洗水面料进行漂洗操作。

在本实施例中，洗水设备接收服务器洗发的洗水参数，其中，洗水参数是根据待洗水面料的属性信息和洗水效果对应的目标属性信息预测得到的，或者是根据衣物定制方要求的洗水效果计算获得的。

在本实施例中，洗水设备还包括：水温设定组件、转速设定组件和定时组件中至少一个组件。在控制洗水组件对待洗水面料进行酵素洗或漂洗操作之前，方法还包括以下至少一种操作：通过水温设定组件设置中空腔体内的洗剂在酵素洗或漂洗操作中的温度；通过转速设定组件设置洗水组件的洗水转速；通过定时组件设置洗水组件在执行每种酵素洗或漂洗工序的时长。

在本实施例中，洗剂投放组件包括洗剂投放口和洗剂投放口内设置的流量传感器；根据酵素洗指令或漂洗指令，控制洗水设备上的洗剂投放组件向容纳待洗水面料的中空腔体内投入酵素洗或漂洗所需的洗剂，一种可实现的方式为，根据酵素洗指令或漂洗指令，控制洗剂投放口开启以向中空腔体内投入酵素洗或漂洗所需的洗剂；获取流量传感器检测到的中空腔体内的洗剂投入量，并在洗剂投放量达到酵素洗或漂洗要求的投入量时控制洗剂投放口关闭。

图5为本申请示例性实施例提供的一种牛仔裤洗水工艺流程的示意图。如图5所示，该牛仔裤洗水工艺流程分为酵素洗工艺和漂洗工艺。下面结合图5对本申请洗水工艺完整流程进行说明。

首先，初始化机器参数；接着，测色仪获取参考牛仔裤和待洗水牛仔裤的颜色值；接着，上传服务器待洗水牛仔裤重量，获取对待洗水牛仔裤洗水的洗水参数，接着，控制器根据洗水参数生成酵素洗指令，加入洗剂，调整水温、转速和时间，开始酵素洗流程；接着，酵素洗流程完成后，对待洗水牛仔裤进行脱水；之后，判断是否与预测结果一致，若是则进入后续漂洗流程，若否则重新调整参数返回至酵素洗流程。在漂洗流程中，控制器根据洗水参数生成酵素洗指令，加入洗剂，调整水温、转速和时间，开始漂洗流程；在漂洗流程完成后，对待洗水牛仔裤进行烘干，之后，判断是否与预测结果一致，若是完成洗水工艺，若否则重新调整参数返回至漂洗流程。

需要说明的是，相比于传统的洗水设备型号单一，本申请实施例的洗水设备可以根据不同的洗水需求，在工厂内配置个性化的的设备，以及自动为接入订单分配不同的设备。例如，可以设置不同洗水容量的设备，当工厂接入订单时，自动匹配满足接入订单洗水容量的设备，将通过生产线输入至匹配中洗水设备进行洗水操作；也可以为设置不同洗水效果的设备，当工厂接入订单时，首先确定该批次订单的洗水效果，将该批次订单分配至能够洗水出该批次的订单的洗水效果的设备进行洗水。

进一步说明，基于上述洗水系统、洗水设备和洗水参数获取的实施例，可以按照上述设计思路结合现有染色领域的技术，完全能够提供一套自动化程度较高的染色系统、染色设备和染色参数获取的方法，关于此部分内容在此不再赘述。

在本申请的上述洗水设备实施例中，本申请实施例洗水设备包括机体，机体上增设有控制器以及洗剂投放口；洗剂投放口内设置有流量传感器；流量传感器用于检测洗剂投入量，通过洗剂投放口能够向中空腔体内自动定量投入洗剂，控制器在流量传感器上报的洗剂投入量达到洗水要求的投入量时控制洗剂投放口闭合，洗水设备实现洗剂的自动定量投放，降低人工成本，提高洗水效率，智能化程度高。

