螺纹钢在线自动计数是困扰螺纹钢生产企业多年的难题。其经济意义较大,然而由于现场条件、工艺流程、原始设备等因素的制约,该问题一直没有得到很好的解决。目前螺纹钢生产企业主要采用人工计数的方法,该方法效率低、错误率高、成本高、劳动强度大。因此棒材计数成为了当前制约螺纹钢生产企业产量的关键问题之一。本文首先总结归纳国内外相关文献,分析了现有棒材自动计数仪的不足,列出制约棒材自动计数系统的7个主要难题。为了实现高精度的棒材自动计数系统,本文针对7个主要难点专门设计了一套照明系统和图像采集系统。该系统与国内同类型系统相比,在保证高输入图像质量的同时只需要较低的成本,并从硬件上解决了一些图像处理的难题,使得后期图像处理软件设计变得有效性和可靠性更高。本文在吸收最大内切圆检测算法和梯度Hough变换算法的精华后,设计出了一套高准确性、高可靠性的棒材图像识别算法。随后提出了一套独创的跟踪计数算法。理论和实践证明该算法相比国内同类算法有较多重要优势,能在不能保证棒材图像识别算法处理结果100%正确情况下最大限度的可靠工作。为了进一步提高程序可靠性,本文制作了问题图片自动保存机制。合理安排处理时间,在不影响棒材计数主程序的前提下保存可以问题图片。本文还详细描述了本系统的各个参数设置方法以及调试经验,列举了一系列实际中遇到的特殊情况,并给出相应的解决方案。本文还给出了一套实验室模拟现场的方法,该方法能有效地模拟了现场情况和实际中遇到的7个难题。为了提高程序处理速度,本文采用了大量的高级编程技术,如Intel IPP,OPENMP多核编程技术和Intel SSE2特色指令集。通过这些高级编程技术,本程序的性能有效地提升了50%左右。本文将对这些高级编程技术进行一一介绍。本文还通过计算得出能保证程序可靠运行的最低工控机CPU性能配置。最后,为了使得本程序的适用性更广,本程序还制作了DirectX的图像采集接口,并用到了DirectX UT进行程序界面美化。