CN113376160A - 一种扫地机器人针对动物排泄物的识别及处理方法和装置 - Google Patents
一种扫地机器人针对动物排泄物的识别及处理方法和装置 Download PDFInfo
- Publication number
- CN113376160A CN113376160A CN202110732354.5A CN202110732354A CN113376160A CN 113376160 A CN113376160 A CN 113376160A CN 202110732354 A CN202110732354 A CN 202110732354A CN 113376160 A CN113376160 A CN 113376160A
- Authority
- CN
- China
- Prior art keywords
- sweeping robot
- animal
- animal excrement
- determining
- cleaning
- 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.)
- Withdrawn
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 112
- 238000010408 sweeping Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000004140 cleaning Methods 0.000 claims abstract description 67
- 230000004044 response Effects 0.000 claims abstract description 27
- 239000010828 animal waste Substances 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 238000010191 image analysis Methods 0.000 claims description 16
- 238000002834 transmittance Methods 0.000 claims description 13
- 239000010865 sewage Substances 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 5
- 230000037361 pathway Effects 0.000 claims 1
- 210000003608 fece Anatomy 0.000 abstract description 35
- 239000007789 gas Substances 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000005406 washing Methods 0.000 description 4
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000029142 excretion Effects 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
本公开涉及扫地机器人清洁技术领域,提供了一种扫地机器人针对动物排泄物的识别及处理方法和装置。该方法包括:采集扫地机器人在行进路上的图像集合;基于上述图像集合,确定上述行进路上是否存在动物排泄物;响应于确定存在,确定上述动物排泄物的属性信息;基于上述属性信息,确定针对上述动物排泄物的清洁处理方式;基于上述清洁处理方式,控制上述扫地机器人对上述动物排泄物进行处理。该实施方式能够有效检测以及清扫动物排泄物,避免了扫地机器人在清扫过程中将动物排泄物涂满整个房间,扩展了扫地机器人清洁工作的范围,提高了扫地机器人工作的效率,改善了用户体验。
Description
技术领域
本公开涉及扫地机器人清洁技术领域,尤其涉及一种扫地机器人针对动物排泄物的识别及处理方法和装置。
背景技术
随着科技的发展,各种人工智能的机器人被运用到工作、生产、家政清洁等领域。其中,扫地机器人器人在人们的生活中被广泛应用。扫地机器人器人不仅可以自动清洁垃圾,还可以清洁房间中宠物的排泄物,大大的消除了爱宠人士清理房间的烦恼。但是,现有技术中扫地机器人器人对于动物排泄物识别不准确,从而无法根据动物排泄物的情况对房间进行有效清扫。
发明内容
有鉴于此,本公开实施例提供了一种扫地机器人针对动物排泄物的识别及处理方法和装置,以解决现有技术中扫地机器人无法根据动物排泄物的情况对房间进行有效清扫的问题。
本公开实施例的第一方面,提供了一种扫地机器人针对动物排泄物的识别及处理方法,包括:采集扫地机器人在行进路上的图像集合;基于上述图像集合,确定上述行进路上是否存在动物排泄物;响应于确定存在,确定上述动物排泄物的属性信息;基于上述属性信息,确定针对上述动物排泄物的清洁处理方式;基于上述清洁处理方式,控制上述扫地机器人对上述动物排泄物进行处理。
