近紅外光譜技術(shù)在織物智能洗護(hù)領(lǐng)域的應(yīng)用與思考

王家寶 吳雄英 丁雪梅

1.東華大學(xué)服裝與藝術(shù)設(shè)計(jì)學(xué)院 上海 200051；2.現(xiàn)代服裝設(shè)計(jì)與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東華大學(xué)） 上海 200051；3.上海海關(guān) 上海 200135

1 引言

洗衣機(jī)行業(yè)的技術(shù)發(fā)展核心是節(jié)能節(jié)水、智能化、網(wǎng)絡(luò)化。智能洗護(hù)領(lǐng)域要從智能感知、智能操作和智能網(wǎng)絡(luò)三個(gè)方面發(fā)展。能否將復(fù)雜程序的洗衣機(jī)智能化，使其能夠自動(dòng)識(shí)別衣物材質(zhì)和污漬，讓用戶能夠“傻瓜式”操作洗衣機(jī)，是未來技術(shù)突破的關(guān)鍵點(diǎn)[1]。

目前，幾乎所有的洗衣機(jī)都不具有自動(dòng)識(shí)別織物成分的功能，用戶只能選擇洗衣機(jī)面板上設(shè)定好的程序進(jìn)行洗滌，如羊毛、化纖、真絲、襯衫、羽絨服等。而衣物材質(zhì)有單一組分，也有多組分，甚至有的是新型纖維，普通消費(fèi)者很難通過有限設(shè)定的程序指導(dǎo)洗護(hù)操作。一些商家也推出了自動(dòng)識(shí)別織物材質(zhì)的技術(shù)：（1）通過織物吸水率不同判斷織物成分；（2）通過圖像傳感器采集織物圖像與數(shù)據(jù)庫匹配判斷織物成分；（3）通過內(nèi)置的重量傳感器稱重粗略判斷織物纖維成分[2]；（4）通過在洗衣機(jī)上安裝或外接信息識(shí)別器準(zhǔn)確讀取衣物中內(nèi)置RFID標(biāo)簽上包含的織物纖維類型及顏色等信息[3]。前三種方法都是模糊判斷，容易判斷錯(cuò)誤從而導(dǎo)致衣物的損壞，并且在節(jié)能節(jié)水方面也沒有優(yōu)勢(shì)。第四種方法通過RFID標(biāo)簽可以準(zhǔn)確獲得衣物材質(zhì)、顏色等相關(guān)信息，但需提前錄入織物護(hù)理信息，有一定的制作成本，且標(biāo)簽是否可多次洗滌并辨識(shí)等還存在技術(shù)難題。

近些年光譜技術(shù)在織物成分的檢測(cè)上發(fā)展迅速，近紅外光譜具有較強(qiáng)的穿透能力，織物纖維多由高聚物組成，不同高聚物含有不同的基團(tuán)，不同基團(tuán)有不同能級(jí)，對(duì)近紅外光的吸收波長(zhǎng)有明顯差別，從而獲取纖維成分及含量的有效信息。近紅外光譜技術(shù)具有快速、無損、環(huán)保、準(zhǔn)確等優(yōu)勢(shì)，可應(yīng)用于織物成分的定性及定量分析，但需要前期進(jìn)行大量的實(shí)驗(yàn)建模環(huán)節(jié)，靈敏度的提高也是通過多次檢測(cè)以及優(yōu)化建模加以改善，適用于長(zhǎng)期投入使用的過程中。本文對(duì)近紅外光譜技術(shù)在織物智能洗護(hù)領(lǐng)域的應(yīng)用場(chǎng)景進(jìn)行總結(jié)和分析。

2 近紅外光譜技術(shù)

近紅外光譜（NIR）是介于可見光（Vis）和中紅外（MIR）之間的電磁輻射波，一般指波長(zhǎng)為780～2526 nm的區(qū)域[4]，是人們?cè)谖展庾V中發(fā)現(xiàn)的第一個(gè)非可見光區(qū)。

近紅外光譜分析技術(shù)主要利用含氫基團(tuán)（C-H、N-H和O-H等化學(xué)鍵）的合頻和倍頻吸收，從而進(jìn)行不同化學(xué)組成成分的鑒別，已廣泛應(yīng)用于農(nóng)業(yè)、食品、藥物分析等領(lǐng)域[5]。

