保洁任务自动生成、执行评价方法、保洁方法及装置与流程
本发明涉及计算机领域，尤其涉及到一种保洁任务自动生成方法、保洁任务的执行评价方法、保洁方法、保洁任务自动生成装置、保洁任务的执行评价装置、保洁系统、电子设备和可读存储介质。
背景技术：
医院、商场、酒店、集团公司等大型机构的运营面积大、人员密度高、人员流动频繁、保洁服务质量要求高，给大型机构的保洁工作带来了巨大的压力。为了保证保洁服务的质量，一般大型机构的保洁人员占后勤总人数的1/3～1/2，数量和比例都非常大。
但是，由于保洁事件的产生具有一定的不确定性和突发性，因此，即使保洁人员的数量较多，若不能基于保洁事件及时产生保洁任务，从而派发给工作人员进行执行，提高响应速度，则仍然不能保证保洁质量。当前的保洁服务方法，通过将保洁人员按区域摊派，再通过驻守巡视的方式发现并完成保洁任务，显然并不能解决上述问题。此外，由于不能基于保洁事件及时产生保洁任务，还使保洁人员需要自行发现保洁事件并执行任务，非工作时间和无效工作时间占据了非常大的比例，保洁人员的工作效率低下，导致大型机构的保洁成本较高。
技术实现要素：
有鉴于此，本发明实施例提供了一种保洁任务自动生成、执行评价方法和目标检测模型优化方法，已解决现有的保洁服务方法具有的不能基于保洁事件及时产生保洁任务，保洁响应速度较慢和保洁成本较高的问题。
根据第一方面，本发明实施例提供了一种保洁任务自动生成方法，包括如下步骤：获取预设保洁监管区域的当前图像；通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息；比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度；标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到；当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务。
通过比较预设监管区域的当前图像中保洁对象的当前特征信息，以及标准图像中保洁对象的标准特征信息的差异程度，并在差异程度大于预设阈值时，自动生成保洁任务，从而能够在保洁事件产生时，及时生成保洁任务，用以后续分配给保洁人员执行，从而能够提高对保洁事件的响应速度，保证保洁服务质量。此外，使用本发明实施例的方法自动生成保洁任务，还能够减少保洁人员的巡视时间，节约人力成本。
结合第一方面，在第一方面第一实施方式中，当前特征信息包括当前图像中保洁对象的当前位置信息，标准特征信息包括标准图像中保洁对象的标准位置信息；比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度的步骤，包括：获取当前图像和标准图像中若干个对应的保洁对象，并比较对应的保洁对象的当前位置信息与标准位置信息的差异程度。
结合第一方面第一实施方式，在第一方面第二实施方式中，当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务的步骤，包括：当各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和大于第一预设阈值时，生成保洁任务。
通过计算各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和，用以使用得到的结果表征预设保洁监管区域的当前杂乱程度，并在各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和大于第一预设阈值时，生成保洁任务，即在预设保洁监管区域的当前杂乱程度达到一定程度时，及时生成保洁任务，从而能够提高对保洁对象杂乱的保洁事件的响应程度，提高了保洁服务质量。
结合第一方面，在第一方面第三实施方式中，当前特征信息包括当前图像中保洁对象的当前面积信息；比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度的步骤，包括：获取当前图像中的保洁对象相对于标准图像中的保洁对象存在区别的区别保洁对象；计算各区别保洁对象的面积之和相对于当前图像的总面积的比率。
结合第一方面第三实施方式，在第一方面第四实施方式中，当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务的步骤，包括：当比率大于第二预设阈值时，生成保洁任务。
通过计算各区别保洁对象(当前图像中存在，但是标准图像中不存在的保洁对象)的面积之和相对于当前图像的总面积的比率，用以使用得到的结果表征预设保洁监管区域的异物占有度，并在该大于第二预设阈值时，生成保洁任务，即在预设保洁监管区域的异物占有度达到一定程度时，及时生成保洁任务，从而能够提高对预设保洁监管区域出现异物的保洁事件的响应程度，提高了保洁服务质量。
结合第一方面到第一方面第四实施方式中的任一项，在第一方面第四实施方式中，通过如下步骤优化目标检测模型：使用当前的目标检测模型对预设保洁监管区域的图像进行识别，以将图像中的目标标识为保洁对象和非保洁对象；当存在目标检测模型无法识别的目标时，获取无法识别的目标的标注信息；标注信息用以将无法识别的目标标识为保洁对象或者非保洁对象；基于无法识别的目标及其对应的标注信息对当前的目标检测模型进行优化。
