基于神经网络模型的衣物处理设备烘干控制方法

本发明涉及衣物处理，具体提供一种基于神经网络模型的衣物处理设备烘干控制方法及设备。背景技术：1、随着科技的发展和人们生活水平的提高，对衣物处理上的要求越来越高。目前，衣物处理设备，比如智能洗衣机将衣物清洗完成后还能够执行烘干操作，方便了人们的使用。2、但是，在执行烘干操作时均依据出厂默认设置时间以及强度，固定的烘干时间造成的问题是：烘干时间不足，衣物得不到充分的烘干；烘干时间过长，对衣物造成损伤以及费时、费电等对资源造成浪费。而且固定烘干时间使衣物不能依据实时环境状态得到最佳的烘干时间，不精确的烘干时间影响衣物的烘干效果，并且会给用户造成不良体验。3、因此，本发明需要提供一种新的基于神经网络模型的衣物处理设备烘干控制方法及设备来解决上述技术问题。技术实现思路1、本发明旨在解决上述技术问题，即，解决现有固定的烘干时间造成烘干时间不足，衣物得不到充分烘干；或者烘干时间过长，对衣物造成损伤以及费时、费电等对资源造成浪费的问题以及不能依据实时环境状态得到最佳的烘干时间而影响衣物烘干效果和影响用户使用体验的问题。2、为此目的，在第一方面，本发明提供一种基于神经网络模型的衣物处理设备烘干控制方法，所述衣物处理设备包括烘干筒，所述烘干控制方法包括：3、控制所述烘干筒按照预设的烘干转停比执行首次烘干操作；4、利用神经网络模型获取上一轮执行烘干操作过程中损失值最小的烘干转停比模型；5、控制所述烘干筒按照所述烘干转停比模型执行下一轮烘干操作。6、在采用上述技术方案的情况下，本发明利用神经网络模型建立烘干转停比模型，获得烘干筒进行下一轮旋转的最佳烘干转停比，实现了依据实时环境状态和衣物状态调整烘干转停比以得到最佳的烘干转停比的功能，不仅能够保证烘干的充分性，而且还节省了能耗以及提升了用户体验度。7、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，“利用神经网络模型获取上一轮执行烘干操作过程中损失值最小的烘干转停比模型”的步骤进一步包括：8、获取上一轮烘干操作过程中的运行数据，作为训练数据，所述训练数据包括多个训练矩阵，每个训练矩阵中的数据包括衣物质地特征、衣物重量、烘干筒内的湿度、烘干筒内的温度；9、将多个所述训练矩阵输入到所述神经网络模型中，获得多个预测烘干转停比；10、将多个所述预测烘干转停比输入到预设的损失值函数中，获得多个损失值；11、比较多个损失值的大小并获得最小的损失值；12、根据最小的损失值所对应的预测烘干转停比，得到烘干转停比模型。13、在采用上述技术方案的情况下，本发明利用预设损失值函数计算损失值，根据损失值的大小找出下一轮烘干操作的最佳烘干转停比，实现了对烘干转停比优化的功能。14、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，“将多个所述训练矩阵输入到所述神经网络模型中，获得多个预测烘干转停比”的步骤具体包括：15、将多个所述训练矩阵输入到神经网络模型中，通过卷积计算、池化计算和激活函数，获得多个预测烘干转停比。16、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，“获取上一轮烘干操作过程中的运行数据，作为训练数据，所述训练数据包括多个训练矩阵，每个训练矩阵中的数据包括衣物质地特征、衣物重量、烘干筒内的湿度、烘干筒内的温度”的步骤具体包括：17、根据模糊称重的方法获得衣物重量；18、根据温度传感器的检测值获得所述烘干筒内的温度；19、根据湿度传感器的检测值获得所述烘干筒内的湿度；20、根据材质检测器的检测值获得所述衣物质地特征。21、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，所述训练矩阵的个数为所述烘干筒在转动过程中的旋转次数。22、在采用上述技术方案的情况下，烘干筒在执行烘干操作过程中，每旋转一周采集一次数据，该数据包括衣物质地特征、衣物重量、烘干筒内的湿度、烘干筒内的温度，采集的数据形成训练数据用于神经网络模型的训练，实现了烘干筒在旋转过程中持续性采集训练数据的功能，有利于后续得到最佳的烘干转停比。23、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，所述衣物处理设备还包括风机，所述烘干控制方法还包括：24、根据烘干筒的转停状态控制风机的启停状态。