在微装配过程中，微夹爪对微构件施加的夹持力过大会导致微夹爪和微构件损坏，而夹持力过小会导致抓取失败，因此有必要实时地测量夹持力，然后通过控制夹持力的大小以保证微夹爪顺利地完成微装配任务。可见，微力测量是微装配领域的一个重要研究方向。　　随着计算机视觉技术的引入，微力测量逐渐地由接触式转变为非接触式，这样很大程度上减少了微力测量系统对微装配过程的干涉作用。在抓取微构件时微夹爪受到微构件施加的反作用力而产生变形，由于微装配领域常用的材料在一定的变形范围内都是线弹性的，因此，现有视觉微力测量方法都是基于应力-应变关系的，其核心思想是将测力问题转化为由图像处理与分析技术来比较受力变形前后的图像并求解微夹爪的变形量，然后根据弹性力学理论来计算微夹爪的受力情况。这些视觉微力测量方法不仅依赖于力学模型和复杂的模板匹配算法，而且其变形量计算精度易于受到图像噪声和图像坐标变换（尺度、平移和旋转变换）的影响。因此它们存在着计算复杂度较高、精度较低、稳定性较差等缺点。　　针对它们的不足之处，本文综合运用图像矩理论、机器学习、优化方法和图像处理与分析技术等多种学科理论、方法和技术，提出了一种基于矩不变量分析的视觉微力测量方法及其精度优化方法，为视觉微力测量方法的研究积累了理论基础。与基于应力-应变关系的视觉微力测量方法相比，它并不计算微夹爪变形，而是根据受力和矩不变量之间的映射关系直接由矩不变量来分析微夹爪的受力情况。　　本文证明了受力与矩不变量之间存在着隐含的映射关系，在此基础上将力信息融合到矩不变量之中并将测力问题转化为多类分类问题。具体地，基于矩不变量分析的视觉微力测量方法利用矩不变量所构成的特征向量来描述微夹爪变形前后的形状，并由此建立矩不变量特征向量与受力之间的映射关系；然后建立训练集，输入为微夹爪在已知受力之下的矩不变量特征向量，输出为已知受力；类似地建立测试集，输入为微夹爪在未知受力之下的矩不变量特征向量，输出为需要计算的未知受力；最后通过支持向量机比较测试集与训练集中的特征向量，对测试集的输入进行多类分类，从而估计未知受力。　　为了全面而深入地验证该视觉微力测量方法的有效性，本文既比较了几何矩（一种典型的实数矩）不变量和伪Zernike矩（一种典型的复数矩）不变量的测力情况，又比较了区域矩和边界矩的测力情况。仿真和实验结果均验证了视觉微力测量方法的有效性，同时分析了受力采样间隔、分类误差和刚度等三种因素对测力精度的影响。进一步地，噪声分析实验结果表明伪Zernike矩不变量测力方法优于几何矩不变量测力方法，而区域矩不变量测力方法优于边界矩不变量测力方法。与其他视觉微力测量方法相比，基于矩不变量分析的视觉微力测量方法具有无需计算变形、不依赖于力学模型、计算复杂度较低、精度较高、稳定性较好等特点。　　由于不同的特征组合用于测力时所得到的精度往往是不同的，为了分析特征组合对测力精度的影响，本文在基于矩不变量分析的视觉微力测量方法的基础上提出了一种基于特征选择的测力精度优化模型及其求解方法，用于搜索优化的测力精度及其对应的特征组合。　　该优化模型先使用特征选择方法计算特征的分类依赖度，并得到按照分类依赖度高低进行排序的特征序列；然后在特征序列中按顺序选择指定数量的特征以构成特征向量，使用视觉微力测量方法对微夹爪进行测力实验，得到相应的精度；最后在所有精度中搜索最小值即为优化精度，相应的特征组合即为优化特征组合。通过对比优化前后的结果，可见该优化模型能够改善测力误差绝对值分布、提高测力精度并降低计算复杂度。