【技术实现步骤摘要】
一种设备清洁服务推荐方法、装置、设备及可读存储介质
[0001]本专利技术涉及数据处理
，具体而言，涉及一种设备清洁服务推荐方法、装置、设备及可读存储介质。
技术介绍
[0002]随着社会的发展，越来越多的公司或者工厂用到机械化设备，但是设备往往在使用一段时间后会产生堆积大量的灰尘或者杂质，但是公司或者工厂往往没有专业的清洁人员，灰尘等杂质进而加快设备老化，因此需要一种能自动判断识别设备是否需要清洁，并基于设备信息给与最合适的清洁服务的方法和装置，进而保证能够及时清洁设备内灰尘和杂质，按时保养设备，减少设备老化速度。
技术实现思路
[0003]本专利技术的目的在于提供一种设备清洁服务推荐方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：第一方面，本申请提供了一种设备清洁服务推荐方法，包括：获取第一信息、第二信息和第三信息，所述第一信息包括声波发射器和声波接收器采集到的时域信号信息，所述第二信息包括需要清洁服务的设备信息和需要清洁服务的设备图像信息，所述第三信...
【技术保护点】
【技术特征摘要】
1.一种设备清洁服务推荐方法，其特征在于，包括：获取第一信息、第二信息和第三信息，所述第一信息包括声波发射器和声波接收器采集到的时域信号信息，所述第二信息包括需要清洁服务的设备信息和需要清洁服务的设备图像信息，所述第三信息包括客户历史采用的清洁服务信息；将所述第一信息发送至杂质判断模块进行处理，确定设备内的杂质位置信息；将所述设备内的杂质位置信息和所述第二信息建立三维空间模型，确定设备的所有杂质位置信息，所述设备的所有杂质位置信息包括设备内的杂质位置坐标信息和设备表面的杂质位置的坐标信息；将所述设备的所有杂质位置信息发送至训练后的预测神经网络模型内进行处理，得到至少一条清洁路线信息；将所有的所述清洁路线信息和所述第三信息发送至清洁服务推荐模块进行清洁服务推荐分析，并将得到的最优路线的清洁服务信息发送至显示模块进行推荐，所述清洁服务推荐模块为推荐最优路线、最优价格和最优时间的清洁服务的模块。2.根据权利要求1所述的设备清洁服务推荐方法，其特征在于,将所述第一信息发送至杂质判断模块进行处理，确定设备内的杂质位置信息，包括：将所述第一信息进行环道切除，并截取声波经过所述设备时的信号作为有效信号；将所述有效信号分别与声波发射器发送的信号进行互相关计算，得到反应设备内杂质的波列信息；基于傅里叶变换将所述反应设备内杂质的波列信息进行滤波和振幅补偿处理，并将处理后波列信息和预设的全新设备的波列信息进行对比，得到设备内的杂质位置信息。3.根据权利要求1所述的设备清洁服务推荐方法，其特征在于,将所述设备内的杂质位置信息和所述第二信息建立三维空间模型，确定设备的所有杂质位置信息，包括：基于所述需要清洁服务的设备信息和所述需要清洁服务的设备图像信息建立三维空间模型，其中以需要清洁服务的设备的底部中心作为原点，基于需要清洁服务的设备图像信息建立三维空间模型；将所述设备内的杂质位置信息发送至所述三维空间模型内进行坐标转换，得到设备内的杂质位置坐标信息；将所述第二信息进行灰度变换得到设备的灰度图像信息，并将所述设备的灰度图像进行轮廓识别，其中将所述设备得到灰度图像信息内包含的不同灰度值的区域的交界处进行连线，得到至少一个轮廓图像信息；将所有的轮廓图像信息发送至所述三维空间模型内进行坐标转换，得到设备表面的杂质轮廓的坐标信息；基于欧式距离的计算方法计算设备表面的杂质轮廓坐标信息的中心点坐标信息，并将所述中心点坐标信息作为设备表面的杂质位置的坐标信息。4.根据权利要求1所述的设备清洁服务推荐方法，其特征在于,所述训练后的预测神经网络模型的构建方法，包括：将预设的历史设备的所有杂质位置信息和预设的历史设备清洁路线信息进行分类，得到一个训练集和一个验证集；将所述训练集发送至LSTM神经网络模型中进行清洁路线预测，其中基于所述训练集预
测得到至少一条预测清洁路线信息；将所有的预测清洁路线信息中经过的位置坐标分别与验证集内历史设备清洁路线信息经过的位置坐标进行关联分析，得到每个预测清洁路线信息与验证集内历史清洁路线信息的关联度值；将所有的所述关联度值与预设的阈值进行对比，若所有的所述关联度值均大于预设的阈值，则得到训练后的预测神经网络模型。5.一种设备清洁服务推荐装置，其特征在于，包括：获取单元，用于获取第一信息、第二信息和第三信息，所述第一信息包括声波发射器和声波接收器采集到的时域信号信息，所述第二信息包括需要清洁服务的设备信息和需要清洁服务的设备图像信息，所述第三信息包...
【专利技术属性】
技术研发人员：杨雷，
申请(专利权)人：北京中海兴达建设有限公司，
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。