近紅外光譜技術(shù)對(duì)織物成分定性及定量分析，首先要采集一定數(shù)量樣品的近紅外光譜，對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，常見的預(yù)處理方法有微分、均值中心化、多元散射校正等，然后選擇合適的化學(xué)計(jì)量學(xué)方法[6]（如偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)、多元線性回歸等）和建模波長(zhǎng)建立校正模型，最后利用驗(yàn)證集對(duì)模型進(jìn)行驗(yàn)證、評(píng)價(jià)和優(yōu)化。

3 近紅外光譜技術(shù)在織物智能洗護(hù)領(lǐng)域的應(yīng)用

近紅外光譜技術(shù)可用來進(jìn)行化學(xué)物質(zhì)的定量分析，測(cè)定化學(xué)參數(shù)和物理參數(shù)，獲取關(guān)于顆粒樣品的更多內(nèi)部信息，所以在織物智能洗護(hù)的應(yīng)用領(lǐng)域提出了針對(duì)衣物污漬識(shí)別以及滾筒內(nèi)部和衣物上細(xì)菌識(shí)別的可行性。

在智能洗護(hù)領(lǐng)域的應(yīng)用方面，2019年3月，博世家電發(fā)布了一款創(chuàng)新產(chǎn)品X-Spect[7]，將便攜式近紅外光譜技術(shù)與洗護(hù)設(shè)備結(jié)合，實(shí)現(xiàn)日常家居生活場(chǎng)景的使用。X-Spect可以通過智能掃描識(shí)別衣物材質(zhì)和污漬類型，將數(shù)據(jù)發(fā)送到云端，并通過強(qiáng)大的數(shù)據(jù)分析能力選取一種合適的洗滌方案，最后反饋給搭載“家居互聯(lián)”功能的洗衣機(jī)，實(shí)現(xiàn)衣物洗滌的定制化。

3.1 織物成分識(shí)別

不同纖維成分衣物需要不同的洗滌護(hù)理方法，如棉織物可用各種洗滌劑，適合在水溫40～50℃時(shí)洗滌，最佳烘干溫度為110℃；羊毛織物不耐堿，應(yīng)選用中性洗滌劑，洗滌溫度不超過40℃；化纖類衣物水洗溫度不宜超過45℃，應(yīng)低溫蒸汽熨燙。目前，大多數(shù)洗衣機(jī)、干衣機(jī)和蒸汽熨斗可以針對(duì)不同衣物材質(zhì)調(diào)節(jié)參數(shù)進(jìn)行合理的護(hù)理，如何正確識(shí)別織物成分是重中之重。通過對(duì)服裝市場(chǎng)男裝、高檔女裝及嬰幼兒服裝洗護(hù)標(biāo)簽的調(diào)研結(jié)果得知，這些服裝面料的主要纖維成分有5種以上，棉纖維在各類服裝中應(yīng)用最多，且大多數(shù)服裝所用面料為混紡面料，導(dǎo)致消費(fèi)者難以自行判斷衣物材質(zhì)[8-10]。

在織物成分的定性識(shí)別方面，季惠等使用SIMCA方法建立模型，優(yōu)化光譜預(yù)處理方法，實(shí)現(xiàn)了對(duì)棉、滌綸、錦綸、羊毛的純紡紡織品識(shí)別率達(dá)到90%以上[11]；王彩虹等采集了5種羊毛混紡面料的近紅外光譜，通過歸一化預(yù)處理后利用支持向量機(jī)算法進(jìn)行分類建模，結(jié)果表明，訓(xùn)練集整體分類準(zhǔn)確率達(dá)到100%，驗(yàn)證集整體分類準(zhǔn)確率為94.87%[12-14]；楊欣卉等利用偏最小二乘法建立了棉滌氨三組分混紡織物纖維成分含量定量分析的預(yù)測(cè)模型[15]。

在織物成分的定量鑒別方面，Li L等對(duì)56份不同棉、滌綸含量的樣品進(jìn)行了近紅外光譜分析，并建立了基于郎伯-比爾定律的多元線性回歸（MLR）模型和基于小波變換（WT）的BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的近紅外光譜分析方法可用于紡織纖維的定量分析[16]；Jiang W等通過SIMCA方法和偏最小二乘法對(duì)六種植物纖維進(jìn)行建模分類，結(jié)果表明，對(duì)苧麻纖維、松木纖維、桉木纖維、烏桕纖維、亞麻纖維和蓮花纖維等六種不同類別的植物纖維鑒別率達(dá)到94%，說明該方法可以用于對(duì)不同植物纖維高精度快速的定量分析[17]。

