在線自動計數分鋼復檢系統在棒材產線的應用研究

中圖分類號：TP391.4

文獻標識碼：A 文章編號：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

隨著現代工業的快速發展，鋼鐵行業作為國民經濟的支柱產業，在生產規模、技術水平和產品質量等方面都取得了顯著進步。然而，在螺紋鋼棒材生產過程中，傳統的計數和分揀方法已逐漸無法滿足高效、精準、安全的生產需求。

廣東中南鋼鐵股份有限公司的棒一2工序是一條全連續式的小型棒材重點生產線，具備年產90萬噸螺紋棒材的能力。該產線使用成品鋼材計數分鋼系統，實現螺紋鋼直條棒材的計數、分揀功能。該計數分鋼系統投入運行已超過10年，部分零部件老化嚴重。隨著螺紋鋼新國標GB1499.2—2024的實施，螺紋鋼生產工藝調整，高等級 5 0 0M P a 螺紋鋼直條棒材的截面顏色出現發藍發黑的現象，現有的分鋼系統無法準確識別鋼材成品支數，造成成品鋼材支數計數精度下降，采用定尺理計交貨的成捆產品的支數經常出錯，產生大量的鋼材返工處理工作，增大了生產工人的日常工作量，嚴重影響產線的生產節奏，同時還增加了質量異議的風險，對公司的產品形象造成了不利影響。

本研究旨在通過對圖像識別、智能計算等新技術的應用研究，解決產線現有的自動分鋼系統在螺紋鋼新國標背景下，因高強度螺紋鋼棒材表面顏色變化而導致的計數困難和準確率下降的問題，為螺紋鋼生產提供有力的自動控制技術保障。

1 研究內容

螺紋鋼新國標實施后， 5 0 0 M P a 螺紋鋼棒材截面發藍發黑，導致原有計數系統計數精度下降，為了解決這一生產難題，提高計數系統的計數精度，滿足螺紋鋼棒材理計交貨的需求，需要對舊的計數系統進行全面升級和換代。為了實現系統的功能需求，本項目進行了廣泛深入的研究，主要包括：

1）系統硬件設備裝置升級，更換型號老舊的設備，在滿足系統功能需求的同時提升設備的運行可靠性和穩定性；增加自動翻轉機設備，實現自動調整棒材位

置的功能。

2）采用圖像識別技術和智能算法相融合，提高計數系統對不同顏色、不同形狀螺紋鋼棒材的識別能力的魯棒性，從而提升鋼材支數的計數精度。

3）增加高精度螺紋鋼材成捆復檢系統，對每捆成品鋼材支數進行二次在線復核，確保最終計數結果的準確性，避免因計數錯誤導致的產品返包處理，提高鋼材生產效率，減少產品質量異議。鋼材成捆復檢系統記錄每次的復核數據，便于后續分析和改進，進一步提升系統的穩定性和可靠性。

通過以上措施，不僅可以有效解決現有計數系統在新國標背景下的計數難題，還能顯著提高系統的計數精度，確保產品質量，避免質量異議的產生，提升公司產品的市場競爭力和品牌形象。

1.1在線自動計數系統流程設計

在線自動計數[系統采用機器視覺技術進行目標識別、目標追蹤，實現被檢測鋼材產品的自動定位[3]、自動計數棒材數量。系統通過現場高清攝像機連續采集鏈床上運動的棒材圖像，實時傳送至上位機，經計算機軟件進行螺紋鋼產品圖像識別、目標跟蹤后，生產模擬的螺紋鋼材斷面點圖，根據模擬的產品斷面圖像信息，自動計算圖像中的斷面點數量，實現棒材生產過程的實時計數功能；當計數值達到每捆鋼材的設定值后，數據傳輸至自動分鋼系統，指導自動分鋼系統完成分鋼工作。

具體工作流程如下：

1）圖像采集。系統通過安裝在鏈床上的高清攝像頭，實時采集運動中的螺紋棒材端面圖像，圖像數據被連續捕捉并傳輸至上位機進行處理。

2）圖像處理與識別[4。上位機接收到圖像數據后，使用圖像處理算法對圖像進行預處理，包括去噪、增強對比度等，突出螺紋鋼材端面的可分辨性。通過深度學習識別技術，對圖像中的螺紋鋼斷面識別點進行對比，能夠準確識別出每根棒材的位置和狀態。