图6为本申请示例性实施例提供的一种订单处理方法的流程示意图。如图6所示，该订单处理方法包括：

S601：获取待洗水订单的面料总量；

S602：从能够为面料总量提供洗水操作的至少一台洗水设备中确定对待洗水订单进行洗水的目标洗水设备；

S603：将与该待洗水订单相应的洗水参数发送至目标洗水设备，以供目标洗水设备根据洗水参数对待洗水面料进行洗水操作。

在本实施例中，智能化工厂中的洗水设备可以按照洗水容量的不同分为不同类型的设备。在获取待洗水订单的面料总量后，从能够为面料总量提供洗水操作的至少一台洗水设备中确定对待洗水订单进行洗水的目标洗水设备；并将该待洗水订单相应的洗水参数发送至目标洗水设备，以供目标洗水设备根据洗水参数对待洗水面料进行洗水操作。

除上述提供的洗水系统和洗水设备之外，本申请一些实施例还提供一种洗水参数获取方法，本申请所提供的洗水参数获取方法可应用于上述洗水系统和洗水设备中，但不限于上述实施例提供的洗水系统及洗水设备。同理，上述洗水设备可以根据本申请实施例提供的洗水参数自动进行洗水操作，也可以按照其他方式提供的洗水参数自动进行洗水操作。例如，可以采用人工参与的方式设定洗水参数，将洗水参数下发给本申请实施例提供的洗水设备，使得洗水设备按照洗水参数自动进行洗水操作。

图7为本申请示例性实施例提供的一种洗水参数获取方法的流程示意图。如图7所示，该方法包括：

S701：确定待洗水面料的洗水效果；

S702：获取待洗水面料的属性信息；

S703：基于预先确定的洗水参数预测模型，对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数。

在本申请实施例中，本申请的执行主体可以为多个具有数据支持、计算服务以及一些管理服务的服务器，在本实施例中，并不限定服务器的实现形态，例如，服务器可以是常规服务器、云服务器、云主机、虚拟中心等服务器设备。其中，服务器设备的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类型。服务器包含一台网站服务器，也可以包含多台网站服务器。

在本实施例中，在本实施例中，基于预先确定的洗水参数预测模型，对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的参数。可选地，需要预先训练得到参数预测模型，基于训练得到的参数预测模型获取当前洗水轮次的洗水参数。在模型训练前，采集样本面料洗水前的属性信息和样本面料洗水后的属性信息以及样本面料进行洗水的洗水参数作为样本数据集，并对样本数据集进行标注形成标注数据集进行模型训练。

其中，关于参数预测模型的训练过程以及训练得到的参数预测模型的一种实现结构可参见图2所示。如图2所示，本申请实施例参数预测模型的网络结构由第一深度神经网络、第二深度神经网络和卷积神经网络搭建而成；其中，样本面料洗水前非颜色属性和样本面料洗水后非颜色属性作为第一深度神经网络的输入数据，样本面料洗水前颜色属性和样本面料洗水后颜色属性作为卷积神经网络的输入数据，将第一深度神经网络和卷积神经网络的输出数据合并后作为第二深度神经网络的输入数据，样本面料洗水参数作为第二深度神经网络的输出数据。一种可实现的方式为，利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到参数预测模型。

在上述实施例中，样本面料洗水前的属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度、颜色值和面料重量；样本面料洗水后的属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度和颜色值。

可选地，参数预测模型的一种训练方式为，将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值进行合并，得到样本面料洗水前后属性信息的特征值；将样本面料洗水前后属性信息的特征值输入第二深度神经网络算法，建立样本面料洗水前后属性信息的特征值与洗水参数的映射关系，得到参数预测模型。

在本实施例中，参数预测模型的训练设备可以为获取洗水参数的服务器，也可以为另一台服务器。当参数预测模型的训练设备为另一台服务器时，参数预测模型的训练设备需要将训练好的参数预测模型下发至获取洗水参数的服务器中，以供获取洗水参数的服务器利用该参数预测模型获取对洗水面料进行洗水操作的洗水参数。