本公开实施例的第二方面,提供了一种扫地机器人针对动物排泄物的识别及处理装置,包括:采集单元,被配置成采集扫地机器人在行进路上的图像集合;动物排泄物确定单元,被配置成基于上述图像集合,确定上述行进路上是否存在动物排泄物;属性信息确定单元,被配置成响应于确定存在,确定上述动物排泄物的属性信息;清洁方式确定单元,被配置成基于上述属性信息,确定针对上述动物排泄物的清洁处理方式;处理单元,被配置成基于上述清洁处理方式,控制上述扫地机器人对上述动物排泄物进行处理。
本公开实施例的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是:本公开实施例提供的扫地机器人可以通过对采集的行进路上的图像集合进行识别,确定行进路上是否存在动物排泄物;然后,通过确定动物排泄物的属性信息进一步确定扫地机器人的清洁处理方式;之后,开始对动物排泄物进行清洁处理。由此本公开实施例提供了一种能够有效检测以及清扫动物排泄物的方法,避免了扫地机器人在清扫过程中将动物排泄物涂满整个房间,扩展了扫地机器人清洁工作的范围,提高了扫地机器人工作的效率,改善用户体验。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术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公开的一些实施例,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它的附图。
图1是本公开实施例的应用场景的场景示意图;
图2是本公开实施例提供的扫地机器人针对动物排泄物的识别及处理方法的流程图;
图3是本公开实施例提供的扫地机器人针对动物排泄物的识别及处理装置的框图;
图4是本公开实施例提供的计算机设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种扫地机器人针对动物排泄物的识别及处理方法和装置。
图1是根据本公开一些实施例的扫地机器人针对动物排泄物的识别及处理方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以采集扫地机器人在行进路上的图像集合102。然后,基于上述图像集合102,计算设备101可以确定进路上是否存在动物排泄物,如附图标记103所示。再然后,响应于确定存在,计算设备101可以确定上述动物排泄物的属性信息104。之后,基于上述属性信息104,计算设备101可以确定针对上述动物排泄物的清洁处理方式105。最后,基于上述清洁处理方式105,计算设备101可以控制上述扫地机器人对上述动物排泄物进行处理,如附图标记106所示。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备101为硬件时,
可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备(例如扫地机器人等)。当计算设备101体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
图2是本公开实施例提供的扫地机器人针对动物排泄物的识别及处理方法的流程图。图2的扫地机器人针对动物排泄物的识别及处理方法可以由图1的计算设备101执行。如图2所示,该扫地机器人针对动物排泄物的识别及处理方法包括:
步骤S201,采集扫地机器人在行进路上的图像集合。
在一些实施例中,扫地机器人针对动物排泄物的识别及处理方法的执行主体(如图1所示的计算设备101)可以通过安装于上述扫地机器人上的图像采集模块采集扫地机器人在行进路上的图像集合。
步骤S202,基于上述图像集合,确定上述行进路上是否存在动物排泄物。
在一些实施例中,基于上述图像集合,上述执行主体可以通过如下步骤确定上述行进路上是否存在动物:
第一步,上述执行主体可以对上述图像集合中的每个图像进行图像分析,得到图像分析结果。利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息的方法称之为图像分析。这里,图像分析可以是从图像中识别出疑似动物排泄物的图像特征。作为示例,上述执行主体可以利用二阶导数信息的算法对上述至少一个图像进行图像分析。作为另一示例,上述执行主体可以利用分水岭算法对上述至少一个图像进行图像分析。上述图像分析结果可以是用于表征是否提取到符合预设的疑似动物排泄物的形状的图像部分。
第二步,基于上述图像分析结果,上述执行主体可以确定上述扫地机器人的行进路上是否存在疑似动物排泄物。作为示例,图像分析结果可以是“没有提取到符合预设的疑似动物排泄物的形状的图像部分”,上述执行主体可以确定上述扫地机器人的行进路上不存在疑似动物排泄物。作为另一示例,图像分析结果也可以是“提取到符合预设的疑似动物排泄物的形状的图像部分”,上述执行主体可以确定上述扫地机器人的行进路上存在疑似动物排泄物。
