基于深度学习的连铸漏钢预报方法及系统

本申请涉及冶金行业连铸检测技术领域，具体涉及基于深度学习的连铸漏钢预报方法及系统，该方法包括：获取多个样本；获取各样本中各热电偶的温度变化偏差；分析各样本中各热电偶的温度数据的分布范围与所述温度变化偏差，获取各样本中各热电偶的温度变化值；通过对比各样本中各热电偶与其余所有热电偶的温度分布，以及各热电偶与其位置上相邻热电偶之间的温度差异，获取各样本中各热电偶的空间分布差异；获取各样本的适应度；通过所述适应度对所有样本分配标签，通过分配标签后的样本训练神经网络，得到漏钢预报模型。本申请提高了对粘结漏钢样本和正常样本的区分精度，进而提高了漏钢预报模型的预报精度。