视觉检测中的模式识别方法主要包括以下几种：
1. 模板匹配法：这是一种基于特定模式的识别方法，通过将输入图像与预先准备好的模板进行比较，找到最佳匹配的位置。模板匹配法分为全局匹配法和局部匹配法。全局匹配法适用于目标物体在图像中的位置和尺度变化较小的情况；局部匹配法则适用于更复杂的场景，通过将图像划分为多个局部区域进行匹配来确定最佳位置。
2. 统计模式识别：这种方法首先根据待识别对象的原始数据信息提取特征参数，并选择参数组合作为特征向量。然后，设计一个分类器对特征向量进行区分，从而实现模式识别。统计模式识别过程包括信息获取、预处理、特征提取和选择及构造分类器。
3. 结构模式识别：当需要精确识别待识别对象的各部分之间的联系时，使用结构模式识别方法。它根据识别对象的结构特征，将复杂的模式结构分解为多个更简单的子模式，直到得到容易表示和识别的子模式为止。
4. 模糊模式识别：基于模糊集理论，模糊模式识别方法允许识别对象以一定的比例属于某个集合，而不是传统集合理论中的绝对属于或不属于。这种方法更适合处理现实世界中具有模糊性的问题。
5. Blob分析法：Blob分析是对图像中相同像素的连通域进行分析，用于检测图像中的斑点或瑕疵。它适用于背景单一、前景缺陷不区分类别、识别精度要求不高的场景。
还有一些其他模式识别方法，如基于隐马尔可夫模型识别、K-Nearest Neighbor（K-NN）、Bayes Classifier（贝叶斯分类器）以及人工神经网络模式识别等，这些方法也在视觉检测中发挥着重要作用。
