WO2022260451A1 - 의류 관리기 및 그 제어 방법 - Google Patents

의류 관리기 및 그 제어 방법 Download PDF

Info

Publication number
WO2022260451A1
WO2022260451A1 PCT/KR2022/008135 KR2022008135W WO2022260451A1 WO 2022260451 A1 WO2022260451 A1 WO 2022260451A1 KR 2022008135 W KR2022008135 W KR 2022008135W WO 2022260451 A1 WO2022260451 A1 WO 2022260451A1
Authority
WO
WIPO (PCT)
Prior art keywords
clothes
light receiving
information
clothing
accommodated
Prior art date
Application number
PCT/KR2022/008135
Other languages
English (en)
French (fr)
Inventor
김유미
박수민
박장표
김준호
정용원
Original Assignee
삼성전자주식회사
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
Priority claimed from KR1020210143337A external-priority patent/KR20220166701A/ko
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to CN202280041028.2A priority Critical patent/CN117460870A/zh
Priority to EP22820578.7A priority patent/EP4321673A1/en
Publication of WO2022260451A1 publication Critical patent/WO2022260451A1/ko
Priority to US18/389,451 priority patent/US20240085315A1/en

Links

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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/14—Arrangements for detecting or measuring specific parameters
    • D06F34/18—Condition of the laundry, e.g. nature or weight
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F43/00—Dry-cleaning apparatus or methods using volatile solvents
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/10—Drying cabinets or drying chambers having heating or ventilating means
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/32—Control of operations performed in domestic laundry dryers 
    • D06F58/34—Control of operations performed in domestic laundry dryers  characterised by the purpose or target of the control
    • D06F58/36—Control of operational steps, e.g. for optimisation or improvement of operational steps depending on the condition of the laundry
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F73/00—Apparatus for smoothing or removing creases from garments or other textile articles by formers, cores, stretchers, or internal frames, with the application of heat or steam 
    • D06F73/02—Apparatus for smoothing or removing creases from garments or other textile articles by formers, cores, stretchers, or internal frames, with the application of heat or steam  having one or more treatment chambers
    • 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
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/64—Radiation, e.g. microwaves
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/52—Changing sequence of operational steps; Carrying out additional operational steps; Modifying operational steps, e.g. by extending duration of steps

