CN118581440B - 一种玻璃基板镀膜温度智能控制方法及系统 - Google Patents

Abstract

本发明涉及镀膜温度控制技术领域，具体涉及一种玻璃基板镀膜温度智能控制方法及系统，包括：获取每个时刻下玻璃基板的红外灰度图像；根据红外灰度图像中像素点在局部范围内相邻行的灰度差异以及相邻列的灰度差异分布得到像素点的辐射相似因子；根据像素点的辐射相似因子和灰度值得到每个热辐射区域；根据热辐射区域的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到热辐射区域的镀膜辐射匹配指数；根据红外灰度图像中所有镀膜辐射匹配指数的数据分布和波动情况，得到对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。本发明使得玻璃基板镀膜过程中的温度智能调控结果精度更高。

Description

一种玻璃基板镀膜温度智能控制方法及系统

技术领域

本发明涉及镀膜温度控制技术领域，具体涉及一种玻璃基板镀膜温度智能控制方法及系统。

背景技术

玻璃基板是一种表面极其平整的薄玻璃片，是平板显示产业的关键基础材料之一。主要用于构成液晶显示器件，是液晶面板的重要组成部分。随着社会信息化进程的加快和新技术发展，高端智能手机、平板电脑、平板电视和工业商业触摸屏等在国民生活中越来越普及，玻璃基板的用途也越来越广泛。为了增强玻璃基板性能和耐用性，同时提升生产质量，防止吸潮和热炸裂，改善基板表面状态，使其适应更广泛的应用场景，需要对玻璃基板进行镀膜处理。

对玻璃基板进行镀膜的方法包括蒸发镀膜法、化学气相沉积法、固体粉末喷涂法等，其中蒸发镀膜法因其具有工艺简单、环境污染小等优点而被作为玻璃基板常用的镀膜方法。在蒸发镀膜过程中，需要通过电阻丝加热使得镀膜真空室腔体内保持恒定的温度，使得玻璃基板的镀膜质量得到保证。目前，较为常见的方法是通过预先设置的固定加热功率下，分析玻璃基板表面的受热情况的均匀性，对不均匀的情况下电阻丝的加热功率进行调整。

但是，在实际加热过程中存在多根电阻丝产生热辐射时，多根电阻丝会同时产生热量并呈现圆柱状向外辐射，在玻璃基板上某些局部区域可能同时会受到两根或者多根电阻丝的热辐射影响，而呈现出条纹状温度分布现象。在这种情况下，仅通过分析玻璃基板表面的受热均匀情况，会导致玻璃基板表面的受热分析结果较不准确，进而使得加热电阻丝的加热功率调控结果也较不准确。

发明内容

为了解决现有的方法对玻璃基板表面的受热分析结果较不准确，进而使得加热电阻丝的加热功率调控结果也较不准确技术问题，本发明的目的在于提供一种玻璃基板镀膜温度智能控制方法及系统，所采用的技术方案具体如下：

第一方面，本发明提供了一种玻璃基板镀膜温度智能控制方法，包括：

在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像；

根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子；

根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数；

根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。

优选地，所述根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子，具体包括：

对于任意一张红外灰度图像中任意一个像素点，根据像素点在预设的局部范围内每相邻两行的像素点之间的灰度差异分布情况，得到像素点的行间辐射因子；

根据像素点在预设的局部范围内每列的像素点的灰度波动分布情况，得到像素点的列间辐射因子；

对所述行间辐射因子和所述列间辐射因子进行融合，确定所述任意一个像素点的辐射相似因子。

优选地，所述根据像素点在预设的局部范围内每相邻两行的像素点之间的灰度差异分布情况，得到像素点的行间辐射因子，具体包括：

将像素点的局部范围内每一行像素点的灰度值构成每行的行间灰度序列；基于每相邻的两行的行间灰度序列之间的差异距离，确定像素点的行间辐射因子，该差异距离与所述行间辐射因子呈负相关关系。

优选地，所述根据像素点在预设的局部范围内每列的像素点的灰度波动分布情况，得到像素点的列间辐射因子，具体包括：

将像素点的局部范围内每一列像素点的灰度值构成每列的列间灰度序列；基于每列的列间灰度序列中灰度值的波动程度，确定像素点的列间辐射因子，所述灰度值的波动程度与列间辐射因子呈负相关关系。

