CN113674196A - 滤网清洁度检测方法、装置及系统、电子设备 - Google Patents

滤网清洁度检测方法、装置及系统、电子设备 Download PDF

Info

Publication number
CN113674196A
CN113674196A CN202010412204.1A CN202010412204A CN113674196A CN 113674196 A CN113674196 A CN 113674196A CN 202010412204 A CN202010412204 A CN 202010412204A CN 113674196 A CN113674196 A CN 113674196A
Authority
CN
China
Prior art keywords
filter screen
cleanliness
gray value
gray
value
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.)
Pending
Application number
CN202010412204.1A
Other languages
English (en)
Inventor
叶龙
马涛
姜红梅
田涵朴
刘田园
孙学宾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Zilian Internet Of Things Technology Co ltd
Original Assignee
Henan Zilian Internet Of Things Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Zilian Internet Of Things Technology Co ltd filed Critical Henan Zilian Internet Of Things Technology Co ltd
Priority to CN202010412204.1A priority Critical patent/CN113674196A/zh
Publication of CN113674196A publication Critical patent/CN113674196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种滤网清洁度检测方法、装置及系统、电子设备，其中方法包括：获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；对多个二元数对执行多项式拟合操作获得多项式分布函数；基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。本发明可以自动化确定电子设备的当前滤网清洁度，方便用户基于当前滤网的清洁度来决定是否清洁或更换滤网，保证滤网达到预设脏污程度时便及时地给出清洁提醒，提升智能化程度。

Description

滤网清洁度检测方法、装置及系统、电子设备
技术领域
本发明涉及智能家居控制技术领域，尤其涉及滤网清洁度检测方法、装置及系统、电子设备。
背景技术
对于需要过滤灰尘、杂质或油烟的电子设备而言，滤网为一项重要耗材。例如，家用空调或车载空调的滤网、家用空气净化器或工业空气净化器的滤网、家用油烟机或商用油烟机的滤网、吸尘器的滤网、新风系统的滤网等。
由于电子设备的滤网需要经常过滤灰尘、杂质或油烟等物质，为了保证电子设备更好的工作、避免滤网积压过多灰尘对室内空气造成二次污染，目前经常使用的方案为定期或定时提醒更换滤网，以保证电子设备具有较高的过滤效果。
但是，由于不同电子设备的使用环境不同，人为或机械设定固定提醒周期，难以保证滤网达到预设脏污程度时就及时地给到用户清洁提醒，智能化程度较低。
发明内容
鉴于此，本发明提供滤网清洁度检测方法、装置及系统、电子设备，可以保证滤网达到预设脏污程度时便及时地给出清洁提醒，提升检测清洁度的智能化程度。
为了实现上述目的，本发明提供了下述技术特征：
一种滤网清洁度检测方法，包括：
获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；
遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；
对多个二元数对执行多项式拟合操作获得多项式分布函数；
基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
可选的，所述基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备滤网的当前滤网清洁度包括：
