AI视觉尺寸测量定制：亚像素边缘与热漂移补偿

在尺寸测量类视觉项目中，精度瓶颈往往不在缺陷识别，而在边缘定位与工况漂移。计算机视觉实验室近期围绕轴类与冲压件的在线测量做了一轮实验：用亚像素边缘拟合替代像素级阈值分割，配合棋盘格标定与镜头畸变校正；同时把环境温度、相机外壳温度纳入漂移补偿模型，按班次自动修正像素当量。

阶段进展：在一条冲压件产线试运行，单件测量节拍约0.8s，重复性标准差由±0.03mm收窄至±0.012mm；与三坐标抽检比对，偏差≤0.02mm的样本占96%。当前仍需人工处理反光与油污导致的边缘跳变，约占误判的六成。

下一步计划：把温度漂移模型改为在线更新，并测试多相机拼接对大尺寸钣金件的测量稳定性，重点验证拼接缝附近的重复性。