中南大学信息科学工程学院与涟源钢铁集团公司合作研制的基于视觉的在线棒材计数系统取得了很大成功,并在多个棒材厂推广使用。然而,在现实生产使用过程中也暴露出一些急需解决的技术问题。针对在计数系统中遇到的棒材识别率较低的问题,首先提出了序贯性滤波的重度模糊作为阈值图像对图像进行多局部阈值分割,消除了由于棒材端面照度不均匀造成的分割不均匀的缺点;然后对中心增强中不适应毛刺的缺点,采用在算法前进行模糊消除其不圆度,在算法后进行模糊以消除其毛刺,提高了中心增强后各个团块的独立性和团块性;最后对多次聚类中由于桶聚类不能保证聚类完成和不是最优聚类等自身的缺点,采用在团块性好时采用桶聚类方法,在团块性差时采用最短距离聚类方法,不但保证了聚类的速度,并提高了聚类的精度,保证了棒材识别中心位置点的准确性。针对偶尔出现链床运行不平稳而造成的棒材抖动等问题,本文根据棒材生产的计数特点,在现有的基于总体偏移量对位算法、基于分段偏移量对位算法以及基于积分对位等这些基于投影的多目标匹配的基础上,提出综合投影匹配和特征点模式的多方法融合的匹配模式,保证了匹配的准确性。针对在某些钢铁厂出现的链床双向运行这种特殊的情况,在原有单向K级计数模式的基础上,提出了双向K级计数的计数模式。当链床正向运行时计数值增加,反向运行时计数值减少,从而避免了同一根棒材多次经过计数系统而造成的重复计数。试验证明,经过算法改进,提高了在线棒材计数系统的识别正确率和跟踪准确率,同时达到了双向计数的目的。