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。