铝合金作为一种轻型合金材料,在车身某些部位广泛应用,是实现汽车轻量化的一个重要选择,激光焊接功率密度大、焊接效率高、自动化程度高,在汽车工业中正逐渐取代其他传统接合方式,汽车结构中不同部位使用不同材料,异种铝合金激光焊接容易产生缺陷,影响焊接接头质量,降低生产效率,而目前缺少有效的激光焊接量化熔深在线检测和表面缺陷在线检测手段。本文基于视觉方法,利用Phantom VEO 710s高速摄影相机搭建了金属蒸汽高速摄影图像采集系统,利用Basler ac A780-75gc工业相机搭建了表面缺陷检测图像采集系统,对实现对激光焊接过程中金属蒸汽图像和焊后表面图像采集。通过高速摄影采集金属蒸汽图像,从金属蒸汽亮度、喷发量、位置和图像纹理等方面提取了共计21个特征,以10 mm段焊缝为熔深检测基本单位,基于机器学习建立熔深回归模型,根据金属蒸汽图像特征,有效地实现了熔深在线检测,平均绝对误差0.165 mm,误差率8.25%。结合激光三角测量法和图像处理方法建立了表面缺陷检测系统,有效地结合了两种方法的互补,提高了检测准确率和检测速度,降低了检测系统对硬件的高要求。基于激光三角测量法重建了表面三维轮廓,提取了18个轮廓特征,基于图像处理,从表面图像中提取了70个图像特征。根据特征重要度,进行特征筛选,选用了特征重要度占比前70%的37个特征。基于XGBoost建立了表面缺陷分类模型,有效地实现了表面缺陷在线检测,检测速度最高可达9.84 m/min,分类总体准确率95.71%,缺陷样本和无缺陷样本两分类准确率98.57%,查全率100%,查准率97.20%。通过建立的熔深检测系统和表面缺陷检测系统,基于金属蒸汽图像、表面三维轮廓、表面二维图像等信息有效地实现了5754/7075铝合金激光焊接接头质量检测。