在获取到训练好的参数预测模型后，获取待洗水面料的属性信息和期望洗水后达到的目标属性信息，将待洗水面料的属性信息和期望洗水后达到的目标属性信息输入至已有的参数预测模型中，得到对待洗水面料进行洗水所需的洗水参数，之后将洗水参数洗水参数下发至控制设备，控制设备根据洗水参数控制洗水设备对待洗水面料进行洗水操作。

在上述实施例中，属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度、颜色值和面料重量；目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度和颜色值。

在本实施例中，确定待洗水面料的洗水效果包括但不限于以下几种方式：

方式一，响应于拍照操作，获取目标面料的图片，作为待洗水面料的洗水效果。

方式二，响应于图片导入操作，从图片库中获取目标面料的图片，作为待洗水面料的洗水效果。

在本实施例中，在对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数之前，从目标面料的图片中，提取洗水效果对应的目标属性信息。

在上述实施例中，获取待洗水面料的属性信息包括但不限于以下几种方式：

获取方式一，接收第二面料选择请求，第二面料选择请求包括待洗水面料的标识；根据待洗水面料的标识，从数据库中获取待洗水面料的属性信息。

获取方式二，接收检测设备在对待洗水面料进行洗水前检测并上报的待洗水面料的属性信息。

获取方式三，接收第二面料选择请求，第二面料选择请求包括待洗水面料的标识；根据待洗水面料的标识，从数据库中获取待洗水面料的部分属性信息；接收检测设备在对待洗水面料进行洗水前检测并上报的待洗水面料的剩余部分属性信息。

在上述获取方式一中，服务器预先存储多种面料的属性信息，还包括与服务器建立通信连接的显示设备，用户通过显示设备进行待洗水面料的选择操作，其中，显示设备具有一电子显示屏，用户通过电子显示屏与显示设备交互进行待洗水面料的选择操作，以供获取待洗水面料的属性信息。一种可实现的方式为，响应于界面选择操作，展示面料选择界面，面料选择界面上展示多种面料的图像；响应于对被选择的待洗水面料的图像的触发操作，向服务器发送第二面料选择请求，第二面料选择请求中包括待洗水面料的标识；服务器根据待洗水面料的标识，从数据库中获取待洗水面料的属性信息。

在上述获取方式二中，待洗水面料的属性信息还可以通过各种检测设备通过对待洗水面料实物进行检测获得，例如，通过测色仪检测待洗水面料的颜色值，通过重量传感器获取待洗水面料的面料重量等；其中，也可以在洗水设备上设置重量传感器，在将待洗水面料放入洗水设备后，洗水设备获取到面料重量，上传至服务器。

在上述获取方式三中，通过上述方式一获取待洗水面料的部分属性信息，服务器通过上述方式二获取剩余部分属性信息。

同理，获取期望洗水后达到的目标属性信息，包括但不限于以下几种方式：

方式一，接收第一面料选择请求，第一面料选择请求包括参考面料的标识；根据参考面料的标识，从数据库中获取参考面料的属性信息，作为目标属性信息。

方式二，接收检测设备对参考面料进行检测并上报的属性信息，作为目标属性信息。

方式三，服务器接收第二面料选择请求，第二面料选择请求包括参考面料的标识；根据参考面料的标识，从数据库中获取参考面料的部分属性信息；服务器接收检测设备在对参考面料进行洗水前检测并上报的参考面料的剩余部分属性信息。

在上述方式一中，服务器预先存储多种参考面料的属性信息，还包括与服务器建立通信连接的显示设备，用户通过显示设备进行参考面料的选择操作，其中，显示设备具有一电子显示屏，用户通过电子显示屏与显示设备交互进行参考面料的选择操作，以供服务器获取参考面料的属性信息。一种可实现的方式为，响应于界面选择操作，展示面料选择界面，面料选择界面上展示多种面料的图像；响应于对被选择的参考面料的图像的触发操作，向服务器发送第一面料选择请求，第一面料选择请求中包括参考面料的标识；服务器根据参考面料的标识，从数据库中获取参考面料的属性信息。

