本發(fā)明涉及酒店管理，具體為一種智慧酒店客房控制系統(tǒng)、方法和存儲介質(zhì)。

背景技術：

1、隨著旅游和商務活動的快速發(fā)展，酒店行業(yè)的競爭日益激烈。傳統(tǒng)的酒店客房管理主要依賴于標準化流程，通常無法有效滿足客人多樣化和個性化的需求。隨著智慧酒店技術的不斷發(fā)展，客房控制系統(tǒng)已經(jīng)成為提升賓客體驗和優(yōu)化運營效率的重要工具。智慧酒店客房控制系統(tǒng)不僅包括傳統(tǒng)的燈光、溫度和娛樂系統(tǒng)的智能化管理，還逐漸將客房清潔與打掃納入其中?？头看驋咭殉蔀橹腔劬频昕头靠刂频闹匾h(huán)節(jié)之一?，F(xiàn)有的酒店管理系統(tǒng)通常注重于客房的基礎設施和服務標準的統(tǒng)一，但在客房打掃的靈活性和個性化方面存在顯著不足。特別是在連續(xù)續(xù)住客房的清潔和維護方面，未能充分考慮客人對清潔頻率、時間安排和服務內(nèi)容的獨特偏好。不僅浪費了人力和物力資源，還可能打擾到客人的休息或工作；相反，當客人真正需要清潔服務時，又未能在他們期望的時間內(nèi)進行打掃。

2、在現(xiàn)有技術中，未充分考慮客人行程安排以及客房是否被占用，可能導致清潔人員在客人尚在房間時上門打掃，影響客人的隱私和舒適度。同時，未考慮客人的個性化清潔需求，例如清潔的頻率、具體的清潔時間段以及針對房間內(nèi)特定區(qū)域或物品的特殊處理要求。同時，在現(xiàn)有技術中缺少一種客觀的評估方法，通常依賴于目視檢查、標準化的清潔檢查表或住客反饋，這些方法通常存在主觀性強、效率低和難以標準化的問題。因此，現(xiàn)有技術在靈活性、服務定制化以及自動化評估流程方面存在不足，難以提供個性化的清潔服務和精確的客房打掃質(zhì)量評估，最終可能導致住客對酒店服務體驗的降低。

3、為此，提出一種智慧酒店客房控制系統(tǒng)、方法和存儲介質(zhì)。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種智慧酒店客房控制系統(tǒng)、方法和存儲介質(zhì)，首先根據(jù)客房的預訂信息判斷是否為同一住客的連續(xù)入住。若為連續(xù)入住，獲取所述住客的行程信息，根據(jù)所述行程信息得到至少一個打掃時間段；獲取住客自定義需求數(shù)據(jù)。在打掃時間段內(nèi)，結合客房的打掃間隔時間，決定是否立即進行清潔操作。當檢測到住客外出或接收到允許打掃的反饋信息的情況下，系統(tǒng)派遣酒店機器人前往客房進行打掃，機器人利用其機械手執(zhí)行開合、推拉等操作，并通過攝像頭采集客房內(nèi)的多角度圖像。同時，機器人配備的rfid讀取器能夠準確識別客房內(nèi)貼有rfid標簽的物品，確保打掃后的物品擺放符合標準。系統(tǒng)通過訓練好的語義提取模型對圖像進行分析，生成結構化數(shù)據(jù)。該模型通過深度分析多張客房圖像的特征，自動提取語義信息，包括物品的種類、位置和數(shù)量。它確保系統(tǒng)能夠精準理解和記錄客房內(nèi)物品的擺放情況，并將其與標準整理規(guī)則比對，避免了傳統(tǒng)檢查中的誤差和遺漏，從而提高檢測的全面性和準確性。系統(tǒng)還通過整潔評分模型對客房整潔度進行量化評估。如果整潔度評分低于預設標準，系統(tǒng)將自動通知打掃人員進行復查。整潔評分模型通過將實時采集的客房圖像與預存的標準圖像進行比對，檢測物品的變化情況，并生成量化的整潔度評分。該模型不僅能夠有效識別客房內(nèi)的異常情況，如黑名單物品，還能夠通過整潔度評分快速評估清潔工作的質(zhì)量，確?？头渴冀K符合高標準的整潔要求。通過智能機器人和圖像分析技術的結合，該方法實現(xiàn)了高效、標準化的客房清潔管理，顯著提升了住客的入住體驗和滿意度。為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

2、根據(jù)本公開的第一方面，提供了一種智慧酒店客房控制系統(tǒng)，包括：

3、連續(xù)入住判斷模塊，用于獲取使用狀態(tài)為占用的客房的預訂信息；根據(jù)所述預訂信息判斷所述客房是否被同一住客續(xù)訂，得到連續(xù)入住標簽；

