激光熔覆作为一种使用激光作为热源将金属涂层施加到零件表面的加工方法,被广泛应用于增材制造领域,其通常用于创建保护涂层以增强原始零件性能,以及修复损坏或磨损的表面。但由于激光熔覆过程中能量的传递机理和物理过程复杂不可控,导致熔覆加工过程中产生缺陷,从而使熔覆涂层失效,因此为了确保熔覆加工质量,对加工过程中的熔覆涂层进行在线检测是十分有必要的。本文首先利用红外热像仪、计算机等设备建立了一套检测系统,其次通过红外图像增强和图像语义分割算法对采集到的图像进行增强和区域分割处理得到缺陷检测结果,最后进行验证实验,实现在线检测。主要完成了以下工作:构建了激光熔覆涂层红外图像采集平台。该平台以红外热像仪为基础,结合其配套的PC端控制软件,实现了熔覆涂层加工过程中的红外图像数据采集和PC端存储。针对采集到的红外图像存在噪声和非缺陷区域的红外特征与真实缺陷区域红外特征相似,导致将真实缺陷区域淹没的问题。本文在直方图均衡化算法的基础上结合加工过程中熔覆涂层的热场分布规律,设计出Heat-HE红外图像增强算法,可将红外图像中的噪声和非缺陷区域有效剔除,为后续缺陷识别提供了有效数据。提出了 RespathU-net语义分割缺陷检测网络,该检测网络以U-net网络为基础框架,针对其无法实现端到端输出,对复杂对象分割效果较差等问题,采用重新设计编码网络结构、扩大网络感受野、残差连接路径等方法对其进行优化改进,以提升对熔覆涂层缺陷区域的分割效果,并通过KolektorSDD数据集和本文构建的红外数据集,分别对RespathU-net网络进行泛化性能测试和缺陷检测实验。结果表明本文提出的RespathU-net实现了良好的多尺寸特征识别,效果远优于其他语义分割网络,其平均交换比（Mean Intersection over Union,MIoU）值与相似系数（Dice similarity coefficient,Dice）相较于 U-net网络分别提升了 2.76%和1.25%,实际缺陷检测准确率达87.01%。