機器視覺行業按套用來分，可以歸納為幾類套用：
1、檢測，一般指缺陷檢測，例如表面劃痕、缺損、漏裝、錯裝等等，一般會搭配剔除裝置、打標裝置，或者機械手臂，透過這些裝置標記有問題的被測物，或者剔除，或者抓取。
2、定位（辨識），確定被測物的空間位置，大部份搭配機械手臂做抓取操作。題主的問題可以歸到這一類套用。
3、測量，測量物體的尺寸，可以是二維，也可以是三維尺寸。測量的目的，並不是僅為了獲得物體的尺寸，最終目的也是判斷物體合格不合格，和第一類的區別，可以認為一個是定性（缺陷），一個是定量（測量）。
4、讀取，一般指一維碼、二維碼、OCR等等。
如果細分的話，還可以分成很多。但大類，我想了想，以上這4類應該可以覆蓋到了。歡迎各位同行補充。
再來看題主的問題，上面已經提到，題主問的零部件分揀，可以歸到第2類，這算是機器視覺行業的一大類套用，也是比較成熟的套用。這類套用，背後所用到的技術有，辨識（二維，三維），手眼標定（統一座標系，標準程式），機械手臂控制（哦，產品配套的標準功能，告知座標即可，自己可以規劃路徑），所以這類套用的核心是辨識。對於已知型號來說，一般采用樣版匹配技術，來定位物體位置，包括二維匹配和三維匹配，對於平面零件，二維即可，其他不規則立體零件，采用三維匹配技術，確定好位置之後，透過手眼標定，統一到機械手臂座標系，就可以進行抓取操作了。
題主提到零部件很小，小到什麽程度沒有提，只要不是堆疊嚴重，是可以辨識定位的，因為對於零部件來說，都是剛性物體，大部份都有圖紙，比較容易建立樣版，所以難度不是很大。對於太小的物體，我想難度在於如何設計抓取裝置吧。
至於發展到什麽程度，我把它理解為，辨識技術到底發展到什麽程度了。對於零部件來講，其實只用到了物體的邊緣特征，只要能提取到邊緣就夠了。對於辨識技術來講，現在比較熱的是deep learning，基於神經網路等分類器，把物體的多維度特征（顏色，邊緣，紋理等等）輸入分類器，進行訓練分類，最後用於辨識。例如下面這些分類。這些比零件復雜多了。
歡迎各位補充意見。
