洗碗机清洁度自动评分

刘翠， 徐立军， 文建鹏， ， 詹林其，

（1.工业和信息化部电子第五研究所， 广东 广州 511370；2.智能产品质量评价与可靠性保障技术工业和信息化部重点实验室， 广东 广州 511370）

0 引言

洗碗机是自动清洗碗、 筷、 盘、 碟、 刀、 叉等餐具的设备， 随着国民生活水平日益提高， 洗碗机因其方便、 卫生等特点而被广泛地接受， 逐渐地普及起来； 加上疫情的影响， 让大家对餐具清洁越来越重视， 对洗碗机这种健康家电的需求也随之增加。

经过了近几年的技术革新， 现在的洗碗机可以说已实现了多项技术层面的升级， 保证了超高实用性， 根据标准GB 38383—2019 《洗碗机能效水效限定值及等级》， 评价洗碗机的指标是能效指数、水效指数、 干燥指数和清洁指数。 其中根据标准GB 20290—2016， 清洁度的评定方法是， 检查每一件餐具是否有污染痕迹或残留物， 在漫射光下检查餐具的里面和外面， 使用光源色温为3 500～4 500 K。 光源安装应保证评估时避开光线的直接照射， 检查位置光线强度在1 000～1 500 lx 之间。应由经过培训的试验人员检查， 试验样机和标准洗碗机由同一人检查。 每一件餐具的检查时间不超过10 s， 包括搬运（例如： 取出、 放回） 或确认标记种类或无规律行为。 应对每件餐具进行评估， 并且分别标注得分、 污染物类型和相关餐具的总数。 以上视检要求环境严格， 测试人员需先培训， 虽然是同一人， 但在不同的时间可能会做出不同的判断，评估结果带有主观性。

图像的结构相似度指数（SSIM） 可以反映两张图片的不同之处， 两张图像的不同之处越多， 差异就越大， SSIM 指数就越小， 也即两张图片的相似度越低， 依据此方法， 把碗碟的干净图片和污染图片进行对比， 计算SSIM 值， 即可对不同程度污染的碗碟进行清洁度打分。

1 自动检测碗碟清洁度方案

1.1 SSIM 定义

SSIM 是一种用来衡量图片相似度的指标， 如图1 所示， SSIM 测量系统， 可见相似度的测量可由3 种对比模块组成， 分别是： 亮度、 对比度和结构。

图1 SSIM 测量系统

SSIM 的基本原理是： 给定两个图像x 和y， 两张图像的机构相似性可按照公式（1） 求出：

式（1） 中： μx——x 的平均值；

μy——y 的平均值；

σx2——x 的方差；

σy2——y 的方差；

σxy——x 和y 的协方差。

c1= （k1L）2， c2= （k2L）2是用来维持稳定的常数。 L 是像素值的动态范围。 k1=0.01， k2=0.03。

采用结构相似性（Structural similarity） 算法，用SSIM 来评估碗碟的清洁度指标。 SSIM 从图像组成的角度， 基于两个样本之间的3 个比较衡量： 亮度、 对比度和结构， 用均值作为亮度的评估， 标准差作为对比度的评估， 协方差作为结构相似程度的度量。 根据以上定义公式， 用编程工具写出算法程序， 程序的输入是参考图片和待检测图片， 输出是待检测图片的得分值。

1.2 参考取样

将米饭碗、 面碗、 玻璃杯、 马克杯、 筷子、 佐料碟、 小汤勺、 深盘、 浅盘、 大汤碗、 蒸鱼盘、 饭勺和汤勺等干净的清洁餐具拍照片取样， 每样多个角度拍摄参考样本， 并按种类命名， 按序号区分，保存参考样本图片， 图片格式可以是JPG、 PNG、BMP 等， 但图片格式要统一。

1.3 检测方案

方案流程如图2 所示： 将碗碟拍照， 导入算法程序， 运行程序， 返回图片得分。 详细的流程如下所述。

图2 方案流程图

a） 拍照， 待测碗碟需采用和参考样本同样的位置拍照， 可以用固定支架固定照相机位置， 用测试板确定被拍物品的几何中心位置和4 个固定点的位置， 保证被拍物品的几何中心和照相机的几何中心的位置不变。

b） 导入， 将不同餐具的照片放置不同的文件夹， 全部导入算法程序。

c） 得分设计， 根据GB 38383—2019 《洗碗机能效水效限定值及等级》 中附录F 清洁指数评定表， 得分数字是0， 1， 2， 3， 4， 5， 而SSIM 指数范围是-1～1， 我们的参考样本图片都是干净样品图片， 测试图片都是有污染图片， 图片结构比干净样品图片是有多出结构组成， 所以SSIM 指数范围是0～1； 根据GB 38383—2019， 污染物有牛奶、茶叶、 肉碎、 鸡蛋、 燕麦片、 菠菜和植物黄油， 根据不同的污染物， 对大量的测试图片运行程序， 获得图片得分， 根据视检判别， 设计不同的得分规则， 比如表1 是菠菜的得分设计表。

表1 菠菜的得分设计表

2 测试举例

2.1 杯子

杯子的参考样本图片如图3 所示， 没有污染物的杯子如图4 所示， 放入不同份量的污染物（茶叶） 如图5-8 所示， 污染物份量依次地增多。 将6张图， 导入算法程序， 运行程序， 分别得到每张图的SSIM 指数， 如表2 所示。

表2 图3-8 的SSIM 指数值

图3 杯子参考图

图4 没有茶叶的杯子

图5 有茶叶的杯子（一）

图6 有茶叶的杯子（二）

图7 有茶叶的杯子（三）

图8 有茶叶的杯子（四）

从表2 中可以看出， 污染物越多， 测试图片与参考图片就越不相似， SSIM 指数越低。

2.2 盘子

盘子的参考样本图片如图9 所示， 干净盘子图片如图10 所示， 菠菜污染的盘子如图11 所示。

图9 盘子参考图

图10 的SSIM 指数是0.81， 对应到表1 的清洁度得分是5 分； 图11 的SSIM 得分是0.35， 对应表1 中的清洁度得分是0 分。

图10 干净盘子图片

图11 菠菜污染的盘子

3 结束语

根据GB 20290—2016， 为了确保实验数据的一致性， 建议实验室规定自己内部的污染和清洁评估导则。 内部评估导则不仅应提供水迹和印迹评定导则， 还应包括洗涤性能评价， 任何尘埃、 印迹或者污点均认为是污染。 使用内部评估导则主要是有助于实验室内达到一致的手段， 也是对新检验工程师的培训方法。 杯子和盘子的测试结果表明，SSIM 指数值所对应的清洁度有表征意义， 采用SSIM 算法对洗碗机的清洁度自动地评分， 不仅能保证清洁度评估结果的一致性， 还能免去培训新检验工程师， 能客观地评价清洁度指标。