一种清洗模式的确定方法及系统与流程

本发明属于智能家电技术领域，尤其涉及一种清洗模式的确定方法及系统。

背景技术：

随着智能化以及自动化的不断发展，洗碗机作为智能家电之一，已渐渐进入了千家万户。洗碗机能够为用户提供便捷以及舒适的餐具清洗体验，在清洗过程中用户可以针对不同类型的待清洗餐具，选取与之对应的清洗模式。现有的清洗模式的确定方法，主要是通过用户手动设置或系统固定执行默认的清洗模式，无法根据待清洗餐具的污浊程度进行自动调整，从而增加了用户的操作步骤，降低了清洗效率。

技术实现要素：

有鉴于此，本发明实施例提供了一种清洗模式的确定方法及系统，以解决现有的清洗模式的确定方法，主要是通过用户手动设置或系统固定执行默认的清洗模式，无法根据待清洗餐具的污浊程度进行自动调整，从而增加了用户的操作步骤，降低了清洗效率的问题。

本发明实施例的第一方面提供了一种清洗模式的确定方法，应用于餐具洗涤系统，所述餐具洗涤系统包括：智能洗碗机以及云端服务器；

所述清洗模式的确定方法包括：

所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息；

所述云端服务器将接收到的所述浊度信息导入预设的清洗参量转换模型，计算所述浊度信息对应的清洗参量，并将所述清洗参量发送给所述智能洗碗机；

所述智能洗碗机基于接收到的所述清洗参量调整清洗模式，并以调整后的所述清洗模式对所述餐具执行清洗操作。

本发明实施例的第二方面提供了一种餐具洗涤系统，所述餐具洗涤系统包括：智能洗碗机以及云端服务器；

所述智能洗碗机，用于若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息；

所述云端服务器，用于将接收到的所述浊度信息导入预设的清洗参量转换模型，计算所述浊度信息对应的清洗参量，并将所述清洗参量发送给所述智能洗碗机；

所述智能洗碗机，用于基于接收到的所述清洗参量调整清洗模式，并以调整后的所述清洗模式对所述餐具执行清洗操作。

实施本发明实施例提供的一种清洗模式的确定方法及系统具有以下有益效果：

本发明实施例通过智能洗碗机采集所需清洗的餐具的浊度信息，并将浊度信息上传至云端服务器，云端服务器通过大数据分析，计算该浊度信息对应的清洗参量，并将清洗参量下发给对应智能洗碗机，继而智能洗碗机根据清洗参量调整清洗模式，并通过调整后的清洗模式执行对应的清洗操作，实现了自动化配置清洗模式的目的。与现有的清洗模式的确定技术相比，本申请无需用户手动设置清洗模式，通过智能洗碗机与云端服务器之间的交互，实现了自动确定清洗参量并通过清洗参量调整清洗模式，提高了清洗模式的确定效率，减少了用户的操作。另一方面，由于清洗参量的计算操作交由云端服务器处理，从而减少了智能洗碗机的运算压力，降低了智能洗碗机的运算能力的需求，降低了智能洗碗机的造假成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的一种清洗模式的确定方法的交互流程图；

图2是本发明第二实施例提供的一种清洗模式的确定方法具体实现流程图；

图3是本发明第三实施例提供的一种清洗模式的确定方法s101具体实现流程图；

图4是本发明第四实施例提供的一种清洗模式的确定方法s101具体实现流程图；

图5是本发明第五实施例提供的一种清洗模式的确定方法s101具体实现流程图；

图6是本发明第六实施例提供的一种清洗模式的确定方法具体实现流程图；

图7是本发明第七实施例提供的一种清洗模式的确定方法s102具体实现流程图；

图8是本发明一实施例提供的一种餐具洗涤系统的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过智能洗碗机采集所需清洗的餐具的浊度信息，并将浊度信息上传至云端服务器，云端服务器通过大数据分析，计算该浊度信息对应的清洗参量，并将清洗参量下发给对应智能洗碗机，继而智能洗碗机根据清洗参量调整清洗模式，并通过调整后的清洗模式执行对应的清洗操作，实现了自动化配置清洗模式的目的，解决了解决现有的清洗模式的确定方法，主要是通过用户手动设置或系统固定执行默认的清洗模式，无法根据待清洗餐具的污浊程度进行自动调整，从而增加了用户的操作步骤，降低了清洗效率的问题。

