本发明公开了一种基于弱监督学习的钢铁冷轧退火炉元器件图像语义分割方法，涉及金属冶炼技术领域。通过构建基于深度卷积神经网络的图像语义分割模型，对上一步骤生成的元器件区域信息进行不断优化与修正。最终获取每类元器件的精确区域。通过此方法得到的精确区域可作为退火炉图像的像素级标签数据集，在该数据集上进一步训练强监督的图像分割模型，以在保持弱监督图像语义分割模型较少标注成本的优势同时获得更好的图像语义分割效果，为各类下游任务提供图像视觉信息。