为了实现碳中和目标，作为一种过渡型解决方案，钢铁行业在加大电炉投资的同时，也正逐步提高高炉废钢的使用比例。长远来看，全球废钢消费量有望持续增长，但随着自产废钢量（Return or home scrap，指在炼钢过程或钢材生产过程中产生的废钢）和边角余料废钢量（prompt industrial scrap，指钢材制造钢材制品过程中产生的废钢）的减少，以及企业对于报废废钢（Obsolescent scrap）的高度依赖，废钢的稳定供应面临一定困难。
本文介绍全球废钢消费趋势，聚焦海外企业在高效回收利用废钢资源方面的最新进展，并围绕加快废钢人工智能检测系统发展提出建议。
废钢消费量稳定增加，但质量呈下降趋势
近年来，全球废钢消费量稳定增加。2021年，全球废钢消费量为6.740亿吨，同比增加了4800万吨。从铁源材料消费量来看，2021年全球生铁消费量为13.52亿吨；直接还原铁（DRI）消费量为1.19亿吨；废钢消费量为6.76亿吨，占比为31.5%，同比上升了1.1个百分点。
从主要国家（地区）的废钢消费情况来看，中国是最大的废钢消费国，紧随其后的是电炉使用比例较大的欧盟和美国，其次是土耳其。就算是电炉使用比例相对较低的日本、俄罗斯和韩国，也消费了3000万吨左右的废钢。大部分国家都提高了电炉钢的生产比重，导致废钢消费量的增长率高于粗钢产量的增长率。2021年，全球废铁贸易量为1.906亿吨，主要出口国（地区）为欧盟、美国、日本和俄罗斯，主要进口国（地区）为土耳其、印度、越南和韩国。
伴随着钢铁技术发展和配套设备升级换代，全球自产废钢量逐步减少，报废废钢量逐渐增加。日本钢材回收再利用研究公司(SRR)资料显示，日本自产废钢占比达到14.4%，边角余料废钢占比为29.0%，报废废钢占比为56.6%。截至2021年底，全球钢铁总蓄积量为356亿吨，其中中国为105亿吨，欧盟为51亿吨，美国为50亿吨，俄罗斯为38亿吨，日本为14亿吨，韩国为8亿吨。据日本铁源协会预测，全球废钢产生量将从2020年的6.4亿吨增加至2030年的7.78亿吨，到2050年将达到9.64亿吨。从产生地来看，美国、欧盟、日本等发达国家（地区）的比例将降低，而中国和新兴国家的比例将明显提高。
废钢中的杂质主要包括非金属材料和有色金属材料。其中，非金属材料属于有机材料，如油漆和各种树脂，附着于钢材表面，在冲压时混入废钢中。这些有机材料不仅可以降低炼钢实收率，而且可以在200摄氏度~400摄氏度的废钢预热过程中汽化，随后在废气冷却到100摄氏度左右时液化，造成袋式除尘器堵塞。此外，废钢中的有色金属材料可以分为大量杂质、表层杂质和合金杂质。其中，大量杂质主要包括电机中的铜和汽车发动机组中的铝；表层杂质存在于钢材表面，如锌或锡镀层；合金杂质包括耐候钢中的铜或不锈钢等中的有色金属材料等。
值得注意的是，随着钢铁产品不断升级，特殊元素添加钢及特殊元素附着钢持续增加，废钢质量呈下降趋势。一方面，随着最终产品的高级化及高性能化，废钢回收面临杂质混入和筛选困难的问题，如汽车、家电产品、办公设备等的电气配线、电机、电子开关等；另一方面，对于成分允许值不严格的物料（如钢筋、型钢等），为了方便回收再利用，生产单位需要预测材料成分变化。为此，钢铁企业有必要掌握下游行业的材料发展趋势。
应用人工智能提高废钢检验效率成为“新风尚”
为了减少碳排放、生产绿色钢材，近年来，废钢资源在钢铁行业的重要性日益凸显。不过，废钢质量检验一直面临着诸多挑战：一是根据钢铁制造商和供应商的作业要求，废钢卸货时间非常短，通常仅有5分钟，检查员很难对废钢来料进行详细检查；二是各类废钢混杂交织，难以识别；三是由于检查员之间存在个体差异，很难做出完全一致的判断。
因此，为了提高废钢检验效率，引进人工智能技术参与这一环节成为目前中日韩等国的“新风尚”。应用人工智能技术后，钢企不仅可以实现实时高效验收，而且可以在计算能力足够强大的前提下真正实现365天24小时不间断运营。在此基础上，上游供应商可以随时交付更多的废钢，钢铁企业也能够及时获得充足的原料供应，从而构建起更为顺畅的废钢流通体系。
中国的废钢产业以中国废钢铁应用协会为中心，共有650多家企业、研究机构、高等院校等参与了废钢回收再利用的相关项目研究。目前，我国共有7家以上的企业开发了验收准确度为90%以上的系统，并在100多个厂区内投入实际应用，取得了良好的效果。
在日本铁钢联盟、日本普通钢电炉工业协会和日本铁源协会的指导下，多家日本钢铁公司正在自主研发废钢人工智能检测系统。作为东京大学的初创企业，Eversteel公司已经完成了实证试验，自2022年12月中旬开始运行以来，其系统的实时检测准确率与人工检测的结果相差无几。同时，这一系统对报废发动机中铜元素的识别准确率可达到90%，而人工肉眼对此检查正确率不到50%。该系统包括3个技术要点：一是智能检查车辆位置，然后进行卸料检查；二是采用多标签分类法的分类技术确定混合比例，如“H1级10%+H2级80%+L1级10%=总计100%”；三是工作人员可以通过电脑、平板电脑、智能手机等查看检测结果。
在韩国, LG CNS公司（乐金系统集成有限公司）正在开发一种服务型软件(SaaS)解决方案，旨在在验收装卸车和装料过程中检测个别废钢的等级、品种及异物。该解决方案包括4个技术要点：一是应用检测技术检测装载箱、抓斗，判断位置及验收开始时间，发现危险品时发出警报；二是通过深度摄像机的深度信息判断结果判定时间，根据大型夹具和小型夹具的尺寸差异区分等级不同的废钢，并将其作为辅助信息；三是应用对象图像分割技术提取各种废钢，应用分类技术确定废钢等级及品种；四是应用对象图像分割技术计算异物面积。
考虑到钢材的使用寿命,预计全球今后将产生大量的废钢。在回收废钢时，钢企根据废钢的材料形状，主要通过粉碎机、切割机、压缩机等进行多种预处理，但最主要的问题是去除铜、锡等微量元素。由于粗钢采用氧化精炼法生产，所以上述微量元素与氧气的亲和力明显低于铁。目前，通过手工加工处理机去除杂质元素是解决这一问题最为经济、有效的方法。因此，为了提高废钢的回收率，钢企还需要深入研究高效去除微量元素的方法。与此同时,为了降低生产成本，电炉正在转变为附带废钢预热装置的节能型设备。
此外，为了加快废钢人工智能检测系统的发展，钢企还需注意以下几个重点：一是数据等的准确性直接关系到人工智能性能的稳定，需要制订能够精准区分废钢的分类标准；二是需要开发专用的光学硬件，以最大限度地发挥人工智能的功效；三是需要创建一个数据收集平台，整合和存储海量的废钢图像。