Definitions

  • the present disclosure relates to a clothes management device and a control method thereof, and more particularly, to a clothes care device and a control method for acquiring clothes materials and managing clothes based on the obtained materials.
  • the clothes management device is a device that performs clothes management operations such as removing odors from clothes, removing fine dust, drying, removing wrinkles, sterilizing, and dehumidifying clothes. In order to prevent damage to clothes and manage them effectively, it is important to accurately identify the material of clothes.
  • One technical problem to be solved by the present invention is to predict the material of clothing and identify the degree of wrinkles.
  • Another technical problem to be solved by the present invention is to determine an operation course based on at least one of the material of clothing and the degree of wrinkles.
  • a clothes management apparatus includes a main body including a clothes management room accommodating clothes; an optical sensor module provided to photograph the interior of the clothes management room and including a plurality of light receiving elements having different sensitive wavelength bands and arranged in an array; and a processor, wherein the processor acquires spectral data of clothes accommodated in the clothes management room based on sensing values obtained by the plurality of light receiving elements, and based on the spectral data, the spectral data stored in the clothes management room is received.
  • a clothes management device that determines an operating course of the clothes management device may be provided.
  • the spectral data may include pixel information of the optical sensor module for each of a plurality of wavelength bands to which the plurality of light receiving elements are sensitive.
  • the number of wavelength bands to which a plurality of light receiving elements constituting pixels of the optical sensor module are sensitive may be at least four.
  • a plurality of light receiving elements corresponding to a first pixel among a plurality of pixels of the optical sensor module may be sensitive to different wavelength bands.
  • a plurality of light receiving elements corresponding to a first pixel among a plurality of pixels of the optical sensor module may be sensitive to the same wavelength band.
  • the processor may obtain the feature information based on a difference between light intensity for each of a plurality of wavelength bands to which the plurality of light-receiving elements are sensitive and light intensities corresponding to adjacent wavelength bands among the plurality of wavelength bands. have.
  • the processor may reduce a dimension of the spectral data by using linear discriminant analysis, and obtain the characteristic information based on the spectral data of which the dimension is reduced.
  • the optical sensor module includes a light emitting unit, and the processor obtains time-of-flight data of light output from the light-emitting unit, and based on the time-of-flight data, obtains depth information corresponding to clothes accommodated in the clothing management room; An operating course of the clothes management device may be determined based on the depth information.
  • the optical sensor module includes a first light-receiving element that detects light emitted from a light emitting unit included in the optical sensor module and then reflected on clothes accommodated in the clothes management room, and a light sensor that senses light intensity for each of a plurality of wavelength bands. 2 light receiving elements may be included.
  • the first light receiving element and the second light receiving element may be the same.
  • the clothes management unit further includes a display, and the processor determines whether or not the plurality of clothes can be managed simultaneously based on information on the whereabouts of the plurality of clothes accommodated in the clothes management room, and the plurality of clothes are managed simultaneously. If it is determined that clothes of the number cannot be simultaneously managed, the display may be controlled to output a guide message related to clothes management.
  • the clothes management unit further includes a communication interface including a communication circuit, wherein the processor receives weather information from an external server through the communication interface and determines an operating course of the clothes management device based on the weather information.
  • a main body including a clothes management room accommodating clothes is provided to photograph the inside of the clothes management room, and the sensitive wavelength bands are different and are arranged in an array form.
  • a method of controlling a clothes management device including an optical sensor module including a plurality of light receiving elements arranged in the same manner comprising: obtaining spectral data of clothes accommodated in the clothes management room based on sensing values obtained by the plurality of light receiving elements; step; obtaining characteristic information corresponding to clothes accommodated in the clothes management room based on the spectral data; acquiring information about the material of clothes accommodated in the clothes management room by inputting the feature information into the learned neural network model; and determining an operating course of the clothes management device based on information about the location of clothes accommodated in the clothes management room.
  • the acquiring of the characteristic information may include the characteristic information based on a difference between light intensity for each of a plurality of wavelength bands to which the plurality of light-receiving elements are sensitive and light intensities corresponding to adjacent wavelength bands among the plurality of wavelength bands. information can be obtained.
  • the obtaining of the feature information may include reducing a dimension of the spectral data by using linear discriminant analysis, and acquiring the feature information based on the dimensionally reduced spectral data.
  • the control method may include obtaining depth information corresponding to clothes accommodated in the clothes management room by using the optical sensor module; and obtaining crease information on clothes accommodated in the clothes management room based on the depth information, wherein the determining of an operation course of the clothes management unit includes information about a material of the clothes and the crease information.
  • An operating course of the clothes management device may be determined based on the above.
  • the control method may further include determining whether the plurality of clothes can be managed simultaneously based on information on the whereabouts of the plurality of clothes accommodated in the clothes management room; and if it is determined that the plurality of clothes cannot be managed simultaneously, outputting a guide message related to clothes management.
  • the control method may further include receiving weather information from an external server, and determining an operating course of the clothes management device may include determining the location of the clothes management device based on the location information and the weather information. You can decide the course of action.
  • the clothes management device may predict the material of the clothes and identify the degree of wrinkles without contacting the clothes.
  • the clothes management unit may automatically determine an operation course based on at least one of the material of the clothes and the degree of wrinkles of the clothes. Accordingly, the user's satisfaction and convenience may be improved.
  • FIG. 1 is a perspective view of a clothes management device according to an embodiment of the present disclosure.
  • FIG. 2 is a view showing a state in which the door of the clothes management device shown in FIG. 1 is opened.
  • FIG. 3 is a block diagram illustrating the configuration of a clothes management device according to an embodiment of the present disclosure.
  • FIG. 4 is a diagram illustrating an optical sensor module according to an embodiment of the present disclosure.
  • FIG. 5 is a diagram illustrating a light receiving element array according to an exemplary embodiment of the present disclosure.
  • FIG. 6 is a diagram illustrating a light receiving element array according to another exemplary embodiment of the present disclosure.
  • FIG. 7 is a diagram for explaining a method of obtaining information on a material of clothing according to an embodiment of the present disclosure.
  • FIG. 9 is a diagram for explaining a method of determining an operation course of a clothes management device according to an embodiment of the present disclosure.
  • FIG. 10 is a flowchart illustrating a control method of a clothes management device according to an embodiment of the present disclosure.
  • FIG. 11 is a flowchart illustrating a control method of a clothes management device according to an embodiment of the present disclosure.
  • Embodiments of the present disclosure may apply various transformations and may have various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the scope to specific embodiments, and should be understood to include all transformations, equivalents, and substitutes included in the spirit and scope of technology disclosed. In describing the embodiments, if it is determined that a detailed description of a related known technology may obscure the subject matter, the detailed description will be omitted.
  • FIG. 1 is a perspective view of a clothes management device according to an embodiment of the present disclosure.
  • FIG. 2 is a view showing a state in which the door of the clothes management device shown in FIG. 1 is opened.
  • the clothes management device 100 may include a main body 10 forming an exterior of the clothes management device 100 and a door 20 rotatably coupled to the main body 10 .
  • the door 20 may include a display 140 for allowing the user to operate the clothes management device 100 or providing a guide message.
  • the clothes management device 100 includes a clothes management room 30 provided inside the main body 10 to accommodate and manage clothes, a clothes support member 40 provided inside the clothes management room 30 to hold clothes, and removing or removing dust.
  • a filter member 50 for deodorization may be included.
  • the clothes management device 100 may include a light emitting module 60 provided inside the clothes management room 30 to provide light to the inside of the clothes management room 30 .
  • the clothes management device 100 may include an optical sensor module 110 provided to photograph the inside of the clothes management room 30 .
  • the optical sensor module 110 is illustrated as being provided on the side of the clothes management room 30, but this is only an example and the optical sensor module 110 may be provided in various locations.
  • the optical sensor module 110 may be provided on the upper surface of the clothes management room 30 to take a downward image.
  • the clothes care machine 100 includes a machine room provided with a heat exchange device provided to dehumidify or heat the air inside the clothes care room 30, a steam generator for generating steam, and a device for supplying hot air to clothes.
  • a blower may be further included.
  • FIG. 3 is a block diagram illustrating the configuration of a clothes management device according to an embodiment of the present disclosure.
  • the clothes management device 100 may include an optical sensor module 110, a sensor unit 120, a display 130, a communication interface 140, a memory 150, and a processor 160. .
  • the optical sensor module 110 is a component for acquiring spectral data and depth information of clothes prepared in the clothes management room 30 and may include a light emitter 111 and a light receiver 112 .
  • the light emitting unit 111 may emit light to clothes provided in the clothes management room 30 .
  • the processor 160 may obtain Time of Flight (ToF) data of the light emitted by the light emitting unit 111 .
  • the processor 160 calculates a difference between a first point of time when light is emitted by the light emitting unit 111 and a second point of time obtained by the light receiver 112 after the emitted light is reflected on clothes provided in the clothing management room 30. Based on this, time-of-flight data can be obtained.
  • the processor 160 may obtain time-of-flight data calculated by the optical sensor module 110 .
  • the light emitting unit 111 may include a light emitting diode (LED) or a laser diode (LD) that outputs infrared light.
  • LED light emitting diode
  • LD laser diode
  • the light receiving unit 112 may include a plurality of light receiving elements having different sensitive wavelength bands.
  • the light receiving element may include a photodiode (PD).
  • the light receiving unit 112 may acquire spectral data of clothing by using a plurality of light receiving elements.
  • Spectral data means the intensity of light for each of a plurality of wavelength bands.
  • Optical signals collected by the plurality of light receiving devices may be converted into electrical signals to obtain spectroscopic data.
  • a plurality of light receiving elements may be arranged in an array form to constitute a pixel of the optical sensor module 110 .
  • wavelength bands to which a plurality of light receiving elements corresponding to one pixel are sensitive may be different from each other.
  • the first light receiving element, the second light receiving element, and the third light receiving element corresponding to the first pixel may respectively respond to different wavelength bands.
  • the wavelength bands to which a plurality of light receiving elements corresponding to one pixel are sensitive may be the same. In this case, each of the plurality of pixels may correspond to different wavelength bands.
  • a first pixel may include a plurality of light receiving elements sensitive to a first wavelength band
  • a second pixel may include a plurality of light receiving elements sensitive to a second wavelength band.
  • the sensor unit 120 may include a sensor for sensing various information about the clothes management device 100 .
  • the sensor unit 120 may include a temperature sensor for sensing the temperature of the clothing management room 30 .
  • the sensor unit 120 may include a humidity sensor for sensing humidity in the clothing management room 30 .
  • the processor 160 may determine the degree of care of the clothes based on the humidity of the clothes management room 30 . For example, if the humidity of the clothes management room 30 is higher than a preset value, the processor 160 may determine that the clothes are not properly managed. At this time, the processor 160 may control the display 130 to output a guide message regarding an additional clothing management operation.
  • the display 130 may display various screens under the control of the processor 160 .
  • the display 130 may display information about an operation course of the clothes management device 100 .
  • the display 130 may be implemented as a touch display and obtain a user input.
  • the display 130 may obtain a user input for selecting a specific motion course.
  • the display 130 may output an image obtained by photographing the inside of the clothing management room 30 .
  • An image of the inside of the clothes management room 30 may be acquired by the optical sensor module 110 .
  • the communication interface 140 includes at least one circuit and can communicate with various types of external devices or external servers.
  • the communication interface 140 may receive weather information from an external server.
  • the processor 160 may identify an operating course of the clothes management device 100 based on the weather information. For example, when the fine dust concentration is greater than a predetermined value, a fine dust removal course providing refreshed air may be identified. Alternatively, when it rains or the external humidity is greater than a predetermined value, a dehumidifying course may be identified.
  • the communication interface 140 includes a Bluetooth Low Energy (BLE) module, a Wi-Fi communication module, a cellular communication module, a 3G (3rd generation) mobile communication module, a 4G (4th generation) mobile communication module, and a 4th generation LTE (Long Term Evolution) communication module. , 5G (5th generation) mobile communication module.
  • BLE Bluetooth Low Energy
  • Wi-Fi Wireless Fidelity
  • cellular communication module a 3G (3rd generation) mobile communication module
  • 4G (4th generation) mobile communication module a 4th generation LTE (Long Term Evolution) communication module
  • 4th generation LTE Long Term Evolution
  • the memory 150 may store an operating system (OS) for controlling overall operations of the components of the clothes management device 100 and commands or data related to the components of the clothes management device 100 .
  • OS operating system
  • the memory 150 may store information about an operation course of the clothes management device 100 .
  • the motion course means a series of motion information for managing clothes.
  • the action course may include at least one action section information and time information corresponding to the action section.
  • An operation course of the clothes management device 100 may include a standard course of providing steam to clothes to remove wrinkles from clothes, remove dust from clothes, and sterilizing clothes.
  • various operation courses for managing clothes such as a dust removal course in which dust is removed from clothes by providing air to the clothes.
  • An operation course of the clothing management device 100 may be classified according to the type of clothing (eg, suit, school uniform, blouse, denim, etc.) and material of clothing (eg, wool, cotton, rayon, silk, polyester, etc.).
  • the operation course for the wool material may include time information of 2 minutes for supplying steam, 3 minutes for dispersing the supplied steam, and 0.5 minutes for stabilizing the steam.
  • the execution course for the cotton material may include time information of 2 minutes for supplying steam, 5 minutes for dispersing the supplied steam, and 0.5 minutes for stabilizing the steam.
  • the execution course for the silk material or the rayon material may include time information of 0 minutes for supplying steam, 3 minutes for dispersing the supplied steam, and 0 minutes for stabilizing the steam.
  • the memory 150 may store information on clothes for each user and usage history information.
  • the user and the user's clothing type information may be matched and stored in the memory 150 .
  • a father may be matched with a suit
  • a mother may be matched with a blouse
  • a child may be matched with a school uniform.
  • the memory 150 may be implemented as a non-volatile memory (ex: hard disk, solid state drive (SSD), flash memory), volatile memory, or the like.
  • the processor 160 may be electrically connected to the memory 150 to control overall functions and operations of the clothes management device 100 .
  • the processor 160 may obtain spectral data of clothes accommodated in the clothes management room 30 based on sensing values obtained by a plurality of light receiving elements.
  • the spectral data may include pixel information of the optical sensor module 110 for each of a plurality of wavelength bands to which a plurality of light receiving elements are sensitive.
  • the processor 160 may obtain feature information corresponding to clothes accommodated in the clothes management room based on the spectral data.
  • the feature information may include a first feature vector representing light intensity for each of a plurality of wavelength bands and a second feature vector representing a difference in light intensity between adjacent wavelength bands.
  • the processor 160 may obtain feature information by applying a weight to each of the first feature vector and the second feature vector.
  • the processor 160 may obtain information about the material of clothes accommodated in the clothes management room 30 by inputting the feature information to the neural network model.
  • the neural network model may be an artificial intelligence model trained to predict the material of clothing based on feature information.
  • the neural network model may be learned based on learning data including spectral data for each clothing material.
  • the processor 160 may perform preprocessing on feature information and input the preprocessed feature information to a neural network model. For example, the processor 160 may reduce the dimension of the spectral data using Linear Discriminant Analysis (LDA). The processor 160 may obtain feature information based on dimensionally reduced spectral data. When the feature information acquired based on the dimensionally reduced spectral data is input to the neural network model, the amount of computation for predicting clothing materials may be reduced. Thus, the memory capacity can be efficiently managed.
  • LDA Linear Discriminant Analysis
  • the processor 160 may obtain time-of-flight data of light output from the light emitting unit 111 and obtain depth information corresponding to clothes accommodated in the clothing management room 30 based on the time-of-flight data.
  • the processor 160 may identify the degree of wrinkling of clothing based on the depth information.
  • the processor 160 may determine an operating course of the clothes management device 100 based on the degree of wrinkling of the clothes. For example, the processor 160 may increase the amount of steam sprayed as the degree of wrinkling of the clothes increases.
  • the processor 160 may control the display 130 to output a guide message related to clothing management. For example, the processor 160 may determine whether to simultaneously manage a plurality of clothes based on information on the whereabouts of the plurality of clothes accommodated in the clothes management room 30 . If it is determined that a plurality of clothes cannot be managed at the same time, the processor 160 causes the display 130 to output a guide message related to clothes management (eg, “Cotton/silk detection, each course is recommended”). You can control it.