对所述多项式分布函数于所述最小灰度值和所述最大灰度值上求定积分得到第一积分值；
对所述多项式分布函数于所述最小灰度值和预设灰度值上求定积分得到第二积分值；
将所述第二积分值与所述第一积分值的比值作为灰度分布指数；
将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度。
可选的，所述将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度包括：
在所述灰度分布指数小于第一数值，则确定所述当前滤网清洁度为一级清洁度；
在所述灰度分布指数介于第一数值与第二数值之间，则确定所述当前清洁度为二级清洁度；
在所述灰度分布指数介于第二数值与第三数值之间，则确定所述当前滤网清洁度为三级清洁度；
在所述灰度分布指数大于第三数值，则确定所述当前滤网清洁度为待清洗。
可选的，还包括确定并存储预设灰度值；所述确定并存储预设灰度值包括：
接收利用人工经验或大数据方式确定的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值；
或者，
接收用户终端发送的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值。
可选的，所述对多个二元数对执行多项式拟合操作获得多项式分布函数包括：
构建初始的多项式分布函数；
构建用于表示多个二元数对与该多项式分布函数间距离和的损失函数；
调整多项式分布函数的参数使得所述损失函数最小；
将确定的多项式分布函数作为所述多项式分布函数。
一种滤网清洁度检测装置，包括：
获取单元，用于获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；
遍历统计单元，用于遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；
拟合单元，用于对多个二元数对执行多项式拟合操作获得多项式分布函数；
确定单元，用于基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
一种电子设备，包括：
摄像头部件，用于拍摄滤网获得滤网图像；
存储部件，用于存储软件程序以及预设灰度值；
处理器用于执行所述软件程序用于实现如权利要求1所述的滤网清洁度检测方法。
一种滤网清洁度检测系统，包括：
多个电子设备，以及，分别与多个电子设备相连的主机设备；
各个电子设备，用于拍摄滤网获得滤网图像并发送至主机设备；
主机设备，用于获取各个电子设备的滤网图像，并针对各个滤网图像分别执行所述的滤网清洁度检测方法确定各个电子设备的当前滤网清洁度，并对应发送至各个电子设备。
一种智能家居系统，包括：
分别附着于各个电子设备上的各个控制器，以及，与各个控制器相连的主机设备；
各个控制器，用于拍摄滤网获得滤网图像并发送至主机设备，接收主机设备发送的当前滤网清洁度，并展示所述当前滤网清洁度；
主机设备，用于获取各个控制器的滤网图像并针对每个滤网图像执行所述的滤网清洁度检测方法确定各个电子设备的当前滤网清洁度，并对应发送至各个控制器。
可选的，所述各个控制器，还用于显示自身电子设备的当前滤网清洁度；
所述主机设备还用于发送各个电子设备的当前滤网清洁度至服务器；
所述服务器，用于推送各个电子设备的当前滤网清洁度至用户的移动终端；
所述移动终端，用于展示所述各个电子设备的当前滤网清洁度，以供用户查看。
通过以上技术手段，可以实现以下有益效果：
本发明提供了一种滤网清洁度检测方法，可以理解的是，在滤网中脏污物质较多的情况下滤网图像中的灰度值越低；在滤网中脏污物质较少的情况下滤网图像中的灰度值越高，为此本发明对滤网图像进行分析和处理，从而获得表征滤网图像整体脏污情况多项式分布函数、灰度图像中的最小灰度值和最大灰度值。
预设灰度值为预先设定的用于区分滤网是否脏污的临界值，基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，便可以确定电子设备的当前滤网清洁度。
本发明可以自动化确定电子设备的当前滤网清洁度，以便后续可以基于当前滤网的清洁度来决定是否清洁或更换滤网，保证滤网达到预设脏污程度时就及时地给出清洁提醒，从而提升检测清洁度的智能化程度。
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发明的一些实施例，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他的附图。
图1为本发明实施例提供的一种电子设备的结构示意图；