在本发明实施例中，流程的执行主体为餐具洗涤系统。该餐具洗涤系统包括有智能洗碗机以及云端服务器，智能洗碗机可以具有通信模块，通过通信模块与云端服务器进行通信，并接收云端服务器下发的清洗参量并调整清洗模式。图1示出了本发明第一实施例提供的清洗模式的确定方法的实现流程图，详述如下：

在s101中，所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息。

在本实施例中，智能洗碗机预设有上报触发条件，该上报触发条件具体为智能洗碗机向云端服务器反馈浊度信息，以便云端服务器根据浊度信息下发清洗参量。该上报触发条件可以为时间触发条件，在该情况下，智能洗碗机可以预配置有多个上报时间节点，在检测到当前时间到达上报时间节点时，则识别满足上报触发条件。具体地，该上报时间节点可以为基于上报周期得到的多个时间点。当然，该上报触发条件可以为事件触发条件，智能洗碗机可以根据餐具清洗流程，在需要执行清洗操作时或执行清洗操作前的某一时刻，智能洗碗机获取浊度信息并上报，以确定当前所需执行的清洗操作或准备执行的清洗操作的清洗模式。

在本实施例中，智能洗碗机可以通过图像或浊度传感器等方式，获取腔体内餐具的浊度信息。该浊度信息用于表征餐具的污浊程度，例如浊度等级或浊度传感器返回的浊度值等。可选地，智能洗碗机还可以将获取得到的原始数据直接发送给云端服务器，上述原始数据具体为可以用于表征餐具污浊程度的数据，例如拍摄有餐具表面污渍的环境图像、用户输入的浊度参数或者通过对餐具进行预清洗后水体的浊度值等。云端服务器在接收到智能洗碗机发送的原始数据后，可以对原始数据进行解析，将原始数据转换为浊度等级，即将数据处理的操作交由云端服务器执行，进一步减少了智能洗碗机的数据处理压力。

可选地，在本实施例中，智能洗碗机识别当前与云端服务器之间的通信接口，并基于所述通信接口确定所采集的浊度信息的数据量。不同的通信接口配置有额定数据量，由于不同通信接口数据传输速率不一致，因此为了保证上传效率，智能洗碗机可以根据通信接口的不同，调整浊度信息的数据量。例如，对于传输速率较低的通信接口，例如gprs接口，则对应的浊度信息的数据量较小，此时，智能洗碗机可以只反馈浊度传感器反馈的浊度值，即浊度信息只包含浊度值；而对于传输速率较高的通信接口，例如5g接口或无线通信网络接口，则对应的浊度信息的数据量较大，此时，智能洗碗机可以反馈浊度传感器反馈的浊度值以及摄像模块拍摄的关于餐具的多个环境图像。

可选地，在本实施例中，智能洗碗机向云端服务器请求下发清洗参量具有请求有限期，在该请求有效期内，智能洗碗机可以将浊度参数上传至云端服务器，并通过云端服务器下发清洗参数实现自动调整清洗模式的目的，而在请求有效期外，则云端服务器可以拒绝返回清洗参数，在该情况下，智能洗碗机则根据默认清洗模式对腔体内的餐具执行清洗操作。基于此，智能洗碗机在发送浊度信息时，可以将授权码添加到浊度信息内，云端服务器可以通过对授权码进行解析，确定该智能洗衣机关联的有效期信息，并判断当前是否在有效期内，并基于判断结果执行相应的响应操作。

