洗衣機領域的衣物材質識別方法概述

王瑩瑩 李偉偉 劉振華 石偉澤

海信(山東)冰箱有限公司 洗衣機研發部 山東青島 266100

1 引言

目前，在洗衣機行業，智能控制的各種表現形式成為消費者判別洗衣機是否高端的一個顯著指標，比如，Wi-Fi控制、衣物重量/材質判斷、自動投放洗衣液/柔順劑、衣凈即停、衣干即停、語音控制等[1]。因智能控制的最終目的是通過洗衣機自身判斷內筒中衣物的情況并合理設置洗滌、漂洗、脫水、烘干、洗滌劑/柔順劑投放量等程序運行各階段的參數來實現無人干預，而各個參數的確定是否合理與衣物材質有很大關系，因此，衣物材質識別成為近幾年各品牌爭相競逐的一項功能指標。

市場上現有的洗衣機識別材質的方法主要有RFID系統、AI攝像頭采樣、光譜分析技術、三軸加速度傳感器分析衣物運動狀態、吸水率（量）判斷等。每種方法都有其判斷材質的優勢，同時存在需要改進、優化的不足之處。研究洗衣機領域的衣物材質識別方法，有利于制造商了解市場材質識別方法的發展動態，并通過一定的措施改善各自品牌的識別方法，進而提高材質識別性能，提升用戶體驗。

為規范常用衣物的產品制造和使用，2009年以來，我國出臺GB/T 8685-2008《紡織品 維護標簽規范符號法》、GB 18401-2010《國家紡織產品基本安全技術規范》、GB 5296.4-2012《消費品使用說明 第4部分：紡織品和服裝》等多項標準，為洗衣機研發材質識別方法指明了方向，為消費者選購提供了依據。

為增加洗衣機行業相關技術人員對家用洗衣機材質識別方法的了解，使其開發出衣物材質識別準確度高的新方法，本文對RFID系統、AI攝像頭采樣、光譜分析技術、三軸加速度傳感器分析衣物運動狀態、吸水率（量）判斷等材質識別方法進行了分析與總結。

2 洗衣機領域的衣物材質識別方法

洗衣機對衣物材質的識別是通過多種因素復合判斷的結果，在研究材質識別方法時，需要分析其各自的工作原理以及優劣勢。

2.1 RFID系統

RFID技術已有幾十年的發展歷史，其在物流倉儲、交通、身份識別、防偽等領域廣泛應用。但該技術在洗衣機領域應用于衣物材質識別只有幾年的時間，其實現需要服裝廠家制作的可水洗RFID標簽的配合，并且RFID標簽要符合2018年12月29日發布的國家標準《服裝商品編碼與射頻識別（RFID）標簽規范》。

2.1.1 定義

RFID系統是一種非接觸式的自動識別系統，由電子標簽、讀寫器、讀寫器天線、處理模塊等硬件和應用算法軟件等基本組件組成，利用無線射頻方式在讀寫器和電子標簽之間進行非接觸雙向數據傳輸，以達到目標識別、數據傳輸和控制的目的。

2.1.2 原理

洗衣機可從衣物內置的唯一識別碼的RFID標簽中讀取有關織物纖維類型、顏色、相關洗滌參數等的信息，并據此衣物信息優化洗滌程序。進行衣物材質識別的具體步驟為：①用戶將帶有RFID電子標簽的衣物投入洗衣機；②洗衣機上安裝的RFID識別系統中的讀寫器天線采集待洗衣物的RFID標簽信號并傳輸給讀寫器；③讀寫器根據RFID標簽信號讀取其中的ID編號，并將其傳輸給安裝在控制板中的處理模塊；④處理模塊將其ID編號傳輸到設置于控制板或者服務器或者云平臺中的數據庫；⑤數據庫將接收的ID編號與數據庫中存儲的衣物ID編號相匹配，找到待洗衣物的相關信息并回饋給處理模塊[2]；⑥應用算法軟件根據處理模塊接收的相關信息，計算并控制洗滌、漂洗、脫水、烘干、洗滌劑/柔順劑投放等的參數。

