一种应用于无人洗衣房的衣物污渍检测方法、设备及介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种应用于无人洗衣房的衣物污渍检测方法、设备及介质。

背景技术

随着科技的发展，自动化的无人洗衣房应运而生，所谓无人洗衣房区别于传统的人工参与洗衣过程，用户将需要清洗的衣物按要求存放入无人洗衣房之后，洗衣房内的洗衣程序、设备等会自动的对衣物进行清洗，并在清洗后进行自动挂晾。

同时，大部分送入洗衣房的衣物会存在明显的污渍，有一些污渍需要重复清洗或者需要使用特殊洗涤剂才能去除，而无人洗衣房这种程序化的洗衣过程，不能满足这类需求，暂时不能对衣物上的污渍是否清洗干净进行检测，而如果将未清洗干净的衣物返还用户，就会大大降低用户的使用体验，也给无人洗衣房的推广应用造成困难。

发明内容

为解决上述至少一个技术问题，本申请实施例提供了一种应用于无人洗衣房的衣物污渍检测方法、设备及介质，采用以下技术方案：

第一方面，本申请实施例提供了一种应用于无人洗衣房的衣物污渍检测方法，所述方法包括：在待检测衣物清洗前，采集所述待检测衣物的正面图像和背面图像；对所述正面图像和背面图像进行污渍识别，并根据识别出来的污渍区域确定第一污渍图像，所述第一污渍图像为所述正面图像和/或所述背面图像的局部图像；在所述待检测衣物清洗完成后，根据所述第一污渍图像在所述正面图像和/或所述背面图像中的像素位置信息，采集所述污渍区域对应的第二污渍图像；对所述第二污渍图像进行处理，以使处理后的所述第二污渍图像与所述第一污渍图像具有相同的特征提取条件，所述特征提取条件至少包括所述待检测衣物的湿度；对所述第一污渍图像提取第一污渍特征，同时对处理后的所述第二污渍图像提取第二污渍特征；将所述第二污渍特征与所述第一污渍特征进行特征对比，并根据对比结果，确定对所述待检测衣物进行二次清洗。

在本申请说明书的一种可能实现方式中，采集待检测衣物的正面图像和背面图像，包括：在无人洗衣房内的衣物传送装置运输所述待检测衣物时，利用图像采集装置采集所述待检测衣物的正面图像后，控制衣物悬挂装置旋转180°，以便所述图像采集装置采集所述待检测衣物的背面图像；所述图像采集装置安装于所述无人洗衣房的预设位置，以使所述图像采集装置的采集方向平行或垂直于所述衣物传送装置；所述衣物悬挂装置顶部包括第一悬挂部件，以通过所述第一悬挂部件与所述衣物传送装置连接，从而使得所述衣物悬挂装置随所述衣物传送装置移动；所述衣物悬挂装置的底部包括第二悬挂部件，以通过所述第二悬挂部件悬挂所述待检测衣物，从而使得所述待检测衣物通过所述衣物悬挂装置随所述衣物传送装置移动；所述衣物悬挂装置中部包括旋转部件，所述旋转部件与所述第一悬挂部件轴连接，且与所述第二悬挂部件固定连接，以通过所述旋转部件的旋转动作带动所述第二悬挂部件转动，从而使得所述待检测衣物转动。

在本申请说明书的一种可能实现方式中，对所述正面图像和背面图像进行污渍识别，包括：将所述正面图像和背面图像分别输入至污渍识别神经网络模型中；利用所述污渍识别神经网络模型的第一子网络识别出所述正面图像和/或所述背面图像中存在的可疑污渍区域，所述第一子网络采用卷积神经网络，所述可疑污渍区域至少包括污渍区域和所述待检测衣物的印花区域；利用所述污渍识别神经网络模型的第二子网络对所述可疑污渍区域进行边缘检测并标记边缘特征；利用所述污渍识别神经网络模型的第三子网络对所述边缘特征进行分类识别，并根据分类结果确定所述待检测衣物的污渍区域，所述分类结果至少包括规则区域与不规则区域。

