随着港机生产制造要求的进一步提升,焊接质量成为保障生产安全、产品安全的重要环节。国内在焊缝质量检测方面过度依赖人力,导致生产效率低、评价标准不够准确等问题。运用机器人完成焊缝缺陷质量检测的工作是解决上述问题的关键之一。本文针对这一难点对基于视觉的焊缝定位与缺陷识别机器人系统进行研究。基于视觉的机器人质检系统存在三大技术系统:图像采集系统、焊缝定位与缺陷识别的图像处理系统、搭载工业相机的机器人定位系统。这三大技术系统中的软硬件设备相互联系,数据信息沿第一技术系统向下传递,从而完成机器人焊缝定位与缺陷识别这一目标。为了研究大构件焊缝定位与缺陷识别,以金属工件为对象开展研究。针对上述三大技术系统及研究目标,开展的工作有如下内容:（1）为了使带有焊缝的金属工件模拟出大构件在工厂环境中的照明条件,搭建了一套光学平台进行工件的图像采集。首先对不同种类光源照射工件的效果进行了研究,实验表明穹顶光对工件照明有良好的效果。条形光可以模拟工件受到强光干扰。结合工件的照明效果,搭建组合光照明系统,工业相机完成图像采集,计算机收集图像数据,从而完成工件图像的采集系统搭建。（2）针对解决图像处理环节中焊缝的准确定位与缺陷的准确识别问题,尝试了两种图像处理思路,一种思路是基于阈值、边缘提取、局部灰度均值三种方法的图像处理传统方案。另一种是借助基于FPN网络结构的深度学习方法应用网络的目标检测功能进行焊缝定位,应用语义分割功能进行焊缝缺陷检测。网络优化后预测的焊缝定位准确率达到95%,缺陷识别准确率达到91.8%。对比两种方法的实验效果发现,在焊缝定位与缺陷识别上深度学习的方法比传统图像处理方法有更高的准确率,更好的稳定性。（3）为了实现自动引导机器人到达工件焊缝位置以及焊缝缺陷位置,将工业相机与机器人组合安装,应用工业相机提供视觉功能。首先计算工件图像中焊缝在图像坐标系下坐标位置,根据映射关系将坐标点转换为KUKA机器人系统下自定义的工具坐标位置,实现目标区域的定位。借助QT、WorkVisual等编程工具编写PC端程序和KUKA机器人程序,实现了PC端到机器人端的通讯。综上本文解决了焊缝定位与缺陷识别三大技术系统中的问题,完成了视觉系统引导机器人到达工件焊缝位置及缺陷位置的任务目标,对缺陷自动检测有很好的借鉴意义,在生产中有一定的实用价值。