CN105678319A - 一种洗衣策略确定方法、系统及云服务器、终端 - Google Patents

Abstract

本发明公开了一种洗衣策略确定方法、系统及云服务器、终端，主要内容包括：云服务器接收终端确定的当前多件待洗涤衣物中每件衣物的标识，根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，并将所述洗衣策略发送给所述终端。从而，避免了用户通过主观判断对待洗涤衣物进行识别分组，提升了分组的准确性，同时，提升了用户的洗衣体验。

Description

一种洗衣策略确定方法、系统及云服务器、终端

技术领域

本发明涉及智能家居领域，尤其涉及一种洗衣策略确定方法、系统及云服务器、终端。

背景技术

在现有的家居领域，洗衣机作为重要的家居设备得到了快速的发展及改进。

目前，用户在利用洗衣机洗涤衣物时，考虑到待洗涤衣物的类型的不同，首先，需要对待洗涤衣物进行简单的人工识别分组，然后，根据分组的不同选择合适的洗涤模式对待洗涤衣物进行洗涤。

然而，这种洗涤分组以及洗涤模式的确定方式过于繁琐，需要用户对每件衣物进行识别分析，依赖于用户主观判断，容易由于辨认的混淆导致分组错误，很可能会造成不能混洗的衣物被放在一起洗涤，而由于不同类型的衣物的洗涤模式不同，进而造成衣物的染色或损伤。而且，这种洗涤策略的确定方式可能会过多的占用用户的时间与精力来对待洗涤衣物进行识别分组，不能保证分组的准确性，而且，用户体验较差。

发明内容

本发明实施例提供一种洗衣策略确定方法、系统及云服务器、终端，用以提升用户的洗衣体验。

本发明实施例采用以下技术方案：

一种洗衣策略确定方法，所述方法包括：

所述云服务器接收终端确定的当前多件待洗涤衣物中每件衣物的标识；

所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；

所述云服务器根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

所述云服务器将所述洗衣策略发送给所述终端。

可选地，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，具体包括：

根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物；

若存在，则为所述不宜混洗的衣物确定洗衣策略；以及，

将所述多件待洗涤衣物中剩余衣物作为待聚类衣物，并根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略；

若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

可选地，所述根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略，具体包括：

根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；

根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；

利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

可选地，根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量，具体包括：

根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；

根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；

根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

可选地，利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略，具体包括：

根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；

从确定的参考集合中，随机选取N1个元素作为初始聚类中心；

利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略。

可选地，根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，具体包括：

将历史洗涤分组集合中每个历史洗涤分组与所述待聚类集合进行比对，得到若干个第一交集；

从所述若干个第一交集中确定包含元素最多的集合作为最大集合，并判断所述最大集合中包含的元素个数是否超过预设阈值；

若超过，则根据当前待聚类衣物集合以及最大集合确定第二交集，并根据第二交集计算得到针对所述第二交集的平均向量；将所述平均向量与最大集合组合形成参考集合；

若没有超过，则将待聚类衣物集合作为参考集合。

可选地，利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略，具体包括：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和；

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心；

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和；

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2；

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7；

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a1；

步骤a7：将得到的所有洗涤分组数以及每个洗涤分组中包含衣物对应的标识作为洗衣策略；

其中，所述N1、N2均为正整数，且N1大于N2。

可选地，在执行步骤a7之前，所述方法还包括：

判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值；

若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；

否则，跳转至步骤a7。

可选地，所述属性信息还包括：衣物颜色；

在执行步骤a7之前，所述方法还包括：

判断每个分组中衣物的衣物颜色是否满足预设褪色条件；

若是，则将满足预设褪色条件的衣物另外分组；

否则，直接跳转至步骤a7。

可选地，所述衣物数据库至少通过以下方式之一建立：

通过用户手动输入的方式添加衣物的属性信息；或者，

通过扫描衣物的条形码或二维码的方式添加衣物的属性信息；或者，

通过拍摄、识别衣物标签的方式添加衣物的属性信息。

可选地，所述洗衣策略还包括：洗涤模式；

所述方法还包括：

将所述洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

一种洗衣策略确定方法，包括：

确定当前多件待洗涤衣物中每件衣物的标识；

将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述属性信息至少包括：衣物类型、衣物成分，所述洗衣策略至少包括洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

