一种基于视觉检测的涂布厚度在线监控系统和方法

技术领域

本发明涉及人工智能领域，特别涉及一种基于视觉检测的涂布厚度在线监控系统和方法。

背景技术

涂布是将一层或多层涂料均匀应用到基体的表面上，目的是改善基体的表面特性，例如亮度、光滑度和防护性能。涂布厚度是确保产品质量的关键。一致的厚度代表产品的表面特性保持一致，对于高质量产品尤其重要，因为涂层的均匀性会直接影响产品的性能。

目前，对涂布产品质量的监测，主要是通过人工进行测量，这样的方式费时费力，无法实现自动化测量，严重影响了生产效率。

发明内容

本发明的主要目的为提供一种基于视觉检测的涂布厚度在线监控系统和方法，旨在解决人工测量费时费力，严重影响生产效率的问题。

本发明还提供了一种基于视觉检测的涂布厚度在线监控系统包括：

判断模块，用于判断物体浆料的涂覆是否完成；

第一采集模块，用于若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值；

计算模块，用于计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差；

第二采集模块，用于若是，则通过预设的摄像头装置采集物体进行涂布完成后的n个时刻的图片信息；

分析模块，用于通过预设的图片分析方法分析所述图片信息中所述物体各个像素点的像素信息，以获取各个像素点n个时刻的像素信息

输入模块，用于将各个所述像素信息中的RGB值分别输入预设的公式

获取模块，用于获取各个像素变换参数中的最小变换参数值和最大变换参数值；

测量模块，用于基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息；

比较模块，用于比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格。

进一步地，所述第一采集模块，包括：

物体放置子模块，用于若物体浆料的涂覆完成，则将涂覆完成后物体置于预设的传送带上的预设位置；

浆料类型获取子模块，用于获取所述浆料的类型，并基于所述浆料的类型获取目标光照参数；

光发生器控制子模块，用于根据所述目标光照参数控制预设的光发生器以使所述预设位置上所述物体所处的光环境的光照参数为目标光照参数；

第一图像采集子模块，用于利用预设的摄像头采集所述预设位置上物体的第一图像；

像素值获取子模块，用于获取所述第一图像中物体对应像素点的像素值。

进一步地，所述计算模块，包括：

RGB值获取子模块，用于获取各个像素值的RGB值；

最大像素计算子模块，用于通过公式

最大色值差判断子模块，用于判断所述最大色值差是否小于预设的最大色值差。

进一步地，所述基于视觉检测的涂布厚度在线监控系统，还包括：

像素点获取模块，用于获取物体当前图像中像素误差最大的两个像素点，分别记为第三目标像素点和第四目标像素点；

厚度信息测量模块，用于基于预设的厚度测量装置测量所述第三目标像素点和所述第四目标像素点的厚度信息；

最值获取模块，用于获取所述第一目标像素点、所述第二目标像素点、所述第三目标像素点和所述第四目标像素点中的最大值和最小值；

目标差值计算模块，用于计算所述最大值和所述最小值的目标差值；

目标差值判断模块，用于判断所述目标差值是否小于预设的差值；

判定模块，用于若小于预设的差值，则判定物体的涂布合格，否则，判定物体的涂布不合格。

进一步地，所述基于视觉检测的涂布厚度在线监控系统，还包括：

位置标记模块，用于若涂布不合格，则在所述物体图像上标记所述第一目标像素点与所述第二目标像素点的位置，并上传至不合格数据库中；

数据判断模块，用于判断所述不合格数据库中的不合格数据是否达到了预设值；

位置获取模块，用于若是，则获取各个物体图像中各个所述第一目标像素点与所述第二目标像素点的位置；

坐标系标记模块，用于根据第一目标像素点在物体图像中的位置，将所有第一目标像素点在第一坐标系上进行标记，以及根据第二目标像素点在物体图像中的位置，将所有第二目标像素点在第二坐标系上进行标记；

