本书主要阐述作者提出的基于人工智能的连铸结晶器漏钢可视化检测方法，该方法在利用OpenGL技术实现结晶器过程可视化的基础上，借助帧间差分、区域连通、轮廓提取等计算机视觉算法，实时检测结晶器铜板温度及其异常波动，提取漏钢空间分布和异常区域移动等特征，甄别真、伪黏结可视化特征，揭示漏钢二维空间传播和动态演化规律，在此基础上，建立人工智能的结晶器漏钢可视化预报模型，并利用搜集的漏钢样本进行训练和测试，开发准确、高效的结晶器漏钢预报新系统。该技术有助于提高漏钢预报准确率，减少误报次数，为铸坯裂纹、凹陷等缺陷在线检测提供理论基础和新思路，提升连铸过程监控的可视化、智能化水平。