在现代工业中,焊接作为一种重要的加工制造技术在工业领域中应用广泛,焊接质量的好坏对于焊接产品的可靠性及安全性具有重要影响,对焊缝进行焊后质量检测是保证焊接质量的重要手段。线激光视觉传感技术凭借其结构简单,抗干扰性强和精度高等优点在焊缝成形质量检测中得到广泛应用。针对在焊缝成形质量检测过程中图像噪声对测量精度的影响及现有焊缝特征检测方法的局限性,论文对基于扫描激光视觉传感的焊缝特征提取及焊缝表面质量检测进行了研究。本课题首先设计了一套基于扫描激光视觉传感的焊缝表面质量检测系统,根据系统检测需求选择合理的硬件参数并对视觉传感器进行标定。通过分析焊缝图像中激光条纹横截面处的灰度分布特点,提出采用加权灰度重心法提取焊缝条纹中心。为减少焊缝条纹图像中噪声对焊缝成形测量精度的影响,通过分析焊缝图像噪声的分布特性,提出基于软硬阈值折衷的小波去噪方法。对提取的焊缝条纹中心利用小波多尺度分解获得焊缝条纹中心的各层细节分量,对各层细节分量设定阈值,根据阈值对各层细节分量进行相应的保留或收缩,然后利用小波逆变换最终重构出去噪后的焊缝条纹中心。通过分析不同类型焊缝的条纹图像特征,设计相应的焊缝特征检测算法。针对对接焊缝,通过分析一般斜率法和截距法存在的不足,提出一种基于斜率截距法的改进算法,对焊缝轮廓数据点进行多区域检测提取焊缝特征点。针对角接焊缝,对于表面存在凹陷或飞溅的焊缝,利用Shi-Tomasi角点检测法提取的焊缝特征点精度及鲁棒性较差,因此提出一种基于分段区间的焊缝特征点检测方法,通过设置多阈值判断焊缝特征点位置,克服了传统焊缝特征检测方法的不足。为实现焊缝表面缺陷的自动检测,通过对不同焊缝缺陷的激光条纹图像进行分析,根据缺陷在条纹轮廓中的几何形态及空间分布特点,研究并设计缺陷特征提取方法。根据不同焊缝缺陷的特征值设计基于BP神经网络的焊缝缺陷分类模型,并通过试验验证分类模型的有效性和可行性,试验结果表明建立的识别模型能够有效识别焊缝中的凹坑、气孔和咬边等表面缺陷。