1、视觉识别技术
1）图像识别应用
运用电脑视觉技术，处理、分析、理解影像，实现物体及物体的辨识。在机器视觉领域，最典型的图象识别应用就是对条形码进行识别。将大量的信息储存在这种微小的条形码内，就可以对商品进行追踪和管理。利用视觉识别技术，能够迅速地对各类产品进行条形码识别，从而极大地提高了产品的质量和产量。
2）图像检测应用
在机械视觉领域，检查是最主要的一项，几乎所有的产品都需要检查，但人工检查有很多缺陷，例如准确度不高，工作时间过长，准确度无法得到保证，检查速度缓慢，还会影响整体的生产效率。因此，机器视觉在图像检测中的应用也是非常广泛的，比如用于印刷过程中的套色定位和较色检查，包装过程中的饮料瓶盖的印刷质量检验，产品包装上的条形码和字符识别，玻璃瓶的缺陷检测等。其中，机器视觉系统对玻璃瓶的缺陷进行检测也是大有用处，对比人工肉眼检查具有较大优势，特别是对于医疗行业的高精度检查，其检测内容有：尺寸检测、玻璃瓶外观品质缺陷检测、瓶口检测等。
3）物体测量应用
其中，无接触探测技术最显著的特点是具有高精度和高速度，且不会造成二次损伤的特点。通常用于齿轮、连接器、汽车部件、IC器件管脚、钻头等。
4）视觉定位应用
视觉定位是指利用机器视觉快速准确地找到目标，并对目标进行定位。在半导体封装应用中，要实现准确地拾取与包装，就必须采用基于机器视觉的视觉定位方法。
5）物体分拣应用
目标分类是指在识别和检测之后，通过计算机视觉对目标进行处理，再传输到控制中枢，从而完成目标的分类。这种方法可应用于食物的分类、产品的表面缺陷的自动分类、棉花的纤维的分类等。
2、人工智能算法
随着我国制造业的飞速发展，企业的生产车间数量越来越多，对其进行监控和管理的难度也越来越大。工厂车间的智能化管理，涉及生产流程、生产调度、管理运营、设备维护等多个方面，特别是有些生产比较危险的产品的工厂，一个人的失误都会造成巨大的损失。AI人工智能系统，以及智能工厂中的物联网监控技术，将会大大提高企业的信息化管理水平，提高企业的生产过程的可控性，减少流水线中的人为误差，让企业的生产计划变得更加合理。以家用电器制造为例，家用电器制造过程中，往往要手工组装零件，对材料进行分类和标记，这些过程若有差错，都会对家用电器的品质产生很大的影响。目前，家用电器生产车间的监测系统主要是对员工进行定时拍照、取证并上传数据，无法做到对员工进行实时监测，也无法及时预警。将 AI人工智能动作识别融入监控中，可以实现一边录制一边深度对人体动作姿态的识别。在发现违反操作流程的动作后，可以在第一时间对其展开识别，并发出预警，从而有效地管控风险，报警隐患，提升安全生产管理水平。除了对工厂车间人的动作流程进行识别外，智能工厂车间的人脸识别技术、人员离岗识别、人员佩戴安全用具识别等都在实际应用中取得了良好的效果。所以一种AI的智能辨识系统，能够对雇员的工作品质进行判断，以规避因工作失误而导致的品质问题。可根据作业人员的作业速度及准确度，适时地调整作业人员的作业方法，提高作业效率；能够在生产过程中，对装配、检测等几个对于生产起着重要作用的关键环节进行监控，及时发现问题，及时改正，提升产品质量。通过对检测结果的分析，可以及时了解员工的工作状况，并据此进行培训和调整，从而达到提高员工技能的目的。由此可见，智能工厂车间只是在数字工厂基础上的一种智能化的升级，要真正实现智能制造，还有很长的路要走。要真正在智能工厂车间的基础上，实现高效、高质、低成本的转变，要依托AI动作识别技术、大数据算法等新技术，通过嵌入式技术发展、通讯协议的互联互通，用数据来驱动生产。