CN119145201A - 一种基于物联网的衣物智能护理机 - Google Patents

Abstract

本发明提供一种基于物联网的衣物智能护理机，涉及衣物智能护理机技术领域，本发明通过衣服识别模块对放入护理机的衣服进行识别衣服特征，对衣服进行编号，根据数据采集模块用于判断衣服的接触的环境数据、褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数，通过衣护检测模块监测衣护数据和设备状态并发送至控制执行模块，根据能耗检测模块计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量，通过控制执行模块获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数。

Description

一种基于物联网的衣物智能护理机

技术领域

本发明涉及衣物智能护理机技术领域，具体为一种基于物联网的衣物智能护理机。

背景技术

随着科技的进步和人们生活水平的提高，传统的衣物清洁和护理方式已经无法满足现代家庭对便捷、高效和精细化的需求。日常生活中，许多人面临着衣物护理繁琐、耗时以及因手动操作不当导致衣物损坏的问题，因此如何提高衣物护理机的智能性，通过物联网与衣物护理机之间的互联互通，实现衣物护理机信息的实时采集和共享，并进行智能调整和优化操作具有重要的意义。

现有技术中的，公开号为CN118727408公开了一种衣物护理机的控制方法、装置、设备和介质，包括根据预设的衣物属性信息与蒸汽量的关联关系，确定与获取的衣物属性信息相对应的目标蒸汽量；控制衣物护理机中蒸汽发生设备释放目标蒸汽量对待护理衣物进行润湿；确定待护理衣物的重量增重；根据预设的重量增重与烘干时间的关联关系，确定与重量增重相对应的目标烘干时间；根据目标烘干时间，控制衣物护理机中烘干设备对待护理衣物进行烘干，实现了根据衣物属性信息产生所需的蒸汽量，并根据待护理衣物的重量增重，确定目标烘干时间。但是该方法仅仅是增加衣服的塑性，无法有效地去除衣服的灰尘、异味，无法满足当前对智能化的需求。

所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种基于物联网的衣物智能护理机，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于物联网的衣物智能护理机，包括：

衣服识别模块，所述衣服识别模块用于建立基于卷积神经网络的衣服识别模型，通过对放入护理机的衣服进行识别衣服特征，包括款式、材质、织物密度、衣服大小，所述款式包括外穿和内穿，并根据衣服特征，对衣服进行编号；

数据采集模块，所述数据采集模块用于获取用户所在区域的历史天气数据，判断衣服的接触的环境数据，包括灰尘值和湿度值，获取用户出行的路程、步数和时长，进行判断衣服的褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数；

衣护检测模块，所述衣护检测模块安装在护理机内部，用于获取监测数据，包括温度传感器、湿度传感器、振动传感器与噪声传感器，用于监测衣护数据和设备状态并发送至控制执行模块；

能耗检测模块，所述能耗检测模块用于采集护理机每次衣护时的能耗，根据能耗与衣服数量，计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量；

控制执行模块，所述控制执行模块用于根据每件衣服编号的衣服特征，获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数。

进一步地，所述建立基于卷积神经网络的衣服识别模型的具体步骤为；

所述模型的建立具体包括卷积层、激活层、池化层和输出层；

卷积层；通过卷积操作从输入图像的边界框和标签中提取特征，计算公式为；其中，为输入矩阵，为卷积核，为输出矩阵的坐标，卷积核在第行和第 列的值；

激活层；

其中，为卷积层输出的输出矩阵的坐标；

池化层；

其中，为输入矩阵，为最大池化输出；

输出层；

其中，为池化层的输出，为对图像中衣服特征的识别的结果，为权重，为偏置参数；

通过将包含衣服特征的图像作为模型的输入，衣服特征数据作为模型的输出，对模型进行训练。

进一步地，所述历史天气数据包括温度、风速、湿度、空气质量指数；

所述判断衣服的接触的环境数据的具体步骤为；

所述灰尘值的计算公式为；其中，为灰尘值，为风速，为灰尘修正系数，根据衣服材质进行取值,为空气质量指数；

所述湿度值的计算公式为；其中，为湿度值，为空气湿度，为空气温度,为湿度修正系数，根据衣服材质进行取值。

进一步地，所述褶皱程度的判断逻辑为；通过一段时间内的步数计算用户的步速，并与步速阈值进行比较，判断出行的剧烈情况，根据超过步速阈值的路程和未超过步速阈值的路程，对衣服的褶皱度进行计算，具体的计算公式如下；