未來，在洗衣機(jī)、干衣機(jī)以及蒸汽熨斗中內(nèi)置微型近紅外光譜儀，可以通過從衣物本身探測(cè)到的光譜信息，與光譜庫中的模型進(jìn)行匹配識(shí)別出衣物材質(zhì)，發(fā)送到后臺(tái)云數(shù)據(jù)庫中查詢對(duì)應(yīng)的洗護(hù)程序，實(shí)現(xiàn)自動(dòng)化的洗護(hù)過程，為消費(fèi)者帶來便利。

3.2 污漬識(shí)別

消費(fèi)者比較關(guān)注洗衣機(jī)的洗凈性能，將衣物洗干凈也是洗衣類產(chǎn)品的基本功能。洗滌溫度、時(shí)間、水量以及洗滌劑種類都顯著影響洗凈率，可以通過識(shí)別污漬成分調(diào)節(jié)洗滌參數(shù)，在衣物不受損傷的情況下達(dá)到精準(zhǔn)去污的目的。

K.A. Bunding Lee等比較了近紅外光譜技術(shù)與比色計(jì)對(duì)織物污漬的判別，結(jié)果表明近紅外光譜技術(shù)能夠很好地識(shí)別脂肪類污漬，以及棉織物上的草漬、油類物質(zhì)，對(duì)巧克力、化妝品、咖啡和皮脂的判別具有可行性但樣品數(shù)量不夠豐富[18]；José F.Q. Pereira等利用手持式近紅外光譜儀，通過SIMCA方法建模以及偏最小二乘法判別分析，對(duì)不同基質(zhì)材料上的人血、動(dòng)物血、紅色唇膏、辣椒醬、醬油、紅酒等紅色污漬進(jìn)行分類識(shí)別，結(jié)果表明近紅外光譜技術(shù)可以用于識(shí)別不同材質(zhì)上的血跡，但是對(duì)于不同材質(zhì)上的血跡其敏感性會(huì)有不同[19]。

這些學(xué)者的研究結(jié)果顯示，近紅外光譜技術(shù)識(shí)別不同衣物材質(zhì)上的污漬是具有可行性的。衣物污漬一般含有水分、油脂、蛋白質(zhì)、糖分等，通過對(duì)這些成分的種類和含量進(jìn)行鑒別，可判斷污漬的種類，從而選擇合適的洗滌方式。

3.3 細(xì)菌識(shí)別

奧維云網(wǎng)[20]發(fā)布的2020年第一季度中國(guó)洗衣機(jī)市場(chǎng)總結(jié)報(bào)告中指出，在疫情作用下，消費(fèi)者的健康意識(shí)快速提高，對(duì)洗衣機(jī)除菌抗菌功能的關(guān)注提升。洗衣機(jī)由于本身的結(jié)構(gòu)問題，很多部位容易殘留織物碎屑、洗滌劑等，時(shí)間久了也會(huì)發(fā)霉生銹或滋生細(xì)菌，間接對(duì)人體健康造成危害。在GB 21551.5-2010《家用和類似用途電器的抗菌、除菌、凈化功能 洗衣機(jī)的特殊要求》標(biāo)準(zhǔn)中測(cè)試的細(xì)菌主要為金黃色葡萄球菌和大腸桿菌。

Pin Wang等提出了近紅外漫反射光譜技術(shù)，使用漫反射模型分析經(jīng)光譜解析的數(shù)據(jù)，以提取局部光學(xué)特性，包括降低的散射系數(shù)和吸收系數(shù)，不同波長(zhǎng)的光學(xué)特性形成特征集，基于粒子群優(yōu)化的支持向量機(jī)用于對(duì)七種細(xì)菌進(jìn)行分類，證明利用光學(xué)特性對(duì)病原菌進(jìn)行快速無創(chuàng)分類的方法是可行的[21]；馬凱旋等利用近紅外光譜技術(shù)對(duì)大腸埃希氏菌、金黃色葡萄球菌和單增李斯特菌三種致病菌進(jìn)行鑒別，結(jié)果表明對(duì)樣品的前處理統(tǒng)一的情況下，能夠提高致病菌鑒別的準(zhǔn)確度[22]。

