衣物颜色识别的处理方法、装置、设备及存储介质与流程

本申请涉及智能设备技术领域，尤其涉及一种衣物颜色识别的处理方法、装置、设备及存储介质。

背景技术：

衣物的颜色千差万别，除了常见的红、橙、黄、绿、青、蓝、紫色之外，还有各种组合色，对于什么颜色的衣物可以混合在一起洗涤，现有技术通常是靠们根据经验来判断，判断结果不够准确，容易造成将不能混合洗涤的衣物一起洗涤，从而造成串色，导致用户体验较差。

因此，如何有效准确地判断衣物是否可以混合洗涤，成为亟需解决的技术问题。

技术实现要素：

为了解决现有技术中的上述问题，即为了解决现有用户不能准确判断衣物是否可以混洗的技术问题，本申请提供了一种衣物颜色识别的处理方法、装置、设备及存储介质，以提高判断的准确性。

本申请第一个方面提供一种衣物颜色识别的处理方法，包括：

接收洗衣机发送的筒内的原始图像数据；

根据所述原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；

采用基于hsv空间的衣物颜色识别算法对所述分割图像数据进行颜色识别，获得识别结果；

将所述识别结果发送给洗衣机，以使所述洗衣机根据所述识别结果进行相应的处理。

在上述方法的优选技术方案中，所述根据所述原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据，包括：

根据所述原始图像数据，采用预先训练好的基于深度学习的二分类神经网络模型，确定待洗衣物的分割图像数据。

在上述方法的优选技术方案中，所述采用基于hsv空间的衣物颜色识别算法对所述分割图像数据进行颜色识别，获得识别结果，包括：

将所述分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据；

获取衣物颜色表征范围；

基于转换后的分割图像数据及所述衣物颜色表征范围，确定待洗衣物的颜色组成，作为所述识别结果。

在上述方法的优选技术方案中，在基于转换后的分割图像数据及预先获得的衣物颜色表征范围，确定待洗衣物的颜色组成之后，所述方法还包括：

对所述待洗衣物的颜色组成进行过滤，获得所述待洗衣物的主色调颜色组成；

将所述待洗衣物的主色调颜色组成作为所述识别结果。

本申请第二个方面提供一种衣物颜色识别的处理方法，包括：

采集洗衣机筒内的原始图像数据；

将所述原始图像数据发送给服务器；

接收所述服务器返回的待洗衣物的颜色的识别结果；

根据所述识别结果，确定对应的目标控制程序；

根据所述目标控制程序控制所述洗衣机进行相应的处理。

在上述方法的优选技术方案中，所述根据所述识别结果，确定对应的目标控制程序，包括：

根据所述识别结果及预设控制逻辑规则，确定对应的目标控制程序，所述预设控制逻辑规则包括颜色与控制程序的对应关系。

在上述方法的优选技术方案中，所述根据所述识别结果及预设控制逻辑规则，确定对应的目标控制程序，包括：

若根据所述识别结果确定待洗衣物具有串色风险，则确定目标控制程序为告警提示程序；

所述根据所述目标控制程序控制所述洗衣机进行相应的处理，包括：

根据所述告警提示程序控制所述洗衣机发出告警提示。

本申请第三个方面提供一种衣物颜色识别的处理装置，包括：

第一接收模块，用于接收洗衣机发送的筒内的原始图像数据；

第一确定模块，用于根据所述原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；

处理模块，用于采用基于hsv空间的衣物颜色识别算法对所述分割图像数据进行颜色识别，获得识别结果；

第一发送模块，用于将所述识别结果发送给洗衣机，以使所述洗衣机根据所述识别结果进行相应的处理。

在上述装置的优选技术方案中，所述第一确定模块，具体用于：

根据所述原始图像数据，采用预先训练好的基于深度学习的二分类神经网络模型，确定待洗衣物的分割图像数据。

在上述装置的优选技术方案中，所述处理模块，具体用于：

将所述分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据；

获取衣物颜色表征范围；

基于转换后的分割图像数据及所述衣物颜色表征范围，确定待洗衣物的颜色组成，作为所述识别结果。