4、行程與需求獲取模塊，用于當所述連續(xù)入住標簽為是時，獲取所述住客的行程信息，根據(jù)所述行程信息得到至少一個打掃時間段；獲取所述住客自定義的打掃需求信息，得到自定義需求數(shù)據(jù)；

5、打掃時間管理模塊，用于在所述打掃時間段內(nèi)，獲取所述客房的最新打掃時間；根據(jù)所述最新打掃時間和當前時間得到打掃間隔時間，若所述打掃間隔時間超過預設閾值，檢測所述住客的狀態(tài)，生成住客狀態(tài)，包括外出和非外出；

6、提醒與反饋模塊，用于當所述住客狀態(tài)為非外出時，向所述住客發(fā)送提醒信息并接收反饋信息；

7、打掃與質(zhì)檢模塊，用于當所述住客狀態(tài)為外出或所述反饋信息為允許打掃時，根據(jù)所述打掃需求信息對所述客房進行打掃；通過酒店機器人采集打掃后的客房圖像；將所述客房圖像輸入訓練好的客房圖像語義提取模型，得到第一語義信息；將所述第一語義信息解析為第一結構化數(shù)據(jù)，包括物品種類、物品位置和物品數(shù)量；將所述第一結構化數(shù)據(jù)與客房整理規(guī)則進行比對；若未通過比對，向打掃人員發(fā)送通知。

8、進一步地，所述客房圖像語義提取模型包括：

9、輸入層，用于接收多張包括所述客房各個區(qū)域的所述客房圖像；圖像預處理層，用于對所述客房圖像進行預處理，包括大小調(diào)整、去噪、顏色空間轉(zhuǎn)換和歸一化，得到預處理客房圖像；卷積神經(jīng)網(wǎng)絡層，用于提取所述預處理客房圖像的特征，得到客房特征圖；區(qū)域分割層，用于分割所述客房特征圖中的不同區(qū)域；物品檢測層，用于識別所述區(qū)域中的物品，并確定其位置和種類；特征融合層，用于將所述不同區(qū)域和所述物品的特征進行融合，得到融合特征圖；語義信息提取層，用于從所述融合特征圖中提取語義信息；文本生成層，用于將所述語義信息轉(zhuǎn)換為自然語言描述；輸出層，用于輸出所述自然語言描述。

10、根據(jù)本公開的第二方面，提供了一種智慧酒店客房控制方法，包括以下步驟：

11、獲取使用狀態(tài)為占用的客房的預訂信息；根據(jù)所述預訂信息判斷所述客房是否被同一住客續(xù)訂，得到連續(xù)入住標簽；

12、若所述連續(xù)入住標簽為是，獲取所述住客的行程信息，根據(jù)所述行程信息得到至少一個打掃時間段；

13、獲取所述住客自定義的打掃需求信息，得到住客自定義需求數(shù)據(jù)；

14、在所述打掃時間段內(nèi)，獲取所述客房的最新打掃時間，根據(jù)所述最新打掃時間和當前時間得到打掃間隔時間，若所述打掃間隔時間超過預設閾值，檢測所述住客的狀態(tài)，生成住客狀態(tài)，包括外出和非外出；

15、若所述住客狀態(tài)為非外出，向所述住客發(fā)送提醒信息并接收反饋信息；若所述住客狀態(tài)為外出或所述反饋信息為允許打掃，根據(jù)所述打掃需求信息對所述客房進行打掃；通過酒店機器人采集打掃后的客房圖像；將所述客房圖像輸入訓練好的客房圖像語義提取模型，得到第一語義信息；將所述第一語義信息解析為第一結構化數(shù)據(jù)，包括物品種類、物品位置和物品數(shù)量；將所述第一結構化數(shù)據(jù)與客房整理規(guī)則進行比對；若未通過比對，向打掃人員發(fā)送通知。

16、進一步地，檢測所述住客的狀態(tài)，生成所述住客狀態(tài)包括：

17、根據(jù)所述打掃時間段獲取影像采集時間段，在所述影像采集時間段內(nèi)通過第一攝像頭采集酒店門口的出入活動影像，通過第二攝像頭采集所述客房外走廊處的影像，通過酒店的攝像系統(tǒng)獲取酒店公共區(qū)域的影像，分別得到第一酒店影像、第二走廊影像和第三公共區(qū)域影像；記錄所述住客分別在所述第一酒店影像、所述第二走廊影像和所述第三公共區(qū)域影像中出現(xiàn)的最晚時間，得到第一時間、第二時間和第三時間；若所述第一酒店影像、所述第二走廊影像和所述第三公共區(qū)域影像中均未識別到所述住客或所述第二時間為最晚時間時，所述住客狀態(tài)為非外出。

