(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210482213.7 (22)申请日 2022.05.05 (71)申请人 广东美的厨房电器制造有限公司 地址 528311 广东省佛山市顺德区北滘镇 永安路6号 申请人 美的集团股份有限公司 (72)发明人 陈凯璇　孙裕文　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 专利代理师 任晓　吴素花 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/56(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06N 3/04(2006.01) (54)发明名称 一种脏污识别方法、 装置、 设备和存 储介质 (57)摘要 本申请公开了一种脏污识别方法、 装置、 设 备和存储介质， 所述方法包括： 获取对烹饪设备 上的烹饪组件进行采集的第一图像； 利用脏污识 别模型对所述第一图像进行色调分析， 基于色调 分析结果确定所述烹饪组件的脏污识别结果； 和/或， 利用所述脏污识别模型基于输入的第一 图像， 输出 所述烹饪组件的脏 污识别结果。 权利要求书2页 说明书14页 附图1页 CN 114937168 A 2022.08.23 CN 114937168 A 1.一种脏 污识别方法， 其特 征在于， 应用于计算机设备， 所述方法包括： 获取对烹饪设备 上的烹饪组件进行采集的第一图像； 利用脏污识别模型对所述第 一图像进行色调分析， 基于色调分析结果确定所述烹饪组 件的脏污识别结果； 和/或， 利用所述脏污识别模型基于输入的所述第一图像， 输出所述烹 饪组件的脏 污识别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述脏污识别模型包括以下至少之一： 色 调分析模型和神经网络模型； 所述色调分析模型用于对灯光组件进行脏污识别， 所述神经 网络模型用于对至少之一的所述烹饪组件进行脏污识别： 烹饪腔的内壁、 保护组件和所述 灯光组件。 3.根据权利要求1所述的方法， 其特征在于， 所述脏污识别结果包括无脏污和有脏污； 所述方法还 包括： 在所述烹饪组件的脏污识别结果为无脏污的情况下， 输出第一提示信息， 所述第一提 示信息用于提 示用户所述 烹饪组件无脏 污和/或提 示所述用户进行对应的烹饪操作； 在所述烹饪组件的脏污识别结果为有脏污的情况下， 输出第二提示信息， 所述第二提 示信息用于提示所述用户所述烹饪组件有脏污和/或提示所述用户进 行所述烹饪组件的清 洁。 4.根据权利要求1所述的方法， 其特征在于， 所述脏污识别结果包括无脏污和有脏污； 所述方法还 包括： 在所述烹饪组件的脏 污识别结果 为有脏污的情况 下， 对所述 烹饪组件进行清洁； 在所述烹饪组件的脏 污识别结果 为无脏污的情况 下， 进行烹饪处 理。 5.根据权利要求1至4中任一项所述的方法， 其特征在于， 所述获取对烹饪设备上的烹 饪组件进行采集的第一图像， 包括： 在检测到所述烹饪设备被唤醒， 或者烹饪完成的情况下， 向所述烹饪设备的图像采集 组件发送采集指令； 获取所述图像采集组件基于所述采集指令对所述烹饪设备上的烹饪组件进行采集的 第一图像。 6.根据权利要求2所述的方法， 其特征在于， 所述神经网络模型包括多标签分类的卷积 神经网络； 所述利用所述脏污识别模型基于输入的所述第一图像， 输出所述烹饪组件的脏 污识别结果， 包括： 在所述烹饪组件包括所述内壁、 所述保护组件和所述灯光组件中至少之一的情况下， 基于所述多标签分类的卷积神经网络的卷积层， 对所述第一图像进行特征提取， 得到所述 第一图像对应的至少一个特 征序列； 基于所述多标签分类的卷积神经网络的全连接层， 对所述第 一图像中的至少一个特征 序列进行 特征融合和分析， 得到对应烹饪组件的脏 污概率； 基于每一所述 烹饪组件的脏 污概率， 确定对应烹饪组件的脏 污识别结果。 7.根据权利要求2所述的方法， 其特征在于， 所述神经网络模型包括单标签分类的卷积 神经网络； 所述利用所述脏污识别模型基于输入的所述第一图像， 输出所述烹饪组件的脏 污识别结果， 包括： 在所述烹饪组件包括所述内壁、 所述保护组件和所述灯光组件中任一的情况下， 基于权　利　要　求　书 1/2 页 2 CN 114937168 A 2任一所述烹饪组件对应的单标签分类的卷积神经网络的卷积层， 对所述第一图像进行特征 提取， 得到第一图像对应的至少一个特 征序列； 基于任一所述烹饪组件对应的单标签分类的卷积神经网络的全连接层， 对所述第 一图 像对应的至少一个特 征序列进行 特征融合和分析， 得到对应烹饪组件的脏 污概率； 基于任一所述 烹饪组件的脏 污概率， 确定对应烹饪组件的脏 污识别结果。 8.根据权利要求2所述的方法， 其特征在于， 所述神经网络模型包括基于目标检测的卷 积神经网络； 所述利用所述脏污识别模型基于输入的所述第一图像， 输出所述烹饪组件的 脏污识别结果， 包括： 在所述烹饪组件包括所述内壁和/或所述保护组件的情况下， 基于任一所述烹饪组件 对应的基于目标检测的卷积神经网络的卷积层， 对所述第一图像进行特征提取， 得到所述 第一图像对应的至少一个特 征序列； 基于任一所述烹饪组件对应的所述基于目标检测的卷积神经网络的全连接层， 对所述 第一图像的至少一个特征序列进 行特征融合和分析， 得到对应烹饪组件的脏污概率和脏污 位置； 基于任一所述 烹饪组件的脏 污概率和脏污位置， 确定对应烹饪组件的脏 污识别结果。 9.根据权利要求2所述的方法， 其特征在于， 所述色调分析结果包括所述第 一图像的亮 度值和/或色调值； 所述利用脏污识别模型对所述第一图像进 行色调分析， 基于 色调分析结 果确定所述 烹饪组件的脏 污识别结果， 包括： 在所述烹饪组件包括灯光组件的情况下， 基于所述色调分析模型， 将所述第一图像由 RGB格式转 化为YIQ格式； 计算所述YI Q格式的第一图像的亮度值和/或色调值； 将所述YIQ格 式的第一图像的亮度值和/或色调值与参考亮度值和/或参考色调值进行 对比， 得到所述灯光组件的脏污识别结果； 所述参考亮度值和/或参考色调值为无脏污的图 像的亮度值和/或色调值。 10.一种脏 污识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取对烹饪设备 上的烹饪组件进行采集的第一图像； 识别模块， 用于利用脏污识别模型对所述第一图像进行色调分析， 基于色调分析结果 确定所述烹饪组件的脏污识别结果； 和/或， 利用所述脏污识别模型基于输入的所述第一图 像， 输出所述烹饪组件的脏 污识别结果。 11.一种计算机设备， 包括存储器和处理器， 所述存储器存储有可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现权利要求1至9中任一项所述脏污 识别方法中的步骤。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现权利要求1至9中任一项所述脏 污识别方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114937168 A 3