在上述装置的优选技术方案中，所述处理模块，还用于：

对所述待洗衣物的颜色组成进行过滤，获得所述待洗衣物的主色调颜色组成；

将所述待洗衣物的主色调颜色组成作为所述识别结果。

本申请第四个方面提供一种衣物颜色识别的处理装置，包括：

获取模块，用于采集洗衣机筒内的原始图像数据；

第二发送模块，用于将所述原始图像数据发送给服务器；

第二接收模块，用于接收所述服务器返回的待洗衣物的颜色的识别结果；

第二确定模块，用于根据所述识别结果，确定对应的目标控制程序；

控制模块，用于根据所述目标控制程序控制所述洗衣机进行相应的处理。

在上述装置的优选技术方案中，所述第二确定模块，具体用于：

根据所述识别结果及预设控制逻辑规则，确定对应的目标控制程序，所述预设控制逻辑规则包括颜色与控制程序的对应关系。

在上述装置的优选技术方案中，所述第二确定模块，具体用于：

若根据所述识别结果确定待洗衣物具有串色风险，则确定目标控制程序为告警提示程序；

所述控制模块，具体用于：

根据所述告警提示程序控制所述洗衣机发出告警提示。

本申请第五个方面提供一种服务器，包括：至少一个处理器和存储器；

所述存储器用于存储计算机可执行指令，以使所述至少一个处理器执行所述计算机可执行指令实现第一个方面提供的方法。

本申请第六个方面提供一种洗衣机，包括：至少一个处理器和存储器；

所述存储器用于存储计算机可执行指令，以使所述至少一个处理器执行所述计算机可执行指令实现第二个方面提供的方法。

本申请第七个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一个方面提供的方法。

本申请第八个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第二个方面提供的方法。

本领域技术人员能够理解的是，本申请的衣物颜色识别的处理方法、装置、设备及存储介质，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例基于的处理系统的架构示意图；

图2为本申请一实施例提供的衣物颜色识别的处理方法的流程示意图；

图3为本申请另一实施例提供的衣物颜色识别的处理方法的流程示意图；

图4为本申请再一实施例提供的衣物颜色识别的处理方法的流程示意图；

图5为本申请又一实施例提供的衣物颜色识别的处理方法的流程示意图；

图6为本申请一实施例提供的衣物颜色识别的处理装置的结构示意图；

图7为本申请另一实施例提供的衣物颜色识别的处理装置的结构示意图；

图8为本申请一实施例提供的服务器的结构示意图；

图9为本申请一实施例提供的洗衣机的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

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作出创造性劳动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。

首先，本领域技术人员应当理解的是，这些实施方式仅仅用于解释本申请，并非旨在限制本申请的保护范围。本领域技术人员可以根据需要对其作出调整，以便适应具体的应用场合。

首先，对本申请涉及到的名词进行解释：

rgb空间：是以r(red:红)、g(green:绿)、b(blue:蓝)三种基本色为基础，进行不同程度的叠加，产生丰富而广泛的颜色，所以俗称三基色模式。是用一个单位长度的立方体来表示颜色的，黑蓝绿青红紫黄白8种常见颜色分别位居立方体的8个顶点，通常将黑色置于三维直角坐标系的原点，红绿蓝分别置于3根坐标轴土，整个立方体放在第1卦限内。而其中的青色与红色、紫色(或称品红色)与绿色、黄色与蓝色是互补色。各参数的取值范围是：r：0-255；g：0-255；b：0-255。参数值也称为三色系数或基色系数或颜色值，除以255后归一到0-1之间，但不是无穷多个而是有限多个值。由于每个灰度级都定为256，所以，红绿蓝分量全部组合起来共可表示256＝2＝16777216种不同的颜色。它比人眼能分辨的颜色种数多得多。

