工业焊接中,熔池视觉形态特征对焊接工艺质量的在线控制起着关键的作用,本文对熔池轮廓边缘的提取算法以及成形焊缝宽度的预测方法进行深入的研究,实现了准确的熔池轮廓提取与焊缝宽度预测。主要研究工作如下:（1）建立了基于被动式视觉传感法的熔池图像采集系统,针对TIG焊不锈钢熔池图像的特点,为了在充分挖掘弱边缘信息的同时获得封闭完整的熔池轮廓,对传统图像算法进行改进设计了一种熔池轮廓提取算法（Operator Template Matching based on Edge Direction Guidance,OTM-EDG）,该算法主要包括了基于非线性灰度变换的弱边缘区域增强操作以及基于边缘导向算子模板匹配的梯度计算操作。通过对实验结果的分析,证实了本章算法相较于传统边缘检测算法在弱边缘检测中的准确性,并能获取到封闭完整的轮廓边缘。（2）提出一种基于卷积神经网络的熔池轮廓提取方案,以残差网络作为基本模型设计了语义分割网络Res-Seg,为了使训练得到的网络模型鲁棒性进一步提高,结合了基于DCGAN（Deep Convolutional GAN）网络的数据集扩充方法与网络训练时进行的色彩与形态学上的数据增广操作。通过与传统边缘检测算法以及其他语义分割网络的对比,验证了本章提出的网络模型在工业环境中对于多种焊接工艺参数下的熔池图像具有较高的分割准确度以及较强的泛化能力。（3）提出了一种利用BP神经网络进行焊缝宽度预测的方法,将熔池区域像素宽度、焊接电流强度、焊速和送丝速度四种参数作为网络输入,实际焊缝宽度作为网络输出对BP神经网络训练。在对测试结果进行比较分析之后,验证了本章方法的平均测试误差小于0.25mm,能够用于工业焊接环境当中的焊缝宽度预测。