随着制造工业技术的迅猛发展，CO2焊接过程自动化程度也要求越来越高，焊接过程工艺参数的控制成为焊接领域研究的重要热点问题。焊接熔池的形态与焊接过程的工艺参数密不可分，要实现对焊接过程工艺参数的控制，需通过熔池的形态分析焊接工艺参数，因此，如何获取CO2焊焊接熔池形态和熔池特征的判别成为焊接领域重要问题之一。本人硕士论文针对基于视觉的CO2焊熔池熔深特征的判别进行了较为深入的研究。在研究短路过渡焊下CO2焊熔池的过程中，强烈的弧光干扰和飞溅干扰仍然是研究重点。由于各种因素的影响，在得到的熔池图像会存在飞溅与烟尘等，使得图像清晰度降低，如何有效消除这些噪声也是急需解决的难题。首先，本课题针对采集图像时会出现的一系列问题，采用了被动式的光源熔池图像视觉传感的方式，选取在熔池的正后方俯视拍摄熔池的图像，在全局快门的方式下进行熔池图像的高速拍摄，通过特定方法处理，得到了较为清晰完整的焊接熔池图像，也为后续进一步对熔池图像进行分析提供了有利条件。其次，本课题对采集到的焊接熔池图像做了一些处理工作。首先经过图像的预处理操作，这其中包括图像的几何变换、图像增强和形态学图像处理等，再进行图像后处理操作，对比高斯-拉普拉斯算子和Canny算子等其它算子对图像边缘的提取，然后运用数学形态学法对图像进行处理。经过一些列处理，从而获得了焊接熔池图像的特征参数信息，然后对这些信息做进一步研究。最后，通过分析各参数对熔池形状产生的影响，然后建立起一个BP神经网络模型，利用神经网络具有解决高度非线性问题等特点，通过此网络来预测焊接熔池的熔深。通过实验证明，由预测的数据与实验结果所得的数据进行对比，进一步证明了神经网络能够预测在不同焊接工艺参数条件下的熔深程度，说明人工神经网络在焊接领域中运用的可行性。