The invention discloses a cleaning mode selection method based on convolution neural network, which includes the following steps: S1: collecting the current working scene image of intelligent cleaning equipment; S2: inputting the collected current working scene image into the working scene convolution neural network classification model of the intelligent cleaning equipment to determine the type of the current working scene, in which the working scene is described. The classification model of convolutional neural network is established according to the training sample set. The pre-collected working scene image tags in the training sample set have corresponding working scene type tags; S3: The corresponding cleaning mode is adopted according to the current working scene type. By collecting the current working scene image and inputting it into the trained working scene convolution neural network classification model, the present working scene type of intelligent cleaning equipment can be obtained, and the corresponding cleaning mode can be adopted. The invention makes the selection of cleaning mode more efficient, intelligent and diversified, and meets the needs of consumers.
【技术实现步骤摘要】
智能清洁设备,清洁模式选择方法,计算机存储介质
本专利技术涉及智能清洁
,尤其涉及一种基于卷积神经网络的清洁模式选择方法、智能清洁设备以及计算机存储介质。
技术介绍
现有的智能清洁设备通常通过自身的传感装置向控制系统提供位置信息和运动状态信息,进而实现路径规划、规避障碍等,采用这种方式的智能清洁设备是“看不到”物体的,其工作环境中的物体只能被当做障碍物被越过或远离。并且,现有的智能清洁设备无法直接分辨出自己所处的房间,只能是用户通过移动端进行地图划分来告知其具体位置,和应该采取什么样的清洁模式。上述方式不够智能,需要的人工干预过多,导致清洁效率较低。
技术实现思路
在
技术实现思路
部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本专利技术的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。为了至少部分地解决上述问题,根据本专利技术的第一方面,提供了一种基于卷积神经网络的清洁模式选择方法,包括以下步骤:S1:采集所述智能清洁设备的当前工作场景图像;S2:将采集到的当前工作场景图像输入至所述智能清洁设备的工作场景卷积神经网络分类模型,以确定当前工作场景的类型,其中,所述工作场景卷积神经网络分类模型根据训练样本集建立,所述训练样本集中的预采集工作场景图像标记有对应的工作场景类型标签;S3:根据当前工作场景的类型采用对应的清洁模式。根据本专利技术的用于智能清洁设备的基于卷积神经网络的清洁模式选择方法,通过采集当前工作场景图像,将其输入至训练好的工作场景卷积 ...
【技术保护点】
1.一种用于智能清洁设备的基于卷积神经网络的清洁模式选择方法,其特征在于,包括以下步骤:S1:采集所述智能清洁设备的当前工作场景图像;S2:将采集到的当前工作场景图像输入至所述智能清洁设备的工作场景卷积神经网络分类模型,以确定当前工作场景的类型,其中,所述工作场景卷积神经网络分类模型根据训练样本集建立,所述训练样本集中的预采集工作场景图像标记有对应的工作场景类型标签;S3:根据当前工作场景的类型采用对应的清洁模式。
【技术特征摘要】
1.一种用于智能清洁设备的基于卷积神经网络的清洁模式选择方法,其特征在于,包括以下步骤:S1:采集所述智能清洁设备的当前工作场景图像;S2:将采集到的当前工作场景图像输入至所述智能清洁设备的工作场景卷积神经网络分类模型,以确定当前工作场景的类型,其中,所述工作场景卷积神经网络分类模型根据训练样本集建立,所述训练样本集中的预采集工作场景图像标记有对应的工作场景类型标签;S3:根据当前工作场景的类型采用对应的清洁模式。2.根据权利要求1所述的清洁模式选择方法,其特征在于,所述工作场景卷积神经网络分类模型为自适应卷积神经网络分类模型,用于根据新的训练样本完成增量学习。3.根据权利要求1所述的清洁模式选择方法,其特征在于,所述工作场景类型标签包括房间属性标签,所述房间属性标签用于表征所述智能清洁设备的空间位置。4.根据权利要求3所述的清洁模式选择方法,其特征在于,所述步骤S2包括,确定当前工作场景的房间属性;所述步骤S3包括,根据所述房间属性采用对应的第一清洁模式;所述第一清洁模式构造为所述智能清洁设备针对不同房间属性而采用不同的清洁力度。5.根据权利要求1所述的清洁模式选择方法,其特征在于,所述工作场景类型标签包括微小物体属性标签,所述微小物体属性标签用于表征所述智能清洁设备的周围环境。6....
【专利技术属性】
技术研发人员:谢濠键,
申请(专利权)人:北京石头世纪科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。