像素点密度计算模块，用于利用预设的核密度估计算法计算第一坐标系与所述第二坐标系中的像素点密度；

像素点密度判断模块，用于判断像素点密度是否大于预设的密度；

像素点密度发送模块，用于若大于预设的密度，则将所述像素点密度发送给工作人员以调整涂布参数。

本发明还提供了一种基于视觉检测的涂布厚度在线监控方法，包括：

判断物体浆料的涂覆是否完成；

若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值；

计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差；

若是，则通过预设的摄像头装置采集物体进行涂布完成后的n个时刻的图片信息；

通过预设的图片分析方法分析所述图片信息中所述物体各个像素点的像素信息，以获取各个像素点n个时刻的像素信息

将各个所述像素信息中的RGB值分别输入预设的公式

获取各个像素变换参数中的最小变换参数值和最大变换参数值；

基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息；

比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格。

进一步地，所述若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值的步骤，包括：

若物体浆料的涂覆完成，则将涂覆完成后物体置于预设的传送带上的预设位置；

获取所述浆料的类型，并基于所述浆料的类型获取目标光照参数；

根据所述目标光照参数控制预设的光发生器以使所述预设位置上所述物体所处的光环境的光照参数为目标光照参数；

利用预设的摄像头采集所述预设位置上物体的第一图像；

获取所述第一图像中物体对应像素点的像素值。

进一步地，所述计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差的步骤，包括：

获取各个像素值的RGB值；

通过公式

判断所述最大色值差是否小于预设的最大色值差。

进一步地，所述基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息的步骤之后，还包括：

获取物体当前图像中像素误差最大的两个像素点，分别记为第三目标像素点和第四目标像素点；

基于预设的厚度测量装置测量所述第三目标像素点和所述第四目标像素点的厚度信息；

获取所述第一目标像素点、所述第二目标像素点、所述第三目标像素点和所述第四目标像素点中的最大值和最小值；

计算所述最大值和所述最小值的目标差值；

判断所述目标差值是否小于预设的差值；

若小于预设的差值，则判定物体的涂布合格，否则，判定物体的涂布不合格。

进一步地，所述比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格的步骤之后，还包括：

若涂布不合格，则在所述物体图像上标记所述第一目标像素点与所述第二目标像素点的位置，并上传至不合格数据库中；

判断所述不合格数据库中的不合格数据是否达到了预设值；

若是，则获取各个物体图像中各个所述第一目标像素点与所述第二目标像素点的位置；

根据第一目标像素点在物体图像中的位置，将所有第一目标像素点在第一坐标系上进行标记，以及根据第二目标像素点在物体图像中的位置，将所有第二目标像素点在第二坐标系上进行标记；

利用预设的核密度估计算法计算第一坐标系与所述第二坐标系中的像素点密度；

判断像素点密度是否大于预设的密度；

若大于预设的密度，则将所述像素点密度发送给工作人员以调整涂布参数。

本发明的有益效果：获取涂覆完成后物体的图像信息，然后根据图像中物体各个像素点的变化情况，计算出最小变换参数和最大变换参数，测量该对应第一目标像素点和第二目标像素点的厚度信息，根据厚度信息判断涂布是否合格，从而实现了只需要测量两个目标像素点对应的厚度值就能实现对涂布是否合格的判断，不仅节约了人力资源，而且提高了检测效率，进而提高了生产效率。

附图说明

图1 是本发明一实施例的一种基于视觉检测的涂布厚度在线监控系统的结构示意框图；

图2 是本发明一实施例的一种基于视觉检测的涂布厚度在线监控方法的流程示意图；

图3 为本申请一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参照图1，本发明提出了一种基于视觉检测的涂布厚度在线监控系统，包括：

判断模块10，用于判断物体浆料的涂覆是否完成；

第一采集模块20，用于若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值；

计算模块30，用于计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差；

第二采集模块40，用于若是，则通过预设的摄像头装置采集物体进行涂布完成后的n个时刻的图片信息；

分析模块50，用于通过预设的图片分析方法分析所述图片信息中所述物体各个像素点的像素信息，以获取各个像素点n个时刻的像素信息

输入模块60，用于将各个所述像素信息中的RGB值分别输入预设的公式

获取模块70，用于获取各个像素变换参数中的最小变换参数值和最大变换参数值；

测量模块80，用于基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息；

比较模块90，用于比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格。

如判断模块10所述，判断物体浆料的涂覆是否完成，其中，物体浆料完成涂覆的判断方式可以是在浆料涂覆完成后，接收浆料完成涂覆的信息，从而判断物体浆料的涂覆完成，还可以是人工输入物体浆料的涂覆完成的信息。物体具体可以是不同的基材，例如半导体基板等；涂覆的浆料例如为感光干膜。