通过不断优化目标检测模型，不断提高目标检测莫模型对目标进行识别标识的全面性的准确性，从而能够保证保洁任务生成的及时性，保证保洁服务质量的持续提升。
根据第二方面，本发明实施例提供了一种保洁任务的执行评价方法，包括如下步骤：当接收到保洁任务进行完成的反馈信息时，获取保洁任务对应的预设保洁监管区域的当前图像；通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息；比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度；标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到；根据差异程度评价保洁任务的执行程度。
通过在保洁人员反馈任务完成后，保洁任务对应的预设保洁监管区域的当前图像，并在使用目标检测模型对当前图像进行识别得到当前图像中保洁对象的当前特征信息后，比较当前特征信息与标准特征信息(通过使用目标检测模型对标准图像进行识别得到的)的差异程度，从而根据该差异度评价保洁任务的执行程度，差异程度越低，保洁任务的执行程度越好，能够提高对保洁任务执行程度进行后得到的评价结果的客观性。此外，由于该方法对人工的依赖性较低，还能够节约人力成本。
结合第二方面，在第二方面第一实施方式中，通过如下步骤优化目标检测模型：使用当前的目标检测模型对预设保洁监管区域的图像进行识别，以将图像中的目标标识为保洁对象和非保洁对象；当存在目标检测模型无法识别的目标时，获取无法识别的目标的标注信息；标注信息用以将无法识别的目标标识为保洁对象或者非保洁对象；基于无法识别的目标及其对应的标注信息对当前的目标检测模型进行优化。
根据第三方面，本发明实施例提供了一种保洁方法，包括如下步骤：使用第一方面或者第一方面的任意一种实施方式中所述的保洁任务自动生成方法生成保洁任务；将保洁任务分配给某一保洁人员；当收到保洁人员反馈的保洁任务完成的信息时，使用第二方面或者第二方面的任意一种实施方式中所述的保洁任务的执行评价方法对保洁任务的执行程度进行评价。
通过自动生成保洁任务，以及自动评价保洁任务的执行程度，减少了对人员的依赖，也减少了人力的浪费和无效工作，能够提高对保洁事件的响应及时性和有效性。
根据第四方面，本发明实施例提供了一种保洁任务自动生成装置，包括：第一图像获取模块，用于获取预设保洁监管区域的当前图像；第一图像识别模块，用于通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息；第一比较模块，用于比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度；标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到；任务生成模块，用于当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务。
根据第五方面，本发明实施例提供了一种保洁任务的执行评价装置，包括：第二图像获取模块，用于当接收到保洁任务进行完成的反馈信息时，获取保洁任务对应的预设保洁监管区域的当前图像；第二图像识别模块，用于通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息；第二比较模块，用于比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度；标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到；任务评价模块，用于根据差异程度评价保洁任务的执行程度。
根据第六方面，本发明实施例提供了一种保洁系统，包括：如第四方面所述的保洁任务自动生成装置，用于生成保洁任务；任务分配装置，用于将所述保洁任务分配给某一保洁人员；如第五方面所述的保洁任务的执行评价装置，用以对所述保洁任务的执行程度进行评价。
根据第七方面，本发明实施例提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行第一方面、第一方面的任意一种实施方式、第二方面、第二方面的任意一种实施方式或者第三方面中所述的方法。
根据第八方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行第一方面、第一方面的任意一种实施方式、第二方面、第二方面的任意一种实施方式或者第三方面中所述的方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的保洁任务自动生成方法的流程图；
图2为本发明另一实施例提供的保洁任务自动生成方法的流程图；
图3为本发明另一实施例提供的保洁任务自动生成方法的流程图；
图4为本发明提供的目标检测模型的优化过程的流程图；
图5为本发明实施例提供的保洁任务的执行评价方法的流程图
图6为本发明实施例提供的保洁方法的流程图；
图7为本发明实施例提供的保洁任务自动生成装置的原理框图；
图8为本发明实施例提供的保洁任务的执行评价装置的原理框图；
