视觉检测系统中的图像分割技术主要包括以下几种：
1. 边缘检测分割：这是一种常用的图像分割技术，通过检测图像中的边缘来划分图像区域。例如，Canny边缘检测算子就是这种方法的一个典型代表。
2. 基于阈值的分割：阈值分割方法提出较早，它通过设定一个或多个阈值，将图像的像素分为前景和背景。这种方法包括全局阈值、局部阈值、动态阈值等多种形式。其中，Otsu’s方法是一种常用的全局阈值分割技术，它通过计算类间方差来选取最佳阈值。
3. 区域生长分割：这种方法从一组种子点开始，逐步增长区域，直到满足一定的相似性条件。
4. 区域分裂与合并分割：通过分裂和合并区域来分割图像，例如基于区域的分裂合并算法。
5. 基于聚类的分割：如K-means、层次聚类等方法，通过聚类算法将图像像素分为不同的类别，从而实现图像分割。
6. 深度学习方法：近年来，深度学习方法在图像分割领域取得了显著进展。如卷积神经网络(CNN)、U-Net等，这些方法通过训练深度学习模型，能够自动学习图像特征，并实现高精度的图像分割。
还有水平集方法、基于图的分割、基于模型的分割、多尺度分析分割、频域分析分割、小波变换分割、形态学分割等多种图像分割技术。这些技术各有特点，可以根据具体的应用场景和需求选择合适的方法进行图像分割。