2.1.3 優劣勢

RFID系統識別衣物材質的優勢在于：從準確性角度來說，對于內置RFID電子標簽的衣物，此技術可實現多件衣物同時被準確識別，能夠在減少人力的前提下，使洗衣機獲取非常準確的衣物材質、顏色、相關洗滌參數信息，使得洗滌過程更加便捷。洗衣機行業有的品牌通過與衣物制造商合作，在高端洗衣機的某些機器型號上應用可識別某些品牌衣物上的RFID標簽的技術，進而識別衣物材質。

劣勢在于三方面：①對RFID標簽本身性能要求高：洗滌過程中水溫可高達95℃，而且摔打洗滌（滾筒洗衣機主要的洗滌模式）、摩擦洗滌（波輪洗衣機主要的洗滌模式）過程中衣物各部位會受到來自多個方向的力，RFID電子標簽需要耐受高濕、高溫、摔打、摩擦以及洗滌劑腐蝕的洗滌環境[3]，這對RFID電子標簽的材質、柔軟性等參數提出了更高要求，其制造成本及研究難度也會相應增加。②制造成本高：RFID電子標簽需要具備防水、防磁、耐高溫等特點來保證使用時的穩定性，成本是普通條碼標簽的幾十倍，使得衣物制作的成本大大增加。③應用范圍受限：內置RFID電子標簽的衣物并不普遍，所以此種技術適用范圍比較局限。對于洗衣機市場而言，洗衣機制造商與衣物制造商的跨行業合作，成為推進此技術的關鍵點；但是，RFID標簽的高制作成本及衣聯網建立的高復雜度，成為制約此技術發展的難點。

2.2 AI攝像頭采樣

AI攝像頭采樣技術是2019年應用于高端洗衣機上的衣物材質識別技術，根據2019年世界人工智能大會上發布的《AI科技家電白皮書》，未來3～5年，此種人工智能技術的最終目標是通過海量數據分析、超大規模自學習等實現家電機器人化。

2.2.1 定義

AI智能攝像頭識別衣物材質是集圖像識別技術、深度學習算法及專家系統于一體的技術。其中，圖像識別技術利用其防抖科技，可瞬時捕捉衣物的信息。深度學習算法利用快速運算，對不同織物、衣物進行智能識別和判斷，識別每一次衣物的信息。而專家系統-海量衣物信息數據庫、云端洗護程序庫，可為機器自動實現衣物洗滌、護理的全流程提供精確參考。

2.2.2 原理

AI技術以洗衣機產品為載體，通過以下三步服務于用戶。洗衣機上安裝的AI攝像頭具體工作過程為：①用戶將待洗衣物投入洗衣機；②圖像識別技術，自動判斷每件衣物的衣型纖維、顏色、體積及冒泡殘留等；③深度學習算法配合專家系統，通過強大的計算平臺、海量的數據分析，可根據衣型纖維確定水位高低，根據衣物顏色確定洗滌水溫，根據體積確定洗滌時長，根據冒泡殘留確定漂洗水位、漂洗次數等參數。

與一般洗衣機產品通過稱重確定洗滌水量的方法不同，AI攝像頭采樣技術能夠針對采集、計算出的洗衣機內部衣服總的吸水情況，自動匹配洗滌/漂洗階段的用水量、洗滌劑添加量等，并以不同洗滌模式（洗滌轉速以及轉停比）、不同水溫照顧到每一件衣物。

2.2.3 優劣勢

AI攝像頭采樣技術識別衣物材質的優勢在于：①準確度高：通過智能攝像頭采樣技術，分析得出待洗衣物重量、材質、顏色等信息，深度學習算法根據這些信息自動提供一套適合當前環境的洗衣方案，避免了用戶基于經驗做選擇導致的衣物洗不干凈或過度洗滌的情況發生。②智能化程度高：洗衣機的控制系統由原洗衣機內部芯片上固定的算法搬到了云端上，可以更加靈活地根據用戶需求調整洗護方案。近一年，有的洗衣機品牌已經在某些高端滾筒洗衣機上開始應用此技術。

劣勢在于：①開發成本高：云端資源復雜，需要投入大量實際資源采集海量衣物數據，這對人力、時間、成本的要求很高，企業需要有一定的資本。②系統需要持續更新：衣物款式更替日新月異，圖像識別技術的視覺系統一方面需要跟得上衣物種類的變化；另一方面需要明確識別種類的上限，防止內存不夠的現象發生[4]。③其應用存在一定的局限性：AI技術的應用需要依靠深度學習的發展、大數據處理能力、云計算和邊緣計算的發展以及核心場景帶動，這對于小型洗衣機制造商提出了高難度要求，可能限制此技術的發展以及未來的應用。