图9为本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
实施例1
图1示出本发明实施例的保洁任务自动生成方法的流程图，如图1所示，该方法可以包括如下步骤：
s101，获取预设保洁监管区域的当前图像。在这里，可以通过监控摄像头或者数字相机等图像采集装置，获取预设保洁监管区域的当前图像。
s102，通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息。在这里，保洁对象的当前特征信息可以包括保洁对象的当前位置信息以及当前面积信息等。
在这里，保洁对象是指存在与预设保洁监管区域内，并且影响保洁服务质量，能够产生保洁任务的图像，例如，会议室中的桌、椅、植物花卉以及垃圾、污渍、杂物等，具体地，还可以对保洁对象进行进一步的分类，将其分为标准对象和目标对象，其中，标准对象是指在预设保洁监管区域中应当存在，但是需要固定摆放的保洁对象，如桌、椅以及植物花卉等，目标对象是指在预设保洁监管区域中不应当存在的保洁对象，如垃圾、污渍、杂物等。
在这里，可以使用基于r-cnn算法的目标模型对当前图像进行识别，具体的检测流程包括：
1)通过生成预定数量的候选区域(regionproposal)的选择性搜索算法，对输入的当前图像进行扫描，获取可能出现的目标；
2)在每个regionproposal上都通过运行一个卷积神经网络(cnn)；
3)将每个cnn的输出都输入进一个支持向量机(svm)，对该区域进行分类(在这里，主要根据区域中的特征信息将区域中的目标分为保洁对象和非保洁对象)，并通过一个线性回归器，收缩目标周围的边界框。
s103，比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度。在这里，标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到，标准图像是指预设保洁监管区域中的标准对象均位于齐备要求固定摆放的位置，并且不存在目标对象时的图片。
在本实施例中，当前特征信息可以包括当前图像中保洁对象的当前位置信息，还可以包括当前图像中保洁对象的当前面积信息；标准特征信息包括标准图像中保洁对象的标准位置信息，还可以包括准图像中保洁对象的标准面积信息。
通过可以将保洁对象的当前位置信息和标准位置信息的差异程度作为当前特征信息与标准特征信息的差异程度，或者将当前面积信息和标准面积信息的差异程度作为当前特征信息与标准特征信息的差异程度，或者将当前位置信息和标准位置信息的差异程度，以及当前面积信息和标准面积信息的差异程度累计结果作为当前特征信息与标准特征信息的差异程度。
s104，当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务。在这里，生成的保洁任务中可以包括预设监管区域的位置信息，激发了保洁任务的保洁对象(当前特征信息与标准特征信息存在差异的保洁对象)的信息，任务难度信息(根据差异程度的大小得到)等信息。
本发明实施例的保洁任务自动生成方法，通过比较预设监管区域的当前图像中保洁对象的当前特征信息，以及标准图像中保洁对象的标准特征信息的差异程度，并在差异程度大于预设阈值时，自动生成保洁任务，从而能够在保洁事件产生时，及时生成保洁任务，用以后续分配给保洁人员执行，从而能够提高对保洁事件的响应速度，保证保洁服务质量。此外，使用本发明实施例的方法自动生成保洁任务，还能够减少保洁人员的巡视时间，节约人力成本。
图2示出本发明另一实施例的保洁任务自动生成方法的流程图，以当前特征信息包括当前图像中保洁对象的当前位置信息，标准特征信息包括标准图像中保洁对象的标准位置信息为例来描述本发明实施例的保洁任务自动生成方法，如图2所示，该方法可以包括如下步骤：
s201，获取预设保洁监管区域的当前图像。具体内容参考步骤s101所述。
s202，通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前位置信息。具体内容参考步骤s102所述。
s203，获取当前图像和标准图像中若干个对应的保洁对象，并比较对应的保洁对象的当前位置信息与标准位置信息的差异程度。在这里，标准位置信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到。在本实施例中，由于保洁对象为当前图像和标准图像中均对应存在的，因此，此处的保洁对象均为标准对象，保洁对象的当前位置信息与标准位置信息的差异程度用以表征预设保洁监管区域的杂乱程度。
s204，当各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和大于第一预设阈值时，生成保洁任务。
在这里，通过以下公式计算预设保洁监管区域的杂乱程度：
本发明实施例的保洁任务自动生成方法，通过计算各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和，用以使用得到的结果表征预设保洁监管区域的当前杂乱程度，并在各对应的保洁对象的当前位置信息与标准位置信息的差异程度之和大于第一预设阈值时，生成保洁任务，即在预设保洁监管区域的当前杂乱程度达到一定程度时，及时生成保洁任务，从而能够提高对保洁对象杂乱的保洁事件的响应程度，提高了保洁服务质量。