  • a guide message related to clothes management eg, “Cotton/silk detection, each course is recommended”. You can control it.
  • Processor 160 may be composed of one or a plurality of processors.
  • the one or more processors may be a general-purpose processor such as a CPU, an AP, or a digital signal processor (DSP), a graphics-only processor such as a GPU or a vision processing unit (VPU), or an artificial intelligence-only processor such as an NPU.
  • DSP digital signal processor
  • GPU graphics-only processor
  • VPU vision processing unit
  • NPU an artificial intelligence-only processor
  • One or more processors control input data to be processed according to predefined operating rules or artificial intelligence models stored in the memory 150 .
  • the processors dedicated to artificial intelligence may be designed with a hardware structure specialized for processing a specific artificial intelligence model.
  • a predefined action rule or an artificial intelligence model is characterized in that it is created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created. means burden.
  • Such learning may be performed in the device itself in which artificial intelligence according to the present disclosure is performed, or through a separate server and/or system.
  • Examples of learning algorithms include supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but are not limited to the above examples.
  • AI models can be created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created.
  • An artificial intelligence model may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between an operation result of a previous layer and a plurality of weight values.
  • a plurality of weights possessed by a plurality of neural network layers may be optimized by a learning result of an artificial intelligence model. For example, a plurality of weights may be updated so that a loss value or a cost value obtained from an artificial intelligence model is reduced or minimized during a learning process.
  • the artificial intelligence model can be processed by an artificial intelligence processor designed with a hardware structure specialized for the processing of artificial intelligence models.
  • AI models can be created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created. means burden.
  • An artificial intelligence model may be composed of a plurality of neural network layers. Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between an operation result of a previous layer and a plurality of weight values.
  • the artificial neural network may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Generative Adversarial Network (GAN), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), Bidirectional Recurrent Deep Neural Network (BRDNN), or Deep Q-Networks, but is not limited to the above examples.
  • DNN deep neural network
  • CNN Convolutional Neural Network
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • GAN Generative Adversarial Network
  • RBM Restricted Boltzmann Machine
  • DBN Deep Belief Network
  • BDN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • the clothes management device 100 includes an adaptive echo canceller (AEC) module, a noise suppression (NS) module, and an end-point detection (EPD) module for pre-processing a user's voice. or an automatic gain control (AGC) module.
  • AEC adaptive echo canceller
  • NSC noise suppression
  • EPD end-point detection
  • AGC automatic gain control
  • the clothing management device 100 may include a digital signal processor (DSP) that converts an analog audio signal into a digital signal or converts a stored digital video or digital audio signal into an analog signal.
  • DSP digital signal processor
  • FIG. 4 is a diagram illustrating an optical sensor module according to an embodiment of the present disclosure.
  • the light sensor module 110 may include a light emitting unit 111 .
  • the clothes management device 100 may obtain depth information corresponding to clothes accommodated in the clothes management room 30 based on flight time data of light output from the light emitting unit 111 .
  • the clothes management device 100 may identify the degree of wrinkling of the clothes based on the depth information.
  • the clothes management device 100 may determine an operating course of the clothes management device 100 based on the degree of wrinkling of the clothes.
  • the optical sensor module 110 may include a light receiving unit 112 .
  • the light receiving unit 112 includes a lens module 113, an auto focus actuator 114, an optical filter 115, a light receiving element array 116, a printed circuit board (PCB) 117, an image signal processor ( ISP) 118.
  • PCB printed circuit board
  • ISP image signal processor
  • the light receiving element array 116 may include a plurality of light receiving elements having different wavelength bands and arranged in an array form.
  • the light receiving element may include a photodiode (PD).
  • the clothes management device 100 may obtain spectral data of clothes provided in the clothes management room 30 based on the intensity of light obtained through a plurality of light receiving elements.
  • the light receiving unit 112 includes a first light receiving element that detects light emitted from the light emitting unit 111 and then reflected on clothes accommodated in the clothing management room 30 and a second light receiving element that detects the intensity of light for each of a plurality of wavelength bands.
  • a device eg, the light receiving device array 116 may be included.
  • the first light receiving element and the second light receiving element may be integrally implemented.
  • the light receiving element array 116 may detect light emitted from the light emitting unit 111 and then reflected on clothes accommodated in the clothes management room 30 .
  • the first light receiving element and the second light receiving element may be implemented separately. In this case, the first light receiving element may be provided in a position separate from the light receiving element array 116 .
  • the light receiving unit 112 may include an autofocus actuator 114 .
  • the autofocus actuator 114 may drive the lens module 113 to focus on clothes provided inside the clothes management room 30 .
  • the autofocus actuator 114 may adjust the focus based on various methods such as a phase difference detection method and a contrast detection method.
  • FIG. 5 is a diagram illustrating a light receiving element array according to an exemplary embodiment of the present disclosure.
  • the light receiving element array 116 may include a plurality of light receiving elements corresponding to a plurality of pixels of the optical sensor module 110 .
  • a plurality of light receiving elements 511, 512, 513, 514, ... corresponding to the first pixel 510 may be arranged in an array form.
  • the plurality of light receiving elements 511, 512, 513, 514, ... may be sensitive to light of different wavelength bands.
  • the first light receiving element 511 is 300 to 400 nm
  • the second light receiving element 512 is 400 to 500 nm
  • the third light receiving element 513 is 500 to 600 nm
  • the fourth light receiving element 514 is 600 to 500 nm. It can be sensitive to light of 700nm.
  • the clothes management device 100 may acquire spectral data of clothes based on the sensing values of the light receiving element array 116 .
  • the spectral data refers to the intensity of light acquired by a light receiving element for each of a plurality of wavelength bands, and may be expressed in the form of a graph showing the intensity of light according to a wavelength. Since the spectral data of clothing varies according to the material of the clothing, the clothing management device 100 may determine the material of the clothing based on the spectral data. Specifically, the clothes management device 100 may acquire feature vectors based on spectral data and input the feature vectors to a neural network model to acquire information about the material of clothes.
  • the clothes management device 100 of the present disclosure has an advantage in accurately predicting the material of clothes because information on at least four or more wavelength bands can be obtained per pixel.
  • FIG. 6 is a diagram illustrating a light receiving element array according to another exemplary embodiment of the present disclosure.
  • the light receiving element array 116 may include a plurality of light receiving elements corresponding to a plurality of pixels of the optical sensor module 110 .
  • the light receiving element array 116 may include a plurality of light receiving elements respectively corresponding to the first pixel 610 , the second pixel 620 , and the third pixel 630 .
  • the first pixel 610, the second pixel 620, and the third pixel 630 may correspond to different wavelengths.
  • the first pixel 610 , the second pixel 620 , and the third pixel 630 may correspond to the same space.
  • a plurality of light receiving elements respectively corresponding to the first pixel 610 , the second pixel 620 , and the third pixel 630 may be arranged in an array form.
  • all of the plurality of light receiving elements corresponding to one pixel may be sensitive to light of the same wavelength band.
  • a plurality of light-receiving elements corresponding to the first pixel 610 are sensitive to a first wavelength band
  • a plurality of light-receiving elements corresponding to the second pixel 620 are sensitive to a second wavelength band
  • a third A plurality of light receiving elements corresponding to the pixel 630 may be sensitive to the third wavelength band.
  • FIG. 7 is a diagram for explaining a method of obtaining information on a material of clothing according to an embodiment of the present disclosure.
  • the clothes management device 100 may obtain spectral data 71 of clothes accommodated in the clothes management room.
  • the clothes management device 100 may acquire feature information 72 corresponding to clothes by performing pre-processing on the spectral data 71 .
  • the clothing management device 100 may reduce the dimension of the spectral data 71 by using Linear Discriminant Analysis (LDA).
  • LDA Linear Discriminant Analysis
  • the clothes management device 100 may acquire feature information 72 based on the dimensionally reduced spectral data.
  • the clothes manager 100 may obtain information about the material 73 of clothes by inputting the feature information 72 to the first neural network model NN1.
  • the first neural network model NN1 may be an artificial intelligence model trained to predict the material of clothing based on feature information.
  • the clothes management device 100 may obtain feature information 72 based on the equation of FIG. 8 .
  • the feature information 72 may be defined as the sum of the first feature vector 81 and the second feature vector 82 .
  • the first feature vector 81 may include a plurality of elements representing the intensity of light for each of a plurality of wavelength bands.
  • the second feature vector 82 may include a plurality of elements representing a spectral change rate, that is, a difference in intensity of light between wavelength bands.
  • the spectral change rate of the first clothing may include a first spectral change rate that is a difference between light intensity in the first wavelength band and light intensity in the second wavelength band.
  • the first wavelength band and the second wavelength band may be adjacent to each other.
  • the first wavelength band and the second wavelength band may be wavelength bands different from each other by a preset wavelength.
  • the number of feature vectors is two, but this is merely an example, and the number of feature vectors may be three or more.
  • FIG. 9 is a diagram for explaining a method of determining an operation course of a clothes management device according to an embodiment of the present disclosure.
  • the clothes management device 100 may obtain depth information 91 of clothes using the optical sensor module 110 .
  • the optical sensor module 110 may include at least one of a ToF camera and a stereo camera.
  • the clothing manager 100 may obtain wrinkle information 92 of the clothing by inputting the depth information 91 of the clothing to the second neural network model NN2.
  • the second neural network model NN1 may be an artificial intelligence model trained to obtain a degree of wrinkles of clothing based on depth information of the clothing.
  • the clothes manager 100 may determine an operation course based on the wrinkle information 92 of the clothes. For example, the clothes management device 100 may increase the amount of steam sprayed as the degree of wrinkles increases. Meanwhile, the clothes management device 100 may determine an operation course based on information about the material of the clothes and wrinkle information of the clothes. For example, the clothing management device 100 may obtain an operation course by inputting information about the material of clothing and wrinkle information of the clothing to the third neural network model.
  • the third neural network model may be an artificial intelligence model learned to obtain an operation course of the clothing management device 100 based on information on the material of clothing and wrinkle information on the clothing.
  • the clothes management device 100 may acquire the number of clothes accommodated in the clothes management room 30 based on the sound data. This is because, even if the fan is driven with the same intensity, the acoustic data may be different according to the number of clothes accommodated in the clothes management room 30 . For example, sound data and the number of clothes may be matched and previously stored in the clothes management device 100 .
  • the clothes management device 100 may acquire first sound data using a microphone provided in the clothes management room 30 while a fan installed in the clothes management room 30 is operated.
  • the clothes management device 100 may determine a similarity between the first sound data and pre-stored sound data.
  • the clothes management device 100 may identify second sound data having a greater similarity with the first sound data than a preset value among pre-stored sound data.
  • the clothes manager 100 may obtain the number of clothes accommodated in the clothes management room 30 by identifying the number of clothes corresponding to the second sound data.
  • the clothes management device 100 may determine an operating course of the clothes management device 100 based on the number of clothes accommodated in the clothes management room 30 .
  • FIG. 10 is a flowchart illustrating a control method of a clothes management device according to an embodiment of the present disclosure.
  • the clothes management device 100 may obtain spectral data of clothes accommodated in the clothes management room based on sensing values obtained by a plurality of light receiving elements (S1010).
  • the spectral data may include pixel information of the optical sensor module for each of a plurality of wavelength bands to which a plurality of light receiving elements are sensitive.
  • the clothes management device 100 may acquire feature information corresponding to clothes accommodated in the clothes management room based on the spectral data (S1020).
  • the clothing management device 100 may reduce the dimension of the spectral data by using linear discriminant analysis, and acquire feature information based on the dimensionally reduced spectral data.
  • the clothes management device 100 may acquire information about the material of clothes accommodated in the clothes management room by inputting feature information to the learned neural network model (S1030).
  • the clothing manager 100 may determine whether material information obtained through user feedback corresponds to material information of actual clothing. For example, the clothing manager 100 may display a message requesting confirmation of material information (eg, “The material of the clothing has been confirmed to be wool. Is that correct?”). Also, the clothes management device 100 may obtain a user command for checking material information.
  • the clothes management device 100 may determine whether the clothes management device 100 can simultaneously manage a plurality of clothes based on the location information of each of the clothes.
  • the clothes management device 100 sends a guide message related to clothes management (for example, “Cotton/Silk Detection”). , It is recommended to proceed with each course.”) can be printed out.
  • the clothes management device 100 may determine an operation course based on the sensitivity of each of the clothes. For example, when the sensitivity of the second clothes is greater than that of the first clothes, the clothes management device 100 may determine an operation course based on the material of the second clothes. Information on the sensitivity of each clothing material may be previously stored in the clothing management device 100 .
  • the clothes management device 100 may determine the possibility of damage to the clothes based on the location information of the clothes. If it is determined that there is a possibility of damage to the clothes, the clothes care device 100 may output a message informing of the possibility of damage (for example, “Because it is made of fur, damage may occur if you manage it in a course including a steam process”).
  • the clothes management device 100 may determine an operating course of the clothes management device based on information on the location of clothes accommodated in the clothes management room (S1040). For example, when clothes accommodated in the clothes management room are made of wool, the clothes care machine 100 supplies steam for 2 minutes, distributes the supplied steam for 3 minutes, and stabilizes the steam for 0.5 minutes. A first motion course including time information may be determined. Alternatively, when clothes accommodated in the clothes management room are made of cotton, the clothes care machine 100 supplies steam for 2 minutes, distributes the steam for 5 minutes, and stabilizes the steam for 0.5 minutes. It is possible to determine a second action course including.
  • an operation course for each type of clothing may be previously stored in the clothing management device 100 .
  • the clothes management device 100 may obtain the type of clothes based on information on the material of the clothes.
  • the clothes manager 100 may identify an action course corresponding to the type of clothes.
  • types of clothing may include suits, school uniforms, and blouses.
  • FIG. 11 is a flowchart illustrating a control method of a clothes management device according to an embodiment of the present disclosure.
  • the clothes management device 100 may manage clothes based on the determined operation course (S1110).
  • the clothes management device 100 may determine whether the management state of the clothes satisfies a preset condition (S1120). For example, if the humidity of the clothes management room 30 is within a preset humidity range, the clothes management device 100 may determine that the clothes management condition satisfies the preset condition. If the humidity of the clothes management room 30 is outside the preset humidity range, the clothes management device 100 may determine that the clothes management state does not satisfy the preset condition. When it is determined that the management state of the clothes does not satisfy the predetermined condition (S1120-N), the clothes management device 100 may additionally manage the clothes.
  • the clothes management device 100 may request user feedback (S1130). For example, the clothing management device 100 may output a feedback request message (“The suit care is complete. Are you satisfied?”). The clothing manager 100 may obtain user feedback (S1140). Then, the clothes manager 100 may determine whether the user is satisfied with the clothes management based on the user feedback (S1150). When it is determined that the user is not satisfied with clothes management (S1150-N), the clothes management device 100 may additionally execute clothes management. When it is determined that the user is satisfied with the clothes management (S1150-Y), the clothes management device 100 may store the executed action course (S1160).
  • embodiments described above may be implemented in a recording medium readable by a computer or a similar device using software, hardware, or a combination thereof.
  • the embodiments described herein may be implemented in a processor itself.
  • embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
  • Computer instructions for performing processing operations according to various embodiments of the present disclosure described above may be stored in a non-transitory computer-readable medium.
  • Computer instructions stored in such a non-transitory computer readable medium may cause a specific device to perform processing operations according to various embodiments described above when executed by a processor.
  • a non-transitory computer readable medium is a medium that stores data semi-permanently and is readable by a device, not a medium that stores data for a short moment, such as a register, cache, or memory.
  • Specific examples of the non-transitory computer readable media may include CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-temporary storage medium' only means that it is a tangible device and does not contain signals (e.g., electromagnetic waves), and this term refers to the case where data is stored semi-permanently in the storage medium and temporary It does not discriminate if it is saved as .
  • a 'non-temporary storage medium' may include a buffer in which data is temporarily stored.
  • the method according to various embodiments disclosed in this document may be provided by being included in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (eg downloaded or uploaded) online, directly between smartphones.
  • a part of a computer program product eg, a downloadable app
  • a device-readable storage medium such as a memory of a manufacturer's server, an application store server, or a relay server. It can be temporarily stored or created temporarily.

