激光切割是一种被广泛应用的切割工艺，具有变形小、效率高和无接触切割等优点，在汽车、轮船、航空航天等多个领域有广泛的应用。激光切割的质量主要受到激光切割机床预先设定参数的影响。目前，对激光切割质量评估的研究尚不充分，主要依靠有经验的工程师进行判断，准确率不高且费时费力。本项目由通快（中国）有限公司提供技术支持，旨在开发一套基于机器学习的激光切割质量的智能识别和参数优化系统，以期提升效率。

提取激光切割断面图中的各种特征，利用机器学习实现对切割参数的反推并实现对切割断面准确的质量评价；利用反推出的切割参数和质量评价结合相关经验给出合理化参数修改建议；将模型泛化使其能够适用于不同材料不同厚度的样本；开放客户使用平台提供系统给用户使用，用户上传切割断面图片，系统输出切割参数并对切割质量进行评价，同时给出合理化的参数优化建议。

利用LBP算法提取激光切割断面特征，并使用SVM模型基于LBP特征实现切割参数和切割质量的分类；使用神经网络反推切割参数，利用MLP,SLP等算法对切割参数进行评分，实现对毛刺、过烧等特征的质量判断；泛化模型提高模型准确率；使用C#编写GUI程序搭建用户使用平台，用户可以通过平台输入切割断面图片，获取切割参数和切割质量并获得参数优化建议。