「外觀有沒有異常」，AI 能回答得很好。但「內徑是否在 51.2 mm 以上」，比起 AI，用尺來量更合適。結果可以留下數字，能解釋為何判為不良，而且不需要訓練資料。本課以圓形零件為例，逐步說明從影像量測尺寸的過程。
1. 校正：1 個像素是幾 mm
影像中的距離以像素為單位。要換算成 mm，需要 mm/pixel 值。在相同位置拍攝已知尺寸的基準物（塊規、校正板），再以實際長度除以像素數。例如 EB 產線的設定為 0.041 mm/pixel，也就是 1 個像素的誤差相當於 0.041 mm 的誤差。
相機高度、鏡頭焦距或解析度改變時，必須重新校正。換成 5MP（2448×2108）相機後，相同視野下的 mm/pixel 變小、精度提高，但數值也必須重新求得。
2. 輪廓擷取：穩定地找出邊界
量測說到底就是處理邊界線上的點。邊界不穩定，量測值也會跟著不穩定。
- Gaussian 模糊 — 降低雜訊，消除假邊界。
- 二值化 — 區分零件與背景。光源不均勻時，使用依區域改變基準的自適應閾值。
- 形態學運算（Morphology） — 填補小孔洞並去除細小毛刺。
- Canny 邊緣 — 將亮度急遽變化的線擷取為邊界。
3. 圓擬合：次像素精度
以最小平方法將圓擬合到邊界點，數百個點會互相平均，因此能以小於 1 個像素的單位求出圓心與半徑。這裡的關鍵是排除不是圓的部分。若把束帶耳部（ear）這類突出部位納入，圓就會被拉向那一側。Multi-Inspector EB 會排除耳部區域後再擬合圓，並以次像素精度為目標。Hough 圓偵測速度快但精度低，因此只用於畫面顯示。
4. 各項目量測
- 厚度 — 在指定的角度區間內畫出多條量測線，量測內外邊界之間的距離。選取前 N 個並剔除離群值，避免一點灰塵就改變厚度。
- 真圓度（Roundness） — 以比例表示輪廓與完美圓形的接近程度。變形的零件數值會下降。
- 周長·內徑 — 由擬合的圓與實際輪廓計算。
5. 以規則判定
在 Multi-Inspector 中，會為量測模式（circularity）加上規則。例如將 roundness, thickness, circumference 指定為規則，並設定各項目的允許範圍（如真圓度 0.931 以上）。超出範圍時，結果會像 NG-Dim-THICKNESS 一樣記錄是哪個尺寸導致不良。
與 AI 搭配使用：三重判定
Multi-Inspector EB v2.3 以三種方式同時判定同一個零件。
| 模式 | 方式 | 能抓到的問題 |
|---|---|---|
| mode1 · AI 模型 | 對位（rotation-fix2）後進行異常檢測 | 從未見過的外觀異常 |
| mode2 · YOLO | 對位（yolo_align）後進行物件偵測 | 已定義名稱的瑕疵 |
| mode3 · 尺寸 | 圓擬合量測（circularity） | 超出公差的尺寸 |
AI 不知道數字公差是否符合，量測也不知道表面的刮傷。三種判定一起執行，就能互相補足漏洞。對位後的影像只產生一次並與量測模式共用，因此即使判定增加，處理時間也不會大幅增加。