工业4.0往往借助视觉检测、解析产品的质量参数。图像目标分割指将检测的目标对象从图像中提取出来,属图像分析理解的前导过程,是图像解析的精度、检测数据的合理性或正确性的前提。这就要求图像分割必须稳定可靠,而工业产品的检测目标对象门类繁多,诸如,瓷砖平面的平整度、色差、侧面的缺损;灌装瓶口的圆度、缺损;封口处的字符识别;手机屏幕的像素损坏、色差等。目前尽管图像分割方法已有多种,但须针对不同检测目标对象场景遴选,分别实验,提取实验数据,加以分析验证。为此,论文的专题研究,具有理论价值和实际指导意义。文中对现有的分割技术进行了大范围的细致分析,提出了按照图像的底层特征和高层模型规则对众多的算法进行归纳分类。在每个类别下介绍了多个图像研究学者的分割算法,详细分析了其分割原理,对比了每个算法的优缺点,描述了多人参与的工业图像项目,设置了每个项目的分割目标,实验测试了多个算法对工业图像的效果和数据,提出了按照实验结果的时间和正确率数据选择一个可接受的算法并应用于具体项目中。针对喷码字符项目中的字符所在的前背景灰度差相差较大的特点,选择基于阈值的多种分割方式对其进行比较实验;针对单块部分素烧瓷砖纹理主要集中在边缘的特点,选择基于边缘的多个分割方式对其测试;针对灌装油瓶光照不均匀的特点,选择基于区域的多个分割方式对其进行实验;针对多块釉面瓷砖亮度和背景差较大的特点,选择基于聚类的两个分割方式对其进行测试;针对油瓶颜色不一致且背景亮度变化大的特点,选择基于图论的一种分割方式对其实验;针对屏幕瑕疵和背景阈值差比较小且亮度不均匀的特点,选择基于能量泛函的两种分割方式对其实验。本文主要工作包括:通过严谨的数据公式详细分析每个算法的具体计算步骤,从理论角度对比每类多个算法的优缺点;通过实验分析每个算法对实际的工业图像的处理效果,对比每类多个算法的时间效率和正确率。文章的创新点在于:按照图像的底层特征如阈值、边缘与区域信息和高层模型如图论与能量泛函将目前的图像分割算法分成六大类;通过算法实验结果的时间效率和多张图像处理的正确率数据来综合选择适合具体的工业项目一个分割算法。