本申请提供了一种模型训练、衣物清洗设备控制方法、装置、设备及介质，该方法包括：获取样本数据集，样本数据集包括N组样本数据，每组样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时样本衣物清洗设备的桶内偏心值、电机电流，以及，样本负载的实际重量。利用样本数据集对重量矫正模型进行训练，得到训练好的重量矫正模型，训练好的重量矫正模型用于根据输入数据，得到衣物的实际重量。输入数据包括：衣物清洗设备对待清洗的衣物称重得到的称重重量、称重时衣物清洗设备的桶内偏心值、电机电流。本申请的方法，能够提高待清洗的衣物的称重重量的准确度，进而获得更加准确的清洗参数，提高衣物的清洗效果。提高衣物的清洗效果。提高衣物的清洗效果。
【技术实现步骤摘要】
模型训练、衣物清洗设备控制方法、装置、设备及介质
[0001]本申请属于衣物清洗设备控制
，具体涉及一种模型训练、衣物清洗设备控制方法、装置、设备及介质。
技术介绍
[0002]随着人们生活水平的提高，对于洗衣机的性能要求也越来越高，节能、环保和智能化成为人们在购买洗衣机时考虑的几个重要因素。由于洗衣机内的衣物重量决定了洗衣机的用水量和洗涤时间，而洗衣机的用水量和洗涤时间又直接影响洗衣机的洗涤效果、耗水量和耗电量，所以准确地获取洗衣机内的衣物重量成为洗衣机实现节能、环保和智能化的关键。
[0003]目前，洗衣机是通过电机的旋转速度、或电机的电压、或电机的电流等获取洗衣机内的衣物重量。然而，这种获取洗衣机内的衣物重量的方法存在准确度较低，导致基于衣物称重结果所得到的清洗参数不准确，进而导致衣物的清洗效率较差的问题。
技术实现思路
[0004]本申请提供一种模型训练、衣物清洗设备控制方法、装置、设备及介质，用以解决现有技术中洗衣机的衣物称重准确度较低的问题。
[0005]第一方面，本申请提供了一种模型训练方法，包括：
[0006]获取样本数据集，所述样本数据集包括N组样本数据，每组所述样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机电流，以及，所述样本负载的实际重量；所述N为大于或等于1的整数；
[0007]利用所述样本数据集对重量矫正模型进行训练，得到训练好的重量矫正模型，训练好的重量矫正模型用于根据输入数据，得到衣物的实际重量，所述输入数据包括：衣物清洗设备对待清洗的衣物称重得到的称重重量、称重时所述衣物清洗设备的桶内偏心值、电机电流，得到所述衣物的实际重量。
[0008]可选地，所述获取样本数据集，包括：
[0009]获取初始样本数据集，所述初始样本数据集包括M组初始样本数据，每组所述初始样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机参数；所述M为大于或等于所述N的整数；
[0010]基于所述初始样本数据集的数据分析处理结果，对所述M组初始样本数据中的数据进行预处理，得到第一候选样本数据集，所述第一候选样本数据集包括M组候选样本数据，每组所述候选样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机电流；
[0011]根据所述第一候选样本数据集，获取所述样本数据集。
[0012]可选地，所述根据所述第一候选样本数据集，获取所述样本数据集，包括：
[0013]从所述第一候选样本数据集中提取N组候选样本数据，得到所述样本数据集；或
者，对所述第一候选样本数据集中的候选样本数据加入高斯噪声，得到第二候选样本数据集；分别从所述第一候选样本数据集和所述第二候选样本数据集提取样本数据，得到所述样本数据集。
[0014]可选地，所述重量矫正模型，包括：
[0015]第一卷积模块，用于对所述重量矫正模型的输入数据进行特征提取，得到第一特征数据；
[0016]第二卷积模块，用于对所述第一特征数据进行通道卷积处理，得到第二特征数据；
[0017]第三卷积模块，用于对所述第二特征数据进行逐点卷积处理，得到第三特征数据；
[0018]残差模块，用于将所述第一特征数据，以及，所述第三特征数据融合，得到第四特征数据；
[0019]池化层，用于对所述第四特征数据进行池化处理，得到第五特征数据；
[0020]全连接层，用于根据所述第五特征数据，得到所述输入数据对应的衣物的实际重量。
[0021]可选地，所述第一卷积模块、所述第二卷积模块、所述第三卷积模块和所述残差模块均包括：卷积层和批量归一化层；所述批量归一化层位于所述卷积层之后，用于对所述卷积层输出的数据进行归一化处理。
[0022]第二方面，本申请提供了一种衣物清洗设备控制方法，包括：
[0023]获取衣物清洗设备待清洗的衣物的称重重量，以及，称重时所述衣物清洗设备的桶内偏心值和电机电流；
[0024]将所述称重重量、所述桶内偏心值和所述电机电流输入至重量矫正模型，得到所述衣物的实际重量；所述重量矫正模型为采用如第一方面中任一项所述的方法训练得到的；
[0025]利用所述实际重量，获取所述衣物的清洗参数；
[0026]利用所述清洗参数，控制所述衣物清洗设备对所述衣物进行清洗。
