晾晒物的收取方法、系统、装置、设备及存储介质

技术领域

本申请涉及智能家居控制技术领域，尤其涉及一种晾晒物的收取方法、系统、装置、设备及存储介质。

背景技术

晾衣架，作为人们日常使用的家居用品，如今已经成为许多家庭的生活必需品之一，为人们在日常生活中晾晒衣物提供了很大的便利。

由于现在人们的生活节奏比较快，往往晾晒了衣服后，就不关注衣服是否已经干了，在下一次晾晒衣服的时候，或者，某天突然间想起来才会将上一次晾晒的衣服摘下，收衣服不及时。但是，如果衣服晾晒的时间较长，往往容易上灰，而且，衣服晾晒久了也容易褪色。

发明内容

本申请提供了一种晾晒物的收取方法、系统、装置、设备及存储介质，用以解决现有技术中，收衣服不及时，导致衣服上灰、容易褪色的技术问题。

第一方面，本申请实施例提供了一种晾晒物的收取方法，包括：

获取晾晒物在多个不同时刻下的重量值；

基于各个不同时刻下的重量值，预测所述晾晒物的晒干时刻；

待所述晒干时刻到达后，执行收取所述晾晒物的操作。

可选的，所述基于各个不同时刻下的重量值，预测所述晾晒物的晒干时刻，包括：

获取预先训练好的目标神经网络预测模型；

将各个不同时刻各自对应的重量值，输入到目标神经网络预测模型中，以预测多个未来时刻的重量值；

当连续预设个数的未来时刻的重量值不再发生变化时，确定所述晾晒物的晒干时刻。

可选的，所述获取预先训练好的目标神经网络预测模型，包括：

获取所述晾晒物所在地的当前天气情况；

获取与所述当前天气情况对应的预先训练好的目标神经网络预测模型。

可选的，所述获取与所述当前天气情况对应的预先训练好的目标神经网络预测模型，包括：

获取神经网络预测模型的存储库；其中，所述存储库中预先存储有至少一种天气情况对应的神经网络预测模型；

从所述存储库中，查找与所述当前天气情况对应的神经网络预测模型，作为所述目标神经网络预测模型。

可选的，所述获取神经网络预测模型的存储库，包括：

在距离当前时刻预设时间段内的每一种天气情况下，获取多种不同历史晾晒物从晾晒开始到晒干这一过程中，每间隔预设第一时长采集的重量数据，得到每种历史晾晒物在不同时刻对应的重量数据；

对于每一种天气情况，基于不同历史晾晒物在各个不同时刻对应的重量数据，训练神经网络预测模型，得到每一种天气情况各自对应的神经网络预测模型，得到神经网络预测模型的存储库。

可选的，所述获取晾晒物在多个不同时刻下的重量值，包括：

每间隔预设第一时长，采集所述晾晒物的重量值，得到所述晾晒物在多个不同时刻下的重量值；

所述多个未来时刻中，每相邻的两个未来时刻间隔预设第一时长，所述确定所述晾晒物的晒干时刻，包括：

从不再发生变化的所述连续预设个数的未来时刻的重量值中，选取任意一个重量值，作为目标重量值；

获取所述目标重量值对应的预设第一时长的索引值；

将所述预设第一时长乘以所述索引值，得到剩余晾晒时长；

将当前时刻加上所述剩余晾晒时长，得到所述晾晒物的晒干时刻。

可选的，所述待所述晒干时刻到达后，执行收取所述晾晒物的操作，包括：

待所述晒干时刻到达后，间隔预设第二时长，发出收取所述晾晒物的提示信息或控制自动晾衣架收取所述晾晒物；

或者，

待所述晒干时刻到达后，监测在预设第三时长内，所述晾晒物的第一重量变化值小于预设重量变化值，发出收取所述晾晒物的提示信息或控制自动晾衣架收取所述晾晒物；

其中，所述提示信息用于提醒用户收取所述晾晒物。

第二方面，本申请实施例提供了一种晾晒物的收取系统，包括：控制装置、至少一个晾衣架；每个所述晾衣架上均安装有重量传感器，其中，每个所述重量传感器均与所述控制装置通信连接；