所述步速的计算公式为；其中，为步速，为在第个时间段内的步数，为第个时间段内的时长；

当时，判断为剧烈行走；

其中，为步速阈值；

所述褶皱度的计算公式为；其中，为衣服的褶皱度，为超过步速阈值的步速，为超过步速阈值的时间段总数，为超过步速阈值的路程，为未超过步速阈值的时间段总数，为未超过步速阈值的路程，为未超过步速阈值的步速。

进一步地，所述衣服的整洁系数的计算公式为；其中，为整洁系数，为衣服的褶皱度，为灰尘值；

所述衣服的粘连系数的计算公式为；其中，为粘连系数，为衣服的褶皱度，为湿度值。

进一步地，护理机参数包括振动电机功率，蒸汽大小；

所述最佳护理参数包括除味的最佳护理参数、除尘的最佳护理参数和最佳护理温度、湿度；

所述制定护理策略包括除尘、除味、养护环境。

进一步地，所述除尘的护理策略为；通过计算每件衣服的除尘力度，根据护理机内衣服的数量、衣服面积、振动电机功率，计算除尘时长；其中，为除尘力度，为整洁系数，为衣服除尘的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除尘时长计算公式为；其中，为除尘时长，为除尘力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机振动电机功率。

进一步地，所述除味的具体策略为；通过计算每件衣服的除味力度，根据护理机内衣服的数量、衣服面积、蒸汽功率，计算除味时长；

所述除味力度计算公式为；其中，为除味力度，为粘连系数，为衣服除味的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除味时长计算公式为；其中，为除味时长， 为除味力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机蒸汽大小。

进一步地，所述护理温度值的计算方法为；其中，为护理温度，为衣护中温度的最佳护理参数最大值，为衣护中温度的最佳护理参数最小值；

所述护理湿度值的计算方法为；其中，为护理湿度，为衣护中湿度的最佳护理参数最大值，为衣护中湿度的最佳护理参数最小值。

与现有技术相比，本发明的有益效果是：通过衣服识别模块对放入护理机的衣服进行识别衣服特征，对衣服进行编号，根据数据采集模块用于判断衣服的接触的环境数据、褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数，通过衣护检测模块监测衣护数据和设备状态并发送至控制执行模块，根据能耗检测模块计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量，通过控制执行模块获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数；

本发明通过衣服识别模块对放入护理机的衣服进行识别衣服特征，根据衣服特征获取衣服的最佳护理参数，可以提高对衣服护理的精准性和高效性，能够实现衣物护理的个性化、精准化和智能化，根据数据采集模块用于判断衣服的接触的环境数据、褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数，通过获取衣物在不同环境下的暴露情况，量化衣服污染物对衣服的污染情况，可以针对不同的环境条件调整护理方案，根据能耗检测模块计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量，用户可以通过智能设备进行远程操控和监控，无需亲自到现场进行复杂的设置和操作，同时可以节约能耗，让消费者的日常生活变得更加便利和环保。通过控制执行模块获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数，为人们带来全新的衣物护理体验。

附图说明

图1为本发明中制作平台的系统结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

实施例

请参阅图1，本发明提供一种技术方案：

一种基于物联网的衣物智能护理机，包括衣服识别模块、数据采集模块、衣护检测模块、能耗检测模块和控制执行模块，其中：

所述衣服识别模块用于建立基于卷积神经网络的衣服识别模型，通过对放入护理机的衣服进行识别衣服特征，包括款式、材质、织物密度、衣服大小，所述款式包括外穿和内穿，并根据衣服特征，对衣服进行编号。

CNN即卷积神经网络，是一种专门用于处理具有网格结构数据，例如图像数据的深度学习模型，CNN在图像处理中的作用尤为突出，因为其独特的架构能够有效捕捉图像中的空间和局部信息，使其在图像识别任务中表现优异。

CNN具有卷积层，可以对图像中的局部特征进行学习，对于复杂图案和材质的识别非常有效，CNN的卷积操作使得模型学习到的参数在整个图像空间中共享，这极大地减少了模型的参数数量，提高了训练效率及模型的泛化能力。

首先使用摄像头对待护理的衣物进行拍摄，每张图像应包括整个衣物或其显著部分，确保不同角度、不同光照条件下的拍摄数据多样性，对收集的图像进行分类标注，包括材质特征例如棉、涤纶、丝绸等，和清洁特征例如灰尘度、褶皱量等，这些特征的标注需要依靠专家知识或标准设备测量，对图像进行标准化处理如缩放、裁切等，以保证输入模型的图像尺寸一致，有助于提高训练模型的效率，对处理后的图像形成训练图像集，用于对衣服识别模型进行训练。