Abstract

의류 관리기가 개시된다. 의류 관리기는, 의류를 수용하는 의류 관리실을 포함하는 본체, 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함하는 광 센서 모듈, 및 프로세서를 포함한다. 프로세서는, 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득하고, 분광 데이터에 기초하여 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득하고, 특징 정보를 학습된 신경망 모델에 입력하여 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득하고, 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정한다.

Description

의류 관리기 및 그 제어 방법
본 개시는 의류 관리기 및 그 제어 방법으로, 보다 상세하게는, 의류의 소재를 획득하고 획득된 소재에 기초하여 의류를 관리하는 의류 관리기 및 그 제어 방법에 관한 것이다.
의류 관리기는 의류의 냄새 제거, 미세먼지 제거, 건조, 구김 제거, 살균, 제습 등의 의류 관리 동작을 수행하는 장치이다. 의류의 손상을 방지하고 효과적으로 의류를 관리하기 위해서는 의류의 소재를 정확히 파악하는 것이 중요하다.
의류의 소재를 파악하기 위한 종래 기술로는 의류에 분광기를 접촉시켜 스펙트럼을 분석하는 방법이 있었다. 그러나, 의류와의 접촉 중 의류가 오염될 가능성이 존재하며 분광기의 수동 조작을 필요로한다는 점에서, 종래 기술은 의류 관리기에 적용되기 어렵다는 문제가 있다.
이에 따라, 의류와의 접촉 없이도 의류의 소재를 정확히 파악할 수 있는 기술이 필요한 실정이다.
본 발명이 해결하고자 하는 일 기술적 과제는, 의류의 소재를 예측하고 구김 정도를 식별하는 것이다.
본 발명이 해결하고자 하는 다른 일 기술적 과제는, 의류의 소재 및 구김 정도 중 적어도 하나에 기초하여 동작 코스를 결정하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 의류 관리기에 있어서, 의류를 수용하는 의류 관리실을 포함하는 본체; 상기 의류 관리실 내부를 촬영하도록 마련되며, 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함하는 광 센서 모듈; 및 프로세서;를 포함하고, 상기 프로세서는, 상기 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 상기 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득하고, 상기 분광 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득하고, 상기 특징 정보를 학습된 신경망 모델에 입력하여 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득하고, 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는 의류 관리기가 제공될 수 있다.
상기 분광 데이터는, 상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 상기 광 센서 모듈의 픽셀 정보를 포함할 수 있다.
상기 광 센서 모듈의 픽셀을 구성하는 복수의 수광 소자가 감응하는 파장 대역의 개수는 적어도 4 이상일 수 있다.
상기 광 센서 모듈의 복수의 픽셀 중 제1 픽셀에 대응되는 복수의 수광 소자는 서로 다른 파장 대역에 감응할 수 있다.
상기 광 센서 모듈의 복수의 픽셀 중 제1 픽셀에 대응되는 복수의 수광 소자는 동일한 파장 대역에 감응할 수 있다.
상기 프로세서는, 상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 빛의 세기, 및 상기 복수의 파장 대역 중 인접 파장 대역들에 대응되는 빛의 세기 간의 차이에 기초하여 상기 특징 정보를 획득할 수 있다.
상기 프로세서는, 선형판별분석을 이용하여 상기 분광 데이터의 차원을 축소하고, 상기 차원이 축소된 분광 데이터에 기초하여 상기 특징 정보를 획득할 수 있다.
상기 광 센서 모듈은 발광부를 포함하고, 상기 프로세서는, 상기 발광부로부터 출력된 광의 비행 시간 데이터를 획득하고, 상기 비행 시간 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 뎁스 정보를 획득하고, 상기 뎁스 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정할 수 있다.
상기 광 센서 모듈은, 상기 광 센서 모듈에 포함된 발광부로부터 출력된 후 상기 의류 관리실 내에 수용된 의류에 반사된 광을 감지하는 제1 수광 소자, 및 복수의 파장 대역 별 빛의 세기를 감지하는 제2 수광 소자를 포함할 수 있다.
상기 제1 수광 소자 및 상기 제2 수광 소자는 동일할 수 있다.
상기 의류 관리기는, 디스플레이;를 더 포함하고, 상기 프로세서는, 상기 의류 관리실 내에 수용된 복수의 의류의 소재에 대한 정보에 기초하여 상기 복수의 의류를 동시에 관리할 수 있는 지 여부를 판단하고, 상기 복수의 의류를 동시에 관리할 수 없다고 판단되면, 의류 관리에 관한 가이드 메시지를 출력하도록 상기 디스플레이를 제어할 수 있다.
상기 의류 관리기는, 통신 회로를 포함하는 통신 인터페이스;를 더 포함하고, 상기 프로세서는, 상기 통신 인터페이스를 통해 외부 서버로부터 날씨 정보를 수신하고, 상기 날씨 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정할 수 있다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 의류를 수용하는 의류 관리실을 포함하는 본체, 상기 의류 관리실 내부를 촬영하도록 마련되며, 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함하는 광 센서 모듈을 포함하는 의류 관리기의 제어 방법에 있어서, 상기 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 상기 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득하는 단계; 상기 분광 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득하는 단계; 상기 특징 정보를 학습된 신경망 모델에 입력하여 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득하는 단계; 및 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는 단계;를 포함할 수 있다.
상기 특징 정보를 획득하는 단계는, 상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 빛의 세기, 및 상기 복수의 파장 대역 중 인접 파장 대역들에 대응되는 빛의 세기 간의 차이에 기초하여 상기 특징 정보를 획득할 수 있다.
상기 특징 정보를 획득하는 단계는, 선형판별분석을 이용하여 상기 분광 데이터의 차원을 축소하는 단계, 및 상기 차원이 축소된 분광 데이터에 기초하여 상기 특징 정보를 획득하는 단계를 포함할 수 있다.
상기 제어 방법은, 상기 광 센서 모듈을 이용하여 상기 의류 관리실 내에 수용된 의류에 대응되는 뎁스 정보를 획득하는 단계; 및 상기 뎁스 정보에 기초하여 상기 의류 관리실 내에 수용된 의류에 대한 구김 정보를 획득하는 단계;를 더 포함하고, 상기 의류 관리기의 동작 코스를 결정하는 단계는, 상기 의류의 소재에 대한 정보 및 상기 구김 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정할 수 있다.
상기 제어 방법은, 상기 의류 관리실 내에 수용된 복수의 의류의 소재에 대한 정보에 기초하여 상기 복수의 의류를 동시에 관리할 수 있는 지 여부를 판단하는 단계; 및 상기 복수의 의류를 동시에 관리할 수 없다고 판단되면, 의류 관리에 관한 가이드 메시지를 출력하는 단계;를 더 포함할 수 있다.
상기 제어 방법은, 외부 서버로부터 날씨 정보를 수신하는 단계;를 더 포함하고, 상기 의류 관리기의 동작 코스를 결정하는 단계는, 상기 의류의 소재에 대한 정보 및 상기 날씨 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정할 수 있다.
본 개시의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 의류 관리기는 의류와 접촉 없이 의류의 소재를 예측하고 구김 정도를 식별할 수 있다. 또한, 의류 관리기는 의류의 소재 및 구김 정도 중 적어도 하나에 기초하여 자동으로 동작 코스를 결정할 수 있다. 이에 따라, 사용자의 만족감 및 편의성이 향상될 수 있다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
본 개시의 다른 양상, 이점 및 두드러진 특징들은 첨부된 도면과 관련하여 본 발명의 다양한 실시 예들을 개시하는 다음의 상세한 설명으로부터 당업자에게 명백해질 것이다.
본 개시의 특정 실시 예의 양상, 특징 및 이점은 첨부된 도면들을 참조하여 후술되는 설명을 통해 보다 명확해질 것이다.
도 1은 본 개시의 일 실시 예에 따른 의류 관리기의 사시도이다.
도 2는 도 1에 도시된 의류 관리기의 도어가 개방된 모습을 도시한 도면이다.
도 3은 본 개시의 일 실시 예에 따른 의류 관리기의 구성을 도시한 블록도이다.
도 4는 본 개시의 일 실시 예에 따른 광 센서 모듈을 도시한 도면이다.
도 5는 본 개시의 일 실시 예에 따른 수광 소자 어레이를 도시한 도면이다.
도 6은 본 개시의 다른 일 실시 예에 따른 수광 소자 어레이를 도시한 도면이다.
도 7은 본 개시의 일 실시 예에 따른 의류의 소재에 대한 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 특징 정보를 나타내는 수학식이다.
도 9는 본 개시의 일 실시 예에 따른 의류 관리기의 동작 코스 결정 방법을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 의류 관리기의 제어 방법을 설명하기 위한 순서도이다.
도 11은 본 개시의 일 실시 예에 따른 의류 관리기의 제어 방법을 설명하기 위한 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시 예에 따른 의류 관리기의 사시도이다. 도 2는 도 1에 도시된 의류 관리기의 도어가 개방된 모습을 도시한 도면이다.
도 1 및 도 2를 참조하면, 의류 관리기(100)는 의류 관리기(100)의 외관을 형성하는 본체(10) 및 본체(10)에 회전 가능하게 결합되는 도어(20)를 포함할 수 있다. 도어(20)는 사용자가 의류 관리기(100)를 조작하도록 하거나 가이드 메시지를 제공하기 위한 디스플레이(140)를 포함할 수 있다. 의류 관리기(100)는 본체(10)의 내부에 마련되어 의류가 수용 및 관리되는 의류 관리실(30), 의류를 거치시키도록 의류 관리실(30) 내부에 마련되는 의류 지지부재(40), 먼지 제거 또는 탈취를 위한 필터 부재(50)를 포함할 수 있다. 의류 관리기(100)는 의류 관리실(30) 내부에 마련되어 의류 관리실(30) 내부로 광을 제공하는 발광 모듈(60)을 포함할 수 있다.
의류 관리기(100)는 의류 관리실(30) 내부를 촬영하도록 마련되는 광 센서 모듈(110)을 포함할 수 있다. 한편, 도 2에서는 광 센서 모듈(110)이 의류 관리실(30)의 측면에 마련된 것으로 도시하였으나, 이는 일 실시 예에 불과하며 광 센서 모듈(110)은 다양한 위치에 마련될 수 있다. 예를 들어, 광 센서 모듈(110)은 하방을 촬영하도록 의류 관리실(30)의 상면에 마련될 수도 있다.
한편, 도시되지 않았으나, 의류 관리기(100)는 의류 관리실(30) 내부의 공기를 제습하거나 가열하도록 마련되는 열 교환 장치가 구비되는 기계실, 스팀을 발생시키는 스팀 발생 장치, 의류로 열풍을 공급하기 위한 송풍 장치를 더 포함할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 의류 관리기의 구성을 도시한 블록도이다.
도 3을 참조하면, 의류 관리기(100)는 광 센서 모듈(110), 센서부(120), 디스플레이(130), 통신 인터페이스(140), 메모리(150) 및 프로세서(160)를 포함할 수 있다.
광 센서 모듈(110)은 의류 관리실(30)에 마련된 의류에 대한 분광 데이터 및 뎁스 정보를 획득하기 위한 구성으로, 발광부(111) 및 수광부(112)를 포함할 수 있다.
발광부(111)는 의류 관리실(30)에 마련된 의류로 광을 조사할 수 있다. 프로세서(160)는 발광부(111)에 의해 조사된 광의 비행 시간(Time of Flight, ToF) 데이터를 획득할 수 있다. 프로세서(160)는 발광부(111)에 의해 광이 출사된 제1 시점 및 출사된 광이 의류 관리실(30)에 마련된 의류에 반사된 후 수광부(112)에 의해 획득된 제2 시점의 차이에 기초하여 비행 시간 데이터를 획득할 수 있다. 또는, 프로세서(160)는 광 센서 모듈(110)에 의해 산출된 비행 시간 데이터를 획득할 수도 있다. 한편, 발광부(111)는 적외선 광을 출력하는 발광 다이오드(LED), 레이저 다이오드(LD)를 포함할 수 있다.