在本申请说明书的一种可能实现方式中，在确定所述待检测衣物的污渍区域之后，所述方法还包括：根据所述污渍区域的边缘特征，计算所述污渍区域对应的最小外接矩形；通过所述最小外接矩形向外扩展预设像素距离后，对所述待检测衣物的正面图像和/或背面图像进行裁剪处理，得到所述第一污渍图像；根据所述第一污渍图像在所述正面图像和/或所述背面图像中的像素位置信息，采集所述污渍区域对应的第二污渍图像，包括：采集所述待检测衣物清洗完成后的图像，所述清洗完成后的图像与所述正面图像和/或所述背面图像具有相同的图像采集条件，所述图像采集条件至少包括图像采集装置的采集参数和图像采集装置的安装位置，所述图像采集装置的采集参数至少包括所述图像采集装置的采集角度；在所述待检测衣物的正面图像和/或背面图像中，提取所述最小外接矩形四个顶点的像素坐标；根据所述像素坐标向外扩展预设像素距离后，在所述待检测衣物清洗完成后的图像中截取所述第二污渍图像。

在本申请说明书的一种可能实现方式中，对所述第一污渍图像提取第一污渍特征，同时对处理后的所述第二污渍图像提取第二污渍特征，包括：在所述第一污渍图像和所述第二污渍图像中，分别添加一条平行于图像下边界的直线，并提取所述直线经过像素点的灰度值；根据所述直线经过的像素点和所述像素点的灰度值，构建所述第一污渍图像的第一灰度曲线图以及所述第二污渍图像对应的第二灰度曲线图；在所述第一灰度曲线图和所述第二灰度曲线图中，提取第一波峰/波谷和第二波峰/波谷之间的像素区间，并根据所述像素区间对应的像素距离，确定第一污渍面积特征和第二污渍面积特征，所述第一波峰/波谷和所述第二波峰/波谷分别对应所述污渍区域的左边界和右边界；在所述第一灰度曲线图和所述第二灰度曲线图中，计算所述像素区间对应的第一灰度均值以及非像素区间对应的第二灰度均值，根据所述第一灰度均值和所述第二灰度均值之间灰度差，确定第一污渍可见度特征和第二污渍可见度特征；根据所述第一污渍面积特征和所述第一污渍可见度特征构建第一污渍特征，以及根据所述第二污渍面积特征和所述第二污渍可见度特征构建第二污渍特征。

在本申请说明书的一种可能实现方式中，将所述第二污渍特征与所述第一污渍特征进行特征对比，包括：在所述第二污渍可见度特征的特征值小于第一预设特征阈值时，确定所述待检测衣物不需要二次清洗；在所述第二污渍可见度特征的特征值大于等于第一预设特征阈值时，计算所述第二污渍可见度特征和所述第一污渍可见度特征之间的差值，若二者差值小于第一预设差值阈值，则确定所述待检测衣物不需要二次清洗，否则，确定所述待检测衣物需要二次清洗，所述第一预设差值阈值与所述第一污渍可见度特征的特征值相关；以及，在所述第二污渍面积特征的特征值小于第二预设特征阈值时，确定所述待检测衣物不需要二次清洗；在所述第二污渍面积特征的特征值大于等于第二预设特征阈值时，计算所述第二污渍面积特征和所述第一污渍面积特征之间的差值，若二者差值小于第二预设差值阈值，则确定所述待检测衣物不需要二次清洗，否则，确定所述待检测衣物需要二次清洗，所述第二预设差值阈值与所述第一污渍面积特征的特征值相关。

在本申请说明书的一种可能实现方式中，在对所述待检测衣物二次清洗完成后，所述方法还包括：采集所述待检测衣物晾晒完成后的图像；将所述待检测衣物晾晒完成后的图像输入至预设购物平台，提取预设购物平台中销量最大的备选项对应的面料成分表；根据所述面料成分表中预设面料组成成分的占比确定所述待检测衣物的面料类型；根据所述待检测衣物的面料类型确定所述待检测衣物清洗干净。

在本申请说明书的一种可能实现方式中，根据所述待检测衣物的面料类型确定所述待检测衣物清洗干净，包括：根据所述第二污渍图像在所述待检测衣物清洗完成后的图像中的像素位置信息，在所述待检测衣物晾晒完成后的图像中提取所述污渍区域对应的第三污渍图像；若所述待检测衣物的面料为第一面料类型，则根据所述第三污渍图像生成第三污渍特征，并对所述第三污渍特征与所述第二污渍特征进行特征对比，以根据对比结果确定所述待检测衣物清洗干净；若所述待检测衣物的面料为第二面料类型，则将所述第三污渍图像输入至污渍识别神经网络模型中，以根据所述污渍识别神经网络模型的输出结果确定所述待检测衣物清洗干净。