接收并展示所述洗衣策略。

可选地，所述洗衣策略还包括洗涤模式；

所述方法还包括：将所述洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

一种云服务器，包括：

第一接收单元，用于接收终端确定的当前多件待洗涤衣物中每件衣物的标识；

匹配单元，用于根据所述第一接收单元接收到的所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；

第一确定单元，用于根据所述匹配单元匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

第一发送单元，用于将所述第一确定单元确定出的所述洗衣策略发送给所述终端。

可选地，所述第一确定单元，具体用于：

根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物；

若存在，则为所述不宜混洗的衣物确定洗衣策略；以及，

将所述多件待洗涤衣物中剩余衣物作为待聚类衣物，并根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略；

若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

可选地，所述第一确定单元在根据待聚类衣物的属性信息确定针对所述待聚类衣物的洗衣策略时，具体用于：

根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；

根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；

利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

可选地，所述第一确定单元在根据所述待聚类衣物的属性信息确定所述待聚类衣物的总重量时，具体用于：

根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；

根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；

根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

可选地，所述第一确定单元在利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略时，具体用于：

根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；

从确定的参考集合中，随机选取N1个元素作为初始聚类中心；

利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略。

可选地，所述第一确定单元在根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合时，具体用于：

将历史洗涤分组集合中每个历史洗涤分组与所述待聚类集合进行比对，得到若干个第一交集；

从所述若干个第一交集中确定包含元素最多的集合作为最大集合，并判断所述最大集合中包含的元素个数是否超过预设阈值；

若超过，则根据当前待聚类衣物集合以及最大集合确定第二交集，并根据第二交集计算得到针对所述第二交集的平均向量；将所述平均向量与最大集合组合形成参考集合；

若没有超过，则将待聚类衣物集合作为参考集合。

可选地，所述第一确定单元在利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略时，具体用于执行以下步骤：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和；

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心；

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和；

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2；

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7；

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a1；

步骤a7：将得到的所有洗涤分组数以及每个洗涤分组中包含衣物对应的标识作为洗衣策略；

其中，所述N1、N2均为正整数，且N1大于N2。

可选地，在执行步骤a7之前，所述第一确定单元还用于：

判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值；

若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；

否则，跳转至步骤a7。

可选地，所述属性信息还包括：衣物颜色；

所述第一确定单元在用于执行步骤a7之前，还用于：

判断每个分组中衣物的衣物颜色是否满足预设褪色条件；

若是，则将满足预设褪色条件的衣物另外分组；

否则，直接跳转至步骤a7。

可选地，所述衣物数据库至少通过以下方式之一建立：

通过用户手动输入的方式添加衣物的属性信息；或者，

通过扫描衣物的条形码或二维码的方式添加衣物的属性信息；或者，

通过拍摄、识别衣物标签的方式添加衣物的属性信息。

可选地，所述洗衣策略还包括：洗涤模式；

所述第一发送单元，还用于将所述洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

一种终端，包括：

第二确定单元，用于确定当前多件待洗涤衣物中每件衣物的标识；

第二发送单元，用于将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述属性信息至少包括：衣物类型、衣物成分，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

第二接收单元，用于接收并展示所述洗衣策略。

可选地，所述洗衣策略还包括：与各个洗涤分组对应的洗涤模式；

所述第二发送单元，还用于将所述洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

一种洗衣策略确定系统，包括：终端、云服务器以及洗衣机；

其中，所述终端用于确定当前多件待洗涤衣物中每件衣物的标识；并将所述每件衣物的标识发送给云服务器；以及接收并展示洗衣策略；

所述云服务器用于接收所述终端确定的当前多件待洗涤衣物中每件衣物的标识；根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；根据每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式；将所述洗衣策略发送给所述终端；

所述洗衣机用于接收所述云服务器或所述终端发送的洗涤模式。

通过本发明的技术方案，云服务器根据存储的聚类算法对待洗涤衣物进行分组，以及确定待洗涤衣物分组后的各组的洗涤模式，最终通过云服务器将确定的洗涤策略发送给终端，可以通过终端展示给用户，也可以由终端发送给洗衣机，从而，实现对洗衣机的间接控制或直接控制，提升用户体验。而且，云服务器根据聚类算法确定出的洗衣策略更为准确，能够避免由于衣物混洗造成的染色、损伤等问题，而且，该衣物数据库可以根据用户的需求实时更新，且对用户进行的洗衣策略的修改进行记录存储，由此，根据所具有的自学习的功能，能够充分考虑用户需求，合理确定聚类分组信息。此外，该方案还可以针对确定的各个分组中的待洗涤衣物，根据该分组中含量最多的材质的特性，为每个分组确定合理的洗涤模式，从而，为用户展示最佳的洗涤策略，提升用户的使用体验与需求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例中所涉及的洗衣策略确定方案所保护的系统架构示意图；

图2(a)为本发明实施例一提供的洗衣策略确定方法示意图；

图2(b)为本发明实施例一提供的聚类分组的方法示意图；

图3为本发明实施例二提供的洗衣策略确定方法示意图；

图4为本发明实施例三提供的一种云服务器的结构示意图；

图5为本发明实施例四提供的一种终端的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中，为了能够为用户提供合理的洗衣策略，利用云服务器与终端，以及洗衣机组成的系统进行信息交互，具体地，通过终端确定待洗涤衣物的标识，然后，将这些标识发送给云服务器，云服务器根据每件待洗涤衣物的标识从自身的衣物数据库中匹配出相应的衣物的属性信息，并依据待洗涤衣物的属性信息根据聚类算法，将待洗涤衣物进行聚类分组，其中，在进行聚类算法之前或之后，也可以依据设定的洗衣规则，将不能混洗的衣物独立分组，然后，将最终得到的分组信息作为洗涤策略发送给终端，并通过终端展示给用户，以使得用户根据确定出的洗涤策略将待洗涤衣物合理分组，从而，能够避免由于衣物混洗造成的染色、损伤等问题，而且，该衣物数据库可以根据用户的需求实时更新，且对用户进行的洗衣策略的修改进行记录存储，由此，根据所具有的自学习的功能，能够充分考虑用户需求，合理确定聚类分组信息。此外，该方案还可以针对确定的各个分组中的待洗涤衣物，根据该分组中含量最多的材质的特性，为每个分组确定合理的洗涤模式，从而，为用户展示最佳的洗涤策略，提升用户的使用体验与需求。