图2为本发明实施例提供的一种滤网清洁度检测系统的结构示意图；
图3为本发明实施例提供的一种智能家居系统实施例一的结构示意图；
图4为本发明实施例提供的一种智能家居系统实施例二的结构示意图；
图5为本发明实施例提供的一种滤网清洁度检测方法的流程图；
图6为本发明实施例提供的又一种滤网清洁度检测方法的流程图；
图7为本发明实施例提供的又一种滤网清洁度检测方法的流程图；
图8为本发明实施例提供的一种滤网清洁度检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
为了便于本领域技术人员了解本发明的应用架构，参见图1，本发明提供一种电子设备，包括：
摄像头部件11，用于拍摄滤网获得滤网图像。
存储部件12，用于存储软件程序以及预设灰度值。
处理器13，用于执行所述软件程序、用于实现滤网清洁度检测方法。
电子设备可以为使用滤网工作的电子设备，例如家用空调、车载空调、家用空气净化器、工业空气净化器、家用油烟机、商用油烟机、吸尘器、扫地机器人或新风系统。
电子设备中适当位置安装摄像头部件11，摄像头部件11用于拍摄滤网并获得滤网图像，摄像头部件11用于发送滤网图像至处理器13。
电子设备中存储部件12用于存储处理器所使用的软件程序，以及预设灰度值。预设灰度值可以为电子设备出厂前预置的，也可以为电子设备出厂后，用户基于自身情况设置的，对此不做限定。
处理器13可以执行存储部件12中的软件程序，并基于滤网图像执行滤网清洁度检测方法。关于基于滤网图像执行滤网清洁度检测方法可以详见图5所示的实施例，在此暂不赘述。
为了便于本领域技术人员了解本发明的应用架构，参见图2，本发明提供了一种滤网清洁度检测系统，包括：
多个电子设备21，以及，分别与多个电子设备21相连的主机设备22。
各个电子设备21，用于拍摄滤网获得滤网图像并发送至主机设备22。
主机设备22，用于获取各个电子设备21的滤网图像，并针对各个滤网图像分别执行滤网清洁度检测方法确定各个电子设备21的当前滤网清洁度，并对应发送至各个电子设备21。
在智能家居环境中通常有很多使用滤网工作的电子设备，例如，家用空调、家用空气净化器、家用油烟机、吸尘器、扫地机器人和新风系统等。
各个电子设备21包括摄像头部件、存储部件和处理器，各个电子设备21利用摄像头部件拍摄滤网获得滤网图像，处理器执行存储部件中的软件程序并发送滤网图像至主机设备22。
为了便于统一处理滤网图像，在智能家居环境中可以设置主机设备22，以采用高性能的主机设备22统一处理各个电子设备的滤网图像，以便高效的确定各个电子设备的当前滤网清洁度。此情况下，各个电子设备21可以节省资源来处理其它操作。
主机设备22包括存储部件用于存储软件程序以及预设灰度值，和，处理器用于执行所述软件程序、用于实现滤网清洁度检测方法。预设灰度值可以为电子设备出厂前预置的，也可以为电子设备出厂后，用户基于自身情况设置的，对此不做限定。
主机设备22在获取各个电子设备21的滤网图像后，并针对各个滤网图像分别执行滤网清洁度检测方法，从而确定各个电子设备21的当前滤网清洁度，然后再对应发送至各个电子设备21，以供各个电子设备显示当前滤网清洁度。
关于基于滤网图像执行滤网清洁度检测方法可以详见图5所示的实施例，在此暂不赘述。
图2中各个电子设备为智能家电，大概率情况下各个电子设备均为相同厂家生产，此情况下各个电子设备与相同厂家生产主机设备协同工作，从而可以实现集中确定各个电子设备显示当前滤网清洁度的目的。
在各个电子设备的厂家不尽相同的情况下，采用同一主机设备可能无法兼容多个不同厂家的电子设备。目前智能家电普及度不高，大部分家庭配备为非智能化家电。为了能够适用于非智能化家电和不同厂家的电子设备，本发明提供智能家居系统。
参见图3，本发明提供了智能家居系统实施例一，包括：
分别附着于各个电子设备上的各个控制器31，以及，与各个控制器31相连的主机设备32。
各个控制器31，用于拍摄滤网获得滤网图像并发送至主机设备32，接收主机设备31发送的当前滤网清洁度，并展示所述当前滤网清洁度。
主机设备32，用于获取各个控制器的滤网图像并针对每个滤网图像执行滤网清洁度检测方法确定各个电子设备的当前滤网清洁度，并对应发送至各个控制器。
本发明提供一种控制器31，该控制器包括摄像头部件用于拍摄滤网获得滤网图像、存储部件和处理器，各个控制器31用于分别附着于各个电子设备上，对于附着位置以摄像头部件能够拍摄电子设备滤网为准。其中不同电子设备的附着位置不尽相同，以具体电子设备的情况而定，本发明对此不做限定。
各个控制器31分别利用摄像头部件来拍摄电子设备滤网图像，处理器执行存储部件的软件程序并发送至主机设备32。可选的，各个控制器还可以包括显示屏用于显示当前滤网清洁度。
