光谱识别技术在智能家电中的边缘计算应用探讨

鲁么尘

深圳和而泰智能控制股份有限公司 广东 深圳 518132

前言

目前智能家电中关于智能衣物处理方面的设备包括且不限于智能洗衣机、智能干衣机、智能衣柜、智能衣架等。这些智能家电一般都有IoT的功能，在工作时能够将实时控制的情况通过网络和计算云进行数据交换，在云中的运算完成后，把结果反馈给用户终端。本文所介绍的光谱分析的过程就是帮助这些智能设备在接收衣物的第一时间收集到衣物的布质信息，从而帮助智能设备对后续如何针对这些衣物做相关的算法动作而提供指导。例如，干衣机在从光谱分析中得出所要处理的衣物大多为棉类衣物时或者大多为麻类衣物时所需要进行的处理流程则会不同，而依据则是光谱分析过程提供的数据支持。

在市场上目前对衣物进行分析的主要技术有RFID识别技术、AI摄像头识别技术、光谱分析技术、衣服边缘检测技术、吸水率识别技术等[1]。本文作者认为目前在智能家电中使用的衣物材质识别技术中光谱识别技术相对识别率高，成本低廉有推广的优势。

本文将会对光谱识别技术在布质识别中的技术应用做出介绍和分析，同时，对于在布质识别过程中算法的难点进行分析，并且提出解决方法。

1 光谱布质识别技术

光谱识别技术一般来说是一种利用被查被测物体受到自然光或者特定光源照射并且分光后，被色散分离成单色光，通过成像系统，投射在探测器或传感器上成为按照波长、频率依次排列为不同的光谱图案，之后这些光谱图案被识别出特征值的技术。

针对不同的布料，在受到光源照射时也会产生不同的光谱反应，但是，一般我们不能使用可见光对布质材料进行光谱分析，因为可见光将会受到布料颜色本身的很大干扰。所以布质识别的光谱识别技术我们主要采用红外光谱的识别方法，因为大量布料的主要光谱特性敏感波长区域均是波长较长的红外光波或者近红外光波。其中，合成纤维一般是红外光谱，如棉纶、涤纶、丙纶、腈纶。天然纤维一般是近红外光谱，如棉、麻、粘胶、莫代尔、羊毛、羊绒、丝绸。其中近红外区一般是指（0.75～2.5um），中红外区（2.5～25um），远红外区（25～1000um）顺便需要提一下的是，水分对于布质光谱分析时候的影响会比较大，因其也会释放大量的红外反馈光谱，所以在做光谱识别算法的时候，需要对其中的水分进行运算处理。

我们在对布质材料进行光谱采样过程中使用红外光谱技术，红外光谱识别技术主要是利用纤维分子中不同基团产生的光谱在吸收峰位置上有所不同，而且其光谱特征值还会随着布质的成分和结构而变化[2]。而我们就是利用这种变化来做相关的布质分析。

其实看的是不同样品的光谱吸收峰的位置变化，来对样品成分进行定性分析。除了上文中说到的这种方法对于温度湿度都比较敏感之外，还需要一定量的样品进行数据采集，从而进行建模分析，构建算法。

2 家电产品应用识别的逻辑

在拿到了从传感器端收集的相关布质信息之后，不需要利用IoT的云端计算，直接在收集信息端进行边缘计算既可以得出布质材料的分析结果，响应时间远小于1秒。之后边缘计算端将计算结果反馈给智能家电的控制终端，在本地的数据库进行分析运算，同时也可以将信息分享至云端，为后续提升AI的效果再做分析的储备数据用。分析完成后，智能家电端则按照运算结果选择洗涤、烘干等针对不同混合纤维的处理方案。例如在水量、洗涤剂、温度控制、处理速度等方面进行参数设计和调整，以便于达到作用效果最佳的目的。

3 布质识别产品算法路径

根据上述的理论说明，可以知道，在进行单一材料布质设计识别时会涉及针对不同颜色布质的识别，这里因为颜色不同而引起的光谱效应不同，在实际的产品设计过程中，则需要在算法中将因为颜色不同所产生的“歧义”光谱消除掉，这样才能避免在边缘计算过程中产生的布质误判情况的发生，那么如何消除呢？本文下面提供一种直接的方法来消除。

算法需要通过对不同颜色“学习”来消除颜色带来的判断影响。这种学习逻辑，现在主流的技术建模计算方式都可以达到（补充）关键是我们如何去做，同这种学习逻辑相匹配，从而解决这个问题。本文推荐的做法是，准备各种不同颜色的布质原材料，每种材料使用传感探头进行数据采样测量，每个不同颜色的布料采样要多次，在采样过程中要注意控制单一变量，同样的情况针对不同的环境、布质上面的污渍都需要做控制变量法的分析和采集过程。因为篇幅的原因，本文中仅对一种情况进行分析。

在测试分析过程中，控制单一变量，分析两种情况，细节如下：

（1）布质与污渍的组合类型以及纯布质类型的混合识别红麻-红酒，白丝；识别，橘红麻-红酒，白丝。

（2）污渍种类的识别，不考虑布质类型，红麻-红酒，白丝；识别，红酒，纯净。

本次我们采用数据样本数量为9000，数据维度是61，对应光谱波长范围750～1050nm，采样间隔为5nm，进行实验验证。数据样本类型包括含污渍的布质与纯净布质，其中污渍主要是血，泥土，红酒，咖啡共4种，而布质主要是麻，棉，尼龙，羊毛，丝，混合，涤纶等共7种类型。

布质与污渍的组合类型以及纯布质类型的混合识别：

混合类型种类总共有90种，每种类型的样本数量是100，对应10个不同的位置有放回的方式采集10次，数据可视化如下不同类型的样本，用不同颜色绘制。从图可以直观看到不同类型具有较好的层次区分性。如图1所示。

污渍种类的识别，不考虑布质类型。污渍类型主要是血，泥土，红酒，咖啡共4种，另外增加纯净类（不含污迹），共5种类型。不考虑布质类型，只考虑污渍类型，根据污渍的类型进行划分，另外将纯布料类型作为纯净类别，于是污渍种类的数量分布如图2所示。

图1 污渍布质组合光谱图

图2 纯污渍光谱图

整体上，从数据来看，整体的识别度在90%以上。实验结果说明此种方案在光谱布质识别方面有实用价值且准确度高。