[0027]第三方面，本申请提供了一种模型训练装置，包括：
[0028]获取模块，用于获取样本数据集，所述样本数据集包括N组样本数据，每组所述样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机电流，以及，所述样本负载的实际重量；所述N为大于或等于1的整数；
[0029]训练模块，用于利用所述样本数据集对重量矫正模型进行训练，得到训练好的重量矫正模型，训练好的重量矫正模型用于根据输入数据，得到衣物的实际重量，所述输入数据包括：衣物清洗设备对待清洗的衣物称重得到的称重重量、称重时所述衣物清洗设备的桶内偏心值、电机电流，得到所述衣物的实际重量。
[0030]第四方面，本申请提供了一种衣物清洗设备的控制装置，包括：所述衣物清洗设备的控制装置包括：
[0031]第一获取模块，用于获取衣物清洗设备待清洗的衣物的称重重量，以及，称重时所述衣物清洗设备的桶内偏心值和电机电流；
[0032]处理模块，用于将所述称重重量、所述桶内偏心值和所述电机电流输入至重量矫正模型，得到所述衣物的实际重量；所述重量矫正模型为采用如第一方面中任一项所述的
方法训练得到的；
[0033]第二获取模块，利用所述实际重量，获取所述衣物的清洗参数；
[0034]控制模块，用于利用所述清洗参数，控制所述衣物清洗设备对所述衣物进行清洗。
[0035]第五方面，本申请提供了一种模型训练设备，包括：处理器、通信模块，以及存储器；所述处理器分别与所述通信模块和所述存储器通信连接；
[0036]所述存储器存储计算机执行指令；
[0037]所述通信模块与外部设备进行通信交互；
[0038]所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的方法。
[0039]第六方面，本申请提供了一种衣物清洗设备控制设备，包括：处理器、通信模块，以及存储器；所述处理器分别与所述通信模块和所述存储器通信连接；
[0040]所述存储器存储计算机执行指令；
[0041]所述通信模块与外部设备进行通信交互；
[0042]所述处理器执行所述存储器存储的计算机执行指令，以实现如第二方面中所述的方法。
[0043]第七方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取样本数据集，所述样本数据集包括N组样本数据，每组所述样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机电流，以及，所述样本负载的实际重量；所述N为大于或等于1的整数；利用所述样本数据集对重量矫正模型进行训练，得到训练好的重量矫正模型，训练好的重量矫正模型用于根据输入数据，得到衣物的实际重量，所述输入数据包括：衣物清洗设备对待清洗的衣物称重得到的称重重量、称重时所述衣物清洗设备的桶内偏心值、电机电流，得到所述衣物的实际重量。2.根据权利要求1所述的方法，其特征在于，所述获取样本数据集，包括：获取初始样本数据集，所述初始样本数据集包括M组初始样本数据，每组所述初始样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机参数；所述M为大于或等于所述N的整数；基于所述初始样本数据集的数据分析处理结果，对所述M组初始样本数据中的数据进行预处理，得到第一候选样本数据集，所述第一候选样本数据集包括M组候选样本数据，每组所述候选样本数据包括：样本衣物清洗设备对样本负载称重得到的称重重量、称重时所述样本衣物清洗设备的桶内偏心值、电机电流；根据所述第一候选样本数据集，获取所述样本数据集。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一候选样本数据集，获取所述样本数据集，包括：从所述第一候选样本数据集中提取N组候选样本数据，得到所述样本数据集；或者，对所述第一候选样本数据集中的候选样本数据加入高斯噪声，得到第二候选样本数据集；分别从所述第一候选样本数据集和所述第二候选样本数据集提取样本数据，得到所述样本数据集。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述重量矫正模型，包括：第一卷积模块，用于对所述重量矫正模型的输入数据进行特征提取，得到第一特征数据；第二卷积模块，用于对所述第一特征数据进行通道卷积处理，得到第二特征数据；第三卷积模块，用于对所述第二特征数据进行逐点卷积处理，得到第三特征数据；残差模块，用于将所述第一特征数据，以及，所述第三特征数据融合，得到第四特征数据；池化层，用于对所述第四特征数据进行池化处理，得到第五特征数据；全连接层，用于根据所述第五特征数据，得到所述输入数据对应的衣物的实际重量。5.根据权利要求4所述的方法，其特征在于，所述第一卷积模块、所述第二卷积...
【专利技术属性】
技术研发人员：王增超，高鑫，张先旦，高秋英，
申请(专利权)人：海尔智家股份有限公司，
类型：发明
国别省市：
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。