WO2025201519A1 - 清洁设备的决策处理方法及清洁设备、存储介质、设备 - Google Patents

清洁设备的决策处理方法及清洁设备、存储介质、设备

Info

Publication number
WO2025201519A1
WO2025201519A1 PCT/CN2025/085760 CN2025085760W WO2025201519A1 WO 2025201519 A1 WO2025201519 A1 WO 2025201519A1 CN 2025085760 W CN2025085760 W CN 2025085760W WO 2025201519 A1 WO2025201519 A1 WO 2025201519A1
Authority
WO
WIPO (PCT)
Prior art keywords
cleaning
data
dirt
cleaning process
current
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
PCT/CN2025/085760
Other languages
English (en)
French (fr)
Other versions
WO2025201519A9 (zh
Inventor
程冉
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.)
Beijing Rockrobo Technology Co Ltd
Original Assignee
Beijing Rockrobo 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 Beijing Rockrobo Technology Co Ltd filed Critical Beijing Rockrobo Technology Co Ltd
Publication of WO2025201519A1 publication Critical patent/WO2025201519A1/zh
Publication of WO2025201519A9 publication Critical patent/WO2025201519A9/zh
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/28—Floor-scrubbing machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4002—Installations of electric equipment
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor

Definitions

  • the present disclosure relates to the field of smart home technology, and in particular to a decision-making processing method for cleaning equipment, cleaning equipment, computer storage medium, and electronic equipment.
  • the cleaning equipment in the related art can only perform the cleaning task of the cleaning parts according to a set fixed process, and its intelligence level is relatively low.
  • a decision-making processing method for a cleaning device comprising:
  • the obtaining of dirt data of the cleaning component corresponding to the current cleaning process includes:
  • the water outlet cleaning step includes a plurality of consecutive preset time periods, and each of the preset time periods includes a plurality of consecutive unit time periods;
  • the obtaining of dirt data of the cleaning component corresponding to the water outlet cleaning step of the current cleaning process includes:
  • the identifying of abnormal events in the current round of cleaning process according to the reference contamination data, or according to the reference contamination data combined with the contamination data includes:
  • the fourth abnormal event occurring in the current round of cleaning process is recorded; the fourth abnormal event is used to characterize the abnormality of dirt sticking to the wall.
  • determining whether to perform the next cleaning process on the cleaning element In response to determining that the round number of the current cleaning process is greater than or equal to the specified round number, determining whether to perform the next cleaning process on the cleaning element according to the degree of dirtiness of the cleaning element and the quantitative value of the cleaning effect of the cleaning element.
  • determining whether to perform the next round of cleaning process on the cleaning member according to the degree of dirtiness of the cleaning member and the quantified value of the cleaning effect of the cleaning member includes:
  • the maximum limit number of rounds is determined according to the type of the cleaning device
  • Whether to perform the next round of cleaning process on the cleaning element is determined according to the round number of the next round of cleaning process, at least one of the degree of dirtiness of the cleaning element corresponding to the next round of cleaning process and the quantitative value of the cleaning effect.
  • the degree of contamination of the cleaning element is determined based on the difference between the contamination data of the current cleaning process and a preset reference contamination data, and the method further includes:
  • the preset baseline contamination data is updated using the target contamination data.
  • the preset baseline soiling data is updated according to a specified number of target soiling data associated with the specified number of pending update events.
  • the determining whether to update the preset baseline soiling data according to the target soiling data further includes:
  • the preset initial reference value is not updated.
  • the method further includes:
  • determining whether to re-clean the target cleaning area according to the floor dirt density includes:
  • the target cleaning area is cleaned again.
  • a cleaning device the cleaning device being provided with a cleaning member for mopping a floor, the cleaning device comprising:
  • a data acquisition module configured to acquire dirt data of the cleaning member corresponding to the current cleaning process when the current cleaning process in the current cleaning task is performed on the cleaning member
  • a data processing module configured to determine the degree of contamination of the cleaning element based on the contamination data of the current cleaning process; and determine a quantitative value of the cleaning effect of the cleaning element based on the difference between the contamination data of the current cleaning process and the contamination data of the previous cleaning process;
  • a decision module is configured to determine a subsequent cleaning strategy for the cleaning element according to at least one of a round number of the current cleaning process, a degree of dirtiness of the cleaning element, and a quantitative value of a cleaning effect of the cleaning element.
  • an electronic device comprising: a processor; and a memory for storing executable instructions of the processor; wherein the processor is configured to execute the decision-making processing method of the cleaning device described in the first aspect above by executing the executable instructions.
  • the decision-making processing method for cleaning equipment, cleaning equipment, computer storage medium, and electronic equipment in the exemplary embodiments of the present disclosure have at least the following advantages and positive effects:
  • the dirtiness of the cleaning parts can be obtained in real time, making it easier to decide on an effective cleaning strategy for the cleaning parts based on the dirtiness. Furthermore, based on the difference between the dirtiness data of the current cleaning process and the dirtiness data of the previous cleaning process, a quantitative value of the cleaning effect of the cleaning parts is determined, which can intuitively quantify the cleaning effect, thereby facilitating the subsequent decision-making of an effective cleaning strategy for the cleaning parts based on the quantitative value.
  • the subsequent cleaning strategy for the cleaning parts is determined based on the round number of the current cleaning process, the degree of dirtiness of the cleaning parts, and at least one of the quantitative values of the cleaning effect of the cleaning parts. This can comprehensively consider multiple factors to more accurately decide on subsequent cleaning strategies suitable for a variety of different scenarios, thereby ensuring that the cleaning parts are effectively cleaned in extremely dirty environments, thereby ensuring the cleanliness of extremely dirty environments, and reducing unnecessary cleaning processes for cleaning parts in generally dirty environments, thereby extending the service life of the cleaning parts, improving the working efficiency of the cleaning equipment, and enabling the cleaning equipment to perform cleaning tasks more accurately and efficiently.
  • FIG1 is a schematic flow chart showing a decision-making processing method for a cleaning device according to an embodiment of the present disclosure
  • FIG2 is a schematic diagram showing a process of obtaining dirt data of a cleaning component corresponding to a water outlet cleaning step in a current cleaning process in an embodiment of the present disclosure
  • FIG3 is a schematic diagram showing a process flow of how to identify abnormal events in the current round of cleaning process in an embodiment of the present disclosure
  • FIG4 is a flow chart showing how to identify abnormal events in the current cleaning process based on reference contamination data, or by combining the reference contamination data with contamination data of the water outlet cleaning process, in an embodiment of the present disclosure
  • FIG5 is a flowchart illustrating how to determine a subsequent cleaning strategy for a cleaning element based on at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning element, and the quantified value of the cleaning effect of the cleaning element in an embodiment of the present disclosure
  • FIG6 is a schematic diagram showing changes in N dirt data corresponding to N cleaning processes included in executing a cleaning task in an embodiment of the present disclosure
  • FIG7 is a schematic diagram showing a process of determining whether to update preset baseline dirt data in an embodiment of the present disclosure
  • FIG8 is a schematic diagram showing a flow chart of how to decide whether to perform a region re-drag in an embodiment of the present disclosure
  • FIG9 is a flow chart showing how to determine whether to re-clean a clean area according to the degree of dirtiness of the floor in an embodiment of the present disclosure
  • FIG10 is a schematic structural diagram of a cleaning device in an exemplary embodiment of the present disclosure.
  • FIG. 11 is a schematic structural diagram of an electronic device in an exemplary embodiment of the present disclosure.
  • the gear and water output setting for cleaning the mop are determined solely based on the cleaning effect of the mop (i.e., the difference in the degree of dirtiness of the water used in two consecutive washes).
  • This solution has too simple a judgment condition and is inaccurate in some scenarios. For example, when mopping extremely dirty wet garbage such as soy sauce, the mop may still be very dirty, but less water output and a lower gear may be used, resulting in an incomplete cleaning of the mop.
  • the dirtiness of the floor is determined based on the cleaning effect of the mop to determine whether re-mopping is necessary.
  • the cleaning effect of the mop may not represent the dirtiness of the floor, resulting in inaccurate re-mopping decisions.
  • the present disclosure proposes a decision-making and processing method for cleaning equipment, which can use green light and infrared light dirt detection sensors to provide a reasonable abnormality recognition mechanism, cleaning strategies for cleaning parts and decisions on whether to re-mop, and proposes a method for determining the ground dirt threshold through a big data model, so that the self-cleaning sweeping robot can perform cleaning and mopping tasks of cleaning parts more accurately and efficiently.
  • a decision-making processing method for a cleaning device is first provided, which at least to some extent overcomes the defect of low intelligence level in related technologies.
  • FIG1 is a flow chart showing a decision-making processing method for a cleaning device according to an embodiment of the present disclosure.
  • the execution subject of the decision-making processing method for a cleaning device may be a cleaning device.
  • a decision-making method for a cleaning device includes the following steps:
  • Step S110 when executing the current cleaning process in the current cleaning task on the cleaning element, obtaining dirt data of the cleaning element corresponding to the current cleaning process;
  • Step S120 determining the degree of contamination of the cleaning element based on the contamination data of the current cleaning process
  • Step S130 determining a quantitative value of the cleaning effect of the cleaning element according to the difference between the dirt data of the current cleaning process and the dirt data of the previous cleaning process;
  • Step S140 determining a subsequent cleaning strategy for the cleaning element according to at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning element, and the quantitative value of the cleaning effect of the cleaning element.
  • the dirtiness data corresponding to the current cleaning process is obtained for the cleaning component, and the degree of dirtiness of the cleaning component is determined based on the dirtiness data of the current cleaning process. This allows the degree of dirtiness of the cleaning component to be obtained in real time, facilitating the decision-making of an effective cleaning strategy for the cleaning component based on the dirtiness.
  • a quantitative value of the cleaning effect of the cleaning component is determined, enabling intuitive quantification of the cleaning effect, thereby facilitating the subsequent decision-making of an effective cleaning strategy for the cleaning component based on the quantitative value.
  • the subsequent cleaning strategy for the cleaning parts is determined based on the round number of the current cleaning process, the degree of dirtiness of the cleaning parts, and at least one of the quantitative values of the cleaning effect of the cleaning parts.
  • the cleaning device in the present disclosure can be a self-propelled device with a mopping function, such as a mopping robot or a sweeping and mopping robot.
  • Green light and infrared light pollution sensors are installed at the sewage pipe inlet of the cleaning device. These green light and infrared light pollution sensors can be used to obtain pollution detection values.
  • the above-mentioned cleaning equipment is provided with a cleaning part for mopping the floor, such as a mop or other flexible sponge that can be used to wipe the floor, etc., which can be set according to actual conditions, and the present disclosure does not make any special restrictions on this.
  • the cleaning device also includes a "scrubbing and scraping" self-cleaning base station with a cleaning brush module.
  • the self-cleaning base station can use a dual-light detection method (i.e., green light detection and infrared light detection) to detect sewage in the suction pipe/drain pipe, for example, once every 50ms (this can be set according to actual conditions and is not specifically limited in this disclosure).
  • the self-cleaning base station can continuously record the green light/infrared light detection values and transmit them to the cleaning device, so that the cleaning device can obtain the relevant dirt detection values.
  • each cleaning task in the present disclosure may include: N rounds of cleaning process + scraping process (i.e. scraping without water). If the cleaning equipment is equipped with a water tank base station, the value range of the above N is: 3 ⁇ N ⁇ 6. If the cleaning equipment is equipped with an automatic water supply and drainage base station, the value range of the above N is: 3 ⁇ N ⁇ 8.
  • Each round of cleaning process can include a water outlet cleaning link and a water pumping link.
  • the water outlet cleaning link can include: water outlet scraping + dry scraping + water outlet scraping + dry scraping; wherein, water outlet scraping means scraping and washing while water is outlet, that is, when water flows out of the cleaning brush module, the scraping brush will work at the same time to remove stains on the cloth; dry scraping means scraping and washing without water outlet.
  • This step is usually used to remove the remaining water on the cloth and the stains that are difficult to clean.
  • the cleaning process set in the present disclosure it can be ensured that the mop can be washed away by water for most of the stains during the cleaning process, and can also be deeply cleaned by the scraping brush.
  • the dryness of the module is ensured by pumping out water to avoid the adverse effects of residual moisture on the mop or other components.
  • step S110 when a current cleaning process in a current cleaning task is executed on a cleaning member, dirt data of the cleaning member corresponding to the current cleaning process is acquired.
  • contamination data of the cleaning components during the water-outlet cleaning phase of the current cleaning process (which may be referred to as the i-th cleaning process) may be obtained.
