铜铬锆框直径检测不再靠人工卡尺：零样本分割加自适应边缘，五件新框误差压到2.4–6.3微米
核心概要
北京怀柔高能同步辐射光源的铜铬锆框直径检测改用一套全自动视觉测量流程：先用SAM3零样本分割出目标区域，再用SAM-Canny自适应确定膨胀核与双阈值提取边缘，最后用WOA-RBF神经网络按不同材料区域的灰度特征补偿光照引起的偏差。在五件新框的泛化测试中，算法误差保持在2.4–6.3微米，而人工千分尺测量的误差最高达32.1微米。
深度剖析
铜铬锆框的直径检测从人工接触测量转为全自动视觉测量，测量结果不再随操作者与光照条件大幅波动。 此前这类框的直径测量主要依靠接触式或非接触式仪器的人工操作，适合小批量检测，面对高能同步辐射光源的大规模生产需求时效率低且容易出错。 在五件此前未见过的铜铬锆框上，算法测量的绝对误差落在2.4–6.3微米区间，而同一批框用三丰数显千分尺人工测量十次取均值的误差跨度为1.3–32.1微米。
边缘提取不再依赖人工调参，膨胀核大小与Canny双阈值都由图像自身的梯度统计决定。 传统Canny边缘检测的高、低阈值需要针对不同成像条件人工整定，已有的自适应变体要么假设前景背景强分离，要么仍需人工选择百分位，要么计算代价高。 在284张覆盖从低到高光照强度的铜铬锆框图像上，SAM-Canny的最大误差为18.15微米，比固定阈值Canny的28.31微米降低35.8%，15微米容差内的合格率从17.1%升到92.9%。
光照引起的系统性直径偏差改由多材料灰度特征预测，而不是只用一个光照强度读数。 此前的补偿策略通常建立光照强度与测量误差之间的一维模型，无法区分材料反射率差异造成的灰度变化与光照变化造成的灰度变化。 以SAM分割出的标准量块、框外环、中环、内环和背板五个区域的平均灰度作为输入，WOA-RBF在10微米容差内的合格率为82.3%，高于一维最小二乘的60.3%和GA-LSSVM的60.6%。
启示与展望
这套流程在铜铬锆框的直径测量场景中得到验证：训练与误差补偿使用284张覆盖不同光照强度的图像，泛化测试使用五件新框，参考值由激光共聚焦显微镜提供。测量平台为1920×1080像素的CCD相机配环形光源，标定使用7×7圆形标定靶。作者提出后续将减少对人工指定提示的依赖并提升处理速度以支持实时部署。
SAM-Canny的标准差为5.24微米，略高于固定阈值Canny的4.52微米，作者将其视为精度与可靠性提升下可接受的取舍。误差补偿的合格率提升是在10微米容差下取得的，且模型权重固定自训练实验。作者指出系统仍依赖人工指定提示，处理速度也尚未满足实时部署。