以低成本、短周期著称的增材制造技术在航空航天等制造业领域应用优势突出,服务效益明显,但由于增材制造加工过程剧烈,会导致零件出现缺陷影响产品机械性能甚至失效。其中气孔是最常见的焊缝表面缺陷类型之一,且气孔缺陷的数量、大小以及位置分布均无显著规律,使得自动检测各种类型的气孔较为困难。针对上述问题,本文研究并实现了基于“粗定位+精定位”模式的焊缝气孔缺陷检测算法:(1)气孔缺陷区域粗定位方法。因为焊缝前景——背景差异性较大,气孔缺陷边缘特征明显,因此本文使用了一种基于图像梯度信息的特征提取算法——梯度方向直方图算法。首先对样本数据进行分析并有针对性的进行图像预处理,然后使用梯度方向直方图算法提取图像特征向量,最后利用支持向量机作为分类模型来学习数据特征并完成气孔区域粗定位工作。因为采集的样本属于不平衡数据,所以使用ROC曲线来表示模型在验证集中的表现,并通过计算AUC值来量化模型分类效果。采用6折交叉验证方法所计算的平均AUC值为91%,即模型区域粗定位准确率约为91%。(2)气孔位置精定位。将梯度方向直方图与支持向量机算法得到的缺陷区域作为输入,使用SIFT算法对该区域中的气孔缺陷进行特征提取与检测,并得到气孔缺陷的拟合圆中心坐标和半径。为了将检测数据反馈给机床以进行二次加工,本文还进行了像素当量标定工作,将算法得到的像素坐标和像素半径转换成物理坐标和长度。在实验条件下,算法的综合定位准确率达到87%。