飞溅是不锈钢高功率激光焊接中的严重缺陷之一，会导致焊缝尺寸不合格和焊板污染，影响构件服役性能。飞溅的快速、准确监测是保证焊接质量的基础。提出了一种基于机器视觉的飞溅监测方法。首先，建立了基于微距高速摄像机的高时空分辨率飞溅原位观测平台，观察了飞溅的产生和运动过程；然后，提出了基于多阈值分割-形状识别-图像融合的飞溅识别方法，获得了飞溅中心坐标、尺寸和速度特征；最后，研究了飞溅轨迹重构方法，获得了飞溅轨迹和数量特征，分析了飞溅的动态行为对焊缝质量的影响。结果表明，提出的飞溅监测方法可以准确获取飞溅特征，为高功率激光焊接状态监控和焊接质量评估提供了可靠的数据支撑。

激光摆动焊接在抑制气孔缺陷方面的突出作用，为铝合金薄板焊接提供了一种有效技术手段，激光摆动焊接工艺参数的选择对焊接质量及碳排放有直接影响。为实现铝合金薄板搭接焊接的低碳化，对铝合金薄板搭接激光摆动焊接碳排放进行量化，并基于多输出高斯过程构建了表征工艺参数与焊接质量、碳排放之间对应关系的近似模型，在此基础上结合非支配排序遗传算法（NSGA-Ⅱ）搜索最优的焊接目标，获得对应的最佳工艺参数。经工艺试验验证，在最佳工艺参数下焊缝成形质量得到有效提升，且气孔、熔池下塌、内凹等焊接缺陷得到抑制，焊接过程碳排放有效减少12.99%，而接头最大承载力仅降低2.47%，能够在保障焊接质量的同时显著减少焊接过程碳排放。

汽车产业是国民经济的重要支柱产业，高新技术与高端装备密集，体现了国家制造技术水平。激光焊接技术具有能量密度高、焊接变形小、柔性好等优势，被广泛应用于汽车车身成形制造，是汽车车身焊接的主要技术手段。激光焊接技术能实现钢、铝合金、镁合金等常用汽车车身材料的高质量焊接，对推动汽车车身轻量化和制造柔性化发展具有重要意义。首先结合汽车车身结构及材料特点，详细介绍了激光深熔焊、激光填丝焊、激光钎焊以及激光-电弧复合焊接等激光焊接工艺的原理及其在汽车车身焊接领域中的应用现状；然后从焊缝跟踪技术和缺陷在线检测技术两方面，对汽车车身激光焊接智能化技术的研究现状进行了介绍；最后对汽车车身激光焊接技术进行了总结并分析了其未来发展趋势。

铝合金密度低、比强度高,是理想的新能源汽车车身材料,但表面氧化层的存在严重影响焊接质量。激光清洗是一种基于脉冲激光的热烧蚀作用去除表面氧化层的方法,具有非接触、可控性好等优点。激光清洗处理会使铝合金表面形貌发生明显变化,对后续加工(如焊接、涂装等)有显著影响。研究了6061铝合金激光清洗表面形貌的变化规律,并建立了表面自然氧化层的激光清洗工艺窗口;基于此窗口,构建了6061铝合金表面粗糙度变化函数模型,对工艺参数进行优化。结果表明:平均功率影响凹坑形貌的变化尺寸,进而改变表面粗糙度,随着功率由15 W升高至75 W,粗糙度逐渐增大;扫描速度和线间距影响相邻凹坑的搭接形貌,进而改变粗糙度,随着扫描速度由2000 mm/s升高至6000 mm/s,线间距由0.02 mm升高至0.06 mm,粗糙度先增大后减小。6061铝合金自然氧化层的激光清洗工艺窗口的参数为:平均功率为30~60 W,扫描速度为3000~5000 mm/s,线间距为0.03~0.05 mm,采用此窗口的工艺参数进行激光清洗后,粗糙度最大为1.584 μm。

近年来, 随着深度神经网络的发展并被应用在超分辨领域, 图像超分辨率重建的效果得到了明显的提升。但是之前的工作大都把精力放在如何设计深度模型来提高重建的效果上, 而忽视了设计模型需要大量参数与计算量这一问题, 严重制约了深度学习方法在图像超分辨率重建方面的实际应用范围。针对该问题, 基于密集连接结构设计了一种新的网络。在以下3个方面进行了算法改进: 1) 提出了一种基于密集连接结构的新模型; 2) 加入1×1卷积层作为特征选择层, 同时进一步减少计算量; 3) 探讨了通道数量与重建精度、计算量之间的关系。实验结果表明本文提出的模型取得了与其他卷积神经网络模型相近的复原精度, 同时计算速度只有之前最快深度模型FSRCNN的一半以下。

利用高速电耦合器件与发光二极管光源实时获取激光清洗后铝合金的表面图像,设计了铝合金表面氧化膜激光清洗机器视觉在线检测系统,提出了针对激光清洗过程的动态阈值快速定位耦合算法。所提算法解决了激光高速清洗过程中表面光照不均的问题,实现了激光清洗过程中清洗合格区域与不合格区域的准确分割及快速定位。所设计的在线检测系统能够实时检测铝合金表面氧化膜的清洗质量,缩短了检测时间,提高了检测准确度,可以保障整体的清洗质量。

针对光电图像语义分割问题, 提出了一种基于编解码(Encoder-Decoder)结构和图像局部增强的分割算法。首先, 采用基于互质因子的空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP)模块减小多尺度空洞卷积(Atrous Convolution)引入的网格效应, 提升卷积核的像素近邻信息表征能力; 其次, 对分割难度较大的图像局部区域, 采用融合平均交并比(Mean Intersection Over Union, MIOU)和交叉信息熵的损失函数, 结合权值衰减策略, 提高这些局部区域的像素权重。实验结果表明, 提出的改进算法能有效提升图像语义分割精度。

目标检测通常利用复杂的、高维度的特征来提高其检测精度, 而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维, 但在其求解过程中会涉及到大量的矩阵分解运算, 从而降低了算法的实时性。针对此问题, 提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器, 实验结果表明, 该分类器在保证检测精度的前提下, 提高了目标检测的实时性。

针对扩展目标在跟踪过程中存在的因旋转、尺度变化和目标部分区域离开视场时引起的漂移等问题, 提出了一种在特征点匹配的基础上结合广义Hough变换的扩展目标跟踪方法。采用ORB特征处理相邻两帧图像, 得到初始匹配特征点, 然后再用随机采样一致处理筛选出匹配正确率高的特征点作为基础特征点, 利用这些基础特征点进行广义Hough变换, 提取出一个相对位置固定的跟踪点对目标进行跟踪。实验表明, 该方法具有能保持跟踪点的相对位置固定的特性。