第三步,响应于确定存在,上述执行主体可以对上述扫地机器人相邻预设范围的空气进行气体检测,得到气体检测结果。作为示例,相邻预设范围可以是扫地机器人周围20厘米的气体检测装置能够覆盖的范围。作为示例,上述执行主体可以利用红外气体检测方法对上述空气进行气体检测。气体检测结果可以是用于表征气体成分的信息。作为示例,气体检测结果可以是“空气中存在氨气、硫化氢和甲烷等气体”。
第四步,基于上述气体检测结果,上述执行主体可以确定上述扫地机器人的行进路上是否存在动物排泄物。作为示例,上述气体检测结果可以是“空气中存在氨气、硫化氢和甲烷等气体”,上述执行主体可以确定上述扫地机器人的行进路上存在动物排泄物。
步骤S203,响应于确定存在,确定上述动物排泄物的属性信息。
在一些实施例中,响应于确定存在,上述执行主体可以通过如下步骤确定上述动物排泄物的属性信息:
第一步,上述执行主体可以对上述图像集合中的每个图像进行针对上述动物排泄物的特征提取,得到特征提取结果。其中,上述特征提取结果至少包括形状信息。作为示例,上述执行主体可以将上述至少一个图像中每个图像输入至预先训练的神经网络,得到特征提取结果。例如,SVM(支持向量机,Support Vector Machine),K最近邻算法,决策树,朴素贝叶斯。
第二步,上述执行主体可以基于上述形状信息,计算上述动物排泄物的质量估计值。具体包括以下子步骤:
第一子步骤,上述执行主体可以基于上述形状信息,构建上述动物排泄物的立体图像。作为示例,上述执行主体可以将上述形状信息映射至预设展示空间,得到立体图像。这里,映射可以是利用仿射变换的方式将一个平面上的图像投射到另一个平面上。
第二子步骤,上述执行主体可以基于上述立体图像计算确定上述动物排泄物的体积。
第三子步骤,上述执行主体可以基于上述体积,计算得到上述动物排泄物的质量估计值。作为示例,上述执行主体可以基于上述体积,根据不同种类动物的排泄物密度阈值来计算确定上述动物排泄物的质量估计值。
第三步,上述执行主体可以利用红外摄像采集装置获取上述动物排泄物的温度。
第四步,上述执行主体可以基于上述温度,计算上述动物排泄物的排放时间估计值。作为示例,上述执行主体可以基于上述温度,和上述扫地机器人所处环境的温度,计算确定上述动物排泄物的排放时间估计值。
第五步,上述执行主体可以对上述形状信息、上述温度和上述排放时间估计值进行组合,得到上述动物排泄物的属性信息。
步骤S204,基于上述属性信息,确定针对上述动物排泄物的清洁处理方式。
在一些实施例中,上述执行主体可以利用红外测距方式,检测上述动物排泄物与上述扫地机器人的距离。然后,响应于确定上述距离小于预设距离,上述执行主体可以基于上述属性信息,确定针对上述动物排泄物的清洁处理方式。其中,上述清洁处理方式至少包括:强力清洗方式,正常清洗方式,避让方式。作为示例,属性信息可以是“排放时间:1小时前,温度:26度,形状为:XXX”,上述执行主体可以基于上述属性信息中的形状信息和温度来确定清洁处理方式为正常清洗方式。作为另一示例,属性信息可以是“排放时间:2小时前,温度:22度,形状为:XXX”,上述执行主体可以基于上述属性信息中的形状信息和温度来确定清洁处理方式为强力清洗方式。作为另一示例,属性信息可以是“排放时间:5小时前,温度:10度,形状为:XXX”,上述执行主体可以基于上述属性信息中的形状信息和温度来确定清洁处理方式为避让方式。
步骤S205,基于上述清洁处理方式,控制上述扫地机器人对上述动物排泄物进行处理。
在一些实施例中,基于上述清洁处理方式,上述执行主体可以控制上述扫地机器人通过如下步骤对上述动物排泄物进行处理:第一步,响应于确定上述清洁处理方式为强力清洗方式,在处理过程中,上述执行主体可以控制上述扫地机器人按照预设频率对污水发送探测光;第二步,上述执行主体可以接收经过污水透射的光线;第三步,基于上述光线,上述执行主体可以检测分析污水的透光度,得到上述透光度的变化结果;第四步,基于上述变化结果,上述执行主体可以控制上述扫地机器人调整强力清洗的强度和水量;第五步,响应于确定上述透光度达到预设透光度,上述执行主体可以控制上述扫地机器人以当前的强度和水量对上述动物排泄物进行处理。
在一些实施例的一些可选的实现方式中,响应于确定上述清洁处理方式为正常清洗方式,上述执行主体可以按照预设的清洗强度和水量对上述动物排泄物进行处理。
在一些实施例的一些可选的实现方式中,上述方法还包括:响应于确定上述处理完成,生成用于表征处理完成的提示信息;将上述提示信息传输至具有语音播放的目标播放设备;控制上述目标播放设备播放上述提示信息;响应于确定上述提示信息播放完毕,控制上述扫地机器人继续移动进行清洁。
在一些实施例的一些可选的实现方式中,上述方法还包括:采集上述污水的水样;对上述水样进行成分检测,得到成分检测结果;基于上述成分检测结果,确定上述动物排泄物的所属动物的动物种类;基于上述特征提取结果中的形状信息,生成上述所属动物的健康情况信息。作为示例,上述执行主体可以将上述形状信息输入至预先训练的深度学习网络,生成健康情况信息。其中,上述深度学习网络中至少包括预先设置的注意力机制网络(Attention Mechanism)。