本实施例中，所述建立基于卷积神经网络的衣服识别模型的具体步骤为；

所述模型的建立具体包括卷积层、激活层、池化层和输出层；

卷积层；通过卷积操作从输入图像的边界框和标签中提取特征，计算公式为；其中，为输入矩阵，为卷积核，为输出矩阵的坐标，卷积核在第行和第 列的值；

激活层；

其中，为卷积层输出的输出矩阵的坐标；

池化层；

其中，为输入矩阵，为最大池化输出；

输出层；

其中，为池化层的输出，为对图像中衣服特征的识别的结果，为权重，为偏置参数；

通过将包含衣服特征的图像作为模型的输入，衣服特征数据作为模型的输出，对模型进行训练。

对衣服款式分为外穿和内穿，由于外穿衣物通常暴露在环境中，更容易沾染灰尘、污染物，而内穿衣物则相对较少受到外部污染的影响。相反的是内穿衣服贴身穿着，内穿衣服更容易沾染更多汗液，产生异味。根据这一差异进行精准的护理，提高清洗效率，节约资源。内穿和外穿衣物在清洗频次和方法上有所区分，可以减少不必要的洗涤对衣物纤维的磨损，从而延长衣物的使用寿命。

所述数据采集模块用于获取用户所在区域的历史天气数据，判断衣服的接触的环境数据，包括灰尘值和湿度值，获取用户出行的路程、步数和时长，进行判断衣服的褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数。

高温可能导致用户出汗更多，进而使得衣物与皮肤接触部分受污染，温暖潮湿的环境更容易导致汗渍和异味的产生。较大风速可能携带更多空气中的灰尘，使得外穿衣物沾染更多的灰尘，高湿度会增加衣物吸水性，容易导致吸收空气中的污物和微粒，进而增加灰尘的沉积。较高的空气污染水平意味着更多的颗粒物、灰尘、烟雾，这些都会附着在外穿衣物上，使衣物更易变脏。

本实施例中，所述历史天气数据包括温度、风速、湿度、空气质量指数；

所述判断衣服的接触的环境数据的具体步骤为；

所述灰尘值的计算公式为；其中，为灰尘值，为风速，为灰尘修正系数，根据衣服材质进行取值,为空气质量指数。

灰尘值反映的是衣服在环境沾染的灰尘程度，灰尘值越高，衣服沾染的越多。

所述湿度值的计算公式为；其中，为湿度值，为空气湿度，为空气温度,为湿度修正系数，根据衣服材质进行取值。

灰尘值反映的是衣服在环境吸收的水分程度，湿度值越高，衣服吸收的水分越多。

本实施例中，所述褶皱程度的判断逻辑为；通过一段时间内的步数计算用户的步速，并与步速阈值进行比较，判断出行的剧烈情况，根据超过步速阈值的路程和未超过步速阈值的路程，对衣服的褶皱度进行计算，具体的计算公式如下；

所述步速的计算公式为；其中，为步速，为在第个时间段内的步数，为第个时间段内的时长；

当时，判断为剧烈行走；

其中，为步速阈值；

所述褶皱度的计算公式为；其中，为衣服的褶皱度，为超过步速阈值的步速，为超过步速阈值的时间段总数，为超过步速阈值的路程，为未超过步速阈值的时间段总数，为未超过步速阈值的路程，为未超过步速阈值的步速。

衣服的褶皱度反映的是衣服在出行时由于剧烈运动，产生的褶皱，由于纺织材料缺乏适应和恢复形变的化学结构，纺织材料较容易产生褶皱，当身体移动时，运动过程中，不断变化的姿势导致衣物受到不同方向的力，衣服表面受力不均匀，产生拉伸和压缩。特别是在关节处，如膝盖、肘部，反复弯曲和拉伸使得这些区域易于形成褶皱。

