中图分类号：TP391.4
文献标识码：A 文章编号：2096-4706（2025）08-0190-05
Abstract： The paper provides a detailed explanation of the research and application of automatic counting，steel separation，andre-inspectionsystems forrebarbarsinthecontextof thecurrentdeepening ofsmart manufacturinginthe steel industry.Inorder to improve the accuracyof rebar counting technology，through comprehensive researchand applicationof imag recognition，intellgent calculationandother technologies，thesystem hasachieved the functions ofonline automatic real-timecountingofthenumberofbars inthe productionprocessofrebarbars，automaticallysortingtheproducts basedon the countingresults，nd performingbundlere-inspectiononthepackagedfinished steelproducts.This ensures thattheonline automatic counting accuracy of bars is over 9 9 % ，providing strong technical support and assurance for the delivery of finished rebar counting.
Keywords： counting; steel separation; re-inspection
0 引言
随着现代工业的快速发展，钢铁行业作为国民经济的支柱产业，在生产规模、技术水平和产品质量等方面都取得了显著进步。然而，在螺纹钢棒材生产过程中，传统的计数和分拣方法已逐渐无法满足高效、精准、安全的生产需求。
广东中南钢铁股份有限公司的棒一2工序是一条全连续式的小型棒材重点生产线，具备年产90万吨螺纹棒材的能力。该产线使用成品钢材计数分钢系统，实现螺纹钢直条棒材的计数、分拣功能。该计数分钢系统投入运行已超过10年，部分零部件老化严重。随着螺纹钢新国标GB1499.2—2024的实施，螺纹钢生产工艺调整，高等级 5 0 0M P a 螺纹钢直条棒材的截面颜色出现发蓝发黑的现象，现有的分钢系统无法准确识别钢材成品支数，造成成品钢材支数计数精度下降，采用定尺理计交货的成捆产品的支数经常出错，产生大量的钢材返工处理工作，增大了生产工人的日常工作量，严重影响产线的生产节奏，同时还增加了质量异议的风险，对公司的产品形象造成了不利影响。
本研究旨在通过对图像识别、智能计算等新技术的应用研究，解决产线现有的自动分钢系统在螺纹钢新国标背景下，因高强度螺纹钢棒材表面颜色变化而导致的计数困难和准确率下降的问题，为螺纹钢生产提供有力的自动控制技术保障。
1 研究内容
螺纹钢新国标实施后， 5 0 0 M P a 螺纹钢棒材截面发蓝发黑，导致原有计数系统计数精度下降，为了解决这一生产难题，提高计数系统的计数精度，满足螺纹钢棒材理计交货的需求，需要对旧的计数系统进行全面升级和换代。为了实现系统的功能需求，本项目进行了广泛深入的研究，主要包括：
1）系统硬件设备装置升级，更换型号老旧的设备，在满足系统功能需求的同时提升设备的运行可靠性和稳定性；增加自动翻转机设备，实现自动调整棒材位
置的功能。
