焊接区的视觉图像含有丰富的熔池成形和焊缝成形信息,然而,由于焊接区的状态复杂、干扰因素众多,图像处理算法设计非常困难,很难实现工程化应用.利用深度学习技术中的卷积神经网络(VGG网络)实现了薄板TIG焊的熔透状态的检测.首先采用VGG网络构建了从熔池反面视觉图像判断熔透状态的模型,实现了未熔透、熔透和烧穿的可靠识别,准确率可达97.2％;在此基础上,又采用SSD网络构建了熔透状态下熔宽的检测模型,实现了反面熔宽的准确测量.此外,采用数据增强的方法模拟了不同的检测条件,使模型的适应性达到了工程化水平.同时构建了从正面熔池预测反面熔透的网络模型,解决无法直接从反面判断的情况,模型的预测准确率为96.7％,最后分析了误差出现的原因和提高准确率的方法.