视觉焊缝识别因其精确、快速、可靠及可数字化等优点，成为了近年来焊缝识别领域的热点研究问题，在焊接工艺、焊缝缺陷检测、焊缝智能识别等方面有着巨大的应用前景。在视觉焊缝识别定位中，环境光照的变化与腐蚀磨损是阻碍识别性能提升的主要因素，因此，解决光照及腐蚀磨损问题成为了焊缝识别定位的关键。本文主要对焊缝识别定位中的特征提取、分类训练、识别定位三个关键技术进行研究。在特征提取的研究中，采用基于图像块的选取方式对焊缝图像特征进行提取，并利用PCA对特征进行降维，利用累计贡献率曲线为降维参考，以曲线放缓点维度作为各尺寸图像块特征的确定维度，降低了图像块特征维度。在分类训练的研究中，采用基于LM的BP神经网络作为分类器，利用公式法和增长法结合的改进方法对网络隐层节点进行确定，优化了隐层节点的选择。识别定位依据分类结果对图像进行重构，利用横向灰度值平均、最小焊缝宽度为识别定位指标，确定焊缝中心线。本文在Matlab上搭建了一个基于图像块特征的焊缝识别系统，并在不同成像距离、不同光照的条件下对识别系统的性能进行了评估，实验结果表明：该系统对于在不同光照条件下，具有不同程度腐蚀磨损因素时，有重叠识别的检测率为90.5%，虚警率为7.4%，无重叠识别的检测率为85.9%，虚警率为4.7%。