优选地，所述根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数，具体包括：

对于任意一个热辐射区域，根据热辐射区域内所有像素点的位置分布情况的线性特征，确定热辐射区域的灰度倾斜角和线性评价值；

基于所述灰度倾斜角与加热过程中电阻丝摆放方向对应角度之间的差异，结合所述线性评价值，确定热辐射区域的镀膜辐射匹配指数；该差异与所述镀膜辐射匹配指数呈负相关关系，所述线性评价值与所述镀膜辐射匹配指数呈正相关关系。

优选地，所述根据热辐射区域内所有像素点的位置分布情况的线性特征，确定热辐射区域的灰度倾斜角和线性评价值，具体包括：

基于热辐射区域内所有像素点所在位置进行线性拟合获得拟合直线，将拟合直线对应的倾斜角度作为热辐射区域的灰度倾斜角，将拟合直线对应的拟合优度作为热辐射区域的线性评价值。

优选地，所述根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数，具体包括：

对于任意一张红外灰度图像，基于所有热辐射区域的镀膜辐射匹配指数的均衡程度以及所有热辐射区域的镀膜辐射匹配指数的波动程度，得到红外灰度图像对应时刻的镀膜温度稳定指数，所述均衡程度与镀膜温度稳定指数之间呈正相关关系，所述波动程度与镀膜温度稳定指数之间呈负相关关系。

优选地，所述根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域，具体包括：

对于任意一张红外灰度图像，基于每个像素点的辐射相似因子和灰度值，构建每个像素点的二元组，利用聚类算法基于像素点的二元组之间的差异获得聚类结果；将聚类结果中每个聚类簇对应的连通区域作为热辐射区域。

优选地，所述根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制，具体包括：

基于每个时刻的镀膜温度稳定指数与电阻丝在对应时刻下的加热功率进行函数拟合，构建粒子群优化算法中的适应度函数，将所有镀膜温度稳定指数的最大值作为优化目标，利用粒子群优化算法获取镀膜加热过程中电阻丝最佳加热功率。

第二方面，本发明提供了一种玻璃基板镀膜温度智能控制系统，包括：

图像采集模块，用于在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像；

相似分析模块，用于根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子；

指数获取模块，用于根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数；

温度调控模块，用于根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。

本发明实施例至少具有如下有益效果：

本发明首先针对玻璃基板镀膜加热过程中每个时刻进行红外图像数据采集，为后续红外图像数据的特征分布情况进行分析时提供了数据基础。然后，初步考虑到受多电阻丝共同加热的热辐射影响，正常状态下的红外灰度图像中灰度分布特征横向相邻相似的特征和纵向差异较小的特征，分别对每个像素点的局部范围行灰度特征分布和列灰度特征差异分布进行分析，辐射相似因子也就可以初步表征每个像素点与正常温度状态下辐射灰度表现特征之间的相似性程度。进一步的，通过特征相似程度进行区域的划分，每个热辐射区域内灰度值较为接近，热辐射特征较为相似。并通过比较热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，量化每个热辐射区域内的形状分布符合条状纹路特征的程度。最后，综合红外灰度图像中所有热辐射区域的特征表现程度的波动和差异，对电阻丝加热温度的稳定性情况以及温度加热效果和镀膜质量的评价结果，基于评价结果可以实现对镀膜加热过程中温度进行自适应调控，避免了受热分析结果较不准确的影响，使得玻璃基板镀膜过程中的温度智能调控结果精度更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明提供的一种玻璃基板镀膜温度智能控制方法的步骤流程图；

图2是本发明提供的数据采集装置结构的示意图；

图3是本发明提供的电阻丝热量辐射的示意图；

图4是本发明提供的正常情况下玻璃基板表面红外图像；

图5是本发明提供的像素点的辐射相似因子的获取方法的步骤流程图；

图6是本发明提供的步骤S300的子步骤流程图；

图7是本发明提供的一种玻璃基板镀膜温度智能控制系统的系统框图；

图8是本发明提供的一种计算机设备结构示意图；

其中，图2中的标号表示为：1、修正挡板，2、真空室腔体，3、红外相机，4、蒸发源，5、蒸发物质，6、真空泵排出的气体，7、玻璃基板，8、加热器；

图3中标号表示为：9、电阻丝横截面，10、电阻丝向外辐射热量的轨迹。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种玻璃基板镀膜温度智能控制方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种玻璃基板镀膜温度智能控制方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种玻璃基板镀膜温度智能控制方法的步骤流程图，该方法包括以下步骤：

步骤S100，在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像。

在对玻璃基板蒸发镀膜的过程中，加热器的加热方式为电阻丝加热，通过对电阻丝通电使其产生焦耳热，每根电阻丝都额可以通过单独设定加热功率对温度进行控制。在本实施例中，加热器上缠绕的电阻丝的数量为4根。