在s102中，所述云端服务器将接收到的所述浊度信息导入预设的清洗参量转换模型，计算所述浊度信息对应的清洗参量，并将所述清洗参量发送给所述智能洗碗机。

在本实施例中，云端服务器可以接收各个智能洗碗机发送的浊度信息，并根据浊度信息确定对应的清洗参量，并返回给发送该浊度信息的智能洗碗机。在该情况下，云端服务器可以创建多个虚拟接口，通过不同的虚拟接口同时与多个智能洗碗机建立通信链接。可选地，云端服务器可以根据硬件资源量设置最大虚拟接口，若当前所需请求联机的智能洗碗机的个数大于该最大虚拟接口数，则根据各个连接请求的发送时间，依次与各个智能洗碗机连接，并生成连接响应队列，基于该连接响应队列内各个连接请求的次序，响应各个连接请求。需要说明的是，餐具洗涤系统配置有多个云端服务器，每个云端服务器用于管理不同区域内的所有智能洗碗机。若某一云端服务器当前的连接请求大于预设的最大虚拟接口，云端服务器可以获取其他区域的云端服务器的负载情况，若某一其他区域的云端服务器的负载值小于预设的负载阈值，则将更改未响应的连接请求的目的地址，以变更该连接请求的连接对象，将该连接对象设置为负载值小于负载阈值的其他区域的云端服务器，实现了负载均衡的目的。

在本实施例中，云端服务器可以配置有清洗参数转换模型，该清洗参数转换模型可以为一哈希函数。云端服务器将接收到的浊度信息内包含多个浊度参量，导入到哈希函数中，不同的浊度参量用于生成不同的清洗参量，例如浊度面积可以用于生成冲洗角度；浊度等级可以用于生成清洗时长以及清洁剂剂量等。云端服务器可以通过大数据分析，确定配置上述清洗参数转换模型，并基于在使用过程中各个智能洗碗机反馈的清洗结果，对上述清洗参数转换模型执行后验调整，从而提高清洗参数转换模型的准确性。

可选地，在本实施例中，浊度信息包含有智能洗碗机的设备型号，不同的设备型号内置的运行参数不同，为了提高清洗参数计算效率，云端服务器会根据该设备型号，选取与设备型号匹配的清洗参量计算模型，从而使得清洗参量的计算方式与设备型号相匹配。

在s103中，所述智能洗碗机基于接收到的所述清洗参量调整清洗模式，并以调整后的所述清洗模式对所述餐具执行清洗操作。

在本实施例中，云端服务器在计算得到清洗参量后，可以将清洗参量下发到智能洗碗机。该清洗参量可以包括以下至少一个：进水水量、洗涤时间、洗涤温度、喷臂转速、洗涤剂量的投放量等。

在本实施例中，智能洗碗机可以配置有一个清洗模板，该清洗模板具体限定了各个清洗操作的执行流程，智能洗碗机在获取了清洗参量后，可以将该清洗参量导入到该清洗模板，设置各个清洗操作的实际运行参数，继而得到上述的清洗模式，并根据该清洗模式对腔体内的餐具执行清洗操作。

以上可以看出，本发明实施例提供的一种清洗模式的确定方法通过智能洗碗机采集所需清洗的餐具的浊度信息，并将浊度信息上传至云端服务器，云端服务器通过大数据分析，计算该浊度信息对应的清洗参量，并将清洗参量下发给对应智能洗碗机，继而智能洗碗机根据清洗参量调整清洗模式，并通过调整后的清洗模式执行对应的清洗操作，实现了自动化配置清洗模式的目的。与现有的清洗模式的确定技术相比，本申请无需用户手动设置清洗模式，通过智能洗碗机与云端服务器之间的交互，实现了自动确定清洗参量并通过清洗参量调整清洗模式，提高了清洗模式的确定效率，减少了用户的操作。另一方面，由于清洗参量的计算操作交由云端服务器处理，从而减少了智能洗碗机的运算压力，降低了智能洗碗机的运算能力的需求，降低了智能洗碗机的造假成本。

图2示出了本发明第二实施例提供的一种清洗模式的确定方法的具体实现流程图。参见图2，相对于图1所述实施例，本实施例提供的一种清洗模式的确定方法还包括：s201～s205，具体详述如下：