第二方面，本申请实施例还提供了一种应用于无人洗衣房的衣物污渍检测设备，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，以使所述至少一个处理器能够执行如上述的一种应用于无人洗衣房的衣物污渍检测方法。

第三方面，本申请实施例还提供了一种非易失性计算机存储介质，其上存储有计算机可执行指令，所述计算机可执行指令被设置为执行如上述的一种应用于无人洗衣房的衣物污渍检测方法。

本申请实施例提供的一种应用于无人洗衣房的衣物污渍检测方法、设备及介质，具有以下有益效果：

1)、通过采集待检测衣物清洗前的正面图像和背面图像，识别出待检测衣物中的污渍区域，并根据该污渍区域生成第一污渍图像，之后，利用该第一污渍图像在正面图像和/或背面图像中的位置信息，也即污渍区域在图像中的位置信息，在待检测衣物清洗完成后的图像中采集到第二污渍图像，从而对第一污渍图像与第二污渍图像分别对应的污渍特征进行对比，判断待检测衣物是否需要进行二次清洗，实现了对无人洗衣房中待检测衣物是否清洗干净的识别，从而避免了将未清洗干净的衣物返还用户造成用户体验感下降的情况发生。

2)、在对第二污渍图像提取特征之前，还会对第二污渍图像进行处理，使其尽量接近待检测衣物在未清洗状态下采集的图像，也即通过对第二污渍图像进行处理，使第二污渍图像中的衣物状态例如衣物湿度状态接近第一污渍图像中衣物状态，从而避免衣物状态影响特征对比结果，保证污渍识别的准确度。

3)、通过对第二污渍图像进行处理后进行特征对比，实现了在待检测衣物清洗完成后就能进行污渍识别的效果，而不需要等到待检测衣物晾干再进行识别，从而缩短了整个衣物的清洗周期，也就降低了用户等待衣物返还的时间，提升用户体验。

4)、针对需要二次清洗的待检测衣物，在晾晒完成之后对其进行面料识别处理，通过购物平台上销量最大的备选项对应的预设面料组成成分占比，对待检测衣物的面料进行分类，从而根据不同的面料类型选择不同的污渍识别方案，实现对污渍的针对性识别，提高污渍是否清洗干净的检测精度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本申请实施例提供的一种应用于无人洗衣房的衣物污渍检测方法流程图；

图2为本申请实施例提供的一种应用于无人洗衣房的衣物污渍检测设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

下面通过附图对本申请实施例中的方法进行详细说明。

图1为本申请实施例提供的一种应用于无人洗衣房的衣物污渍检测方法流程图，如图1所示，本申请实施例中的衣物污渍检测方法至少包括以下执行步骤：

步骤101、在待检测衣物清洗前，采集所述待检测衣物的正面图像和背面图像。

本申请实施例提供的衣物污渍检测方法，应用场景为无人洗衣房或自动洗衣房，在这类洗衣房中不需要人工参与洗衣过程，实现洗衣过程的全程自动化。

在本申请实施例的一种可能实现方式中，在对待检测衣物进行清洗之前，需要首先采集待检测衣物的正面图像与背面图像，采集过程基于无人洗衣房内的衣物传送装置实现。具体地，在无人洗衣房内的衣物传送装置运输待检测衣物时，利用安装在预设位置的图像采集装置采集待检测衣物的正面图像，之后，控制衣物悬挂装置旋转180度，再利用前述图像采集装置采集待检测衣物的背面图像。

需要说明的是，在前述无人洗衣房内，通过衣物悬挂装置将待检测衣物悬挂在衣物运送装置上，通过衣物运送装置将待检测衣物运送到无人洗衣房的各个节点例如衣物接收节点、衣物清洗节点、衣物晾晒节点等。并且，前述图像采集装置安装的预设位置为正对待检测衣物的位置，以便采集待检测衣物的正对图像，也即，在待检测衣物的正面朝向衣物传送装置的传送方向时，图像采集装置的安装位置为使得图像采集装置的采集方向平行衣物传送装置的位置，而在待检测衣物的正面垂直衣物传送装置的传送方向时，图像采集装置的安装位置为使得图像采集装置的采集方向垂直衣物传送装置的位置。