主机设备32包括存储部件用于存储软件程序以及预设灰度值，和，处理器用于执行所述软件程序、用于实现滤网清洁度检测方法。预设灰度值可以为电子设备出厂前预置的，也可以为电子设备出厂后，用户基于自身情况设置的，对此不做限定。
主机设备32在获取各个控制器31的滤网图像后，并针对各个滤网图像分别执行滤网清洁度检测方法，从而确定各个电子设备的当前滤网清洁度，然后再对应发送至各个控制器31，以供各个控制器分别显示当前滤网清洁度。
关于基于滤网图像执行滤网清洁度检测方法可以详见图5所示的实施例，在此暂不赘述。
参见图4，本发明提供了智能家居系统实施例二，包括：
在图3基础上增加了与主机设备32相连的服务器33，与服务器33相连移动终端34。
主机设备32还用于发送各个电子设备的当前滤网清洁度至服务器33。
服务器33，用于推送各个电子设备的当前滤网清洁度至用户的移动终端；
移动终端34，用于展示各个电子设备的当前滤网清洁度，以供用户查看。
可选的，在图1-图4所示的实施例中确定并存储预设灰度值包括两种实现方式：
第一种实现方式：接收利用人工经验或大数据方式确定的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值。
第二种实现方式：接收用户终端发送的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值。
可以根据实际情况配备不同实现方式，本发明对此不做限定。
由于电子设备和主机设备执行滤网清洁度检测方法的是一致的，且，针对一个滤网图像和多个滤网图像的执行过程也是一致的，为此本发明以应用于主机设备对一个滤网图像执行滤网清洁度检测为例，对滤网清洁度检测方法进行详细介绍。
参见图5，滤网清洁度检测方法包括以下步骤：
步骤S501：获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像。
主机设备获取电子设备的滤网图像，并对滤网图像进行灰度处理，获得滤网图像对应的灰度图像。对滤网图像进行灰度处理的过程已为成熟技术，在此不再赘述。
可选的，在对所述滤网图像进行灰度处理获得灰度图像后，还可以对灰度图像进行降噪处理，获得降噪后灰度图像。
步骤S502：遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值。
主机设备遍历灰度图像并统计灰度图像中各个像素点灰度值的出现频次，并构建由灰度值和灰度值对应频次组成的二元数对(vi,ci),i＝1,2,...,N，其中vi表示第i个灰度值，ci表示第i个灰度值出现的频次，N为灰度值总数量。
对各个灰度值执行排序操作，获得灰度图像中的最小灰度值v_min和最大灰度值v_max。
步骤S503：对多个二元数对执行多项式拟合操作获得多项式分布函数。
根据本发明提供的一个实施例，参见图6本步骤S503可以包括以下步骤：
步骤S601：构建初始的多项式分布函数。
基于二元数对(vi,ci),i＝1,2,...,N，构建m次方多项式，其中m远小于N。
Figure BDA0002493631740000091
其中，aj为多项式中x的系数，可以通过步骤S602和步骤S603得到aj的具体数值，x为自变量表示灰度值。
步骤S602：构建用于表示多个二元数对与该多项式分布函数间距离和的损失函数。
Figure BDA0002493631740000092
采用二元数对(vi,ci),i＝1,2,...,N代入公式(1)和公式(2)中，以求解G(x)中的多项式系数。当xi取vi时，则有yi的值为ci。
在公式(2)其中，yi表示当自变量值为xi时灰度值xi出现的真实频次。E表示灰度值的真实频次与灰度值的预测频次之间的误差的平方和，E越小，说明频次yi与预测值G(xi)之间的差距越小，进而说明G(x)的拟合效果越好。
当然，还可以采用最小二乘法、梯度下降法等来计算公式(1)中的多项式系数。
下面介绍最小二乘法的方案：
构建公式(1)中的aj的矩阵A：
Figure BDA0002493631740000093
构建公式(1)中xi的零次、一次、二次……m次多项式矩阵X：
Figure BDA0002493631740000094
则公式(1)可以转换为线性代数形式：G(x)＝XA……公式(3)；
同时，公式(2)可以转换为下述形式：
Figure BDA0002493631740000101
对公式(4)求导
Figure BDA0002493631740000102
令导数为0，可以获得矩阵A：
A＝(XTX)-1XTT；
上述即为利用最小二乘法求解矩阵A的方案，求解A后带入G(x)＝XA中从而获得多项式分布函数。
除了最小二乘法方式外，还可以利用梯度下降法来计算系数aj。
系数aj可以转换为：
