洗衣机及用于洗衣机的泡沫量的检测方法和装置与流程

本发明涉及家用电器技术领域，特别涉及一种用于洗衣机的泡沫量的检测方法、一种用于洗衣机的泡沫量的检测装置以及一种洗衣机。

背景技术：

随着人们生活水平的不断提高，洗衣机已经进入千家万户，成为了人们日常生活中必不可少的一样家用电器。用户在使用洗衣机洗衣的过程中，泡沫量的多少可能会成为影响洗衣效果的重要因素。如果泡沫量过少，则表明用户投放的洗涤剂过少，可导致衣物难以洗净，由此需要补充洗涤剂；如果泡沫量过多，则表明用户投放的洗涤剂过多，可导致洗涤剂残留在衣物上，由此需要加强漂洗。

目前，常用的测量泡沫量的方法可为水压测量法，也就是通过传感器测量由泡沫引起的水压的变化进而推断出泡沫量的多少，但是洗衣过程中的水面是起伏晃动的，并且泡沫的分布是非均匀性的，这些可对测量的准确性带来极大影响。因此，如何使得洗衣机智能地判断出洗衣机内桶的泡沫量是目前亟需解决的问题。

技术实现要素：

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种用于洗衣机的泡沫量的检测方法，该方法能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

本发明的第二个目的在于提出一种用于洗衣机的泡沫量的检测装置。

本发明的第三个目的在于提出一种洗衣机。

为达到上述目的，本发明第一方面实施例提出了一种用于洗衣机的泡沫量的检测方法，包括以下步骤：获取所述洗衣机的内桶内的当前图像；获取描述泡沫量特征的神经网络参数；根据所述当前图像和所述神经网络参数获取所述内桶内的泡沫量。

根据本发明实施例的用于洗衣机的泡沫量的检测方法，首先，获取洗衣机的内桶内的当前图像，然后，获取描述泡沫量特征的神经网络参数，最后，根据处理后的当前图像和神经网络参数获取内桶内的泡沫量。该方法利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

另外，根据本发明上述实施例提出的用于洗衣机的泡沫量的检测方法还可以具有如下附加的技术特征：

根据本发明的一个实施例，根据所述当前图像和所述神经网络参数获取所述内桶内的泡沫量，包括：对所述当前图像进行处理；根据处理后的当前图像和所述神经网络参数获取所述内桶内的泡沫量。

根据本发明的一个实施例，获取描述泡沫量特征的神经网络参数，包括：获取所述洗衣机的内桶内的多个样本图像；对所述多个样本图像进行处理；通过描述泡沫量特征的神经网络对处理后的所述多个样本图像进行训练，以获取所述描述泡沫量特征的神经网络参数。

根据本发明的一个实施例，对所述当前图像或所述样本图像进行处理，包括：对所述当前图像或所述样本图像进行光照补偿、背景消除和颜色简化中的至少一种。

根据本发明的一个实施例，获取所述内桶内的泡沫量，包括：获取所述内桶内的泡沫量所处的泡沫量等级。

为达到上述目的，本发明第二方面实施例提出了一种用于洗衣机的泡沫量的检测装置，包括：摄像模块，所述摄像模块用于获取所述洗衣机的内桶内的当前图像；获取模块，所述获取模块用于获取描述泡沫量特征的神经网络参数；主控模块，所述主控模块用于根据所述当前图像和所述神经网络参数获取所述内桶内的泡沫量。

根据本发明实施例的用于洗衣机的泡沫量的检测装置，通过摄像模块获取洗衣机的内桶内的当前图像，然后，通过获取模块获取描述泡沫量特征的神经网络参数，最后，通过主控模块根据当前图像和神经网络参数获取内桶内的泡沫量。该装置利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

另外，根据本发明上述实施例提出的用于洗衣机的泡沫量的检测装置还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述主控模块用于对所述当前图像进行处理，并根据处理后的当前图像和所述神经网络参数获取所述内桶内的泡沫量。

根据本发明的一个实施例，所述摄像模块还用于获取所述洗衣机的内桶内的多个样本图像，所述主控模块还用于对所述多个样本图像进行处理，所述获取模块还用于通过描述泡沫量特征的神经网络对处理后的所述样本图像进行训练，以获取所述描述泡沫量特征的神经网络参数。

