基于深度学习的泡沫量检测方法、装置及系统制造方法及图纸

本发明专利技术涉及家用电器技术领域，具体提供一种基于深度学习的泡沫量检测方法、装置及系统，旨在解决现有采用神经网络预测泡沫量的方法难以获取到大量的训练数据对神经网络进行训练从而造成网络模型训练精度较低的问题。为此目的，本发明专利技术的基于深度学习的泡沫量检测方法包括下述步骤：获取训练数据集，训练数据集中的每一训练数据对应一个泡沫量标签；构建神经网络模型，利用训练数据集对神经网络模型进行训练，得到训练好的神经网络模型；将训练好的神经网络模型部署到洗衣机中进行泡沫量检测。测。测。

【技术实现步骤摘要】
基于深度学习的泡沫量检测方法、装置及系统


[0001]本专利技术涉及家用电器
，具体提供一种基于深度学习的泡沫量检测方法、装置及系统。

技术介绍

[0002]目前，滚筒洗衣机的密封性较好,通常只有一个进水口和一个排水口与外界连通,筒内压力大，若用户在洗衣服时对洗涤剂的分量把握不准，则不同的布质和布量会导致洗涤剂产生的泡沫量不同。泡沫会在洗涤过程中越积越多，可能会从进水口和排水口溢出。同样的，若使用的洗涤剂过少，将无法将衣物洗涤干净。
[0003]现有采用神经网络预测泡沫量的方法中，主要是利用洗衣机在洗涤之前设定的洗涤参数对神经网络模型进行训练，进而利用训练好的神经网络对泡沫量进行预测，洗衣机在洗涤之前设定的洗涤参数包括洗涤衣物参数和洗涤模式参数。然而洗衣机在洗涤之前设定的洗涤参数这种训练数据是有限的，因此难以获取到大量的训练数据对神经网络进行训练，对网络模型的泛化性要求较高、模型训练成本高、难度大，训练后得到的网络模型的准确度难以满足实际需求。
[0004]相应地，本领域需要一种新的基于深度学习的泡沫量检测方案来解决上述问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的泡沫量检测方法，其特征在于，包括：获取训练数据集，所述训练数据集中的每一训练数据对应一个泡沫量标签；构建神经网络模型，利用所述训练数据集对所述神经网络模型进行训练，得到训练好的神经网络模型；将所述训练好的神经网络模型部署到洗衣机中进行泡沫量检测。2.根据权利要求1所述的基于深度学习的泡沫量检测方法，其特征在于，所述获取训练数据集包括：获取洗衣机在不同洗涤条件下的训练数据，所述不同洗涤条件包括不同负载、不同温度以及不同量洗衣液；所述训练数据包括负载重量、洗涤温度、水位频率、水位深度、电机电流和电机转速；为所述训练数据添加泡沫量标签，得到训练数据集，所述泡沫量标签包括少量泡沫标签、适量泡沫标签和大量泡沫标签。3.根据权利要求1所述的基于深度学习的泡沫量检测方法，其特征在于，所述神经网络模型包括输入层、隐藏层和输出层，所述隐藏层包括依次连接的残差卷积神经网络模块、池化层和全连接层，其中所述残差卷积神经网络模块包括至少一个卷积层，所述池化层包括至少一个最大池化层和一个平均池化层。4.根据权利要求1所述的基于深度学习的泡沫量检测方法，其特征在于，利用所述训练数据集对所述神经网络模型进行训练，得到训练好的神经网络模型包括：将所述训练数据集中的训练数据输入所述神经网络模型中，得到初始泡沫量检测值；基于所述初始泡沫量检测值和泡沫量标签计算损失函数；判断所述损失函数是否小于预设值，在所述损失函数小于预设值的情况下，将当前的神经网络模型作为训练好的神经网络模型，在所述损失函数不小于预设值的情况下，调整所述神经网络模型的参数，直至所述损失函数小于预设值，得到训练好的神经网络模型。5.根据权利要求1所述的基于深度学习的泡沫量检测方法，其特征在于，将所述训练好的神经网络模型部署到洗衣机中进行泡沫量检测包...

【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：