然后，在对玻璃基板进行蒸发镀膜的过程中，实时采集加热器加热过程中每个时刻下玻璃基板表面的红外图像数据，同时，为了后续可以依据红外图像数据的分析结果针对加热器中电阻丝的功率进行调整，在每个图像采集时刻同时采集加热器中4根电阻丝的加热功率。其中，每相邻两个时刻之间的时间间隔为1秒。也即是，在每个时刻均对应一个红外图像，以及电阻丝的加热功率。同时，为了便于图像数据分析，需要对采集到的红外图像进行预处理操作，包括滤波、灰度化等，获得每个时刻下玻璃基板表面的红外灰度图像。

在本实施例，数据采集装置结构示意图如图2所示，包括修正挡板1，真空室腔体2，红外相机3，蒸发源4，蒸发物质5，真空泵排出的气体6，玻璃基板7，加热器8。

步骤S200，根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子。

通过加热器中电阻丝对玻璃基板镀膜过程进行加热时，电阻丝的加热热量是均匀向外辐射的，如图3为电阻丝热量辐射的示意图，图3中包括电阻丝横截面9，电阻丝向外辐射热量的轨迹10。需要说明的是，本实施例中图3与图2的视角相同，为截面图，图3中的热量辐射轨迹是采用线条的形式进行虚拟表示。

电阻丝的辐射热量，随着距离的增加，向外辐射的热量呈逐渐衰减的趋势，位于两根电阻丝中间部分的玻璃基板区域受到的热量辐射来自于相邻两根电阻丝，这部分玻璃基板区域受到电阻丝辐射热量的叠加，相对较强，位于单根电阻丝下方的玻璃基板受到的热量辐射主要来自于一根电阻丝，热量辐射相对较弱。因此，在利用加热器中多个电阻丝对玻璃基板镀膜过程进行加热时，正常情况下玻璃基板镀膜质量均匀时，玻璃基板表面收到的热辐射表现在红外图像中应当具有条纹状分布的特征，如图4为正常情况下玻璃基板表面红外图像。

在图4中较暗部分为在电阻丝下方的玻璃基板表面的受热情况，表示受到的热辐射较少，高亮部分为受到多根电阻丝共同热辐射的部分，表示受到的热辐射较多。基于图像表现特征，在横向上像素点的灰度值分布是呈现出波浪状分布，其分布特征与电阻丝的放置位置相关，每个像素点受到的热辐射强度也随之变化，但是相邻的行之间的灰度值分布的变化趋势较为接近。同时，在与电阻丝摆放相同的竖直方向上像素点的灰度值分布也是较为接近的。

基于多根电阻丝共同进行加热而产生的辐射强度表现在玻璃基板表面的图像中灰度值的分布特征，分别进行两个方面的灰度分析，即行和列，通过对灰度特征的变化进行分析，能够避免仅针对灰度均匀分布情况，造成温度检测结果较不准确的问题，可以自适应获得红外灰度图像中每个像素点所在位置处的热辐射表征情况。

在本实施例中，如图5所示，像素点的辐射相似因子的获取方法可以由步骤S201至步骤S203实现。

步骤S201，对于任意一张红外灰度图像中任意一个像素点，根据像素点在预设的局部范围内每相邻两行的像素点之间的灰度差异分布情况，得到像素点的行间辐射因子。

第一方面，首先考虑到温度正常的情况下在每个像素点的周围，相邻行之间的灰度分布较为近似和相似，因此，通过预设局部范围对每个像素点的周围行间灰度分布的相似情况和差异情况进行特征分析，获取对每个像素点的横向灰度特征评价结果。

首先，将以每个像素点为中心，边长为L的正方形窗口作为每个像素点预设的局部范围，在本实施例中，边长L的取值为7，实施者可根据具体实施场景进行设置。然后，以红外灰度图像中任意一个像素点为例，将像素点的局部范围内每一行像素点的灰度值构成每行的行间灰度序列；基于每相邻的两行的行间灰度序列之间的差异距离，确定像素点的行间辐射因子，该差异距离与所述行间辐射因子呈负相关关系。

其中，两个行间灰度序列之间的差异距离可以通过计算两个序列中对应相同列的像素点之间的差异的累加和获得，也可以通过计算两个序列之间的DTW距离获得。同时，负相关关系可以采用倒数的形式进行表征，也可以采用负指数幂的形式进行表征，例如exp(-x)的形式，其表示以自然常数e为底的指数函数，x为自变量。