  • the contamination data of the cleaning components corresponding to the current cleaning process may be determined.
  • the contamination data of the water-outlet cleaning phase may be determined as the contamination data of the cleaning components corresponding to the current cleaning process.
  • the above-mentioned water outlet cleaning step can be the stage from 7 seconds after the end of the water pumping step of the previous cleaning process to the beginning of the water pumping step of the current cleaning process.
  • the water washing step may include multiple consecutive preset time periods, each of which may include multiple consecutive unit time periods.
  • the preset time period may be 3 seconds
  • the unit time period may be 1 second.
  • the above-mentioned multiple consecutive preset time periods can be expressed as: [t 0 +7s, t 0 +10s], [t 0 +10s, t 0 +13s], [t 0 +13s, t 0 +16s], where [t 0 +7s, t 0 +10s] is the first preset time period, [t 0 +10s, t 0 +13s] is the second time period, and [t 0 +13s, t 0 +16s] is the third preset time period.
  • FIG2 shows a flow chart of how to obtain dirt data of a cleaning component corresponding to the water cleaning step in the current round of cleaning process in an embodiment of the present disclosure, including steps S201 to S202:
  • step S201 after entering the water outlet cleaning phase of the current cleaning process, a plurality of first dirt detection values of the cleaning element within a first preset time period are obtained, and first fluctuation condition characterization values corresponding to the plurality of first dirt detection values are determined.
  • the dirt detection values involved in this disclosure all include detection values of two dimensions: the first dimension is the green light detection value, and the second dimension is the infrared light detection value.
  • the maximum and minimum values of the above multiple first dirt detection values can be obtained, and the first fluctuation situation characterization value can be determined based on the difference between the above maximum and minimum values.
  • the first fluctuation situation characterization value also includes characterization values of two dimensions (for example, for the convenience of description, the fluctuation situation characterization value corresponding to the green light dimension can be recorded as data1, and the fluctuation situation characterization value corresponding to the infrared light dimension can be recorded as data2).
  • the variance or standard deviation of multiple first dirt detection values can be obtained. Based on the calculated variance/standard deviation, a first fluctuation condition characterizing value is determined. For example, the calculated variance or standard deviation can be determined as the first fluctuation condition characterizing value.
  • the first dirt detection value includes green light detection values and infrared light detection values
  • the variances or standard deviations corresponding to the multiple green light detection values can be obtained, and the above-mentioned data1 can be determined based on their variances or standard deviations.
  • the variances or standard deviations of multiple infrared light detection values can be obtained, and the above-mentioned data2 can be determined based on their variances or standard deviations.
  • the fluctuation condition characterization value can be compared with the first fluctuation threshold. If the comparison result is: the first fluctuation condition characterization value is less than or equal to the first fluctuation threshold (i.e., data1 is less than or equal to W, and data2 is less than or equal to w), then the average value of the multiple first contamination detection values can be calculated (i.e., the average value Bi of the multiple green light detection values and the average value Bi of the multiple infrared light detection values) to obtain the contamination data of the cleaning component corresponding to the water outlet cleaning stage (i.e., the contamination data Bi in the green light dimension and the contamination data bi in the infrared light dimension, also referred to as stable detection data).
  • Each cleaning process in this disclosure also includes a pumping step after the water-outlet cleaning step. Based on this pumping step, this disclosure also provides a process for identifying abnormal events. Specifically, referring to Figure 3, Figure 3 shows a schematic flow diagram of how to identify abnormal events in the current cleaning process in an embodiment of this disclosure, including steps S301-S302:
  • the water pumping phase may refer to the phase from 1 second after the current round of cleaning process enters the water pumping phase to before the water pumping phase of the current round of cleaning process ends.
  • the specified time period can be 3 seconds. Therefore, assuming that the timestamp of the pumping phase of the current cleaning process is t 1 , the specified time period can be expressed as: [t 1 + 1s, t 1 + 4s].
  • the reference dirtiness data may be determined based on the following implementations:
  • the maximum value and minimum value among multiple green light detection values can be obtained, and the above-mentioned data3 can be determined based on the difference between the maximum value and the minimum value; and the maximum value and minimum value among multiple infrared light detection values can be obtained, and the above-mentioned data4 can be determined based on the difference between the maximum value and the minimum value.
  • the variance or standard deviation of multiple green light detection values can be obtained, and the above-mentioned data3 can be determined based on the calculated variance or standard deviation; and the variance or standard deviation of multiple infrared light detection values can be obtained, and the above-mentioned data4 can be determined based on the calculated variance or standard deviation.
  • step S402 if the reference dirt data is less than the first preset threshold, and the first dimension value of the dirt data is greater than or equal to the second preset threshold, and the second dimension value is greater than or equal to the third preset threshold, record that the third abnormal event occurs in the current round of cleaning process.
  • the third abnormal event is used to characterize the abnormality of the above-mentioned cleaning parts.
  • the third abnormal event can be recorded as: dirt detection abnormality-no water washing cloth abnormality (for example: the washing cloth is not placed normally, the washing cloth is missing or fails to work normally, etc.).
  • step S403 if the reference dirt data is smaller than the first preset threshold, and the first dimension value of the dirt data is smaller than the second preset threshold or the second dimension value is smaller than the third preset threshold, a fourth abnormal event is recorded as occurring in the current cleaning process.
  • a fourth abnormal event can be recorded as occurring during the current cleaning process.
  • This fourth abnormal event indicates that dirt has adhered to the wall.
  • the fourth abnormal event can be recorded as: dirt detection abnormality - dirt adhered to the wall abnormality.
  • a data loss event indicates that the dirt detection value reported by the green light/infrared light sensor is lost, resulting in the non-receipt of the dirt detection value.
  • the dirt detection value may be lost due to an abnormal network disconnection or other issues.
  • a data loss event may be recorded.
  • the present disclosure may record the following three types of information for the current cleaning process:
  • step S120 the degree of contamination of the cleaning element is determined based on the contamination data of the current cleaning process.
  • the degree of contamination of the cleaning element can be determined based on the contamination data of the current cleaning process.
  • the degree of contamination of the cleaning element can be determined based on the difference between the contamination data of the current cleaning process and a preset reference contamination data.
  • the dirt data for the current cleaning process can be represented as Bi , bi .
  • the cleaning effect quantization value also includes the quantization value corresponding to the green light dimension (denoted as Di ) and the quantization value corresponding to the infrared light dimension (denoted as Di ). Therefore, Di can be determined based on the difference between Bi and Bi -1 , and Di can be determined based on the difference between Bi and bi -1 .
  • a subsequent cleaning strategy for the cleaning elements is determined according to at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning elements, and the quantitative value of the cleaning effect of the cleaning elements.
  • FIG5 shows a flow chart of how to determine a subsequent cleaning strategy for a cleaning member based on at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning member, and the quantified value of the cleaning effect of the cleaning member in an embodiment of the present disclosure, including steps S501 and S502:
  • step S501 if the round number of the current cleaning process is less than the specified round number, it is determined to perform the next cleaning process on the cleaning element.
  • the round number i of the current cleaning process can be compared with a specified round number (which can be a limited minimum cleaning round number, for example, 3). If the round number i is less than the specified round number, it can be determined to continue the next cleaning process on the cleaning element.
  • a specified round number which can be a limited minimum cleaning round number, for example, 3
  • step S502 if the round number of the current cleaning process is greater than or equal to the specified round number, it is determined whether to perform the next cleaning process on the cleaning element according to the degree of dirtiness of the cleaning element and the quantitative value of the cleaning effect of the cleaning element.
  • the round number i of the current cleaning process is greater than or equal to the specified round number (i.e., 3)
  • the cleaning effect quantification value is greater than or equal to a preset quantification threshold (indicating that the mop's cleaning effect is significant, i.e., Di ⁇ H, or di ⁇ h), or the dirtiness is greater than or equal to a preset dirtiness threshold ( Ci ⁇ Q, or ci ⁇ q), or the number of data loss events recorded for the current cleaning process is less than a preset threshold (e.g., 3 times), then the next round of cleaning process can be continued for the cleaning element;
  • a preset quantification threshold indicating that the mop's cleaning effect is significant, i.e., Di ⁇ H, or di ⁇ h
  • a preset dirtiness threshold Ci ⁇ Q, or ci ⁇ q
  • the number of data loss events recorded for the current cleaning process is less than a preset threshold (e.g., 3 times)
  • the maximum limit number of rounds is reached (determined according to the equipment type of the cleaning equipment, for example, the maximum limit number of rounds for the basic version of the water tank is 6 or the maximum limit number of rounds for the automatic water supply and discharge version is 8). If the maximum limit number of rounds has been reached, there is no need to perform the next round of cleaning process on the cleaning parts, and the non-water scraping process can be entered. If the above-mentioned maximum limit number of rounds has not been reached, the degree of dirtiness and the quantitative value of the cleaning effect of the cleaning parts corresponding to the next round of cleaning process can be obtained. Based on at least one of the round number of the next round of cleaning process, the degree of dirtiness of the cleaning parts corresponding to the next round of cleaning process, and the quantitative value of the cleaning effect, it is determined again whether to perform the next round of cleaning process on the cleaning parts.
  • step S140 it is determined whether to execute the next round of cleaning process for the cleaning parts.
  • the present disclosure can dynamically determine and adjust the cleaning strategy according to a variety of factors. In view of the fact that the total number of rounds of the cleaning process executed on the cleaning parts is different, the total amount of water output corresponding to the cleaning of the cleaning parts is also different. Therefore, the present disclosure can comprehensively consider a variety of factors and more accurately decide on subsequent cleaning strategies suitable for a variety of different scenarios. For extremely dirty environments (higher dirtiness levels), multiple rounds of cleaning processes and corresponding larger water outputs can be used to ensure that the cleaning parts are effectively cleaned, thereby ensuring the cleanliness of the extremely dirty environments.
  • FIG6 shows a schematic diagram of changes in N dirt data corresponding to N cleaning processes included in executing a cleaning task in an embodiment of the present disclosure, as shown in FIG6 :
  • Each cleaning process consists of a water outlet cleaning phase and a water pumping phase.
  • the contamination data obtained during the first cleaning process can be represented as B 1 and b 1 .
  • the contamination data obtained during the second cleaning process can be represented as B 2 and b 2 .
  • the contamination data obtained during the third cleaning process can be represented as B 3 and b 3 , and so on.
  • the contamination data obtained during the Nth cleaning process can be represented as B N and b N . As the number of cleaning processes increases, the contamination data values gradually approach the clean water detection values.
  • FIG. 7 shows a flow chart of how to determine whether to update the preset baseline dirt data in an embodiment of the present disclosure, including steps S701 to S702:
  • step S701 target dirtiness data of the last round of cleaning process of the current cleaning task is obtained.
  • step S702 it is determined whether to update the preset reference soiling data according to the target soiling data.
  • determining whether to update the preset reference data according to the target dirtiness data includes the following situations:
  • the preset baseline dirt data is updated using the target dirt data, i.e., the preset baseline dirt data A and a are updated to B N1 and b N1 .
  • a pending update event is recorded (a pending update event indicates that the current situation does not meet the conditions for updating the preset baseline contamination data.
  • a counter can be used to count the pending update events, and whether to update the preset baseline contamination data is determined based on the count) and the target contamination data associated with the pending update event.
  • the preset baseline contamination data can be updated based on the specified number of target contamination data (e.g., B N1 , b N1 , B N2 , b N2 , ..., B N10 , b N10 ) associated with the specified number of pending update events.
  • the maximum value (for example, B N10 ) may be selected from B N1 , B N2 , ..., B N10 , and A may be updated to B N10 .
  • the preset initial reference value will not be updated, and the counter can be reset to the above initial value.
  • the present disclosure further provides a solution for determining whether to perform a region re-drag.
  • FIG8 shows a flow chart of how to determine whether to perform a region re-drag in an embodiment of the present disclosure, including steps S801 to S803:
  • step S801 the dirt data of the cleaning process of the designated wheel in the current cleaning task is obtained.
  • contamination data for a specified cleaning run in the current cleaning task (assuming it is the tth run) can be obtained.
  • the specified cleaning run can be contamination data for the second cleaning run (denoted as B 2t , b 2t ) or the first cleaning run. This can be set based on actual circumstances and is not specifically limited in this disclosure.