在上述方式二中，参考面料的属性信息还可以通过各种检测设备通过对参考面料实物进行检测获得，例如，通过测色仪检测参考面料的颜色值，通过重量传感器获取参考面料的面料重量等；其中，也可以在洗水设备上设置重量传感器，在将参考面料放入洗水设备后，洗水设备获取到面料重量，上传至服务器。

在上述方式三中，服务器通过上述方式一获取参考面料的部分属性信息，服务器通过上述方式二获取剩余部分属性信息。

结合图2所示的参数预测模型的网络结构，获取到参数预测模型所需的输入数据后，将待洗水面料的属性信息和目标属性信息输入参数预测模型，得到对待洗水面料进行洗水所需的洗水参数。一种可选的实施例为，将待洗水面料的属性信息和目标属性信息输入参数预测模型；在参数预测模型内部，利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值；将属性信息的特征值和目标属性信息的特征值，在原始属性特征和目标属性信息特征与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数。

可选地，属性信息和目标属性信息分别包括：颜色属性和非颜色属性，利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值，一种可实现的方式为，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值。

可选地，将属性信息和目标属性信息的特征值，在属性信息和目标属性信息的特征值与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数。一种可实现的方式为，将属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到待洗水面料的洗水参数；第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。原始属性特征包括属性信息中的非颜色属性的特征值和属性信息中的颜色属性的特征值，目标属性特征包括目标属性信息中的非颜色属性的特征值和目标属性信息中的颜色属性的特征值，第二深度神经网络建立属性信息中的非颜色属性的特征值、属性信息中的颜色属性的特征值、目标属性信息中的非颜色属性的特征值和目标属性信息中的颜色属性的特征值与洗水参数之间的映射关系。

在上述实施例中，仅针对当前轮次的洗水操作推荐出相应的对待洗水面料进行洗水的洗水参数，之后将该洗水参数下发至洗水设备。本申请对洗水设备如何利用该洗水参数对待洗水面料进行洗水操作不作限定，洗水设备根据该洗水参数对待洗水面料进行洗水操作包括但不限于下列实施方式：

结合图1a的系统架构，服务器10a在获取到对待洗水面料进行洗水所需的洗水参数后，将该洗水参数发送至控制设备10c，控制设备10c根据洗水参数生成控制指令控制洗水设备10b自动对待洗水面料进行洗水操作。

在另一种系统架构中，可以不包括控制设备，服务器在获取到对待洗水面料进行洗水所需的洗水参数后，将洗水参数发送至洗水设备，用户可以根据该洗水参数人工执行洗水操作，也可以由洗水设备的控制器根据该洗水参数生成控制指令控制洗水设备自动对待洗水面料进行洗水操作。

需要补充说明的是，洗水设备利用服务器下发的洗水参数对待洗水面料进行洗水操作，可能并不会达到预期的洗水效果，可能在洗水过程中需要对该洗水参数作出调整，因此待洗水面料洗水至达标时所使用的使用的实际洗水参数可能与服务器下发的洗水参数有所不同。因此，在每次洗水操作完成后，洗水设备将实际洗水参数发送至服务器以供服务器根据实际洗水参数对原有的参数预测模型进行更新，以获得更新后的参数预测模型。本申请实施例将洗水操作所产生的实际洗水参数反馈至服务器度对原有的参数预测模型进行更新，提高参数预测的准确性。

在本申请上述洗水参数获取方法实施例中，基于机器学习，预先学习样本面料在洗水前后的属性信息与实际洗水参数的关系；根据待洗水面料的属性信息和目标属性信息，得到对待洗水面料进行洗水所需的洗水参数；并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，通过参数预测模型自动获得需要对待洗水面料的洗水参数，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