本公开实施例与现有技术相比存在的有益效果是:本公开实施例提供的扫地机器人可以通过对采集的行进路上的图像集合进行识别,确定行进路上是否存在动物排泄物;然后,通过确定动物排泄物的属性信息进一步确定扫地机器人的清洁处理方式;之后,开始对动物排泄物进行清洁处理。由此本公开实施例提供了一种能够有效检测以及清扫动物排泄物的方法,扩展了扫地机器人清洁工作的范围,提高了扫地机器人工作的效率,侧面提高用户体验。另外,通过对污水的透光度的实时检测可以实时调整清洁的方式和清洗的强度和水量,避免资源浪费。根据获取到的动物排泄物的温度、形状和对污水的成分检测,可以确定动物排泄物的所属动物的种类和健康情况有助于用户了解动物的身体健康情况。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是本公开实施例提供的扫地机器人针对动物排泄物的识别及处理装置的示意图。如图3所示,该扫地机器人针对动物排泄物的识别及处理装置包括:
采集单元301,被配置成采集扫地机器人在行进路上的图像集合;
动物排泄物确定单元302,被配置成基于上述图像集合,确定上述行进路上是否存在动物排泄物;
属性信息确定单元303,被配置成响应于确定存在,确定上述动物排泄物的属性信息;
清洁方式确定单元304,被配置成基于上述属性信息,确定针对上述动物排泄物的清洁处理方式;
处理单元305,被配置成基于上述清洁处理方式,控制上述扫地机器人对上述动物排泄物进行处理。
在一些实施例中,扫地机器人针对动物排泄物的识别、处理装置的第一确定单元302被进一步配置成:对上述图像集合中的每个图像进行图像分析,得到图像分析结果;基于上述图像分析结果,确定上述扫地机器人的行进路上是否存在疑似动物排泄物;响应于确定存在,对上述扫地机器人相邻预设范围的空气进行气体检测,得到气体检测结果;基于上述气体检测结果,确定上述扫地机器人的行进路上是否存在动物排泄物。
在一些实施例中,扫地机器人针对动物排泄物的识别、处理装置的第二确定单元303被进一步配置成:对上述图像集合中的每个图像进行针对上述动物排泄物的特征提取,得到特征提取结果,其中,上述特征提取结果至少包括形状信息;基于上述形状信息,计算上述动物排泄物的质量估计值;获取上述动物排泄物的温度;基于上述温度,计算上述动物排泄物的排放时间估计值;基于所述形状信息、所述温度和所述排放时间估计值,获取所述动物排泄物的属性信息。
在一些实施例中,上述基于上述形状信息,计算上述动物排泄物的质量估计值,包括:基于上述形状信息,构建上述动物排泄物的立体图像;基于上述立体图像,计算确定上述动物排泄物的体积;基于上述体积,计算得到上述动物排泄物的质量估计值。
在一些实施例中,扫地机器人针对动物排泄物的识别、处理装置的第三确定单元304被进一步配置成:利用红外测距方式,检测上述动物排泄物与上述扫地机器人的距离;响应于确定上述距离小于预设距离,基于上述属性信息,确定针对上述动物排泄物的清洁处理方式,其中,上述清洁处理方式至少包括:强力清洗方式,正常清洗方式,避让方式。
在一些实施例中,扫地机器人针对动物排泄物的识别、处理装置的处理单元305被进一步配置成:响应于确定上述清洁处理方式为强力清洗方式,在处理的过程中控制上述扫地机器人按照预设频率对污水发送探测光;接收经过污水透射的光线;基于上述光线,检测分析污水的透光度,得到上述透光度的变化结果;基于上述变化结果,控制上述扫地机器人调整强力清洗的强度和水量;响应于确定上述透光度达到预设透光度,控制上述扫地机器人以当前的强度和水量对上述动物排泄物进行处理。
在一些实施例中,扫地机器人针对动物排泄物的识别、处理装置被进一步配置成:响应于确定上述处理完成,生成用于表征处理完成的提示信息;将上述提示信息传输至具有语音播放的目标播放设备;控制上述目标播放设备播放上述提示信息;响应于确定上述提示信息播放完毕,控制上述扫地机器人继续移动进行清洁。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的计算机设备4的示意图。如图4所示,该实施例的计算机设备4包括:处理器401、存储器402以及存储在该存储器402中并且可以在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者,处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序403可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器402中,并由处理器401执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序403在计算机设备4中的执行过程。
计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解,图4仅仅是计算机设备4的示例,并不构成对计算机设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器401可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以是计算机设备4的内部存储单元,例如,计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备,例如,计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,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,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种扫地机器人针对动物排泄物的识别及处理方法,其特征在于,包括:
采集扫地机器人在行进路上的图像集合;
基于所述图像集合,确定所述行进路上是否存在动物排泄物;
响应于确定存在,确定所述动物排泄物的属性信息;
基于所述属性信息,确定针对所述动物排泄物的清洁处理方式;
基于所述清洁处理方式,控制所述扫地机器人对所述动物排泄物进行处理。
2.根据权利要求1所述的方法,其特征在于,所述基于所述图像集合,确定所述行进路上是否存在动物排泄物,包括:
对所述图像集合中的每个图像进行图像分析,得到图像分析结果;
基于所述图像分析结果,确定所述扫地机器人的行进路上是否存在疑似动物排泄物;
响应于确定存在,对所述扫地机器人相邻预设范围的空气进行气体检测,得到气体检测结果;
基于所述气体检测结果,确定所述扫地机器人的行进路上是否存在动物排泄物。
3.根据权利要求1所述的方法,其特征在于,所述响应于确定存在,确定所述动物排泄物的属性信息,包括:
对所述图像集合中的每个图像进行针对所述动物排泄物的特征提取,得到特征提取结果,其中,所述特征提取结果至少包括形状信息;
基于所述形状信息,计算所述动物排泄物的质量估计值;
获取所述动物排泄物的温度;
基于所述温度,计算所述动物排泄物的排放时间估计值;
基于所述形状信息、所述温度和所述排放时间估计值,获取所述动物排泄物的属性信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述形状信息,计算所述动物排泄物的质量估计值,包括:
基于所述形状信息,构建所述动物排泄物的立体图像;
基于所述立体图像,计算确定所述动物排泄物的体积;
基于所述体积,计算得到所述动物排泄物的质量估计值。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述属性信息,确定针对所述动物排泄物的清洁处理方式,包括:
利用红外测距方式,检测所述动物排泄物与所述扫地机器人的距离;
响应于确定所述距离小于预设距离,基于所述属性信息,确定针对所述动物排泄物的清洁处理方式,其中,所述清洁处理方式至少包括:强力清洗方式,正常清洗方式,避让方式。
6.根据权利要求5所述的方法,其特征在于,所述基于所述清洁处理方式,控制所述扫地机器人对所述动物排泄物进行处理,包括:
响应于确定所述清洁处理方式为强力清洗方式,在处理的过程中控制所述扫地机器人按照预设频率对污水发送探测光;
接收经过污水透射的光线;
基于所述光线,检测分析污水的透光度,得到所述透光度的变化结果;
基于所述变化结果,控制所述扫地机器人调整强力清洗的强度和水量;
响应于确定所述透光度达到预设透光度,控制所述扫地机器人以当前的强度和水量对所述动物排泄物进行处理。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
响应于确定所述处理完成,生成用于表征处理完成的提示信息;
将所述提示信息传输至具有语音播放的目标播放设备;
控制所述目标播放设备播放所述提示信息;
响应于确定所述提示信息播放完毕,控制所述扫地机器人继续移动进行清洁。
8.一种扫地机器人针对动物排泄物的识别及处理装置,其特征在于,包括:
采集单元,被配置成采集扫地机器人在行进路上的图像集合;
动物排泄物确定单元,被配置成基于所述图像集合,确定所述行进路上是否存在动物排泄物;
属性信息确定单元,被配置成响应于确定存在,确定所述动物排泄物的属性信息;
清洁方式确定单元,被配置成基于所述属性信息,确定针对所述动物排泄物的清洁处理方式;
处理单元,被配置成基于所述清洁处理方式,控制所述扫地机器人对所述动物排泄物进行处理。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732354.5A CN113376160A (zh) | 2021-06-30 | 2021-06-30 | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732354.5A CN113376160A (zh) | 2021-06-30 | 2021-06-30 | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113376160A true CN113376160A (zh) | 2021-09-10 |
Family
