1. 机器视觉计量系统概述

机器视觉计量系统，是把“用相机看”与“用标准量”两件事合二为一的工程系统。普通机器视觉关注的是“识别、定位、分类、有无判断”，输出往往是类别、像素坐标或置信度；而计量型机器视觉关注的是“尺寸是多少、偏差有多大、是否落在公差带内”，输出必须是带单位、带不确定度、可追溯到标准的长度、角度、位置度等物理量。因此，机器视觉计量系统的本质定义可以概括为：以光学成像为感知手段，以图像处理为测量算法，以计量标准为量值基准，最终给出可溯源、可评定不确定度的几何量测量结果。

理解这个交叉定义，关键要抓住“计量”带来的三条硬约束。第一是量值溯源：每一个测量结果都要能通过校准链追溯到国家或国际长度基准，例如通过标准量块、标准玻璃线纹尺、陶瓷标定板逐级传递。第二是不确定度：结果不能只给一个数，还要给出这个数可信到什么程度，例如“轴径 12.003 mm，扩展不确定度 U=0.004 mm（k=2）”。第三是公差判定：测量结果要与图纸公差比较，并考虑测量不确定度对合格判定的影响，避免“测量合格但实际超差”的误判风险。

系统组成：从光到量的信号链

一套典型的机器视觉计量系统由照明、成像、机械、控制、算法与标准器六部分构成，它们串成一条从物理量到数字量的信号链。照明决定被测特征能否被稳定“看见”；镜头与相机把几何量转换为像素灰度；机械运动与触发控制保证采集位置可重复；算法把像素转换为亚像素边缘、圆心、角点；标定与标准器则把像素单位换算为毫米，并给出溯源依据。

图中上半部分是测量主链，下半部分是两个“支撑子系统”：机械运动决定采集位置是否可重复，标准器决定像素到毫米的换算是否可信。二者都以虚线接入主链，说明它们不直接产生测量值，却直接决定测量值是否可靠。

典型应用场景

机器视觉计量在工业现场主要覆盖四类任务。一是尺寸测量，如轴径、孔径、台阶高度、槽宽，典型精度需求在 ±0.005 mm 到 ±0.05 mm。二是位置与形位测量，如孔组位置度、同轴度、平行度，需要先建立基准坐标系再计算偏差。三是轮廓与形貌测量，如密封面轮廓度、齿轮齿形，常用线激光或结构光获取三维点云。四是在线全检与抽检，把测量节拍压缩到秒级，与产线 PLC 联动实现自动分选。

以轴径测量为例，一个可执行的教学示例是：选用 500 万像素相机配 0.5× 远心镜头，视场约 20 mm×16 mm，像素当量约 4 μm/pixel。用直径 12.000 mm 的标准圆柱校准后，对同一轴径重复测量 10 次，得到均值 12.003 mm、标准差 0.0015 mm。此时测量重复性贡献的不确定度分量约为 0.0015 mm，若校准证书给出标准器不确定度 0.001 mm，合成标准不确定度约 0.0018 mm，取 k=2 得 U≈0.004 mm。若图纸公差为 12.000±0.010 mm，则测量结果 12.003 mm 加上 U 后仍落在公差带内，可判合格；若结果接近 12.009 mm，就必须结合 U 判断是否存在超差风险。

工程挑战与应对方向

机器视觉计量面临的挑战，大多来自“光学测量不是接触测量”这一事实。首先是边缘定义问题：相机看到的是灰度过渡带，不同照明、不同材质、不同阈值会得到不同的边缘位置，因此必须固定照明方式与边缘提取算法，并用标准器验证边缘偏移量。其次是标定与漂移问题：像素当量会随温度、镜头畸变、工作距离变化而改变，工程上通常每班次用标准件复核一次，漂移超过 1/3 公差带即重新标定。第三是景深与姿态问题：被测面倾斜或超出景深会导致边缘模糊和放大倍率变化，远心镜头与平行背光可显著改善。第四是不确定度评定问题：需要把重复性、标准器、温度、算法、装夹等分量逐项列出，而不是只给一个重复测量标准差。

从工程落地角度看，一套合格的机器视觉计量系统应同时满足：测量结果可追溯到标准器、不确定度可量化、公差判定规则明确、校准周期与复核方法写入作业文件。只有把“看得清”升级为“量得准、说得清、判得对”，机器视觉才真正从检测工具变成计量器具。