在衡量被加工工件表面形貌的时候，加工面粗糙度是其重要指标之一，工件被加工之后的性能直接或间接的受加工面粗糙度的影响。为了保障微细电火花加工工艺技术在微型机械、微型系统领域的应用，针对微细电火花加工工件的加工面粗糙度评价方法的研究是十分必要的。针对微细电火花加工工件设计加工面粗糙度的评价方法、测量系统、估计模型，能够实现工件加工面粗糙度参数的在线、非接触、高精度以及高效评定，以达到高精度、复杂形状的微器件和微芯片的精细加工的目的。本文针对微细电火花加工这种加工工艺加工出的工件的加工面粗糙度评价问题进行了多方面的深入研究，重点解决加工面粗糙度评价涉及的基准线、基准面的确定的相关问题，在线、非接触测量系统的设计以及基于此系统下的加工面粗糙度的预测评价的问题，具体工作如下:
　　针对工件加工面粗糙度二维基准线确定问题，采用基于完整矩阵运算的级联近似样条滤波算法，完成末端效应减轻、零相位特性和高计算效率数据滤波，同时确保高斯滤波器的滤波特性。针对三维基准面确定问题，通过高斯滤波快速算法，得到了工件加工面粗糙度的高斯滤波基准面，大大提高了滤波精度且计算量相对较小、计算速度快，显著改善了传统高斯滤波评定方法对微细电火花加工加工面粗糙度评定的不足之处。
　　针对微细电火花加工工件在线测量的需求，研究了基于机器视觉的工件加工面粗糙度测量系统。设计了基于CCD相机的加工面粗糙度测量系统，完成了从图像获取、图像预处理、粗糙度评估的完整流程。考虑到基于激光散射的光纤传感器的优势，设计了基于多波长光纤传感器的加工面粗糙度测量系统，实现了工件加工面粗糙度的较高精度测量。
　　针对微细电火花加工工件的粗糙度评价需求，考虑到基于机器视觉获取的工件表面图像及表面形貌数据，设计基于人工神经网络的加工面粗糙度评价算法:设计基于多项式网络的加工面粗糙度预测算法，结合以接触式测量方法获取的工件加工面粗糙度数据，对神经网络进行训练，建立粗糙度预测模型，实现工件表面纹理与加工面粗糙度之间的关系建立;考虑到神经模糊系统结合了神经网络和模糊系统的优势，设计了基于神经模糊系统的加工面粗糙度预测算法，建立实际加工面粗糙度与加工面图像纹理特征之间的关系，通过对加工面粗糙度的近似建模，可以有效地预测评价工件加工面粗糙度。