hsv空间：是指hsv(hue(色调)，saturation(饱和度)，value(明度))颜色空间，也称六角锥体模型空间。

本申请实施例提供的衣物颜色识别的处理方法，适用于在用户洗衣时，自动识别衣物颜色，并根据衣物颜色选择合适的洗衣程序进行洗涤的应用场景。参阅图1，图1为本申请实施例基于的处理系统的架构示意图。该处理系统可以包括洗衣机和服务器，服务器可以是云服务器，也可以是其他服务器。洗衣机可以是滚筒洗衣机，也可以是其他类型的洗衣机，以滚筒洗衣机为例，服务器和洗衣机上均可以设置相应的衣物颜色识别的处理装置。还可以在洗衣机的门窗上方安装摄像机，比如安装迷你摄像机，用于拍摄筒内衣物场景图像，还可以借助滚筒内灯光补光，以助于拍摄到清晰可分析的图像。摄像机拍摄筒内衣物场景图像(即原始图像)后，可以通过网络传输将原始图像数据发送到服务器。或者洗衣机的衣物颜色识别的处理装置获取摄像机拍摄的原始图像数据，通过网络传输发送给服务器，服务器上的衣物颜色识别的处理装置则可以获取到原始图像数据。服务器接收到原始图像数据后，根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据，分割图像数据是指从原始图像数据中分割出来的仅包括待洗衣物图像部分的图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，洗衣机接收到识别结果后，根据识别结果及预设控制逻辑控制洗衣机进行相应的处理。通过神经网络模型将待洗衣物与背景准确分割，并采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

此外，需要说明的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

本申请一实施例提供一种衣物颜色识别的处理方法，用于识别洗衣机筒内待洗衣物的颜色。本实施例的执行主体为衣物颜色识别的处理装置，该装置可以设置在服务器中。

首先参阅图2，图2为本实施例提供的衣物颜色识别的处理方法的流程示意图，该方法包括：

步骤101，接收洗衣机发送的筒内的原始图像数据。

具体的，可以在洗衣机的门窗上方安装摄像机，比如安装迷你摄像机，用于拍摄筒内衣物场景图像(即原始图像)，获得洗衣机筒内原始图像数据，通过洗衣机发送给服务器。

可选地，可以是当用户打开洗衣机门窗，放入衣物，并关上门窗时触发洗衣机摄像机拍摄筒内衣物场景图像，也可以是在用户关上门窗，启动洗衣机时触发，具体可以根据实际需求设置，本实施例不做限定。

步骤102，根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据。

具体的，可以预先采集筒内的原始训练图像数据并对原始训练图像数据进行标注，获得原始训练图像数据对应的标签数据；并建立分类神经网络，基于原始训练图像数据和对应的标签数据训练建立好的分类神经网络，获得分类网络模型。

在接收到原始图像数据后，则可以根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据。分割图像数据是指从原始图像数据中分割出来的仅包括待洗衣物图像部分的图像数据，也即通过分类网络模型，将原始图像数据中的衣物和背景分割开来，得到原始图像数据中哪些部分属于背景部分，哪些部分属于衣物部分，属于衣物部分的即作为待洗衣物的分割图像数据。

可选地，分类网络模型为基于深度学习的二分类神经网络模型，兼顾了处理的速率和准确率，将原始图像分成衣物和背景两类。分类网络模型的网络架构可以包括一个级联网络，级联网络分为四层，每层会对原始对象(即原始图像数据)做不同程度的卷积下采样来提取语义特征，各层的输出特征图最终会融合为一个特征图，再经过上采样层提取细节特征得到目标特征图，最后对所得的目标特征图进行常规语义分割，得到最终的分割图像。

步骤103，采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果。

具体的，在确定了待洗衣物的分割图像数据后，则可以采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果。

识别结果包括待洗衣物的颜色组成，比如红色80％白色20％。

可选地，基于hsv空间的衣物颜色识别算法为将分割图像数据从rgb空间转换到hsv空间进行颜色识别的算法。具体来说，将分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据；获取衣物颜色表征范围；基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成，作为识别结果。其中，衣物颜色表征范围包括了不同范围代表不同的颜色，具体结合hsv六棱锥和大量颜色各异的衣服颜色表征实现来确定衣物颜色表征范围。比如结合hsv六棱锥和1000件颜色各异的衣服颜色表征实现，确定10种常用颜色的hsv表征范围。比如，黑色的表征范围为：

(h>＝0&&h<＝360)&&(s>＝0&&s<＝100)&&(v>＝0&&v<＝25)