进一步地，前述衣物悬挂装置为可以旋转的悬挂装置，其结构可以设计为包含三部分，首先，衣物悬挂装置的顶部包含第一悬挂部件，该第一悬挂部件用来与衣物传送装置接触，也即用来悬挂在衣物传送装置上，以便于衣物悬挂装置随衣物传送装置移动，需要说明的是，该部件可以与衣物传送装置固定接触，也可以与衣物传送装置非固定接触，也即，通过第一悬挂部件可以使衣物悬挂装置固定在衣物运动装置上，也可以使衣物悬挂装置在衣物运送装置上脱离，并且，该第一悬挂部件可以为钩型部件。其次，衣物悬挂装置的底部包含第二悬挂部件，该部件用于悬挂待检测衣物，这样一来，在衣物传送装置运动时，就能够通过衣物悬挂装置带动待检测衣物运动，从而实现待检测衣物的运送过程。最后，衣物悬挂装置的中部包括旋转部件，该旋转部件可以与第一悬挂部件轴连接，此处的轴可以为旋转轴，同时与第二悬挂部件固定连接，这样能够保证在衣物悬挂装置转动时，仅带动衣物悬挂装置底部悬挂的待检测衣物转动，而不会带动顶部的第一悬挂部件转动。

还需要说明的是，本申请实施例中对无人洗衣房内的其他装置与实现原理/过程不做过多描述，且其他装置均可通过现有技术实现，而仅对本申请实施例中提出的衣物污渍检测方法所需要涉及到的改进部分进行描述。

步骤102、对正面图像和背面图像进行污渍识别，并根据识别出来的污渍区域确定第一污渍图像。

在本申请实施例的一种可能实现方式中，在采集到待检测衣物的正面图像与背面图像之后，通过预先训练好的污渍识别神经网络模型进行污渍识别，具体地，将正面图像与背面图像分别输入至污渍识别神经网络模型中，利用第一子网络识别前述正面图像和/或背面图像中存在的可疑污渍区域，之后，利用第二子网络对前述可疑污渍区域进行边缘检测并标记各可疑污渍区域的边缘，最后，利用第三子网络对标记出来的边缘进行分类，从而实现对可疑污渍区域的分类进而识别出正面图像和/或背面图像中的污渍区域。

需要说明的是，前述第一子网络采用卷积神经网络模型实现，用于提取正面图像与背面图像中的污渍特征识别出可疑污渍区域，并且，可疑污渍区域至少包括污渍区域和待检测衣物的印花区域，这是因为，第一子网络识别的是与待检测衣物的周围区域存在不同的区域，因此在待检测衣物为包含印花或图案的衣物时，也可以能会将印花和图案识别出来。第二子网络为边缘检测算法模型，主要用于对第一子网络输出的可疑污渍区域进行边缘识别与标记，第三子网络为分类网络模型，用于通过标记的边缘是否为规则区域判断可疑污渍区域是否为污渍区域，例如，待检测衣物上的印花或图案一般为规则区域，因此，在第三子网络的的分类识别结果为不规则区域时，将可疑污渍区域判定为污渍区域。需要说明的是，此处的规则区域可以指矩形或圆形的区域，而不规则区域可以指水滴形区域，这也是大多数污渍(例如油点污渍)的形状。

还需要说明的是，前述第一子网络、第二子网络以及第三子网络的实现过程都可以通过现有算法的实现，本申请实施例在此不做赘述。

进一步地，在识别到污渍区域之后，计算污渍区域的最小外接矩形，需要说明的是，此处的最小外接矩形的计算过程或生成过程，可以通过现有算法实现，本申请实施例在此不做赘述。之后，以最小外接矩形的四个角为基准，分别向外扩展预设像素距离后，以得到的最新矩形为边界对正面图像和/或背面图像进行裁剪，得到第一污渍图像。