基于以上各实施例部分的描述，图8为本申请实施例提供的一种面料的洗水参数预测模型的训练方法，该方法包括：

S801：获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

S802：利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行洗水参数预测训练，得到参数预测模型。

结合以上各实施例部分的描述，从人机交互的角度描述，图9为本申请实施例提供的一种洗水参数获取方法的方法流程图，如图9所示，该方法包括：

S901：响应于界面展示操作，展示一人机交互界面；

S902：响应于在人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为待洗水面料的洗水效果；

S903：响应于在人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息；

S904：响应于对界面上的洗水参数预测操作，得到对待洗水面料进行洗水所需的洗水参数。

在本实施例中，响应于在人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片。包括但不限于以下两种方式：

方式一，响应于拍照操作，获取目标面料的图片；

方式二，响应于图片导入操作，从图片库中获取目标面料的图片。

在本实施例中，响应于在人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息，包括：

方式一，响应于在人机交互界面上的属性信息输入项中输入待洗水面料的属性信息的操作，获取待洗水面料的属性信息；

方式二，响应于在人机交互界面上的待洗水面料的选择操作，从面料数据库中获取被选中的洗水面料的属性信息。

本实施例中，在获取到对待洗水面料进行洗水所需的洗水参数后，展示对待洗水面料进行洗水所需的洗水参数。

图10为本申请一示例性实施例提供的一种服务器的结构示意图。如图10所示，该数据处理设备包括：存储器1001和处理器1002。另外，该数据处理设备还包括通信组件1003和电源组件1004等必须组件。

存储器1001，用于存储计算机程序，并可被配置为存储其它各种数据以支持在数据处理设备上的操作。这些数据的示例包括用于在数据处理设备上操作的任何应用程序或方法的指令。

存储器1001，可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

通信组件1003，用于将洗水参数下发至洗水设备。

处理器1002，可执行存储器1001中存储的计算机指令，以用于：确定待洗水面料的洗水效果；获取待洗水面料的属性信息；基于预先确定的洗水参数预测模型，对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数。

可选地，处理器1002确定待洗水面料的洗水效果，具体用于：响应于拍照操作，获取目标面料的图片，作为待洗水面料的洗水效果；或者，响应于图片导入操作，从图片库中获取目标面料的图片，作为待洗水面料的洗水效果。

可选地，处理器1002在对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数之前，还可用于：从目标面料的图片中，提取洗水效果对应的目标属性信息。

可选地，处理器1002在获取待洗水面料的属性信息时，具体用于：接收第一面料选择请求，第一面料选择请求包括待洗水面料的标识；根据待洗水面料的标识，从数据库中获取待洗水面料的属性信息；或者，接收检测设备在对待洗水面料进行洗水前检测并上报的待洗水面料的属性信息。

可选地，处理器1002在获取待洗水面料的属性信息时，还可用于：将洗水参数发送至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作；或者，将洗水参数发送至控制设备，以供控制设备根据洗水参数控制洗水设备对待洗水面料进行洗水操作。

可选地，处理器1002在基于预先确定的洗水参数预测模型，对待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数时，具体用于：将待洗水面料的属性信息和目标属性信息输入参数预测模型；在参数预测模型内部，利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值；将属性信息的特征值和目标属性信息的特征值，在原始属性特征、目标属性特征与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数。

可选地，属性信息和目标属性信息分别包括：颜色属性和非颜色属性；处理器1002在利用神经网络算法分别提取属性信息的特征值和目标属性信息的特征值时，具体用于：利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值。

可选地，处理器1002在将属性信息和目标属性信息的特征值，在属性信息和目标属性信息的特征值与洗水参数映射关系中进行匹配，得到待洗水面料的洗水参数时，具体用于：将属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到待洗水面料的洗水参数；第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

