在传统焦度计测量中，由于被测镜片后表面曲率半径变化，使得镜片后顶点与光阑表面无法完全重合，造成焦度测量误差随镜片度数增大而增大的情况。针对此传统测量上无法克服的测量误差，提出了一种利用不同焦度镜片图像提取不同特征的方法，获得了不同焦度镜片的特征数据集，并将特征数据集利用机器学习中k-近邻聚类算法(KNN algorithm)进行分类。选取折射率为1.551的-20～+20m~(-1)每隔1m~(-1)的单焦点镜片，折射率为1.56与1.60的-15～+8m~(-1)每隔0.5m~(-1)的单焦点镜片进行镜片图像采集。实验结果表明，所提方法下分类的精准度、召回率与F1评分均为100%

三个模型均能正确识别其对应的所有测试镜片，克服此测量误差。