传统的冶金质量保障方法不能从根本上防止缺陷的产生,从而遗留安全隐患,因此在线冶金质量监测是熔焊与增材制造领域中热门且重要的研究内容之一。光作为冶金过程质量传感的介质之一,最能描述代表该过程的质量特征。熔池视觉形态能描述冶金过程的稳定性,熔池温度场分布反应了熔池内部细节变化从而辅助判断冶金质量。本文研究工作首先基于熔池瞬态温度场实现了驼峰成形趋势的预测,接着基于熔池图像和神经网络实现了焊缝余高和熔深、熔覆层余高随焊接方向趋势的在线监测,最后基于熔池图像和视频预测算法实现了对驼峰和未熔透趋势的提前预测。本文的主要研究内容如下:针对目前驼峰焊道监测技术存在时间延迟的问题,提出了基于熔池瞬态温度场的驼峰焊道监测方法,该方法的监测准确率达到90%。以基于CCD相机的比色测温原理和熔化极气体保护焊焊接过程中的光谱分布特征为基础,构建了熔池瞬态温度场测量理论模型,研究了驼峰成形趋势下的熔池表面温度特征表征与提取方法,为预测驼峰成形趋势奠定了基础。针对现有技术无法监测焊缝几何形状沿焊接方向变化问题,基于熔池图像频域特征进行建模,提出了余高及熔深协同定量在线检测方法,该方法对余高的检测误差小于0.13mm,对熔深的检测误差小于0.09mm。在不同焊接参数与工件厚度下验证了该方法的精度与有效性,从而实现了典型焊接过程中余高及熔深趋势变化的在线检测。针对现有技术受熔覆层重熔区影响无法准确监测熔覆层余高的问题,提出了多系统协同的熔覆层余高测量方法,同时提出了基于熔池图像-温度特征建模的熔覆层余高高精度在线检测方法。该检测方法的精度可达0.05mm,提升了在典型冷金属过渡技术工艺下的熔覆层余高检测精度,并在不同层间冷却时间下具有泛化能力。针对现有焊接监控设备只能提供实时冶金质量评估而难以保障在线调控的问题,提出了基于熔池图像和视频预测算法的熔池在线预测模型。以熔池形态存在时序关联特性为立足点,构建焊接时熔池形态变化过程理论模型,从而实现了对未来熔池形态的预测;其中涉及的感知损失函数、均方误差和结构相似性相结合的损失函数对获得更好的预测结果起到积极作用,使用了预测的熔池图像分别对驼峰、未熔透情况分类,准确率大于95%,达到了预测冶金质量的目的。本文所提出的基于熔池视觉特征和温度场的在线光电检测技术,有效提升了冶金质量预测的精度,从而能够实时评估焊接质量。