图3示出本发明另一实施例的保洁任务自动生成方法的流程图，以当前特征信息包括当前图像中保洁对象的当前面积信息为例来描述本发明实施例的保洁任务自动生成方法，如图3所示，该方法可以包括如下步骤：
s301，获取预设保洁监管区域的当前图像。具体内容参考步骤s101所述。
s302，通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前面积信息。具体内容参考步骤s102所述。
s303，获取当前图像中的保洁对象相对于标准图像中的保洁对象存在区别的区别保洁对象。在这里，区别保洁对象是指当前图像中存在，但是标准图像中不存在的保洁对象，即此处的保洁对象是指垃圾、污渍或者杂物等目标对象。
s304，计算各区别保洁对象的面积之和相对于当前图像的总面积的比率。在这里，参照s303所述，区别保洁对象是指目标对象，各区别保洁对象的面积之和相对于当前图像的总面积的比率用以表征异物占有度。
s305，当比率大于第二预设阈值时，生成保洁任务。
在这里，通过以下公式计算预设保洁监管区域的异物占有度：
本发明实施例的保洁任务自动生成方法，通过计算各区别保洁对象(当前图像中存在，但是标准图像中不存在的保洁对象)的面积之和相对于当前图像的总面积的比率，用以使用得到的结果表征预设保洁监管区域的异物占有度，并在该大于第二预设阈值时，生成保洁任务，即在预设保洁监管区域的异物占有度达到一定程度时，及时生成保洁任务，从而能够提高对预设保洁监管区域出现异物的保洁事件的响应程度，提高了保洁服务质量。
作为本实施例的一种可选实施方式，可以通过综合计算预设保洁监管区域的杂乱程度以及异物占有度，并在上述综合计算结果大于第三阈值时，生成保洁任务的方式，完成保洁任务的生成，即，当a*d(l,t)+b*r(l,t)的值大于第三阈值时时，生成保洁任务。在这里，参数a和参数b的具体取值可以根据实际应用场景进行调整，在此不做任何限制。
图4示出本发明实施例的保洁任务自动生成方法中的目标检测模型的优化过程的流程图，如图4所述，该过程可以包括如下步骤：
s401，使用当前的目标检测模型对预设保洁监管区域的图像进行识别，以将图像中的目标标识为保洁对象和非保洁对象。在这里，保洁对象可以是上述的标准对象，也可以是上述的目标对象，非保洁对象是指临时进入预设保洁监管区域，或者被临时摆放进预设保洁监管区域的对象，例如，临时进入会议室进行开会的员工等，当预设保洁监管区域中存在非保洁对象时，无论其他保洁对象的状态如何，均不生成保洁任务。因此，为了能够准确及时生成保洁任务，需要目标检测模型能够准确标识保洁对象和非保洁对象。
s402，当存在目标检测模型无法识别的目标时，获取无法识别的目标的标注信息。在这里，标注信息用以将无法识别的目标标识为保洁对象或者非保洁对象。
s403，基于无法识别的目标及其对应的标注信息对当前的目标检测模型进行优化。
在这里，为了防止目标检测模型过于频繁的优化，还可以通过以下公式设置目标检测模型优化的开始阈值：
本发明实施例的保洁任务自动生成，通过不断优化目标检测模型，不断提高目标检测莫模型对目标进行识别标识的全面性的准确性，从而能够保证保洁任务生成的及时性，保证保洁服务质量的持续提升。
实施例2
图5示出本发明实施例的保洁任务的执行评价方法的流程图，如图5所示，该方法可以包括如下步骤：
s501，当接收到保洁任务进行完成的反馈信息时，获取保洁任务对应的预设保洁监管区域的当前图像。在这里，反馈信息为保洁人员通过专用软件终端或者短信、微信等方式反馈的保洁任务完成的信息。
s502，通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息。具体内容参考实施例1中的步骤s102所述，在此不再赘述。
s503，比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度。在这里，标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到。具体内容参考实施例1中的步骤s103所述，在此不再赘述。
s504，根据差异程度评价保洁任务的执行程度。在这里，差异程度越低，保洁任务的执行程度越好。
本发明实施例的保洁任务的执行评价方法，通过在保洁人员反馈任务完成后，保洁任务对应的预设保洁监管区域的当前图像，并在使用目标检测模型对当前图像进行识别得到当前图像中保洁对象的当前特征信息后，比较当前特征信息与标准特征信息(通过使用目标检测模型对标准图像进行识别得到的)的差异程度，从而根据该差异度评价保洁任务的执行程度，差异程度越低，保洁任务的执行程度越好，能够提高对保洁任务执行程度进行后得到的评价结果的客观性。此外，由于该方法对人工的依赖性较低，还能够节约人力成本。
作为本实施例的一种可选实施方式，可以对目标检测模型进行优化，其具体的内容可以参考实施例1中的s401-s403来理解，在此不再赘述。
实施例3
图6示出本发明实施例的保洁方法的流程图，如图6所示，该方法可以包括如下步骤：
s601，使用实施例1或者其任意可选实施方式所述的保洁任务自动生成方法生成保洁任务。
s602，将保洁任务分配给某一保洁人员。