18、進一步地，根據(jù)所述打掃需求信息對所述客房進行打掃包括：

19、若所述打掃需求信息為空，按照酒店的標準清潔規(guī)范對所述客房進行打掃。

20、進一步地，通過所述酒店機器人采集打掃后的所述客房圖像包括：接收所述打掃人員發(fā)送的第一結束信息，派遣所述酒店機器人至所述客房；所述酒店機器人按照預設路線移動，并在所述客房內(nèi)進行多角度拍攝，采集各個區(qū)域的所述客房圖像；

21、所述酒店機器人配備rfid讀取器，所述客房內(nèi)的指定物品上貼有rfid標簽；

22、所述酒店機器人配備可移動機械臂；所述可移動機械臂末端連接有機械手，所述機械手用于執(zhí)行開合動作和推拉動作，所述機械手上安裝有攝像頭；所述攝像頭用于采集所述客房圖像。

23、進一步地，所述客房圖像語義提取模型的訓練過程包括以下步驟：

24、獲取客房圖像訓練樣本和對應的語義標簽，所述語義標簽為一段描述文本，所述描述文本包括地點、物品種類、物品數(shù)量和位置關系；所述位置關系包括物品的具體位置和物品之間的相對位置關系；通過所述客房圖像訓練樣本和對應的所述語義標簽對所述客房圖像語義提取模型進行訓練，根據(jù)所述客房圖像語義提取模型的損失值調(diào)整所述客房圖像語義提取模型的參數(shù)直至滿足訓練終止條件。

25、進一步地，所述客房圖像語義提取模型包括：

26、輸入層，用于接收多張包括所述客房各個區(qū)域的所述客房圖像；圖像預處理層，用于對所述客房圖像進行預處理，包括大小調(diào)整、去噪、顏色空間轉(zhuǎn)換和歸一化，得到預處理客房圖像；卷積神經(jīng)網(wǎng)絡層，用于提取所述預處理客房圖像的特征，得到客房特征圖；區(qū)域分割層，用于分割所述客房特征圖中的不同區(qū)域；物品檢測層，用于識別所述區(qū)域中的物品，并確定其位置和種類；特征融合層，用于將所述不同區(qū)域和所述物品的特征進行融合，得到融合特征圖；語義信息提取層，用于從所述融合特征圖中提取語義信息；文本生成層，用于將所述語義信息轉(zhuǎn)換為自然語言描述；輸出層，用于輸出所述自然語言描述。

27、進一步地，將所述第一結構化數(shù)據(jù)與所述客房整理規(guī)則進行比對包括：

28、若所述住客自定義需求數(shù)據(jù)為空，將客房標準整理規(guī)則作為所述客房整理規(guī)則；

29、若所述住客自定義需求數(shù)據(jù)不為空，將所述自定義需求數(shù)據(jù)與所述客房標準整理規(guī)則進行整合，得到第一校正規(guī)則，將所述第一校正規(guī)則作為所述客房整理規(guī)則；

30、根據(jù)所述客房整理規(guī)則，得到第二結構化數(shù)據(jù)；

31、根據(jù)所述第一結構化數(shù)據(jù)與所述第二結構化數(shù)據(jù)計算物品種類匹配率、物品位置匹配率和物品數(shù)量匹配率；

32、所述物品種類匹配率的計算公式為：

33、

34、其中，m1表示所述物品種類匹配率；v表示所述第一結構化數(shù)據(jù)與所述第二結構化數(shù)據(jù)中物品種類一致的個數(shù)；v表示所述第二結構化數(shù)據(jù)中物品種類的總數(shù)量；

35、所述物品位置匹配率的計算公式為：

36、

37、其中，m2表示所述物品位置匹配率；l表示所述第一結構化數(shù)據(jù)與第二結構化數(shù)據(jù)中物品位置一致的個數(shù)；v表示所述第二結構化數(shù)據(jù)中物品種類的總數(shù)量；

38、所述物品數(shù)量匹配率的計算公式為：

39、

40、其中，m3表示所述物品數(shù)量匹配率；n表示所述第一結構化數(shù)據(jù)中物品數(shù)量大于或者等于所述第二結構化數(shù)據(jù)中對應物品數(shù)量的次數(shù)；v表示所述第二結構化數(shù)據(jù)中物品種類的總數(shù)量；

41、若所述物品種類匹配率、所述物品位置匹配率和所述物品數(shù)量匹配率均為1，記為通過比對，否則，則記為未通過比對。

42、進一步地，所述方法還包括：

43、通過所述酒店機器人按照預設路線預先采集所述客房的客房預存圖像，所述客房預存圖像為按照客房標準整理規(guī)則打掃后的所述客房內(nèi)各個區(qū)域的圖像；

