从“刷够两分钟”到“刷得对不对”——一场口腔护理的智能化变革

“每天刷牙两次，每次两分钟”——这条口腔健康建议几乎人人皆知。但现实是，大多数人的刷牙方式并不正确。口腔疾病影响着全球超过37亿人，而其中大部分问题通过正确的刷牙技术是可以预防的。刷牙力度、刷头定位、运动轨迹、覆盖范围和时间，这些关键技术指标高度个性化，如果没有及时的反馈，人们很难自行纠正。

电动牙刷的AI评分功能，正是为了解决这个痛点而诞生的。它让牙刷从单纯的清洁工具进化为一位“随身口腔教练”，在每次刷牙结束后给出量化评分，帮助用户持续改善刷牙习惯。那么，这个评分究竟是如何算出来的？

第一步：让牙刷“感知”你在怎么刷

AI评分的基础是数据。一把搭载AI评分功能的电动牙刷，通常需要配备多种传感器来全方位捕捉刷牙行为。

六轴运动传感器是核心感知元件。 它由三轴加速度计和三轴陀螺仪组成，能够以高频率采集刷头的三维加速度、角速度等运动数据。通过四元数解算，系统可以精确计算出牙刷在口腔中的俯仰角、偏航角和翻滚角，即牙刷的姿态信息。简单来说，传感器能“知道”你的牙刷现在是横着刷上排牙齿，还是竖着刷内侧齿面。

压力传感器负责监测刷牙力度。 它实时采集刷毛对牙齿施加的压力值，当力度过大时触发提醒，甚至在部分高端产品中自动降低电机输出功率以保护牙龈。

部分前沿产品还引入了光谱传感器和声学传感器。 光谱传感器通过特定波长的光照射牙齿表面，根据反射光强度来计算菌斑附着程度；声学传感器则通过分析刷牙过程中产生的声音信号来评估刷牙效率。

这些传感器以每秒数百次甚至上千次的频率同步采集数据，构成了一条持续、密集的刷牙行为数据流。

第二步：用AI“读懂”这些数据

传感器采集的原始数据本身只是一堆数字。真正让这些数字变得有意义的，是背后的AI算法模型。

目前行业内主要采用两条技术路线。第一条是传统机器学习路线：以随机森林模型为代表，将传感器数据按照0.2秒的时间间隔进行预处理，提取姿态角等特征后输入训练好的分类模型，判断当前时刻牙刷处于哪种刷牙状态。这种方法计算量小、响应快，适合在牙刷内置芯片上运行。

第二条是深度学习路线：以时间卷积网络（TCN）为代表，直接对连续的传感器时序数据进行端到端的学习和分类。香港科技大学的一项研究显示，基于TCN的接触模式分类器在10种刷牙模式上达到了98.58%的准确率，能够同时监测接触位置、运动方式和力度。

更有研究团队将传感器数据与深度强化学习结合，通过注意力机制的长短期记忆网络（AT-LSTM）实现细粒度的刷牙姿态识别，准确率高达98.8%。

第三步：从数据到分数的“翻译”

算法识别出刷牙行为后，下一步就是将这些信息转化为用户能看懂的分数。

目前主流的评分体系通常采用百分制，综合以下几个核心维度：

刷牙总时长。 是否达到了牙医建议的两分钟标准，这是最基础的指标。各评分系统通常将2分钟设为满分基准，不足则按比例扣分。

刷牙覆盖率。 通过姿态识别和位置追踪技术，系统可以判断牙刷是否到达了口腔的各个区域。一些先进方案已将口腔划分为6个区域、16个齿面进行精细追踪，刷牙盲区检出率可达90%以上。

