针对多种类型激光焊缝识别计算复杂度高、分类准确度低的问题，提出了一种基于改进北方苍鹰算法（UNGO）的激光焊缝图像识别分类算法，在传统支持向量机算法（SVM）的基础上与改进北方苍鹰算法（UNGO-SVM）结合，并通过混沌优化与莱维飞行中贪婪学习策略增加算法搜索能力，同时帮助算法克服陷入局部最优情况，提高算法的收敛精度和图像分类准确度。实验结果表明，UNGO-SVM在保证算法收敛度的同时分类准确率提升至99.15%，相比较SVM、NGO-SVM、DOA-SVM、GOA-SVM分别提升了21%、5%、10%和11%，证明了该方法的可行性和较强的利用价值。