3）目標追蹤。系統利用DeepSort目標追蹤算法，使用卡爾曼濾波器進行狀態估計和預測，結合匈牙利算法進行數據關聯，連續地跟蹤螺紋鋼棒材端面的運動和變化情況，從而實現持續跟蹤每根棒材的移動軌跡，確保在生產過程中的動態環境中也能精確計數。

4）實時計數。經過圖像識別和目標追蹤處理后，系統能夠實時計數棒材的數量，并在上位機界面上顯示當前計數值，當計數值達到每捆鋼材的設定閾值時，系統會生成相應的控制信號。

5）數據傳輸與分鋼控制[5]。控制信號通過網絡或專用通信接口傳輸至自動分鋼系統。自動分鋼系統接收到控制信號后，按照設定的規則完成分鋼工作，確保每捆鋼材的數量準確無誤。通過這一系列步驟，系統能夠實現棒材生產過程的實時計數和精準分鋼，減少人為誤差，提高生產效率，確保產品質量。其工作流程如圖1所示。

1.2 自動分鋼功能設計

1.2.1 自動分鋼系統

自動分鋼系統在自動計數系統精確計數的基礎上進行目標識別、目標追蹤[、自動分離計數，實現將鋼筋自動分隔。當自動計數系統的計數值達到每捆設定值后，控制鏈床停止，指示自動分鋼位置，自動分鋼系統根據視覺檢測[模塊反饋的棒材分布信息，進行分鋼動作決策，選擇合適的分鋼動作，由分鋼控制模塊控制分鋼機械動作，完成自動分鋼工作。自動分鋼工作流程如圖2所示。

1. 2.2 分鋼控制

當鋼材計數達到設定值后，輸出相應的信號控制前端鏈床停止繼續運行，同時判斷分鋼點位置，再將端分機所在位置和分鋼點位置的差距值轉換成伺服電機需要轉動的圈數和脈沖數，通過伺服驅動器以控制伺服電機，從而移動端分機。在判斷分鋼點位置時，需要注意的是根據達到計數要求的最后一根鋼材和未計數的第一根鋼材圓心橫坐標的差距得到的是指圖像中的分鋼點，而非實際分鋼點。圖像中最小單位是像素，而實際需要的值是長度單位，因此這里存在一個轉換關系。

對于鋼材單層分布的情況，分鋼較為容易。但是對于分鋼點位置有雙層分布的情況，簡單的端分機直接動作會導致錯誤分鋼。當分鋼點位置有雙層分布時，先將端分機運動到分鋼點位置，然后將端分機稍向上移動，使重疊的鋼材分開，這時再進行一次分鋼點位置的判斷，將端分機再運動到新的分鋼點。端分機上升分開鋼材前端，使鋼材將差距擴大，中分機隨之逐個動作，最后完成分鋼。

1.2.3 分鋼機械裝置設計

分鋼機械裝置是分鋼工作的執行單元，負責執行精準分鋼工作。分鋼機械裝置由控制單元、液壓機構、執行機構等單元組成。控制單元接受分鋼控制系統的控制信號，驅動液壓機構，液壓機構與執行機構相連，液壓機構的液壓桿推動執行機構動作，從而將控制鏈床上的螺紋鋼材進行分隔。為實現準確分鋼功能，分鋼裝置的執行機構設計成三角形，沿著鋼材方向順序排列，能夠準確地將鋼材分隔開，執行機構示意圖如圖3所示。

2 系統實現

2.1 計數分鋼系統

原有的計數分鋼系統設備已使用多年，已逐漸顯露出老化的跡象，須進行硬件設備更新，軟件系統升級，引入更加高效、穩定的處理器，優化算法，以提高系統的適應性和穩定性，實現螺紋鋼棒材計數準確、分鋼功能可靠。