进一步地，在所述云端服务器将接收到的所述浊度信息导入预设的清洗参量转换模型，计算所述浊度信息对应的清洗参量之前，还包括：

在s201中，所述云端服务器提取与所述浊度信息匹配的多个历史参量。

在本实施例中，云端服务器可以在计算清洗参量之前，可以通过训练学习的方式调整预设的神经网络，从而实现动态调整清洗参量转换模型的目的。具体实现的方式如下：云端服务器可以根据不同的浊度信息对历史参量进行分类，即将浊度信息相同的所有历史参量划分到一个历史参量组内。该浊度信息相同具体指的是，浊度信息内的各个浊度参量的数值相同或数值之间的差值小于浮动阈值，则可以将上述多个不同的浊度信息识别为相同的浊度信息。而在云端服务器响应智能洗碗机的调节请求时，每接收到一个浊度信息，则会生成与之对应的历史参量，因此，可以建立历史参量与浊度信息之间的对应关系。该历史参量具体为已响应的浊度信息所计算得到的清洗参量。

可选地，在本实施例中，若餐具洗涤系统配置有多个不同的云端服务器，则多个云端服务器的数据库可以实现共享，即云端服务器在获取历史参量的过程中，除了提取本地数据库存储有的历史参量外，还可以向多个不同云端服务器发送广播指令，以使各个云端服务器返回与该浊度信息匹配的历史参量。

在s202中，所述云端服务器查询基于所述历史参量执行所述清洗操作后所述智能洗碗机反馈的清洗结果。

在本实施例中，由于各个历史参量均为已发送给智能洗碗机，智能洗碗机根据接收到的历史参量调整清洗模式，并执行对应的清洗操作，并在清洗操作完毕后，可以将清洗结果反馈给云端服务器，当然，该清洗结果也可以清洗后操作的浊度信息。云端服务器可以比对清洗操作之前上传的浊度信息以及清洗操作后的浊度信息，从而计算得到的清洗结果。通过比对两个浊度信息之间的变化量，判断是否大于清洗操作的额定变化量，并根据与额定变化量之间的差值，得到清洗结果。

在s203中，所述云端服务器计算所述清洗结果与标准结果之间的差值，并根据所述差值确定所述历史参量的学习权重。

在本实施例中，云端服务器在得到各个历史参量匹配的清洗结果后，可以计算该清洗结果与标准结果之间的差值。具体地，该清洗结果可以为洁净等级，而标准结果具体为额定洁净度，云端服务器可以计算洁净等级与额定洁净度之间的差值，若该差值越大，则表示清洁效果越好，则对应的学习权重越大；反之，若该差值越小，则表示洁净效果越差，则对应的学习权重越小。

在s204中，所述云端服务器根据所有所述历史参量以及所述学习权重，对预设的长短期lstm神经网络进行训练学习。

在本实施例中，云端服务器中的清洗参量转换模型具体为基于lstm神经网络调整得到的计算模型，并将历史计算得到的历史参量作为训练样本对lstm神经网络进行训练学习。具体地，根据清洗结果与标准结果之间的差值，确定不同历史参量的学习权重，学习权重越大，对于训练学习的学习效率贡献越大，则对于lstm神经网络内的学习参量调整的效果越高；反之，对于学习权重较小的历史参量，则在训练学习过程中，对于学习参量的调整幅度较小，通过设置不同的学习权重，能够实现后验调整lstm神经网络的目的，提高了学习操作的准确性。

在s205中，所述云端服务器若检测到所述lstm神经网络的损失函数小于预设的损失阈值，则识别所述lstm神经网络训练完毕，并将训练后的所述lstm神经网络识别为所述清洗参量转换模型。

在本实施例中，云端服务器可以通过损失函数来判断lstm神经网络是否调整完毕，若该lstm神经网络的损失函数大于或等于预设的损失阈值，则识别为未调整完毕，则需要对该lstm神经网络中的学习参数进行调整；反之，若该损失函数小于预设的损失阈值，则识别lstm神经网络调整完毕，可以通过训练后的lstm神经网络计算清洗参量，即作为清洗参量转换模型。

在本发明实施例中，通过获取多个历史参量以及各个历史参量匹配的清洗结果，并计算各个清洗结果的学习权重，从而能够根据清洗效果来配置不同的历史参量对于神经网络的学习贡献，提高了清洗参量转换模型的训练准确性，进一步提高了清洗参量的计算准确性。

