《中国制造2025》提出海洋工程装备及高技术船舶关键制造装备为重点发展领域,随着“工业3.0”向“工业4.0”的逐步迈进,对焊接自动化和焊接过程在线检测技术提出了新的需求,传统的焊缝质量检验方法多为焊后检测,实时性很差,无法获取缺陷产生时的熔池信息,一旦出现缺陷便很难弥补。基于卷积神经网络算法和焊接熔池图像视觉检测方法,针对GMAW焊接过程中熔透状态、表面气孔以及表面熔渣等质量参数的在线监测进行研究,为GMAW焊接过程质量在线监测奠定了基础。建立了熔池视觉传感试验系统,分析了焊接规范对MAG焊熔池图像特征的影响规律,在不同焊接规范下进行焊接试验,获得约15000张熔池图像,提取出焊接规范对熔池图像特征的影响规律:熔透状态受焊接电流影响较大,表面气孔和熔渣的产生与保护气流量相关。为获得清晰的正面熔池图像,设计滤光系统,从工件后方以一定角度沿着焊接方向拍摄熔池,通过去均值、归一化、Gamma变换等图像处理手段减弱金属飞溅和强弧光干扰的问题,提高熔池的特征识别效果;通过卷积神经网络训练分类模型排除强弧光干扰,分析了相机标定方法,解算相机位姿获取拍摄角度,经过仿射变换后获得清晰的正面熔池图像。基于卷积神经网络算法,从获得的正面熔池图像出发,分析了熔池中对焊接规范敏感的熔池特征,可视化卷积核输出发现卷积核对焊穿时熔池中部黑色空洞兴趣很强烈,当焊缝产生表面气孔时,卷积核对熔池尾部半凝固区域圆形黑色孔洞响应强烈,而当焊缝表面产生大量熔渣时,卷积核对熔池金属和熔渣的分界线响应强烈。研究了卷积算法,对多种缺陷特征设计了不同的卷积算法,在训练的过程中利用自动优化函数和手动调整的方法不断优化超参数及模型结构参数,模型的预测准确率在95%以上。研究了C++和Python的混合编程方案,通过整合相机的功能函数、OpenCV图像处理函数以及Python接口函数,实现了包括图像采集、属性设置、图像保存、图像处理以及预测分类的功能,预测焊接过程中熔池的熔透状态,预测是否有焊穿、表面气孔、熔渣等焊接缺陷产生,测试速度在20帧/秒左右。