2.3 光譜分析技術

用于洗衣機的光譜分析技術主要是指紅外光譜技術，紅外光譜識別衣物材質主要是通過將光束照射到衣物上之后，分析衣物纖維反射的吸收光譜特征峰的強度及形狀，并與云端數據進行匹配，來實現無損、定性鑒別衣物纖維。但此技術在洗衣機領域的產品應用一直沒有實質性進展。

2.3.1 定義

紅外光譜分析指的是利用紅外光譜對物質分子進行的分析和鑒定。將一束不同波長的紅外射線照射到物質的分子上，某些特定波長的紅外射線被吸收，形成這一分子的紅外吸收光譜。紅外吸收光譜中，每一個特征吸收譜帶都包含了分子中基團和鍵的信息。

衣物表面的纖維分子吸收某些波長的紅外線后，會反射一定的吸收光譜，不同的纖維具有不同的化學基團和分子結構，因而會出現不同的特征吸收光譜。對已知纖維的紅外光譜圖與未知纖維的紅外光譜圖進行比較，就可以對衣物纖維的種類進行定性分析[5]。

2.3.2 工作原理

洗衣機可通過不同的方式，利用近紅外光譜識別衣物材質。

一種是外部手持式智能光譜掃描儀，具體工作原理為：①通過其內部安置的紅外光源和檢測器來掃描衣物材料表面不同的分子結構，幾秒內分析得出衣物材質成分以及含量比例，然后通過一鍵操作，傳送至配套洗衣機。②洗衣機通過特有的云端數據分析和深度學習算法，從眾多洗滌搭配程序中找到最適合當前衣物的洗滌程序[6]，在浸泡/洗滌/脫水時間、洗滌溫度、洗滌/脫水轉速、漂洗次數等方面都進行精確控制。③當對多件衣物成分進行分析的時候，如果某件衣物的材質不適合與之前掃描過的衣物一起洗滌，掃描儀也會發出警示，建議單獨用其他程序洗滌此衣物。

另外一種是在洗衣機內部設置衣物材質感知傳感器，其工作原理為：①近紅外光譜感應傳感器分析內筒中的衣物材質不同基團產生的光譜吸收峰位置和強度的變化，判斷衣物材質成分及含量比例；②傳感器通過洗衣機上安裝的通信模塊將該識別數據發送到云服務器；③云服務器自動查詢與對應衣物成分信息配套的洗滌模式，精確控制洗滌劑添加量、浸泡/洗滌/脫水時間、洗滌溫度、洗滌/脫水轉速、漂洗次數等參數[7][8]。其中，通訊模塊與近紅外光譜感應傳感器和云端服務器間可進行瞬時數據交互。

2.3.3 優劣勢

光譜分析技術識別衣物材質的優勢在于：①準確度高：通過近紅外光譜傳感器，掃描衣物表面得出材質信息，云端數據分析和深度學習算法自動推薦合適的洗衣方案，在提高洗衣效率的同時，有效地避免了衣物洗不干凈或者過度洗滌導致衣物磨損的情況發生。②智能化程度高：云端服務器可以根據衣物材質信息靈活地匹配洗護方案，彌補了洗衣機內部控制系統固定算法可能導致的洗護參數匹配性差的缺點。國內外暫時沒有洗衣機品牌應用光譜分析技術進行衣物材質識別。

劣勢在于：①開發成本高：云端資源復雜，需要投入大量實際資源采集海量衣物數據，這對人力、時間、成本的要求很高，企業需要有一定的資本。②對傳感器本身性能要求高：紅外光譜測試一般以15℃～25℃、60%相對濕度為宜，而洗衣機的內部溫濕度環境比較惡劣，對洗衣機內部設置的近紅外光譜感應傳感器的要求較高。

2.4 三軸加速度傳感器

三軸加速度傳感器分析衣物運動狀態進行材質判斷，是日本品牌洗衣機應用較多的一種方法。通過將傳感器安裝在洗衣機外筒上，洗滌過程中精密感測筒內衣物對洗衣機內外筒造成的前后、左右、上下的振幅與方向，進而感知衣物的材質和重量。

