Como un componente clave en el sistema de frenos hidráulicos de los automóviles, la unión de freno afecta directamente el rendimiento de frenado y la seguridad de conducción del vehículo. Por lo tanto, mejorar la calidad de las uniones de freno es crucial. Durante el procesamiento, debido a la complejidad del material de soldadura y del proceso de soldadura, la costura de soldadura es propensa a varios defectos como grietas, poros, desbaste e fusión incompleta, lo que puede debilitar la unión e incluso llevar a la falla del producto. Los métodos tradicionales de detección de costuras de soldadura incluyen pruebas destructivas y no destructivas; sin embargo, las pruebas destructivas tienen altos costos y largos ciclos, y las pruebas no destructivas, como las pruebas radiográficas y las pruebas ultrasónicas, también presentan problemas como altos costos de consumibles, velocidad de detección lenta o altos requisitos de experiencia del operador. En respuesta a estos desafíos, este artículo propone un método de detección y clasificación de defectos para costuras de soldadura láser de uniones de freno automotrices basado en tecnología de inspección por visión artificial. Las uniones de freno automotrices soldadas con láser son sometidas a detección y clasificación de defectos de soldadura, y se optimizan los algoritmos de procesamiento de imágenes para mejorar la precisión de la detección y el análisis de fallas aprovechando las ventajas de alta eficiencia, bajo costo, flexibilidad y automatización de la tecnología de visión artificial. Este artículo primero analiza los tipos comunes de defectos de soldadura en la soldadura láser de uniones de freno automotrices, incluyendo cráteres, agujeros y mordeduras, y explora las causas y características de estos defectos. Luego, se estudió un algoritmo de procesamiento de imágenes adecuado para la soldadura láser de uniones de freno automotrices, incluyendo pasos de preprocesamiento como suavizado de imágenes, mejora de imágenes, segmentación por umbral y procesamiento morfológico, para extraer parámetros de características de los defectos de soldadura. Sobre esta base, se diseñó un sistema de detección y clasificación de defectos de costura de soldadura basado en el clasificador en cascada y el algoritmo AdaBoost, y se logró un reconocimiento y clasificación eficientes de los defectos de costura de soldadura mediante el entrenamiento del clasificador en cascada. Los resultados muestran que el sistema puede identificar y distinguir con precisión defectos de pozos, agujeros y desbaste en las soldaduras, con una precisión de clasificación promedio de más del 90%. La tasa de detección y reconocimiento de defectos de pozos alcanza el 100%, y la precisión de detección de defectos de desbaste es del 92.6%. Y la tasa general de detección fallida es inferior al 3%, con una tasa de detección fallida y una tasa de detección falsa para defectos de pozos del 0%. El tiempo promedio de detección para cada imagen es de 0.24 s, cumpliendo con los requisitos de tiempo real de la automatización industrial. En comparación con los métodos de detección infrarroja y ultrasónica, el sistema de detección propuesto basado en visión artificial tiene ventajas significativas en velocidad de detección, precisión de reconocimiento de defectos en la superficie y adaptabilidad industrial. Esto proporciona una solución eficiente y precisa para la detección de defectos de soldadura láser de uniones de freno automotrices.