3.4 織物中染料識(shí)別

消費(fèi)者對(duì)家庭洗滌中衣物的掉色、褪色和串色等問題比較關(guān)注。這一系列的問題與衣物的染料有直接關(guān)系。天然染料在衣物上的附著能力低，染色工藝復(fù)雜，色牢度較差；合成染料容易上染，染色工藝大大簡(jiǎn)化，但在洗滌過程中易水解釋放出染料，對(duì)其他織物上染，造成串色現(xiàn)象[23]。染料脫附的主要原因與染料和纖維間的共價(jià)鍵的水解有關(guān)，而染料和纖維間的共價(jià)鍵水解與水質(zhì)、洗滌劑成分、溫度、溶解氧、紫外線輻射等有關(guān)[24]。選擇合適的洗滌劑、護(hù)色劑及洗滌參數(shù)可以有效避免褪色、串色等現(xiàn)象的出現(xiàn)。消費(fèi)者自身難以識(shí)別衣物染料成分，國(guó)內(nèi)外一些學(xué)者利用近紅外光譜技術(shù)成功識(shí)別附著在織物上的染料種類。

Mingxia Li等利用近紅外光譜技術(shù)，結(jié)合三種模式識(shí)別方法，即SIMCA、偏最小二乘法（PLS）和主成分分析法（PCR），用于識(shí)別植物染料和化學(xué)染料染色的棉織物，結(jié)果表明，校準(zhǔn)集和預(yù)測(cè)集的識(shí)別準(zhǔn)確率分別為100%和98.55%，近紅外光譜技術(shù)可以應(yīng)用于植物染色棉織物和化學(xué)染色棉織物的快速無損識(shí)別。Cubillas等通過運(yùn)用光纖傳感器技術(shù)評(píng)估吸收光譜，結(jié)合主成分分析法與K-均值聚類分析方法將不同染料配方分成七組，從而可以幫助鑒定具有相似吸收光譜的染料，識(shí)別出紡織品染料的顏色[25]。

4 存在問題及思考

近些年，近紅外光譜技術(shù)在織物成分識(shí)別上的應(yīng)用發(fā)展迅速，但還處于探索階段，存在一定的局限性。

4.1 近紅外光譜應(yīng)用研究中存在的問題

（1）缺乏建立光譜庫的大量樣本和判定標(biāo)準(zhǔn)

王京力等利用計(jì)算機(jī)技術(shù)統(tǒng)計(jì)了理論上進(jìn)行近紅外光譜建模所需要的樣品數(shù)量，假設(shè)常用的23種纖維并考慮最大5種纖維成分，將每組纖維組成按5%間隔建立模型，需要139311667個(gè)樣品數(shù)據(jù)點(diǎn)[26]。大部分樣品從市面上收集不到，需要專業(yè)制作。

因此，除了建庫外，一項(xiàng)新技術(shù)的發(fā)展需要標(biāo)準(zhǔn)的引領(lǐng)來實(shí)現(xiàn)規(guī)范化的操作。目前已經(jīng)有許多已制定的近紅外快速檢測(cè)紡織品原料組分行業(yè)標(biāo)準(zhǔn)和國(guó)家標(biāo)準(zhǔn)。在材質(zhì)識(shí)別方面，有FZ/T 01057.8-2012《紡織纖維鑒別試驗(yàn)方法 第八部分：紅外光譜法》[27]和GB/T 30666-2014《紡織品 涂層鑒別試驗(yàn)方法》[28]等標(biāo)準(zhǔn)；在定量檢測(cè)方面，有FZ/T 01144-2018《紡織品 纖維定量分析 近紅外光譜法》[29]。目前，標(biāo)準(zhǔn)中的檢測(cè)方法存在對(duì)實(shí)驗(yàn)環(huán)境要求嚴(yán)苛，試樣制備時(shí)間長(zhǎng)且對(duì)纖維有破壞性，不同型號(hào)的儀器檢測(cè)得到的紅外光譜圖會(huì)有差異等不足，需要更完善的標(biāo)準(zhǔn)體系對(duì)這些問題進(jìn)行指導(dǎo)。

（2）分析結(jié)果受較多因素影響

某些深色染料引起的吸光度遠(yuǎn)大于纖維本身的吸光度，需要經(jīng)過剝色處理后才能進(jìn)行檢測(cè)；正反面不同組織結(jié)構(gòu)的復(fù)合織物無法準(zhǔn)確預(yù)測(cè)其成分含量[30]；包芯紗、含有夾芯層的復(fù)合織物等[31]需要粉碎后檢測(cè)才能得到較好的預(yù)測(cè)效果。