下面通过具体的实施例对本发明所涉及的技术方案进行详细描述，本发明包括但并不限于以下实施例。

如图1所示，为本发明实施例中所涉及的洗衣策略确定方案所保护的系统架构示意图，该洗衣策略确定系统中包括：终端11、云服务器12以及洗衣机13，其中，终端11可以为手机、电脑、pad等终端设备，进一步地，该终端11具有网络模块，可以与云服务器12连接通信；该云服务器12可以为具有分布式计算功能的核心网络服务器设备，也可以为局域网内的服务器设备，主要用于接收衣物的属性信息，并存储以及更新衣物数据库中的衣物的属性信息；一般情况下，用户通过终端11展示的洗衣策略去控制洗衣机进行洗涤操作，同时，洗衣机13也具有网络模块，可以连接云服务器12，从而，被云服务器12直接控制(虚线所示)；或与所述终端11在局域网内连通，被终端11的控制。其实，洗衣机13还可以附带有显示屏，以方便用户直接通过洗衣机输入待洗涤衣物的属性信息或的扫描获取待洗涤衣物的属性信息。

实施例一：

如图2(a)所示，为本发明实施例一提供的洗衣策略确定方法示意图，该方法主要包括以下步骤：

步骤21：接收终端确定的当前多件待洗涤衣物中每件衣物的标识。

步骤22：根据每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息。

其中，所述属性信息至少包括：衣物类型、衣物成分。

利用确定的衣物的标识，从衣物数据库中依次匹配出每件衣物的衣物类型、衣物成分等属性信息。

其中，衣物数据库可以位于云服务器中，以便于根据用户的使用情况进行云端连接并更新。衣物数据库中存储有多件衣物的属性信息，包括：衣物类型(内衣、上衣、裤子、裙子、外套、袜子、床上用品、鞋、帽子、包、其他)、衣物标识、衣物成分(衣物面料类型以及所在百分比)、洗涤水温、洗涤次数等。

可选地，该衣物数据库可以根据用户的需求进行添加、删除、修改、查询等操作。例如：添加新的衣物的属性信息，或者，为已添加的衣物的属性信息中的衣物标识或衣物成分进行修改。其中，本发明提供了三种主要的属性信息添加方式：

方式一，通过用户手动输入的方式添加；例如，首先，在终端上输入相关衣物的属性信息，或者从衣物的属性信息列表中选择相关衣物的属性信息，然后发送给云服务器进行分类存储。

方式二，通过扫描衣物的条形码或二维码的方式添加，例如，利用终端的扫描功能，对衣物上携带的条形码或二维码进行扫描，通过解析二维码或条形码信息从网络检索或爬取相关衣物的属性信息，然后发送给云服务器进行分类存储。

方式三，通过拍摄、识别衣物标签的方式添加，例如，可以通过终端的摄像头拍摄衣物上的标签，利用图像识别解析技术，提取相关衣物的属性信息，然后发送给云服务器进行分类存储。

本发明并不对具体的添加方式进行限定。

步骤23：根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略。

其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式。

可选地，由于衣物的质地以及类型不同，因此，有些衣物不宜混洗，例如，根据用户的个人习惯，鞋子不宜与其他衣物混洗，包也不宜与其他衣物混洗，更不能和鞋子混洗，以免在实际的衣物洗涤过程中，对贴身衣物造成损坏和污染。在本发明实施例中，步骤23可具体执行为以下步骤：

第一步，根据匹配出的每件衣物的属性信息，检测多件待洗涤衣物中是否存在不宜混洗的衣物；若存在，则跳转至第二步，否则，跳转至第三步。

其中，不宜混洗、且必须单独洗涤的衣物为：内衣、床上用品、鞋子、包，这四类衣物不建议与其他衣物混洗，也不建议相互之间混洗，最好单独洗涤，例如：多件内衣同时洗涤，或者多双鞋子同时洗涤。

可选地，在本发明实施例中，不宜混洗的衣物还可以包括：掉色的衣物。其中，掉色的衣物可以根据多种方式认定，一般情况下，可以从衣物标签上获知，用户也可以根据自己的需求进行编辑定义，还可以根据成分推测认定。例如：针对一堆待洗涤衣物，其中颜色较深的可以认定为容易掉色的衣物，颜色较浅的可以认定为不容易掉色的衣物。针对容易掉色的衣物，可以将这些衣物单独分组，并根据这些衣物的材质以及类型确定合适的洗涤模式。

在实际的检测过程中，可以根据各件衣物的属性信息，例如：根据衣物的名称检测衣物中是否存在不宜混洗的衣物。另外，还可以根据衣物的颜色，从中匹配出大于色域阈值的衣物，并分组单独洗涤。具体地检测条件可根据用户的需求灵活设置。