Figure BDA0002493631740000103
其中aj为公式(1)中G(x)的单个系数。
针对公式(2)求偏导为：
Figure BDA0002493631740000104
因此，梯度下降法的每个系数的迭代公式具体为：
Figure BDA0002493631740000105
其中，1≤j≤m。
对于每个系数aj的最优值的确定，均通过上式迭代得到：选定系数aj的迭代初始值，然后带入上式，直到满足终止条件，停止迭代，获得aj。终止条件一般为两种类型：
(1)迭代次数达到设定的最大迭代次数。
(2)前后两次的值的差值的绝对值小于规定的精度临界值。例如：
Figure BDA0002493631740000106
当然，还可以采用其它方式例如共轭梯度法来计算公式(1)中的多项式系数，对此不再赘述。步骤S603：调整多项式分布函数的参数使得所述损失函数最小。
以公式(1)为例，可以调整多项式分布函数中的系数aj。损失函数最小化的目的在于求取函数(1)中的参数所有aj，使得G(x)拟合最优。
步骤S604：将确定的多项式分布函数作为所述多项式分布函数。
接步骤S503进入步骤S504：基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
根据本发明提供的一个实施例，参见图7本步骤S504可以包括以下步骤：
步骤S701：对所述多项式分布函数于所述最小灰度值和所述最大灰度值上求定积分得到第一积分值。
对多项式分布函数G(x)于最小灰度值v_min和最大灰度值v_max计算定积分
Figure BDA0002493631740000111
获得第一积分值A。
步骤S702：对所述多项式分布函数于所述最小灰度值和预设灰度值上求定积分得到第二积分值。
预设灰度值为预先设定的用于表示滤网脏污和非脏污的临界值。
对多项式分布函数G(x)于最小灰度值v_min和预设灰度值v计算定积分
Figure BDA0002493631740000112
获得第二积分值B。
步骤S703：将所述第二积分值与所述第一积分值的比值作为灰度分布指数。
将第二积分值B与第一积分值A的比值作为灰度分布指数
Figure BDA0002493631740000113
可以理解的是，灰度分布指数M越小则表示脏污程度越小，灰度分布指数M越大则表示脏污程度越大。
步骤S704：将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度。
多个预设清洁度区间，可以根据不同情况设定，本实施例对此不做限定。
可选的，本实施例提供三个预设清洁度区间：
一级清洁度区间(0，第一数值)，二级清洁度区间[第一数值，第二数值)，三级清洁度区间[第二数值，第三数值)。
在所述灰度分布指数小于第一数值，则确定所述当前滤网清洁度为一级清洁度；
在所述灰度分布指数介于第一数值与第二数值之间，则确定所述当前清洁度为二级清洁度；
在所述灰度分布指数介于第二数值与第三数值之间，则确定所述当前滤网清洁度为三级清洁度；
在所述灰度分布指数大于第三数值，则确定所述当前滤网清洁度为待清洗。
通过以上技术手段，可以实现以下有益效果：
本发明提供了一种滤网清洁度检测方法，可以理解的是，在滤网中脏污物质较多的情况下滤网图像中的灰度值越低；在滤网中脏污物质较少的情况下滤网图像中的灰度值越高，为此本发明对滤网图像进行分析和处理，从而获得表征滤网图像整体脏污情况多项式分布函数、灰度图像中的最小灰度值和最大灰度值。
预设灰度值为预先设定的用于表示滤网脏污和非脏污的临界值，基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，便可以确定电子设备的当前滤网清洁度。
本发明可以自动化确定电子设备的当前滤网清洁度，以便后续可以基于当前滤网的清洁度来决定是否清洁或更换滤网，保证滤网达到预设脏污程度时就及时地给出清洁提醒，从而提升检测清洁度的智能化程度。
参见图8，本发明提供一种滤网清洁度检测装置，包括：
获取单元81，用于获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；
遍历统计单元82，用于遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；
拟合单元83，用于对多个二元数对执行多项式拟合操作获得多项式分布函数；
确定单元84，用于基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
其中，所述确定单元84包括：
对所述多项式分布函数于所述最小灰度值和所述最大灰度值上求定积分得到第一积分值；
对所述多项式分布函数于所述最小灰度值和预设灰度值上求定积分得到第二积分值；