  • step S802 the degree of dirtiness of the floor of the target cleaning area is determined based on the dirtiness data of the last cleaning process in the previous cleaning task and the dirtiness data of the specified cleaning process in the current cleaning task.
  • the dirtiness data of the last cleaning process of the previous cleaning task (assuming it is the lth time) can be expressed as (B N1 , b N1 ). Therefore, the dirtiness of the ground in the target cleaning area can be determined based on the above B N1 , b N1 and B 2t , b 2t .
  • the target cleaning area refers to the area cleaned during the interval between the completion of the last round of cleaning process and the start of the specified round of cleaning process (ie, the interval between two rounds of cleaning processes).
  • the difference between B N1 and B 2t , and the difference between b N1 and b 2t can be calculated.
  • the degree of floor dirtiness in the clean area (B N1 - B 2t , b N1 - b 2t ) can be determined based on these two differences. Based on these differences, the cumulative amount of dirt on the floor between two washes can be quantified.
  • step S803 it is determined whether to clean the clean area again according to the degree of dirtiness of the ground.
  • FIG9 shows a flow chart of how to determine whether to re-clean the clean area according to the degree of dirtiness of the ground in an embodiment of the present disclosure, including steps S901 to S903:
  • step S901 the area of the target cleaning area is obtained.
  • the area S of the target cleaning area may be obtained.
  • the ground dirt density can be determined based on the ratio of the ground dirt level to the area of the region.
  • the ground dirt density can reflect the amount of dirt per unit area. Specifically, the two dimensions of ground dirt density can be expressed as: (B N1 - B 2t )/S and (b N1 - b 2t )/S.
  • step S903 it is determined whether to clean the target cleaning area again according to the dirt density of the ground.
  • whether to re-clean the target cleaning area can be determined based on the floor dirt density.
  • the floor dirt density can be compared with a preset dirt density threshold (G, g). If the comparison result is: (B N1 - B 2t )/S > G, or (b N1 - b 2t )/S > g, it can be determined that the target cleaning area needs to be re-cleaned.
  • any of the above-mentioned types of abnormal events i.e., any of the first to fourth abnormal events
  • the number of occurrences of the above-mentioned data loss event is greater than the preset threshold value (for example: 3)
  • the relevant dirty data of the above-mentioned two cleaning tasks may not be used to decide whether to re-drag, so as to avoid wrong decisions.
  • the threshold values (E, e, H, h, K, k and W, w) involved in the present disclosure can be determined by user baseline tests, and the above-mentioned dirt density threshold values G and g can be determined by user baseline tests combined with a big data ranking model. For example: by collecting the dirt density score values of internal test users each time they clean the mop, a big data ranking model for dirt density values is produced. According to the user survey, the probability of the user's floor dirt is determined to be x%, and the top x% of all users' dirt density values are defined as floor dirt. Then the dirt density threshold values G and g can be taken as the values of the x% of all users' dirt density values.
  • the accuracy of the decision can be improved, thereby improving the cleaning quality and cleaning efficiency of the cleaning equipment.
  • the difference in mop dirtiness between the two rewashes is used to represent the floor dirtiness.
  • the floor dirt density is calculated based on the mopping area between the two rewashes. This dirt density determines whether remopping is necessary. This allows for more accurate quantification of floor dirtiness, leading to more precise remopping decisions.
  • the threshold can be determined more in line with the user's actual usage scenario, thereby improving the accuracy of repeated drag decisions.
  • FIG10 shows a schematic structural diagram of a cleaning device in an exemplary embodiment of the present disclosure.
  • the cleaning device 1000 may include a data acquisition module 1010, a data processing module 1020, and a decision module 1030.
  • the data acquisition module 1010 is configured to acquire dirt data of the cleaning component corresponding to the current cleaning process when the current cleaning process in the current cleaning task is performed on the cleaning component;
  • the data processing module 1020 is configured to determine the degree of contamination of the cleaning element based on the contamination data of the current cleaning process; and to determine a quantitative value of the cleaning effect of the cleaning element based on the difference between the contamination data of the current cleaning process and the contamination data of the previous cleaning process;
  • the decision module 1030 is configured to determine a subsequent cleaning strategy for the cleaning element according to at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning element, and the quantitative value of the cleaning effect of the cleaning element.
  • each round of cleaning process includes a water outlet cleaning step.
  • the data acquisition module 1010 acquires the dirtiness data of the cleaning element corresponding to the current cleaning process, including:
  • the dirt data of the cleaning element corresponding to the water-outlet cleaning phase of the current cleaning process can be determined as the dirt data corresponding to the current cleaning process.
  • the water outlet cleaning segment includes a plurality of consecutive preset time periods, and each of the preset time periods includes a plurality of consecutive unit time periods.
  • the data acquisition module 1010 acquires the dirtiness data of the cleaning component corresponding to the water outlet cleaning step of the current cleaning process, including:
  • the contamination data corresponding to the water outlet cleaning phase is determined based on an average value of the plurality of first contamination detection values.
  • the average value of the plurality of first contamination detection values may be determined as the contamination data corresponding to the water outlet cleaning phase.
  • the data acquisition module 1010 determines the first fluctuation condition representation values corresponding to the plurality of first dirt detection values, including:
  • the variance/standard deviation of the plurality of first dirt detection values and determine the first fluctuation condition characterizing value based on the variance/standard deviation.
  • the variance/standard deviation may be determined as the first fluctuation condition characterizing value.
  • the data processing module 1020 is configured to:
  • the first abnormal event is used to indicate that the dirtiness data of the current cleaning process is an abnormal value.
  • the data processing module 1020 is configured to:
  • the second fluctuation condition characterizing value is still greater than the first fluctuation threshold, then obtaining fluctuation condition characterizing values corresponding to a plurality of dirt detection values within a next preset time period until the next preset time period becomes a last preset time period, and in response to a last fluctuation condition characterizing value corresponding to the last preset time period still being greater than the first fluctuation threshold, recording that a second abnormal event has occurred in the current cleaning process;
  • the second abnormal event is used to indicate that the current round of cleaning process has a dirt and jitter abnormality.
  • each round of cleaning process further includes a water pumping step, which is located after the water outlet cleaning step.
  • the data processing module 1020 is configured to:
  • Abnormal events in the current round of cleaning process are identified based on the reference dirt data, or the reference dirt data combined with the dirt data of the water outlet cleaning link.
  • the data processing module 1020 obtains reference dirt data of the cleaning component corresponding to the water pumping step of the current cleaning process, including:
  • the reference dirt data is determined according to the variance/standard deviation of the plurality of third dirt detection values.
  • the reference dirt data includes a first dimension value and a second dimension value.
  • the data processing module 1020 identifies abnormal events in the current cleaning process based on the reference contamination data, or based on the reference contamination data combined with the contamination data, including:
  • a third abnormal event is recorded as occurring in the current cleaning process; the third abnormal event is used to indicate that an abnormality has occurred in the cleaning element;
  • the reference dirt data is less than the first preset threshold, and the first dimension value of the dirt data is less than the second preset threshold or the second dimension value is less than the third preset threshold, record the fourth abnormal event in the current cleaning process; the fourth abnormal event is used to characterize the abnormality of dirt sticking to the wall.
  • the decision module 1030 determines a subsequent cleaning strategy for the cleaning element based on at least one of the round number of the current cleaning process, the degree of dirtiness of the cleaning element, and the quantitative value of the cleaning effect of the cleaning element, including:
  • whether to perform the next cleaning process on the cleaning element is determined according to the degree of dirtiness of the cleaning element and the quantitative value of the cleaning effect of the cleaning element.
  • the decision module 1030 determines whether to perform the next round of cleaning process on the cleaning member based on the degree of dirtiness of the cleaning member and the quantitative value of the cleaning effect of the cleaning member, including:
  • the quantified value of the cleaning effect is greater than or equal to the preset quantified threshold, or the degree of dirtiness is greater than or equal to the preset degree of dirtiness threshold, or the number of data loss events recorded for the current round of cleaning process is less than the preset number threshold, it is determined to execute the next round of cleaning process on the cleaning part.
  • the decision module 1030 is configured to:
  • the maximum number of rounds is reached, there is no need to perform the next round of cleaning process on the cleaning element; the maximum number of rounds is determined according to the type of the cleaning device;
  • Whether to perform the next round of cleaning process on the cleaning element is determined according to the round number of the next round of cleaning process, at least one of the degree of dirtiness of the cleaning element corresponding to the next round of cleaning process and the quantitative value of the cleaning effect.
  • the decision module 1030 determines whether to perform the next round of cleaning process on the cleaning member based on the degree of dirtiness of the cleaning member and the quantified value of the cleaning effect of the cleaning member, and further includes:
  • the degree of contamination of the cleaning element is determined based on the difference between the contamination data of the current cleaning process and the preset baseline contamination data.
  • the decision module 1030 is configured to:
  • Determining whether to update the preset baseline soiling data is determined according to the target soiling data.
  • the decision module 1030 determines whether to update the preset baseline soiling data according to the target soiling data, including:
  • the preset baseline contamination data is updated using the target contamination data.
  • the decision module 1030 determines whether to update the preset baseline soiling data according to the target soiling data, and further includes:
  • the target dirtiness data is within the preset normal value range, and the difference between the target dirtiness data and the preset baseline dirtiness data is greater than or equal to the preset difference threshold, recording a pending update event and the target dirtiness data associated with the pending update event;
  • the preset baseline soiling data is updated according to a specified number of target soiling data associated with the specified number of pending update events.
  • the decision module 1030 determines whether to update the preset baseline soiling data according to the target soiling data, and further includes:
  • the preset initial reference value is not updated.
  • the decision module 1030 determines whether to re-clean the target cleaning area according to the floor dirt density, including:
  • the present application also provides a computer-readable storage medium, which may be included in the electronic device described in the above embodiment; or may exist independently without being assembled into the electronic device.
  • Computer-readable storage media can transmit, propagate, or transfer programs for use by or in conjunction with an instruction execution system, apparatus, or device.
  • Program code contained on a computer-readable storage medium can be transmitted using any suitable medium, including but not limited to wireless, wireline, optical cable, RF, or any suitable combination thereof.
  • an electronic device capable of implementing the above method is also provided in an embodiment of the present disclosure.
  • aspects of the present disclosure may be implemented as systems, methods, or program products. Therefore, various aspects of the present disclosure may be implemented in the following forms: a complete hardware implementation, a complete software implementation (including firmware, microcode, etc.), or a combination of hardware and software implementations, which may be collectively referred to herein as "circuits,” “modules,” or “systems.”
  • the electronic device 1100 according to this embodiment of the present disclosure is described below with reference to Figure 11.
  • the electronic device 1100 shown in Figure 11 is merely an example and should not limit the functions and scope of use of the embodiments of the present disclosure.
  • electronic device 1100 is implemented as a general-purpose computing device.
  • Components of electronic device 1100 may include, but are not limited to, the aforementioned at least one processing unit 1110, the aforementioned at least one storage unit 1120, a bus 1130 connecting various system components (including storage unit 1120 and processing unit 1110), and a display unit 1140.
  • the storage unit 1120 may include a readable medium in the form of a volatile storage unit, such as a random access memory unit (RAM) 11201 and/or a cache memory unit 11202 , and may further include a read-only memory unit (ROM) 11203 .
  • RAM random access memory
  • ROM read-only memory
  • the bus 1130 may represent one or more of several types of bus structures, including a memory bus or memory controller, a peripheral bus, an accelerated graphics port, a processing unit, or a local bus using any of a variety of bus architectures.
  • the electronic device 1100 can also communicate with one or more external devices 1200 (e.g., a keyboard, a pointing device, a Bluetooth device, etc.), one or more devices that enable a user to interact with the electronic device 1100, and/or any device that enables the electronic device 1100 to communicate with one or more other computing devices (e.g., a router, a modem, etc.). Such communication can occur via an input/output (I/O) interface 1150.
  • the electronic device 1100 can also communicate with one or more networks (e.g., a local area network (LAN), a wide area network (WAN), and/or a public network such as the Internet) via a network adapter 1160.
  • networks e.g., a local area network (LAN), a wide area network (WAN), and/or a public network such as the Internet

