洗涤物处理装置及其操作方法制造方法及图纸

本发明专利技术提供一种洗涤物处理装置及其操作方法。一实施例的洗涤物处理装置包括：无线通信部；至少一个以上传感器；以及处理器，将通过监督学习算法学习的学习模型应用于包括从所述至少一个以上传感器收集的感测值和所述感测值的测量时刻的感测信息，以获取包括微生物的种类和所述微生物的增殖速度的微生物信息，并以获取的微生物信息为基础，获取洗涤引导信息，并通过所述无线通信部将获取的洗涤引导信息发送给终端。

Washing material treatment device and operation method

【技术实现步骤摘要】
洗涤物处理装置及其操作方法
本专利技术涉及洗涤物处理装置，更具体而言，涉及能够基于感测数据使用人工智能来判断洗涤物处理装置的污染状态的洗涤物处理装置。
技术介绍
在现代，洗涤物处理装置是所有家庭必备的家用电器。近年来，鉴于消费者对杀菌的认识不断提高，已经开发了附加了杀菌功能的洗涤物处理装置。这种附加了杀菌功能的洗涤物处理装置作为其杀菌方法使用了实施桶清洗、操作除湿模式或使用紫外线的方法。然而，虽然现有的洗涤物处理装置检测霉菌或细菌并能自动地执行槽清洗，但是，没有采取根据霉菌或细菌的种类的措施。并且，由于洗涤物处理装置仅执行统一的槽清洗，而未执行适合于检测到的微生物的种类或增殖情况的槽清洗，因此，存在可能没有进行正确的清洁的问题。
技术实现思路
本专利技术的目的在于，通过根据在洗涤物处理装置检测到的微生物的种类和微生物的增殖速度来区分洗涤操作，从而采取适合于洗涤物处理装置的污染情况的措施。本专利技术的实施例的洗涤物处理装置可以基于附接于洗涤物处理装置的一个以上传感器的感测值来预测微生物的种类和微生物的增殖速度，并且，基于预测的信息来提供洗涤引导信息。根据本专利技术的实施例，执行了适合于在洗涤物处理装置检测到的微生物的种类和微生物的增殖速度的洗涤操作，从而能够执行更加准确的洗涤操作。由此，能够降低洗涤物的污染度，并且，能够增加洗涤物处理装置的使用寿命。附图说明图1是用于说明人工神经网络的学习装置的框图。图2是用于说明本专利技术一实施例的终端的框图。图3是用于说明本专利技术一实施例的洗涤物处理装置的结构的框图。图4是用于说明本专利技术一实施例的洗涤物处理装置的操作方法的流程图。图5是说明根据本专利技术实施例的由感测部收集的感测信息的示例的图。图6是说明根据本专利技术一实施例的使用线性回归算法获取微生物种类的方法的图。图7是说明根据本专利技术一实施例的使用线性回归算法获取其他种类微生物的方法的图。图8至图10是说明根据本专利技术实施例的能够与洗涤物处理装置通信的终端显示微生物信息和洗涤引导信息的示例的图。图11是用于说明本专利技术一实施例的洗涤系统的操作方法的梯形图。具体实施方式下面，将参照附图详细描述本说明书中公开的实施例，无论附图符号如何，相同或相似的构成要素赋予相同的附图标记，并且将省略对此的重复描述。以下描述中使用的结构要素的后缀“模块”和“部”仅出于考虑说明书的容易撰写而赋予或混用，它们本身并不具有彼此区分的含义或作用。并且，在描述本说明书中公开的实施例时，如果判断对相关的公知技术的具体描述可能会混淆本说明书中公开的实施例的主旨，则省略其详细描述。并且，附图仅是用于使本说明书中公开的实施例容易理解，本说明书中公开的技术思想并不受附图限制，本专利技术的思想和技术范围内的所有变更、等同物以及替代物应当被理解为包括在本专利技术的思想和技术范围。包括诸如第一、第二等的序数的术语可以用于说明各种构成要素，但是所述构成要素并不受所述术语的限制。所述术语仅用于将一个构成要素从另一个构成要素区分的目的。当提及一个构成元素与另一构成要素“连接”或“接触”时，应理解为可以与另一构成要素直接连接或接触，或者它们之间还可以存在其他构成要素。相反，当提及一个构成要素与另一构成要素“直接连接”或“直接接触”时，应理解为它们之间不存在其他构成要素。人工智能(artificialintelligence,AI)作为计算机工学和信息技术的一个领域，涉及研究如何使计算机以类似于人类智能的方式进行思考、学习、自我开发等的方法，表示使计算机能够模仿人类的智能行为。并且，人工智能其本身并不存在，而是直接或间接地与计算机科学的其他领域有很多关联。尤其，在现代已经进行了许多尝试来将人工智能要素导入到信息技术的各个领域，以用于解决这些领域中的问题。机器学习(machinelearning)作为人工智能的一个领域，是赋予计算机无需显式编程即可学习的能力的研究领域。具体而言，机器学习可以是指研究和构建基于经验数据执行学习和预测并提高自身性能的系统以及用于该系统的算法的技术。机器学习的算法不执行严格定义的静态的程序命令，而是采取构建特定模型以激发基于输入数据进行预测或决策的方式。术语“machinelearning”可以与术语“机器学习”混用。基于如何在机器学习中对数据进行分类，已经开发了许多机器学习算法。其典型例子包括决策树(DecisionTree)或贝叶斯网络(Bayesiannetwork)、支持向量机(supportvectormachine,SVM)以及人工神经网络(Artificialneuralnetwork)等。决策树是通过将决策规则(DecisionRule)图表化为树结构来执行分类和预测的分析方法。贝叶斯网络是以图表结构表示多个变量之间的概率关系(条件独立性：conditionalindependence)的模型。贝叶斯网络适合通过无监督学习(unsupervisedlearning)进行数据挖掘(datamining)。支持向量机是用于模式识别和数据分析的监督学习(supervisedlearning)的模型，主要用于分类和回归分析。人工神经网络(ArtificialNeuralNetwork,ANN)是生物神经元的工作原理与神经元之间的连接关系的模型，并且是被称为节点(node)或处理元素(processingelement)的多个神经元以层(Layer)结构的形式连接的信息处理系统。人工神经网络(ArtificialNeuralNetwork,ANN)是在机器学习中使用的模型，由此，是一种受机器学习和认知科学中的生物神经网络(尤其是动物的中枢神经系统中的大脑)启发的统计学习算法。具体而言，人工神经网络(ArtificialNeuralNetwork,ANN)可以表示一个整体模型，其中，通过突触(Synapse)的结合来形成网络的人工神经元(节点)通过学习改变突触的结合强度，从而具有解决问题能力。术语人工神经网络(ArtificialNeuralNetwork,ANN)可以与术语神经网络(NeuralNetwork)混用。人工神经网络(ArtificialNeuralNetwork,ANN)可以包括多个层(layer)，每个层可以包括多个神经元(neuron)。并且，人工神经网络(ArtificialNeuralNetwork,ANN)可以包括连接神经元(neuron)和神经元(neuron)的突触(synapse)。人工神经网络(ArtificialNeuralNetwork,ANN)通常可以由以下三个因素定义：(1)不同层(layer)的神经元之间的连接模式；(2)更新连接的权重的学习过程；以及(3)对从上一层(layer)接收到的输入进行加权求和并生成输出值的激活函数。人工神经网络(Artific本文档来自技高网...