本实施例中，所述衣服的整洁系数的计算公式为；其中，为整洁系数，为衣服的褶皱度，为灰尘值；

整洁系数反映了衣服的整洁度，整洁系数则说明了衣服的褶皱与沾染的灰尘越多，同时清理难度越大。

所述衣服的粘连系数的计算公式为；其中，为粘连系数，为衣服的褶皱度，为湿度值；

整洁系数反映了衣服上沾染的湿度与异味的程度，整洁系数则说明了衣服的褶皱与沾染的水分与异味越多，同时清理难度越大。

所述衣护检测模块安装在护理机内部，用于获取监测数据，包括温度传感器、湿度传感器、振动传感器与噪声传感器，用于监测衣护数据和设备状态并发送至控制执行模块。

温度传感器确保衣服在护理的过程中，温度在适当的范围内，以防止衣物因过热而损坏。此外，不同类型的面料需要不同的温度来达到最佳护理效果。适当的湿度有助于去除衣物中的褶皱，也能避免过于潮湿导致的霉菌生长。湿度传感器的数据可以帮助调节衣物烘干的程度，确保衣物不会过于干燥或潮湿。过大的振动可能意味着设备运转不正常或衣物在滚筒内的位置不当。振动数据用于判断设备的运转状态，可以帮助防止功能失效或设备损坏。异常的噪声可能指示设备出现故障，如部件磨损或安装不当。通过监测噪声变化，系统能够提前预警，提醒用户进行维护。实时收集数据并进行分析，用户可以通过智能设备进行远程操控和监控，无需亲自到现场进行复杂的设置和操作，可以对环境变化做出及时调整，如调节温度和湿度，优化衣物处理效果。

所述能耗检测模块用于采集护理机每次衣护时的能耗，根据能耗与衣服数量，计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量。

通过能耗数据与处理衣物的数量结合，系统可以计算出每件衣物的护理成本，帮助用户清楚了解每次操作的能源消耗和经济成本，为选择最经济、高效的使用模式提供参考。

本实施例中，所述衣护成本的计算步骤为；

，为第次衣护时的平均成本，为第次衣护时的衣服数量，为第次衣护时的能耗；

，为衣护数量为的平均稳定成本，为第次衣护数量为的衣护平均成本，为衣护数量为的次数，为正整数 ；

，为每件衣服的衣护成本最少时的衣护数量。

控制执行模块，所述控制执行模块用于根据每件衣服编号的衣服特征，获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数。

本实施例中，护理机参数包括振动电机功率，蒸汽大小；

最佳护理参数包括除味的最佳护理参数、除尘的最佳护理参数和最佳护理温度、湿度。

制定护理策略包括除尘、除味、养护环境。

本实施例中，所述除尘的护理策略为；通过整洁系数、衣服除尘的最佳护理参数计算每件衣服的除尘力度，根据护理机内衣服的数量、衣服面积、振动电机功率，计算除尘时长；

其中，为除尘力度，为整洁系数，为衣服除尘的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除尘时长计算公式为；其中，为除尘时长，为除尘力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机振动电机功率。

除尘力度反映的是清除一件衣服上积累的灰尘所需要的能力，想要根据护理机振动电机功率判断除尘需要的时长时，还需考虑衣服的数量和每件衣服的大小，进行全方面的考虑，由于除尘时，需要抖动电机抖动，使衣服上的灰尘脱落，同时保持吹风，带走脱落的灰尘。

本实施例中，所述除味的具体策略为；通过计算每件衣服的除味力度，根据护理机内衣服的数量、衣服面积、蒸汽功率，计算除味时长；

所述除味力度计算公式为；其中，为除味力度，为粘连系数，为衣服除味的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除味时长计算公式为；其中，为除味时长，为除味力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机蒸汽大小。

除味力度反映的是清除一件衣服上积累的异味与汗渍所需要的能力，想要根据护理机蒸汽大小判断除味需要的时长时，还需考虑衣服的数量和每件衣服的大小，进行全方面的考虑，由于除味时，需要蒸汽持续喷入，使衣服上的褶软化，异味分子被蒸汽带走，同时保持吹风，带走携带异味的蒸汽，保持衣物护理机内部的空气流通。

本实施例中，所述护理温度值的计算方法为；

其中，为护理温度，为衣护中温度的最佳护理参数最大值，为衣护中温度的最佳护理参数最小值；

所述护理湿度值的计算方法为；

其中，为护理湿度，为衣护中湿度的最佳护理参数最大值，为衣护中湿度的最佳护理参数最小值。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够通过电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行，取决于技术方案的特定应用和设计约束条件。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (9)

1.一种基于物联网的衣物智能护理机，其特征在于，包括：

衣服识别模块，所述衣服识别模块用于建立基于卷积神经网络的衣服识别模型，通过对放入护理机的衣服进行识别衣服特征，包括款式、材质、织物密度、衣服大小，所述款式包括外穿和内穿，并根据衣服特征，对衣服进行编号；

数据采集模块，所述数据采集模块用于获取用户所在区域的历史天气数据，判断衣服的接触的环境数据，包括灰尘值和湿度值，获取用户出行的路程、步数和时长，进行判断衣服的褶皱程度，并根据环境数据与衣服的褶皱度计算整洁系数与粘连系数；

衣护检测模块，所述衣护检测模块安装在护理机内部，用于获取监测数据，包括温度传感器、湿度传感器、振动传感器与噪声传感器，用于监测衣护数据和设备状态并发送至控制执行模块；

