1.一种物品清洗方法，其特征在于，包括：获取待清洗物品的三维轮廓信息以及所述三维轮廓信息中各个轮廓点的颜色信息；

将所述待清洗物品的三维轮廓信息和所述待清洗物品的颜色信息输入经过训练的神经网络模型中，得到待清洗物品的物品类别；

将所述待清洗物品的颜色信息与所述物品类别对应的颜色信息进行比对，确定所述待清洗物品的污损区域；

获取所述物品类别对应的第一清洗策略和第二清洗策略，根据所述待清洗物品的污损区域、所述第一清洗策略和所述第二清洗策略生成第一清洗指令并将所述第一清洗指令发送至清洗执行装置，所述第一清洗指令用于控制所述清洗执行装置根据所述第一清洗策略对所述待清洗物品的非污损区域进行清洗，根据所述第二清洗策略对所述待清洗物品的污损区域进行清洗。

2.如权利要求1所述的物品清洗方法，其特征在于，所述经过训练的神经网络模型的训练方法包括：

获取样本物品的三维轮廓信息和所述样本物品的颜色信息；

将所述样本物品的三维轮廓信息和所述样本物品的颜色信息输入预设的神经网络模型中进行训练，得到经过训练的神经网络模型。

3.如权利要求1所述的物品清洗方法，其特征在于，所述将所述待清洗物品的三维轮廓信息和所述待清洗物品的颜色信息输入经过训练的神经网络模型中，得到待清洗物品的物品类别包括：

将所述待清洗物品的三维轮廓信息和所述待清洗物品的颜色信息输入经过训练的神经网络模型中，得到所述待清洗物品与各个物品类别的匹配概率；

若存在大于或等于预设概率阈值的匹配概率，则将匹配概率的最大值对应的物品类别判定为所述待清洗物品的物品类别。

4.如权利要求3所述的物品清洗方法，其特征在于，所述方法还包括：若不存在大于或等于预设概率阈值的匹配概率，则提示匹配失败。

5.如权利要求1所述的物品清洗方法，其特征在于，所述方法还包括：获取清洗后的物品的颜色信息；

将所述清洗后的物品的颜色信息与所述物品类别对应的颜色信息进行比对，确定所述清洗后的物品的污损区域；

若所述清洗后的物品的污损区域大于或等于预设区域阈值，则根据所述清洗后的物品的污损区域、所述第一清洗策略和所述第二清洗策略生成第二清洗指令并将所述第二清洗指令发送至所述清洗执行装置，以指示所述清洗执行装置重新执行清洗操作直至所述清洗后的物品的污损区域小于预设区域阈值，或清洗次数大于预设次数阈值。

6.一种物品清洗装置，其特征在于，包括：信息获取模块，用于获取待清洗物品的三维轮廓信息以及所述三维轮廓信息中各个轮廓点的颜色信息；

类别识别模块，用于将所述待清洗物品的三维轮廓信息和所述待清洗物品的颜色信息输入经过训练的神经网络模型中，得到待清洗物品的物品类别；

污损比对模块，用于将所述待清洗物品的颜色信息与所述物品类别对应的颜色信息进行比对，确定所述待清洗物品的污损区域；

清洗指令模块，用于获取所述物品类别对应的第一清洗策略和第二清洗策略，根据所述待清洗物品的污损区域、所述第一清洗策略和所述第二清洗策略生成第一清洗指令并将所述第一清洗指令发送至清洗执行装置，所述第一清洗指令用于控制所述清洗执行装置根据所述第一清洗策略对所述待清洗物品的非污损区域进行清洗，根据所述第二清洗策略对所述待清洗物品的污损区域进行清洗。

7.如权利要求6所述的物品清洗装置，其特征在于，所述装置还包括：样本信息模块，用于获取样本物品的三维轮廓信息和所述样本物品的颜色信息；

模型训练模块，用于将所述样本物品的三维轮廓信息和所述样本物品的颜色信息输入预设的神经网络模型中进行训练，得到经过训练的神经网络模型。

8.如权利要求6所述的物品清洗装置，其特征在于，所述类别识别模块包括：概率子模块，用于将所述待清洗物品的三维轮廓信息和所述待清洗物品的颜色信息输入经过训练的神经网络模型中，得到所述待清洗物品与各个物品类别的匹配概率；

类别子模块，用于若存在大于或等于预设概率阈值的匹配概率，则将匹配概率的最大值对应的物品类别判定为所述待清洗物品的物品类别。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。