Landscapes

  • Cleaning In General (AREA)
  • Cleaning By Liquid Or Steam (AREA)

Abstract

一种清洁设备的决策处理方法、清洁设备、计算机存储介质、电子设备，其中，清洁设备的决策处理方法包括：在对清洁件执行当前次清洗任务中的当前轮清洗流程时，获取清洁件对应于当前轮清洗流程的脏污数据；根据当前轮清洗流程的脏污数据确定清洁件的脏污程度；根据当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定清洁件的清洁效果量化值；根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略。

Description

清洁设备的决策处理方法及清洁设备、存储介质、设备
相关申请的交叉引用
本公开要求2024年3月29日提交的中国专利申请号202410383021.X的优先权，该中国专利申请以其整体通过引用并入本文。
技术领域
本公开涉及智能家居技术领域，特别涉及一种清洁设备的决策处理方法、清洁设备、计算机存储介质及电子设备。
背景技术
随着计算机及互联网技术的迅速发展与进步，相关智能家居设备也在不断创新和突破，各种清洁设备应运而生。
相关技术中的清洁设备只能根据设定好的固定流程来执行清洁件的清洗任务，其智能化程度较低。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种清洁设备的决策处理方法、清洁设备、计算机存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的智能化程度较低的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种清洁设备的决策处理方法，所述清洁设备设置有用于拖地的清洁件，所述方法包括：
在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；
根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；
根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；以及
根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
在本公开的示例性实施例中，每轮清洗流程均包含出水清洗环节；
所述获取所述清洁件对应于所述当前轮清洗流程的脏污数据，包括：
获取所述清洁件对应于所述当前轮清洗流程中出水清洗环节的脏污数据，基于所述出水清洗环节的脏污数据，确定对应于所述当前轮清洗流程的脏污数据。
在本公开的示例性实施例中，所述出水清洗环节包含多个连续的预设时间周期，每个所述预设时间周期内包含多个连续的单位时段；
所述获取所述清洁件对应于所述当前轮清洗流程的出水清洗环节的脏污数据，包括：
在进入所述当前轮清洗流程的出水清洗环节之后，获取第一个预设时间周期内所述清洁件的多个第一脏污检测值，并确定所述多个第一脏污检测值对应的第一波动情况表征值；
响应于确定所述第一波动情况表征值小于或等于第一波动阈值，基于所述多个第一脏污检测值的平均值，确定对应于所述出水清洗环节的脏污数据。
在本公开的示例性实施例中，所述确定所述多个第一脏污检测值对应的第一波动情况表征值，包括：
获取所述多个第一脏污检测值中的最大值和最小值，根据所述最大值和所述最小值之间的差值，确定所述第一波动情况表征值；
或者，获取所述多个第一脏污检测值的方差或标准差，基于所述方差或标准差，确定所述第一波动情况表征值。
在本公开的示例性实施例中，所述方法还包括：
响应于确定所述脏污数据未处于预设的正常值范围内，记录所述当前轮清洗流程出现第一异常事件；
其中，所述第一异常事件用于表征所述当前轮清洗流程的脏污数据为异常数值。
在本公开的示例性实施例中，所述方法还包括：
响应于确定所述第一波动情况表征值大于所述第一波动阈值，获取第二个预设时间周期内所述清洁件的多个第二脏污检测值，并确定所述多个第二脏污检测值对应的第二波动情况表征值；
响应于确定所述第二波动情况表征值仍大于所述第一波动阈值，获取下一个预设时间周期内的多个脏污检测值所对应的波动情况表征值，直至所述下一个预设时间周期为最后一个预设时间周期，并且响应于确定所述最后一个预设时间周期所对应的最后一个波动情况表征值大于所述第一波动阈值，记录所述当前轮清洗流程出现第二异常事件；
其中，所述第二异常事件用于表征所述当前轮清洗流程出现脏污抖动异常。
在本公开的示例性实施例中，每轮清洗流程还包含抽水环节，所述抽水环节位于所述出水清洗环节之后，所述方法还包括：
获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据；以及
根据所述参考脏污数据，或者，根据所述参考脏污数据结合所述出水清洗环节的脏污数据，对所述当前轮清洗流程中的异常事件进行识别。
在本公开的示例性实施例中，所述获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据，包括：
在进入所述当前轮清洗流程的抽水环节之后，获取所述清洁件在指定时间周期内的多个第三脏污检测值；
根据所述多个第三脏污检测值中最大值与最小值之间的差值，确定所述参考脏污数据；
或者，根据所述多个第三脏污检测值的方差或标准差，确定所述参考脏污数据。
在本公开的示例性实施例中，所述脏污数据包含第一维度值和第二维度值；
所述根据所述参考脏污数据，或者，根据所述参考脏污数据结合所述脏污数据，对所述当前轮清洗流程中的异常事件进行识别，包括：
响应于确定所述参考脏污数据大于或等于第一预设阈值，确定未识别出异常事件；
响应于确定所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值大于或等于第二预设阈值，且第二维度值大于或等于第三预设阈值，记录所述当前轮清洗流程出现第三异常事件；所述第三异常事件用于表征所述清洁件出现异常；
响应于确定所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值小于所述第二预设阈值或所述第二维度值小于所述第三预设阈值，记录所述当前轮清洗流程出现第四异常事件；所述第四异常事件用于表征脏污出现挂壁异常。
在本公开的示例性实施例中，所述根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略，包括：
响应于确定所述当前轮清洗流程的轮次号小于指定轮次号，确定对所述清洁件执行下一轮清洗流程；
响应于确定所述当前轮清洗流程的轮次号大于或等于所述指定轮次号，根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，所述根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，包括：
响应于确定所述清洁效果量化值大于或等于预设量化阈值，或，所述脏污程度大于或等于预设的脏污程度阈值，或，针对所述当前轮清洗流程所记录的数据丢失事件的发生次数小于预设次数阈值，确定对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，所述方法还包括：
响应于确定达到所述最大限制轮次数，不对所述清洁件执行下一轮清洗流程；所述最大限制轮次数是根据所述清洁设备的设备类型确定的；
响应于确定未达到所述最大限制轮次数，获取所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值；以及
根据所述下一轮清洗流程的轮次号、所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值中的至少一项，确定是否对所述清洁件执行再下一轮清洗流程。
在本公开的示例性实施例中，所述根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，还包括：
响应于确定所述清洁效果量化值小于所述预设量化阈值且所述脏污程度小于所述预设的脏污程度阈值，不对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，所述清洁件的脏污程度是根据所述当前轮清洗流程的脏污数据与预设的基准脏污数据之间的差值确定的，所述方法还包括：
在所述当前次清洗任务执行完毕之后，获取所述当前次清洗任务的最后一轮清洗流程所对应的目标脏污数据；以及
根据所述目标脏污数据确定是否更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，包括：
响应于确定所述目标脏污数据处于预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值小于预设差值阈值，利用所述目标脏污数据更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
响应于确定所述目标脏污数据处于所述预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值大于或等于所述预设差值阈值，记录待定更新事件和与所述待定更新事件相关联的目标脏污数据；
响应于确定所述待定更新事件连续出现指定次数，根据与所述指定次数个待定更新事件相关联的指定次数个目标脏污数据更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
响应于确定所述目标脏污数据未处于预设的正常值范围内，不更新所述预设的初始基准值。
在本公开的示例性实施例中，所述方法还包括：
获取当前次清洗任务中指定轮清洗流程的脏污数据；
根据上一次清洗任务中最后一轮清洗流程的脏污数据和所述当前次清洗任务中指定轮清洗流程的脏污数据，确定目标清洁区域的地面脏污程度；所述目标清洁区域是从执行完所述最后一轮清洗流程到开始执行所述指定轮清洗流程的间隔期间清洁过的区域；以及
根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁。
在本公开的示例性实施例中，所述根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁，包括：
获取所述目标清洁区域的区域面积；
根据所述地面脏污程度和所述区域面积的比值，确定地面脏污密度；以及
根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁。
在本公开的示例性实施例中，所述根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁，包括：
响应于确定所述地面脏污密度大于预设脏污密度阈值，对所述目标清洁区域进行再次清洁。
根据本公开的第二方面，提供一种清洁设备，所述清洁设备设置有用于拖地的清洁件，所述清洁设备包括：
数据获取模块，用于在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；
数据处理模块，用于根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；以及
决策模块，用于根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的清洁设备的决策处理方法。
根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的清洁设备的决策处理方法。
由上述技术方案可知，本公开示例性实施例中的清洁设备的决策处理方法、清洁设备、计算机存储介质及电子设备至少具备以下优点和积极效果：
在本公开的一些实施例所提供的技术方案中，一方面，通过在对清洁件执行当前次清洗任务中的当前轮清洗流程时，获取清洁件对应于当前轮清洗流程的脏污数据，根据当前轮清洗流程的脏污数据确定清洁件的脏污程度，从而可以实时获取清洁件的脏污程度，便于根据该脏污程度决策出有效的清洁件清洗策略。进一步的，根据当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定清洁件的清洁效果量化值，能够对清洁效果进行直观量化，从而便于后续根据该量化值决策出有效的清洁件清洗策略。另一方面，根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略，能够综合多种因素更加准确地决策出适用于多种不同场景的后续清洗策略，从而针对极端脏污环境能够保证清洁件被有效清洁，从而保证极端脏污环境的清洁度，而针对一般脏污环境能够减少针对清洁件的不必要的清洗流程，从而延长清洁件的使用寿命，提高清洁设备的工作效率，使得清洁设备能够更加准确高效的执行清洁任务。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本公开实施例中清洁设备的决策处理方法的流程示意图；
图2示出本公开实施例中如何获取清洁件对应于当前轮清洗流程中出水清洗环节的脏污数据的流程示意图；
图3示出本公开实施例中如何对当前轮清洗流程中的异常事件进行识别的流程示意图；
图4示出本公开实施例中如何根据参考脏污数据，或者，参考脏污数据结合出水清洗环节的脏污数据，对当前轮清洗流程中的异常事件进行识别的流程示意图；
图5示出本公开实施例中如何根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略的流程示意图；
图6示出本公开实施例中执行一次清洗任务所包含的N个清洗流程所对应的N个脏污数据的变化示意图；
图7示出本公开实施例中如何确定是否更新预设的基准脏污数据的流程示意图；
图8示出本公开实施例中如何决策是否执行区域复拖的流程示意图；
图9示出本公开实施例中如何根据地面脏污程度，确定是否对清洁区域进行再次清洁的流程示意图；
图10示出本公开示例性实施例中清洁设备的结构示意图；
图11示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
本发明人发现，相关技术中的清洁设备至少存在以下待改进点：
第一，只根据拖布的清洗效果(即相邻两次洗布用水脏污程度的差值)来判断对拖布进行清洗时所设置的档位和出水量。该方案判断条件过于单一，在某些场景下判断不准确，例如在拖到老抽等异常脏污的湿垃圾情况下，拖布仍然很脏，但可能会使用较少出水量和较低档位，导致拖布无法洗干净；
第二，没有任何的异常识别机制，因而，在出现异常的情况下仍会使用错误的检测值进行计算和处理。该方案可能会导致一些极端情况，例如：拖布非常脏的时候仅使用少量水来对其进行清洗；
第三，根据拖布的清洗效果来确定地面的脏污情况，判断是否需要复拖；该方案中拖布的清洗效果可能无法代表地面的脏污情况，从而导致复拖决策不准确。
基于上述问题，本公开提出一种清洁设备的决策处理方法，能够利用绿光和红外光脏污检测传感器，提供合理的异常识别机制、针对清洁件的清洗策略和是否复拖的决策，并提出通过大数据模型确定地面脏污阈值的方法，使自清洁扫地机器人更准确更有效地进行清洁件的清洗和拖地任务。
在本公开的实施例中，首先提供了一种清洁设备的决策处理方法，至少在一定程度上克服相关技术中智能化程度较低的缺陷。
图1示出本公开实施例中清洁设备的决策处理方法的流程示意图，该清洁设备的决策处理方法的执行主体可以是清洁设备。
参考图1，根据本公开的一个实施例的清洁设备的决策处理方法包括以下步骤：
步骤S110，在对清洁件执行当前次清洗任务中的当前轮清洗流程时，获取清洁件对应于当前轮清洗流程的脏污数据；
步骤S120，根据当前轮清洗流程的脏污数据确定清洁件的脏污程度；
步骤S130，根据当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定清洁件的清洁效果量化值；
步骤S140，根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略。
在图1所示实施例所提供的技术方案中，一方面，在对清洁件执行当前次清洗任务中的当前轮清洗流程时，获取清洁件对应于当前轮清洗流程的脏污数据，根据当前轮清洗流程的脏污数据确定清洁件的脏污程度，从而可以实时获取清洁件的脏污程度，便于根据该脏污程度决策出有效的清洁件清洗策略。进一步的，根据当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定清洁件的清洁效果量化值，能够对清洁效果进行直观量化，从而便于后续根据该量化值决策出有效的清洁件清洗策略。另一方面，根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略，能够综合多种因素更加准确地决策出适用于多种不同场景的后续清洗策略，从而针对极端脏污环境能够保证清洁件被有效清洁，进而保证极端脏污环境的清洁度，而针对一般脏污环境能够减少针对清洁件的不必要的清洗流程，从而延长清洁件的使用寿命，提高清洁设备的工作效率，使得清洁设备能够更加准确高效的执行清洁任务。
以下对图1中的各个步骤的具体实现过程进行详细阐述：
在步骤S110之前，需要说明的是，本公开中的清洗设备可以是具备拖地功能的自移动设备，例如：拖地机器人或者扫拖机器人。上述清洁设备的污水管入口处安装有绿光和红外光脏污传感器。通过绿光和红外光脏污传感器，可以获得脏污检测值。
上述清洁设备设置有用于拖地的清洁件，例如：拖布或其他可以用于擦拭地板的柔性海绵等，可以根据实际情况自行设置，本公开对此不作特殊限定。
上述清洁设备还带有清洗刷模组的“洗刷刮”自清洁基站。自清洁基站在接收到每次清洗任务之后，可以采用双光源检测方式(即绿光检测和红外光检测)对抽水管/排水管内的污水进行检测，例如：每50ms(可以根据实际情况自行设定，本公开对此不作特殊限定)检测一次。自清洁基站可以持续记录绿光/红外光的检测值，并将其传输给清洁设备，以使清洁设备获取到相关脏污检测值。
