随着中国制造2025战略的提出,我国制造业各领域都向着自动化与智能化的方向发展。焊接技术作为工业重要的组成部分之一,智能化焊接对于工业发展有着重要意义。焊缝识别技术作为实现焊接自动化的核心技术之一,同样引起了学术界以及工业界的广泛关注。当前关于焊缝识别与检测技术的研究主要集中在小窗口特定环境下的焊缝识别定位,对于复杂环境下的多焊缝目标识别的研究还不够深入。而且相关算法参数固定,对环境适应性差。近年来深度学习的发展则为焊缝识别提供了新的思路。因此针对当前焊缝识别算法识别窗口小,算法适应性差等问题,本文提出了基于深度学习的焊缝识别及路径生成系统,旨在实现复杂环境下焊缝的识别检测,配合深度相机实现焊接路径的生成,并最终完成功能模块的封装以及软件开发工作。首先进行焊缝图像数据集的搭建工作。本文搭建的Welding Seam数据集包含有约2000张焊缝图像数据,包括对接接头焊缝,搭接接头焊缝以及T型接头焊缝等多种类型焊缝,同时使用翻转,加噪等手段进行数据集的扩充并对焊缝类型以及目标为位置进行标注。本文在Faster-RCNN的基础上搭建深度神经网络模型。该模型按照功能分为目标提取模块,预选区域生成模块和目标识别及位置回归模块。目标提取模块由多层卷积层与池化层组合而成,用于图像特征图的提取工作。预选区域生成模块主要是在特征图像的基础上生成备选区域,并最终在目标识别部分完成分类识别任务,在位置回归部分完成目标定位工作。通过模型的训练以调试工作实现复杂背景下焊缝的识别定位工作。为了实现焊接路径的生成工作,本文在虚拟环境下进行基于深度图的焊缝定位与中心线提取研究。主要包括对深度图像的分割,滤波以及焊缝边缘提取工作,利用局部最值提取焊缝中心线,并根据坐标变换实现焊缝位置的空间定位,生成焊接路径。最后进行了模块整合以及相关软件的开发工作,实现焊缝识别系统功能的封装以及面向用户化设计。软件按照功能划分主要包括:Dataset模块,Net Work模块以及图像处理模块。利用PyQT进行相关用户界面的设计并利用多线程实现界面与业务的分离工作。深度学习技术为智能化焊接提供新的思路以及解决方案。本文利用深度学习技术实现焊缝的识别以及定位工作,并配合深度相机设计路径生成系统为自动化,智能化焊接提供了“智慧”的眼睛。