将所述第二积分值与所述第一积分值的比值作为灰度分布指数；
将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度。
其中，所述将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度包括：
在所述灰度分布指数小于第一数值，则确定所述当前滤网清洁度为一级清洁度；
在所述灰度分布指数介于第一数值与第二数值之间，则确定所述当前清洁度为二级清洁度；
在所述灰度分布指数介于第二数值与第三数值之间，则确定所述当前滤网清洁度为三级清洁度；
在所述灰度分布指数大于第三数值，则确定所述当前滤网清洁度为待清洗。
其中滤网清洁度检测装置还包括确定并存储预设灰度值；所述确定并存储预设灰度值包括：
接收利用人工经验或大数据方式确定的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值；
或者，
接收用户终端发送的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值。
其中拟合单元83包括：
构建初始的多项式分布函数；
构建用于表示多个二元数对与该多项式分布函数间距离和的损失函数；
调整多项式分布函数的参数使得所述损失函数最小；
将确定的多项式分布函数作为所述多项式分布函数。
通过以上技术手段，可以实现以下有益效果：
本发明提供了一种滤网清洁度检测方法，可以理解的是，在滤网中脏污物质较多的情况下滤网图像中的灰度值越低；在滤网中脏污物质较少的情况下滤网图像中的灰度值越高，为此本发明对滤网图像进行分析和处理，从而获得表征滤网图像整体脏污情况多项式分布函数、灰度图像中的最小灰度值和最大灰度值。
预设灰度值为预先设定的用于表示滤网脏污和非脏污的临界值，基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，便可以确定电子设备的当前滤网清洁度。
本发明可以自动化确定电子设备的当前滤网清洁度，以便后续可以基于当前滤网的清洁度来决定是否清洁或更换滤网，保证滤网达到预设脏污程度时就及时地给出清洁提醒，从而提升检测清洁度的智能化程度。
本实施例方法所述的功能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设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种滤网清洁度检测方法，其特征在于，包括：
获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；
遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；
对多个二元数对执行多项式拟合操作获得多项式分布函数；
基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
2.如权利要求1所述的方法，其特征在于，所述基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备滤网的当前滤网清洁度包括：
对所述多项式分布函数于所述最小灰度值和所述最大灰度值上求定积分得到第一积分值；
对所述多项式分布函数于所述最小灰度值和预设灰度值上求定积分得到第二积分值；
将所述第二积分值与所述第一积分值的比值作为灰度分布指数；
将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度。
3.如权利要求2所述的方法，其特征在于，所述将所述灰度分布指数与多个预设清洁度区间进行匹配，确定所述电子设备的当前滤网清洁度包括：
在所述灰度分布指数小于第一数值，则确定所述当前滤网清洁度为一级清洁度；
在所述灰度分布指数介于第一数值与第二数值之间，则确定所述当前清洁度为二级清洁度；
在所述灰度分布指数介于第二数值与第三数值之间，则确定所述当前滤网清洁度为三级清洁度；
在所述灰度分布指数大于第三数值，则确定所述当前滤网清洁度为待清洗。
4.如权利要求1所述的方法，其特征在于，还包括确定并存储预设灰度值；所述确定并存储预设灰度值包括：
接收利用人工经验或大数据方式确定的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值；
或者，
接收用户终端发送的灰度值，将该灰度值作为预设灰度值并存储所述预设灰度值。
5.如权利要求1所述的方法，其特征在于，所述对多个二元数对执行多项式拟合操作获得多项式分布函数包括：
构建初始的多项式分布函数；
构建用于表示多个二元数对与该多项式分布函数间距离和的损失函数；
调整多项式分布函数的参数使得所述损失函数最小；
