激光焊接是材料之间连接的一种重要工艺方法,并且具有连接材料使用少、焊接速度快、焊接质量高的优点,已经在工业生产中得到广泛的应用。由于大功率盘形激光焊接具有激光功率大、光束优良、焊接热影响区小、能够实现深熔焊以及材料连接强度更好的优点,成为激光焊接领域的研究热点。在工业自动化要求越来越高、材料连接质量要求越来越好的背景下,用机器视觉代替人眼来实时捕捉激光焊接过程中熔池动态图像,然后分析熔池形态及其特征信息与焊接质量之间关系,建立熔池形态及其特征信息与焊缝宽度之间的焊缝预测模型具有重要的研究价值和实际意义。基于单幅灰度图像的三维重建技术已被证明可有效地恢复物体表面特征,具有设备简单,耗费低,三维重建速度快的优点。本文运用光源估计算法对光源倾角和偏角进行估计,并且研究SFS方法中的局部分析算法对熔池进行了有效地三维重建。神经网络可用于建立特征量和目标量之间的预测模型。熔池阴影特征信息在一定程度上能够反映熔池表面对应特征信息的变化。熔池阴影宽度的变化能够明显反映熔池高度的变化。本文采用灰度化、自动阈值二值化、形态学方法处理熔池图像得到熔池阴影特征信息,并建立了熔池阴影特征信息和焊缝宽度之间的BP神经网络预测模型。试验结果表明,该模型能够根据焊接过程中熔池阴影特征信息有效地预测焊缝宽度。