在本实施例中，作为一个具体的示例，像素点的行间辐射因子的获取方法用公式可以表示为：

其中，表示红外灰度图像中第i个像素点的行间辐射因子，N表示局部范围内行的总数量，表示第i个像素点的局部范围内第n行的行间灰度序列，表示第i个像素点的局部范围内第n+1行的行间灰度序列，表示第i个像素点的局部范围内相邻两行的行间灰度序列之间的DTW距离，为预设的超参数，为了防止分母为0，超参数的取值为0.01，在其他实施例中实施者可根据具体实施场景设置为其他的极小正数，例如0.001、0.1等。

的取值越小，说明在每个像素点的局部热辐射监测范围内，相邻的行与行之间像素点的灰度值差异越小，说明越符合正常温度辐射状态下玻璃基板受到的热辐射特征，对应的玻璃基板镀膜质量越好。经过倒数形式的负相关映射，对应的行间辐射因子的取值越大。

每个像素点的行间辐射因子表征了在横向上符合正常情况下温度对应灰度分布特征的程度，反映了在像素点对应的局部热辐射监测范围内行间的灰度分布相似情况。

步骤S202，根据像素点在预设的局部范围内每列的像素点的灰度波动分布情况，得到像素点的列间辐射因子。

第二方面，考虑到受到多根电阻丝放置方式的影响，玻璃基板表面受到热辐射的特征表现存在一定的特征分布状态，由于本实施例中，对于玻璃基板表面，电阻丝是竖直放置，故表现在玻璃基板表面的红外灰度图像中，竖直方向上的灰度分布较为接近和相似，即属于同一列的像素点的灰度值波动较小，灰度值差异较小。因此，通过分析每个像素点的周围竖直方向上灰度分布的波动情况和差异情况，获取对每个像素点的纵向灰度特征评价结果。

具体地，以任意一个像素点为例，将像素点的局部范围内每一列像素点的灰度值构成每列的列间灰度序列；基于每列的列间灰度序列中灰度值的波动程度，确定像素点的列间辐射因子，所述灰度值的波动程度与列间辐射因子呈负相关关系。

其中，列间灰度序列中所有灰度值的波动程度可以采用标准差、方差等等方式进行表征，也可以采用每个灰度值偏离序列整体灰度水平的程度进行表征。负相关关系可以采用倒数的形式进行表征，也可以采用负指数幂的形式进行表征。每列的列间灰度序列中灰度值的波动程度越大，对应的列间辐射因子的取值越小。

在本实施例中，作为一个具体的示例，像素点的列间辐射因子的获取方式可以用公式表示为：

其中，表示红外灰度图像中第i个像素点的列间辐射因子，M表示第i个像素点的局部范围内列的总数量，N表示第i个像素点的局部范围内行的总数量，表示第i个像素点的局部范围内第m列的列间灰度序列中第k个像素点的灰度值，表示第i个像素点的局部范围内第m列的列间灰度序列中所有灰度值的均值，为预设的超参数，为了防止分母为0，超参数的取值为0.01，在其他实施例中实施者可根据具体实施场景设置为其他的极小正数，例如0.001、0.1等。

为第m列的列间灰度序列中灰度值的波动程度，表示了第m列的列间灰度序列中每个灰度值相对于整体灰度水平的偏离程度，反映了列间灰度序列中灰度值的波动情况，该取值越大，说明在像素点的局部辐射监测范围内同一列的灰度值波动较差，也即是差异较差，进而也不符合正常温度下电阻丝加热辐射的特征表现形式，经过倒数形式的负相关映射后，对应的列间辐射因子的取值就越小。

每个像素点的列间辐射因子表征了像素点在纵向上符合正常情况的灰度特征的程度，反映了每个像素点的局部辐射监测范围内同一列的灰度波动情况，列间辐射因子的取值越小，说明波动程度越大，越不符合正常情况下电阻丝加热辐射的特征表现形式。

步骤S203，对所述行间辐射因子和所述列间辐射因子进行融合，确定所述任意一个像素点的辐射相似因子。

结合像素点在横向上和纵向上符合灰度特征的程度，可以综合反映每个像素点所在位置受到热辐射的程度，为后续针对不用像素点之间的热辐射表现程度进行自适应的区域划分操作。基于此，可以对所述行间辐射因子和所述列间辐射因子进行融合，确定像素点的辐射相似因子。其中，融合可以采用相加的方式进行表征，也可以采用相乘的方式进行表征等等。