25、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，“根据烘干筒的转停状态控制风机的启停状态”的步骤具体包括：26、当所述烘干筒处于转动状态时，控制风机处于启动状态；并且/或者27、当所述烘干筒处于停止状态时，控制风机处于停止状态。28、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，所述衣物处理设备还包括存放盒，所述存放盒安装在所述风机的出风口处，所述存放盒内放置清新剂。29、在采用上述技术方案的情况下，在烘干过程中利用风机向烘干筒内吹风，增加了烘干筒内空气的流动性，并且在风机的出风口处放置清新剂，有利于使衣物清新。30、在基于神经网络模型的衣物处理设备烘干控制方法的具体实施方式中，所述衣物处理设备是干衣机或洗干一体机。31、在第二方面，本发明还提供一种衣物处理设备，包括处理器，其特征在于，所述处理器被配置为能够执行上述技术方案中任一项所述的基于神经网络模型的衣物处理设备烘干控制方法。技术特征：1.一种基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，所述衣物处理设备包括烘干筒，所述烘干控制方法包括：2.根据权利要求1所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，“利用神经网络模型获取上一轮执行烘干操作过程中损失值最小的烘干转停比模型”的步骤进一步包括：3.根据权利要求2所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，“将多个所述训练矩阵输入到所述神经网络模型中，获得多个预测烘干转停比”的步骤具体包括：4.根据权利要求2所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，“获取上一轮烘干操作过程中的运行数据，作为训练数据，所述训练数据包括多个训练矩阵，每个训练矩阵中的数据包括衣物质地特征、衣物重量、烘干筒内的湿度、烘干筒内的温度”的步骤具体包括：5.根据权利要求2所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，所述训练矩阵的个数为所述烘干筒在转动过程中的旋转次数。6.根据权利要求5所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，所述衣物处理设备还包括风机，所述烘干控制方法还包括：7.根据权利要求6所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，“根据烘干筒的转停状态控制风机的启停状态”的步骤具体包括：8.根据权利要求6所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，所述衣物处理设备还包括存放盒，所述存放盒安装在所述风机的出风口处，所述存放盒内放置清新剂。9.根据权利要求1-8中任一项所述的基于神经网络模型的衣物处理设备烘干控制方法，其特征在于，所述衣物处理设备是干衣机或洗干一体机。10.一种衣物处理设备，包括处理器，其特征在于，所述处理器被配置为能够执行权利要求1-9中任一项所述的基于神经网络模型的衣物处理设备烘干控制方法。技术总结本发明涉及衣物处理技术领域，具体提供一种基于神经网络模型的衣物处理设备烘干控制方法及设备，旨在解决现有固定的烘干时间造成烘干时间不足使衣物得不到充分烘干，或者烘干时间过长对衣物造成损伤以及费时、费电等对资源造成浪费的问题。为此目的，本发明的烘干控制方法包括：控制所述烘干筒按照预设的烘干转停比执行首次烘干操作；利用神经网络模型获取上一轮执行烘干操作过程中损失值最小的烘干转停比模型；控制所述烘干筒按照所述烘干转停比模型执行下一轮烘干操作。本发明利用神经网络模型建立烘干转停比模型，实现了依据实时环境状态和衣物状态调整烘干转停比，不仅能够保证烘干的充分性，而且还节省了能耗以及提升了用户体验度。技术研发人员：滕建平,王芳芳,史海兵,梁青,高秋英受保护的技术使用者：佛山市顺德海尔电器有限公司技术研发日：技术公布日：2024/7/23