Determinar la medición de un objeto es una tarea desafiante sin tener una referencia bien definida. Cuando una regla se coloca en el mismo plano que un objeto que se está midiendo, puede servir como referencia métrica, por lo que se puede definir y calibrar un sistema de medición para correlacionar las dimensiones reales con los píxeles contenidos en una imagen. Este documento describe un sistema para la medición de objetos sin contacto mediante la detección y evaluación de la frecuencia espacial distinta de las graduaciones en una regla. El enfoque presentado aprovecha los métodos de Deep Learning, específicamente las Redes Neuronales Convolucionales (R-CNN) basadas en propuestas de región de máscara, para el reconocimiento y segmentación de reglas, así como varios otros métodos de visión por computadora (CV) como el umbral adaptativo y la coincidencia de plantillas. Desarrollamos un método analítico heurístico para calibrar una imagen aplicando varios filtros para extraer las frecuencias espaciales correspondientes a las marcas en una regla dada. Proponemos un sistema automatizado de calibración óptica en el plano para mediciones sin contacto.