激光焊接技术已经在汽车、航空航天、核电站和一般工业制造业等行业大面积应用，焊接质量常常成为工件失效的主因。然而，焊接质量深入工件内部，除非焊后检测，焊接质量究竟如何，犹如到庙里烧香，时灵时不灵。因此，激光焊接质量在线监测技术成为一种十分渴望的技术。

激光焊接在工业界应用已达30余年，即使深熔焊也出现了20多年，关于激光焊接的在线监测却一直没有全面普及，主要原因有三：其一，激光焊接过程错综复杂，简单方法难以准确监测；其二，激光焊接的熔池窄而深，深入到熔池内部的探测手段，至今也没有发明；最后，实验室研究的各类技术，价格昂贵，大部分也不满足现场作业对器件尺寸、重量等灵活性要求。

现在用于激光焊接质量在线监测的技术手段，按大的方向可以分为三种：

（1）光学法，即利用光学相机或紫外相机对焊接过程进行摄像，通过焊接光场强度和焊缝外观的变化，来推断焊接的质量，通常准确率不高；

（2）利用多光谱相机对焊接光场的光谱成像，分析比对不同光谱成像的差异，可以发现由于金属熔化不足导致深度不够，或者激光功率过大导致的熔透等现象，但是对于气孔、裂纹等缺陷几乎没有能力监测；

（3）OTC方案，这是最近炒得比较热的一种技术，利用光学相干成像对熔池表面的形状进行探测，可以精确地观测到熔池的表面形态。通过对熔池表面的监控和研究，可以了解焊缝最终成型的质量。不过由于焊接质量除了跟熔池紧密相关，熔池之后的冷凝过程也制约着焊接的质量，另外OCT技术只能监控到熔池表面的形态，但是无法深入到熔池内部，对于熔池内部的等离子体喷射和微小气孔无法看到，并且对于熔池之后的冷凝过程也同样无法感知，导致OCT技术并不能解决裂纹、夹渣这一类的焊接缺陷。另外OCT整套设备价格昂贵，并不适合大范围、普及应用。

随着人工智能技术的涌现，利用AI技术解决激光焊接质量的在线监测技术成为一种潜在路径，我司在多年智能视觉的研究基础上，开展了多模态的在线激光焊接质量监测系统的研制，有望解决这一困扰激光焊接界多年的老大难问题，并且成本适中，适合大规模应用。

我司研制的AI辅助激光焊接在线质量监控系统，通过对光学影像、声波、光谱和激光功率等焊接条件的实时采集，对焊前、焊中、焊后三个阶段全面监测，然后通过自研的多模态视觉语言大模型对图像、声波，光谱信息以及焊接数据等多种数据的解构，给出焊接质量的精准判断。更进一步，我们的模型将根据焊前的接缝或坡口形态，以及焊接过程的历史数据，提前预判焊接质量的劣化，极大地提高焊接的整体交付质量。

主要特点

（1） 利用图像、声波、光谱和激光焊接参数的多模态数据，全面了解焊接的全过程，正如一个高级焊工在焊接时，会通过眼看、耳听、手感来控制焊接质量一样，符合焊接质量监测的第一性原理。

（2） 利用自研的视觉语言大模型，通过模型压缩和数据对齐技术，适配激光焊接场景，减少了通用大模型的资源消耗，工业边缘计算设备也可运行，并满足实时要求。

（3） 利用现有的激光焊接设备接口，无需添加大尺寸传感器，和现今的激光焊接头无缝融合，灵活方便，成本适中，适合大多数的激光焊接应用场景

随着激光焊接在数据中心、星舰、卫星、新能源电池、风电等制造关键环节的应用，焊接质量的在线监控是必不可少的工具，可以大幅度降低焊接缺陷导致的返工成本，以及潜在缺陷在使用中引起的巨大事故。低成本的、激光焊接质量在线监测系统将会成为高质量激光焊接任务的必选项。