2）采用图像识别技术和智能算法相融合，提高计数系统对不同颜色、不同形状螺纹钢棒材的识别能力的鲁棒性，从而提升钢材支数的计数精度。
3）增加高精度螺纹钢材成捆复检系统，对每捆成品钢材支数进行二次在线复核，确保最终计数结果的准确性，避免因计数错误导致的产品返包处理，提高钢材生产效率，减少产品质量异议。钢材成捆复检系统记录每次的复核数据，便于后续分析和改进，进一步提升系统的稳定性和可靠性。
通过以上措施，不仅可以有效解决现有计数系统在新国标背景下的计数难题，还能显著提高系统的计数精度，确保产品质量，避免质量异议的产生，提升公司产品的市场竞争力和品牌形象。
1.1在线自动计数系统流程设计
在线自动计数[系统采用机器视觉技术进行目标识别、目标追踪，实现被检测钢材产品的自动定位[3]、自动计数棒材数量。系统通过现场高清摄像机连续采集链床上运动的棒材图像，实时传送至上位机，经计算机软件进行螺纹钢产品图像识别、目标跟踪后，生产模拟的螺纹钢材断面点图，根据模拟的产品断面图像信息，自动计算图像中的断面点数量，实现棒材生产过程的实时计数功能；当计数值达到每捆钢材的设定值后，数据传输至自动分钢系统，指导自动分钢系统完成分钢工作。
具体工作流程如下：
1）图像采集。系统通过安装在链床上的高清摄像头，实时采集运动中的螺纹棒材端面图像，图像数据被连续捕捉并传输至上位机进行处理。
2）图像处理与识别[4。上位机接收到图像数据后，使用图像处理算法对图像进行预处理，包括去噪、增强对比度等，突出螺纹钢材端面的可分辨性。通过深度学习识别技术，对图像中的螺纹钢断面识别点进行对比，能够准确识别出每根棒材的位置和状态。
3）目标追踪。系统利用DeepSort目标追踪算法，使用卡尔曼滤波器进行状态估计和预测，结合匈牙利算法进行数据关联，连续地跟踪螺纹钢棒材端面的运动和变化情况，从而实现持续跟踪每根棒材的移动轨迹，确保在生产过程中的动态环境中也能精确计数。
4）实时计数。经过图像识别和目标追踪处理后，系统能够实时计数棒材的数量，并在上位机界面上显示当前计数值，当计数值达到每捆钢材的设定阈值时，系统会生成相应的控制信号。
5）数据传输与分钢控制[5]。控制信号通过网络或专用通信接口传输至自动分钢系统。自动分钢系统接收到控制信号后，按照设定的规则完成分钢工作，确保每捆钢材的数量准确无误。通过这一系列步骤，系统能够实现棒材生产过程的实时计数和精准分钢，减少人为误差，提高生产效率，确保产品质量。其工作流程如图1所示。
图1自动计数系统流程图1.2 自动分钢功能设计
1.2.1 自动分钢系统
自动分钢系统在自动计数系统精确计数的基础上进行目标识别、目标追踪[、自动分离计数，实现将钢筋自动分隔。当自动计数系统的计数值达到每捆设定值后，控制链床停止，指示自动分钢位置，自动分钢系统根据视觉检测[模块反馈的棒材分布信息，进行分钢动作决策，选择合适的分钢动作，由分钢控制模块控制分钢机械动作，完成自动分钢工作。自动分钢工作流程如图2所示。
图2自动分钢流程图1. 2.2 分钢控制
当钢材计数达到设定值后，输出相应的信号控制前端链床停止继续运行，同时判断分钢点位置，再将端分机所在位置和分钢点位置的差距值转换成伺服电机需要转动的圈数和脉冲数，通过伺服驱动器以控制伺服电机，从而移动端分机。在判断分钢点位置时，需要注意的是根据达到计数要求的最后一根钢材和未计数的第一根钢材圆心横坐标的差距得到的是指图像中的分钢点，而非实际分钢点。图像中最小单位是像素，而实际需要的值是长度单位，因此这里存在一个转换关系。
对于钢材单层分布的情况，分钢较为容易。但是对于分钢点位置有双层分布的情况，简单的端分机直接动作会导致错误分钢。当分钢点位置有双层分布时，先将端分机运动到分钢点位置，然后将端分机稍向上移动，使重叠的钢材分开，这时再进行一次分钢点位置的判断，将端分机再运动到新的分钢点。端分机上升分开钢材前端，使钢材将差距扩大，中分机随之逐个动作，最后完成分钢。
1.2.3 分钢机械装置设计
