一般焊接质量控制与保证主要采用如下两类途径，一是焊前通过设计合理的焊接工艺，二是焊后进行无损检测或其他检测。但目前的计算机技术以及所具备的焊接理论知识还不能很好的实现在线直接检测和控制焊接质量。现阶段只能利用现有一系列传感技术和不太完善丰富的控制技术对焊接质量进行间接控制，一般只是编写程序设定对一些熔池形态参数（熔宽、熔深等）进行实时检测和控制。
视觉系统主要包括焊缝视觉跟踪、焊缝熔池及成型视觉传感和焊件的三文视觉模型重建，基于视觉的焊接质量智能控制是当今研究的热点方向之一。北京装甲兵工程学院、上海交通大学、山东大学等学校有一定程度的研究成果。33529
当前大多数学者是建立神经网络模型实现熔宽和熔深等焊缝成型控制过程，基于视觉传感检测的GMAW熔宽控制的研究相对成熟，如上海交通大学的陈善本即对脉冲GTAW焊缝成形实现了很好地控制。论文网
北京装甲兵工程学院张甲英等[14]实现了对MIG焊焊缝熔宽进行实时控制；大连理工大学精密与特种加工教育部重点实验室吴东江[15]等人通过对脉冲激光焊接Haste alloyC-276合金的熔池流动传热特性分析，建立三文瞬态模型可以很好的分析熔池流体流动的行为，为进行焊接实时检测提供了重要信息。
焊接熔池形状参数，如熔透与熔深，对两个焊接参数的控制，国外D.S.Nagesh， G.L.Datta[16]利用BP神经网络成功预测在埋弧焊时的焊缝几何参数和熔深。Y.Suga等[17,18]利用人工神经网络通过检测熔池背面尺寸参数实现对熔深的自动控制。
华南理工大学李迪、宋永伦等人[19]提出一种在CO2气体保护焊过程中基于对电弧传感信号特征的提取而实现对焊缝缺陷自动监测的方法，对自动化焊接产品实现“零缺陷”具有重要价值。
对基于视觉的焊接缺陷检测方面，南京理工大学王克鸿等[20]对GMAW典型熔池图像提取熔池特征信息，研究焊接缺陷与熔池图像信息之间的关系，探寻焊接缺陷与熔池图像信息之间映射关系。
上述这些基于电弧信号传感和基于视觉传感信号的研究取得了一定成果，为焊接缺陷在线预测及实时控制提供了有益的启发。 视觉的焊接质量智能控制的研究现状:http://www.youerw.com/yanjiu/lunwen_30684.html