其中，h、s、v分别代表三个通道的值。

步骤104，将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理。

具体的，在获得待洗衣物的颜色的识别结果后，则将识别结果发送给洗衣机。洗衣机接收到待洗衣物的颜色的识别结果后，可以根据识别结果，确定对应的目标控制程序，根据目标控制程序控制洗衣机进行相应的处理。

示例性的，若识别结果为红色和白色，而且颜色组成比例大于第一阈值，则确定存在串色风险，则确定目标控制程序为不启动洗衣机并告警提示的程序，则根据目标控制程序控制不启动洗衣机，并控制洗衣机发出告警提示。具体的告警提示方式可以根据实际需求设置，比如可以是通过语音播报进行告警提示，也可以在洗衣机的显示界面显示相应的告警信息并发出告警提示音等等。

示例性的，若识别结果为白色，且大于第二阈值，则确定对应的目标控制程序为护色洗程序，则可以选择护色洗程序控制洗衣机进行护色洗流程。

示例性的，若识别结果为黑色和蓝色，则确定对应的目标控制程序为混合洗程序，则可以选择混合洗程序控制洗衣机进行混合洗流程。

可选地，可以预先在洗衣机设置预设控制逻辑规则，可以包括颜色与控制程序的对应关系，当洗衣机接收到识别结果后，根据识别结果及预设控制逻辑规则来确定目标控制程序。

本实施例提供的衣物颜色识别的处理方法，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请另一实施例对上述实施例提供的方法做进一步补充说明。

参阅图3，图3为本实施例提供的衣物颜色识别的处理方法的流程示意图。

作为一种可实施的方式，在上述实施例的基础上，可选地，根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据，包括：

步骤1021，根据原始图像数据，采用预先训练好的基于深度学习的二分类神经网络模型，确定待洗衣物的分割图像数据。

具体的，分类网络模型为基于深度学习的二分类神经网络模型，兼顾了处理的速率和准确率，将原始图像分成衣物和背景两类。分类网络模型的网络架构可以包括一个级联网络，级联网络分为四层，每层会对原始对象(即原始图像数据)做不同程度的卷积下采样来提取语义特征，各层的输出特征图最终会融合为一个特征图，再经过上采样层提取细节特征得到目标特征图，最后对所得的目标特征图进行常规语义分割，得到最终的分割图像。

在采用分类网络模型之前，需要通过训练数据训练获得该分类网络模型。具体来说，可以预先采集筒内的原始训练图像数据并对原始训练图像数据进行标注，获得原始训练图像数据对应的标签数据；并建立分类神经网络，基于原始训练图像数据和对应的标签数据训练建立好的分类神经网络，获得分类网络模型。

示例性的，可以借助补光拍摄大量衣物图像，经过清洗(清洗掉颜色信息不明确，环境干扰噪声过大的图像)、标注，获得原始训练图像数据及对应的标签数据，基于原始训练图像数据和对应的标签数据对预先建立的基于深度学习的二分类神经网络进行训练，获得基于深度学习的二分类神经网络模型。

作为另一种可实施的方式，在上述实施例的基础上，可选地，采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果，包括：

步骤1031，将分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据。

步骤1032，获取衣物颜色表征范围。

步骤1033，基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成。

步骤1034，将待洗衣物的颜色组成作为识别结果。

具体的，在获得待洗衣物的分割图像数据后，将分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据；获取衣物颜色表征范围；基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成，作为识别结果。其中，衣物颜色表征范围包括了不同范围代表不同的颜色，具体可以结合hsv六棱锥和大量颜色各异的衣服颜色表征实现来确定衣物颜色表征范围。比如结合hsv六棱锥和1000件颜色各异的衣服颜色表征实现，确定10种常用颜色的hsv表征范围。比如，黑色的表征范围为：

(h>＝0&&h<＝360)&&(s>＝0&&s<＝100)&&(v>＝0&&v<＝25)

其中，h、s、v分别代表三个通道的值。

可选地，在基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成之后，该方法还包括：

步骤1035，对待洗衣物的颜色组成进行过滤，获得待洗衣物的主色调颜色组成。

步骤1036，将待洗衣物的主色调颜色组成作为识别结果。

具体的，在基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成之后，可能获得的颜色组成包括了非常小比例的其他颜色，可以对待洗衣物的颜色组成进行过滤，获得待洗衣物的主色调颜色组成，将待洗衣物的主色调颜色组成作为识别结果发送给洗衣机。

