機器視覺檢測技術(shù)通常根據(jù)其應(yīng)用、原理或方法進(jìn)行分類，以下是常見的分類：
1、按照圖像技術(shù)分類
2D 機器視覺：利用單個工業(yè)相機拍攝產(chǎn)品的二維圖像進(jìn)行檢測分析，適用于大多數(shù)傳統(tǒng)的檢測任務(wù)，主要用于平面物體的尺寸測量、缺陷檢測、外觀檢測和字符識別。
3D 機器視覺： 通過激光三角測量、結(jié)構(gòu)光投影、雙目視覺等技術(shù)獲取物體的三維信息（深度、高度、形狀）。常用于更復(fù)雜的尺寸測量、體積計算和物體的三維重建。
光譜成像（高光譜/多光譜）： 利用特定波長的光來檢測人眼無法識別的物質(zhì)特性，例如成分分析、農(nóng)產(chǎn)品成熟度檢測等。
熱成像（紅外線成像）： 利用紅外相機檢測物體的熱量分布，常用于電路板缺陷檢測、發(fā)熱部件監(jiān)控等。
2、 按功能分類
外觀檢測：檢測物體的外觀質(zhì)量，如表面裂紋、污漬、變形等。
尺寸測量：用于精確測量物體的尺寸、位置、形狀等，常見于工業(yè)生產(chǎn)線。
缺陷檢測：包括裂紋、孔洞、變形等各種缺陷的自動識別。
分類識別：利用深度學(xué)習(xí)等技術(shù)對物體進(jìn)行分類和識別，常見于人臉識別、物體識別等應(yīng)用。
3、按技術(shù)方法分類
傳統(tǒng)圖像處理：基于邊緣檢測、模板匹配、顏色分析等傳統(tǒng)方法進(jìn)行圖像分析和處理。
基于人工智能的檢測：使用深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法進(jìn)行更復(fù)雜的模式識別和分類，特別適用于復(fù)雜的圖像識別任務(wù)。