此外，本公开中的每次清洗任务可以包含：N轮清洗流程+刮干流程(即不出水刮干)。若清洁设备带有水箱版基站，则上述N的取值范围是：3≤N≤6。若清洁设备带有自动上下水版基站，则上述N的取值范围是：3≤N≤8。N的具体取值由清洁设备根据执行每轮清洗流程时的实际情况做出决策。不同的N值对应着不同的清洗档位。具体而言，N＝3为第1档位，N＝4为第2档位，N＝5为第3档位，N＝6为第4档位，N＝7为第5档位，N＝8为第6档位。
每轮清洗流程可以包含出水清洗环节和抽水环节。具体而言，出水清洗环节可以包含：出水刮+干刮+出水刮+干刮；其中，出水刮表示在出水的同时进行刮洗，也就是说，当水从清洗刷模组中流出时，刮刷会同时工作，以清除布上的污渍；干刮表示在没有出水的情况下进行刮洗，这一步骤通常用于去除布上剩余的水分和难以清洗的污渍。通过本公开中所设置的清洗流程，可以确保拖布在清洗过程中既能被水冲掉大部分污渍，又能被刮刷深度清洁，最后通过抽水确保模组内部干燥，避免残留水分对拖布或其他组件造成不良影响。
接着参考图1，在步骤S110中，在对清洁件执行当前次清洗任务中的当前轮清洗流程时，获取清洁件对应于当前轮清洗流程的脏污数据。
本步骤中，可以获取清洁件在当前轮清洗流程(可以称作第i轮清洗流程)中的出水清洗环节的脏污数据。基于出水清洗环节的脏污数据，确定清洁件对应于当前轮清洗流程的脏污数据。例如，可以将出水清洗环节的脏污数据确定为清洁件对应于当前轮清洗流程的脏污数据。
示例性的，上述出水清洗环节可以是上一轮清洗流程的抽水环节结束之后的7s至当前轮清洗流程的抽水环节到来之前的阶段。
需要说明的是，上述出水清洗环节可以包含多个连续的预设时间周期，每个预设时间周期内包含多个连续的单位时段。示例性的，上述预设时间周期可以是3s，上述单位时段可以是1s。
示例性的，假设上述上一轮清洗流程的抽水环节结束的时间戳为t0，并且上述出水清洗环节总共包含3个连续的预设时间周期，则示例性的，上述多个连续的预设时间周期可以表示为：[t0+7s，t0+10s]，[t0+10s，t0+13s]，[t0+13s，t0+16s]，其中[t0+7s，t0+10s]为第一个预设时间周期，[t0+10s，t0+13s]为第二个时间周期，[t0+13s，t0+16s]为第三个预设的时间周期。
具体的，参考图2，图2示出本公开实施例中如何获取清洁件对应于当前轮清洗流程中出水清洗环节的脏污数据的流程示意图，包含步骤S201-步骤S202：
在步骤S201中，在进入当前轮清洗流程的出水清洗环节之后，获取第一个预设时间周期内清洁件的多个第一脏污检测值，并确定多个第一脏污检测值对应的第一波动情况表征值。
本步骤中，在进入当前轮清洗流程的出水清洗环节之后，可以获取第一个预设时间周期内清洁件的多个第一脏污检测值。鉴于本公开中设置了绿光/红外光传感器，从而，本公开中所涉及的脏污检测值均包含两个维度的检测值，第一个维度是绿光检测值，第二个维度是红外光检测值。
在获得第一个预设时间周期内清洁件的多个第一脏污检测值之后，在一种可选的实施方式中，可以获取上述多个第一脏污检测值中的最大值和最小值，根据上述最大值和最小值之间的差值，确定第一波动情况表征值。鉴于第一脏污检测值包含绿光检测值和红外光检测值，从而，第一波动情况表征值也包含两个维度的表征值(示例性的，为了便于描述，可以将绿光维度对应的波动情况表征值记为data1，将红外光维度对应的波动情况表征值记为data2)。具体而言，可以获取多个绿光检测值中的最大值和最小值，根据其差值确定上述data1，以及，可以获取多个红外光检测值中的最大值和最小值，根据其差值确定上述data2。
在第二种可选的实施方式中，可以获取多个第一脏污检测值的方差或标准差。基于计算出来的方差/标准差，确定第一波动情况表征值。例如，可以将计算出来的方差或标准差确定为第一波动情况表征值。鉴于第一脏污检测值包含绿光检测值和红外光检测值，从而，可以获取多个绿光检测值对应的方差或标准差，根据其方差或标准差确定上述data1，以及，可以获取多个红外光检测值的方差或标准差，根据其方差或标准差确定上述data2。
在步骤S202中，在第一波动情况表征值小于或等于第一波动阈值的情况下，基于将多个第一脏污检测值的平均值，确定对应于出水清洗环节的脏污数据。例如，可以将多个第一脏污检测值的平均值确定为对应于出水清洗环节的脏污数据。
本步骤中，与上述第一脏污检测值和上述第一波动情况表征值相对应的，本公开中的第一波动阈值也包含两个维度的阈值，即对应于绿光的阈值W和对应于红外光的阈值w。从而，第一波动阈值(也可以称作非抽水抖动阈值)可以表示为W、w。
在获取到上述第一波动情况表征值之后，可以将上述波动情况表征值与第一波动阈值进行比对。若比对结果为：第一波动情况表征值小于或等于第一波动阈值(即data1小于或等于W，并且，data2小于或等于w)时，则可以计算上述多个第一脏污检测值的平均值(即计算多个绿光检测值的平均值Bi，以及，计算多个红外光检测值的平均值bi)，获得清洁件对应于出水清洗环节的脏污数据(即绿光维度的脏污数据Bi、红外光维度的脏污数据bi，也可以称作稳定检测数据)。
需要说明的是，在基于多个第一脏污检测值的平均值确定对应于出水清洗环节的脏污数据之后，还可以判断脏污数据是否处于预设的正常值范围(示例性的，预设的正常值范围可以设置为：Bi≤3000，bi≤3800)内。若脏污数据未处于上述预设的正常值范围内，可以记录当前轮清洗流程出现第一异常事件，第一异常事件用于表征上述脏污数据为异常数值。示例性的，第一异常事件可以记录为：脏污检测异常-稳定检测数据异常。
在上述步骤S202之后，若比对结果为：上述第一波动情况表征值大于上述第一波动阈值时，则可以将上述第一个预设时间周期向后推移3s，获取第二个预设时间周期内清洁件的多个第二脏污检测值，并确定多个第二脏污检测值对应的第二波动情况表征值。若上述第二波动情况表征值小于或等于上述第一波动阈值，则可以直接计算上述多个第二脏污检测值的平均值，获得清洁件对应于出水清洗环节的脏污数据，而若上述第二波动情况表征值仍大于第一波动阈值，则可以将上述第二预设时间周期向后推移3s，接着获取下一个预设时间周期内的多个脏污检测值所对应的波动情况表征值，直至获取到的下一个预设时间周期内的多个脏污检测值所对应的波动情况表征值小于上述第一波动阈值以确定出清洁件对应于出水清洗环节的脏污数据。
若直至获取到的下一个预设时间周期为最后一个预设时间周期，且其所对应的最后一个波动情况表征值仍大于第一波动阈值，则可以记录当前轮清洗流程出现第二异常事件，第二异常事件用于表征脏污抖动出现异常。示例性的，第二异常事件可以记录为：脏污检测异常-脏污抖动异常(例如：脏污异常附着，无法清理)。
本公开中的每轮清洗流程还包含位于出水清洗环节之后的抽水环节。基于该抽水环节，本公开还提供了异常事件识别的流程。具体的，参考图3，图3示出本公开实施例中如何对当前轮清洗流程中的异常事件进行识别的流程示意图，包含步骤S301-步骤S302：
在步骤S301中，获取清洁件对应于当前轮清洗流程的抽水环节的参考脏污数据。
本步骤中，示例性的，抽水环节指的可以是当前轮清洗流程进入抽水环节后的1s至当前轮清洗流程的抽水环节结束之前的阶段。
在进入当前轮清洗流程的抽水环节之后，可以获取清洁件在指定时间周期内的多个第三脏污检测值。示例性的，指定时间周期可以是3s。从而，假设当前轮清洗流程进入抽水环节的时间戳为t1，则上述指定时间周期可以表示为：[t1+1s，t1+4s]。
参照上述相关解释可知，第三脏污检测值仍然包含两个维度的检测值，即绿光检测值和红外光检测值。从而，根据第三脏污检测值所确定后出来的参考脏污数据也包含对应于绿光维度的参考脏污数据(记为data3)和对应于红外光维度的参考脏污数据(记为data4)。
示例性的，可以基于以下实施方式确定上述参考脏污数据：
在一种可选的实施方式中，可以获取多个绿光检测值中的最大值和最小值，根据最大值和最小值之间的差值确定上述data3；以及，获取多个红外光检测值中的最大值和最小值，根据最大值和最小值之间的差值确定上述data4。
在另一种可选的实施方式中，可以获取多个绿光检测值的方差或标准差，根据计算出来的方差或标准差确定上述data3；以及，获取多个红外光检测值的方差或标准差，根据计算出来的方差或标准差确定上述data4。
在步骤S302中，根据参考脏污数据，或者，参考脏污数据结合上述出水清洗环节的脏污数据，对当前轮清洗流程中的异常事件进行识别。
本步骤中，参考图4，图4示出本公开实施例中如何根据参考脏污数据，或者，参考脏污数据结合出水清洗环节的脏污数据，对当前轮清洗流程中的异常事件进行识别的流程示意图，包含步骤S401-步骤S403：
在步骤S401中，若参考脏污数据大于或等于第一预设阈值，确定未识别出异常事件。
本步骤中，第一预设阈值可以包含绿光维度对应的抽水判断阈值K和红外光维度对应的抽水判断阈值k。从而，若比对出上述参考脏污数据中绿光维度对应的data3大于或等于上述抽水判断阈值K，且，红外光维度对应的data4大于或等于上述抽水判断阈值k，则可以确定未识别出异常事件。
在步骤S402中，若参考脏污数据小于第一预设阈值，且，脏污数据的第一维度值大于或等于第二预设阈值，且，第二维度值大于或等于第三预设阈值，记录当前轮清洗流程出现第三异常事件。
本步骤中，若上述参考脏污数据中任意一个维度的值小于上述第一预设阈值，即(data3小于K，或者，data4小于k)，并且，出水清洗环节中对应于绿光维度的脏污数据大于或等于第二预设阈值E，出水清洗环节中的对应于红外光维度的脏污数据大于或等于第三预设阈值e，则可以记录当前轮清洗流程出现第三异常事件。第三异常事件用于表征上述清洁件出现异常。示例性的，第三异常事件可以记录为：脏污检测异常-无水洗布异常(例如：洗布未正常放置、洗布缺失或未能正常工作等)。
在步骤S403中，若参考脏污数据小于第一预设阈值，且，脏污数据的第一维度值小于第二预设阈值或第二维度值小于第三预设阈值，记录当前轮清洗流程出现第四异常事件。
本步骤中，若上述参考脏污数据中任意一个维度的值小于上述第一预设阈值，即(data3小于K，或者，data4小于k)，并且，出水清洗环节中对应于绿光维度的脏污数据小于第二预设阈值E，出水清洗环节中的对应于红外光维度的脏污数据小于第三预设阈值e，则可以记录当前轮清洗流程出现第四异常事件。第四异常事件用于表征脏污出现挂壁异常。示例性的，第四异常事件可以记录为：脏污检测异常-脏污挂壁异常。
此外，需要说明的是，在每轮清洗流程的执行过程中，本公开还会记录数据丢失事件。数据丢失事件表征的是绿光/红外光传感器上报的脏污检测值发生丢失导致未接收到脏污检测值。举例而言，由于网络异常断开等问题，可能导致脏污检测值发生丢失。在出现脏污检测值丢失的情况下，可以记录发生一次数据丢失事件。
基于上述处理方式，从而，在当前轮清洗流程结束之后，本公开针对当前轮清洗流程可能会记录有以下三种信息：
①当前轮清洗流程的出水清洗环节的脏污数据；
②当前轮清洗流程中出现的各种异常事件；
③当前轮清洗流程中未接收到脏污检测值的次数(即脏污检测值的丢失次数，又即数据丢失事件的发生次数)，若丢失次数大于3，则可以确定当前轮清洗流程出现脏污检测值丢失异常。
接着参考图1，在步骤S120中，根据当前轮清洗流程的脏污数据确定清洁件的脏污程度。
本步骤中，可以根据当前轮清洗流程的脏污数据确定清洁件的脏污程度。示例性的，可以根据上述当前轮清洗流程的脏污数据与预设的基准脏污数据之间的差值，确定上述清洁件的脏污程度。
其中，设备出厂前会写入初始固定脏污数据(可以是清水检测值)，例如：A0＝2200，a0＝2650(可以根据实际情况自行设定，本公开对此不作特殊限定)，恢复出厂设置的时候会将设备恢复为上述初始固定脏污数据。
在接收到每次清洗任务之后，设备可能会接收到基站传输的基准脏污数据，例如：A、a。若接收到该基准脏污数据，则可以将上述初始固定脏污数据更新为该基准脏污数据A、a，若未接收到该基准脏污数据，则可以将上述初始固定脏污数据确定为该基准脏污数据A、a。
从而，鉴于当前轮清洗流程的脏污数据包含绿光维度的脏污数据Bi和红外光维度的脏污数据bi，该脏污程度也包含对应于绿光维度的脏污程度(记为Ci)和对应于红外光维度的脏污程度(记为ci)。可以根据A与Bi的差值，确定上述Ci，根据a与bi的差值，确定上述ci。
在步骤S130中，根据当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定清洁件的清洁效果量化值。
本步骤中，参照上述相关解释可知，本轮清洗流程的脏污数据可以表示为Bi、bi，。假设上一轮清洗流程的脏污数据表征为Bi-1、bi-1，则清洁效果量化值也包含对应于绿光维度的量化值(记为Di)和对应于红外光维度的量化值(记为di)。从而，可以根据Bi和Bi-1的差值确定Di，根据bi和bi-1之间的差值确定di。
在步骤S140中，根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略。
本步骤中，参考图5，图5示出本公开实施例中如何根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值中的至少一项，确定针对清洁件的后续清洗策略的流程示意图，包含步骤S501-步骤S502：
在步骤S501中，若当前轮清洗流程的轮次号小于指定轮次号，确定对清洁件执行下一轮清洗流程。
本步骤中，可以将上述当前轮清洗流程的轮次号i与指定轮次号(可以是限定的最少清洗轮次，例如：3)进行比对。若上述轮次号i小于指定轮次号，则可以确定继续对清洁件执行下一轮清洗流程。
在步骤S502中，若当前轮清洗流程的轮次号大于或等于指定轮次号，根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程。
本步骤中，若上述当前轮清洗流程的轮次号i大于或等于上述指定轮次号(即3)，则可以根据清洁件的脏污程度(即上述Ci、ci)和清洁件的清洁效果量化值(即上述Di、di)，确定是否对上述清洁件执行下一轮清洗流程。具体而言，存在以下几种情况：
①若上述清洁效果量化值大于或等于预设量化阈值(表示拖布的清洁效果明显，即Di≥H，或者，di≥h)，或，脏污程度大于或等于预设的脏污程度阈值(Ci≥Q，或者，ci≥q)，或，针对当前清洗流程所记录的数据丢失事件的发生次数小于预设次数阈值(例如：3次)，则可以继续对清洁件执行下一轮清洗流程；
在下一轮清洗流程结束之后，可以判断是否达到最大限制轮次数(根据清洁设备的设备类型确定，例如基础版水箱的最大限制轮次数为6或者自动上下水版的最大限制轮次数为8)。若达到最大限制轮次数，则无需对清洁件执行下一轮清洗流程，可以进入不出水刮干流程。若未达到上述最大限制轮次数，则可以获取清洁件对应于下一轮清洗流程的脏污程度和清洁效果量化值。根据下一轮清洗流程的轮次号、清洁件对应于下一轮清洗流程的脏污程度和清洁效果量化值中的至少一项，再次判断确定是否对清洁件执行再下一轮清洗流程。
②若清洁效果量化值小于预设量化阈值(即Di<H，且，di<h)且脏污程度小于预设的脏污程度阈值(即Ci<Q，或者，ci<q)，无需对清洁件执行下一轮清洗流程。
此外，需要说明的是，若判断出当前轮清洗流程中记录过任何异常事件(即上述第一异常事件至第四异常事件中的任意一种)，或者，上述数据丢失事件发生的次数大于预设次数阈值(例如：3)，则可以丢弃当前轮清洗流程所对应的脏污检测结果(即确定出来的清洁效果量化值和脏污程度)，不再使用上述脏污检测结果判断是否执行下一轮清洗流程。在该情况下，可以判断本轮清洗流程的轮次号i与目标轮次(例如：5)之间的数值关系。若i小于或等于5，则可以将当前次清洗任务包含的清洗流程的总轮数设置为上述目标轮次5，即执行当前次清洗任务时使用第三档位。而若i大于5，则可以确定本轮清洗流程为当前次清洗任务的最后一轮清洗流程，结束之后可以直接进入不出水刮干流程。
基于步骤S140中的处理流程来确定是否对清洁件执行下一轮清洗流程，本公开能够根据多种因素，动态地确定和调整清洗策略。鉴于对清洁件执行清洗流程的总轮数不同时，针对清洁件进行清洗时所对应的出水总量也不相同，从而，本公开能够综合多种因素更加准确地决策出适用于多种不同场景的后续清洗策略。针对极端脏污环境(脏污等级较高)能够通过多轮清洗流程和与之对应的较大的出水量保证清洁件被有效清洁，从而保证极端脏污环境的清洁度，而针对一般脏污环境(脏污等级较低)能够通过较少轮的清洗流程和与之对应的较少的出水量，减少针对清洁件的不必要的清洗流程，延长清洁件的使用寿命，同时还能够节省水资源，并提高清洁设备的工作效率，使得清洁设备能够更加准确高效的执行清洁任务。
参考图6，图6示出本公开实施例中执行一次清洗任务所包含的N个清洗流程所对应的N个脏污数据的变化示意图，如图6所示：
每轮清洗流程包含出水清洗环节+抽水环节。第一轮清洗流程中出水清洗环节所获得的脏污数据可以表示为B1、b1，第二轮清洗流程中出水清洗环节所获得的脏污数据可以表示为B2、b2，第三轮清洗流程中出水清洗环节所获得的脏污数据可以表示为B3、b3，……，第N轮清洗流程中出水清洗环节所获得的脏污数据可以表示为BN、bN。随着清洗流程的轮次逐渐增加，脏污数据的值逐渐向清水检测值靠近。
在上述当前次清洗任务包含的N轮清洗流程均执行完毕(即当前次清洗任务执行完毕)之后，参考图7，图7示出本公开实施例中如何确定是否更新上述预设的基准脏污数据的流程示意图，包含步骤S701-步骤S702：
在步骤S701中，获取当前次清洗任务的最后一轮清洗流程的目标脏污数据。
本步骤中，可以获取当前次清洗任务的最后一轮清洗流程的目标脏污数据(以BN1、bN2为例)。
在步骤S702中，根据目标脏污数据确定是否更新预设的基准脏污数据。