根据本发明的一个实施例，所述主控模块还用于对所述当前图像或所述样本图像进行光照补偿、背景消除和颜色简化中的一种。

根据本发明的一个实施例，所述主控模块还用于获取所述内桶内的泡沫量所处的泡沫量等级。

为达到上述目的，本发明第三方面实施例提出了一种洗衣机，包括上述的用于洗衣机的泡沫量的检测装置。

根据本发明实施例的洗衣机，通过上述的用于洗衣机的泡沫量的检测装置，利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

附图说明

图1是根据本发明实施例的用于洗衣机的泡沫量的检测方法的流程图；

图2是根据本发明一个具体实施例的获得神经网络参数的流程图；

图3是根据本发明一个具体实施例的用于洗衣机的泡沫量的检测方法的流程图；

图4是根据本发明实施例的用于洗衣机的泡沫量的检测装置的方框示意图；以及

图5是根据本发明实施例的洗衣机的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合附图来描述本发明实施例的洗衣机及用于洗衣机的泡沫量的检测方法和装置。

图1是根据本发明实施例的用于洗衣机的泡沫量的检测方法的流程图。如图1所示，本发明实施例的用于洗衣机的泡沫量的检测方法，包括以下步骤：

s1，获取洗衣机的内桶内的当前图像。

具体地，在当前洗衣机运行的过程中，可以通过设置在洗衣机桶内上的摄像装置对当前洗衣过程中的洗衣机的内桶内进行拍照以获取洗衣过程中的内桶内的当前图像。

s2，获取描述泡沫量特征的神经网络参数。

具体地，在当前洗衣过程之前，例如可在洗衣机出厂之前需要获取描述泡沫量特征的神经网络参数。可通过设置在洗衣机桶内上的摄像装置对训练过程中的洗衣机的内桶内进行拍照以获取洗衣机的内桶内的多个样本图像，对多个样本图像进行处理，并通过描述泡沫量特征的神经网络对处理后的多个样本图像进行训练，以获取描述泡沫量特征的神经网络参数。

进一步地，在获取洗衣机的内桶内的多个样本图像后，可对多个样本图像进行处理，如对多个样本图像进行光照补偿、背景消除和颜色简化中的至少一种。其中，具体如何对样本图像进行光照补偿可以采用较为常用的自适应的图像光照补偿的方法等，具体如何对样本图像进行背景消除可以采用较为常用的高斯模型背景消除的方法等，背景消除可消除样本图像中与泡沫颜色差距较大的内容。颜色简化可对样本图像中的泡沫颜色进行颜色简化。

在对多个样本图像进行处理后，可通过描述泡沫量特征的神经网络对处理后的多个样本图像进行训练，并将样本图像中的泡沫量划分为多个泡沫量等级，以获取描述图像和泡沫量等级之间对应关系的神经网络参数。其中，泡沫量等级可根据实际情况进行划分，例如，可划分为泡沫量过多(如泡沫量1级和泡沫量2级)、泡沫量适量(如泡沫量3级)和泡沫量过少(泡沫量3级和泡沫量4级)。

为了使本领域的人员更清楚的了解本发明，图2是根据本发明一个具体实施例的获得神经网络参数的流程图。如图2所示，本发明实施例的获得神经网络参数可包括：

s201，在洗衣机运行的过程中，通过摄像装置对洗衣机的内桶内进行拍照。

s202，获取洗衣机的内桶内的多个样本图像。

s203，对多个样本图像进行处理。

s204，通过描述泡沫量特征的神经网络对处理后的多个样本图像进行训练，并将多个样本图像中的泡沫量划分为多个泡沫量等级。

s205，获取描述图像和泡沫量等级之间对应的神经网络参数。

s3，根据当前图像和神经网络参数获取内桶内的泡沫量。

具体地，可对当前图像进行处理，并根据处理后的当前图像和神经网络参数获取洗衣机的内桶内的泡沫量所处的等级。

进一步地，在获取洗衣机的内桶内的当前图像后，可对当前图像进行处理，如对当前图像进行光照补偿、背景消除和颜色简化中的至少一种。其中，具体如何对当前图像进行光照补偿可以采用较为常用的自适应的图像光照补偿的方法等。具体如何对当前图像进行背景消除可以采用较为常用的高斯模型背景消除的方法等，背景消除可消除当前图像中与泡沫颜色差距较大的内容。颜色简化可对当前图像中的泡沫颜色进行颜色简化。