ID=77580275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110732354.5A Withdrawn CN113376160A (zh) | 2021-06-30 | 2021-06-30 | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376160A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115644740A (zh) * | 2022-12-29 | 2023-01-31 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
-
2021
- 2021-06-30 CN CN202110732354.5A patent/CN113376160A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115644740A (zh) * | 2022-12-29 | 2023-01-31 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
CN115644740B (zh) * | 2022-12-29 | 2023-03-07 | 中国石油大学(华东) | 一种扫地机器人的控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Short-term wind speed prediction using empirical wavelet transform and Gaussian process regression | |
CN107292344B (zh) | 一种基于环境交互的机器人实时控制方法 | |
CN109145516B (zh) | 一种基于改进型极限学习机的模拟电路故障识别方法 | |
CN110427893A (zh) | 一种基于卷积神经网络的辐射源个体识别方法、装置及计算机存储介质 | |
CN109657038A (zh) | 一种问答对数据的挖掘方法、装置及电子设备 | |
Sheta et al. | Genetic algorithms: a tool for image segmentation | |
CN106815563B (zh) | 一种基于人体表观结构的人群数量预测方法 | |
Mahmood et al. | How much more data do i need? estimating requirements for downstream tasks | |
CN111368911B (zh) | 一种图像分类方法、装置和计算机可读存储介质 | |
CN109214330A (zh) | 基于视频时序信息的视频语义分析方法和装置 | |
CN109168052A (zh) | 服务满意度的确定方法、装置及计算设备 | |
WO2024082533A1 (zh) | 时空数据处理模型的训练、处理方法、装置以及介质 | |
CN117373676B (zh) | 大熊猫健康评估方法、装置、系统、设备及存储介质 | |
Ferehan et al. | [Retracted] Smart Farming System Based on Intelligent Internet of Things and Predictive Analytics | |
Guo et al. | Detecting broiler chickens on litter floor with the YOLOv5-CBAM deep learning model | |
CN115775085A (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
CN116151488A (zh) | 一种污染数据分析方法、系统及设备 | |
CN113376160A (zh) | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 | |
CN116612386A (zh) | 基于分级检测双任务模型的辣椒病虫害识别方法及系统 | |
CN115240843A (zh) | 基于结构因果模型的公平性预测系统 | |
CN113440058A (zh) | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 | |
Zmudzinski | Deep Learning Guinea Pig Image Classification Using Nvidia DIGITS and GoogLeNet. | |
CN114267009A (zh) | 宠物排泄行为处理方法、装置、电子设备和存储介质 | |
Huang et al. | FVRD: Fishing Vessels Relationships Discovery System Through Vessel Trajectory | |
CN114219051B (zh) | 图像分类方法、分类模型的训练方法、装置及电子设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210910 |