分钢机械装置是分钢工作的执行单元，负责执行精准分钢工作。分钢机械装置由控制单元、液压机构、执行机构等单元组成。控制单元接受分钢控制系统的控制信号，驱动液压机构，液压机构与执行机构相连，液压机构的液压杆推动执行机构动作，从而将控制链床上的螺纹钢材进行分隔。为实现准确分钢功能，分钢装置的执行机构设计成三角形，沿着钢材方向顺序排列，能够准确地将钢材分隔开，执行机构示意图如图3所示。
2 系统实现
2.1 计数分钢系统
原有的计数分钢系统设备已使用多年，已逐渐显露出老化的迹象，须进行硬件设备更新，软件系统升级，引入更加高效、稳定的处理器，优化算法，以提高系统的适应性和稳定性，实现螺纹钢棒材计数准确、分钢功能可靠。
2.1.1 硬件升级
系统更换采用新一代特殊光源，远红外偏振噪影光源（简称光影），配合高端进口红外相机，作为整个升级体系使用的核心，配以改进算法显著提升了系统的稳定性，从而彻底解决了现场面临的三大难题：
1）阳光与环境光的干扰问题。在产线生产环境中，阳光和环境光往往难以避免，它们会对系统的正常运行造成干扰，导致计数不准确。而光影光源的特殊性质，使其能够有效过滤这些干扰光，确保系统的准确性和可靠性。
图4成捆棒材复检功能流程图1.3成捆棒材复检计数功能设计
成捆棒材复检计数系统实现成捆钢材支数的复核和计数。当成捆棒材到达复检位置时，系统图像传感器拍摄成捆棒材端面图像，系统应用软件利用模板匹配[8]技术，能够迅速找到并准确识别出棒材端面的特征；分割识别技术将复杂的图像切割成一个个清晰可辨的小块；场景自学习技术使软件具备了自我优化的能力，它能够根据以往的经验和数据，不断提升识别的准确率和效率。通过这些技术的融合应用，对拾取的图像进行识别分析[9]，经过这一系列精密的计算和分析，软件最终能够得出成捆钢材的准确支数，然后将计算识别结果显示给操作人员，与成捆棒材额定支数进行核对，当复检计数结果与额定支数有偏差时，系统实时报警提示人工复核，同时系统将上述信息生成存储信息记录备查。成捆棒材复检功能流程如图4
2）蓝黑切头及剪切质量不佳的问题也得到了很好的解决。螺纹钢新国标实施后，在螺纹钢钢材生产过程中，出现蓝黑切头以及剪切截面不规则等问题，它同样会引起计数不准确。而改进后的算法和光影光源的配合，使得系统能够更精准地识别和处理这些切头，从而提高计数准确率。
3）原有的计数系统需要遮挡阳光，从而带来的设备和厂房美观问题。光影光源的设计考虑到了这一点，它能够灵活调整光照角度和强度，确保在满足功能需求的同时，也能兼顾美观和环保要求。
2.1. 2 软件算法更新
在棒材生产过程中，端面位置的识别一直是确保产品质量的关键环节。为了提升这一环节的识别精度，引入了先进的升级策略。棒材端面位置老程序采用二值化来区分，新升级棒材计数系统采用切面的灰度值自适应来判断棒材的端面，有效改善剪切断面不规则引起的识别不准确问题；新升级程序采用面积加周长的数据处理作为基础，有效剔除干扰，提高识别的准确率。增加“滤波算法”，面积小于半径平方的干扰都可以去除，将“聚集算法”与“匹配算法”结合，使得聚集的点更加集中，去除干扰点。增加“重构算法”“检索算法”，对漏识别棒材进行第二次识别。“跟踪算法”[0]使用原始图像进行跟踪，使得跟踪更加准确。自动计数系统现场可视化如图5和图6所示。
图5自动计数系统在现场应用
图6自动计数系统工作可视化系统采用 C++ 高级编程语言完成图像采集、分析和技术功能，达到了产线生成的技术要求，具体内容如下：
1）适应 5 0 0 M P a 棒材颜色发蓝发黑现象。2）棒材在线自动计数分钢系统各规格钢筋技术指标为： Φ 1 0 m m （含）以上棒材计数误差按照支计算小于等于 
。3）对于堆叠不超过2层的钢筋，端头平均分离时间 ⩽ 5 s 。4）对于堆叠超过2层的钢筋，系统具有纠错功能。5）对于交织叠层严重情况无法分开时，系统提示报警人工干预。6）系统自动给出分钢线，提示分钢位置；任意设置每捆支数，支持额定支数计量打包。
2.2成捆棒材复检系统
系统采用C#.NetFramework框架进行可视化设计，计算模块通过 
