让“人工式”清洁成为可能。
对于扫地机器人而言，脏污识别并非是个新概念，从2022年开始就有厂商提出，只是相较于其它方面的“内卷”，厂商们最初对它的重视程度并不高，目前脏污识别的识别率和类型也都不太理想。但随着清洁需求的提升，机器人需要具备更智能、更高效率的清洁策略，而脏污识别成为了一个必要条件。
想象一下，当机器人通过识别垃圾、判定脏污程度、检测地面，生成AI垃圾热点图，并能自主决策并执行清洁几遍、清洁力度（毛刷压力和速度、出水量等）、清洁多久等清洁策略，或许才真正实现Hands-free。
目前，市面上绝大多数扫地机器人均不具备脏污识别能力，由于系统无法感知场景中哪里脏、脏污是什么、哪里容易脏，所以都采用了平均化、全覆盖的清扫方案，这种“以勤补拙”的方式显然已不能适用当下的清洁要求。
以实际家庭场景为例，每个区域的脏污程度和脏污类型都不同，如沙发旁边多零食残渣和饮料液体、厨房地面多厨余污渍等，但机器人对于不同区域，清洁方式始终是一致的，且无法判断清洁结果，就会出现重污区域没有清理干净，若采用多遍清扫，又会导致重复清扫，耗能增加，整体清洁效率低，体验感下降等问题。
需要承认的是，脏污识别技术不能“包治百病”，机器人也仍达不到人的灵活性，但它却能帮助机器人做到最大程度的“人工式”清洁，有效减少人工干预，提升机器人的清洁效率和质量。因此，作为提升机器人作业表现的重要技术，INDEMIND对脏污识别进行了集中研发，目前在行业内已率先取得突破。
INDEMIND脏污识别技术是基于INDEMIND融合摄像头、高清摄像头、补光灯等，进行模块化、小型化、一体化设计的视觉模组，配合自研图像算法，实现脏污检测功能。目前，INDEMIND脏污识别技术支持任何地面材质、花色、光线下的透明、半透明，不透明液体及干涸污渍识别、颗粒状脏污识别、粉末状脏污识别。
在实际测试中，针对不同花色的地板，不同程度的液体脏污（奶茶、牛奶、咖啡、水、酱油、油等）、固体脏污（面包屑、方便面渣、沙砾、碎纸片等），机器人均能有效识别，处于行业领先水平。
INDEMIND机器人脏污识别演示
在清洁过程中，机器人能够将脏污检测结果及位置与场景地图和轨迹进行叠加，实现全场景的脏污地图管理。
基于立体视觉的全品类全场景脏污识别技术，为扫地机带来主动清洁能力革命和清洁模式革命。一方面，机器人不再受制于清洁结构和自身重量，对重度脏污可以执行多次清洁及清洁成果检测策略，提升清洁能力上限;并且不再受制于定期清洁计划，具备主动脏污巡检和作业能力。
另一方面，针对不同脏污类型可定制自主清洁策略。以智能作业为例，机器人在清洁过程中，通过自主判断前方脏污的类型和程度，如识别到重度液体脏污（酱油），机器人将会针对此区域进行单独清扫，避免拖布污染其他区域，并根据地面清洁结果，执行小范围内的二次或多次清洁。
在方案应用上，脏污识别技术已应用到INDEMIND家用机器人导航方案「家用机器人AI Kit」，该方案基于一体化立体视觉模组，搭载自研的INDEMIND OS Lite家用机器人AGI系统，可为机器人实现导航定位、智能避障、路径规划、决策交互等多种核心功能，是包含软硬件的ALL IN ONE解决方案。相较于激光融合方案，成本只有其1/3，且功能表现也有着明显提升，可广泛应用于家用扫地、陪护、教育、玩具等家用机器人。