在本实施例中，将每个像素点的行间辐射因子和列间辐射因子的累加和作为每个像素点的辐射相似因子。辐射相似因子就表征了每个像素点所在位置在局部辐射监测范围内与正常温度状态下辐射灰度表现特征之间的相似性程度。

步骤S300，根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数。

热辐射相似因子通过每个像素点的局部范围进行灰度特征分析，进一步的，为了更加准确的了解每个时刻下红外灰度图像中热辐射的分布情况，需要进一步获取热辐射特征表现较为接近的区域是否符合条状分布的特征，也即是如图4所示的竖直方向上呈现出条状分布，灰度值较为接近的不同的热辐射部分。因此，首先需要划分热辐射特征表现较为接近的区域，并对这些区域内灰度是否呈现条状分布情况进行判断，并且给出自适应的评价结果，也即是每个热辐射区域的镀膜辐射匹配指数。

如图6所示，步骤S300可以由步骤S301至步骤S302实现。

步骤S301，根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域。

每个像素点的辐射相似因子表征了每个像素点所在位置处温度特征符合正常情况下电阻丝加热的特征程度，同时，每个像素点的灰度值又能够较为直接的反映出每个像素点所在位置处受热情况的特征表现。属于同一热辐射部分的像素点的辐射相似因子的差异较小，灰度值也较为接近，结合两个方面的特征情况对像素点进行区域的划分结果会更加准确。

在本实施例中，作为一个具体的示例，以任意一张红外灰度图像为例进行说明。对于任意一张红外灰度图像，基于每个像素点的辐射相似因子和灰度值，构建每个像素点的二元组，利用聚类算法基于像素点的二元组之间的差异获得聚类结果；将聚类结果中每个聚类簇对应的连通区域作为热辐射区域。

其中，聚类算法可以采用DBSCAN聚类算法进行处理，在其他实施例中，实施者还可以根据具体实施场景进行选择。聚类度量距离采用二元组之间的欧氏距离进行表征。聚类结果中每个聚类簇表征了温度特征辐射正常情况下电阻丝加热的特征程度较为相似，且灰度值较为接近的受热区域。同时，采用连通域分析将属于同一个聚类簇的像素点进行连通，得到每个聚类簇对应的热辐射区域。

在同一个热辐射区域内，像素点之间的灰度值较为接近，像素点之间的热辐射特征较为相似。

步骤S302，根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数。

由于通过多根电阻丝发热对玻璃基板进行加热时，每根电阻丝的热量是均匀发散的，对玻璃基板镀膜加热时镀膜质量可以得到保证。热辐射所形成的条状灰度纹路的分布方向应当与电阻丝的放置方向平行，本实施例中加热器的电阻丝方向在玻璃基板所在的平面上为纵向放置，也即是电阻丝的倾斜角度相对于水平向右方向的夹角角度为90°，故玻璃基板对应的红外灰度图像中由于热辐射所形成的条状灰度纹路应当平行于竖直方向。为了分析每个热辐射区域内的形状分布是否符合条状的特征，可以首先对热辐射区域进行线性分析。

具体地，基于热辐射区域内所有像素点所在位置进行线性拟合获得拟合直线，将拟合直线对应的倾斜角度作为热辐射区域的灰度倾斜角，将拟合直线对应的拟合优度作为热辐射区域的线性评价值。

在本实施例中，基于热辐射区域内所有像素点的像素坐标，利用最小二乘法对热辐射区域进行直线拟合，像素点的像素坐标表征了每个像素点在红外灰度图像中的所在位置，其获取方法为公知技术，在此不再过多介绍。

通过线性分析获得的拟合直线表征了热辐射区域内像素点整体分布的直线方向，也即是热辐射特征相似的像素点构成的主要直线特征表示，拟合直线相对于水平向右方向之间的夹角角度也就表示了热辐射区域整体线性分布的倾斜程度。拟合直线对应的拟合优度表征了拟合结果的评价好坏程度，拟合优度取值越大，说明直线的拟合结果越好。

进一步，可以通过热辐射区域的灰度倾斜角与电阻丝放置对应的倾斜程度之间的差异，反映出热辐射区域整体灰度分布形状特征是否符合条状分布，同时，结合对应的拟合评价结果作为权重，量化每个热辐射区域的条状纹路特征评价结果。

具体地，基于所述灰度倾斜角与加热过程中电阻丝摆放方向对应角度之间的差异，结合所述线性评价值，确定热辐射区域的镀膜辐射匹配指数；该差异与所述镀膜辐射匹配指数呈负相关关系，所述线性评价值与所述镀膜辐射匹配指数呈正相关关系。其中，正相关关系可以是相乘关系，也可以是相加关系等等。