【技术保护点】
1.一种洗涤物处理装置，其中，包括：/n无线通信部；/n至少一个以上传感器；以及/n处理器，将通过监督学习算法学习的学习模型应用于包括从所述至少一个以上传感器收集的感测值和所述感测值的测量时刻的感测信息，以获取包括微生物的种类和所述微生物的增殖速度的微生物信息，并以获取的微生物信息为基础，获取洗涤引导信息，并通过所述无线通信部将获取的洗涤引导信息发送给终端。/n

【技术特征摘要】
20181219 KR PCT/KR2018/0162181.一种洗涤物处理装置，其中，包括：
无线通信部；
至少一个以上传感器；以及
处理器，将通过监督学习算法学习的学习模型应用于包括从所述至少一个以上传感器收集的感测值和所述感测值的测量时刻的感测信息，以获取包括微生物的种类和所述微生物的增殖速度的微生物信息，并以获取的微生物信息为基础，获取洗涤引导信息，并通过所述无线通信部将获取的洗涤引导信息发送给终端。


2.根据权利要求1所述的洗涤物处理装置，其中，
所述学习模型包括感测信息、微生物的种类以及每种微生物的增殖速度之间的关系。


3.根据权利要求2所述的洗涤物处理装置，其中，
所述处理器将通过所述一个以上传感器收集的感测信息作为输入数据，应用所述学习模型而获取与所述输入数据匹配的微生物的种类和微生物的增殖速度。


4.根据权利要求3所述的洗涤物处理装置，其中，
还包括存储器，所述存储器存储将洗涤引导与微生物的种类和微生物的增殖速度对应的表。


5.根据权利要求4所述的洗涤物处理装置，其中，
所述处理器使用所述表来获取与获取的所述微生物的种类和所述微生物的增殖速度对应的洗涤引导。


6.根据权利要求1所述的洗涤物处理装置，其中，
所述洗涤引导信息包括引导特定洗涤操作的信息，以去除所述微生物或防止所述微生物的增殖。


7.根据权利要求6所述的洗涤物处理装置，其中，
所述洗涤引导信息还包括检测到所述微生物的位置信息。


8.一种洗涤物处理装置的操作方法，其中，包括：
收集包括从至少一个传感器收集的感测值和所述感测值的测量时刻的感测信息的步骤；
将通过监督学习算法学习的学习模型应用于所述感测信...

【专利技术属性】
技术研发人员：郑行伊，金载烘，金孝恩，李泰镐，韩钟祐，
申请(专利权)人：LG电子株式会社，
类型：发明
国别省市：韩国;KR