智能理發機原理及應用探討

黃家儀 鄧海鳳 勞忠濤

摘 要：如今的理發行業已經不能滿足消費者的個性需求，智能理發機的出現將改變理發行業的發展趨勢。為了滿足消費者的個性需求以及提高消費者的時間效率，本文就智能理發機的功能和應用前景做出簡單介紹，并論述其在日常生活中應用時所據有的優勢和劣勢。智能理發機雖然結構簡單，功能較少，但其方便快捷，價格實惠，不僅能夠為人們的生活提供更多的便利，還能為人們提供全新的消費方式。目前我們對智能理發機的研究還處在初級階段，已經完成智能理發機的裝置以及構造，智能理發機的核心技術已取得初步進展，其功能的實現已經能滿足部分消費者的需求，在后面的研究中，通過升級改造，將會逐漸滿足更多消費者的個性需求。

關鍵詞：智能理發;自動理發;理發機

前言

在現實生活中，理發行業價格逐漸上漲[1]，且形式單一，已經不能滿足消費者對理發的個性需求。智能理發機的出現，將為消費者提供新的消費體驗，同時，也將為消費者的生活提供更大程度的便利，這無疑會使理發行業受到一定程度的影響和改變。智能理發機是一臺自動理發的智能機器，其主要適用于修剪男性發型，可分為家用或者商用。將其放在街頭時，消費者可通過手機掃碼實現自助理發，機器理發時所采用的電推剪可直接接觸人的皮膚，不會造成危害，最大的優點在于方便、快捷，安全。其缺點在于，功能性較少，僅支持平剪和碎剪，但也可滿足大多數對發型要求不高的人，即適用于軍隊等對發型要求統一的團隊。

一、 智能理發機裝置以及構造

理發機的構造分為多個部分，分別是自動升降裝置、智能掃描裝置、頭部固定裝置、距離感應器、罩體、罩體內的智能移動電推剪、可移動和旋轉的圓柱形電極板、吸風裝置、屏幕顯示裝置，攝像裝置，具體如圖 1所示。

其中自動升降裝置、頭部固定裝置、罩體、圓柱形的電極板、吸風裝置主要基于物理結構設計，移動電推剪上安裝有智能掃描裝置，用于識別圖像，主要依據的原理和技術分別為生物圖像識別技術、深度學習算法。

二、 核心技術簡介

（一） 距離感應器

感應器由兩個元器件組成，一個發出紅外線，一個檢測接收紅外線[2]。在智能理發機上使用兩個距離感應器，其中一個距離感應器測出感應器與頭部距離x1=c*t1，另一個距離感應器則測出頭發尖端與感應器的距離x2=c*t2，紅外線發出到指定部位后將會反射到接收器，得到接收器與頭發尖端的距離x=x1-x2。

（二） 智能掃描裝置

智能掃描裝置用到的技術為圖像識別技術[3]，其識別過程如圖2所示。此技術用于智能理發機的電推剪上。首先通過圖像采集獲取頭部圖像信息，然后通過預處理消除圖像中無關信息，恢復有用的信息，即頭發部位，再通過特征提取計算頭發部位的特征，即面積、周長、均值等，通過計算將這些信息轉化為數字信息，使得計算機能夠“理解”這些圖像，最后將圖像進行分割，以便電推剪完成后面的修剪工作。

（三） 深度學習算法

深度學習算法采用多層調參，層層收斂的方式，將參數數量始終控制在一個較為合理的水平，使得原本不可計算的模型變得可以運算，這就實現了對頭發覆蓋區域的識別[4]。深度學習算法的主要作用是將圖像識別的許多步驟都整合到了同一個算法的框架下，使得圖像識別的框架變得更加的簡單，更加的簡潔。以下介紹深度學習算法的一個簡單實例[5]。

首先，將輸入的圖像進行預處理：用取得的每一個像素減去RGB的平均值，并調整圖像的大小至固定的大小 （223×223） ;隨后，將圖像數據傳入到網絡，通過一系列的池化操作以及卷積進行特征提取，即面積、周長、均值等。網絡一般都是采用（3×3）的卷積核，然后將其填充為1，不僅能保證計算的前后大小不改變，還能充分考慮圖像的邊緣分布信息;最后，通過soft-max層進行分類處理，分析圖像的類別。

三、用戶理發主要過程

用戶理發的過程主要從注冊登錄理發系統開始;后選擇理發功能，即平剪或碎剪;等待機器進行發型修剪;修剪結束后，用戶進行滿意度調查;最后用戶付費，具體過程如圖3所示。

四、智能理發機工作過程

首先，智能理發機通過固定裝置將顧客頭部輕微固定。

其次，智能掃描裝置開始檢測頭發區域，并將其分為四個區域，分別為上、后、左、右。

而后，電推剪進入準備修剪狀態，按照上、后、左、右的修剪順序，進行首個修剪區域，期間理發者可以自主選擇修剪類型（碎剪或平剪）和修剪的長度（單位：厘米）。若在修剪過程中，顧客仍感覺頭發較長，可繼續剪短，直至顧客滿意后才進行下一個區域的修剪工作。

再者，修剪工作開始時，圓柱形電極板開始工作，頭發在靜電場中豎立，電極板自動調整距離移動到接觸到頭發的高度，距離感應器計算該高度[6]（頭發的長度），電推剪開始工作，修剪完上區域和后區域后，連接電推剪的裝置旋轉90度，修剪兩邊區域，整個移動過程由java程序控制。

最后，上述各個階段的修剪過程，均由攝像裝置拍攝顯示在屏幕上，可供顧客觀看，直至理發結束。

參考文獻：

[1]郭貴新.敏感的行業畸型的價格——談談理發業價格問題[J].商業研究.1989年3期

[2]董冠濤.紅外線感應電子白板的設計與實現[D].吉林：吉林大學

[3]胡世橋，孫君志.3D智能掃描建模法在身體成分評估中的應用研究[J].中國體育科學學會會議論文集.2019年11期

[4]張勇.深度學習下的圖像識別算法[J].計算機產品與流通.2020年02期

[5]陳旭.卷積網絡深度學習算法與實例.廣東工業大學學報.2017年06期

[6]陳中標.基于人體紅外線感應器顯示屏的研究[J].科技視界.2016年12期