步骤103、在待检测衣物清洗完成后，根据第一污渍图像在正面图像和/或背面图像中的像素位置信息，采集污渍区域对应的第二污渍图像。

在无人洗衣房内，待检测衣物通过衣物传送装置运送到清洗节点进行清洗完成后，还会通过衣物传送装置将清洗完成的衣物运送到晾晒节点或晾晒位置，因此，在清洗完成后的待检测衣物向晾晒节点运送的过程中，可以通过图像采集装置采集清洗完成后的衣物图像。需要说明的是，此处的图像采集装置可以与采集待检测衣物的正面图像的图像采集装置为同一装置，这种图像采集方式适配的衣物传送装置为来回运动重复的装置，也即，衣物传送装置将待检测衣物运送到衣物清洗节点后，再从衣物清洗节点原路返回至衣物晾晒节点(可以简单理解为待检测衣物在衣物晾晒节点/衣物接收节点与衣物清洁节点之间来回运动，此种情景要求衣物接收节点与衣物晾晒节点在无人洗衣房中的位置距离较近)。同时，此处的图像采集装置也可以与采集待检测衣物的正面图像的图像采集装置为不同装置，也即在无人洗衣房内设置多部图像采集装置，这种图像采集方式适配的衣物传送装置是洗衣房内循环运动的传送装置，也即，衣物传送装置将待检测衣物先运送到衣物清洗节点后，再从衣物清洗节点运送至衣物晾晒节点(可以简单理解为待检测衣物从衣物接收节点流向衣物清洁节点再流向衣物晾晒节点)，并且，这种图像采集方式要求清洗完成后的图像与前述正面图像有相同的图像采集条件，此处的图像采集条件至少包括，图像采集装置的型号与设置参数、图像采集装置的采集角度等，这是为了保证后续的第一污渍图像与第二污渍图像对比时，二者仅存在污渍特征这一项变量。

进一步地，前述第二污渍图像通过如下方式获得，在采集到待检测衣物清洗完成后的图像后，根据第一污渍图像在前述正面图像和/或背面图像中的像素位置信息，从清洗完成后的图像中截取得到第二污渍图像，此处的像素位置信息可以为第一污渍图像的四个角对应的像素坐标位置。

至此，得到待检测衣物上的污渍区域清洗前对应的第一污渍图像以及清洗后对应的第二污渍图像。

步骤104、对第二污渍图像进行处理。

本申请实施例中的衣物污渍检测方法，目的是检测待检测衣物上的污渍区域是否清洗干净，正是基于前述第一污渍图像与第二污渍图像进行特征对比实现，但在对比前，需要对第二污渍图像进行处理，处理的目的是避免衣物湿度影响特征对比结果，也即，本申请实施例中尽可能将第二污渍图像中的衣物图像状态还原至未清洗时的衣物图像状态。

在本申请实施例的一种可能实现方式中，衣物的湿度可能影响污渍区域的可见度，从而影响污渍是否清洗干净的判别准确度，而衣物的湿度在衣物图像可以表现为衣物颜色深度的不同，通过调整图像的色温可以改变衣物颜色深度，因此，本申请实施例中，首先利用色温估计法计算第一污渍图像与第二污渍图像分别对应的色温值，之后，通过二者之间的色温值计算第一污渍图像与第二污渍图像之间的色温距离，并在该色温距离大于预设色温阈值时，通过色温距离对第二污渍图像进行补偿，需要说明的是，前述预设色温阈值与第一污渍图像对应的色温值有关。此处设置预设色温阈值作为是否进行补偿的判断依据，是因为，二者色温距离较小时代表着第一污渍图像与第二污渍图像之间的差距较小，此时不需要再对第二污渍图像进行补偿，节约计算资源。

步骤105、对第一污渍图像提取第一污渍特征，同时对处理后的第二污渍图像提取第二污渍特征。

对第二污渍图像处理完成之后，就可以利用处理完的第二污渍图像提取第二污渍特征了。需要说明的是，对第一污渍图像提取第一污渍特征使用的特征提取方法与对处理完的第二污渍图像提取第二污渍特征使用的特征提取方法相同或者相似，本申请实施例对此不做重复描述，仅以第一污渍图像进行特征提取为例进行解释。

具体地，在第一污渍图像中添加一条平行于图像下边界的直线，并提取直线经过像素点的灰度值，利用直线经过的像素点与各像素点对应的灰度值，构建第一污渍图像对应的灰度曲线图。需要说明的是，由于第一污渍图像上存在污渍区域，而污渍区域的灰度与衣物干净区域的灰度不同，因此，灰度曲线图上存在灰度变化区域，而灰度变化区域在曲线上表现为出现波峰或者波谷。因此，在第一污渍图像对应的灰度曲线图上提取波峰/波谷对应的像素区间，该像素区间的边间即为污渍区域的边界，计算该像素区间的像素距离，通过像素距离就可以表征污渍区域的污渍面积特征。

进一步地，计算像素区间内的像素点的灰度值均值，以及计算像素区间外的像素点的灰度值均值，之后计算出两个灰度值均值之间的差值，就可以利用这个差值来表征污渍区域的污渍可见度特征。