수광부(112)는 감응하는 파장 대역이 상이한 복수의 수광 소자를 포함할 수 있다. 수광 소자는 포토 다이오드(PD)를 포함할 수 있다. 수광부(112)는 복수의 수광 소자를 이용하여 의류에 대한 분광 데이터를 획득할 수 있다. 분광 데이터는, 복수의 파장 대역 별 광의 세기를 의미한다. 복수의 수광 소자가 수집한 광 신호는 전기 신호로 변환되어 분광 데이터가 획득될 수 있다.
복수의 수광 소자는 어레이 형태로 배열되어 광 센서 모듈(110)의 픽셀을 구성할 수 있다. 이 때, 하나의 픽셀에 대응되는 복수의 수광 소자가 감응하는 파장 대역은 서로 다를 수 있다. 예를 들어, 제1 픽셀에 대응되는 제1 수광 소자, 제2 수광 소자 및 제3 수광 소자는 각각 상이한 파장 대역에 감응할 수 있다. 또는, 하나의 픽셀에 대응되는 복수의 수광 소자가 감응하는 파장 대역은 동일할 수 있다. 이 때, 복수의 픽셀 각각은 서로 다른 파장 대역에 대응될 수 있다. 예를 들어, 제1 픽셀은 제1 파장 대역에 감응하는 복수의 수광 소자를 포함하며, 제2 픽셀은 제2 파장 대역에 감응하는 복수의 수광 소자를 포함할 수 있다. 복수의 수광 소자의 배열 형태에 대한 보다 상세한 설명은 도 5 및 도 6를 참조하여 후술될 것이다.
센서부(120)는 의류 관리기(100)에 대한 다양한 정보를 감지하기 위한 센서를 포함할 수 있다. 예를 들어, 센서부(120)는 의류 관리실(30)의 온도를 감지하기 위한 온도 센서를 포함할 수 있다. 또한, 센서부(120)는 의류 관리실(30)의 습도를 감지하기 위한 습도 센서를 포함할 수 있다. 프로세서(160)는 의류 관리실(30)의 습도에 기초하여 의류의 관리 정도를 판단할 수 있다. 예를 들어, 의류 관리실(30)의 습도가 기설정된 값보다 크면, 프로세서(160)는 의류에 대한 관리가 미흡하다고 판단할 수 있다. 이 때, 프로세서(160)는 추가적인 의류 관리 동작에 관한 가이드 메시지를 출력하도록 디스플레이(130)를 제어할 수 있다.
디스플레이(130)는 프로세서(160)의 제어에 의해 다양한 화면을 표시할 수 있다. 예를 들어, 디스플레이(130)는 의류 관리기(100)의 동작 코스에 관한 정보를 표시할 수 있다. 디스플레이(130)는 터치 디스플레이로 구현되어 사용자 입력을 획득할 수 있다. 예를 들어, 디스플레이(130)는 특정 동작 코스를 선택하는 사용자 입력을 획득할 수 있다. 또한, 디스플레이(130)는 의류 관리실(30) 내부를 촬영한 영상을 출력할 수 있다. 의류 관리실(30) 내부를 촬영한 영상은 광 센서 모듈(110)에 의해 획득될 수 있다.
통신 인터페이스(140)는 적어도 하나의 회로를 포함하며 다양한 유형의 외부 기기 또는 외부 서버와 통신을 수행할 수 있다. 예를 들어, 통신 인터페이스(140)는 외부 서버로부터 날씨 정보를 수신할 수 있다. 이 때, 프로세서(160)는 날씨 정보에 기초하여 의류 관리기(100)의 동작 코스를 식별할 수 있다. 예를 들어, 미세 먼지 농도가 기설정된 값보다 크면 리프레시된 공기를 제공하는 미세먼지 제거 코스를 식별할 수 있다. 또는, 비가오거나 외부 습도가 기설정된 값보다 크면, 제습 코스를 식별할 수 있다.
통신 인터페이스(140)는 BLE(Bluetooth Low Energy) 모듈, 와이파이 통신 모듈, 셀룰러 통신모듈, 3G(3세대) 이동통신 모듈, 4G(4세대) 이동통신 모듈, 4세대 LTE(Long Term Evolution) 통신 모듈, 5G(5세대) 이동통신 모듈 중 적어도 하나를 포함할 수 있다.
메모리(150)는 의류 관리기(100)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 의류 관리기(100)의 구성요소와 관련된 명령 또는 데이터를 저장할 수 있다. 예를 들어, 메모리(150)는 의류 관리기(100)의 동작 코스에 대한 정보를 저장할 수 있다. 동작 코스는 의류를 관리하기 위한 일련의 동작 정보를 의미한다. 동작 코스는 적어도 하나의 동작 구간 정보 및 동작 구간에 대응되는 시간 정보를 포함할 수 있다.
의류 관리기(100)의 동작 코스로는 의류에 스팀을 제공하여 의류의 구김을 제거하고 의류에 존재하는 먼지를 제거하고, 의류의 살균을 수행하는 표준 코스가 있을 수 있다. 이 외에도 의류에 공기를 제공하여 의류의 먼지를 제거하는 먼지제거코스 등 의류의 관리를 위한 다양한 동작 코스가 있을 수 있다. 의류 관리기(100)의 동작 코스는 의류의 유형(예로, 정장, 교복, 블라우스, 데님 등), 의류의 소재(예로, 울, 면, 레이온, 실크, 폴리에스테르 등)에 따라 분류될 수 있다.
울 소재에 대한 동작 코스는 스팀을 공급하는 시간은 2분, 공급된 스팀을 분산하는 시간은 3분, 스팀을 안정화하기 위한 시간은 0.5분인 시간 정보를 포함할 수 있다. 또한, 면 소재에 대한 수행 코스는 스팀을 공급하는 시간은 2분, 공급된 스팀을 분산하는 시간은 5분, 스팀을 안정화하기 위한 시간은 0.5분인 시간 정보를 포함할 수 있다. 또한, 실크 소재 또는 레이온 소재에 대한 수행 코스는 스팀을 공급하는 시간은 0분, 공급된 스팀을 분산하는 시간은 3분, 스팀을 안정화하기 위한 시간은 0분인 시간 정보를 포함할 수 있다.
또한, 메모리(150)는 사용자 별 의류에 대한 정보, 사용 히스토리 정보를 저장할 수 있다. 사용자와 사용자의 의류의 유형 정보가 매칭되어 메모리(150)에 저장될 수 있다. 예를 들어, 아빠는 정장에 매칭되며, 엄마는 블라우스에 매칭되며, 자녀는 교복에 매칭될 수 있다. 한편, 메모리(150)는 비휘발성 메모리(ex: 하드 디스크, SSD(Solid state drive), 플래시 메모리), 휘발성 메모리 등으로 구현될 수 있다.
프로세서(160)는 메모리(150)와 전기적으로 연결되어 의류 관리기(100)의 전반적인 기능 및 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 의류 관리실(30) 내에 수용된 의류에 대한 분광 데이터를 획득할 수 있다. 분광 데이터는 복수의 수광 소자가 감응하는 복수의 파장 대역 별 광 센서 모듈(110)의 픽셀 정보를 포함할 수 있다.
프로세서(160)는 분광 데이터에 기초하여 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득할 수 있다. 예를 들어, 특징 정보는 복수의 파장 대역 별 빛의 세기를 나타내는 제1 특징 벡터 및 인접 파장 대역 간 빛의 세기의 차이를 나타내는 제2 특징 벡터를 포함할 수 있다. 프로세서(160)는 제1 특징 벡터 및 제2 특징 벡터 각각에 가중치를 적용하여 특징 정보를 획득할 수 있다.
프로세서(160)는 특징 정보를 신경망 모델에 입력하여 의류 관리실(30) 내에 수용된 의류의 소재에 대한 정보를 획득할 수 있다. 신경망 모델은 특징 정보에 기초하여 의류의 소재를 예측하도록 학습된 인공 지능 모델일 수 있다. 신경망 모델은 의류 소재 별 분광 데이터를 포함하는 학습 데이터에 기초하여 학습될 수 있다.
한편, 프로세서(160)는 특징 정보에 대한 전처리를 수행하고 전처리된 특징 정보를 신경망 모델에 입력할 수 있다. 예를 들어, 프로세서(160)는 선형판별분석(Linear Discriminant Analysis, LDA)을 이용하여 분광 데이터의 차원을 축소할 수 있다. 프로세서(160)는 차원이 축소된 분광 데이터에 기초하여 특징 정보를 획득할 수 있다. 차원이 축소된 분광 데이터에 기초하여 획득된 특징 정보가 신경망 모델의 입력되면, 의류 소재 예측을 위한 연산량이 감소될 수 있다. 따라서, 메모리 용량이 효율적으로 관리될 수 있다.
프로세서(160)는 발광부(111)로부터 출력된 광의 비행 시간 데이터를 획득하고, 비행 시간 데이터에 기초하여 의류 관리실(30) 내에 수용된 의류에 대응되는 뎁스 정보를 획득할 수 있다. 프로세서(160)는 뎁스 정보에 기초하여 의류의 구김 정도를 식별할 수 있다. 프로세서(160)는 의류의 구김 정도에 기초하여 의류 관리기(100)의 동작 코스를 결정할 수 있다. 예를 들어, 프로세서(160)는 의류의 구김 정도가 클수록 스팀 분사량을 증가시킬 수 있다.
프로세서(160)는 의류 관리에 관한 가이드 메시지를 출력하도록 디스플레이(130)를 제어할 수 있다. 예를 들어, 프로세서(160)는 의류 관리실(30) 내에 수용된 복수의 의류의 소재에 대한 정보에 기초하여 복수의 의류를 동시에 관리할 수 있는 지 여부를 판단할 수 있다. 복수의 의류를 동시에 관리할 수 없다고 판단되면, 프로세서(160)는 의류 관리에 관한 가이드 메시지(예로, “면/실크 감지, 각각 코스를 진행하시는 것을 추천 드립니다”)를 출력하도록 디스플레이(130)를 제어할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(160)와 메모리(150)를 통해 동작된다. 프로세서(160)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(150)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.
인공지능 모델은 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계된 인공지능 전용 프로세서에 의해 처리될 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.
인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), GAN (Generative Adversarial Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
한편, 의류 관리기(100)는 사용자 음성을 전처리하기 위한 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 또한, 의류 관리기(100)는 아날로그 음성 신호를 디지털 신호로 변경하거나, 저장된 디지털 영상 또는 디지털 음성 신호를 아날로그 신호로 변경하는 디지털신호처리부(DSP, digital signal processor)를 포함할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 광 센서 모듈을 도시한 도면이다.
도 4를 참조하면, 광 센서 모듈(110)은 발광부(111)를 포함할 수 있다. 의류 관리기(100)는 발광부(111)에서 출력된 광의 비행 시간 데이터에 기초하여 의류 관리실(30)에 수용된 의류에 대응되는 뎁스 정보를 획득할 수 있다. 의류 관리기(100)는 뎁스 정보에 기초하여 의류의 구김 정도를 식별할 수 있다. 의류 관리기(100)는 의류의 구김 정도에 기초하여 의류 관리기(100)의 동작 코스를 결정할 수 있다.
광 센서 모듈(110)은 수광부(112)를 포함할 수 있다. 수광부(112)는 렌즈 모듈(113), 자동초점 액추에이터(Auto Focus Actuator)(114), 광 필터(115), 수광 소자 어레이(116), 인쇄 회로 기판(PCB)(117), 이미지 신호 프로세서(ISP)(118)를 포함할 수 있다.
수광 소자 어레이(116)는 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함할 수 있다. 예를 들어, 수광 소자는 포토 다이오드(PD)를 포함할 수 있다. 의류 관리기(100)는 복수의 수광 소자를 통해 획득되는 광의 세기에 기초하여 의류 관리실(30)에 마련된 의류에 대한 분광 데이터를 획득할 수 있다.
한편, 수광부(112)는 발광부(111)로부터 출력된 후 의류 관리실(30)에 수용된 의류에 반사된 광을 감지하는 제1 수광 소자 및 복수의 파장 대역 별 빛의 세기를 감지하는 제2 수광 소자(예로, 수광 소자 어레이(116))를 포함할 수 있다. 이 때, 제1 수광 소자 및 제2 수광 소자는 통합 구현될 수 있다. 예를 들어, 수광 소자 어레이(116)는 발광부(111)로부터 출력된 후 의류 관리실(30)에 수용된 의류에 반사된 광을 감지할 수 있다. 또는, 제1 수광 소자 및 제2 수광 소자는 별도로 구현될 수 있다. 이 때, 제1 수광 소자는, 수광 소자 어레이(116)와는 별도의 위치에 마련될 수 있다.
한편, 의류 관리실(30) 내부는 광량이 제한적이어서 최대한 많은 량의 광을 수집하기 위해 렌즈 모듈(113)의 조리개의 크기가 증가될 필요가 있다. 조리개의 크기가 증가됨에 따라 피사계 심도가 감소하면 의류의 두께나 굴곡에 따라 포커싱이 달라지는 문제가 발생할 수 있다. 이러한 문제를 해결하기 위해, 수광부(112)는 자동초점 액추에이터(114)를 포함할 수 있다. 자동초점 액추에이터(114)는 의류 관리실(30) 내부에 마련되는 의류에 초점이 맺히도록 렌즈 모듈(113)을 구동시킬 수 있다. 자동초점 액추에이터(114)는 위상차 검출 방식, 대비 검출 방식 등 다양한 방식에 기초하여 초점을 조절할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 수광 소자 어레이를 도시한 도면이다.
도 5를 참조하면, 수광 소자 어레이(116)는 광 센서 모듈(110)의 복수의 픽셀에 대응되는 복수의 수광 소자를 포함할 수 있다. 예를 들어, 제1 픽셀(510)에 대응되는 복수의 수광 소자(511, 512, 513, 514, ...)가 어레이 형태로 배열될 수 있다. 이 때, 복수의 수광 소자(511, 512, 513, 514, ...)는 서로 다른 파장 대역의 광에 감응할 수 있다. 예를 들어, 제1 수광 소자(511)는 300~400nm, 제2 수광 소자(512)는 400~500nm, 제3 수광 소자(513)는 500~600nm, 제4 수광 소자(514)는 600~700nm의 광에 감응할 수 있다.