图3示出了本发明第三实施例提供的一种清洗模式的确定方法s101的具体实现流程图。参见图3，相对于图1所述的实施例，本实施例提供的一种清洗模式的确定方法s101包括：s1011～s1013，具体详述如下：

进一步地，所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息，包括：

在s1011中，所述智能洗碗机获取所述腔体内的环境图像，并提取所述环境图像内各个所述餐具的轮廓曲线。

在本实施例中，智能洗碗机内置有摄像模块，在判断需要生产浊度信息时，可以通过控制摄像模块拍摄腔体内的环境图像，该环境图像的拍摄对象包含有所需清洗的餐具，因此会记录有餐具的表面污渍情况。具体地，为了提高拍摄的环境图像中污渍的可见度，智能洗碗机在拍摄环境图像时可以进行预处理操作，例如通过启动补光部件来对腔体进行补光操作，也可以延长拍摄时长，即曝光时间，或者拍摄多张环境图像，并通过hdr算法来将多个环境图像进行合并，通过上述方式可以提高环境图像中轮廓信息，从而便于分别不同的餐具，提高后续浊度信息的准确性。

在本实施例中，智能洗碗机可以通过轮廓识别算法，提取该环境图像中包含的轮廓曲线，且每一个闭合的轮廓曲线对应一个待清洗餐具，从而可以识别得到各个餐具的轮廓曲线。需要说明的是，该轮廓识别算法可以计算各个像素点与其相邻的像素点之间的像素值差值，若该像素值差值大于预设的差异阈值，则识别该像素点为轮廓像素点，从而连接所有轮廓像素点，得到轮廓曲线。

在s1012中，所述智能洗碗机基于所述轮廓曲线，识别各个所述餐具对应的餐具区域以及该餐具的污渍区域。

在本实施例中，洗碗机在识别得到轮廓曲线后，可以根据该轮廓曲线对环境图像进行划分，得到每个餐具对应的餐具区域，并通过识别该餐具局域中各个像素点的像素值，将在预设的污渍像素范围内的像素点识别为污渍像素点，从而将污渍像素点构成的所有区域识别为污渍区域。

在s1013中，所述智能洗碗机计算所述污渍区域以及所述餐具区域的污渍占比，并根据各个餐具的所述污渍占比生成所述浊度信息。

在本实施例中，智能洗碗机在识别得到餐具区域以及污渍区域后，则可以计算上述两者之间的比例，将污渍区域与餐具区域之间的区域面积的比值识别为污渍占比，若该污渍占比越高，则对应的浊度等级越高，从而基于所有餐具的污渍占比确定本次所需执行的清洗操作的浊度信息。

在本发明实施例中，通过获取腔体内的环境图像，并通过图像识别的算法确定餐具区域以及污渍区域，从而生成浊度信息并上传给云端服务器，从而提高浊度信息的准确性。

图4示出了本发明第四实施例提供的一种清洗模式的确定方法s101的具体实现流程图。参见图4，相对于1所述实施例，本实施例提供的一种清洗模式的确定方法s101包括：s1014～s1016，具体详述如下：

进一步地，所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息，包括：

在s1014中，所述智能洗碗机采集执行预清洗操作前的初始浊度值。

在本实施例中，智能洗碗机内配置有储水部件，该储水部件可以与进水水路相连，在进水水路的进水阀开启后，水体可以通过进水水路输送到储水部件内，智能洗碗机可以通过储水部件内存储的水体对待清洗餐具执行洗涤操作。由于不同的进水水路输送的水体的水质情况不同，而且不同时间水质情况也可能发生改变，为了确定经过预清洗后水体的污浊程度是由于餐具表面的餐厨残留物导致的，或者是由于水体的水质本身的影响，在确定待清洗餐具的浊度等级之前，需要先确定用于清洗餐具的水体的初始浊度值。