（3）檢測(cè)環(huán)境要求嚴(yán)格

高溫高濕環(huán)境不適合進(jìn)行檢測(cè)，溫度變化導(dǎo)致空氣的相對(duì)濕度發(fā)生變化，而光路中的水蒸氣會(huì)吸收光源中的一部分能量，在光譜圖中出現(xiàn)吸收峰，影響判定結(jié)果。

（4）模型轉(zhuǎn)移問題

由于不同廠家制造的儀器其光源、分光系統(tǒng)、測(cè)樣器件、檢測(cè)器和數(shù)據(jù)處理分析系統(tǒng)都有很大不同，導(dǎo)致已有模型不能在不同儀器間實(shí)現(xiàn)數(shù)據(jù)平移，而在不同儀器上重新測(cè)量光譜, 分別建立模型，將造成巨大的工作量和財(cái)力的浪費(fèi)[32]。

（5）不能進(jìn)行痕量檢測(cè)

被測(cè)樣品中各組分含量不得少于0.1%，組分含量過小會(huì)導(dǎo)致光譜圖變化較大，檢測(cè)結(jié)果有較大偏差。但氨綸是例外，氨綸吸收峰位置比較獨(dú)特，且吸光度峰值是其他纖維的兩倍，所以即使含量很少也可以鑒別出來。

（6）難以與洗護(hù)設(shè)備結(jié)合

結(jié)合目前市面上大多數(shù)洗護(hù)設(shè)備的價(jià)格來看，近紅外光譜儀器的成本較高，不具備與洗護(hù)設(shè)備結(jié)合大批量商品化應(yīng)用的價(jià)值；目前近紅外光譜儀器的大小做到了集成在便攜式手持設(shè)備中，如果要實(shí)現(xiàn)內(nèi)置在洗護(hù)設(shè)備中，近紅外光譜儀器要向微型化進(jìn)一步發(fā)展。

4.2 研究展望

目前，近紅外光譜技術(shù)在織物成分識(shí)別上的研究較多，儀器更新較快，技術(shù)也更加成熟，但是應(yīng)用方面還沒有普及，想要進(jìn)一步的發(fā)展需要更深入的研究。針對(duì)上述存在的問題，本文提出了以下幾點(diǎn)研究展望。

（1）織物近紅外識(shí)別技術(shù)

①數(shù)據(jù)庫的建立

近紅外光譜技術(shù)的檢測(cè)都建立在樣品的基礎(chǔ)上，因?yàn)闃悠窙Q定了建模的準(zhǔn)確度，而建模決定了結(jié)果的準(zhǔn)確度。近紅外光譜技術(shù)的實(shí)現(xiàn)是基于大量樣品數(shù)據(jù)以及樣品中各組分不同含量比例分布。雖然很難采集所有織物的光譜圖，但根據(jù)紡織品的市場(chǎng)占有率，選擇占有率高的纖維成分進(jìn)行建模也能得到很好的應(yīng)用。

②不同儀器間的模型轉(zhuǎn)移

未來要建立起織物成分識(shí)別的近紅外網(wǎng)絡(luò)，實(shí)現(xiàn)數(shù)據(jù)庫的共享，這些都要建立在模型能夠在不同儀器間平移的基礎(chǔ)上。通過完善儀器加工的標(biāo)準(zhǔn)化，提高儀器的信噪比和穩(wěn)定性，減少臺(tái)間差，使得不同儀器上的測(cè)量光譜盡可能一致，這在同一類型儀器之間是可行的，但是對(duì)于不同類型的儀器，比如光柵型儀器和傅里葉變換型儀器之間就無法實(shí)現(xiàn)[32]。模型傳遞方法的研究也很有必要性，隨著儀器硬件技術(shù)水平的提高，合適的模型傳遞方法會(huì)使不同分光類型儀器之間的模型平移變得更簡(jiǎn)單和實(shí)用。