2.1.1 硬件升級

系統更換采用新一代特殊光源，遠紅外偏振噪影光源（簡稱光影），配合高端進口紅外相機，作為整個升級體系使用的核心，配以改進算法顯著提升了系統的穩定性，從而徹底解決了現場面臨的三大難題：

1）陽光與環境光的干擾問題。在產線生產環境中，陽光和環境光往往難以避免，它們會對系統的正常運行造成干擾，導致計數不準確。而光影光源的特殊性質，使其能夠有效過濾這些干擾光，確保系統的準確性和可靠性。

1.3成捆棒材復檢計數功能設計

成捆棒材復檢計數系統實現成捆鋼材支數的復核和計數。當成捆棒材到達復檢位置時，系統圖像傳感器拍攝成捆棒材端面圖像，系統應用軟件利用模板匹配[8]技術，能夠迅速找到并準確識別出棒材端面的特征；分割識別技術將復雜的圖像切割成一個個清晰可辨的小塊；場景自學習技術使軟件具備了自我優化的能力，它能夠根據以往的經驗和數據，不斷提升識別的準確率和效率。通過這些技術的融合應用，對拾取的圖像進行識別分析[9]，經過這一系列精密的計算和分析，軟件最終能夠得出成捆鋼材的準確支數，然后將計算識別結果顯示給操作人員，與成捆棒材額定支數進行核對，當復檢計數結果與額定支數有偏差時，系統實時報警提示人工復核，同時系統將上述信息生成存儲信息記錄備查。成捆棒材復檢功能流程如圖4

2）藍黑切頭及剪切質量不佳的問題也得到了很好的解決。螺紋鋼新國標實施后，在螺紋鋼鋼材生產過程中，出現藍黑切頭以及剪切截面不規則等問題，它同樣會引起計數不準確。而改進后的算法和光影光源的配合，使得系統能夠更精準地識別和處理這些切頭，從而提高計數準確率。

3）原有的計數系統需要遮擋陽光，從而帶來的設備和廠房美觀問題。光影光源的設計考慮到了這一點，它能夠靈活調整光照角度和強度，確保在滿足功能需求的同時，也能兼顧美觀和環保要求。

2.1. 2 軟件算法更新

在棒材生產過程中，端面位置的識別一直是確保產品質量的關鍵環節。為了提升這一環節的識別精度，引入了先進的升級策略。棒材端面位置老程序采用二值化來區分，新升級棒材計數系統采用切面的灰度值自適應來判斷棒材的端面，有效改善剪切斷面不規則引起的識別不準確問題；新升級程序采用面積加周長的數據處理作為基礎，有效剔除干擾，提高識別的準確率。增加“濾波算法”，面積小于半徑平方的干擾都可以去除，將“聚集算法”與“匹配算法”結合，使得聚集的點更加集中，去除干擾點。增加“重構算法”“檢索算法”，對漏識別棒材進行第二次識別。“跟蹤算法”[0]使用原始圖像進行跟蹤，使得跟蹤更加準確。自動計數系統現場可視化如圖5和圖6所示。

系統采用 C++ 高級編程語言完成圖像采集、分析和技術功能，達到了產線生成的技術要求，具體內容如下：

1）適應 5 0 0 M P a 棒材顏色發藍發黑現象。2）棒材在線自動計數分鋼系統各規格鋼筋技術指標為： Φ 1 0 m m （含）以上棒材計數誤差按照支計算小于等于 。3）對于堆疊不超過2層的鋼筋，端頭平均分離時間 ? 5 s 。4）對于堆疊超過2層的鋼筋，系統具有糾錯功能。5）對于交織疊層嚴重情況無法分開時，系統提示報警人工干預。6）系統自動給出分鋼線，提示分鋼位置；任意設置每捆支數，支持額定支數計量打包。

2.2成捆棒材復檢系統

系統采用C#.NetFramework框架進行可視化設計，計算模塊通過 加載基于OpenCV的深度學習算法接口，應用預訓練的模型庫對棒材端面進行復核識別和統計。復核系統適用螺紋鋼 Φ 1 2 ～ Φ 4 0 m m 主要用于在線計數系統的二次校驗，按捆數計算，成捆棒材準確率大于等于 9 8 % 。系統計數過程由人工參與計數復核，計數誤差經人工修正后，計數準確率9 9 . 9 % 以上。