所述重量传感器，用于获取晾晒物在多个不同时刻下的重量值，并将所述多个不同时刻下的重量值传输给所述控制装置；

所述控制装置，用于基于各个不同时刻下的重量值，预测所述晾晒物的晒干时刻；待所述晒干时刻到达后，执行收取所述晾晒物的操作。

第三方面，本申请实施例提供了一种晾晒物的收取装置，包括：

获取模块，用于获取晾晒物在多个不同时刻下的重量值；

预测模块，用于基于各个不同时刻下的重量值，预测所述晾晒物的晒干时刻；

执行模块，用于待所述晒干时刻到达后，执行收取所述晾晒物的操作。

第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和通信总线，其中，处理器和存储器通过通信总线完成相互间的通信；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的晾晒物的收取方法。

第五方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的晾晒物的收取方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，获取晾晒物在多个不同时刻下的重量值；基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；待晒干时刻到达后，执行收取晾晒物的操作。在本申请实施例中，基于多个不同时刻的重量值，预测晾晒物的晒干时间，晒干时间到达后，执行收取晾晒物的操作，能够避免晾晒时间过长，导致晾晒物上灰，容易褪色的问题。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种晾晒物的收取系统的系统架构示意图；

图2为本申请实施例提供的一种晾晒物的收取方法的流程示意图；

图3为本申请实施例提供的一种晾晒物的收取装置的结构示意图；

图4为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有技术中，如果收衣不及时，不仅使得衣服容易上灰，而且，衣服晾久了也容易褪色。为了解决上述技术问题，本申请实施例提供了一种晾晒物的收取方法。在详细介绍该晾晒物的收取方法之前，首先，结合图1对本申请实施例提供的一种晾晒物的收取方法所应用的系统架构进行说明。如图1所示，本申请实施例提供了一种晾晒物的收取系统，包括：控制装置101、至少一个晾衣架；每个晾衣架上均安装有重量传感器102；其中，每个重量传感器102均与控制装置101通信连接；

重量传感器102，用于获取晾晒物在多个不同时刻下的重量值，并将多个不同时刻下的重量值传输给控制装置101；

控制装置101，用于基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；待晒干时刻到达后，执行收取晾晒物的操作。

重量传感器102，还用于获取在预设第四时长内的第二重量变化值，并将第二重量变化值传输给控制装置101；

控制装置101，还用于计算第二重量变化值与预设第四时长的商，得到第一斜率值；判定第一斜率值为正，且第一斜率值的绝对值大于预设斜率值，则判定晾晒物被挂在晾衣架上。

重量传感器102，还用于在晒干时刻到达后，获取在预设第五时长内的第三重量变化值，并将第三重量变化值传输给控制装置101；

控制装置101，还用于计算第三重量变化值与预设第五时长的商，得到第二斜率值；判定第二斜率值为负，且第二斜率值的绝对值大于预设斜率值，则判定晾晒物被取走。

其中，晾晒物可以是衣物，例如：上衣，裤子，外套等，具体的，可以是T恤，牛仔裤等。各个重量传感器102可以通过本地WIFI局域网、Zigbee网络或蓝牙mesh网络等方式与控制装置101实现通信连接，还可以采用有线通信方式实现通信连接。

在本申请实施例中，基于多个不同时刻的重量值，预测晾晒物的晒干时间，晒干时间到达后，执行收取晾晒物的操作，能够避免晾晒时间过长，导致晾晒物上灰，容易褪色的问题。而且，本申请实施例提供的一种晾晒物的收取系统，除了重量传感器外，无需其他类型的传感器，整个系统更加简单，成本低。此外，重量传感器无需在整个晾晒晾晒物的过程中一直监测晾晒物的重量值，功耗更低。

下面结合图2对本申请实施例提供的一种晾晒物的收取方法做详细说明。如图2所示，本申请实施例提供的一种晾晒物的收取方法具体包括如下步骤：

步骤201，获取晾晒物在多个不同时刻下的重量值；

在具体实现时，通过重量传感器监测晾衣架上的晾晒物的重量，当有晾晒物挂上时，在短时间内重量的变化值是骤增的，具体的，获取在预设第四时长内的第二重量变化值，计算第二重量变化值与预设第四时长的商，得到第一斜率值；判定第一斜率值为正，且第一斜率值的绝对值大于预设斜率值，则判定晾晒物被挂在晾衣架上。判定晾晒物被挂在晾衣架上后，每间隔预设第一时长，采集晾晒物的重量值，得到晾晒物在多个不同时刻下的重量值，以得到在晾晒过程中的重量变化情况。

步骤202，基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；

在具体实现时，可以获取预先训练好的目标神经网络预测模型；将各个不同时刻各自对应的重量值，输入到目标神经网络预测模型中，以预测多个未来时刻的重量值，其中，在多个未来时刻中，每相邻的两个未来时刻间隔预设第一时长；当连续预设个数的未来时刻的重量值不再发生变化时，确定晾晒物的晒干时刻。