本步骤中，具体而言，根据目标脏污数据确定是否更新预设的基准数据包含以下情况：
①若目标脏污数据处于预设的正常值范围内，且，目标脏污数据与预设的基准脏污数据之间的差值小于预设差值阈值(即A-BN1<H，且，a-bN1<h)，利用目标脏污数据更新预设的基准脏污数据，即：将预设的基准脏污数据A、a更新为BN1、bN1。
②若目标脏污数据处于预设的正常值范围内，且，目标脏污数据与预设的基准脏污数据之间的差值大于或等于预设差值阈值(即A-BN1≥H，且，a-bN1≥h)，记录一次待定更新事件(待定更新事件表征的是当前出现的情况还不满足更新预设的基准脏污数据的条件，可以利用计数器对其进行计数，根据计数情况确定是否进行预设的基准脏污数据的更新)和与待定更新事件相关联的目标脏污数据。当上述待定更新事件连续出现指定次数(例如：10次)时，可以根据与指定次数个待定更新事件相关联的指定次数个目标脏污数据(例如：BN1、bN1，BN2、bN2，……，BN10、bN10)更新预设的基准脏污数据。例如：可以从上述BN1，BN2，……，BN10中选取最大值(例如：BN10)，将A更新为BN10，以及，从上述bN1，bN2，……，bN10中选取最大值(例如：bN1)，将a更新为bN10，以实现对预设的基准脏污数据的更新。
需要说明的是，若上述待定更新事件连续出现的次数未到达上述指定次数，则无需更新上述预设的基准脏污数据，也无需对计数器进行重置；若上述待定更新事件连续出现的次数未到达上述指定次数，但出现了上述情况①，则可以基于情况①中的处理方案更新预设的基准脏污数据。同时，将计数器的值置为初始值，例如：0。
③若上述目标脏污数据未处于预设的正常值范围内，则不更新预设的初始基准值，同时，可以将计数器重置为上述初始值。
在一种可选的实施方式中，本公开还提供了一种决策是否执行区域复拖的处理方案。参考图8，图8示出本公开实施例中如何决策是否执行区域复拖的流程示意图，包含步骤S801-步骤S803：
在步骤S801中，获取当前次清洗任务中指定轮清洗流程的脏污数据。
本步骤中，可以获取当前次清洗任务(假设是第t次)中指定轮清洗流程的脏污数据。示例性的，该指定轮清洗流程可以是第二轮清洗流程的脏污数据(表示为B2t、b2t)，也可以是第一轮清洗流程的脏污数据，可以根据实际情况自行设定，本公开对此不作特殊限定。
在步骤S802中，根据上一次清洗任务中最后一轮清洗流程的脏污数据和当前次清洗任务中指定轮清洗流程的脏污数据，确定目标清洁区域的地面脏污程度。
本步骤中，上一次清洗任务(假设是第l次)最后一轮清洗流程的脏污数据可以表示为(BNl、bNl)，从而，可以根据上述BNl、bNl与B2t、b2t确定目标清洁区域的地面脏污程度。
其中，目标清洁区域指的是从执行完上述最后一轮清洗流程到开始执行上述指定轮清洗流程的间隔期间(即两轮清洗流程的中间间隔时段)清洁过的区域。
具体而言，可以计算BNl与B2t之间的差值，以及计算bNl与b2t之间的差值。根据获得的上述两个差值确定清洁区域的地面脏污程度(BNl-B2t、bNl-b2t)。基于该差值，可以量化两次洗布之间脏污在地面上的累计量。
在步骤S803中，根据地面脏污程度，确定是否对清洁区域进行再次清洁。
本步骤中，参考图9，图9示出本公开实施例中如何根据地面脏污程度，确定是否对清洁区域进行再次清洁的流程示意图，包含步骤S901-步骤S903：
在步骤S901中，获取目标清洁区域的区域面积。
本步骤中，可以获取上述目标清洁区域的区域面积S。
在步骤S902中，根据地面脏污程度和区域面积的比值，确定地面脏污密度。
本步骤中，可以根据上述地面脏污程度与上述区域面积之间的比值，确定地面脏污密度。地面脏污密度可以反映单位面积上的脏污量。具体而言，地面脏污密度所包含的两个维度的值可以表示为：(BNl-B2t)/S和(bNl-b2t)/S。
在步骤S903中，根据地面脏污密度，确定是否对目标清洁区域进行再次清洁。
本步骤中，可以根据上述地面脏污密度确定是否对上述清洁区域进行再次清洁。具体而言，可以将上述地面脏污密度与预设的脏污密度阈值(G、g)进行比较，若比较结果为：(BNl-B2t)/S>G，或者，(bNl-b2t)/S>g，则可以确定需要对目标清洁区域进行再次清洁。
需要说明的是，若在执行上一次清洗任务或执行当前次清洗任务期间检测到上述任意一种类型的异常事件(即上述第一异常事件至第四异常事件中的任意一种)，或者，上述数据丢失事件发生的次数大于预设次数阈值(例如：3)，则可以不使用上述两次清洗任务的相关脏污数据来决策是否复拖，以避免决策失误的情况。
需要说明的是，本公开所涉及的阈值(E、e，H、h，K、k和W、w)可以通过用户摸底试验的方式来确定，而上述脏污密度阈值G、g可以通过用户摸底试验结合大数据排名模型的方式来确定。例如：通过收集内测用户每次清洗拖布时的脏污密度打点值，制作脏污密度值大数据排名模型。根据用户调研确定用户地面脏污出现的概率为x％，定义全部用户脏污密度值排名前x％为地面脏污，则脏污密度阈值G、g可以取全部用户脏污密度值排名x％的值。
基于以上技术方案，本公开至少能够实现以下技术效果：
第一，提供了识别各种异常事件的方案，可以识别包括无水洗布异常、脏污挂壁异常、脏污抖动异常、脏污数据异常、检测值丢失异常等多种异常事件；
第二，提供了针对预设的初始基准值A、a的更新方案和确定每轮清洗流程对应的脏污数据Bi、bi的方法；
第三，通过根据当前轮清洗流程的轮次号、清洁件的脏污程度和清洁件的清洁效果量化值共同来决策清洗流程的总轮数和洗布档位，能够提高决策的准确度，从而提高清洁设备的清洁质量和清洁效率；
第四，通过使用两次回洗间拖布脏污程度的差值代表地面脏污程度，并结合两次回洗间的拖地面积计算地面脏污密度，根据地面脏污密度判断是否需要进行复拖，能够对地面脏污程度进行更加精准的量化，从而做出准确的复拖决策；
第五，通过统计用户脏污密度大数据模型确定脏污密度阈值，能够使得阈值的确定更加贴合用户的实际使用场景，从而提升复拖决策的准确度。
本公开还提供了一种清洁设备。图10示出本公开示例性实施例中清洁设备的结构示意图。如图10所示，清洁设备1000可以包括数据获取模块1010、数据处理模块1020和决策模块1030。其中：
数据获取模块1010，用于在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；
数据处理模块1020，用于根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；
决策模块1030，用于根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
在本公开的示例性实施例中，每轮清洗流程均包含出水清洗环节。
所述数据获取模块1010获取所述清洁件对应于所述当前轮清洗流程的脏污数据，包括：
获取所述清洁件对应于所述当前轮清洗流程中出水清洗环节的脏污数据，基于所述出水清洗环节的脏污数据，确定对应于所述当前轮清洗流程的脏污数据。例如，可以将所述出水清洗环节的脏污数据确定为对应于所述当前轮清洗流程的脏污数据。
在本公开的示例性实施例中，所述出水清洗环节包含多个连续的预设时间周期，每个所述预设时间周期内包含多个连续的单位时段。
所述数据获取模块1010获取所述清洁件对应于所述当前轮清洗流程的出水清洗环节的脏污数据，包括：
在进入所述当前轮清洗流程的出水清洗环节之后，获取第一个预设时间周期内所述清洁件的多个第一脏污检测值，并确定所述多个第一脏污检测值对应的第一波动情况表征值；
在所述第一波动情况表征值小于或等于第一波动阈值的情况下，基于所述多个第一脏污检测值的平均值，确定对应于所述出水清洗环节的脏污数据。例如，可以将所述多个第一脏污检测值的平均值确定为对应于所述出水清洗环节的脏污数据。
在本公开的示例性实施例中，所述数据获取模块1010确定所述多个第一脏污检测值对应的第一波动情况表征值，包括：
获取所述多个第一脏污检测值中的最大值和最小值，根据所述最大值和所述最小值之间的差值，确定所述第一波动情况表征值；或者，
获取所述多个第一脏污检测值的方差/标准差，基于所述方差/标准差确定所述第一波动情况表征值。例如，可以将所述方差/标准差确定为所述第一波动情况表征值。
在本公开的示例性实施例中，在基于所述多个第一脏污检测值的平均值确定对应于所述出水清洗环节的脏污数据之后，所述数据处理模块1020，被配置为：
判断所述脏污数据是否处于预设的正常值范围内；
若所述脏污数据未处于预设的正常值范围内，记录所述当前轮清洗流程出现第一异常事件；
所述第一异常事件用于表征所述当前轮清洗流程的脏污数据为异常数值。
在本公开的示例性实施例中，在确定所述多个第一脏污检测值的第一波动情况表征值之后，所述数据处理模块1020，被配置为：
在所述第一波动情况表征值大于所述第一波动阈值的情况下，获取第二个预设时间周期内所述清洁件的多个第二脏污检测值，并确定所述多个第二脏污检测值对应的第二波动情况表征值；
在所述第二波动情况表征值仍大于所述第一波动阈值的情况下，接着获取下一个预设时间周期内的多个脏污检测值所对应的波动情况表征值，直至所述下一个预设时间周期为最后一个预设时间周期，响应于最后一个预设时间周期所对应的最后一个波动情况表征值仍大于所述第一波动阈值，记录所述当前轮清洗流程出现第二异常事件；
所述第二异常事件用于表征所述当前轮清洗流程出现脏污抖动异常。
在本公开的示例性实施例中，每轮清洗流程还包含抽水环节，所述抽水环节位于所述出水清洗环节之后，所述数据处理模块1020，被配置为：
获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据；
根据所述参考脏污数据，或者，所述参考脏污数据结合所述出水清洗环节的脏污数据，对所述当前轮清洗流程中的异常事件进行识别。
在本公开的示例性实施例中，所述数据处理模块1020获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据，包括：
在进入所述当前轮清洗流程的抽水环节之后，获取所述清洁件在指定时间周期内的多个第三脏污检测值；
根据所述多个第三脏污检测值中最大值与最小值之间的差值，确定所述参考脏污数据；
或者，根据所述多个第三脏污检测值的方差/标准差，确定所述参考脏污数据。
在本公开的示例性实施例中，所述参考脏污数据包含第一维度值和第二维度值。
所述数据处理模块1020根据所述参考脏污数据，或者，根据所述参考脏污数据结合所述脏污数据，对所述当前轮清洗流程中的异常事件进行识别，包括：
若所述参考脏污数据大于或等于第一预设阈值，确定未识别出异常事件；
若所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值大于或等于第二预设阈值，且第二维度值大于或等于第三预设阈值，记录所述当前轮清洗流程出现第三异常事件；所述第三异常事件用于表征所述清洁件出现异常；
若所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值小于所述第二预设阈值或所述第二维度值小于所述第三预设阈值，记录所述当前轮清洗流程出现第四异常事件；所述第四异常事件用于表征脏污出现挂壁异常。
在本公开的示例性实施例中，所述决策模块1030根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略，包括：
若所述当前轮清洗流程的轮次号小于指定轮次号，确定对所述清洁件执行下一轮清洗流程；
若所述当前轮清洗流程的轮次号大于或等于所述指定轮次号，根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，所述决策模块1030根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，包括：
若所述清洁效果量化值大于或等于预设量化阈值，或，所述脏污程度大于或等于预设的脏污程度阈值，或，针对所述当前轮清洗流程所记录的数据丢失事件的发生次数小于预设次数阈值，确定对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，在所述下一轮清洗流程执行结束之后，所述决策模块1030，被配置为：
判断是否达到最大限制轮次数；
若达到所述最大限制轮次数，无需对所述清洁件执行下一轮清洗流程；所述最大限制轮次数是根据所述清洁设备的设备类型确定的；
若未达到所述最大限制轮次数，获取所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值；
根据所述下一轮清洗流程的轮次号、所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值中的至少一项，确定是否对所述清洁件执行再下一轮清洗流程。
在本公开的示例性实施例中，所述决策模块1030根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，还包括：
若所述清洁效果量化值小于所述预设量化阈值且所述脏污程度小于所述预设的脏污程度阈值，无需对所述清洁件执行下一轮清洗流程。
在本公开的示例性实施例中，所述清洁件的脏污程度是根据所述当前轮清洗流程的脏污数据与预设的基准脏污数据之间的差值确定的，所述决策模块1030，被配置为：
在所述当前次清洗任务执行完毕之后，获取所述当前次清洗任务的最后一轮清洗流程所对应的目标脏污数据；
根据所述目标脏污数据确定是否更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述决策模块1030根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，包括：
若所述目标脏污数据处于预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值小于预设差值阈值，利用所述目标脏污数据更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述决策模块1030根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
若所述目标脏污数据处于所述预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值大于或等于所述预设差值阈值，记录待定更新事件和与所述待定更新事件相关联的目标脏污数据；
当所述待定更新事件连续出现指定次数时，根据与所述指定次数个待定更新事件相关联的指定次数个目标脏污数据更新所述预设的基准脏污数据。
在本公开的示例性实施例中，所述决策模块1030根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
若所述目标脏污数据未处于预设的正常值范围内，则不更新所述预设的初始基准值。
在本公开的示例性实施例中，所述决策模块1030，被配置为：
获取当前次清洗任务中指定轮清洗流程所对应的脏污数据；
根据上一次清洗任务中最后一轮清洗流程所对应的脏污数据和所述当前次清洗任务中指定轮清洗流程所对应的脏污数据，确定目标清洁区域的地面脏污程度；所述目标清洁区域是从执行完所述最后一轮清洗流程到开始执行所述指定轮清洗流程的间隔期间清洁过的区域；
根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁。
在本公开的示例性实施例中，所述决策模块1030根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁，包括：
获取所述目标清洁区域的区域面积；
根据所述地面脏污程度和所述区域面积的比值，确定地面脏污密度；
根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁。
在本公开的示例性实施例中，所述决策模块1030根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁，包括：
若所述地面脏污密度大于预设脏污密度阈值，对所述目标清洁区域进行再次清洁。
上述清洁设备中各模块的具体细节已经在对应的清洁设备的决策处理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的方法。
此外，在本公开实施例中还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图11来描述根据本公开的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130以及显示单元1140。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元1110可以执行如图1中所示的：步骤S110，在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；步骤S120，根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；步骤S130，根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；步骤S140，根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元(ROM)11203。
存储单元1120还可以包括具有一组(至少一个)程序模块11205的程序/实用工具11204，这样的程序模块11205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1100也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (23)