也即，本申请实施例中提取的污渍特征包括污渍面积特征与污渍可见度特征。

步骤106、将第二污渍特征与第一污渍特征进行特征对比，并根据对比结果，确定对待检测衣物进行二次清洗。

在本申请实施例的一种可能实现方式中，对第一污渍图像对应的第一污渍特征与第二污渍图像对应的第二污渍特征进行特征对比，从而判定是否需要对待检测衣物进行二次清洗，包括两个部分的判断，一是判断第二污渍可见度特征的特征值是否小于第一预设特征阈值，若是，则说明清洗完成的待检测衣物上的污渍区域可见度较小，此时说明待检测衣物已经清洗干净则不需要对待检测衣物进行二次清洗，而如果判断结果为否，则说明清洗完成的待检测衣物的上的污渍区域可见度仍较大，此时，继续判断第一污渍可见度特征与第二污渍可见度特征之间的差值，若二者差值较小，则说明污渍区域的清洗难度较大，通过当前的清洗过程不能有效去除，此时也就不需要对待检测衣物进行二次清洗，而是对其进行标记，而若二者差值较大，则说明污渍区域通过当前的清洗过程能够有效去除，但去除程度不够，因此，此时判定为需要对待检测衣物进行二次清洗。

进一步地，对待检测衣物的另一个判断是，判断第二污渍面积特征的特征值是否小于第二预设特征阈值，若是，则说明清洗完成的待检测衣物上的污渍面积较小，此时说明待检测衣物已经清洗干净则判定为不需要对待检测衣物进行二次清洗；若否，则说明清洗完成的待检测衣物上的污渍面积仍较大，此时，计算第二污渍面积特征和第一污渍面积特征之间的差值，若二者差值较小，则说明当前清洗过程对待检测衣物的污渍区域去除效果有限，此时判定为不需要对待检测衣物进行二次清洗，而对其进行标记，若二者差值较大，则说明当前清洗过程已经去除了一部分污渍区域，此时判定为需要对待检测衣物进行二次清洗。需要说明的是，本申请实施例中会对前述存在标记的衣物进行特殊清洗或通知人工清洗或通知人工进行二次识别。

至此，完成对第一污渍图像与第二污渍图像的特征对比过程，通过该特征对比的结果将需要进行二次清洗的待检测衣物筛选出来，也即初步完成了检测待检测衣物是否清洗干净的过程，保证了衣物污渍的有效清洗，提升用户体验。

为了对本申请实施例中的衣物污渍检测方法进行更为详尽的解释，本申请实施例中还进行了如下补充描述。

在本申请实施例的一种可能实现方式中，为了保证待检测衣物上的污渍区域能够有效清洗掉，本申请实施例中，在对待检测衣物进行二次清洗后，可以继续采集晾晒完成后的衣物图像继续判断污渍的清洗情况，具体地，衣物的面料不同会影响污渍在晾晒完成后的衣物上的可见度情况，因此，首先将待检测衣物晾晒完成后的图像输入至预设购物平台，提取预设购物平台中销量最大的备选项对应的面料成分表，此处提取销量最大的备选项是因为该备选项的面料类型与待检测衣物的面料类型相同的比例较大，之后，根据面料成分表中预设面料组成成分的占比确定待检测衣物的面料类型，在本申请的一个示例中，此处的预设面料组成成分的占比可以是面料成分表中的含棉量，最后就可以根据待检测衣物的面料类型确定所述待检测衣物清洗干净。

进一步地，在确定待检测衣物是否清洗干净时，首先在待检测衣物晾晒完成的图像中提取第三污渍图像，此处的提取过程与第二污渍图像的提取过程相同或相似，本申请实施例在此不做赘述。之后，若待检测衣物的面料为第一面料类型，则根据第三污渍图像生成第三污渍特征，之后对第三污渍特征与第二污渍特征进行特征对比，以根据对比结果确定所述待检测衣物清洗干净，需要说明的是，此处第三污渍特征的生成过程可参见上文第一、第二污渍特征的生成过程，以及污渍特征的对比过程也可参见上文第一污渍特征与第二污渍特征对比过程的相关描述，本申请实施例在此也不做赘述。而若待检测衣物的面料为第二面料类型，则将第三污渍图像输入至污渍识别神经网络模型中，以根据污渍识别神经网络模型的输出结果确定待检测衣物清洗干净，当然，此处也可以利用另一种识别准确度更高的人工智能算法进行识别，只要能够实现污渍识别即可，本申请实施例对使用模型或算法的类型不做限定。

