一、物体检测

1、存在性检测

检测零件、图像或物体的某部分是否存在。当需要检测的物体形状复杂或者相互间存在遮掩的情况时，常常采用模版匹配来实现；当需要检测的物体形状简单、体形较小且一般不存在相互遮掩的情况下，常常采用blob分析来实现存在性检测；当零件复制且堆叠严重时，可能还会采用3D模版匹配技术进行检测。

2、图形质量检测

对平面材料进行检测，能检测分别出洞孔、脏/污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱析、刮痕、暗斑、亮斑、边缘破损、黑点、尘埃等常见缺陷。当平面材料出现这类缺陷时，裂纹污点等区域与背景区域常常具有明显的差异，通过blob分析可以较为方便的定位缺陷的形态、大小和位置。

3、缺陷检测

缺陷检测通常是指对物品表面缺陷的检测，检测物体是否存在生产缺陷。缺陷检测通常对工件表面的斑点、凹坑、划痕、划痕、色差、缺损等缺陷进行检测。图形质量检测常用blob分析进行平面材料的缺陷检测，而缺陷检测有时也采用模板匹配的方式进行检测。

4、物体方向检测

检测物体的方向，常常因流水线上工序的要求而进行，例如工件必须按照特定方向进行装配或分类等。在有特定标记的情况下，仅仅根据标记的存在性检测就能确定物体的正反方向；通过模板匹配也能识别物体的正反方向；被检测物体存在特定的形状信息时，blob分析也可以实现物体方向的检测。

5、物体定位

物体定位用于检测物体所在的 位置，给出物体的坐标。物体定位算法一般采用blob分析或者模板匹配，这取决于实际需要定位的物体状态。一般较小并且基本无重叠、遮挡情况下，采用blob分析具有较快的定位速度；较复杂或者存在工件遮挡的情况下，一般采用模板匹配方法。

二、物体识别

1、物体识别/分类

物体识别/分类是指一个特殊的目标（或一种类型的目标）中被区分出来的过程。它即包括两个非常相似目标的识别，也包括一种类型的目标同其他类型目标的识别。物体识别/分类算法的实现方式有很多，从简单的blob分析、模板匹配，到复杂的boosted分类器、人工神经网络ANN、支持向量机SVM均可实现该功能。但是除去字符识别以外，工业检测行业中应用到的物体识别/分类工作都相对简单，基本上仅需要根据blob分析或者模板匹配进行少量种类的区分即可。

2、物体色彩分类

物体色彩分类是指通过获取物体颜色信息，进行物体分类等处理。功能目标与物体识别/分类相似，但仅仅借助颜色信息而不需要用物体形态信息，属于简单的分类方法。

三、物理量测量

1、坐标测量

坐标测量是指对一些简单几何结构定位，测量坐标。坐标测量与物体定位基本上相同，不过通常涉及坐标测量的案例要求坐标精度较高，需要对镜头进行标定。坐标测量通常采用blob分析或者几何形状提取的方法。前者一般针对于干净背景中的较小的目标定位，后者一般用于目标为规则几何图形的情况，对背景干扰的鲁棒性较好。

2、长度测量

长度测量用于测量物体的宽度、高度、间距等距离物理量，在工业检测应用案例中较为常见。长度测量算法通常采用blob 分析或几何形状提取的方法实现，同时高精度的测量必须进行镜头标定。

3、面积测量

面积测量用于测量物体的面积，在工业检测应用案例中较少。面积测量算法通常采用blob分析实现。

4、角度测量

角度测量测量物体或线条的角度，在某些工业检测应用案例中常会用到。角度测量一般采用几何形状提取的方法实现，并且特指Hough直线检测方法。