全球钢企如何推进废钢资源高效回收再利用？

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。

免责声明：Mysteel发布的原创及转载内容，仅供客户参考，不作为决策建议。原创内容版权归Mysteel所有，转载需取得Mysteel书面授权，且Mysteel保留对任何侵权行为和有悖原创内容原意的引用行为进行追究的权利。转载内容来源于网络，目的在于传递更多信息，方便学习与交流，并不代表Mysteel赞同其观点及对其真实性、完整性负责。申请授权及投诉，请联系Mysteel（021-26093397）处理。