本申请实施例中，对不同面料类型的待检测衣物采用不同的污渍识别方案，是因为，同种污渍在不同面料类型的衣物上的可见度不同，例如，丝绸类衣物的污渍可见度明显大于棉麻类衣物的污渍可见度，因此，本申请实施例中，针对污渍可见度低的衣物面料采用检测精度更高的污渍识别神经网络模型进行检测，以得到更高的检测精度，而针对污渍可见度高的衣物面料采用特征对比的方案进行检测，以降低服务器的计算量节省算力资源。同时，在待检测衣物未进行清洗之前的污渍检测时也采用神经网络模型进行检测，是为了保证将待检测衣物中所存在的所有污渍均能够被检测出来，从而提高衣物是否清洗干净的污渍识别效率或有效性，也即能够保证通过本方案中的污渍识别方法将待检测衣物中的所有未清洗干净的污渍识别出来，从而实现将待检测衣物清洗干净，提高用户体验。

在本申请实施例的一种可能实现方式中，为了避免对待检测衣物进行二次清洗时由于衣物清洗次数过多而导致的衣物损伤或折旧情况，可以在二次清洗时仅对待检测衣物的局部进行清洗，也即仅对第二污渍图像/第三污渍图像在待检测衣物中的对应区域进行针对性清洗，且清洗过程可以采用原有清洗过程，也可以选择更为轻柔的清洗过程。

基于同样的发明构思，本申请实施例还提供了一种应用于无人洗衣房的衣物污渍检测设备，其结构如图2所示。

图2为本申请实施例提供的一种应用于无人洗衣房的衣物污渍检测设备的结构示意图。如图2所示，本申请实施例中的应用于无人洗衣房的衣物污渍检测设备200具体包括：至少一个处理器201；以及，与至少一个处理器通信连接(通过总线202连接)的存储器203；其中，存储器203存储有能够被至少一个处理器201执行的指令，以使至少一个处理器201能够执行如上述实施例所描述的一种应用于无人洗衣房的衣物污渍检测方法。

在本申请实施例的一种或多种可能实现方式中，前述处理器用于执行，在待检测衣物清洗前，采集所述待检测衣物的正面图像和背面图像；对所述正面图像和背面图像进行污渍识别，并根据识别出来的污渍区域确定第一污渍图像，所述第一污渍图像为所述正面图像和/或所述背面图像的局部图像；在所述待检测衣物清洗完成后，根据所述第一污渍图像在所述正面图像和/或所述背面图像中的像素位置信息，采集所述污渍区域对应的第二污渍图像；对所述第二污渍图像进行处理，以使处理后的所述第二污渍图像与所述第一污渍图像具有相同的特征提取条件，所述特征提取条件至少包括所述待检测衣物的湿度；对所述第一污渍图像提取第一污渍特征，同时对处理后的所述第二污渍图像提取第二污渍特征；将所述第二污渍特征与所述第一污渍特征进行特征对比，并根据对比结果，确定对所述待检测衣物进行二次清洗。

除此之外，本申请实施例还提供了一种非易失性计算机存储介质，其上存储有计算机可执行指令，计算机可执行指令被设置为执行如上述的一种应用于无人洗衣房的衣物污渍检测方法。

在本申请实施例的一种或多种可能实现方式中，前述计算机可执行指令被设置为执行，在待检测衣物清洗前，采集所述待检测衣物的正面图像和背面图像；对所述正面图像和背面图像进行污渍识别，并根据识别出来的污渍区域确定第一污渍图像，所述第一污渍图像为所述正面图像和/或所述背面图像的局部图像；在所述待检测衣物清洗完成后，根据所述第一污渍图像在所述正面图像和/或所述背面图像中的像素位置信息，采集所述污渍区域对应的第二污渍图像；对所述第二污渍图像进行处理，以使处理后的所述第二污渍图像与所述第一污渍图像具有相同的特征提取条件，所述特征提取条件至少包括所述待检测衣物的湿度；对所述第一污渍图像提取第一污渍特征，同时对处理后的所述第二污渍图像提取第二污渍特征；将所述第二污渍特征与所述第一污渍特征进行特征对比，并根据对比结果，确定对所述待检测衣物进行二次清洗。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。在一些情况下，在本说明书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本方案的保护范围之内。