系統自動生成每班日報表、月報表數據。各報表包含班次、時間、捆號、每捆額定支數、實際支數等數據，成捆棒材視覺復核系統工作可視化如圖7所示。

為使復檢系統檢測數據更準確，產線生產現場使用工藝規范與要求：

1）成捆棒材端面平齊度好，縮進 ? 5 0 m m 、凸出 ? 5 0 m m 。2）棒材端頭截面不低于鋼筋規格的 60 % 。3）棒材端頭之間相互不遮擋，剔除尖頭。4）成捆棒材停在計數窗口內。5）棒材在定尺剪切時盡量保持單排剪切，以消除棒材彎頭。棒材端部彎曲度， 3 0 m m 內不得超過1倍直徑。

3 應用展望

系統更換采用新一代特殊光源，使用直射光的明視場照明法，配以改進算法顯著提升了系統的穩定性。在線自動計數分鋼復檢系統在螺紋鋼棒材產線的應用具有顯著的優勢和廣闊的前景。通過對該系統的深入研究和持續優化，有望進一步提高棒材生產的效率和質量，降低生產成本，增強企業的市場競爭力。

展望未來，隨著技術的不斷進步和市場需求的變化，在線自動計數分鋼復檢系統將在以下幾個方面發揮更大的作用：

1）智能化升級。結合人工智能和機器學習技術，實現系統的智能化升級，提高對復雜數據的處理和分析能力。

2）靈活性拓展。根據不同棒材產品的特點和生產需求，定制化開發系統功能，提高系統的靈活性和適應性。

3）遠程監控與管理。通過物聯網技術，實現對生產現場的遠程監控和管理，提高生產管理的便捷性和高效性。

4）安全與可靠性提升。進一步完善系統的安全防護措施，提高系統的可靠性和穩定性，確保生產過程的安全有序進行。

4結論

在線自動計數分鋼復檢系統投入運行，經過一段時間的使用，設備運行穩定可靠，準確辨識斷面顏色發藍、發黑棒材，系統能夠實現螺紋鋼棒材的自動計數、分揀和復檢，計數準確率提升 6 % 以上，棒材計數準確度 9 9 . 9 % ，棒一2工序的螺紋鋼棒材生產線的生產效率得到了顯著提升，減少了人工干預，降低了勞動強度，滿足生產使用要求。

參考文獻：

[1]沈素素，張振國，王磊.螺紋鋼的自動計數分鋼系統的研究[J].電子測量技術，2018，41（1）：146-149.

[2]顏發根，劉建群，陳新，等.機器視覺及其在制造業中的應用[J].機械制造，2004（11）：28-30.

[3]剛建華，魯明珠.激光傳感器的機器人自動定位檢測研究[J].激光雜志，2021，42（7）：55-59.

[4]劉相濱，王衛星，等．一個通用的圖像處理與識別系統框架[J.計算機工程與應用，2003（33）：118-119+150.

[5]房新亮，陳樹環.基于機器視覺技術的棒材自動計數系統的研究與應用[J].工業控制計算機，2011，24（7）：44-46.

[6]張剛，郭琦.基于深度學習的目標追蹤方法綜述[J]長江信息通信，2023，36（10）：17-21.

[7]趙麗君，李冰冰，計妍，等.基于視覺檢測的工業機器人快速分揀控制方法[J].制造業自動化，2021，43（10）：86-90.

[8]王珉，王永濱，李櫻.一種基于自適應情景模式匹配的終端信息服務算法[J].中國傳媒大學學報：自然科學版，2016，23（6）：29-36.

[9]王攀龍.基于ARC處理器的視覺識別硬件加速技術研究[D].西安：西安電子科技大學，2020.

[10]馬奔，史忠科，皮燕妮.成像目標跟蹤算法分析[J].西安電子科技大學學報：自然科學版，2005（3）：477-480.

作者簡介：張志標（1985.04—），男，漢族，廣東清遠人，工程師，本科，研究方向：鋼鐵制造全流程溫度、壓力、流量檢測與控制、智能儀表應用、智能檢定。