广东水利电力职业技术学院智能制造学院立足区域产业发展实际，依托校企合作平台持续提升师生实践能力。2026年3月以来，由余栋力、范凯宇等11名师生组成的科研团队，聚焦自动化焊接过程质量检控这一行业痛点，十余次深入广东利元亨、小鹏汽车及深圳龙晨自动化等企业一线，有效推动了产学研用资源的整合，为解决企业实际生产技术难题提供了技术支撑。

图1 智能制造学院师生团队在广东利元亨调研

　　一、问需企业，找准焊接质量痛点

　　3月23日，智能制造学院师生团队围绕自动化焊接质量检测及其过程稳定性监控，深入广东利元亨自动化装备生产车间、小鹏汽车科技集团生产车间，与企业负责人共同研讨焊接过程稳定性监测、焊接工艺及其路径自适应调整、焊接缺陷识别准确性等关键环节。双方团队发现，在新能源装备制造等复杂工业场景中，焊接质量不仅取决于焊后检测结果，更与焊接过程中的姿态偏差、热输入波动、材料状态变化等因素密切相关。特别是传统检测方式往往偏重焊后判定，难以及时发现焊接过程中的隐性缺陷，容易造成“发现问题滞后、返修成本增加、质量追溯困难”等问题。为了共同解决焊接质量控制难题，深化降本增效，智能制造学院与广东利元亨智能装备股份有限公司建立起常态化合作机制，重点对视觉引导下的路径偏差补偿、异质传感信息融合、激光焊缝缺陷检测等问题开展科研攻关。

图2 智能制造学院师生团队在小鹏汽车科技集团调研

图3 智能制造学院师生团队走进小鹏汽车科技集团生产车间

　　二、科技赋能，合力攻关技术难题

　　3月26日以来，智能制造学院科研师生团队5次走进华南理工大学广东省智能焊接制造装备及机器人工程技术研究中心，带着“焊接缺陷如何更早发现、检测数据如何更准融合、算法模型如何更好落地”等问题，主动与国内智能焊接领军学者、华南理工大学王振民教授团队联合建立了技术攻关小组，并初步聚焦三项技术研究方向：一是针对焊缝表面识别与位置偏差量化问题，研究复杂焊接工况下的视觉感知与偏差测量技术；二是针对提高激光焊接各类亚表层缺陷的识别能力，研究基于线性脉冲涡流的内部缺陷检测技术；三是针对小样本焊接实验及单一数据源的局限性，研究多源异构数据融合技术，增强系统在不同材料、不同型号、不同工况下的适应能力。从前期测试结果看，智能制造学院“激光焊接缺陷在线检控系统”通过融合视觉与涡流检测数据，缺陷识别准确率由传统检测的80%提升至约96.7%，为实现焊接质量在线检控和后续工艺优化提供了技术基础和理论参考。

图4 智能制造学院开展智能焊接检测测试

　　三、产教融合，推动项目走向应用场景

　　经过调研和科研，智能制造学院师生团队围绕企业反馈意见，于5月9日、10日再次走入广东利元亨自动化装备有限公司和深圳龙晨自动化设备有限公司开展技术交流与服务，接受真实工况、真实节拍、真实质量标准的检验。通过现场测试，团队在优化检测系统的现场抗干扰能力、数据融合算法的泛化能力和检测结果的可视化表达方式等方面表现出极大的优势。其中，在广东利元亨实际适配周期3天完成，时间缩短至原来的57%，良品率提升5.1%、返工率显著下降；在深圳龙晨自动化实现原探测深度由2mm提升至6mm，信号失真率由6%下降至3%，识别准确率由80%上升至95.3%。在两家企业的深度应用中实现焊接制造从“能识别缺陷”向“能辅助判断、能支撑调参、能服务产线”升级。

图5 人机协作机械臂视觉伺服应用体验

　　未来，智能制造学院将将持续坚持以产业需求为导向，主动对接高校科研资源和企业应用场景，持续推动智能焊接检测技术创新，在智能制造和高端装备质量检测领域贡献青年学子的专业担当与创新活力。

图6 智能制造学院师生团队在生产一线开展项目应用测试

　　实习编辑 杨云帆