機器視覺檢測技術通常根據其應用、原理或方法進行分類，以下是常見的分類：
1、按照圖像技術分類
2D 機器視覺：利用單個工業相機拍攝產品的二維圖像進行檢測分析，適用于大多數傳統的檢測任務，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、結構光投影、雙目視覺等技術獲取物體的三維信息（深度、高度、形狀）。常用于更復雜的尺寸測量、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特性，例如成分分析、農產品成熟度檢測等。
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、發熱部件監控等。
2、 按功能分類
外觀檢測：檢測物體的外觀質量，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，常見于工業生產線。
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：利用深度學習等技術對物體進行分類和識別，常見于人臉識別、物體識別等應用。
3、按技術方法分類
傳統圖像處理：基于邊緣檢測、模板匹配、顏色分析等傳統方法進行圖像分析和處理。
基于人工智能的檢測：使用深度學習、卷積神經網絡（CNN）等算法進行更復雜的模式識別和分類，特別適用于復雜的圖像識別任務。