如第一采集模块20所述，若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值。在物体浆料的涂覆完成后，可以采集物体的第一图像，由于物体浆料在刚刚涂覆完成时，需要检测涂覆是否均匀，因此，可以采集第一图像，通过像素值进行判断，从而初步判断涂层是否均匀，若像素误差较大，则说明该物体的涂覆是不均匀的，否则，认为物体的涂覆是均匀的，此外，需要说明的是，本申请仅适用于纯色的物体，例如纯色的硅基板，对于有多种色彩组合的物体不适用本申请。

如计算模块30所述，在采集了各个像素点的误差后，可以通过像素点的RGB三值来计算对应的最大色值差，即将所有的像素值依次输入至预设的计算公式中，具体地计算公式后续有详细说明，此处不再赘述，在一些实施例中，还可以CIELAB色彩空间进行计算，计算方式与RGB的计算方式相同，然后将计算得到的最大色值差与预设的最大色值差进行比较，根据比较结果进行进一步地判断。

如第二采集模块40所述，若是，则通过预设的摄像头装置采集物体进行涂布完成后的n个时刻的图片信息，当最大色值差小于预设的最大色值差，说明浆料的涂覆是均匀的，因此，可以通过摄像头实时采集物体涂布完成后n个时刻的图片信息，其中，n个时刻为预设的时刻，由于物体在涂覆浆料后，需要一段时间的烘干，或者晾干，因此，在这个过程中，若浆料材质不过关，或者在烘干时，物体的摆放位置没有处于水平状态，涂料可能会出现聚集、倾斜的情况，从而导致物体成品时浆料涂层厚度不一致的情况，该n个时刻可以是预设间隔时间的时刻，例如5分钟采集一次，由于浆料凝固之后，其各个位置处的涂层厚度一般不会发生变化，因此，在一定时间后，其像素误差也不会发生变化，因此，n个时刻不包括后续的时间，即n个时刻应当是涂层凝固之前的时刻。

如分析模块50所述，通过预设的图片分析方法分析所述图片信息中所述物体各个像素点的像素信息，以获取各个像素点n个时刻的像素信息

如输入模块60所述，将各个所述像素信息中的RGB值分别输入预设的公式

如获取模块70和测量模块80所述，获取各个像素变换参数中的最小变换参数值和最大变换参数值。即统计出最小变换参数，那么这两个位置点的厚度差一般来说也是最大的，因此，可以测量第一目标像素点和第二目标像素点的厚度信息。具体可以通过测厚β射线传感器进行测量。具体地，由于前述以及说明了变换参数值是根据预设的预设的公式

如比较模块90所述，根据测量的结果，来计算第一目标像素点和第二目标像素点的厚度差值，然后根据厚度差值进行判断，从而实现了只需要测量两个目标像素点对应的厚度值就能实现对涂布是否合格的判断，不仅节约了人力资源，而且提高了检测效率，进而提高了生产效率。

在一个实施例中，所述第一采集模块20，包括：

物体放置子模块201，用于若物体浆料的涂覆完成，则将涂覆完成后物体置于预设的传送带上的预设位置；

浆料类型获取子模块202，用于获取所述浆料的类型，并基于所述浆料的类型获取目标光照参数；

光发生器控制子模块203，用于根据所述目标光照参数控制预设的光发生器以使所述预设位置上所述物体所处的光环境的光照参数为目标光照参数；

第一图像采集子模块204，用于利用预设的摄像头采集所述预设位置上物体的第一图像；

像素值获取子模块205，用于获取所述第一图像中物体对应像素点的像素值。

如物体放置子模块201所述，浆料涂覆完成后，一般是通过传送带进行传送，因此可以将其置于传送带的预设位置，以便于摄像头进行拍摄获取数据。

如浆料类型获取子模块202所述，获取所述浆料的类型，并基于所述浆料的类型获取目标光照参数。由于不同的浆料可能具有不同的颜色，因此在不同的光照环境下，可能获取到的像素值并不能反应具体地情况，因此需要根据浆料的类型来调整光照参数，以便于更好的获取像素值，具体地，可以预先设置浆料类型与光照参数的对应关系，此处在获取到浆料类型后，可以直接根据对应关系获取到目标光照参数。