의류 관리기(100)는 수광 소자 어레이(116)의 센싱 값에 기초하여 의류에 대한 분광 데이터를 획득할 수 있다. 분광 데이터란, 복수의 파장 대역 별 수광 소자가 획득한 광의 세기를 의미하며, 파장에 따른 광의 세기를 나타내는 그래프 형태로 표현될 수 있다. 의류에 대한 분광 데이터는 의류의 소재에 따라 달라지므로, 의류 관리기(100)는 분광 데이터에 기초하여 의류의 소재를 판단할 수 있다. 구체적으로, 의류 관리기(100)는 분광 데이터에 기초하여 특징 벡터를 획득하고, 특징 벡터를 신경망 모델에 입력하여 의류의 소재에 대한 정보를 획득할 수 있다.
이처럼, 의류의 소재는 분광 데이터에 기초하여 예측될 수 있으므로, 의류의 소재를 정확히 예측하기 위해서는 풍부한 정보를 포함하는 분광 데이터를 획득하는 것이 중요하다. 기존의 이미지 센서는 한 픽셀 당 오직 3가지 파장 대역(R, G, B)에 대응되는 광의 세기를 획득한다. 즉, 파장 대역의 개수가 3개로 제한되므로, 정확도 높은 소재 예측이 불가능하였다. 이에 반해, 본원의 의류 관리기(100)는 한 픽셀 당 적어도 4개 이상의 파장 대역에 대한 정보를 획득할 수 있으므로 의류의 소재를 정확히 예측할 수 있다는 장점이 있다.
도 6은 본 개시의 다른 일 실시 예에 따른 수광 소자 어레이를 도시한 도면이다.
도 6을 참조하면, 수광 소자 어레이(116)는 광 센서 모듈(110)의 복수의 픽셀에 대응되는 복수의 수광 소자를 포함할 수 있다. 예를 들어, 수광 소자 어레이(116)는 제1 픽셀(610), 제2 픽셀(620) 및 제3 픽셀(630)에 각각 대응되는 복수의 수광 소자를 포함할 수 있다. 제1 픽셀(610), 제2 픽셀(620) 및 제3 픽셀(630)은 서로 다른 파장에 대응될 수 있다. 제1 픽셀(610), 제2 픽셀(620) 및 제3 픽셀(630) 같은 공간에 대응될 수 있다.
제1 픽셀(610), 제2 픽셀(620) 및 제3 픽셀(630)에 각각 대응되는 복수의 수광 소자는 어레이 형태로 배열될 수 있다. 이 때, 한 픽셀에 대응되는 복수의 수광 소자는 모두 동일한 파장 대역의 광에 감응할 수 있다. 예를 들어, 제1 픽셀(610)에 대응되는 복수의 수광 소자는 제1 파장 대역에 감응하고, 제2 픽셀(620)에 대응되는 복수의 수광 소자는 제2 파장 대역에 감응하고, 제3 픽셀(630)에 대응되는 복수의 수광 소자는 제3 파장 대역에 감응할 수 있다.
도 7은 본 개시의 일 실시 예에 따른 의류의 소재에 대한 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 의류 관리기(100)는 의류 관리실 내에 수용된 의류에 대한 분광 데이터(71)를 획득할 수 있다. 의류 관리기(100)는 분광 데이터(71)에 대한 전처리를 수행하여 의류에 대응되는 특징 정보(72)를 획득할 수 있다. 예를 들어, 의류 관리기(100)는 선형판별분석(Linear Discriminant Analysis, LDA)을 이용하여 분광 데이터(71)의 차원을 축소할 수 있다. 의류 관리기(100)는 차원이 축소된 분광 데이터에 기초하여 특징 정보(72)를 획득할 수 있다. 의류 관리기(100)는 특징 정보(72)를 제1 신경망 모델(NN1)에 입력하여 의류의 소재(73)에 대한 정보를 획득할 수 있다. 제1 신경망 모델(NN1)은 특징 정보에 기초하여 의류의 소재를 예측하도록 학습된 인공 지능 모델일 수 있다.
도 8은 본 개시의 일 실시 예에 따른 특징 정보를 나타내는 수학식이다.
도 8에서, w는 가중치,
Figure PCTKR2022008135-appb-img-000001
는 빛의 세기, k는 파장의 개수, n은 의류의 개수,
Figure PCTKR2022008135-appb-img-000002
는 하나의 의류에 대한 스펙트럼 변화율, r은 특징 벡터의 개수를 의미한다. 의류 관리기(100)는 도 8의 수학식에 기초하여 특징 정보(72)를 획득할 수 있다. 특징 정보(72)는 제1 특징 벡터(81) 및 제2 특징 벡터(82)의 합으로 정의될 수 있다. 제1 특징 벡터(81)는 복수의 파장 대역 별 빛의 세기를 나타내는 복수의 요소를 포함할 수 있다. 제2 특징 벡터(82)는 스펙트럼 변화율 즉, 파장 대역 간 빛의 세기의 차이를 나타내는 복수의 요소를 포함할 수 있다. 예를 들어, 제1 의류에 대한 스펙트럼 변화율은, 제1 파장 대역에서의 빛의 세기 및 제2 파장 대역에서의 빛의 세기의 차이인 제1 스펙트럼 변화율을 포함할 수 있다. 제1 파장 대역과 제2 파장 대역은 서로 인접한 파장 대역일 수 있다. 또는, 제1 파장 대역과 제2 파장 대역은 서로 기설정된 파장만큼 차이나는 파장 대역일 수 있다. 한편, 도 8에서는 특징 벡터의 개수가 2개이나, 이는 일 실시 예에 불과하며, 특징 벡터의 개수는 3개 이상일 수 있다.
도 9는 본 개시의 일 실시 예에 따른 의류 관리기의 동작 코스 결정 방법을 설명하기 위한 도면이다.
도 9를 참조하면, 의류 관리기(100)는 광 센서 모듈(110)을 이용하여 의류에 대한 뎁스 정보(91)를 획득할 수 있다. 예를 들어, 광 센서 모듈(110)은 ToF 카메라 및 스테레오 카메라 중 적어도 하나를 포함할 수 있다. 의류 관리기(100)는 의류에 대한 뎁스 정보(91)를 제2 신경망 모델(NN2)에 입력하여 의류의 구김 정보(92)를 획득할 수 있다. 제2 신경망 모델(NN1)은 의류에 대한 뎁스 정보에 기초하여 의류의 구김 정도를 획득하도록 학습된 인공 지능 모델일 수 있다.
의류 관리기(100)는 의류의 구김 정보(92)에 기초하여 동작 코스를 결정할 수 있다. 예를 들어, 의류 관리기(100)는 구김 정도가 심할수록 스팀 분사량을 증가시킬 수 있다. 한편, 의류 관리기(100)는 의류의 소재에 대한 정보 및 의류의 구김 정보에 기초하여 동작 코스를 결정할 수 있다. 예를 들어, 의류 관리기(100)는 의류의 소재에 대한 정보 및 의류의 구김 정보를 제3 신경망 모델에 입력하여 동작 코스를 획득할 수 있다. 여기서, 제3 신경망 모델은, 의류의 소재에 대한 정보 및 의류의 구김 정보를 기초로 의류 관리기(100)의 동작 코스를 획득하도록 학습된 인공 지능 모델일 수 있다.
한편, 의류 관리기(100)는 음향 데이터에 기초하여 의류 관리실(30)내에 수용된 의류의 개수를 획득할 수 있다. 동일한 세기로 팬이 구동되더라도, 의류 관리실(30)내에 수용된 의류에 개수에 따라 음향 데이터가 상이할 수 있기 때문이다. 예를 들어, 음향 데이터와 의류의 개수는 서로 매칭되어 의류 관리기(100)에 미리 저장되어 있을 수 있다. 의류 관리기(100)는 의류 관리실(30)내에 구비된 팬이 구동되는 동안 의류 관리실(30)내에 구비된 마이크를 이용하여 제1 음향 데이터를 획득할 수 있다. 의류 관리기(100)는 제1 음향 데이터와 미리 저장된 음향 데이터의 유사도를 판단할 수 있다. 의류 관리기(100)는 미리 저장된 음향 데이터 중 제1 음향 데이터와의 유사도가 기설정된 값보다 큰 제2 음향 데이터를 식별할 수 있다. 의류 관리기(100)는 제2 음향 데이터에 대응되는 의류의 개수를 식별하여 의류 관리실(30)내에 수용된 의류의 개수를 획득할 수 있다. 의류 관리기(100)는 의류 관리실(30)내에 수용된 의류의 개수에 기초하여 의류 관리기(100) 동작 코스를 결정할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 의류 관리기의 제어 방법을 설명하기 위한 순서도이다.
도 10을 참조하면, 의류 관리기(100)는 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득할 수 있다(S1010). 분광 데이터는, 복수의 수광 소자가 감응하는 복수의 파장 대역 별 광 센서 모듈의 픽셀 정보를 포함할 수 있다.
의류 관리기(100)는 분광 데이터에 기초하여 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득할 수 있다(S1020). 의류 관리기(100)는 선형판별분석을 이용하여 분광 데이터의 차원을 축소하고, 차원이 축소된 분광 데이터에 기초하여 특징 정보를 획득할 수 있다.
의류 관리기(100)는 특징 정보를 학습된 신경망 모델에 입력하여 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득할 수 있다(S1030). 의류 관리기(100)는 사용자 피드백을 통해 획득된 소재 정보가 실제 의류의 소재 정보에 대응되는 지 판단할 수 있다. 예를 들어, 의류 관리기(100)는 소재 정보의 확인을 요청하는 메시지(예로, “의류의 소재가 울 소재로 확인되었습니다. 맞습니까?”)를 디스플레이할 수 있다. 그리고, 의류 관리기(100)는 소재 정보를 확인하는 사용자 명령을 획득할 수 있다.
한편, 의류 관리기(100)에 복수의 의류가 수용된 경우, 의류 관리기(100)는 복수의 의류 각각에 대한 소재 정보에 기초하여 복수의 의류를 동시에 관리할 수 있는 지 여부를 판단할 수 있다. 복수의 의류를 동시에 관리할 수 없는 경우(예로, 제1 의류는 면 소재, 제2 의류는 실크 소재인 경우), 의류 관리기(100)은 의류 관리에 관한 가이드 메시지(예로, “면/실크 감지, 각각 코스를 진행하실 것을 추천 드립니다.”)를 출력할 수 있다.
복수의 의류의 소재가 상이한 경우, 의류 관리기(100)는 각 의류의 민감도에 기초하여 동작 코스를 결정할 수 있다. 예를 들어, 제2 의류의 민감도가 제1 의류의 민감도보다 큰 경우, 의류 관리기(100)는 제2 의류의 소재에 기초하여 동작 코스를 결정할 수 있다. 의류 소재 별 민감도에 대한 정보는 의류 관리기(100)에 미리 저장되어 있을 수 있다.
한편, 의류 관리기(100)는 의류의 소재 정보에 기초하여 의류의 손상 가능성을 판단할 수 있다. 의류의 손상 가능성이 있다고 판단되면, 의류 관리기(100)는 손상 가능성을 알리는 메시지(예로, “모피 소재이므로 스팀 과정이 포함된 코스에서 관리하시면 손상이 발생할 수 있습니다”)를 출력할 수 있다.
의류 관리기(100)는 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 의류 관리기의 동작 코스를 결정할 수 있다(S1040). 예를 들어, 의류 관리실 내에 수용된 의류가 울 소재인 경우, 의류 관리기(100)는 스팀을 공급하는 시간은 2분, 공급된 스팀을 분산하는 시간은 3분, 스팀을 안정화하기 위한 시간은 0.5분인 시간 정보를 포함하는 제1 동작 코스를 결정할 수 있다. 또는, 의류 관리실 내에 수용된 의류가 면 소재인 경우, 의류 관리기(100)는 스팀을 공급하는 시간은 2분, 공급된 스팀을 분산하는 시간은 5분, 스팀을 안정화하기 위한 시간은 0.5분인 시간 정보를 포함하는 제2 동작 코스를 결정할 수 있다.
한편, 의류 관리기(100)에는 의류의 유형 별 동작 코스가 미리 저장되어 있을 수 있다. 의류 관리기(100)는 의류의 소재에 대한 정보에 기초하여 의류의 유형을 획득할 수 있다. 의류 관리기(100)는 의류의 유형에 대응되는 동작 코스를 식별할 수 있다. 예로, 의류의 유형은 정장, 교복 및 블라우스를 포함할 수 있다.
도 11은 본 개시의 일 실시 예에 따른 의류 관리기의 제어 방법을 설명하기 위한 순서도이다.
도 11을 참조하면, 의류 관리기(100)는 결정된 동작 코스에 기초하여 의류에 대한 관리를 실행할 수 있다(S1110). 동작 코스가 완료되면, 의류 관리기(100)는 의류의 관리 상태가 기설정된 조건을 만족하는 지 판단할 수 있다(S1120). 예를 들어, 의류 관리실(30)의 습도가 기설정된 습도 범위 이내이면, 의류 관리기(100)는 의류의 관리 상태가 기설정된 조건을 만족한다고 판단할 수 있다. 의류 관리실(30)의 습도가 기설정된 습도 범위 밖이면, 의류 관리기(100)는 의류의 관리 상태가 기설정된 조건을 만족하지 않는다고 판단할 수 있다. 의류의 관리 상태가 기설정된 조건을 만족하지 않는다고 판단된 경우(S1120-N), 의류 관리기(100)는 의류에 대한 관리를 추가적으로 실행할 수 있다.
의류의 관리 상태가 기설정된 조건을 만족한다고 판단된 경우(S1120-Y), 의류 관리기(100)는 사용자 피드백을 요청할 수 있다(S1130). 예를 들어, 의류 관리기(100)는 피드백 요청 메시지("정장의 케어가 완료되었습니다. 만족하시나요?")를 출력할 수 있다. 의류 관리기(100)는 사용자 피드백을 획득할 수 있다(S1140). 그리고, 의류 관리기(100)는 사용자 피드백에 기초하여 사용자가 의류 관리에 만족하는지 여부를 판단할 수 있다(S1150). 사용자가 의류 관리에 만족하지 않는다고 판단된 경우(S1150-N), 의류 관리기(100)는 의류에 대한 관리를 추가적으로 실행할 수 있다. 사용자가 의류 관리에 만족한다고 판단된 경우(S1150-Y), 의류 관리기(100)는 실행된 동작 코스를 저장할 수 있다(S1160).
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
한편, 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (15)