可选地，属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度、颜色值和面料重量；目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成份占比、经纬纱规格、经纬密度和颜色值。

可选地，处理器1002在将洗水参数发送至洗水设备之后，还可用于：

接收洗水设备发送的实际洗水参数，对参数预测模型进行更新；实际洗水参数是洗水设备将待洗水面料洗水至达标时实际使用的洗水参数。

可选地，处理器1002在使用参数预测模型之前，还可用于：

利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到参数预测模型。

可选地，处理器1002在利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到参数预测模型，具体用于：将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值输入第二深度神经网络算法，建立原始属性特征、目标属性特征与洗水参数的映射关系，得到参数预测模型。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序，且计算机程序被一个或多个处理器执行时，致使一个或多个处理器执行图7所示方法实施例中的各步骤。

图11为本申请一示例性实施例提供的一种服务器的结构示意图。如图11所示，该数据处理设备包括：存储器1101和处理器1102。另外，该数据处理设备还包括通信组件1103和电源组件1104等必须组件。

存储器1101，用于存储计算机程序，并可被配置为存储其它各种数据以支持在数据处理设备上的操作。这些数据的示例包括用于在数据处理设备上操作的任何应用程序或方法的指令。

存储器1101，可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

通信组件1103，用于与其他设备进行通信。

处理器1102，可执行存储器1101中存储的计算机指令，以用于：获取待洗水订单的面料总量；从能够为面料总量提供洗水操作的至少一台洗水设备中确定对待洗水订单进行洗水的目标洗水设备；将与该待洗水订单相应的洗水参数发送至目标洗水设备，以供目标洗水设备根据洗水参数对待洗水面料进行洗水操作。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序，且计算机程序被一个或多个处理器执行时，致使一个或多个处理器执行图6所示方法实施例中的各步骤。

图12为本申请一示例性实施例提供的一种模型训练设备的结构示意图。如图12所示，该数据处理设备包括：存储器1201和处理器1202。另外，该数据处理设备还包括通信组件1203和电源组件1204等必须组件。

存储器1201，用于存储计算机程序，并可被配置为存储其它各种数据以支持在数据处理设备上的操作。这些数据的示例包括用于在数据处理设备上操作的任何应用程序或方法的指令。

存储器1201，可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

通信组件1203，用于与其他设备进行通信。

处理器1202，可执行存储器1201中存储的计算机指令，以用于：获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行洗水参数预测训练，得到参数预测模型。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序，且计算机程序被一个或多个处理器执行时，致使一个或多个处理器执行图8所示方法实施例中的各步骤。

图12为本申请一示例性实施例提供的一种模型训练设备的结构示意图。如图12所示，该数据处理设备包括：存储器1201和处理器1202。另外，该数据处理设备还包括通信组件1203和电源组件1204等必须组件。

存储器1201，用于存储计算机程序，并可被配置为存储其它各种数据以支持在数据处理设备上的操作。这些数据的示例包括用于在数据处理设备上操作的任何应用程序或方法的指令。

存储器1201，可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

通信组件1203，用于与其他设备进行通信。

处理器1202，可执行存储器1201中存储的计算机指令，以用于：响应于界面展示操作，展示一人机交互界面；响应于在人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为待洗水面料的洗水效果；响应于在人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息；响应于对界面上的洗水参数预测操作，得到对待洗水面料进行洗水所需的洗水参数。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质。当计算机可读存储介质存储计算机程序，且计算机程序被一个或多个处理器执行时，致使一个或多个处理器执行图9所示方法实施例中的各步骤。

上述图10-12中的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件还包括近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术和蓝牙(BT)技术等，以促进短程通信。

上述图10-12中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。

在本实施例中，基于机器学习，预先学习样本面料在洗水前后的属性信息与实际洗水参数的关系；根据待洗水面料的属性信息和目标属性信息，得到对待洗水面料进行洗水所需的洗水参数；并将该洗水参数下发至洗水设备，以供洗水设备根据洗水参数对待洗水面料进行洗水操作，通过参数预测模型自动获得需要对待洗水面料的洗水参数，降低人工经验对洗水的影响，降低人工成本，提高洗水效率以及洗水的成功率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

