在工业化生产中，焊接作为大型复杂设备零部件的重要连接方法，焊接结构强度对工业生产安全具有重要意义。激光焊接过程存在复杂的物理信息，其中熔池的动态特性直接影响焊缝成形过程，也决定了焊接过程的稳定性和焊接质量的优劣。若能通过成像手段检测熔池特征来判断焊接缺陷的产生对实现焊接质量的实时评估和状态信息反馈具有重要意义。因此，本课题基于图像技术进行熔池特性评估，研究焊接工艺参数与焊接缺陷、熔池特征的关系，实时在线监测熔池状态，进而预测焊缝质量，为优化焊接工艺以及提高焊接质量提供理论依据。具体的研究内容如下：
　　（1）研究了熔池特征量对熔池动态行为的影响规律。基于搭建的熔池特性评估视觉检测系统对熔池动态行为实时在线监测，采用双边滤波、Otsu阈值分割和形态学处理等预处理算法及Canny边缘检测算法提取熔池的长度、宽度、面积、后拖尾角等特征参数。研究不同焊接工艺参数下熔池特征量的变化规律。结果表明，随着焊接功率的增加和焊接速度的减小，熔池宽度、长宽、面积近似线性增大，熔池后拖尾角减小，熔池运动更剧烈，流动形式从层流向涡流转变，凝固时间变长。熔池长宽比和面积越大、拖尾角越小，熔池运动越剧烈，更趋于涡流运动。熔池长宽比在1.5-2.4，面积在8.74mm2-20.12mm2，熔池拖尾角在38°-50°之间实现适度熔透焊接，熔池剧烈波动，以波浪形式流向熔池尾部，实现最优焊接。
　　（2）研究了熔池动态行为对气孔缺陷形成的影响机制。由于熔池前端的匙孔受力不平衡或者能量分布不均匀导致匙孔进行周期性振动，产生大量气泡。用熔深波动周期表征熔池运动速度，试验结果表明，焊接功率增大和焊接速度减小，熔深波动周期变短导致匙孔振动周期变短，熔池流速变快。结果表明其他工艺参数不变时，随着焊接功率增加，熔深波动周期减小，熔池流速变快，气泡易从熔池中溢出，转为气孔的机率减小，焊缝中的气孔呈先增加后减小的趋势。随着焊接速度的增加，熔深波动周期和熔池流速呈现相反的变化趋势，熔池凝固速度快，气泡转变为气孔的机率增加，焊缝中气孔呈减少的趋势。
　　（3）提出了基于熔池动态行为卷积神经网络的焊接气孔缺陷预测方法。针对熔池动态图像的特点，构建了包括5层卷积层、3层池化层和3层全连接层的改进的AlexNet深度卷积神经网络，基于ImageNet数据库训练初始模型，通过目标训练集和反向传播训练，获取基于熔池图像预测气孔缺陷的分类模型。测试结果表明，基于静态熔池图像有气孔缺陷的预测精度达92.7%，总体预测准确率高达90%，而通过熔池图像在线检测焊缝气孔缺陷预测精度达90.6%，总体预测准确率为86.6%。
　　本文提出的基于卷积神经网络在线检测焊缝气孔缺陷的方法，实现了基于熔池动态特征在线预测焊接气孔缺陷，精度高，检测效果较好，为激光焊接线检测焊缝缺陷提供理论基础。