具体的，从不再发生变化的连续预设个数的未来时刻的重量值中，选取任意一个重量值，作为目标重量值；获取目标重量值对应的预设第一时长的索引值；将预设第一时长乘以索引值，得到剩余晾晒时长；将当前时刻加上剩余晾晒时长，得到晾晒物的晒干时刻。

为了便于理解结合具体示例对确定晾晒物的晒干时刻的方法做进一步说明。

将晾晒过程中，每间隔预设第一时长采集到的多个不同时刻下的重量值输入到目标神经网络预测模型，例如LSTM(长短期记忆，Long Short-Term Memory,简称LSTM)模型中，能够得到多个未来时刻的重量值，其中，预测到的多个未来时刻之间的间隔为预设第一时长。例如：多个未来时刻的重量值依次为A1、A2、A3、A4、A5、A6、A7、A7、A7……，其中，按照未来时刻的先后顺序确定各个未来时刻的索引值，例如：A1的索引值为1，A2的索引值为2，以此类推，第一个A7的索引值为7，第二个A7的索引值为8，第三个A7的索引值为9；每个重量值对应的未来时刻之间的时间间隔均相同，均为预设第一时长；连续3个未来时刻的重量值不再发生变化，则确定晾晒物已经晒干，选取不再发生变化的连续3个未来时刻的重量值中的任意一个，例如，选取第一个A7，第一个A7对应的索引值为7，若预设第一时长为10分钟，则剩余晾晒时长为10分钟乘以7，得到70分钟，在当前时刻加上70分钟，得到晾晒物的晒干时刻。

考虑到不同天气情况下，晾晒物的晾干速度是不同的，在确定目标神经网络预测模型时，获取晾晒物所在地的当前天气情况；获取与当前天气情况对应的预先训练好的目标神经网络预测模型。

在具体实现时，获取神经网络预测模型的存储库；其中，存储库中预先存储有至少一种天气情况对应的神经网络预测模型；天气情况可以包括晴天、阴天、多云和下雨。该存储库可以预先存储在服务器端或者控制装置上，并定时更新。获取到当前天气情况后，从存储库中，查找与当前天气情况对应的神经网络预测模型，作为目标神经网络预测模型。

在本申请实施例中，根据当前天气情况确定目标神经网络预测模型，使得得到的预测结果更加准确，提高预测晒干时刻的准确度。

在创建存储库时，在距离当前时刻预设时间段内的每一种天气情况下，获取多种不同历史晾晒物从晾晒开始到晒干这一过程中，每间隔预设第一时长采集的重量数据，得到每种历史晾晒物在不同时刻对应的重量数据；对于每一种天气情况，基于不同历史晾晒物在各个不同时刻对应的重量数据，训练神经网络预测模型，得到每一种天气情况各自对应的神经网络预测模型，得到神经网络预测模型的存储库。

每个季节的温度和湿度等存在着较大的差异，但是在预设时间段内，例如近一个星期内，相同天气的情况下(例如都是晴天的情况下)，温度和湿度的变化不大，对于后续的晒干时间的预测具有参考性。因此，在创建各种不同天气情况对应的神经网络预测模型时，以距离当前时刻预设时间段的天气情况下的晾晒数据为基准来训练神经网络预测模型，得到不同天气情况下所使用的神经网络预测模型。

在本申请实施例中，针对不同的天气情况训练了不同的神经网络预测模型，使得后续确定的目标神经网络预测模型与当前天气情况更加匹配，提高预测晒干时间的准确性。

此外，当获取到当前天气情况为雨天时，发出收取晾晒物的提示信息或控制自动晾衣架收取晾晒物。

步骤203，待晒干时刻到达后，执行收取晾晒物的操作。

本申请实施例提供了一种基于多个不同时刻下的重量值，预测晒干时间的方法，为了保证收取晾晒物时晾晒物干透，在预测的晒干时间到达后，还可以再晾晒一段时间，或者，再次利用重量传感器检测重量变化值，以确保晾晒物晒干。

具体的，待晒干时刻到达后，间隔预设第二时长，例如2个小时，发出收取晾晒物的提示信息或控制自动晾衣架收取晾晒物；

或者，待晒干时刻到达后，监测在预设第三时长内，例如：半个小时，晾晒物的第一重量变化值小于预设重量变化值，发出收取晾晒物的提示信息或控制自动晾衣架收取晾晒物；

此外，还需要说明的是，预设第二时长和预设第三时长可以相同，也可以不同。其中，提示信息用于提醒用户收取晾晒物。提示信息可以是语音提示，声音提示，还可以是短信提示，当提示信息是短信提示时，可以将提示信息发送到用户的智能终端上，例如：手机。此外，在具体实现时，还可以将提示信息发送到距离用户最近的具有声音提示功能或者显示功能的智能终端上(例如：智能电视)，以确保用户能及时收到提示信息，及时收衣。