  1. 의류 관리기에 있어서,
    의류를 수용하는 의류 관리실을 포함하는 본체;
    상기 의류 관리실 내부를 촬영하도록 마련되며, 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함하는 광 센서 모듈; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    상기 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 상기 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득하고,
    상기 분광 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득하고,
    상기 특징 정보를 학습된 신경망 모델에 입력하여 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득하고,
    상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는
    의류 관리기.
  2. 제1 항에 있어서,
    상기 분광 데이터는,
    상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 상기 광 센서 모듈의 픽셀 정보를 포함하는
    의류 관리기.
  3. 제1 항에 있어서,
    상기 광 센서 모듈의 픽셀을 구성하는 복수의 수광 소자가 감응하는 파장 대역의 개수는 적어도 4 이상인 것을 특징으로 하는
    의류 관리기.
  4. 제1 항에 있어서,
    상기 광 센서 모듈의 복수의 픽셀 중 제1 픽셀에 대응되는 복수의 수광 소자는 서로 다른 파장 대역에 감응하는
    의류 관리기.
  5. 제1 항에 있어서,
    상기 광 센서 모듈의 복수의 픽셀 중 제1 픽셀에 대응되는 복수의 수광 소자는 동일한 파장 대역에 감응하는
    의류 관리기.
  6. 제1 항에 있어서,
    상기 프로세서는,
    상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 빛의 세기, 및
    상기 복수의 파장 대역 중 인접 파장 대역들에 대응되는 빛의 세기 간의 차이에 기초하여 상기 특징 정보를 획득하는
    의류 관리기.
  7. 제1 항에 있어서,
    상기 프로세서는,
    선형판별분석을 이용하여 상기 분광 데이터의 차원을 축소하고,
    상기 차원이 축소된 분광 데이터에 기초하여 상기 특징 정보를 획득하는
    의류 관리기.
  8. 제1 항에 있어서,
    상기 광 센서 모듈은 발광부를 포함하고,
    상기 프로세서는,
    상기 발광부로부터 출력된 광의 비행 시간 데이터를 획득하고,
    상기 비행 시간 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 뎁스 정보를 획득하고,
    상기 뎁스 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는
    의류 관리기.
  9. 제1 항에 있어서,
    상기 광 센서 모듈은,
    상기 광 센서 모듈에 포함된 발광부로부터 출력된 후 상기 의류 관리실 내에 수용된 의류에 반사된 광을 감지하는 제1 수광 소자, 및
    복수의 파장 대역 별 빛의 세기를 감지하는 제2 수광 소자를 포함하는
    의류 관리기.
  10. 제9 항에 있어서,
    상기 제1 수광 소자 및 상기 제2 수광 소자는 동일한 것을 특징으로 하는
    의류 관리기.
  11. 제1 항에 있어서,
    디스플레이;를 더 포함하고,
    상기 프로세서는,
    상기 의류 관리실 내에 수용된 복수의 의류의 소재에 대한 정보에 기초하여 상기 복수의 의류를 동시에 관리할 수 있는 지 여부를 판단하고,
    상기 복수의 의류를 동시에 관리할 수 없다고 판단되면, 의류 관리에 관한 가이드 메시지를 출력하도록 상기 디스플레이를 제어하는
    의류 관리기.
  12. 제1 항에 있어서,
    통신 회로를 포함하는 통신 인터페이스;를 더 포함하고,
    상기 프로세서는,
    상기 통신 인터페이스를 통해 외부 서버로부터 날씨 정보를 수신하고,
    상기 날씨 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는
    의류 관리기.
  13. 의류를 수용하는 의류 관리실을 포함하는 본체, 상기 의류 관리실 내부를 촬영하도록 마련되며, 감응하는 파장 대역이 상이하고 어레이 형태로 배열되는 복수의 수광 소자를 포함하는 광 센서 모듈을 포함하는 의류 관리기의 제어 방법에 있어서,
    상기 복수의 수광 소자에 의해 획득된 센싱 값에 기초하여 상기 의류 관리실 내에 수용된 의류에 대한 분광 데이터를 획득하는 단계;
    상기 분광 데이터에 기초하여 상기 의류 관리실 내에 수용된 의류에 대응되는 특징 정보를 획득하는 단계;
    상기 특징 정보를 학습된 신경망 모델에 입력하여 상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보를 획득하는 단계; 및
    상기 의류 관리실 내에 수용된 의류의 소재에 대한 정보에 기초하여 상기 의류 관리기의 동작 코스를 결정하는 단계;를 포함하는
    제어 방법.
  14. 제13 항에 있어서,
    상기 분광 데이터는,
    상기 복수의 수광 소자가 감응하는 복수의 파장 대역 별 상기 광 센서 모듈의 픽셀 정보를 포함하는
    제어 방법.
  15. 제13 항에 있어서,
    상기 광 센서 모듈의 픽셀을 구성하는 복수의 수광 소자가 감응하는 파장 대역의 개수는 적어도 4 이상인 것을 특징으로 하는
    제어 방법.
PCT/KR2022/008135 2021-06-10 2022-06-09 의류 관리기 및 그 제어 방법 WO2022260451A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202280041028.2A CN117460870A (zh) 2021-06-10 2022-06-09 一种衣物护理装置及其控制方法
EP22820578.7A EP4321673A1 (en) 2021-06-10 2022-06-09 Clothes care apparatus and control method therefor
US18/389,451 US20240085315A1 (en) 2021-06-10 2023-11-14 Clothes care apparatus and control method thereof