在本实施例中，作为一个具体的示例，热辐射区域的镀膜辐射匹配指数可以用公式表示为：

其中，表示红外灰度图像中第t个热辐射区域的镀膜辐射匹配指数，表示第t个热辐射区域的线性评价值，表示第t个热辐射区域的灰度倾斜角，表示电阻丝摆放方向对应角度，为预设的超参数，为了防止分母为0，超参数的取值为0.01，在其他实施例中实施者可根据具体实施场景设置为其他的极小正数，例如0.001、0.1等。

表示灰度倾斜角与加热过程中电阻丝摆放方向对应角度之间的差异，在其他实施例中，还可以通过计算两个角度之间的欧氏距离来表征两者之间的差异情况。该差异越大，说明当前热辐射区域的直线分布情况与电阻丝的分布情况差异越大，对应热辐射区域出现温度异常的可能性越大，对应的镀膜辐射匹配指数的取值越小。

需要说明的是，本实施例中，的取值为90°，表示电阻丝放置方向与水平向右方向的夹角角度，当的取值越小时，说明热辐射区域整体与纵向方向平行程度越大，玻璃基板由于热辐射所形成的条状纹路越符合电阻丝的加热特征。

同时，将作为对应直线拟合的参考权重，当的取值越大时，说明此时直线拟合结果效果越好，对应的直线评价差异的参考性越高，也即对应的镀膜辐射匹配指数的取值越大。镀膜辐射匹配指数表征了热辐射区域符合由于热辐射所形成的条状纹路的加热特征的程度，该取值越大，说明热辐射区域的温度分布越符合正常情况，也即热辐射区域的形状分布越符合条状纹路的分布状态。

步骤S400，根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。

在对玻璃基板镀膜加热过程中的红外灰度图像上，所有热辐射区域对应表现的灰度特征越符合电阻丝加热时的特征分布，对应的镀膜效果和质量越好，温度存在异常的可能性越小。热辐射区域中对应表现的灰度特征越不符合电阻丝加热时的特征分布，对应的镀膜效果越差，温度存在异常的可能性越大，越需要进行温度调控操作。

每个热辐射区域的镀膜辐射匹配指数反映了对应局部区域内符合电阻丝加热时特征分布的程度大小，进而可以针对每个时刻下采集到的红外图像数据中热辐射区域的特征表征程度的波动性情况和差异情况，反映对应时刻下温度的异常和正常状态，进而反映对应时刻下的镀膜效果的好坏。通过评价结果，能够结合对应时刻下加热器中各电阻丝的加热功率进行自适应的调控操作，并且使得调控结果更加准确。

首先，通过分析红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，对每个时刻下采集的红外灰度图像的镀膜温度稳定指数进行评价。具体地，对于任意一张红外灰度图像，基于所有热辐射区域的镀膜辐射匹配指数的均衡程度以及所有热辐射区域的镀膜辐射匹配指数的波动程度，得到红外灰度图像对应时刻的镀膜温度稳定指数，所述均衡程度与镀膜温度稳定指数之间呈正相关关系，所述波动程度与镀膜温度稳定指数之间呈负相关关系。

其中，可以通过所有热辐射区域的镀膜辐射匹配指数的均值对镀膜辐射匹配指数的均衡程度进行表征，还可以通过所有热辐射区域的镀膜辐射匹配指数的中位值对其进行表征，均反映了红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的整体水平。同时，可以通过所有热辐射区域的镀膜辐射匹配指数的标准差、方差对所有热辐射区域的镀膜辐射匹配指数的波动程度进行表征，还可以通过每个热辐射区域的镀膜辐射匹配指数相对于最大值的偏差程度对该波动程度进行表征，均反映了红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的波动情况和差异分布情况。

在本实施例中，作为一个具体的示例，红外灰度图像的镀膜温度稳定指数的获取方法用公式可以表示为：

其中，表示第a张红外灰度图像的镀膜温度稳定指数，表示第a张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的均值，表示第a张红外灰度图像中所有热辐射区域的总数量，表示第a张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的最大值，表示表示第a张红外灰度图像中第t个热辐射区域的镀膜辐射匹配指数，为预设的超参数，为了防止分母为0，超参数的取值为0.01，在其他实施例中实施者可根据具体实施场景设置为其他的极小正数，例如0.001、0.1等。

表示每个热辐射区域的镀膜辐射匹配指数相对于最大值的偏差程度，反映了红外灰度图像中所有镀膜辐射匹配指数的波动程度，该取值越大，说明在红外灰度图像中不同热辐射区域之间的符合特征程度的表现情况差异较大，且存在越大的波动情况，对应当前图像的温度稳定情况的评价结果越差，即镀膜温度稳定指数的取值越小。