如光发生器控制子模块203所述，根据所述目标光照参数控制预设的光发生器以使所述预设位置上所述物体所处的光环境的光照参数为目标光照参数。其中，调整光照参数为目标光照参数，使物体处于在该种光照条件下。

如第一图像采集子模块204和像素值获取子模块205所述，利用预设的摄像头采集所述预设位置上物体的第一图像；获取所述第一图像中物体对应像素点的像素值。从而使获取到的像素值更能够反应出浆料的变化情况。

在一个实施例中，所述计算模块30，包括：

RGB值获取子模块301，用于获取各个像素值的RGB值；

最大像素计算子模块302，用于通过公式

最大色值差判断子模块303，用于判断所述最大色值差是否小于预设的最大色值差。

如上述模块所述，获取各个像素值的RGB值，计算所述最大色值差，判断所述最大色值差是否小于预设的最大色值差。即通过预设的三值化法将像素用RGB值表示，然后通过公式

在一个实施例中，所述基于视觉检测的涂布厚度在线监控系统，还包括：

像素点获取模块901，用于获取物体当前图像中像素误差最大的两个像素点，分别记为第三目标像素点和第四目标像素点；

厚度信息测量模块902，用于基于预设的厚度测量装置测量所述第三目标像素点和所述第四目标像素点的厚度信息；

最值获取模块903，用于获取所述第一目标像素点、所述第二目标像素点、所述第三目标像素点和所述第四目标像素点中的最大值和最小值；

目标差值计算模块904，用于计算所述最大值和所述最小值的目标差值；

目标差值判断模块905，用于判断所述目标差值是否小于预设的差值；

判定模块906，用于若小于预设的差值，则判定物体的涂布合格，否则，判定物体的涂布不合格。

如上述模块所述，为了更好的对数据进行检测，还可以获取当前图像中误差最大的两个像素点，然后测量其厚度信息，根据所述第一目标像素点、所述第二目标像素点、所述第三目标像素点和所述第四目标像素点的厚度信息来找取最大值和最小值，然后根据计算的目标差值来判断物体的涂布合格情况，从而可以更进一步检测，提高检测的准确性。

在一个实施例中，所述基于视觉检测的涂布厚度在线监控系统，还包括：

位置标记模块1001，用于若涂布不合格，则在所述物体图像上标记所述第一目标像素点与所述第二目标像素点的位置，并上传至不合格数据库中；

数据判断模块1002，用于判断所述不合格数据库中的不合格数据是否达到了预设值；

位置获取模块1003，用于若是，则获取各个物体图像中各个所述第一目标像素点与所述第二目标像素点的位置；

坐标系标记模块1004，用于根据第一目标像素点在物体图像中的位置，将所有第一目标像素点在第一坐标系上进行标记，以及根据第二目标像素点在物体图像中的位置，将所有第二目标像素点在第二坐标系上进行标记；

像素点密度计算模块1005，用于利用预设的核密度估计算法计算第一坐标系与所述第二坐标系中的像素点密度；

像素点密度判断模块1006，用于判断像素点密度是否大于预设的密度；

像素点密度发送模块1007，用于若大于预设的密度，则将所述像素点密度发送给工作人员以调整涂布参数。

如上述模块所述，若一定时间内的不合格涂布物体的第一目标像素点和第二目标像素点均在相同位置，或者相近位置，从而可以确定是设备的参数设置不合理，具体地，根据第一目标像素点在物体图像中的位置，将所有第一目标像素点在第一坐标系上进行标记，以及根据第二目标像素点在物体图像中的位置，将所有第二目标像素点在第二坐标系上进行标记，利用预设的核密度估计算法计算第一坐标系与所述第二坐标系中的像素点密度，核密度估计可以用来评估一个区域内点的密度。通过在每个点上放置一个核（通常是高斯核），可以计算出空间中每个位置的点密度估计。高密度区域表明点聚集。判断像素点密度是否大于预设的密度，若大于预设的密度，则将所述像素点密度发送给工作人员以调整涂布参数。

