近日，来自湖南大学的研究人员为大家展示了一个单视觉为基础的激光焊接监测平台来进行目标的激光监测；将焊接图像分成两大类型、三大类型和四大类型；利用CNN对图像的特征进行了截取。利用该方法进行焊接穿透状态的截取，其精度达到94.6%。并采用不同的焊接参数对提出的监控系统进行了验证研究人员采用一种创新的监控系统来诊断焊接过程中的穿透状态。这一监控包括两个模板，
一个时同轴的视觉监控平台；一个时焊接穿透状态的诊断单位。这一平台通过一个部分传统的镜子和高速相机，可以捕获在激光焊接时的相互作用区的同轴。图像数据代表四种焊接状态的图像数据在创建后用来进行训练和验证。该单元包括植入的高性能TX2计算系统和基于CNN（卷积神经网络）的图像处理算法。实验结果证明该平台可以稳定的捕获焊接状态的图像。用于诊断焊接穿透深度的CNN利用网络结构和超参数进行优化，应用一个超级的高斯功能来初始化卷积层的重量。在实际连续变截面板的激光焊接时，采用本文所提出的方法，其穿透状态的诊断精度可以达到94.6%，即使是工艺条件发生极大的改变也是如此。验证实验和真实的激光焊接结果的相似性证明，提出的监控系统具有很强的鲁棒性。CNN的精度和召回比例显著高于现有的其他方法。