為了實現碳中和目標，作為一種過渡型解決方案，鋼鐵行業在加大電爐投資的同時，也正逐步提高高爐廢鋼的使用比例。長遠來看，全球廢鋼消費量有望持續增長，但隨著自產廢鋼量（Return or home scrap，指在煉鋼過程或鋼材生產過程中產生的廢鋼）和邊角余料廢鋼量（prompt industrial scrap，指鋼材制造鋼材制品過程中產生的廢鋼）的減少，以及企業對于報廢廢鋼（Obsolescent scrap）的高度依賴，廢鋼的穩定供應面臨一定困難。

本文介紹全球廢鋼消費趨勢，聚焦海外企業在高效回收利用廢鋼資源方面的最新進展，并圍繞加快廢鋼人工智能檢測系統發展提出建議。

廢鋼消費量穩定增加，但質量呈下降趨勢

近年來，全球廢鋼消費量穩定增加。2021年，全球廢鋼消費量為6.740億噸，同比增加了4800萬噸。從鐵源材料消費量來看，2021年全球生鐵消費量為13.52億噸；直接還原鐵（DRI）消費量為1.19億噸；廢鋼消費量為6.76億噸，占比為31.5%，同比上升了1.1個百分點。

從主要國家（地區）的廢鋼消費情況來看，中國是最大的廢鋼消費國，緊隨其后的是電爐使用比例較大的歐盟和美國，其次是土耳其。就算是電爐使用比例相對較低的日本、俄羅斯和韓國，也消費了3000萬噸左右的廢鋼。大部分國家都提高了電爐鋼的生產比重，導致廢鋼消費量的增長率高于粗鋼產量的增長率。2021年，全球廢鐵貿易量為1.906億噸，主要出口國（地區）為歐盟、美國、日本和俄羅斯，主要進口國（地區）為土耳其、印度、越南和韓國。

伴隨著鋼鐵技術發展和配套設備升級換代，全球自產廢鋼量逐步減少，報廢廢鋼量逐漸增加。日本鋼材回收再利用研究公司(SRR)資料顯示，日本自產廢鋼占比達到14.4%，邊角余料廢鋼占比為29.0%，報廢廢鋼占比為56.6%。截至2021年底，全球鋼鐵總蓄積量為356億噸，其中中國為105億噸，歐盟為51億噸，美國為50億噸，俄羅斯為38億噸，日本為14億噸，韓國為8億噸。據日本鐵源協會預測，全球廢鋼產生量將從2020年的6.4億噸增加至2030年的7.78億噸，到2050年將達到9.64億噸。從產生地來看，美國、歐盟、日本等發達國家（地區）的比例將降低，而中國和新興國家的比例將明顯提高。

廢鋼中的雜質主要包括非金屬材料和有色金屬材料。其中，非金屬材料屬于有機材料，如油漆和各種樹脂，附著于鋼材表面，在沖壓時混入廢鋼中。這些有機材料不僅可以降低煉鋼實收率，而且可以在200攝氏度~400攝氏度的廢鋼預熱過程中汽化，隨后在廢氣冷卻到100攝氏度左右時液化，造成袋式除塵器堵塞。此外，廢鋼中的有色金屬材料可以分為大量雜質、表層雜質和合金雜質。其中，大量雜質主要包括電機中的銅和汽車發動機組中的鋁；表層雜質存在于鋼材表面，如鋅或錫鍍層；合金雜質包括耐候鋼中的銅或不銹鋼等中的有色金屬材料等。

值得注意的是，隨著鋼鐵產品不斷升級，特殊元素添加鋼及特殊元素附著鋼持續增加，廢鋼質量呈下降趨勢。一方面，隨著最終產品的高級化及高性能化，廢鋼回收面臨雜質混入和篩選困難的問題，如汽車、家電產品、辦公設備等的電氣配線、電機、電子開關等；另一方面，對于成分允許值不嚴格的物料（如鋼筋、型鋼等），為了方便回收再利用，生產單位需要預測材料成分變化。為此，鋼鐵企業有必要掌握下游行業的材料發展趨勢。

應用人工智能提高廢鋼檢驗效率成為“新風尚”