在对当前图像进行处理后，可根据处理后的当前图像和神经网络参数可直接获得洗衣机的内桶内的泡沫量所处的等级。

举例说明，如果洗衣机的内桶内的泡沫量处于适量的状态时，则洗衣机进行正常洗涤，否则进行泡沫处理阶段。其中，泡沫处理阶段是针对多个泡沫量等级的情况进行处理的，如果洗衣过程中内桶内的泡沫量过少，则表明用户投放的洗涤剂过少，可导致洗涤效果差，需要自动补充洗涤剂；如果洗衣过程中的内桶内的泡沫量过多，则表明用户投入的洗涤剂过多，可导致洗涤剂残留，需要自动获取内桶内的泡沫量，并自动对泡沫量进行消泡处理，同时增加漂洗的次数。

需要说明的是，在泡沫量过多时，可根据泡沫量的等级控制泡沫处理的强度，泡沫量越多，对应处理强度也就越大，如果泡沫量等级是泡沫量1级，则控制处理强度较强，如果泡沫量等级是泡沫量2级，则控制处理强度较弱。在泡沫量过少时，可根据泡沫量的等级控制洗涤剂的投入，泡沫量越少，投入的洗涤剂也就越多。如果泡沫量等级是泡沫量4级，则控制投入少量的洗涤剂，如果泡沫量等级是泡沫量5级，则控制投入多量的洗涤剂。

在对泡沫量进行处理后，可再次执行步骤s1-s3，直到内桶内的泡沫量处于适量的状态，由此能够提高洗衣机的洗涤效果。

进一步地，为了使本领域的人员更清楚的了解本发明，图3是根据本发明一个具体实施例的用于洗衣机的泡沫量的检测方法的流程图。如图3所示，本发明实施例的用于洗衣机的泡沫量的检测方法可包括以下步骤：

s101，在洗衣机运行的过程中，通过摄像装置对洗衣过程中的内桶内进行拍照。

s102，获取洗衣过程中的内桶内的当前图像。

s103，对当前图像进行处理。

s104，根据处理后的当前图像和神经网络参数获取内桶内的泡沫量等级。

s105，判断泡沫量是否适量。如果是，执行步骤s106；如果否，执行步骤s107。

s106，正常洗涤。

s107，判断泡沫量是否过多。如果是，则泡沫量过多，执行步骤s108；如果否，则泡沫量过少，执行步骤s109。

s108，进行消泡处理，并增加漂洗的次数。

s109，投入洗涤剂。

综上所述，根据本发明实施例的用于洗衣机的泡沫量的检测方法，首先，获取洗衣机的内桶内的当前图像，然后，获取描述泡沫量特征的神经网络参数，最后，根据当前图像和神经网络参数获取内桶内的泡沫量。该方法利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

图4是根据本发明实施例的用于洗衣机的泡沫量的检测装置的方框示意图。如图4所示，本发明实施例的用于洗衣机的泡沫量的检测装置，包括：摄像模块10、获取模块20和主控模块30。

其中，摄像模块10用于获取洗衣机的内桶内的当前图像。用于对当前图像进行处理。获取模块20用于获取描述泡沫量特征的神经网络参数。主控模块30用于根据当前图像和神经网络参数获取内桶内的泡沫量。

具体地，在当前洗衣机运行的过程中，可以通过设置在洗衣机桶内上的摄像模块10对当前洗衣机的洗衣机内桶内进行拍照以获取洗衣机的内桶内的当前图像。

进一步地，在通过摄像模块10获取洗衣过程中的内桶内的当前图像后，可通过主控模块30对当前图像进行光照补偿、背景消除和颜色简化中的至少一种。其中，具体如何对当前图像进行光照补偿可以采用较为常用的自适应的图像光照补偿的方法等。具体如何对当前图像进行背景消除可以采用较为常用的高斯模型背景消除的方法等，背景消除可消除当前图像中与泡沫颜色差距较大的内容。颜色简化可对当前图像中的泡沫颜色进行颜色简化。

在本发明的一个实施例中，摄像模块10还可用于获取洗衣机的内桶内的多个样本图像，主控模块30还可用于对多个样本图像进行处理，获取模块20还用于通过描述泡沫量特征的神经网络对处理后的多个样本图像进行训练，以获取描述泡沫量特征的神经网络参数。