第二步，为不宜混洗的衣物确定洗衣策略；以及，将所述多件待洗涤衣物中剩余衣物作为待聚类衣物。

具体地，针对不宜混洗的衣物，其洗衣策略即为单独洗涤。然后，根据该不宜混洗的衣物的类型，确定洗涤模式以及洗涤水温等。例如：多件内衣独立于其他类型的衣物单独洗涤，考虑到内衣的轻薄柔软程度，应将洗涤模式调整为洗涤次数较少、洗涤强度较小以及洗涤水温适中。

第三步，将所述多件待洗涤衣物作为待聚类衣物。

第四步，根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

可选地，在本发明实施例中，第四步具体可以执行为：根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；利用聚类算法，根据所述待聚类衣物的初始洗涤分组数、当前待聚类衣物的属性信息集合以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

通过上述方案，在为待洗涤衣物确定洗涤策略时，首先考虑是否存在不宜混洗的衣物，具体可以根据衣物的类型或是衣物的颜色作为检测条件。从而，可以初步将不宜混洗的衣物挑选出来，由于这些分组条件较为固定，例如：假设确定待洗涤衣物中存在两双鞋子、一个包、三件内衣、n件毛衣、m件裤子和外套、q件裙子、p件T恤，其中，三件内衣中有一件为黑色，其他两件为白色(假设此时定义黑色为褪色颜色)。那么，根据上述初步确定方案，两双鞋子、一个包、三件内衣必须单独洗。即两双鞋子可以划分至分组1，一个包可以划分至分组2，三件内衣中的黑色内衣和白色内衣可以分别划分为分组3和分组4。另外，剩下的n件毛衣、m件裤子和外套、q件裙子、p件T恤作为待聚类衣物。

可选地，根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量，可以具体根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

具体地，在衣物数据库中，预先定义好每种类型衣物的大致体积或容量，从而，可以根据每件衣物的类型估算衣物的体积Vi；进一步，根据衣物含有的各个材质以及各个材质所占百分比估算每件衣物的密度ρi；从而，可以估算出每件待聚类衣物的重量mi。然后，再统计所有待聚类衣物的总重量M。

其实，之所以计算待聚类衣物的总重量，考虑到洗衣机是有一定洗涤容量的，即最大洗涤公斤数T。在计算出待聚类衣物的总重量之后，就可以根据洗涤容量T，初步确定待聚类衣物的初始洗涤分组数N1。

在本发明实施例中，为了能够更加准确的微待聚类衣物确定合适的洗涤策略，最主要是确定分组数，本发明采用算法对待聚类衣物进行聚类分组，然后判断聚类得到的各个分组的聚类收敛情况最终确定分组信息。由于涉及到聚类算法，因此，需要确定聚类所用的特征，在本发明实施例中，考虑到洗涤衣物时主要以衣物材质进行区分洗涤，例如：羊毛衣物与棉布衣物可以区分洗涤，由于羊毛衣物较为柔软，不宜洗涤强度过大，而棉布衣物可以采用强度过大的洗涤模式。

因此，本发明所涉及的聚类算法主要以衣物成分这一属性信息作为聚类的特征向量。首先，统计所有待聚类衣物的衣物成分，作为特征向量的各个元素。例如，待聚类衣物中，一共包含10类材质，分别为S₁-S₁₀。针对每件待聚类衣物，确定该待聚类衣物的衣物成分，即该待聚类衣物的特征向量为：

Ck＝(x₁，x₂，x₃，x₄……x₁₀)

其中，x_i表示该成分在衣物所占百分比，若x_i为0，则表示该衣物中不含有该材质。从而，每件待聚类衣物都可以以Ck来表示。优选地，在每次确定洗涤策略时，可以对衣物成分的类别个数进行灵活设置选择，并不限于本发明所述的10类材质。

可选地，本发明以下具体方案主要以K-MEANS聚类算法为例进行说明，其优点在于效率高，但对于样本较多的情况下，计算结果可能会不尽如人意，由于本发明中的使用场景中样本(即待聚类衣物)不会过大，所以，就相应地规避了其缺点。当然，如果有更加强大的计算集群，亦可以采用其他效率较高，且更精确的聚类算法。

可选地，针对待聚类衣物，可以按照以下步骤执行分组方案：

首先，根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成。

具体地，当前待聚类衣物的集合为A＝{C1，C2，C3……Ck}，其中，A中每个元素为每件衣物的各个衣物成分所组成的向量；历史洗涤分组集合H＝{Q1，Q2，Q3……Qr}，其中，H中每个元素为Qr＝{C1，C2，C3……Ck}，当Qr中的元素与A中的元素有交集时，可以利用历史洗涤分组集合H进行辅助聚类。

可选地，为了减少聚类复杂度，加快聚类算法，提高分组的准确性，可以引用历史数据中的历史洗涤分组集合，可以具体执行为：

将历史洗涤分组集合H中的每个元素Qr分别与当前待聚类衣物集合A进行比对，得到若干个交集Br，并从交集Br中确定包含元素(即待聚类衣物)最多的集合B；并判断集合B中包含的元素个数是否超过0.2*k，即待聚类衣物总数量的0.2倍；