加载基于OpenCV的深度学习算法接口，应用预训练的模型库对棒材端面进行复核识别和统计。复核系统适用螺纹钢 Φ 1 2 ～ Φ 4 0 m m 主要用于在线计数系统的二次校验，按捆数计算，成捆棒材准确率大于等于 9 8 % 。系统计数过程由人工参与计数复核，计数误差经人工修正后，计数准确率9 9 . 9 % 以上。
系统自动生成每班日报表、月报表数据。各报表包含班次、时间、捆号、每捆额定支数、实际支数等数据，成捆棒材视觉复核系统工作可视化如图7所示。
图7成捆棒材视觉复核系统工作可视化为使复检系统检测数据更准确，产线生产现场使用工艺规范与要求：
1）成捆棒材端面平齐度好，缩进 ⩽ 5 0 m m 、凸出 ⩽ 5 0 m m 。2）棒材端头截面不低于钢筋规格的 60 % 。3）棒材端头之间相互不遮挡，剔除尖头。4）成捆棒材停在计数窗口内。5）棒材在定尺剪切时尽量保持单排剪切，以消除棒材弯头。棒材端部弯曲度， 3 0 m m 内不得超过1倍直径。
3 应用展望
系统更换采用新一代特殊光源，使用直射光的明视场照明法，配以改进算法显著提升了系统的稳定性。在线自动计数分钢复检系统在螺纹钢棒材产线的应用具有显著的优势和广阔的前景。通过对该系统的深入研究和持续优化，有望进一步提高棒材生产的效率和质量，降低生产成本，增强企业的市场竞争力。
展望未来，随着技术的不断进步和市场需求的变化，在线自动计数分钢复检系统将在以下几个方面发挥更大的作用：
1）智能化升级。结合人工智能和机器学习技术，实现系统的智能化升级，提高对复杂数据的处理和分析能力。
2）灵活性拓展。根据不同棒材产品的特点和生产需求，定制化开发系统功能，提高系统的灵活性和适应性。
3）远程监控与管理。通过物联网技术，实现对生产现场的远程监控和管理，提高生产管理的便捷性和高效性。
4）安全与可靠性提升。进一步完善系统的安全防护措施，提高系统的可靠性和稳定性，确保生产过程的安全有序进行。
4结论
在线自动计数分钢复检系统投入运行，经过一段时间的使用，设备运行稳定可靠，准确辨识断面颜色发蓝、发黑棒材，系统能够实现螺纹钢棒材的自动计数、分拣和复检，计数准确率提升 6 % 以上，棒材计数准确度 9 9 . 9 % ，棒一2工序的螺纹钢棒材生产线的生产效率得到了显著提升，减少了人工干预，降低了劳动强度，满足生产使用要求。
参考文献：
[1]沈素素，张振国，王磊.螺纹钢的自动计数分钢系统的研究[J].电子测量技术，2018，41（1）：146-149.
[2]颜发根，刘建群，陈新，等.机器视觉及其在制造业中的应用[J].机械制造，2004（11）：28-30.
[3]刚建华，鲁明珠.激光传感器的机器人自动定位检测研究[J].激光杂志，2021，42（7）：55-59.
[4]刘相滨，王卫星，等．一个通用的图像处理与识别系统框架[J.计算机工程与应用，2003（33）：118-119+150.
[5]房新亮，陈树环.基于机器视觉技术的棒材自动计数系统的研究与应用[J].工业控制计算机，2011，24（7）：44-46.
[6]张刚，郭琦.基于深度学习的目标追踪方法综述[J]长江信息通信，2023，36（10）：17-21.
[7]赵丽君，李冰冰，计妍，等.基于视觉检测的工业机器人快速分拣控制方法[J].制造业自动化，2021，43（10）：86-90.
[8]王珉，王永滨，李樱.一种基于自适应情景模式匹配的终端信息服务算法[J].中国传媒大学学报：自然科学版，2016，23（6）：29-36.
[9]王攀龙.基于ARC处理器的视觉识别硬件加速技术研究[D].西安：西安电子科技大学，2020.
[10]马奔，史忠科，皮燕妮.成像目标跟踪算法分析[J].西安电子科技大学学报：自然科学版，2005（3）：477-480.
作者简介：张志标（1985.04—），男，汉族，广东清远人，工程师，本科，研究方向：钢铁制造全流程温度、压力、流量检测与控制、智能仪表应用、智能检定。
