摘要
在工业机器视觉中，对比度检测自动对焦（CDAF）的性能受平台能力以及对焦测量方法和搜索策略的影响。本研究通过平台能力框架以及三种平台的统一框架级事务链来分析CDAF性能：一种能力上限平台（P1）、一种过渡平台（P2）以及一种工业黑盒平台（P3）。在涵盖六种场景类别、四种初始条件、五种固定规则策略且每种条件下重复30次的实验中，发现P3平台上的主要性能问题出现在控制指令下达后的指令到执行阶段。在P2平台上，通过使用物理校准的样本位置偏差强度（σalign）和执行链变化系数（λact）进行可控的单因素干扰，可以重现P3平台上的主要性能下降趋势，从而从机制层面解释了样本位置偏差和指令到执行过程的变化对性能的影响。平台能力决定了可实现的性能边界，在此边界内，不同的策略需要在速度、最终质量及故障风险之间进行权衡。在P3平台上，S1–S4代表了主要的工程权衡范围，而S5则能在不同条件下提升性能，但并无稳定的优势边界。由此得出的部署逻辑结合了能力分级、各阶段的瓶颈定位以及策略范围选择，将CDAF视为一种受能力条件影响的速度-质量-风险权衡问题，而非与平台无关的策略排序问题。
