买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜河钢数字技术股份有限公司;山东大学;青岛海尔智能技术研发有限公司申请的专利基于半监督学习的钢铁冷轧退火炉元器件检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114943689B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210459349.6，技术领域涉及：G06T7/00；该发明授权基于半监督学习的钢铁冷轧退火炉元器件检测方法是由李毅仁;聂礼强;申培;吴建龙;郝亮;丁沐河;李玉涛;李华刚设计研发完成，并于2022-04-27向国家知识产权局提交的专利申请。

本基于半监督学习的钢铁冷轧退火炉元器件检测方法在说明书摘要公布了：本发明公开了一种基于半监督学习的钢铁冷轧退火炉元器件检测方法，涉及工业生产技术领域。采用高精度的FasterR‑CNN检测模型，主干网络采用ResNet50网络，并加入特征金字塔来捕捉不同尺度的特征信息，提高了检测的准确率。本发明针对炼钢设备标注人力物力成本过大的问题和半监督学习时元器件的类别不平衡导致预测有偏差的问题，采用了半监督学习目标检测方法—无偏教师方法，先用有标注的数据单独训练教师模型，之后教师生成伪标签来训练学生模型，学生模型通过EMA算法来逐步更新教师模型。通过半监督学习无偏教师目标检测方法，实现了在仅有少量标注数据训练情况下，对钢铁冷轧退火炉元器件进行精准检测。

本发明授权基于半监督学习的钢铁冷轧退火炉元器件检测方法在权利要求书中公布了：1.一种基于半监督学习的钢铁冷轧退火炉元器件检测方法，其特征在于：所述检测方法包括以下步骤：S1：数据预处理，使用标注工具对少量训练数据进行人为标注，构建退火炉元器件数据集，并对其进行数据扩充和增强；S2：提取包含图片不同尺度的特征图，使用ResNet50网络的前五个卷积网络进行特征提取，之后在若干卷积网络之间构建特征金字塔网络，捕捉不同尺度的特征：S3：将特征金字塔网络中的特征图输入至区域生成网络，生成基于不同尺度特征图的候选区域框，再将不同尺度的特征图对应的候选区域进行拼接，传入后续网络；S4：构建特征金字塔网络，将候选区域框进行不同尺度的RoiPooling，之后再将特征图进行拼接，输入全连接层，预测得到目标类别，以及回归目标边界框的位置；S5：教师模型训练阶段：采用半监督学习方法，训练FasterR-CNN目标检测模型，首先采用少量有标注的样本训练模型，此模型称为教师模型；S6：教师学生模型相互学习阶段，固定教师模型参数，训练学生模型；对于无标签数据，一方面通过弱增强之后输入教师模型，产生伪标签，另一方面通过强增强之后输入学生模型，输出标签，再与教师模型的伪标签进行损失函数计算，再反向传播更新学生模型，将无标签数据训练的学生模型通过EMA算法对教师模型进行优化，得到最终的网络模型；S7：部署模型对钢铁冷轧退火炉元器件进行自动检测，得到类别和位置坐标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河钢数字技术股份有限公司;山东大学;青岛海尔智能技术研发有限公司，其通讯地址为：050000 河北省石家庄市高新区黄河大道136号科技中心1号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。