为了提高汽车车厢的密封性,通常采用短周期螺柱焊接方法来固定螺柱,以减少开孔的数量.然而,破坏性实验作为目前主要的评估方法,存在检测效率低和无法检测在役焊接接头问题的缺点;因此,提出了一种基于焊接过程动态参数和焊缝图像相结合的螺柱焊接质量检测方案.为解决动态参数不合格样本数量不足的问题,提出了一种基于距离权重的数据增强算法.同时,设计了一个深度学习模型,结合焊接过程中动态参数信号的特点,采用卷积神经网络(Con-volutional　Neural　Networks,CNN)和长短期记忆神经网络(Long　Short-Term　Memory,LSTM)相结合的方法实现了螺柱焊接质量检测.实验证明,提出的动态参数和焊缝图像相结合的检测方案能够将缺陷螺柱的识别准确率提高至95.33％;因此,基于动态参数和焊缝图像的短周期螺柱焊接质量检测方法具有较高的检测精度,为实际工程应用提供了一种有效的质量检测方法.