近日，中科院上海光学精密机械研究所高端光电装备部杨上陆研究员团队在激光焊接过程监测领域取得重要进展，相关研究成果发表于国际期刊《Optics & Laser Technology》，为高端制造领域焊接质量在线精准管控提供了新的技术路径。
当前，新能源汽车、航空航天等高端制造对焊接可靠性要求持续提升，激光焊接熔深状态实时监测已成为保障构件安全与服役性能的关键环节。传统检测手段多依赖单一传感信号与人工特征提取，难以完整表征焊接过程中的复杂物理变化，在线识别与稳定性受限，难以满足规模化、自动化产线需求。
针对行业共性难题，该团队搭建了多传感融合监测平台，同步采集激光焊接过程中的声学信号、等离子体光谱信号与熔池图像信息，构建了覆盖四类熔深状态的多模态数据集。在此基础上，研究人员提出一种神经网络与极端梯度提升相结合的 Fusion XGBoost 混合模型框架，通过神经网络完成多源原始数据的自动特征提取与深度融合，再利用 XGBoost 实现高效判别，并以自适应策略完成双模型协同决策，摆脱了对人工特征工程的依赖。
实验验证显示，该融合模型在测试集上的平均识别准确率达到 95.29%。同时，团队借助 Grad CAM++ 可视化分析，明确了熔池轮廓区域及 367 nm、437 nm、580 nm、622 nm 附近特征光谱对模型决策的关键贡献，有效提升了算法模型的可解释性，增强了工程化应用的可靠性。
此次技术突破，不仅解决了铝硅镀层热成形钢激光焊接熔深分类的检测难点，也为多模态传感在激光加工在线监测中的应用提供了可复制的技术范式。随着高端制造对在线质量检测装备需求持续增长，该成果有望进一步工程化落地，推动激光焊接检测装备向高、智能化、高可信方向升级。