将确定的多项式分布函数作为所述多项式分布函数。
6.一种滤网清洁度检测装置，其特征在于，包括：
获取单元，用于获取电子设备的滤网图像并对所述滤网图像进行灰度处理获得灰度图像；
遍历统计单元，用于遍历并统计所述灰度图像中各个像素点的灰度值，构建多个由灰度值和灰度值对应频次组成的二元数对，以及确定所述灰度图像中的最小灰度值和最大灰度值；
拟合单元，用于对多个二元数对执行多项式拟合操作获得多项式分布函数；
确定单元，用于基于预设灰度值于所述多项式分布式函数中最小灰度值和最大灰度值之间的分布情况，确定所述电子设备的当前滤网清洁度。
7.一种电子设备，其特征在于，包括：
摄像头部件，用于拍摄滤网获得滤网图像；
存储部件，用于存储软件程序以及预设灰度值；
处理器用于执行所述软件程序用于实现如权利要求1所述的滤网清洁度检测方法。
8.一种滤网清洁度检测系统，其特征在于，包括：
多个电子设备，以及，分别与多个电子设备相连的主机设备；
各个电子设备，用于拍摄滤网获得滤网图像并发送至主机设备；
主机设备，用于获取各个电子设备的滤网图像，并针对各个滤网图像分别执行如权利要求1所述的滤网清洁度检测方法确定各个电子设备的当前滤网清洁度，并对应发送至各个电子设备。
9.一种智能家居系统，其特征在于，包括：
分别附着于各个电子设备上的各个控制器，以及，与各个控制器相连的主机设备；
各个控制器，用于拍摄滤网获得滤网图像并发送至主机设备，接收主机设备发送的当前滤网清洁度，并展示所述当前滤网清洁度；
主机设备，用于获取各个控制器的滤网图像并针对每个滤网图像执行如权利要求1所述的滤网清洁度检测方法确定各个电子设备的当前滤网清洁度，并对应发送至各个控制器。
10.如权利要求9所述的系统，其特征在于，
所述各个控制器，还用于显示自身电子设备的当前滤网清洁度；
所述主机设备还用于发送各个电子设备的当前滤网清洁度至服务器；
所述服务器，用于推送各个电子设备的当前滤网清洁度至用户的移动终端；
所述移动终端，用于展示所述各个电子设备的当前滤网清洁度，以供用户查看。
CN202010412204.1A 2020-05-15 2020-05-15 滤网清洁度检测方法、装置及系统、电子设备 Pending CN113674196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010412204.1A CN113674196A (zh) 2020-05-15 2020-05-15 滤网清洁度检测方法、装置及系统、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010412204.1A CN113674196A (zh) 2020-05-15 2020-05-15 滤网清洁度检测方法、装置及系统、电子设备

Publications (1)

Publication Number Publication Date
CN113674196A true CN113674196A (zh) 2021-11-19

Family

ID=78537607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010412204.1A Pending CN113674196A (zh) 2020-05-15 2020-05-15 滤网清洁度检测方法、装置及系统、电子设备

Country Status (1)

Country Link
CN (1) CN113674196A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690099A (zh) * 2022-12-16 2023-02-03 江苏量超科技有限公司 基于数据识别的空气净化器清洗预警方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104243820A (zh) * 2014-09-03 2014-12-24 奇瑞汽车股份有限公司 一种确定图像边界的方法及装置
JP2016127346A (ja) * 2014-12-26 2016-07-11 コニカミノルタ株式会社 画像処理装置、画像形成装置、画像処理装置の制御方法、及び画像処理装置の制御プログラム
CN109529463A (zh) * 2018-11-30 2019-03-29 宁波锦觅网络科技有限公司 过滤网自清洁系统
US10293489B1 (en) * 2017-12-15 2019-05-21 Ankobot (Shanghai) Smart Technologies Co., Ltd. Control method and system, and cleaning robot using the same