若超过，则需要进一步执行：

根据当前待聚类衣物集合A以及集合B确定交集P，并根据交集P计算平均向量Cp，例如：当前待聚类衣物集合A＝{C1，C2，C3……Ck}，集合B＝{C1，C2，C3}，则交集P＝{C1，C2，C3}，得到平均向量CP，然后，补入集合A与集合B的补集中，即确定参考集合A’＝{Cp，Cp，Cp，C4……Ck}，并跳转至步骤a2。

若没有超过，则将集合A作为参考集合A’，并跳转至步骤a2。

假设，在步骤a1结束后，确定出的参考集合A’中包含有n+m+p+q个元素，即n+m+p+q件衣物，即k＝n+m+p+q。

然后，从确定的参考集合中，随机选取N1个元素作为初始聚类中心。

具体地，考虑到之前已对待聚类衣物进行总重量的估算，从而确定了初始分组数N1，此时，可以初始分组数N1作为初始聚类中心的个数，进行初始聚类。例如，从参考集合A’中选取3个元素作为初始聚类中心，分别为C2、C3、C7。

下面通过具体的实施方案对聚类分组方案进行介绍。结合图2(b)所示，该聚类分组主要包括以下步骤：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和。

具体地，在步骤a1中，针对剩下的n+m+p+q-3件衣物，分别计算各个元素距离三个初始聚类中心的欧几里得距离(其具体表征的是相似度，距离越近表示相似度越高)，并将距离初始聚类中心的距离最小的元素划分至该距离对应的聚类中心。例如：针对元素C1，分别计算C1分别距离初始聚类中心C2、C3、C7的距离d(2)、d(3)、d(7)，若d(3)最小，则将C1划分至C3所在分组中。类似的，针对除了初始聚类中心C2、C3、C7之外的其他元素，依次进行聚类划分，得到三个初始分组U(w1)、U(w2)、U(w3)。其中，w1+w2+w3＝n+m+p+q，即分组U(w1)以C2为初始聚类中心一共包含有w1个元素，分组U(w2)以C3为初始聚类中心一共包含有w2个元素，分组U(w3)以C7为初始聚类中心一共包含有w3个元素。

同时，针对每个初始分组，计算每个初始分组所对应的初始样本方差，即每个初始分组中各个元素(除初始聚类中心)欧几里得距离平方和，具体地，针对U(w1)的初始样本方差Y(w1)、U(w2)的初始样本方差Y(w2)、U(w3)的初始样本方差Y(w3)。以及，本次聚类所对应的初始样本方差总和，即Y(w1)+Y(w2)+Y(w3)。

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心。

具体地，针对每个初始分组U(w1)、U(w2)、U(w3)，根据各个初始分组中的元素重新确定每个分组的聚类中心。例如：首先，计算各个初始分组的平均向量，然后，分别计算每个初始分组中，其他元素距离所述平均向量的距离，并确定最小距离对应的元素为该初始分组的聚类中心。

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和。

具体地，根据重新确定的聚类中心C2、C5、C8，得到三个分组U(w4)、U(w5)、U(w6)，其中，w4+w5+w6＝n+m+p+q，即分组U(w4)以C2为初始聚类中心一共包含有w4个元素，分组U(w5)以C5为初始聚类中心一共包含有w5个元素，分组U(w6)以C8为初始聚类中心一共包含有w6个元素。

针对U(w4)的初始样本方差Y(w4)、U(w5)的初始样本方差Y(w5)、U(w6)的初始样本方差Y(w6)。以及，本次聚类所对应的初始样本方差总和，即Y(w4)+Y(w5)+Y(w6)。

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2。

将Y(w4)+Y(w5)+Y(w6)与Y(w1)+Y(w2)+Y(w3)进行比较，若差值小于第一收敛值ED1，则表示该聚类分组已经收敛，即步骤a3中聚类得到的分组的准确度较高，则可以进一步执行步骤a5；若差值大于第一收敛值ED1，则表示该聚类分组还未收敛，每个聚类分组中的相似度有较大偏差，需要进一步聚类分组，则将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并重新执行步骤a2直至收敛。

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7。

在本发明实施例中，为了验证每组的元素的相似度，可进一步判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值ED2，若是，则说明每个分组的相似度不高，需要进一步执行步骤a6；若否，则说明每个分组的相似度很高，该聚类分组是可信的，则可以执行步骤a7。

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a1。

若每个分组的相似度不高，则需要进一步确定样本方差大于第二收敛值ED2的分组的个数，例如：若最终确定分组U(w4)、U(w5)、U(w6)中分组U(w5)的样本方差大于第二收敛值ED2，则表明该分组U(w5)始终不能单独聚类，则重新确定初始聚类中心个数，即3-1＝2个，并从这2个分组中随机选取3个元素作为初始聚类中心，并跳转至步骤a1。