需要说明的是，智能洗碗机可以在储水部件中设置有浊度传感器，通过浊度传感器确定执行预清洗操作前水体的初始浊度值。该浊度传感器可以为基于电压信号的浊度传感器，该浊度传感器设置有两个电极，在需要检测时，会在内部回路在两个电极上加载一预设的电压值，由于水体并非蒸馏水，存在一定量的离子，因此会有一定的导电率，若该水体的污浊程度越高，则导电率越低；反之，若该水体的污浊程度越低，则导电率越高。因此，浊度传感器可以采集两个电极基于预设电压所产生的电流值，并基于该电流值确定水体的初始浊度值。

在s1045中，所述智能洗碗机通过水体对所述餐具进行预清洗操作，并检测经过所述预清洗操作后所述水体的比对浊度值。

在本实施例中，智能洗碗机在执行正式清洗操作之前，由于根据餐具的污浊程度选取匹配的清洗模式，因此需要对待清洗餐具进行预清洗操作，预清洗操作具体为以预设的水流速度将清洁用的水体喷洒于餐具表面，并收集本次喷洗操作后的水体，通过经过喷洗操作后水体的污浊程度确定餐具的污浊程度。优选地，预清洗操作的水流速度可以大于正式清洗操作过程中的水流速度，由于在预清洗时，餐具表面可能附着有较多餐厨残留物，且由于温度较低等情况，上述餐厨残留物黏着于餐具表面，若水流速度较低且水温较低的情况下，则无法将餐厨残留物从餐具表面上冲洗下来，从而降低了浊度等级识别的准确率。

在本实施例中，智能洗碗机可以通过储水部件内的水体对待清洗餐具进行预清洗操作，并产生经过预清洗后的水体，洗碗机同样可以通过浊度传感器获取预清洗操作后水体的浊度值，即上述比对浊度值，可以根据比对浊度值以及初始浊度值之间的差异程度，确定待清洗餐具的污浊程度。

在s1046中，所述智能洗碗机根据所述初始浊度值以及所述比对浊度值生成所述浊度信息。

在本实施例中，智能洗碗机可以将识别得到初始浊度值以及比对浊度值导入到预设的浊度等级转换函数，从而识别得到待清洗餐具的浊度等级，并将浊度等级作为浊度信息。若该浊度等级越高，则表示待清洗餐具表面的餐厨残留物越多；反之，若该浊度等级越低，则表示待清洗餐具表面的餐厨残留物越少。具体地，该浊度等级转换函数可以为：

其中，cleardust为初始浊度值；comparedust为比对浊度值，basedust为基准浊度参量；baselv为基准浊度等级；dustlv为浊度等级。

在本发明实施例中，通过对餐具进行预清洗操作，并根据预清洗操作得到的水体污浊程度确定餐具的浊度信息，从而能够提高浊度信息的准确性，进而提高而清洗参数的准确性。

图5示出了本发明第五实施例提供的一种清洗模式的确定方法的s101具体实现流程图。参见图5，相对于1-4所述实施例，本实施例提供的一种清洗模式的确定方法s101包括：s501～s503，具体详述如下：

进一步地，所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息，包括：

在s501中，所述智能洗碗机通过预设的默认通信端口向所述云端服务器发送链路连接请求。

在本实施例中，智能洗碗机配置有多个不同的通信端口，不同的通信端口对应不同的通信方式。例如，该通信端口包括有有线通信端口、无线通信端口，若该智能洗碗机还配置有通信凭证，例如sim卡，则还可以包括移动通信端口。智能洗碗机可以从多个通信端口中选取一个作为默认通信端口，在发送浊度信息时，通过默认通信端口向云端服务器发送链路连接请求，以建立云端服务器与智能洗碗机之间的通信连接。

在s502中，所述智能洗碗机若在预设的有效时间内所述云端服务器基于所述链路连接请求返回的链路确认指令，则通过所述默认通信端口向所述云端服务器发送所述浊度信息。

在本实施例中，智能洗碗机在发送了链路连接请求后，若在有效时间内接收到云端服务器返回的链路确认指令，则识别该默认通信端口能够正常接发数据，因此可以通过默认通信端口将浊度信息发送至云端服务器。

在s503中，所述智能洗碗机若在预设的有效时间内未接收到所述云端服务器返回的所述链路确认指令，则将备用通信端口设置为默认通信端口，并返回执行所述通过预设的默认通信端口向所述云端服务器发送链路连接请求的操作。

