洗碗机及其控制方法、装置和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107582001A(43)申请公布日2018.01.16(21)申请号201710987194.2(22)申请日2017.10.20(71)申请人珠海格力电器股份有限公司地址519070广东省珠海市前山金鸡西路六号(72)发明人刘德茂周荣郭晗殷桂华连圆圆赵杰明(74)专利代理机构北京康信知识产权代理有限责任公司11240代理人赵囡囡(51)Int.Cl.A47L15/42(2006.01)权利要求书2页说明书8页附图1页(54)发明名称洗碗机及其控制方法、装置和系统(57)摘要本发明公开了一种洗碗机及其控制方法、装置和系统。其中，该方法包括：获取所述洗碗机中对象的图像信息；对所述图像信息进行识别，并依据识别结果确定所述对象的表面是否存在凸起；在所述对象的表面存在凸起的情况下，判断所述凸起是否为残留物。本发明解决了现有技术中洗碗机中餐具的食物残留需要人工辨认的技术问题。CN107582001ACN107582001A权利要求书1/2页1.一种洗碗机的控制方法，其特征在于，包括：获取所述洗碗机中对象的图像信息；对所述图像信息进行识别，并依据识别结果确定所述对象的表面是否存在凸起；在所述对象的表面存在凸起的情况下，判断所述凸起是否为残留物。2.根据权利要求1所述的方法，其特征在于，对所述图像信息进行识别，并依据识别结果确定所述对象的表面是否存在凸起，包括：从所述对象的图像信息中提取所述对象的第一特征信息；基于凸起检测模型对所述对象表面的所述第一特征信息进行分析，确定所述对象的表面是否存在凸起。3.根据权利要求2所述的方法，其特征在于，所述图像信息为深度图像信息，所述第一特征信息为每个像素的深度信息，基于凸起检测模型对所述对象表面的所述第一特征信息进行分析，确定所述对象的表面是否存在凸起，包括：根据所述每个像素的深度信息得到所述对象表面的深度梯度分布；基于凸起检测模型对所述对象表面的深度梯度分布进行分析，确定所述对象的表面是否存在凸起，其中，所述凸起检测模型使用多组第一数据通过机器学习训练得到，其中，所述多组第一数据中的每组第一数据包括：深度图像信息的深度梯度分布和所述深度图像信息中凸起的边缘像素。4.根据权利要求3所述的方法，其特征在于，基于所述凸起检测模型对所述对象表面的深度梯度分布进行分析，确定所述对象的表面是否存在凸起，包括：在所述凸起检测模型根据所述对象表面的深度梯度分布输出凸起的边缘像素的情况下，确定所述对象的表面存在所述凸起；在所述凸起检测模型根据所述对象表面的深度梯度分布确定所述对象表面的图像信息中不存在凸起的边缘像素的情况下，确定所述对象表面不存在所述凸起。5.根据权利要求1至4中任意一项所述的方法，其特征在于，在所述对象的表面存在凸起的情况下，判断所述凸起是否为残留物，包括：从所述对象的图像信息中提取所述对象的第二特征信息；基于所述对象的第二特征信息，确定所述凸起是否为残留物。6.根据权利要求5所述的方法，其特征在于，所述第二特征信息包括所述凸起的边缘曲线，基于所述对象的第二特征信息，确定所述凸起是否为残留物，包括：获取匹配数据库，其中，所述匹配数据库包括多个残留物的边缘曲线；将所述对象的边缘曲线与所述匹配数据库中残留物的边缘曲线进行匹配，并根据匹配结果确定所述凸起是否为所述残留物。7.根据权利要求5所述的方法，其特征在于，所述第二特征信息包括所述凸起的边缘曲线，基于所述对象的第二特征信息，确定所述凸起是否为残留物，包括：基于边缘检测模型对所述图像信息进行识别，以确定所述凸起是否为所述残留物，其中，所述边缘检测模型使用多组第二数据通过机器学习训练得到，其中，所述多组第二数据中的每组第二数据包括：凸起的边缘曲线和用于指示所述凸起是否为残留物的标签。8.一种洗碗机的控制装置，其特征在于，包括：获取模块，用于获取所述洗碗机中对象的图像信息；2CN107582001A权利要求书2/2页确定模块，用于对所述图像信息进行识别，并依据识别结果确定所述对象的表面是否存在凸起；判断模块，用于在所述对象的表面存在凸起的情况下，判断所述凸起是否为残留物。9.根据权利要求8所述的装置，其特征在于，所述确定模块包括：提取子模块，用于从所述对象的图像信息中提取所述对象的第一特征信息；确定子模块，用于基于凸起检测模型对所述对象表面的所述第一特征信息进行分析，确定所述对象的表面是否存在凸起。10.根据权利要求9所述的装置，其特征在于，所述图像信息为深度图像信息，所述第一特征信息为每个像素的深度信息，所述确定子模块包括：获取单元，用于根据所述每个像素的深度信息得到所述对象表面的深度梯度分布；分析单元，用于基于凸起检测模型对所述对象表面的深度梯度分布进行分析，确定所述对象