s603，当收到保洁人员反馈的保洁任务完成的信息时，使用实施例2或者其任意可选实施方式所述的保洁任务的执行评价方法对保洁任务的执行程度进行评价。
本实施例所述方法的具体内容可以参考实施例1和实施例2来理解，在此不再赘述。
本发明实施例的保洁方法，通过自动生成保洁任务，以及自动评价保洁任务的执行程度，减少了对人员的依赖，也减少了人力的浪费和无效工作，能够提高对保洁事件的响应及时性和有效性。
实施例4
图7示出了本发明实施例的一种保洁任务自动生成装置的原理框图，该装置可以用于实现实施例1或者其任意可选实施方式所述的保洁任务自动生成方法。如图7所示，该装置包括：第一图像获取模块10、第一图像识别模块20、第一比较模块30和任务生成模块40。
第一图像获取模块10用于获取预设保洁监管区域的当前图像。
第一图像识别模块20用于通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息。
第一比较模块30用于比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度。在这里，标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到。
任务生成模块40用于当当前特征信息与标准特征信息的差异程度大于预设阈值时，生成保洁任务。
本发明实施例的保洁任务自动生成装置，可以用以实现实施例1中的保洁任务自动生成方法，自动生成保洁任务，从而能够在保洁事件产生时，及时生成保洁任务，用以后续分配给保洁人员执行，从而能够提高对保洁事件的响应速度，保证保洁服务质量。此外，使用本发明实施例的方法自动生成保洁任务，还能够减少保洁人员的巡视时间，节约人力成本。
本发明实施例还提供了一种保洁任务的执行评价装置，图8示出了本该保洁任务自动生成装置的原理框图，该装置可以用于实现实施例2或者其任意可选实施方式所述的保洁任务的执行评价方法。如图8所示，该装置包括：第二图像获取模块50、第二图像识别模块60、第二比较模块70和任务评价模块80。
第二图像获取模块50用于当接收到保洁任务进行完成的反馈信息时，获取保洁任务对应的预设保洁监管区域的当前图像。
第二图像识别模块60用于通过预先训练的目标检测模型对当前图像进行识别，得到当前图像中保洁对象的当前特征信息。
第二比较模块70用于比较当前特征信息与标准图像中保洁对象的标准特征信息的差异程度。在这里，标准特征信息为使用目标检测模型对预设保洁监管区域的标准图像进行识别得到。
任务评价模块80用于根据差异程度评价保洁任务的执行程度。
本发明实施例的保洁任务的执行评价装置，可以用以实现实施例2中的保洁任务的执行评价方法，客观评价保洁任务的执行情况，并且，减小了人力的介入，节约了人力成本。
本发明实施例还提供了一种保洁系统，该系统可以用于实现实施例3或者其任意可选实施方式所述的保洁方法方法。该系统包括：保洁任务自动生成装置、任务分配装置和执行评价装置。
保洁任务自动生成装置用于生成保洁任务。
任务分配装置用于将所述保洁任务分配给某一保洁人员。
保洁任务的执行评价装置用以对所述保洁任务的执行程度进行评价。
本发明实施例还提供了一种电子设备，如图9所示，该电子设备可以包括处理器91和存储器92，其中处理器91和存储器92可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器91可以为中央处理器(centralprocessingunit，cpu)。处理器91还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器92作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的保洁任务自动生成装置对应的程序指令/模块(例如，图7所示的第一图像获取模块10、第一图像识别模块20、第一比较模块30和任务生成模块40)。处理器91通过运行存储在存储器92中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器92可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器91所创建的数据等。此外，存储器92可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器92可选包括相对于处理器91远程设置的存储器，这些远程存储器可以通过网络连接至处理器91。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器92中，当被所述处理器91执行时，执行如图1-6所示实施例中的方法。
上述电子设备具体细节可以对应参阅图1至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)、随机存储记忆体(randomaccessmemory，ram)、快闪存储器(flashmemory)、硬盘(harddiskdrive，缩写：hdd)或固态硬盘(solid-statedrive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
- 还没有人留言评论。精彩留言会获得点赞！