简介： 本发明提供一种基于卷积神经网络识别结晶器铜板V型黏结特征的连铸漏钢预警方法，属于钢铁冶金连铸检测技术领域。本发明通过实时获取热电偶的测点温度，利用可视化手段获取具有典型“V”型黏结特征的温度变化异常区域热像图，通过迁移学习的方式加载预训练好的VGG16卷积神经网络模型并对其结构进行微调，并在采集到的黏结异常区域图像数据集上训练与测试，最终通过训练好的网络模型实现连铸漏钢的在线预警。本发明基于迁移学习后的卷积神经网络模型对结晶器漏钢进行在线检测及预警，能够保证全部黏结漏钢案例报出的条件下，大幅度降低误报次数，有效提高预警准确率。