由于多传感匙孔特征参数可以有效地反映大功率激光焊接质量状态，本文研究了匙孔特征信息的提取方法并建立了焊缝成形预测模型。以大功率盘形激光焊接304不锈钢为试验对象，应用近红外高速摄像机和X射线视觉成像系统同时提取了焊接过程中的熔池动态图像，并分割出匙孔区域。针对近红外图像，应用矩方法导出匙孔的不变矩特征，同时定义并提取匙孔面积和最前端点纵坐标两个特征; 针对X射线图像则提取匙孔深度和熵两个特征。在不同激光功率条件下得到匙孔特征并进行特征融合分析，然后建立了3个BP神经网络焊缝成形预测模型。探索了匙孔形态、焊接条件和焊接状态三者之间的联系，实现了对焊接过程的在线监测。试验结果表明，将两个传感器获取的匙孔特征信息融合并进行主成分分析变换后，熔宽和熔深的预测绝对误差平均值分别为0.18 mm和0.57 mm，比基于单个传感器获取匙孔特征建立的BP神经网络分别减小了0.03 mm和0.31 mm，显示提出的方法能够有效在线监测大功率盘形激光焊接状态。