  1. 一种清洁设备的决策方法，其中所述清洁设备设置有用于拖地的清洁件，所述方法包括：
    在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；
    根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；
    根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；以及
    根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
  2. 根据权利要求1所述的方法，其中每轮清洗流程均包含出水清洗环节；
    所述获取所述清洁件对应于所述当前轮清洗流程的脏污数据，包括：
    获取所述清洁件对应于所述当前轮清洗流程中出水清洗环节的脏污数据，基于所述出水清洗环节的脏污数据，确定对应于所述当前轮清洗流程的脏污数据。
  3. 根据权利要求2所述的方法，其中所述出水清洗环节包含多个连续的预设时间周期，每个所述预设时间周期内包含多个连续的单位时段；
    所述获取所述清洁件对应于所述当前轮清洗流程的出水清洗环节的脏污数据，包括：
    在进入所述当前轮清洗流程的出水清洗环节之后，获取第一个预设时间周期内所述清洁件的多个第一脏污检测值，并确定所述多个第一脏污检测值对应的第一波动情况表征值；以及
    响应于确定所述第一波动情况表征值小于或等于第一波动阈值，基于所述多个第一脏污检测值的平均值，确定对应于所述出水清洗环节的脏污数据。
  4. 根据权利要求3所述的方法，其中，所述确定所述多个第一脏污检测值对应的第一波动情况表征值，包括：
    获取所述多个第一脏污检测值中的最大值和最小值，根据所述最大值和所述最小值之间的差值，确定所述第一波动情况表征值；
    或者，获取所述多个第一脏污检测值的方差或标准差，基于所述方差或标准差，确定所述第一波动情况表征值。
  5. 根据权利要求3所述的方法，还包括：
    响应于确定所述脏污数据未处于预设的正常值范围内，记录所述当前轮清洗流程出现第一异常事件；
    其中，所述第一异常事件用于表征所述当前轮清洗流程的脏污数据为异常数值。
  6. 根据权利要求3所述的方法，还包括：
    响应于确定所述第一波动情况表征值大于所述第一波动阈值，获取第二个预设时间周期内所述清洁件的多个第二脏污检测值，并确定所述多个第二脏污检测值对应的第二波动情况表征值；以及
    响应于确定所述第二波动情况表征值大于所述第一波动阈值，获取下一个预设时间周期内的多个脏污检测值所对应的波动情况表征值，直至所述下一个预设时间周期为最后一个预设时间周期，并且响应于确定所述最后一个预设时间周期所对应的最后一个波动情况表征值大于所述第一波动阈值，记录所述当前轮清洗流程出现第二异常事件；
    其中，所述第二异常事件用于表征所述当前轮清洗流程出现脏污抖动异常。
  7. 根据权利要求2所述的方法，其中每轮清洗流程还包含抽水环节，所述抽水环节位于所述出水清洗环节之后，所述方法还包括：
    获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据；以及
    根据所述参考脏污数据，或者，根据所述参考脏污数据结合所述出水清洗环节的脏污数据，对所述当前轮清洗流程中的异常事件进行识别。
  8. 根据权利要求7所述的方法，其中，所述获取所述清洁件对应于所述当前轮清洗流程的抽水环节的参考脏污数据，包括：
    在进入所述当前轮清洗流程的抽水环节之后，获取所述清洁件在指定时间周期内的多个第三脏污检测值；
    根据所述多个第三脏污检测值中最大值与最小值之间的差值，确定所述参考脏污数据；
    或者，根据所述多个第三脏污检测值的方差或标准差，确定所述参考脏污数据。
  9. 根据权利要求7所述的方法，其中，所述脏污数据包含第一维度值和第二维度值；
    所述根据所述参考脏污数据，或者，根据所述参考脏污数据结合所述脏污数据，对所述当前轮清洗流程中的异常事件进行识别，包括：
    响应于确定所述参考脏污数据大于或等于第一预设阈值，确定未识别出异常事件；
    响应于确定所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值大于或等于第二预设阈值，且第二维度值大于或等于第三预设阈值，记录所述当前轮清洗流程出现第三异常事件；所述第三异常事件用于表征所述清洁件出现异常；以及
    响应于确定所述参考脏污数据小于所述第一预设阈值，且所述脏污数据的第一维度值小于所述第二预设阈值或所述第二维度值小于所述第三预设阈值，记录所述当前轮清洗流程出现第四异常事件；所述第四异常事件用于表征脏污出现挂壁异常。
  10. 根据前述任一项权利要求所述的方法，其中，所述根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略，包括：
    响应于确定所述当前轮清洗流程的轮次号小于指定轮次号，确定对所述清洁件执行下一轮清洗流程；以及
    响应于确定所述当前轮清洗流程的轮次号大于或等于所述指定轮次号，根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程。
  11. 根据权利要求10所述的方法，其中，所述根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，包括：
    响应于确定所述清洁效果量化值大于或等于预设量化阈值，或，所述脏污程度大于或等于预设的脏污程度阈值，或，针对所述当前轮清洗流程所记录的数据丢失事件的发生次数小于预设次数阈值，确定对所述清洁件执行下一轮清洗流程。
  12. 根据权利要求11所述的方法，还包括：
    响应于确定达到所述最大限制轮次数，不对所述清洁件执行下一轮清洗流程；所述最大限制轮次数是根据所述清洁设备的设备类型确定的；
    响应于确定未达到所述最大限制轮次数，获取所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值；以及
    根据所述下一轮清洗流程的轮次号、所述清洁件对应于所述下一轮清洗流程的脏污程度和清洁效果量化值中的至少一项，确定是否对所述清洁件执行再下一轮清洗流程。
  13. 根据权利要求11所述的方法，其中，所述根据所述清洁件的脏污程度和所述清洁件的清洁效果量化值，确定是否对所述清洁件执行下一轮清洗流程，还包括：
    响应于确定所述清洁效果量化值小于所述预设量化阈值且所述脏污程度小于所述预设的脏污程度阈值，不对所述清洁件执行下一轮清洗流程。
  14. 根据前述任一项权利要求所述的方法，其中，所述清洁件的脏污程度是根据所述当前轮清洗流程的脏污数据与预设的基准脏污数据之间的差值确定的，所述方法还包括：
    在所述当前次清洗任务执行完毕之后，获取所述当前次清洗任务的最后一轮清洗流程所对应的目标脏污数据；以及
    根据所述目标脏污数据确定是否更新所述预设的基准脏污数据。
  15. 根据权利要求14所述的方法，其中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，包括：
    响应于确定所述目标脏污数据处于预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值小于预设差值阈值，利用所述目标脏污数据更新所述预设的基准脏污数据。
  16. 根据权利要求15所述的方法，其中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
    响应于确定所述目标脏污数据处于所述预设的正常值范围内，且所述目标脏污数据与所述预设的基准脏污数据之间的差值大于或等于所述预设差值阈值，记录待定更新事件和与所述待定更新事件相关联的目标脏污数据；以及
    响应于确定所述待定更新事件连续出现指定次数，根据与所述指定次数个待定更新事件相关联的指定次数个目标脏污数据更新所述预设的基准脏污数据。
  17. 根据权利要求16所述的方法，其中，所述根据所述目标脏污数据确定是否更新所述预设的基准脏污数据，还包括：
    响应于确定所述目标脏污数据未处于预设的正常值范围内，不更新所述预设的初始基准值。
  18. 根据前述任一项权利要求所述的方法，还包括：
    获取当前次清洗任务中指定轮清洗流程的脏污数据；
    根据上一次清洗任务中最后一轮清洗流程的脏污数据和所述当前次清洗任务中指定轮清洗流程的脏污数据，确定目标清洁区域的地面脏污程度；所述目标清洁区域是从执行完所述最后一轮清洗流程到开始执行所述指定轮清洗流程的间隔期间清洁过的区域；以及
    根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁。
  19. 根据权利要求18所述的方法，其中，所述根据所述地面脏污程度，确定是否对所述清洁区域进行再次清洁，包括：
    获取所述目标清洁区域的区域面积；
    根据所述地面脏污程度和所述区域面积的比值，确定地面脏污密度；以及
    根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁。
  20. 根据权利要求19所述的方法，其中，所述根据所述地面脏污密度，确定是否对所述目标清洁区域进行再次清洁，包括：
    响应于确定所述地面脏污密度大于预设脏污密度阈值，对所述目标清洁区域进行再次清洁。
  21. 一种清洁设备，其中，所述清洁设备设置有用于拖地的清洁件，所述清洁设备包括：
    数据获取模块，用于在对所述清洁件执行当前次清洗任务中的当前轮清洗流程时，获取所述清洁件对应于所述当前轮清洗流程的脏污数据；
    数据处理模块，用于根据所述当前轮清洗流程的脏污数据确定所述清洁件的脏污程度；根据所述当前轮清洗流程的脏污数据和上一轮清洗流程的脏污数据之间的差值，确定所述清洁件的清洁效果量化值；以及
    决策模块，用于根据所述当前轮清洗流程的轮次号、所述清洁件的脏污程度和所述清洁件的清洁效果量化值中的至少一项，确定针对所述清洁件的后续清洗策略。
  22. 一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至20中任意一项所述的清洁设备的决策处理方法。
  23. 一种电子设备，包括：
    处理器；以及
    存储器，用于存储所述处理器的可执行指令；
    其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至20中任意一项所述的清洁设备的决策处理方法。
PCT/CN2025/085760 2024-03-29 2025-03-28 清洁设备的决策处理方法及清洁设备、存储介质、设备 Pending WO2025201519A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202410383021.XA CN118044751A (zh) 2024-03-29 2024-03-29 清洁设备的决策处理方法及清洁设备、存储介质、设备
CN202410383021.X 2024-03-29