WO2019237818A1 (zh) * 2018-06-13 2019-12-19 葛高丽 基于灰度检测的电暖器吹风控制平台
WO2020006907A1 (zh) * 2018-07-05 2020-01-09 平安科技（深圳）有限公司 一种拍摄控制方法、终端及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104243820A (zh) * 2014-09-03 2014-12-24 奇瑞汽车股份有限公司 一种确定图像边界的方法及装置
JP2016127346A (ja) * 2014-12-26 2016-07-11 コニカミノルタ株式会社 画像処理装置、画像形成装置、画像処理装置の制御方法、及び画像処理装置の制御プログラム
US10293489B1 (en) * 2017-12-15 2019-05-21 Ankobot (Shanghai) Smart Technologies Co., Ltd. Control method and system, and cleaning robot using the same
WO2019237818A1 (zh) * 2018-06-13 2019-12-19 葛高丽 基于灰度检测的电暖器吹风控制平台
WO2020006907A1 (zh) * 2018-07-05 2020-01-09 平安科技（深圳）有限公司 一种拍摄控制方法、终端及计算机可读存储介质
CN109529463A (zh) * 2018-11-30 2019-03-29 宁波锦觅网络科技有限公司 过滤网自清洁系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690099A (zh) * 2022-12-16 2023-02-03 江苏量超科技有限公司 基于数据识别的空气净化器清洗预警方法

Similar Documents

Publication Publication Date Title
CN111067428B (zh) 一种清洁方法、存储介质以及清洁设备
CN107485929B (zh) 一种过滤网污染检测方法及装置
CN110889801B (zh) 一种烟灶系统的摄像头去污优化方法以及烟灶系统
CN111062938B (zh) 基于机器学习的板材涨塞检测系统和检测方法
CN105380575A (zh) 扫地机器人的控制方法、系统、云服务器和扫地机器人
CN110813792B (zh) 一种智能垃圾识别分类方法
CN109033513B (zh) 电力变压器故障诊断方法与电力变压器故障诊断装置
WO2021022475A1 (zh) 一种垃圾处理方法、装置及终端设备
CN109358546B (zh) 家用电器的控制方法、装置和系统
CN110995153B (zh) 一种光伏电站的异常数据检测方法、装置及电子设备
CN113674196A (zh) 滤网清洁度检测方法、装置及系统、电子设备
CN112465812B (zh) 光伏组件的灰尘检测装置及方法
CN111856951B (zh) 一种智能家居设备的控制方法、装置及系统
CN112344486A (zh) 空气净化方法、装置、设备及计算机可读存储介质
CN111973068A (zh) 一种智能机器人的控制方法、装置及控制系统
US10726249B2 (en) Method and electronic apparatus for wave detection
Ruchay et al. Removal of impulse noise clusters from color images with local order statistics
CN109409177A (zh) 感测数据的处理方法及其图像感测电路
CN109657678B (zh) 图像处理的方法、装置、电子设备和计算机存储介质
CN109982030B (zh) 一种目标对象抓拍方法、装置、视频监控设备及存储介质
CN110553295A (zh) 油烟机的调档方法、装置及油烟机
CN116167969A (zh) 镜头脏污检测方法、装置、车辆、存储介质及程序产品
CN115601618A (zh) 一种磁芯缺陷检测方法、系统及计算机存储介质
KR20230090218A (ko) 청소 결정을 위한 오염율 계산 방법 및 장치
CN115100072A (zh) 一种红外热探测器成像的降噪方法

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