随着工业4.0时代的到来,对产品质量进行自动化检测已逐渐成为发展趋势。在各类自动化检测方法中,基于图像处理技术的检测方法被认为是未来自动化检测方法中的一项最重要的技术。实际上,工业生产中的大多产品缺陷（如钢板成型过程中的表面缺陷等）均可归结为某种具有特定视觉特征的目标,对这些目标进行精准分割可为后续处理提供目标位置、形状等基础且关键的信息。因此,通过分析并量化不同目标的主要特征,并针对该特征提出相应的分割算法,可实现工业生产过程中针对产品缺陷的检测、识别、量化以及分析,进而提高生产效率和工业自动化程度。虽然目前已有大量检测方法及系统应用于工业生产过程中,但现有研究往往存在如被研究的工业生产过程特殊性强,提出的方法或系统针对性强故适用于其它工业场景的广泛适应性差、人为参与过多导致自动化程度低、检测或系统的计算量大导致其即时性和在线实时反馈能力差、对环境变化、特殊工况的鲁棒性差等诸多问题,极大限制了工业检测的通用性、自动化程度、智能程度以及批量处理能力。另一方面,在实际生产的检测过程中发现,图像目标边缘与低对比度干扰常成为阻碍检测准确率提高的因素。因此,研究适用性强的自动化目标检测技术并将其应用于实际工业生产中至关重要。本文通过提出理论技术并应用于实际工程案例的方式研究目标分割,以提高检测过程的准确性、客观性、效率以及应用范围。本论文的主要研究内容如下:（1）通过模仿人类视觉对不同场景的分类选择处理机制,提出一种自适应目标分割技术,并通过工业生产中的四个实际应用案例进行实验验证,依据实验结果讨论所提出技术的准确性、检测速率以及鲁棒性等。该技术不仅为检测技术的广泛应用性、自动化以及智能化提供解决思路,也在工程实际方面具有一定应用价值。（2）针对无干扰高敏感边缘目标,提出一种基于超像素预处理以及局部灰度统计特征的分割策略。并以脆性材料磨后表面质量检测为例,搭建相应实验系统,通过定性和定量分析实验结果,验证该策略的合理性和准确性,以及该分割策略在磨削模式判断、磨削参数调整中的潜在价值。（3）为提高有干扰高敏感边缘目标的分割准确率,采用双层超像素的目标分割策略。通过开展金属冷轧过程中表面覆盖的透明油污检测的实验,分析实验结果,验证该策略是有效的,也论证了该策略对冷轧系统运行状态监测具有实用性。（4）使用融合显著性估计与模糊聚类的分割策略,以解决无干扰低敏感边缘目标的分割问题。并将该分割策略应用于脆性材料磨后亚表面损伤检测,通过实验及其结果分析,验证该策略的正确性与准确性。通过对该分割策略的检测速度、鲁棒性等特性的进一步分析,证明该分割策略在批量处理的广泛应用性。（5）结合显著图与灰度原图,构建一种针对有干扰低敏感边缘目标的分割策略。通过金属材料加工后亚表面白层检测的应用实验,验证该策略的合理性与高效性。并通过进一步分析该分割策略的自动化程度、鲁棒性等特性,以证明该分割策略是可行与先进的。