步骤a7：将得到的所有分组以及每个分组中元素信息作为洗衣策略；其中，所述N1、N2均为正整数，且N1大于N2。具体地，根据上述步骤a1-a10所进行聚类最终得到的分组，确定洗衣策略，其中，该洗衣策略可以包括聚类得到的分组个数，各个分组的元素。

可选地，在执行步骤a7之前，还可以判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值，若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；否则，跳转至步骤a7。

在确定聚类得到的每个分组的样本方差都收敛之后，则进一步判断每个分组中元素所对应的衣物，并统计该分组中所有衣物的总重量，然后判断是否大于预设容量阈值T，若是，针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组，否则，跳转至步骤a7。其中，该分组U(w6)对应的初始洗涤分组数可根据其总重量与预设容量阈值的比值关系确定。

可选地，所述属性信息还包括：衣物颜色；在执行步骤a7之前，该方法还可以判断每个分组中衣物的衣物颜色是否满足预设褪色条件；若是，则将满足预设褪色条件的衣物另外分组；否则，直接跳转至步骤a7。

需要说明的是，在本发明实施例中，以在对衣物进行聚类分组之后再判断衣物是否褪色作为优选方案，这样可以保证在后续的聚类分组过程中划分出较少的分组。

可选地，在本发明是实例中，在得到分组信息之后，还可以进一步确定每个分组的洗涤模式，具体地，针对每个分组，统计该分组中所有衣物的材质类型，确定该分组中所占比例最大的材质作为该分组的洗涤参考材质，然后根据该材质的特性确定最佳的洗涤次数、洗涤强度以及洗涤水温。例如：分组U(w6)中包含的衣物基本上都是羊毛衫，则确定该分组的洗涤参考材质为羊毛，而羊毛较为柔软，其洗涤次数可以为2次，洗涤强度为低强度(或者按照洗涤强度分为1-n等级)，洗涤水温为40°。

步骤24：将洗衣策略发送给终端。

在云服务器确定好洗衣策略之后，保存该洗衣策略到衣物数据库中，同时，将洗涤分组信息、洗涤模式等洗衣策略发送给终端，并展示给用户，以指示用户对待洗涤衣物进行合理的分类，并根据确定的洗涤模式为每个分组调整合适的洗涤次数、洗涤强度和洗涤水温。从而，实现节水、节能以及减少洗涤对衣物造成的损伤的目的。此外，用户还可以对终端展示的洗衣策略进行修改，并通过终端将修改后的洗衣策略同步到云服务器，实现衣物数据库的更新。

可选地，本发明实施例中的云服务器还能够实时更新自身存储的衣物数据库以及历史分组数据库，因此，使得该聚类算法能够达到自学习的目的。

可选地，云服务器在将洗衣策略发送给终端之后，经过用户确认，若洗衣机与终端并不在同一局域网内，则无法与洗衣机进行通信，此时，终端可将经过用户确认后的洗衣策略返回给云服务器，然后云服务器根据终端的指示将洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。从而，无须经过终端展示给用户，直接控制洗衣机为相应的分组对应的衣物调整到最佳的洗涤模式，从而更佳智能化，便捷化。

实施例二：

与上述实施例一属于同一发明构思，本发明实施例二提供一种洗衣策略确定方法，该方法以终端侧为例进行说明，具体地，如图3所示，该方法主要包括以下步骤：

步骤31：确定当前多件待洗涤衣物中每件衣物的标识。

衣物的标识可以为终端与云服务器协商定义的衣物ID或符号。

步骤32：将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述属性信息至少包括：衣物类型、衣物成分，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式。

步骤33：接收并展示所述洗衣策略。

可选地，洗衣策略还包括洗涤模式，则终端在接收并展示洗衣策略之后，还将所述洗涤模式发送给洗衣机，其中，洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

实施例三：

与上述实施例一属于同一发明构思，本发明实施例还提供了一种云服务器，如图4所示，该云服务器主要包括：

第一接收单元41，用于接收终端确定的当前多件待洗涤衣物中每件衣物的标识。匹配单元42，用于根据第一接收单元41接收到的每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，属性信息至少包括：衣物类型、衣物成分、颜色。第一确定单元43，用于根据匹配单元42匹配出的每件衣物的属性信息，确定针对多件待洗涤衣物的洗衣策略，其中，洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式。第一发送单元44，用于将第一确定单元43确定出的洗衣策略发送给所述终端。

可选地，第一确定单元43具体用于根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物；若存在，则为所述不宜混洗的衣物确定洗衣策略；以及，将所述多件待洗涤衣物中剩余衣物作为待聚类衣物，并根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略；若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

可选地，第一确定单元43在根据待聚类衣物的属性信息确定针对所述待聚类衣物的洗衣策略时，具体用于根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；利用聚类算法根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息集合以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

可选地，第一确定单元43在根据待聚类衣物的属性信息确定待聚类衣物的总重量时，具体用于根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

可选地，第一确定单元43在利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略时，具体用于：根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；从确定的参考集合中，随机选取N1个元素作为初始聚类中心；利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略。