的取值越大，说明在当前红外灰度图像中所有热辐射区域的镀膜辐射匹配指数均越大，进而说明在当前温度设定下，红外灰度图像中越符合正常情况下电阻丝加热的特征，对玻璃基板进行加热镀膜的效果越好，温度设定越稳定，对应的镀膜温度稳定指数的取值越大。

镀膜温度稳定指数反映了在红外灰度图像对应的时刻下，当前电阻丝加热温度的稳定性情况，以及对应图像符合正常情况下电阻丝加热的特征程度，表征了对红外灰度图像的温度加热效果和镀膜质量的评价结果。

当红外灰度图像的镀膜温度稳定指数的取值越大时，说明在当前时刻下加热器中各电阻丝的加热功率设置效果较佳，镀膜质量较好，电阻丝加热的特征分布与对应红外灰度图像的特征分布表现较为匹配，能够较好对玻璃基板进行镀膜操作，此时则无需对加热器中的电阻丝的加热功率进行调整。

当红外灰度图像的镀膜温度稳定指数的取值越小时，说明在当前时刻下加热器中各电阻丝的特征分布状态与对应红外会对图像的特征分布状态较不匹配，电阻丝对应的加热功率可能出现了异常情况，此时则需要对红外灰度图像对应的时刻下电阻丝加热功率进行调整。

同时，考虑到对电阻丝的加热功率调整后，温度变化具有一定的滞后性，本实施例通过获取一段时间内的玻璃基板的温度变化特征分析结果，对电阻丝加热功率进行调整，也即是对玻璃基板镀膜过程中的温度进行智能调控。

具体地，基于每个时刻的镀膜温度稳定指数与电阻丝在对应时刻下的加热功率进行函数拟合，构建粒子群优化算法中的适应度函数，将所有镀膜温度稳定指数的最大值作为优化目标，利用粒子群优化算法获取镀膜加热过程中电阻丝最佳加热功率。

在本实施例中，获取预设数量个时刻的镀膜温度稳定指数进行加热功率的调控分析，预设数量的取值为10，实施者可根据具体实施场景进行设置，也即是进行函数拟合的样本数量。将每个时刻对应的镀膜温度稳定指数作为因变量，将相同时刻对应的各电阻丝的加热功率作为自变量，进行函数拟合，将拟合获得的函数拟合方程作为粒子群优化算法的适应度函数。

将所有镀膜温度稳定指数的最大值作为粒子群优化算法的优化目标，粒子群优化算法中必要参数及取值分别为：粒子数量为30，迭代次数为100，惯性权重为0.5。将目标函数作为粒子群优化算法的输入，输出为镀膜温度稳定指数最大时的各电阻丝的加热功率，即各电阻丝的最佳加热功率，实现通过加热时玻璃基板表面红外图像数据的特征符合程度，对镀膜过程的温度进行自适应的调控操作。其中粒子群优化算法为公知技术，在此不再过多介绍。

如图7所示，本发明提供了一种玻璃基板镀膜温度智能控制系统，该系统包括：

图像采集模块，用于在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像；

相似分析模块，用于根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子；

指数获取模块，用于根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数；

温度调控模块，用于根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。

需要说明的是，上述实施例所提供的系统，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的一种玻璃基板镀膜温度智能控制系统与一种玻璃基板镀膜温度智能控制方法实施例属于同一构思，其具体实现过程详见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机设备，请参阅图8，其示出了本发明一个实施例提供的一种计算机设备结构示意图，该计算机设备包括存储器801、处理器802以及存储在该存储器801中并在处理器802上运行的计算机程序803，其中，该处理器802执行该计算机程序803时，使得该计算机设备可执行前述介绍的任意一种玻璃基板镀膜温度智能控制方法。

本申请实施例还提供一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备可执行前述介绍的任意一种玻璃基板镀膜温度智能控制方法。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序代码，当计算机程序代码在计算机设备上运行时，使得计算机设备可执行前述介绍的任意一种玻璃基板镀膜温度智能控制方法。

在本申请所提供的实施例中，应该理解到，所提供的计算机设备、计算机程序产品和计算机可读存储介质均用于执行上文所提供的对应的方法，因此其所能达到的有益效果可参考上文所提供的方法中的有益效果，此处不再赘述。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种玻璃基板镀膜温度智能控制方法，其特征在于，该方法包括以下步骤：