在本实施例中，智能洗碗机在发送了链路连接请求后，若在预设的有效时间内未接收到所述云端服务器返回的所述链路确认指令，则识别该默认通信端口异常，此时会将备用通信端口中的一个配置为默认通信端口，并返回执行上述s501的操作，以判断新配置的默认通信端口是否有效，直到能够与云端服务器建立通信连接。

在本发明实施例中，通过配置默认通信端口，以及在发送浊度信息之前进行通信端口有效性的测试操作，能够提高浊度信息发送操作的成功率，并且在发送异常时，自动切换发送方式。

图6示出了本发明第六实施例提供的一种清洗模式的确定方法的具体实现流程图。参见图6，相对于图5所述实施例，本实施例提供的一种清洗模式的确定方法在s101之前还包括：s601～s602，具体详述如下：

进一步地，在所述智能洗碗机若检测到满足预设的上报触发条件，则向所述云端服务器发送关于腔体内餐具的浊度信息之前，还包括：

在s601中，所述智能洗碗机通过内置的各个可用通信端口分别向所述云端服务器发送测试指令。

在本实施例中，智能洗碗机除了通过默认方式配置默认通信端口外，还可以通过自动识别的方式选取通信效果最好的一个通信端口作为默认通信端口。因此，智能洗碗机可以根据各个可用通信端口分别向云端服务器发送测试指令，通过发送测试指令可以计算通过该通信端口对数据进行收发所需的时间。

在s602中，所述智能洗碗机统计各个所述测试指令的响应时间，并将所述响应时间最短的所述测试指令对应的所述可用通信端口设置为所述默认通信端口。

在本实施例中，智能洗碗机可以通过各个测试指令的响应时间，该响应时间具体为由发送测试指令开始至接收到云端服务器基于该测试指令返回的响应指令之间的时间。继而根据各个响应时间的大小进行排序，选取响应时间最短的测试指令所使用的可用通信端口作为默认通信端口。

在本发明实施例中，通过对各个可用通信端口进行指令测试操作，实现自动配置默认通信端口的目的，减少了用户的操作步骤，提高了配置效率。

图7示出了本发明第七实施例提供的一种清洗模式的确定方法s102的具体实现流程图。参见图7，相对于图1-4所述实施例，本实施例提供的一种清洗模式的确定方法在s102包括：s1021～s1023，具体详述如下：

进一步地，所述智能洗碗机基于接收到的所述清洗参量调整清洗模式，并以调整后的所述清洗模式对所述餐具执行清洗操作，包括：

在s1021中，所述智能洗碗机根据所述清洗参量的清洗次数，创建多个清洗模板。

在本实施例中，该清洗参量包含有清洗次数，即需要对腔体内的餐具执行多个清洗周期的清洗操作，其中清洗周期的个数与清洗次数相匹配，每个清洗周期对应一个清洗模板。

在s1022中，所述智能洗碗机根据所述清洗参量的调整步长以及基准参量，确定各个所述清洗模板对应的周期参量，生成关于各个清洗周期对应的所述清洗脚本。

在本实施例中，该清洗参量中还配置有基准参量以及调整步长，随着清洗次数的不断增加，餐具表面的浊度也随之降低，此时部分清洗参量可以适当减少，例如清洁剂的剂量以及洗涤水量等。其中，基准参量具体为第一清洗周期所使用的清洗参量，并基于各个清洗周期的周期次序，通过调整步长调整基准参量，得到当前清洗周期所对应的清洗参量，并生成关于该清洗周期的清洗脚本。

在s1023中，基于所有所述清洗周期的所述清洗脚本，生成所述清洗模式。

在本实施例中，基于各个清洗周期所对应的清洗脚本，依次组合各个清洗脚本，得到所述清洗模式。

在本发明实施例中，为不同的清洗周期配置不同的清洗脚本，从而实现了不同的清洗周期的清洗参数不同，在保证了清洗的清洁度的同时，还能够减少资源的消耗，达到了环保的目的。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图8示出了本发明一实施例提供的一种洗碗机的结构框图，该洗碗机包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图8，所述智能家电系统包括智能洗碗机81以及云端服务器82；