③微型化和專用型儀器的研制

目前新型的近紅外光譜儀器都應(yīng)用了MEMS技術(shù)[33]，MEMS器件具有體積小、成本低、易批量生產(chǎn)的優(yōu)勢(shì)，近紅外光譜儀器朝向微型化發(fā)展具有巨大的市場(chǎng)前景。研制紡織品領(lǐng)域的專用型儀器也是一個(gè)發(fā)展方向，目前在織物成分識(shí)別上的研究多用通用性全光譜儀器，Hengqian Zhao等提取并比較了四種不同波長(zhǎng)范圍內(nèi)天然纖維光譜特征，結(jié)果表明，在1850～2500 nm的波段內(nèi)纖維光譜特征表現(xiàn)出較大的組間差異和較小的組內(nèi)差異，更適合于纖維類型的識(shí)別[34]。研制出波段范圍更合適的專用型儀器能提高織物成分識(shí)別的準(zhǔn)確性。

（2）在智能洗護(hù)領(lǐng)域的應(yīng)用

智能洗衣機(jī)目前方向是實(shí)現(xiàn)智能洗護(hù)，可以智能感知衣物材質(zhì)，選擇不同洗滌程序，在高級(jí)階段實(shí)現(xiàn)智能聯(lián)動(dòng)[35]。根據(jù)近紅外光譜技術(shù)的特性提出了在洗護(hù)領(lǐng)域的一些新應(yīng)用：①隨著近紅外光譜儀器向微型化的進(jìn)一步發(fā)展，使其能夠放置在洗護(hù)設(shè)備的內(nèi)部受保護(hù)的位置，光源發(fā)射出的光被待測(cè)樣品反射后由探測(cè)器接收，采集光譜信號(hào)，與后臺(tái)數(shù)據(jù)庫進(jìn)行比對(duì)，實(shí)現(xiàn)織物成分識(shí)別和污漬識(shí)別等應(yīng)用，使消費(fèi)者的操作更加便捷；②通過監(jiān)測(cè)衣物上的細(xì)菌種類和含量，為用戶提供合適的除菌程序；③通過監(jiān)測(cè)洗衣機(jī)洗滌水中的微生物污染狀況，定期對(duì)洗衣機(jī)內(nèi)部結(jié)構(gòu)進(jìn)行清洗消毒；④通過衣物染料成分的識(shí)別，選擇合適的洗滌參數(shù)，同時(shí)對(duì)洗滌劑成分進(jìn)行識(shí)別，智能投放相匹配的洗滌劑、護(hù)色劑及其他洗滌助劑，防止衣物掉色、褪色及串色現(xiàn)象的發(fā)生，達(dá)到消費(fèi)者滿意的洗滌效果。

5 結(jié)論

目前，近紅外光譜技術(shù)在織物智能洗護(hù)領(lǐng)域的應(yīng)用以織物成分識(shí)別為主，在染料識(shí)別、污漬識(shí)別和細(xì)菌識(shí)別上的應(yīng)用極少。近紅外光譜技術(shù)在織物成分檢測(cè)上具有快速、無損、環(huán)保、準(zhǔn)確等優(yōu)勢(shì)而逐漸受到重視，但存在樣本數(shù)據(jù)庫難建立、實(shí)驗(yàn)環(huán)境要求高、模型轉(zhuǎn)移難度大以及難以與洗護(hù)設(shè)備結(jié)合等問題。隨著洗護(hù)行業(yè)的創(chuàng)新發(fā)展以及近紅外光譜技術(shù)的快速迭代，各大洗護(hù)設(shè)備的制造商可以加大對(duì)近紅外光譜技術(shù)與洗護(hù)設(shè)備結(jié)合及應(yīng)用的研究力度，打造個(gè)性化、智能化的洗護(hù)產(chǎn)品。

隨著近紅外光譜技術(shù)在智能洗護(hù)領(lǐng)域的進(jìn)一步發(fā)展，可在3個(gè)方向做重點(diǎn)突破：（1）通過感知衣物材質(zhì)及污漬成分，選擇合適的洗滌程序，智能投放洗滌劑；（2）在完成洗滌后給智能晾衣機(jī)發(fā)送信息，達(dá)成智能聯(lián)動(dòng)，同時(shí)晾衣機(jī)可以通過聯(lián)動(dòng)獲取衣物材質(zhì)信息進(jìn)行烘干、風(fēng)干、光除菌等操作；（3）用于洗衣機(jī)內(nèi)部環(huán)境的實(shí)時(shí)監(jiān)測(cè)和改善，滿足消費(fèi)者對(duì)健康功能的需求。