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2021-0075720 2021-06-10
KR20210075720 2021-06-10
KR10-2021-0143337 2021-10-26
KR1020210143337A KR20220166701A (ko) 2021-06-10 2021-10-26 의류 관리기 및 그 제어 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/389,451 Continuation US20240085315A1 (en) 2021-06-10 2023-11-14 Clothes care apparatus and control method thereof

Publications (1)

Publication Number Publication Date
WO2022260451A1 true WO2022260451A1 (ko) 2022-12-15

Family

ID=84426226

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/008135 WO2022260451A1 (ko) 2021-06-10 2022-06-09 의류 관리기 및 그 제어 방법

Country Status (3)

Country Link
US (1) US20240085315A1 (ko)
EP (1) EP4321673A1 (ko)
WO (1) WO2022260451A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018155291A1 (ja) * 2017-02-24 2018-08-30 パナソニックＩｐマネジメント株式会社 水分量センサ及び衣類乾燥装置
KR20190106924A (ko) * 2019-08-30 2019-09-18 엘지전자 주식회사 의류 포질에 따라 의류 처리 코스를 제어하는 방법, 장치 및 시스템
KR20200030472A (ko) * 2018-09-12 2020-03-20 엘지전자 주식회사 의류처리장치 및 이를 포함하는 온라인 시스템
KR20200065886A (ko) * 2018-11-30 2020-06-09 삼성전자주식회사 의류 관리기 및 그 제어 방법
KR20210044888A (ko) * 2018-09-05 2021-04-23 옵티멈 세미컨덕터 테크놀로지스 인코포레이티드 인공지능을 사용하는 자동선택 세탁 코스가 있는 세탁기

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018155291A1 (ja) * 2017-02-24 2018-08-30 パナソニックＩｐマネジメント株式会社 水分量センサ及び衣類乾燥装置
KR20210044888A (ko) * 2018-09-05 2021-04-23 옵티멈 세미컨덕터 테크놀로지스 인코포레이티드 인공지능을 사용하는 자동선택 세탁 코스가 있는 세탁기
KR20200030472A (ko) * 2018-09-12 2020-03-20 엘지전자 주식회사 의류처리장치 및 이를 포함하는 온라인 시스템
KR20200065886A (ko) * 2018-11-30 2020-06-09 삼성전자주식회사 의류 관리기 및 그 제어 방법
KR20190106924A (ko) * 2019-08-30 2019-09-18 엘지전자 주식회사 의류 포질에 따라 의류 처리 코스를 제어하는 방법, 장치 및 시스템

Also Published As

Publication number Publication date
US20240085315A1 (en) 2024-03-14
EP4321673A1 (en) 2024-02-14

Similar Documents

Publication Publication Date Title
WO2020204659A1 (en) Electronic device, method, and computer-readable medium for providing bokeh effect in video
JP5004845B2 (ja) 監視端末装置およびその表示処理方法，プログラム，メモリ
WO2021158017A1 (en) Electronic device and method for recognizing object
WO2020159217A1 (en) Electronic device and method for determining task including plural actions
WO2019156308A1 (ko) 광학식 이미지 안정화 움직임을 추정하기 위한 장치 및 방법
WO2018117681A1 (ko) 이미지 처리 방법 및 이를 지원하는 전자 장치
EP3746940A1 (en) Apparatus and method for recognizing object in image
WO2022260451A1 (ko) 의류 관리기 및 그 제어 방법
WO2020032383A1 (ko) 이미지에 대한 인식 정보, 인식 정보와 관련된 유사 인식 정보, 및 계층 정보를 이용하여 외부 객체에 대한 인식 결과를 제공하는 전자 장치 및 그의 동작 방법
KR20220166701A (ko) 의류 관리기 및 그 제어 방법
WO2019151734A1 (ko) 카메라 구동 방식 변경 기반의 음성 및 얼굴 인식 장치 및 방법
EP3997625A1 (en) Electronic apparatus and method for controlling thereof
CN103581538B (zh) 数字拍摄设备和控制所述数字拍摄设备的方法
WO2022025630A1 (ko) 거리 센서를 포함하는 전자 장치 및 오토 포커스 수행 방법
WO2021066275A1 (ko) 전자 장치 및 그 제어 방법
WO2017183796A1 (ko) 적외선 광학 장치를 탑재한 전자 장치 및 적외선 광학 장치의 제어 방법
CN117460870A (zh) 一种衣物护理装置及其控制方法
WO2022164008A1 (ko) 전자 장치 및 이의 제어 방법
WO2020111704A1 (en) Electronic device for scheduling a plurality of tasks and operating method thereof
WO2019240520A1 (ko) 사용자의 사진 촬영 의도를 식별하기 위한 전자 장치 및 방법
WO2022075725A1 (ko) 전자 장치 및 전자 장치에서 피부 형광 측정 방법
WO2023085446A1 (ko) 외부 환경 정보에 기초하여 건조 기능을 수행하는 건조기 및 그 제어 방법
WO2023113196A1 (ko) 지능형 영상 분석 방법을 제공하기 위한 장치 및 방법
WO2023277585A1 (ko) 신경망을 통해 이미지를 처리하는 방법 및 그 전자 장치
WO2024090792A1 (ko) 3d 모델을 생성하는 로봇 및 이의 제어 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22820578

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022820578

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022820578

Country of ref document: EP

Effective date: 20231109

NENP Non-entry into the national phase

Ref country code: DE