本文首次采用2DPCA方法设计针对焊缝成形质量的熔池图像的特征提取与分类系统,对熔池图像进行质量识别。该方法以图像全局为对象,有效消除图像间的相关性,获取表征图像差异的数值特征。本文通过实际焊接过程中焊偏、焊漏、表面成形不良、夹渣等焊缝成形质量问题的成因,设计焊接工艺试验,获得了表面成形良好、表面成形不良、焊枪左偏、焊枪右偏、焊漏、夹渣等六类焊缝及其对应的熔池图像。以三分类为基础探讨了PCA、2D’PCA、(2D)2PCA方法在弧焊熔池图像特征提取与分类中的适应性。试验结果表明,综合考虑算法复杂度与识别率,采用2DPCA与2D’PCA方法处理熔池图像有明显的优势。本文开发了基于MAG焊六类焊缝成形质量的2DPCA方法熔池图像分类软件。软件包含两大功能和三大模块。其两大功能是2DPCA和2D’PCA功能；三大模块是熔池图像预处理模块、熔池图像质量判别训练样本模块和熔池图像质量判别模块。其中预处理模块实现熔池图像的预处理过程；训练模块实现熔池图像2DPCA方法的最优投影轴、样本特征的计算与储存等功能；判别模块实现图像特征提取与图像的特征分类判别。通过试验得出：对于焊接工艺5L/min焊缝成形不良的熔池图像,2DPCA的判别结果为表面成形不良的占87%,焊漏占13%,2D’PCA的判别结果判别为表面成形不良的占74%,焊漏占25.8%；对于焊接工艺20L/min时焊缝成形良好的熔池图像,2DPCA与2D’PCA的判别结果均为焊缝良好型；对于焊接工艺10L/min的熔池图像的判别结果焊缝良好型为99.4%。对于焊接工艺5mm左偏的焊缝熔池图像,判别结果准确率为97.6%和98%：综上所述,基于2DPCA方法的熔池图像质量特征检测系统,能有效的针对弧焊熔池图像的特征判别出对应的焊缝成形质量,该方法易于实现,识别率高。