本申请实施例提供的衣物颜色识别的处理方法，实现了衣物颜色的自动识别，结合深度学习的二分类神经网络模型和基于hsv空间颜色识别算法，有效提高了颜色识别的准确性，省去了用户凭经验判断衣物颜色，手动选取洗涤模式的环节，解放用户双手，提高洗衣环节的便捷性，并且解决了用户凭经验判断衣物颜色不选取洗涤模式不够准确的问题。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

本实施例提供的衣物颜色识别的处理方法，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请再一实施例提供一种衣物颜色识别的处理方法，用于识别洗衣机筒内待洗衣物的颜色。本实施例的执行主体为衣物颜色识别的处理装置，该装置可以设置在洗衣机中。

首先参阅图4，图4为本实施例提供的衣物颜色识别的处理方法的流程示意图，该方法包括：

步骤301，采集洗衣机筒内的原始图像数据。

步骤302，将原始图像数据发送给服务器，以使服务器根据原始图像数据获得待洗衣物的颜色识别结果。

步骤303，接收服务器返回的待洗衣物的颜色的识别结果。

步骤304，根据识别结果，确定对应的目标控制程序。

步骤305，根据目标控制程序控制洗衣机进行相应的处理。

需要说明的是，本实施例是与上述服务器端实施例交互的洗衣机端的方法实施例，其具体执行过程已在上述实施例的交互描述中进行了详细说明，上述实施例涉及到的洗衣机侧执行的部分均可以用于解释本实施例的上述步骤，在此不再赘述。

本实施例提供的衣物颜色识别的处理方法，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请又一实施例对上述实施例提供的方法做进一步补充说明。

参阅图5，图5为本实施例提供的衣物颜色识别的处理方法的流程示意图。

作为一种可实施的方式，在上述实施例的基础上，可选地，根据识别结果，确定对应的目标控制程序，包括：

步骤3041，根据识别结果及预设控制逻辑规则，确定对应的目标控制程序。

其中，预设控制逻辑规则包括颜色与控制程序的对应关系。

作为另一种可实施的方式，在上述实施例的基础上，可选地，根据识别结果及预设控制逻辑规则，确定对应的目标控制程序，包括：

步骤30411，若根据识别结果确定待洗衣物具有串色风险，则确定目标控制程序为告警提示程序。

相应的，根据目标控制程序控制洗衣机进行相应的处理，包括：

步骤3051，根据告警提示程序控制洗衣机发出告警提示。

可选地，若识别结果为红色和白色，而且颜色组成比例大于第一阈值，则确定存在串色风险，则确定目标控制程序为不启动洗衣机并告警提示的程序，则根据目标控制程序控制不启动洗衣机，并控制洗衣机发出告警提示。具体的告警提示方式可以根据实际需求设置，比如可以是通过语音播报进行告警提示，也可以在洗衣机的显示界面显示相应的告警信息并发出告警提示音等等。

可选地，若识别结果为白色，且大于第二阈值，则确定对应的目标控制程序为护色洗程序，则可以选择护色洗程序控制洗衣机进行护色洗流程。

可选地，若识别结果为黑色和蓝色，则确定对应的目标控制程序为混合洗程序，则可以选择混合洗程序控制洗衣机进行混合洗流程。

需要说明的是，本实施例是与上述服务器端实施例交互的洗衣机端的方法实施例，其具体执行过程已在上述实施例的交互描述中进行了详细说明，上述实施例涉及到的洗衣机侧执行的部分均可以用于解释本实施例的上述步骤，在此不再赘述。

还需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

本实施例提供的衣物颜色识别的处理方法，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请再一实施例提供一种衣物颜色识别的处理装置，用于执行上述服务器端实施例提供的方法。

参阅图6，图6为本实施例提供的衣物颜色识别的处理装置的结构示意图。该衣物颜色识别的处理装置50包括第一接收模块51、第一确定模块52、处理模块53和第一发送模块54。

