不锈钢材料因具有良好的抗氧化性、抗腐蚀性和易焊接等特点逐渐被推广到储存输送、加工生产、机械制造等行业。不锈钢工件是利用焊接来实现两两结合,由于焊接存在局部不可见性,作为完整构件最薄弱区域的焊缝常会产生裂纹、气孔、夹渣、未熔合和未焊透等问题,难以实现质量可靠的两两焊接。同时,随着钢件的使用寿命增多和操作环境影响,钢板焊缝也会产生新的缺陷。忽视焊接产品质量造成的事故屡见不鲜,如何加强对不锈钢焊缝缺陷的质量检测,并在发现缺陷时能及时报警,对产生缺陷的原因进行分析,及时修复缺陷或停止生产,最大限度的降低经济损失,保障人民生命财产安全,对社会良好运行具有非常重要的意义。本文针对不锈钢材料在使用过程中产生的五类焊接缺陷进行研究,并分为如下三个部分来介绍本文工作。1.针对不锈钢焊缝缺陷超声时域图像数据集较少识别困难等问题,通过对Alex Net模型进行调整,并融合迁移学习技术;有效提高焊缝缺陷识别模型分类准确率到95.12%,通过上述研究解决了小样本情况下不锈钢焊缝缺陷分类精度较低的问题。2.提出了一种基于深浅多特征融合的Lack Net焊缝缺陷分类方法。通过对时频域分别进行特征提取,采用深浅多特征融合思想构建Lack Net焊缝缺陷识别网络。使用统计特征和Gabor纹理特征构建浅层特征,经过改进的VGG11网络作为深层特征提取网络;通过深浅层多特征的融合实现了五类焊缝缺陷特征97.44%的高精度识别。通过和前人研究所采用的机器学习方法和深度学习方法对比,本文算法具有运行高效省时、检测高精稳定等特点,在处理焊缝缺陷分类任务中具有良好表现。3.通过将前两部分研究内容进行整合,并采用MATLAB编程语言设计了不锈钢焊缝缺陷图像检测系统。本系统可以实现输入不锈钢焊缝缺陷超声序列信号后进行数据预处理,并将预处理后的图像数据输入神经网络中进行网络模型的训练,使用批量或者单张数据对生成的分类模型进行测试,最终通过本系统自动生成不锈钢焊缝缺陷检测报告辅助检测人员队焊缝缺陷进行判别。