智能视觉检测中的图像分割技术主要包括以下几种：
1. 阈值分割法：这是一种基于像素的图像分割方法，通过设置一个或多个阈值，将图像中的像素分为不同的类别。阈值分割法可以分为全局阈值分割和局部阈值分割两种。全局阈值分割将整个图像的像素值与一个固定的阈值进行比较，而局部阈值分割则是针对图像中的不同区域设置不同的阈值进行分割。常用的阈值确定方法有最大类间方差法（Otsu方法）和迭代法等。
2. 边缘检测法：这是一种基于图像边缘信息的分割方法，通过检测图像中的边缘来实现目标物体与背景的分离。边缘检测法可以分为一阶边缘检测和二阶边缘检测两种。一阶边缘检测是通过计算图像的一阶导数（即梯度）来检测边缘，而二阶边缘检测则是通过计算图像的二阶导数（即拉普拉斯算子）来检测边缘。
3. 区域生长法：这是一种基于图像局部特性的分割方法，从一组种子点开始，逐步将相邻的像素点合并到种子点所在的区域中，直到满足一定的终止条件。区域生长法的关键在于如何选择种子点、定义相似性准则和确定终止条件。
4. 聚类分析法：这是一种基于图像像素特征的分割方法，将图像中的像素点按照一定的相似性准则进行分组，从而实现图像的分割。聚类分析法可以根据像素的颜色、亮度、纹理等特征进行聚类。
5. 基于特定理论的分割方法：随着科技的发展，还出现了一些基于特定理论的图像分割方法，如数学形态学法、小波变换法、人工神经网络法、遗传算法、基于模糊理论的算法等。这些方法都是根据特定的理论进行图像分割，具有各自的特点和适用场景。
智能视觉检测中的图像分割技术多种多样，每种技术都有其独特的优点和适用场景。在实际应用中，需要根据具体的检测需求和图像特点选择合适的分割方法。