在收取晾晒物的阶段，在晒干时刻到达后，获取在预设第五时长内的第三重量变化值，计算第三重量变化值与预设第五时长的商，得到第二斜率值；判定第二斜率值为负，且第二斜率值的绝对值大于预设斜率值，则判定晾晒物被取走。

此外，还需要说明的是，在本申请实施例中，自动晾衣架可以使用现有技术中的任何一种自动晾衣架，对于自动晾衣架的具体结构并不做限定。

在本申请实施例中，获取晾晒物在多个不同时刻下的重量值；基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；待晒干时刻到达后，执行收取晾晒物的操作。在本申请实施例中，基于多个不同时刻的重量值，预测晾晒物的晒干时间，晒干时间到达后，执行收取晾晒物的操作，能够避免晾晒时间过长，导致晾晒物上灰，容易褪色的问题。

基于同一构思，本申请实施例中提供了一种晾晒物的收取装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图3所示，该装置主要包括：

获取模块301，用于获取晾晒物在多个不同时刻下的重量值；

预测模块302，用于基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；

执行模块303，用于待晒干时刻到达后，执行收取晾晒物的操作。

在一个具体实施例中，预测模块302，用于获取预先训练好的目标神经网络预测模型；将各个不同时刻各自对应的重量值，输入到目标神经网络预测模型中，以预测多个未来时刻的重量值；当连续预设个数的未来时刻的重量值不再发生变化时，确定晾晒物的晒干时刻。

在一个具体实施例中，预测模块302，用于获取晾晒物所在地的当前天气情况；获取与当前天气情况对应的预先训练好的目标神经网络预测模型。

在一个具体实施例中，预测模块302，用于获取神经网络预测模型的存储库；其中，存储库中预先存储有至少一种天气情况对应的神经网络预测模型；从存储库中，查找与当前天气情况对应的神经网络预测模型，作为目标神经网络预测模型。

在一个具体实施例中，预测模块302，用于在距离当前时刻预设时间段内的每一种天气情况下，获取多种不同历史晾晒物从晾晒开始到晒干这一过程中，每间隔预设第一时长采集的重量数据，得到每种历史晾晒物在不同时刻对应的重量数据；对于每一种天气情况，基于不同历史晾晒物在各个不同时刻对应的重量数据，训练神经网络预测模型，得到每一种天气情况各自对应的神经网络预测模型，得到神经网络预测模型的存储库。

在一个具体实施例中，获取模块301，用于每间隔预设第一时长，采集晾晒物的重量值，得到晾晒物在多个不同时刻下的重量值；预测模块302，用于在多个未来时刻中，每相邻的两个未来时刻间隔预设第一时长时，从不再发生变化的连续预设个数的未来时刻的重量值中，选取任意一个重量值，作为目标重量值；获取目标重量值对应的预设第一时长的索引值；将预设第一时长乘以索引值，得到剩余晾晒时长；将当前时刻加上剩余晾晒时长，得到晾晒物的晒干时刻。

在一个具体实施例中，执行模块303，用于待晒干时刻到达后，间隔预设第二时长，发出收取晾晒物的提示信息或控制自动晾衣架收取晾晒物；或者，待晒干时刻到达后，监测在预设第三时长内，晾晒物的第一重量变化值小于预设重量变化值，发出收取晾晒物的提示信息或控制自动晾衣架收取晾晒物；其中，提示信息用于提醒用户收取晾晒物。

基于同一构思，本申请实施例中还提供了一种电子设备，如图4所示，该电子设备主要包括：处理器401、存储器402和通信总线403，其中，处理器401和存储器402通过通信总线403完成相互间的通信。其中，存储器402中存储有可被处理器401执行的程序，处理器401执行存储器402中存储的程序，实现如下步骤：

获取晾晒物在多个不同时刻下的重量值；

基于各个不同时刻下的重量值，预测晾晒物的晒干时刻；

待晒干时刻到达后，执行收取晾晒物的操作。

上述电子设备中提到的通信总线403可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线403可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器402可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器401的存储装置。

上述的处理器401可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的一种晾晒物的收取方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。