2.4.1 定義

三軸加速度傳感器是一種基于重力加速度的原理進行工作的沒有機械損耗的非接觸式測量傳感器，可同時測量三軸（X/Y/Z）位移數據，具有體積小、重量輕、安裝簡單的優點，可在高溫高濕的環境下使用，并可以通過測量空間加速度，全面準確地反映物體的運動性質。

要準確了解洗滌過程中衣物在內筒中的狀態，必須測量其在三個空間方向（前后、左右、上下）的運動狀態分量。在預先不知道衣物運動方向的情況下，只有應用三軸加速度傳感器來檢測加速度信號。

2.4.2 工作原理

三軸加速度傳感器檢測衣物材質和重量的工作原理為：①將加速度傳感器安裝于洗衣機外筒上，同時確保安裝位置合理，使得洗衣機運轉過程中傳感器不會被撞到。②傳感器采集洗衣機外筒X/Y/Z三軸方向的振動加速度值，然后經運算處理轉換成實際位移值數據并發送到電腦控制器。③電腦控制器通過讀取當前位移值數據，實現對洗衣機外筒振動量的精確判斷，進而分析出衣物的材質和重量。④洗衣機控制板根據分析結果控制洗滌摔打力度，對于重的衣物，提高滾筒轉速，進而提高摔打洗滌效果；對于輕的衣物，降低滾筒轉速，進而提高摔打洗滌效果。

2.4.3 優劣勢

三軸加速度傳感器通過分析衣物運動狀態來識別衣物材質的優勢在于：①安裝及應用方便：體積小、重量輕，方便安裝。②應用范圍廣：可應用于各種衣物種類的判定，不必考慮跟不上衣物種類的日新月異更替。而且，還可通過三軸加速度傳感器實時檢測洗衣機的運行狀態，減少洗衣機運行過程中的不平衡振動或移位。國內外部分洗衣機品牌，尤其是日本品牌，已經開始在洗衣機上應用此種技術進行衣物材質識別以及振動檢測。

主要劣勢在于：①準確性不高：通過實時檢測的振幅數據，感知衣物運動性質，判斷衣物質量和材質，進而控制洗衣機轉速變化，達到更好的摔打洗滌效果，同時可減少洗衣機對衣物的磨損。但是，因同種材質、不同種類的衣物纖維編織方法不一樣，其摔打帶來的振動加速度值也不一樣，影響材質識別的準確性。②成本較高，普通的用于洗衣機的三軸加速度傳感器成本在三十元以上，這成為妨礙其推廣應用的一個弱點。

2.5 吸水率（量）判斷

吸水率（量）判斷衣物材質是一種應用比較普遍的方法，主要根據不同衣物材質吸水率（量）不同，使得同樣的洗滌用水量導致洗衣機外筒中水位高低不同的原理來判斷材質。比如，天然纖維類棉、毛、絲、麻的吸水率（量）相對較大，水位較低；而滌綸、丙綸等化學纖維吸水率（量）相對較小，水位則較高。

2.5.1 定義

吸水率（量）是表征衣物材質吸水能力的指標，通常以質量吸水率表示，即不同材質的單位重量的衣物吸水飽和時水分的質量占干燥衣物質量的百分數。計算公式為：

式中，W質為材料質量吸水率（%），G1為衣物吸水飽和狀態的質量（g），G0為衣物干燥狀態下的質量（g）。

2.5.2 工作原理

根據衣物不同材質的吸水率（量）不同來判斷衣物材質的具體工作原理如下：①將被洗衣物放入內筒中，洗衣機內部稱重裝置計算出被洗滌前衣物的重量G0；②進水閥進一定量的水M1到內外筒中，電機帶動內筒轉動一定時間，使衣服被水浸濕；③水位傳感器檢測此時外筒中的水位，計算此時外筒中的水量M2；④洗衣機控制系統根據M1、M2、G0以及洗衣機電腦板中內置的各種衣物材質吸水率的參數，通過一系列的運算得出單位重量衣物的吸水率以及含棉材質的重量、非含棉材質的重量；⑤將運算結果與洗衣機電腦板中預設衣物含棉率等級進行對比，選擇對應的洗滌方法[9]。