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。

内存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)。内存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(transitorymedia)，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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述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 (26)

1.一种洗水参数获取方法，其特征在于，包括：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息和洗水效果对应的目标属性信息，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；

将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型；

在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；

将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

2.根据权利要求1所述的方法，其特征在于，确定待洗水面料的洗水效果，包括：

响应于拍照操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

或者，

响应于图片导入操作，从图片库中获取目标面料的图片，作为所述待洗水面料的洗水效果。

3.根据权利要求1所述的方法，其特征在于，在对所述待洗水面料的属性信息和洗水效果对应的目标属性信息进行处理，得到对待洗水面料进行洗水所需的洗水参数之前，还包括：

从目标面料的图片中，提取洗水效果对应的目标属性信息。

4.根据权利要求1所述的方法，其特征在于，获取待洗水面料的属性信息，包括：

接收第一面料选择请求，所述第一面料选择请求包括待洗水面料的标识；根据所述待洗水面料的标识，从数据库中获取所述待洗水面料的属性信息；

或者，

接收检测设备在对待洗水面料进行洗水前检测并上报的所述待洗水面料的属性信息。

5.根据权利要求1所述的方法，其特征在于，还包括：

将所述洗水参数发送至洗水设备，以供洗水设备根据所述洗水参数对所述待洗水面料进行洗水操作；

或者，

将所述洗水参数发送至控制设备，以供控制设备根据所述洗水参数控制洗水设备对待洗水面料进行洗水操作。

6.根据权利要求1所述的方法，其特征在于，

所述属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度、颜色值和面料重量；

所述目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度和颜色值。

7.根据权利要求5所述的方法，其特征在于，在将所述洗水参数发送至洗水设备之后，还包括：

接收洗水设备发送的实际洗水参数，对所述洗水参数预测模型进行更新；所述实际洗水参数是洗水设备将所述待洗水面料洗水至达标时实际使用的洗水参数。

8.根据权利要求1所述的方法，其特征在于，在使用洗水参数预测模型之前，还包括：

利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到洗水参数预测模型。

9.根据权利要求8所述的方法，其特征在于，利用样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数进行模型训练，得到洗水参数预测模型，包括：

将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；

将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；

将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值输入第二深度神经网络算法，建立原始属性特征、目标属性特征与洗水参数的映射关系，得到洗水参数预测模型。

10.一种洗水系统，其特征在于，包括：洗水设备、服务器和控制设备；

所述服务器，将待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系，并将所述洗水参数下发至所述控制设备；

所述控制设备，用于接收服务器下发的洗水参数，向洗水设备发出控制指令，控制洗水设备对所述待洗水面料进行洗水操作；

所述洗水设备，用于根据控制设备发出的控制指令对所述待洗水面料进行洗水操作。

11.根据权利要求10所述的系统，其特征在于，还包括测色仪；

所述测色仪，用于采集待洗水面料的以及参考面料的颜色属性，并将所述待洗水面料的颜色值以及参考面料的颜色属性上传至服务器。

12.根据权利要求10所述的系统，其特征在于，

所述属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度、颜色值和面料重量；

所述目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度和颜色值。

13.一种洗水系统，其特征在于，包括：洗水设备和服务器；

所述服务器，将待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系，并将所述洗水参数下发至所洗水设备；

所述洗水设备，用于根据所述洗水参数对所述待洗水面料进行洗水操作。

14.根据权利要求12所述的系统，其特征在于，还包括测色仪；

所述测色仪，用于采集待洗水面料的以及参考面料的颜色属性，并将所述待洗水面料的颜色值以及参考面料的颜色属性上传至服务器。

15.根据权利要求12所述的系统，其特征在于，

所述属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度、颜色值和面料重量；

所述目标属性信息包括以下至少一种：经纬撕裂强度、撕破性、耐磨性能、透气性、K/S值、抗压刚性、折皱回复角、面料成分占比、经纬纱规格、经纬密度和颜色值。

16.一种服务器，其特征在于，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息和洗水效果对应的目标属性信息；