第一确定单元43在根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合时，具体用于将历史洗涤分组集合中每个历史洗涤分组与所述待聚类集合进行比对，得到若干个第一交集；从所述若干个第一交集中确定包含元素最多的集合作为最大集合，并判断所述最大集合中包含的元素个数是否超过预设阈值；若超过，则根据当前待聚类衣物集合以及最大集合确定第二交集，并根据第二交集计算得到针对所述第二交集的平均向量；将所述平均向量与最大集合组合形成参考集合；若没有超过，则将待聚类衣物集合作为参考集合。

可选地，第一确定单元43在利用聚类算法，根据待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息集合以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略时，具体用于执行以下步骤：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和；

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心；

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和；

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2；

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7；

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a2；

步骤a7：将得到的所有洗涤分组数以及每个洗涤分组中包含衣物对应的标识作为洗衣策略；其中，所述N1、N2均为正整数，且N1大于N2。

可选地，在执行步骤a7之前，第一确定单元还用于判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值，若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；否则，执行步骤a7。

可选地，本发明所涉及的衣物的属性信息还包括：衣物颜色；第一确定单元43在用于执行步骤a7之前，还用于判断每个分组中衣物的衣物颜色是否满足预设褪色条件；若是，则将满足预设褪色条件的衣物另外分组；否则，直接跳转至步骤a7。

可选地，本发明所涉及的衣物数据库至少通过以下方式之一建立：通过用户手动输入的方式添加衣物的属性信息；或者，通过扫描衣物的条形码或二维码的方式添加衣物的属性信息；或者，通过拍摄、识别衣物标签的方式添加衣物的属性信息。

可选地，第一发送单元44还用于将洗衣策略中的洗涤模式发送给洗衣机，其中，洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

实施例四：

与上述实施例属于同一发明构思，本发明实施例还提供了一种终端。

如图5所示，为本发明实施例四提供的一种终端，该终端主要包括：

第二确定单元51，用于确定当前多件待洗涤衣物中每件衣物的标识。

第二发送单元52，用于将第二确定单元51确定的每件衣物的标识发送给云服务器，以使得云服务器根据每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对多件待洗涤衣物的洗衣策略，其中，属性信息至少包括：衣物类型、衣物成分，洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式。

第二接收单元53，用于接收并展示洗衣策略。

可选地，洗衣策略还包括：与各个洗涤分组对应的洗涤模式；第二发送单元52还用于将所述洗涤模式发送给洗衣机，其中，洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供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步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (27)

1.一种洗衣策略确定方法，其特征在于，所述方法包括：

云服务器接收终端确定的当前多件待洗涤衣物中每件衣物的标识；

所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；

所述云服务器根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

所述云服务器将所述洗衣策略发送给所述终端。

2.如权利要求1所述的方法，其特征在于，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，具体包括：

根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物；

若存在，则为所述不宜混洗的衣物确定洗衣策略；以及，

将所述多件待洗涤衣物中剩余衣物作为待聚类衣物，并根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略；

若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

3.如权利要求2所述的方法，其特征在于，所述根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略，具体包括：

根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；

根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；

利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

4.如权利要求3所述的方法，其特征在于，根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量，具体包括：

根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；

根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；

根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

5.如权利要求3所述的方法，其特征在于，利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略，具体包括：

根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；

从确定的参考集合中，随机选取N1个元素作为初始聚类中心；

利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略。

6.如权利要求5所述的方法，其特征在于，根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，具体包括：

将历史洗涤分组集合中每个历史洗涤分组与所述待聚类集合进行比对，得到若干个第一交集；

从所述若干个第一交集中确定包含元素最多的集合作为最大集合，并判断所述最大集合中包含的元素个数是否超过预设阈值；

若超过，则根据当前待聚类衣物集合以及最大集合确定第二交集，并根据第二交集计算得到针对所述第二交集的平均向量；将所述平均向量与最大集合组合形成参考集合；

若没有超过，则将待聚类衣物集合作为参考集合。

7.如权利要求5所述的方法，其特征在于，利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略，具体包括：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和；

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心；

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和；

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2；

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7；

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a1；

步骤a7：将得到的所有洗涤分组数以及每个洗涤分组中包含衣物对应的标识作为洗衣策略；

其中，所述N1、N2均为正整数，且N1大于N2。

8.如权利要求7所述的方法，其特征在于，在执行步骤a7之前，所述方法还包括：

判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值；

若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；

否则，跳转至步骤a7。

9.如权利要求7所述的方法，其特征在于，所述属性信息还包括：衣物颜色；

在执行步骤a7之前，所述方法还包括：

判断每个分组中衣物的衣物颜色是否满足预设褪色条件；

若是，则将满足预设褪色条件的衣物另外分组；

否则，直接跳转至步骤a7。

10.如权利要求1所述的方法，其特征在于，所述衣物数据库至少通过以下方式之一建立：

通过用户手动输入的方式添加衣物的属性信息；或者，

通过扫描衣物的条形码或二维码的方式添加衣物的属性信息；或者，

通过拍摄、识别衣物标签的方式添加衣物的属性信息。

11.如权利要求1所述的方法，其特征在于，所述洗衣策略还包括：洗涤模式；

所述方法还包括：

将所述洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

12.一种洗衣策略确定方法，其特征在于，包括：

终端确定当前多件待洗涤衣物中每件衣物的标识；

所述终端将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述属性信息至少包括：衣物类型、衣物成分，所述洗衣策略至少包括洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