2.5.3 優劣勢

通過吸水率（量）判斷衣物材質的主要優勢在于：從開發成本角度來說，本技術識別材質的成本低，在明確不同材質吸水率（量）的情況下，只需通過軟件計算和控制，便可實現衣物材質的識別。因開發成本低廉，此技術已經開始在部分洗衣機品牌的高端機器型號上進行應用。

主要劣勢在于：①準確性不高：此方法建立在稱重比較準確的基礎上進行衣物材質判斷，如果洗衣機稱重不準確，則直接影響材質判斷的準確性。②應用受限：不同材質的衣物，其吸水率可能有交叉，這給材質識別帶來了一定的局限性，對于某些材質的衣物來說，可能存在判斷不準確性的情況。

3 衣物材質識別方法現狀分析及展望

上述五種衣物材質識別方法各有優劣：①從識別準確度來說，RFID系統、AI攝像頭采樣、光譜分析技術的準確度，要比三軸加速度傳感器、吸水率（量）判斷的準確度高得多。②在成本上，RFID系統、AI攝像頭采樣以及光譜分析技術，如果跟隨衣物款式及面料的時代發展進行準確識別，需借助云端數據庫以及與衣物制造商的跨行業合作，識別成本相比三軸加速度傳感器、吸水率（量）判斷的開發成本均高出很多。③在技術應用的可行性方面，除了光譜分析技術，其他四種材質識別方法均已被應用。隨著時代的發展，洗衣機技術的成熟度越來越高，在成本可控范圍內，以上五種衣物材質識別方法均可被廣泛應用于洗衣機。

另外，洗衣機（包括洗衣干衣機）的高端化需要智能技術的支撐，衣物材質識別作為智能化領域的重要功能之一，研究人員需要在充分了解各種材質識別方法的基礎上，以理論和實踐為基礎，充分驗證并優化各材質識別方法的準確性、成本及應用可行性。

未來，衣物材質的準確識別將是升級洗衣機品質的核心指標之一，其發展將依賴以下幾方面的發展。①云端數據庫及深度學習算法技術：深度學習算法通過學習云端數據庫中的樣本數據的內在規律和表示層次，最終實現人工智能識別，對于信息已上傳云端的衣物來說，識別的準確度非常高。但是成本需要控制在洗衣機產業可接受的范圍內，如果成本過高，其應用范圍將只局限在部分衣物材質及種類，而跟不上日新月異的衣物材質及種類變化；如果未來開發成本大大降低，其應用的可行性非常高。②感知算法技術：高精度智能傳感器，如：質量識別傳感器、布質識別傳感器、RFID電子標簽等的控制算法的研究，可大大提升洗衣機的狀態檢測與智能洗滌的發展[10]。但是高精度傳感器的開發成本一直居高不下，如果成本大大降低，其應用的可行性非常高，而且準確度將比行業現有滾筒洗衣機對衣物材質的識別準確度高。③特殊衣物研究：隨著消費者穿著高檔衣物的頻次增加，消費者對高檔衣物的洗護需求日益增強，但是高端面料如羊毛、真絲、云錦等的特點及洗護與一般材質的衣物有很大差別，對其深入研究將為新型衣物材質識別及洗護方式的開發提供新的方向[11]。④跨行業合作：通過與紡織協會、洗滌劑廠家等合作，可在充分了解衣物材質、洗烘要點的基礎上，合理選擇洗滌劑、護理劑以及設計程序運行參數，從而實現對不同衣物的專項洗滌護理。在政府對創新技術的扶持以及國家相關政策的引導下，以上各方面的發展將會大大加快家電智能化的前進速度。⑤安全保障：洗衣機產品在智能化的同時，也給消費者帶來了一定的安全隱患，比如攝像頭泄露用戶信息，云端服務器用戶信息遭到竊取等。未來的衣物材質智能識別技術，需有一定的安全支持與標準，讓消費者放心使用。

4 結論

本文概述了洗衣機領域的幾種主要的衣物材質識別方法，對比分析了其技術原理以及市場應用的優劣勢，并對衣物材質識別技術的發展提出了展望。衣物材質識別是洗衣機智能化的必經之路，進一步完善現有技術，同時尋求低成本、高精度、可制造的新方法仍是今后發展的主要方向。