在机械加工、汽车制造等国家支柱行业和集装箱、船舶等制造业里,焊缝轨迹检测是焊接过程必要的一步,也是零部件生产过程中最重要的工艺之一。复杂构件具有焊缝类型多、焊缝宽度不一致及母材厚度变化大等特点,每个构件的工艺参数也不同,而且由于受到工业现场环境的影响,例如弧光、烟尘等,使得焊缝检测易出现不能够实时、精准的获取焊缝的信息等情况。因此,在智能焊接中提高焊缝检测的精度和效率是研究的主要问题。现有国内外的焊缝识别的方法基本通过激光和立体视觉中的边缘提取、模板匹配等技术等提取焊缝的位置信息,激光扫描仪成本较高,结构复杂且易受环境噪声干扰;仅从图像滤波去噪后通过几何形状或灰度值分布统计特征来提取焊缝特征点,缺乏鲁棒的特征表示能力,不能保证焊缝稳定的自动跟踪。在对焊缝的分类问题上,大多数都是采用人工判断的方式,然后再选择工艺参数,自动化程度较低。因此,针对上述对比度低、弧光干扰的复杂环境和实时性低的缺点,本文从焊缝识别分类和跟踪方面展开了研究,设计线结构光立体视觉技术焊缝检测的软件开发系统。根据线结构光投射在焊缝表面具有的畸变特点,得到焊缝的二维信息;通过相似度量对左右两幅图像的信息进行初匹配,然后再通过RANSAC算法精匹配,剔除误匹配点,精确的重建焊缝的三维信息。为了更好的在自动焊接中根据焊缝类型选择不同的工艺,本文提出一种改进的神经网络的算法,对不同的复杂焊缝分类,然后通过自适应调节算法修正焊接过程的偏差,实现焊缝的实时跟踪。本文通过仿真和实验的结果表明,焊缝三维信息的测量误差在0.6mm以内,能较好的重建出焊缝;并通过本文提出的神经网络算法识别不同的焊缝类型,识别率达96%以上,然后根据结果选择不同工艺参数进行焊接。但由于焊接过程受弧光、烟雾等影响,会出现焊接偏差,最后通过本文提出的一种焊缝的自适应模糊控制的误差跟踪算法,实时修正偏差。综上所述,本文技术在实际的焊接作业中适用性较强,对提高自动化焊接技术具有重要的意义。