為了減少碳排放、生產綠色鋼材，近年來，廢鋼資源在鋼鐵行業的重要性日益凸顯。不過，廢鋼質量檢驗一直面臨著諸多挑戰：一是根據鋼鐵制造商和供應商的作業要求，廢鋼卸貨時間非常短，通常僅有5分鐘，檢查員很難對廢鋼來料進行詳細檢查；二是各類廢鋼混雜交織，難以識別；三是由于檢查員之間存在個體差異，很難做出完全一致的判斷。

因此，為了提高廢鋼檢驗效率，引進人工智能技術參與這一環節成為目前中日韓等國的“新風尚”。應用人工智能技術后，鋼企不僅可以實現實時高效驗收，而且可以在計算能力足夠強大的前提下真正實現365天24小時不間斷運營。在此基礎上，上游供應商可以隨時交付更多的廢鋼，鋼鐵企業也能夠及時獲得充足的原料供應，從而構建起更為順暢的廢鋼流通體系。

中國的廢鋼產業以中國廢鋼鐵應用協會為中心，共有650多家企業、研究機構、高等院校等參與了廢鋼回收再利用的相關項目研究。目前，我國共有7家以上的企業開發了驗收準確度為90%以上的系統，并在100多個廠區內投入實際應用，取得了良好的效果。

在日本鐵鋼聯盟、日本普通鋼電爐工業協會和日本鐵源協會的指導下，多家日本鋼鐵公司正在自主研發廢鋼人工智能檢測系統。作為東京大學的初創企業，Eversteel公司已經完成了實證試驗，自2022年12月中旬開始運行以來，其系統的實時檢測準確率與人工檢測的結果相差無幾。同時，這一系統對報廢發動機中銅元素的識別準確率可達到90%，而人工肉眼對此檢查正確率不到50%。該系統包括3個技術要點：一是智能檢查車輛位置，然后進行卸料檢查；二是采用多標簽分類法的分類技術確定混合比例，如“H1級10%+H2級80%+L1級10%=總計100%”；三是工作人員可以通過電腦、平板電腦、智能手機等查看檢測結果。

在韓國, LG CNS公司（樂金系統集成有限公司）正在開發一種服務型軟件(SaaS)解決方案，旨在在驗收裝卸車和裝料過程中檢測個別廢鋼的等級、品種及異物。該解決方案包括4個技術要點：一是應用檢測技術檢測裝載箱、抓斗，判斷位置及驗收開始時間，發現危險品時發出警報；二是通過深度攝像機的深度信息判斷結果判定時間，根據大型夾具和小型夾具的尺寸差異區分等級不同的廢鋼，并將其作為輔助信息；三是應用對象圖像分割技術提取各種廢鋼，應用分類技術確定廢鋼等級及品種；四是應用對象圖像分割技術計算異物面積。

考慮到鋼材的使用壽命,預計全球今后將產生大量的廢鋼。在回收廢鋼時，鋼企根據廢鋼的材料形狀，主要通過粉碎機、切割機、壓縮機等進行多種預處理，但最主要的問題是去除銅、錫等微量元素。由于粗鋼采用氧化精煉法生產，所以上述微量元素與氧氣的親和力明顯低于鐵。目前，通過手工加工處理機去除雜質元素是解決這一問題最為經濟、有效的方法。因此，為了提高廢鋼的回收率，鋼企還需要深入研究高效去除微量元素的方法。與此同時,為了降低生產成本，電爐正在轉變為附帶廢鋼預熱裝置的節能型設備。

此外，為了加快廢鋼人工智能檢測系統的發展，鋼企還需注意以下幾個重點：一是數據等的準確性直接關系到人工智能性能的穩定，需要制訂能夠精準區分廢鋼的分類標準；二是需要開發專用的光學硬件，以最大限度地發揮人工智能的功效；三是需要創建一個數據收集平臺，整合和存儲海量的廢鋼圖像。

免責聲明：tiegu發布的原創及轉載內容，僅供客戶參考，不作為決策建議。原創內容版權僅歸tiegu所有，轉載需取得tiegu書面授權，且tiegu保留對任何侵權行為和有悖原創內容原意的引用行為進行追究的權利。轉載內容來源于網絡，目的在于傳遞更多信息，方便學習交流，并不代表tiegu贊同其觀點及對其真實性、完整性負責。如無意中侵犯了您的版權，敬請告之，核實后，將根據著作權人的要求，立即更正或者刪除有關內容。申請授權及投訴，請聯系tiegu（400-8533-369）處理。