刷牙均匀率。 不仅看是否覆盖了每个区域，还要看各区域的刷牙时间是否均衡。如果前牙区刷了60秒而后牙区只刷了10秒，即使总时长够两分钟，均匀率也会偏低。

刷牙姿态正确率。 系统会将用户的实际刷牙姿态与标准巴氏刷牙法的基准数据进行比对，判断刷牙角度是否正确、是否存在过度横刷等问题。

最终的刷牙得分通常是上述各项维度的加权平均值。例如，有的方案将刷牙时长、覆盖率和均匀率三项分数的平均值作为最终得分，满分为100分。部分方案还引入了压力安全评估，当压力值偏离合理范围时进行额外扣分。

端侧AI与云端AI：两种算力路径

在实际产品实现中，AI评分有两种部署方式。

端侧AI将算法模型直接部署在牙刷的嵌入式芯片上，利用TinyML等技术在本地完成推理。飞利浦2026年推出的Sonicare DiamondClean 9900 Prestige便采用了端侧AI方案，搭载第三代AI与机器学习模型，在刷牙过程中即时呈现覆盖情况和压力大小，无需依赖网络连接。这种方案响应速度快、隐私保护好、功耗也更低。

云端AI则将传感器数据通过蓝牙传输到手机App，由手机或云端服务器完成复杂的模型推理。这种方案适合需要大规模数据训练和持续模型迭代的场景，但对网络连接有依赖。

目前行业趋势是端云协同：端侧负责实时反馈和即时提醒，云端负责长期数据分析和个性化建议生成。

多传感器融合：AI评分的下一个前沿

单一传感器的感知能力始终有限。六轴传感器虽然能识别姿态，但容易受到手部抖动和刷头加速度的干扰，导致区域误判率偏高。因此，多传感器自适应加权融合正在成为行业的技术方向。

重庆登康口腔最新申请的专利展示了一种前沿方案：同步采集姿态、压力、光谱和声学四类数据，利用D-S证据理论融合多传感器证据，输出区域置信度分布与行为模式标签，再结合可靠性因子动态生成加权系数，得到综合清洁度估计值。在此基础上，以菌斑指数、刷牙效率评分和压力安全阈值为约束，建立多目标优化函数，实时求解最优振动频率与振幅，实现从“评分”到“调控”的闭环。

这意味着，AI评分不再只是刷牙后的一个数字，而是正在演变为实时驱动牙刷参数调整的智能决策中枢。

西马龙在AI口腔护理领域的技术积累

作为深耕口腔健康领域超过12年的科技企业，深圳市西马龙科技有限公司在电动牙刷智能化方向持续投入研发。公司拥有超过12年行业经验的资深研发团队，累计获得100余项专利及软件著作权，从核心驱动电机、智能互联系统到产品外观结构，全链条坚持自主创新。

在AI评分技术方向上，西马龙已推出搭载可视化智能显示屏的V1电动牙刷，通过屏幕实时显示刷牙时间、模式和力度，并融入AI洁牙评分技术，增强刷牙的互动性与科学性。同时，公司在六轴定位技术、防飞溅压力感应系统、伺服电机45°科学摆幅等核心技术上持续突破，为AI评分算法的精准运行提供了坚实的硬件基础。

在更广泛的口腔健康产品矩阵中，西马龙还自研了超氧杀菌护理技术，其O12超氧杀菌冲牙器通过电解模块产生臭氧水，经权威机构检测对大肠杆菌、幽门螺旋杆菌等致病菌的杀菌率高达99.97%以上，形成了“电动牙刷+冲牙器+超氧护理”三位一体的口腔健康解决方案。

结语

电动牙刷的AI评分，本质上是一个“感知—识别—评估—反馈”的完整技术闭环。从传感器采集运动数据，到AI算法识别刷牙行为，再到多维度评分模型的综合计算，每一步都凝聚着传感技术、机器学习算法和口腔医学知识的交叉融合。随着多传感器融合技术和端侧AI算力的进一步发展，AI评分将变得更加精准、更加个性化，最终实现从“告诉你刷得怎么样”到“帮你刷得更好”的跨越。对于口腔健康产品制造商而言，掌握这一技术链条的核心能力，正在成为面向智能化时代的关键竞争力。