随着焊接制造业的不断进步和发展,传统焊后检测已经不能满足工艺过程的需求。焊接过程产生的电流和光谱数据包含大量与焊接质量相关的有效信息,可以为焊接工艺参数调整和焊接质量的判断提供数据支撑。本文提出了一种基于电流和光谱协同的分析方法并设计了一套基于ZYNQ开发板的电流和光谱协同感知系统。具体内容如下:（1）基于电流的保护气流量大小监测。本文首次将Apriori数据挖掘算法应用于保护气流量的监测。通过硬件设计将得到的关联规则移植到FPGA上,从而实现对保护气流量大小简洁高效的在线判定,并与焊机控制系统形成交互,提升了焊接质量。（2）基于光谱的焊丝成份监测。本文对现有的卷积神经网络进行修改和优化,引入了Inception结构的同时重新搭建了一套适用于嵌入式开发板的卷积神经网络,并利用HLS软件对该卷积神经网络进行硬件设计。充分利用了FPGA并行性,提高了计算效率和速度,实现了在线监测焊丝成分变化。并与焊机控制系统形成交互,提升了焊接质量。（3）基于电流和光谱协同的焊接质量监测系统。本系统基于ZYNQ开发板进行设计具有低功耗、低成本和体积小等优点,将焊接过程中保护气流量大小和焊丝成份变化通过IO口和串口反馈给焊机控制系统,实现了焊接过程中工艺参数的调整。最后提出电流和光谱数据协同感知的方法,将电流和光谱数据进行拼接融合,将融合后的信号输入到卷积神经网络中进行训练,通过与电流和光谱单源信号结果对比,表明融合后的效果优于电流和光谱单源信号的效果。