参照图2，本发明还提出了一种基于视觉检测的涂布厚度在线监控方法，包括：

S1：判断物体浆料的涂覆是否完成；

S2：若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值；

S3：计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差；

S4：若是，则通过预设的摄像头装置采集物体进行涂布完成后的n个时刻的图片信息；

S5：通过预设的图片分析方法分析所述图片信息中所述物体各个像素点的像素信息，以获取各个像素点n个时刻的像素信息

S6：将各个所述像素信息中的RGB值分别输入预设的公式

S7：获取各个像素变换参数中的最小变换参数值和最大变换参数值；

S8：基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息；

S9：比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格。

在一个实施例中，所述若物体浆料的涂覆完成，则采集涂覆完成后物体的第一图像，并获取所述第一图像中物体对应像素点的像素值的步骤S2，包括：

S201：若物体浆料的涂覆完成，则将涂覆完成后物体置于预设的传送带上的预设位置；

S202：获取所述浆料的类型，并基于所述浆料的类型获取目标光照参数；

S203：根据所述目标光照参数控制预设的光发生器以使所述预设位置上所述物体所处的光环境的光照参数为目标光照参数；

S204：利用预设的摄像头采集所述预设位置上物体的第一图像；

S205：获取所述第一图像中物体对应像素点的像素值。

在一个实施例中，所述计算所述第一图像中像素值的最大色值差，并判断所述最大色值差是否小于预设的最大色值差的步骤S3，包括：

S301：获取各个像素值的RGB值；

S302：通过公式

S303：判断所述最大色值差是否小于预设的最大色值差。

在一个实施例中，所述基于预设的厚度测量装置，测量最小变换参数值对应第一目标像素点的厚度信息，以及测量最大变换参数值对应第二目标像素点的厚度信息的步骤S8之后，还包括：

S901：获取物体当前图像中像素误差最大的两个像素点，分别记为第三目标像素点和第四目标像素点；

S902：基于预设的厚度测量装置测量所述第三目标像素点和所述第四目标像素点的厚度信息；

S903：获取所述第一目标像素点、所述第二目标像素点、所述第三目标像素点和所述第四目标像素点中的最大值和最小值；

S904：计算所述最大值和所述最小值的目标差值；

S905：判断所述目标差值是否小于预设的差值；

S906：若小于预设的差值，则判定物体的涂布合格，否则，判定物体的涂布不合格。

在一个实施例中，所述比较第一目标像素点和第二目标像素点的厚度信息，并根据比较结果判断涂布是否合格的步骤S9之后，还包括：

S10001：若涂布不合格，则在所述物体图像上标记所述第一目标像素点与所述第二目标像素点的位置，并上传至不合格数据库中；

S1002：判断所述不合格数据库中的不合格数据是否达到了预设值；

S1003：若是，则获取各个物体图像中各个所述第一目标像素点与所述第二目标像素点的位置；

S1004：根据第一目标像素点在物体图像中的位置，将所有第一目标像素点在第一坐标系上进行标记，以及根据第二目标像素点在物体图像中的位置，将所有第二目标像素点在第二坐标系上进行标记；

S1005：利用预设的核密度估计算法计算第一坐标系与所述第二坐标系中的像素点密度；

S1006：判断像素点密度是否大于预设的密度；

S1007：若大于预设的密度，则将所述像素点密度发送给工作人员以调整涂布参数。

本发明的有益效果：获取涂覆完成后物体的图像信息，然后根据图像中物体各个像素点的变化情况，计算出最小变换参数和最大变换参数，测量该对应第一目标像素点和第二目标像素点的厚度信息，根据厚度信息判断涂布是否合格，从而实现了只需要测量两个目标像素点对应的厚度值就能实现对涂布是否合格的判断，不仅节约了人力资源，而且提高了检测效率，进而提高了生产效率。

参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种图片信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的基于视觉检测的涂布厚度在线监控方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的基于视觉检测的涂布厚度在线监控方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。