目前焊缝图像识别是焊接机器人智能跟踪研究领域中的热点问题之一。焊接过程的自动化关键在于对焊缝图像中焊缝的准确识别和位置确定，由于焊接过程的干扰因素较多，尤其是在C02作为保护气的条件下实施焊缝跟踪更为困难。本文研究是在C02作为保护气的条件下，对利用光反射获得焊缝图像中的焊缝进行识别和确定焊缝类型轨迹的方法。首先总结和分析了前人取得的相关成果，并在吸收前人先进技术的基础上，针对借助反射体反射弧光照射焊件表面得到的焊缝图片进行了深入地研究，考虑到目前焊缝中心信息提取实时性较弱，可靠性较低的缺点，依据纹理思想，设计提取中心信息坐标的算子，得到坐标点后，分别构建BP神经网络和回归分析数学模型来判定焊缝图形的类型以及确定焊缝的轨迹。完成的主要技术成果如下：　　 (1)对焊缝图像的可用性等问题进行了研究分析，并根据焊缝图像的各种特征，运用纹理理论，提出一种新的提取焊缝中心信息的算子，利用该算子方法确定了小区域焊缝中心的坐标。　　 (2)根据得到焊缝中心的坐标，构建BP神经网络，对焊缝图像进行包括直线、圆弧、折线及圆弧-直线组合四种类别的焊缝进行识别分类和轨迹逼近，并进行了有效的仿真实验和实验分析。　　 (3)深入分析焊缝中心坐标，利用斜率的概念，在识别坐标点对应的焊缝类型后，运用回归分析方法，针对四种焊缝类型建立回归模型，通过计算得到的反映焊缝轨迹的回归方程。　　 实验结果表明，这两种识别方法，在对焊缝图片类型识别和确定轨迹方面，各有特点，虽然BP网络对轨迹的逼近实时性不是很理想，但是BP神经网络可以快速地对四种类型的焊缝进行分类，而利用回归分析则能很好的实现对坐标点的拟合。两种方法融合将会进一步提高从识别到确定中心线的效率，更有利于满足跟踪系统对实时性的要求。