具体地，在当前洗衣过程之前，例如可在洗衣机出厂之前需要获取描述泡沫量特征的神经网络参数。可以通过设置在洗衣机桶内上的摄像模块10对训练过程中的洗衣机的内桶内进行拍照以获取洗衣机的内桶内的多个样本图像。

进一步地，在通过摄像模块10获取多个洗衣过程中的内桶内的样本图像后，可通过主控模块30对样本图像进行光照补偿、背景消除和颜色简化中的至少一种。其中，具体如何对样本图像进行光照补偿可以采用较为常用的自适应的图像光照补偿的方法等，具体如何对样本图像进行背景消除可以采用较为常用的高斯模型背景消除的方法等，背景消除可消除样本图像中与泡沫颜色差距较大的内容。颜色简化可对样本图像中的泡沫颜色进行颜色简化。

在通过主控模块30对多个样本图像进行处理后，可通过描述泡沫量特征的神经网络对处理后的多个样本图像进行训练，并将样本图像中的泡沫量划分为多个泡沫量等级，通过获取模块20获取描述图像和泡沫量等级之间对应的神经网络参数。其中，泡沫量等级可根据实际情况进行划分，例如，可划分为泡沫量过多(如泡沫量1级和泡沫量2级)、泡沫量适量(如泡沫量3级)和泡沫量过少(泡沫量3级和泡沫量4级)。

具体地，在通过摄像模块10获取洗衣机的内桶内的当前图像，通过主控模块30对当前图像进行处理，并通过获取模块20获取描述泡沫量的神经网络参数后，通过主控模块30根据处理后的当前图像和神经网络参数可直接获得洗衣机的内桶内的泡沫量所处的等级。

举例说明，如果洗衣机的内桶内的泡沫量处于适量的状态时，则洗衣机进行正常洗涤，否则进行泡沫处理阶段。其中，泡沫处理阶段是针对多个泡沫量等级的情况进行处理的，如果洗衣过程中内桶内的泡沫量过少，则表明用户投放的洗涤剂过少，可导致洗涤效果差，需要自动补充洗涤剂；如果洗衣过程中的内桶内的泡沫量过多，则表明用户投放的洗涤剂过多，可导致洗涤剂残留，需要自动获取内桶内的泡沫量，并自动对泡沫量进行处理，同时增加漂洗的次数。

需要说明的是，在泡沫量过多时，可根据泡沫量的等级控制泡沫处理的强度，泡沫量越多，对应处理强度也就越大，如果泡沫量等级是泡沫量1级，则控制处理强度较强，如果泡沫量等级是泡沫量2级，则控制处理强度较弱。在泡沫量过少时，可根据泡沫量的等级控制洗涤剂的投入，泡沫量越少，投入的洗涤剂也就越多。如果泡沫量等级是泡沫量4级，则控制增加少量的洗涤剂，如果泡沫量等级是泡沫量5级，则控制增加多量的洗涤剂。

在对泡沫量进行处理后，可再次通过摄像模块10获取洗衣机的内桶内的当前图像，通过主控模块30对当前图像进行处理，并通过获取模块20获取描述泡沫量的神经网络参数，直到洗衣机的内桶内的泡沫量处于适量的状态，由此能够提高洗衣机的洗涤效果。

根据本发明实施例的用于洗衣机的泡沫量的检测装置，通过摄像模块获取洗衣机的内桶内的当前图像，并通过图像处理模块对当前图像进行处理，然后，通过获取模块获取描述泡沫量特征的神经网络参数，最后，通过主控模块根据当前图像和神经网络参数获取内桶内的泡沫量。该装置利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

基于上述实施例，本发明还提出了一种洗衣机1000。

图5是根据本发明实施例的洗衣机的方框示意图。如图5所示，本发明实施例的洗衣机1000可包括上述的用于洗衣机泡沫量的检测装置100。

需要说明的是，在本发明实施例的洗衣机1000中未披露的细节，请参考本发明实施例的用于洗衣机泡沫量的检测装置100中所披露的细节，具体这里不再详述。

根据本发明实施例的洗衣机，通过上述的用于洗衣机的泡沫量的检测装置，利用图像处理和神经网络，能够自动且准确地获取内桶内的泡沫量，以便智能地根据泡沫量的情况对洗衣机进行控制，从而能够提高洗衣机的洗涤效果。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。