所述智能洗碗机81，用于若检测到满足预设的上报触发条件，则向所述云端服务器82发送关于腔体内餐具的浊度信息；

所述云端服务器82，用于将接收到的所述浊度信息导入预设的清洗参量转换模型，计算所述浊度信息对应的清洗参量，并将所述清洗参量发送给所述智能洗碗机81；

所述智能洗碗机81，用于基于接收到的所述清洗参量调整清洗模式，并以调整后的所述清洗模式对所述餐具执行清洗操作。

可选地，所述云端服务器82还用于：

所述云端服务器82，用于提取与所述浊度信息匹配的多个历史参量；

所述云端服务器82，用于查询基于所述历史参量执行所述清洗操作后所述智能洗碗机反馈的清洗结果；

所述云端服务器82，用于计算所述清洗结果与标准结果之间的差值，并根据所述差值确定所述历史参量的学习权重；

所述云端服务器82，用于根据所有所述历史参量以及所述学习权重，对预设的长短期lstm神经网络进行训练学习；

所述云端服务器82，用于若检测到所述lstm神经网络的损失函数小于预设的损失阈值，则识别所述lstm神经网络训练完毕，并将训练后的所述lstm神经网络识别为所述清洗参量转换模型。

可选地，所述智能洗碗机81具体用于：

所述智能洗碗机81，用于获取所述腔体内的环境图像，并提取所述环境图像内各个所述餐具的轮廓曲线；

所述智能洗碗机81，用于基于所述轮廓曲线，识别各个所述餐具对应的餐具区域以及该餐具的污渍区域；

所述智能洗碗机81，用于计算所述污渍区域以及所述餐具区域的污渍占比，并根据各个餐具的所述污渍占比生成所述浊度信息。

可选地，所述智能洗碗机81具体用于：

所述智能洗碗机81，用于采集执行预清洗操作前的初始浊度值；

所述智能洗碗机81，用于通过水体对所述餐具进行预清洗操作，并检测经过所述预清洗操作后所述水体的比对浊度值；

所述智能洗碗机81，用于根据所述初始浊度值以及所述比对浊度值生成所述浊度信息。

可选地，所述智能洗碗机81具体用于：

所述智能洗碗机81，用于通过预设的默认通信端口向所述云端服务器发送链路连接请求；

所述智能洗碗机81，用于若在预设的有效时间内所述云端服务器基于所述链路连接请求返回的链路确认指令，则通过所述默认通信端口向所述云端服务器发送所述浊度信息；

所述智能洗碗机81，用于若在预设的有效时间内未接收到所述云端服务器返回的所述链路确认指令，则将备用通信端口设置为默认通信端口，并返回执行所述通过预设的默认通信端口向所述云端服务器发送链路连接请求的操作。

可选地，所述智能洗碗机81还用于：

所述智能洗碗机81，用于通过内置的各个可用通信端口分别向所述云端服务器发送测试指令；

所述智能洗碗机81，用于统计各个所述测试指令的响应时间，并将所述响应时间最短的所述测试指令对应的所述可用通信端口设置为所述默认通信端口。

可选地，所述智能洗碗机81具体用于：

所述智能洗碗机81，用于根据所述清洗参量的清洗次数，创建多个清洗模板；

所述智能洗碗机81，用于根据所述清洗参量的调整步长以及基准参量，确定各个所述清洗模板对应的周期参量，生成关于各个清洗周期对应的所述清洗脚本；

所述智能洗碗机81，用于基于所有所述清洗周期的所述清洗脚本，生成所述清洗模式。

因此，本发明实施例提供的洗碗机同样可以无需用户手动设置清洗模式，通过智能洗碗机与云端服务器之间的交互，实现了自动确定清洗参量并通过清洗参量调整清洗模式，提高了清洗模式的确定效率，减少了用户的操作。另一方面，由于清洗参量的计算操作交由云端服务器处理，从而减少了智能洗碗机的运算压力，降低了智能洗碗机的运算能力的需求，降低了智能洗碗机的造假成本。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。