将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；

在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；

将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

17.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

确定待洗水面料的洗水效果；

获取待洗水面料的属性信息和洗水效果对应的目标属性信息；

将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；

在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；

将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

18.一种面料的洗水参数预测模型的训练方法，其特征在于，包括：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；

将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；

将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值输入第二深度神经网络算法，建立原始属性特征、目标属性特征与洗水参数的映射关系，得到洗水参数预测模型。

19.一种洗水参数获取方法，其特征在于，包括：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息和洗水效果对应的目标属性信息；

响应于对所述界面上的洗水参数预测操作，将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型；在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

20.根据权利要求19所述的方法，其特征在于，响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，包括：

响应于拍照操作，获取目标面料的图片；

或者，

响应于图片导入操作，从图片库中获取目标面料的图片。

21.根据权利要求20所述的方法，其特征在于，响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息，包括：

响应于在人机交互界面上的属性信息输入项中输入待洗水面料的属性信息的操作，获取待洗水面料的属性信息；

或者，

响应于在人机交互界面上的待洗水面料的选择操作，从面料数据库中获取被选中的洗水面料的属性信息。

22.根据权利要求20所述的方法，其特征在于，还包括：

展示所述待洗水面料进行洗水所需的洗水参数。

23.一种模型训练设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；

将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；

将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值输入第二深度神经网络算法，建立原始属性特征、目标属性特征与洗水参数的映射关系，得到洗水参数预测模型。

24.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

获取样本面料洗水前的属性信息和样本面料洗水后的属性信息以及对样本面料进行洗水的洗水参数；

将样本面料洗水前的属性信息中的颜色属性和样本面料洗水后的属性信息中的颜色属性输入卷积神经网络算法，得到样本面料洗水前后颜色属性的特征值；

将样本面料洗水前的属性信息中的非颜色属性和样本面料洗水后的属性信息中的非颜色属性输入第一深度神经网络算法，得到样本面料洗水前后非颜色属性的特征值；

将样本面料洗水前后颜色属性的特征值和样本面料洗水前后非颜色属性的特征值输入第二深度神经网络算法，建立原始属性特征、目标属性特征与洗水参数的映射关系，得到洗水参数预测模型。

25.一种洗水参数获取设备，其特征在于，包括：存储器和处理器；

所述存储器，用于存储一条或多条计算机指令；

所述处理器，用于执行所述一条或多条计算机指令以用于：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息和洗水效果对应的目标属性信息；

响应于对所述界面上的洗水参数预测操作，将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。

26.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行包括以下的动作：

响应于界面展示操作，展示一人机交互界面；

响应于在所述人机交互界面上的待洗水面料的洗水效果获取操作，获取目标面料的图片，作为所述待洗水面料的洗水效果；

响应于在所述人机交互界面上的属性信息输入操作，获取待洗水面料的属性信息和洗水效果对应的目标属性信息；

响应于对所述界面上的洗水参数预测操作，将所述待洗水面料的属性信息和目标属性信息输入洗水参数预测模型，所述属性信息和目标属性信息分别包括：颜色属性和非颜色属性；在所述洗水参数预测模型内部，利用卷积神经网络算法分别提取属性信息和目标属性信息中的颜色属性的特征值；利用第一深度神经网络算法分别提取属性信息和目标属性信息中的非颜色属性的特征值；将所述属性信息和目标属性信息的特征值，输入第二深度神经网络算法，得到所述待洗水面料的洗水参数；所述第二深度神经网络算法反映原始属性特征、目标属性特征与洗水参数映射关系。