所述终端接收并展示所述洗衣策略。

13.如权利要求12所述的方法，其特征在于，所述洗衣策略还包括洗涤模式；

所述方法还包括：将所述洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

14.一种云服务器，其特征在于，包括：

第一接收单元，用于接收终端确定的当前多件待洗涤衣物中每件衣物的标识；

匹配单元，用于根据所述第一接收单元接收到的所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；

第一确定单元，用于根据所述匹配单元匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

第一发送单元，用于将所述第一确定单元确定出的所述洗衣策略发送给所述终端。

15.如权利要求14所述的云服务器，其特征在于，所述第一确定单元，具体用于：

根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物；

若存在，则为所述不宜混洗的衣物确定洗衣策略；以及，

将所述多件待洗涤衣物中剩余衣物作为待聚类衣物，并根据待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略；

若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。

16.如权利要求15所述的云服务器，其特征在于，所述第一确定单元在根据待聚类衣物的属性信息确定针对所述待聚类衣物的洗衣策略时，具体用于：

根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量；

根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数N1；

利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。

17.如权利要求16所述的云服务器，其特征在于，所述第一确定单元在根据所述待聚类衣物的属性信息确定所述待聚类衣物的总重量时，具体用于：

根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积；

根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度；

根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。

18.如权利要求16所述的云服务器，其特征在于，所述第一确定单元在利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略时，具体用于：

根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素；所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成；

从确定的参考集合中，随机选取N1个元素作为初始聚类中心；

利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略。

19.如权利要求18所述的云服务器，其特征在于，所述第一确定单元在根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合时，具体用于：

将历史洗涤分组集合中每个历史洗涤分组与所述待聚类集合进行比对，得到若干个第一交集；

从所述若干个第一交集中确定包含元素最多的集合作为最大集合，并判断所述最大集合中包含的元素个数是否超过预设阈值；

若超过，则根据当前待聚类衣物集合以及最大集合确定第二交集，并根据第二交集计算得到针对所述第二交集的平均向量；将所述平均向量与最大集合组合形成参考集合；

若没有超过，则将待聚类衣物集合作为参考集合。

20.如权利要求18所述的云服务器，其特征在于，所述第一确定单元在利用聚类算法，根据确定的所述当前待聚类衣物的参考集合以及初始聚类中心确定针对所述待聚类衣物的洗衣策略时，具体用于执行以下步骤：

步骤a1：根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到N1个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和；

步骤a2：根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心；

步骤a3：根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和；

步骤a4：将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2；

步骤a5：判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7；

步骤a6：确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤a1；

步骤a7：将得到的所有洗涤分组数以及每个洗涤分组中包含衣物对应的标识作为洗衣策略；

其中，所述N1、N2均为正整数，且N1大于N2。

21.如权利要求20所述的云服务器，其特征在于，在执行步骤a7之前，所述第一确定单元还用于：

判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值；

若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组；

否则，跳转至步骤a7。

22.如权利要求20所述的云服务器，其特征在于，所述属性信息还包括：衣物颜色；

所述第一确定单元在用于执行步骤a7之前，还用于：

判断每个分组中衣物的衣物颜色是否满足预设褪色条件；

若是，则将满足预设褪色条件的衣物另外分组；

否则，直接跳转至步骤a7。

23.如权利要求14所述的云服务器，其特征在于，所述衣物数据库至少通过以下方式之一建立：

通过用户手动输入的方式添加衣物的属性信息；或者，

通过扫描衣物的条形码或二维码的方式添加衣物的属性信息；或者，

通过拍摄、识别衣物标签的方式添加衣物的属性信息。

24.如权利要求14所述的云服务器，其特征在于，所述洗衣策略还包括：洗涤模式；

所述第一发送单元，还用于将所述洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

25.一种终端，其特征在于，包括：

第二确定单元，用于确定当前多件待洗涤衣物中每件衣物的标识；

第二发送单元，用于将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述属性信息至少包括：衣物类型、衣物成分，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识；

第二接收单元，用于接收并展示所述洗衣策略。

26.如权利要求15所述的终端，其特征在于，所述洗衣策略还包括：与各个洗涤分组对应的洗涤模式；

所述第二发送单元，还用于将所述洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括：洗涤水温、洗涤强度和洗涤次数。

27.一种洗衣策略确定系统，其特征在于，包括：终端、云服务器以及洗衣机；

其中，所述终端用于确定当前多件待洗涤衣物中每件衣物的标识；并将所述每件衣物的标识发送给云服务器；以及接收并展示洗衣策略；

所述云服务器用于接收所述终端确定的当前多件待洗涤衣物中每件衣物的标识；根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，所述属性信息至少包括：衣物类型、衣物成分；根据每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略，其中，所述洗衣策略至少包括：洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式；将所述洗衣策略发送给所述终端；

所述洗衣机用于接收所述云服务器或所述终端发送的洗涤模式。