机器视觉检测技术通常根据其应用、原理或方法进行分类，以下是常见的分类：
1、按照图像技术分类
2D 机器视觉：利用单个工业相机拍摄产品的二维图像进行检测分析，适用于大多数传统的检测任务，主要用于平面物体的尺寸测量、缺陷检测、外观检测和字符识别。
3D 机器视觉： 通过激光三角测量、结构光投影、双目视觉等技术获取物体的三维信息（深度、高度、形状）。常用于更复杂的尺寸测量、体积计算和物体的三维重建。
光谱成像（高光谱/多光谱）： 利用特定波长的光来检测人眼无法识别的物质特性，例如成分分析、农产品成熟度检测等。
热成像（红外线成像）： 利用红外相机检测物体的热量分布，常用于电路板缺陷检测、发热部件监控等。
2、 按功能分类
外观检测：检测物体的外观质量，如表面裂纹、污渍、变形等。
尺寸测量：用于精确测量物体的尺寸、位置、形状等，常见于工业生产线。
缺陷检测：包括裂纹、孔洞、变形等各种缺陷的自动识别。
分类识别：利用深度学习等技术对物体进行分类和识别，常见于人脸识别、物体识别等应用。
3、按技术方法分类
传统图像处理：基于边缘检测、模板匹配、颜色分析等传统方法进行图像分析和处理。
基于人工智能的检测：使用深度学习、卷积神经网络（CNN）等算法进行更复杂的模式识别和分类，特别适用于复杂的图像识别任务。