44、將所述客房圖像與所述客房預存圖像進行匹配，得到n個圖像對；將訓練好的n個所述圖像對輸入訓練好的整潔評分模型，得到n個整潔度評分；n為所述客房圖像的總數(shù)量；

45、所述整潔評分模型包括：

46、輸入層，用于接收所述圖像對；預處理層，用于對所述圖像對進行預處理，包括大小調(diào)整、去噪、顏色空間轉(zhuǎn)換和歸一化，得到預處理圖像對；變化檢測層，用于計算所述預處理圖像對之間的差值圖像，將所述差值圖像進行二值化處理，得到二值圖；變化區(qū)域提取層，用于從所述二值圖中提取變化區(qū)域；黑名單物品檢測層，用于對所述變化區(qū)域進行物品識別，檢測所述物品中是否包含黑名單物品，得到黑名單檢測結果；整潔度評分生成層，用于基于所述黑名單檢測結果和預設規(guī)則生成整潔度評分；輸出層，用于輸出n個所述整潔度評分；

47、計算n個所述整潔度評分的平均值，得到客房整潔度評分；若所述客房整潔度評分小于預設閾值，向所述打掃人員發(fā)送通知。

48、根據(jù)本公開的第三方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時現(xiàn)如本公開第二方面實施例提出的方法。

49、與現(xiàn)有技術相比，本發(fā)明的有益效果為：

50、1、本發(fā)明將客房打掃與客房評估分離，顯著提升了清潔管理的整體效率和準確性。清潔人員專注于清潔任務，而酒店機器人負責采集打掃后的客房圖像，實現(xiàn)了高效、準確的客房清潔質(zhì)量檢測。通過接收打掃人員發(fā)送的第一結束信息，系統(tǒng)能夠自動派遣酒店機器人至客房進行多角度拍攝，確保覆蓋客房內(nèi)的各個區(qū)域。機器人配備的可移動臂和攝像頭使其能夠靈活應對不同拍攝角度和位置的需求，并通過rfid讀取器識別指定物品上的rfid標簽，能夠準確定位和識別特定物品的位置，即使這些物品被隱藏或放置在難以拍攝到的地方。rfid標簽無需視線接觸，機器人能夠在較短的時間內(nèi)快速掃描和識別標簽，從而確保所有物品的存在和位置都被檢測到。該方法提供了一種公正、客觀的客房圖像采集方法，不僅提高了客房清潔管理的自動化水平，還有助于提高住客對客房服務的滿意度。

51、2、本發(fā)明通過引入客房圖像語義提取模型，能夠從多張客房圖像中提取語義信息，并將其轉(zhuǎn)換為自然語言描述，使得客房內(nèi)物品的種類、數(shù)量和位置關系得以精確識別和記錄。相比于傳統(tǒng)的檢查方法，該模型通過深度學習技術進行訓練，能夠自動適應不同的客房布局和物品擺放，實現(xiàn)高效、穩(wěn)定的圖像處理和語義提取。通過預處理、特征提取、區(qū)域分割、物品檢測、特征融合和語義信息提取等多層處理，客房圖像語義提取模型能夠全面覆蓋客房內(nèi)各個區(qū)域，準確識別每個物品的具體位置和相對位置關系，生成詳細的自然語言描述。這不僅提高了客房清潔質(zhì)量檢測的自動化水平，減少了傳統(tǒng)方法中主觀判斷帶來的偏差，還顯著提升了檢測的準確性和一致性。最終，通過準確的數(shù)據(jù)分析和自然語言描述，酒店管理人員能夠更全面地了解客房的清潔狀態(tài)和物品擺放情況，從而進一步提升住客滿意度。

52、3、本發(fā)明中酒店機器人按照預設路線采集客房預存圖像，并將其與打掃后的客房圖像進行匹配，通過對比分析得到客房的整潔度評分。整潔評分模型包括圖像預處理、特征提取、變化檢測、黑名單物品檢測和整潔度評分生成等多個處理層，能夠全面、細致地分析客房內(nèi)物品的位置、種類和數(shù)量的變化。黑名單物品檢測層能夠識別和定位不符合標準的物品，確保所有物品的存在和位置都被精確檢測。通過計算多個整潔度評分的平均值，系統(tǒng)能夠提供全面、客觀的客房整潔度評估結果。相比于傳統(tǒng)的檢查方法，該方法減少了人力成本和主觀判斷帶來的偏差，提高了檢測結果的準確性和一致性。自動化的整潔度評分過程不僅提升了酒店清潔管理的效率，還通過及時反饋和預警機制，確?？头渴冀K保持最佳狀態(tài)，顯著提高了住客滿意度。