随着制造业的快速发展,在熔焊与增材制造领域,传统的人工肉眼判断焊缝质量已经无法满足工业化大规模生产的需求。在智能化焊接方面,随着焊接方式、条件的复杂多变,传统的焊缝跟踪图像处理方案已经不具备普适性。本文针对熔焊增材成形质量中的粗糙度检测进行研究,实现了在线焊接的焊缝粗糙度准确分类,同时将深度学习方法运用到工业焊接智能化领域,实现了焊缝特征的准确提取。本文的主要研究工作如下:（1）搭建了基于线激光的推扫式三维重建系统。通过三维系统的自身标定和与机器人的联合手眼标定,使得本套三维视觉系统可以准确的获得焊接过程中焊缝成形的三维轮廓信息,为焊缝的质量检测提供了可靠的数据支持。本文通过大量实验对比得到了线结构光装置相对于焊接机器人焊枪的最佳装配距离,这为焊缝质量的智能检测与在线参数修正提供重要参考。（2）提出了一种基于激光视觉的焊缝动态纹理粗糙度检测算法。算法结合了图像领域的Tamura纹理粗糙度与机械工业学领域的工件表面粗糙度理论,通过对焊缝表面信息的动态显著实现了对熔焊增材成形表面粗糙度的正确检测分类。经过算法的理论分析,粗糙度标准件,实际焊接测试等一系列的实验最终验证了本粗糙度分类算法的高鲁棒性与准确性。（3）提出了一种基于ERFNet的焊缝特征分割提取方案。传统算法应用于焊缝跟踪视觉图像处理时存在的两大难题是无法提取到淹没于环境噪声的激光条纹和不能适用多样化的焊接类型,本文将深度学习的分割思想引入焊缝激光条纹特征提取中,实现了多种焊接类型的焊缝中心线准确提取与特征点位置检测。不同于传统方案中先提取线再求解特征点的方法,本方案可直接同时获取焊缝跟踪所需的这两类特征。文章的最后通过大量的对比实验验证了本文中所提出的算法的优越性与普适性。