其中，第一接收模块，用于接收洗衣机发送的筒内的原始图像数据；第一确定模块，用于根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；处理模块，用于采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；第一发送模块，用于将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本实施例提供的衣物颜色识别的处理装置，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请又一实施例对上述实施例提供的装置做进一步补充说明。

作为一种可实施的方式，在上述实施例的基础上，可选地，第一确定模块，具体用于：

根据原始图像数据，采用预先训练好的基于深度学习的二分类神经网络模型，确定待洗衣物的分割图像数据。

作为另一种可实施的方式，在上述实施例的基础上，可选地，处理模块，具体用于：

将分割图像数据从rgb空间转换到hsv空间，获得转换后的分割图像数据；获取衣物颜色表征范围；基于转换后的分割图像数据及衣物颜色表征范围，确定待洗衣物的颜色组成，作为识别结果。

可选地，处理模块，还用于：

对待洗衣物的颜色组成进行过滤，获得待洗衣物的主色调颜色组成；将待洗衣物的主色调颜色组成作为识别结果。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

根据本实施例提供的衣物颜色识别的处理装置，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请再一实施例提供一种衣物颜色识别的处理装置，用于执行上述洗衣机端实施例提供的方法。

参阅图7，图7为本实施例提供的衣物颜色识别的处理装置的结构示意图。该衣物颜色识别的处理装置70包括获取模块71、第二发送模块72、第二接收模块73、第二确定模块74和控制模块75。

其中，获取模块，用于采集洗衣机筒内的原始图像数据；第二发送模块，用于将原始图像数据发送给服务器；第二接收模块，用于接收服务器返回的待洗衣物的颜色的识别结果；第二确定模块，用于根据识别结果，确定对应的目标控制程序；控制模块，用于根据目标控制程序控制洗衣机进行相应的处理。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本实施例提供的衣物颜色识别的处理装置，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请又一实施例对上述实施例提供的装置做进一步补充说明。

作为一种可实施的方式，在上述实施例的基础上，可选地，第二确定模块，具体用于：

根据识别结果及预设控制逻辑规则，确定对应的目标控制程序，预设控制逻辑规则包括颜色与控制程序的对应关系。

作为另一种可实施的方式，在上述实施例的基础上，可选地，第二确定模块，具体用于：

若根据识别结果确定待洗衣物具有串色风险，则确定目标控制程序为告警提示程序；控制模块，具体用于：

根据告警提示程序控制洗衣机发出告警提示。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

根据本实施例提供的衣物颜色识别的处理装置，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请再一实施例提供一种服务器，用于执行上述服务器端实施例提供的方法。

参阅图8，图8为本实施例提供的服务器的结构示意图。该服务器80包括：至少一个处理器81和存储器82；

存储器用于存储计算机可执行指令，以使至少一个处理器执行计算机可执行指令实现上述实施例提供的方法。

根据本实施例的服务器，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请又一实施例提供一种洗衣机，用于执行上述洗衣机端实施例提供的方法。

参阅图9，图9为本实施例提供的洗衣机的结构示意图。该洗衣机90包括：至少一个处理器91和存储器92；

存储器用于存储计算机可执行指令，以使至少一个处理器执行计算机可执行指令实现上述洗衣机端实施例提供的方法。

可选地，该洗衣机还可以包括显示界面。

可选地，该洗衣机还可以包括声音播报装置。

根据本实施例的洗衣机，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请再一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一实施例提供的服务器端执行的方法。

根据本实施例的计算机可读存储介质，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

本申请又一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一实施例提供洗衣机端执行的方法。

根据本实施例的计算机可读存储介质，通过洗衣机上摄像机拍摄筒内的原始图像，洗衣机将原始图像数据发送给服务器，服务器接收洗衣机发送的筒内的原始图像数据；根据原始图像数据，采用预先训练好的分类网络模型，确定待洗衣物的分割图像数据；采用基于hsv空间的衣物颜色识别算法对分割图像数据进行颜色识别，获得识别结果；将识别结果发送给洗衣机，以使洗衣机根据识别结果进行相应的处理，有效提高了衣物颜色识别的准确性，从而能够为用户提供准确的洗衣服务，提高用户体验。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。