能耗检测模块，所述能耗检测模块用于采集护理机每次衣护时的能耗，根据能耗与衣服数量，计算每件衣服在不同衣护数量时的衣护成本，方便用户根据衣护成本选择每次衣护的数量；

控制执行模块，所述控制执行模块用于根据每件衣服编号的衣服特征，获取衣服的最佳护理参数，结合衣服的整洁系数、粘连系数、衣服特征、护理机参数，制定护理策略的参数。

2.根据权利要求1所述的一种基于物联网的衣物智能护理机，其特征在于：所述建立基于卷积神经网络的衣服识别模型的具体步骤为；

所述模型的建立具体包括卷积层、激活层、池化层和输出层；

卷积层；通过卷积操作从输入图像的边界框和标签中提取特征，计算公式为：其中，为输入矩阵，为卷积核，为输出矩阵的坐标，卷积核在第行和第列的值；

激活层；其中，为卷积层输出的输出矩阵的坐标；

池化层；

其中，为输入矩阵，为最大池化输出；

输出层；

其中，为池化层的输出，为对图像中衣服特征的识别的结果，为权重，为偏置参数；

通过将包含衣服特征的图像作为模型的输入，衣服特征数据作为模型的输出，对模型进行训练。

3.根据权利要求1所述的一种基于物联网的衣物智能护理机，其特征在于：所述历史天气数据包括温度、风速、湿度、空气质量指数；

所述判断衣服的接触的环境数据的具体步骤为；

所述灰尘值的计算公式为；其中，为灰尘值，为风速，为灰尘修正系数，根据衣服材质进行取值,为空气质量指数；

所述湿度值的计算公式为；其中，为湿度值，为空气湿度，为空气温度,为湿度修正系数，根据衣服材质进行取值。

4.根据权利要求3所述的一种基于物联网的衣物智能护理机，其特征在于：所述褶皱程度的判断逻辑为；通过一段时间内的步数计算用户的步速，并与步速阈值进行比较，判断出行的剧烈情况，根据超过步速阈值的路程和未超过步速阈值的路程，对衣服的褶皱度进行计算，具体的计算公式如下；

所述步速的计算公式为；其中，为步速，为在第个时间段内的步数，为第个时间段内的时长；

当时，判断为剧烈行走；

其中，为步速阈值；

所述褶皱度的计算公式为；其中，为衣服的褶皱度，为超过步速阈值的步速，为超过步速阈值的时间段总数，为超过步速阈值的路程，为未超过步速阈值的时间段总数，为未超过步速阈值的路程，为未超过步速阈值的步速。

5.根据权利要求4所述的一种基于物联网的衣物智能护理机，其特征在于：所述衣服的整洁系数的计算公式为；其中，为整洁系数，为衣服的褶皱度，为灰尘值；

所述衣服的粘连系数的计算公式为；其中，为粘连系数，为衣服的褶皱度，为湿度值。

6.根据权利要求5所述的一种基于物联网的衣物智能护理机，其特征在于：护理机参数包括振动电机功率，蒸汽大小；

所述最佳护理参数包括除味的最佳护理参数、除尘的最佳护理参数和最佳护理温度、湿度；

所述制定护理策略包括除尘、除味、养护环境。

7.根据权利要求6所述的一种基于物联网的衣物智能护理机，其特征在于：所述除尘的护理策略为；通过计算每件衣服的除尘力度，根据护理机内衣服的数量、衣服面积、振动电机功率，计算除尘时长；其中，为除尘力度，为整洁系数，为衣服除尘的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除尘时长计算公式为；其中，为除尘时长，为除尘力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机振动电机功率。

8.根据权利要求6所述的一种基于物联网的衣物智能护理机，其特征在于：所述除味的具体策略为；通过计算每件衣服的除味力度，根据护理机内衣服的数量、衣服面积、蒸汽功率，计算除味时长；

所述除味力度计算公式为；其中，为除味力度，为粘连系数，为衣服除味的最佳护理参数，为衣服款式粘连值，外穿取值0.8，内穿取值0.2；

所述除味时长计算公式为；其中，为除味时长，为除味力度，为护理机内第件衣的衣服大小、织物密度，为护理机内的衣服数量，为护理机蒸汽大小。

9.根据权利要求6所述的一种基于物联网的衣物智能护理机，其特征在于：所述护理温度值的计算方法为；其中，为护理温度，为衣护中温度的最佳护理参数最大值，为衣护中温度的最佳护理参数最小值；

所述护理湿度值的计算方法为；其中，为护理湿度，为衣护中湿度的最佳护理参数最大值，为衣护中湿度的最佳护理参数最小值。