在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像；

根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子；

根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数；

根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。

2.根据权利要求1所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子，具体包括：

对于任意一张红外灰度图像中任意一个像素点，根据像素点在预设的局部范围内每相邻两行的像素点之间的灰度差异分布情况，得到像素点的行间辐射因子；

根据像素点在预设的局部范围内每列的像素点的灰度波动分布情况，得到像素点的列间辐射因子；

对所述行间辐射因子和所述列间辐射因子进行融合，确定所述任意一个像素点的辐射相似因子。

3.根据权利要求2所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据像素点在预设的局部范围内每相邻两行的像素点之间的灰度差异分布情况，得到像素点的行间辐射因子，具体包括：

将像素点的局部范围内每一行像素点的灰度值构成每行的行间灰度序列；基于每相邻的两行的行间灰度序列之间的差异距离，确定像素点的行间辐射因子，该差异距离与所述行间辐射因子呈负相关关系。

4.根据权利要求2所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据像素点在预设的局部范围内每列的像素点的灰度波动分布情况，得到像素点的列间辐射因子，具体包括：

将像素点的局部范围内每一列像素点的灰度值构成每列的列间灰度序列；基于每列的列间灰度序列中灰度值的波动程度，确定像素点的列间辐射因子，所述灰度值的波动程度与列间辐射因子呈负相关关系。

5.根据权利要求1所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数，具体包括：

对于任意一个热辐射区域，根据热辐射区域内所有像素点的位置分布情况的线性特征，确定热辐射区域的灰度倾斜角和线性评价值；

基于所述灰度倾斜角与加热过程中电阻丝摆放方向对应角度之间的差异，结合所述线性评价值，确定热辐射区域的镀膜辐射匹配指数；该差异与所述镀膜辐射匹配指数呈负相关关系，所述线性评价值与所述镀膜辐射匹配指数呈正相关关系。

6.根据权利要求5所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据热辐射区域内所有像素点的位置分布情况的线性特征，确定热辐射区域的灰度倾斜角和线性评价值，具体包括：

基于热辐射区域内所有像素点所在位置进行线性拟合获得拟合直线，将拟合直线对应的倾斜角度作为热辐射区域的灰度倾斜角，将拟合直线对应的拟合优度作为热辐射区域的线性评价值。

7.根据权利要求1所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数，具体包括：

对于任意一张红外灰度图像，基于所有热辐射区域的镀膜辐射匹配指数的均衡程度以及所有热辐射区域的镀膜辐射匹配指数的波动程度，得到红外灰度图像对应时刻的镀膜温度稳定指数，所述均衡程度与镀膜温度稳定指数之间呈正相关关系，所述波动程度与镀膜温度稳定指数之间呈负相关关系。

8.根据权利要求1所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域，具体包括：

对于任意一张红外灰度图像，基于每个像素点的辐射相似因子和灰度值，构建每个像素点的二元组，利用聚类算法基于像素点的二元组之间的差异获得聚类结果；将聚类结果中每个聚类簇对应的连通区域作为热辐射区域。

9.根据权利要求1所述的一种玻璃基板镀膜温度智能控制方法，其特征在于，所述根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制，具体包括：

基于每个时刻的镀膜温度稳定指数与电阻丝在对应时刻下的加热功率进行函数拟合，构建粒子群优化算法中的适应度函数，将所有镀膜温度稳定指数的最大值作为优化目标，利用粒子群优化算法获取镀膜加热过程中电阻丝最佳加热功率。

10.一种玻璃基板镀膜温度智能控制系统，其特征在于，该系统包括：

图像采集模块，用于在对玻璃基板镀膜过程进行加热的过程中，获取每个时刻下玻璃基板的红外灰度图像；

相似分析模块，用于根据每张红外灰度图像中每个像素点在局部范围内相邻行的像素点的灰度差异分布情况以及相邻列的像素点的灰度差异分布情况，得到每张红外灰度图像中每个像素点的辐射相似因子；

指数获取模块，用于根据每个像素点的辐射相似因子和灰度值，对像素点进行划分得到每个热辐射区域；根据每个热辐射区域内像素点的位置分布的线性特征与加热过程中电阻丝的摆放方向之间的差异，得到每个热辐射区域的镀膜辐射匹配指数；

温度调控模块，用于根据每张红外灰度图像中所有热辐射区域的镀膜辐射匹配指数的数据分布情况和波动情况，得到红外灰度图像对应时刻的镀膜温度稳定指数；根据每个时刻的镀膜温度稳定指数对镀膜加热过程中的加热功率进行控制。