Publications (2)

Publication Number Publication Date
WO2025201519A1 true WO2025201519A1 (zh) 2025-10-02
WO2025201519A9 WO2025201519A9 (zh) 2025-12-04

Family

ID=91045154

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2025/085760 Pending WO2025201519A1 (zh) 2024-03-29 2025-03-28 清洁设备的决策处理方法及清洁设备、存储介质、设备

Country Status (2)

Country Link
CN (1) CN118044751A (zh)
WO (1) WO2025201519A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121244616A (zh) * 2025-11-20 2026-01-02 中山市小绿山清洁设备有限公司 基于物联网的超声波清洗机远程监控诊断方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118044751A (zh) * 2024-03-29 2024-05-17 北京石头世纪科技股份有限公司 清洁设备的决策处理方法及清洁设备、存储介质、设备
CN119145334B (zh) * 2024-11-08 2025-06-10 滨和环境建设集团有限公司 一种高架隔音墙自动清洗检测方法与设备
CN119831295B (zh) * 2025-03-14 2025-08-26 内蒙古蒙牛乳业（集团）股份有限公司 一种就地清洗站的清洗管理方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114431803A (zh) * 2022-01-29 2022-05-06 宁波方太厨具有限公司 槽体的脏污检测方法、装置及清洗机的控制方法、系统
CN115429163A (zh) * 2022-07-27 2022-12-06 云鲸智能(深圳)有限公司 拖擦件的清洁方法、控制装置、基站、清洁系统及存储介质
CN115429162A (zh) * 2022-07-27 2022-12-06 云鲸智能(深圳)有限公司 拖擦件的清洁方法、控制装置、基站、清洁系统及存储介质
WO2023131161A1 (zh) * 2022-01-10 2023-07-13 追觅创新科技(苏州)有限公司 清洁设备的运行控制方法及装置、存储介质及电子装置
CN117179661A (zh) * 2023-09-21 2023-12-08 深圳市杉川机器人有限公司 清洁方法、清洁装置、清洁设备、清洁系统和存储介质
CN118044751A (zh) * 2024-03-29 2024-05-17 北京石头世纪科技股份有限公司 清洁设备的决策处理方法及清洁设备、存储介质、设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023131161A1 (zh) * 2022-01-10 2023-07-13 追觅创新科技(苏州)有限公司 清洁设备的运行控制方法及装置、存储介质及电子装置
CN114431803A (zh) * 2022-01-29 2022-05-06 宁波方太厨具有限公司 槽体的脏污检测方法、装置及清洗机的控制方法、系统
CN115429163A (zh) * 2022-07-27 2022-12-06 云鲸智能(深圳)有限公司 拖擦件的清洁方法、控制装置、基站、清洁系统及存储介质
CN115429162A (zh) * 2022-07-27 2022-12-06 云鲸智能(深圳)有限公司 拖擦件的清洁方法、控制装置、基站、清洁系统及存储介质
CN117179661A (zh) * 2023-09-21 2023-12-08 深圳市杉川机器人有限公司 清洁方法、清洁装置、清洁设备、清洁系统和存储介质
CN118044751A (zh) * 2024-03-29 2024-05-17 北京石头世纪科技股份有限公司 清洁设备的决策处理方法及清洁设备、存储介质、设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN121244616A (zh) * 2025-11-20 2026-01-02 中山市小绿山清洁设备有限公司 基于物联网的超声波清洗机远程监控诊断方法

Also Published As

Publication number Publication date
TW202537576A (zh) 2025-10-01
WO2025201519A9 (zh) 2025-12-04
CN118044751A (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
WO2025201519A1 (zh) 清洁设备的决策处理方法及清洁设备、存储介质、设备
CN112471976B (zh) 扫地机器人控制方法、装置、设备及计算机可读介质
CN108009692A (zh) 设备维修信息处理方法、装置、计算机设备和存储介质
WO2017185993A1 (en) System for dispatching cleaning robots and method thereof
CN112966441B (zh) 一种基于连续Weiner过程损伤的设备剩余寿命评估方法
CN110608509A (zh) 一种过滤网脏堵检测方法、装置、空调器及存储介质
CN110353593B (zh) 自动清洗餐具的控制方法、系统、设备和存储介质
CN106685752B (zh) 一种信息处理方法及终端
KR20090002460U (ko) Ｉｔ기반의 정수기 원격관리시스템
CN115794532A (zh) 多指标智能动态阈值监控方法及系统
EP4180566B1 (en) Filtration mesh cleaning method, apparatus, clothes washing machine, and storage medium
CN111743477B (zh) 清洁机构的清洗控制方法、装置及存储介质
CN114777557B (zh) 一种凝汽器清洗方法和系统
CN110908844B (zh) 电弧故障检测方法、装置、计算机可读存储介质及插座
CN115444327A (zh) 清洁设备清洁图像的处理方法、装置、系统及存储介质
CN108294709A (zh) 用于洗碗机的智能控制方法及装置
TWI914222B (zh) 清潔設備的決策處理方法及清潔設備、存儲介質、設備
CN115644750A (zh) 一种耗材老化预测方法、清洁装置及存储介质
CN110725099A (zh) 一种洗衣机故障诊断的控制方法及洗衣机
CN114963535B (zh) 热水器水垢检测方法、装置、服务器、存储介质及产品
CN114451832A (zh) 自动清扫装置的耗材管理方法、系统、装置及介质
CN119187165B (zh) 一种智能化光伏自清洁方法及装置
CN117968124A (zh) 油烟机及其处理方法、装置、介质及计算机程序
WO2021019806A1 (ja) 通知管理サーバ、および、通知管理方法
CN118415543A (zh) 一种清洁设备的控制方法、装置、电子设备及存储介质

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: 25776190

Country of ref document: EP

Kind code of ref document: A1