成捆棒材的自动计数问题一直是困扰钢材企业的棘手难题,目前钢材生产企业对于成捆棒材的计数方法主要依靠人工计数方法、光电检测方法和图像处理方法,其中人工计数方法主要依靠工人手持点支计数笔对成捆棒材进行点支计数；光电检测也只能对于在线的单支棒材进行计数,对于成捆棒材则失去效果；图像处理方法虽然可以提高计数效率,但是由于成捆棒材的粘连问题经常出现在成捆棒材的图像当中,以至于计数精度有很大的偏差。这几种棒材的计数方法对于成捆棒材计数问题都具有极大的局限性,人工计数效率低下、准确率低下；光电计数则适应性不强,不能适应成捆棒材的计数问题；图像处理方法对于粘连问题依然没有很好的解决方法。因此,生产企业急需一种新的高效,精确的计数方法。为了实现企业所急需的这种高效、高精度的计数方法,本文进行基于机器视觉的成捆棒材计数方法的研究。本文主要研究了图像的预处理,图像分割,图像目标识别,以及图像处理软件的编写。其中,本文主要研究了图像分割和图像目标识别,对于图像分割,本文摒弃了传统的基于几何形态学的分割方法、分水岭的分割方法以及区域生长的分割方法,本文创造性的将分割后再识别的传统方法改变为利用智能算法先识别分类,再分割,最后识别计数的方法。本文通过深入研究了图像增强,图像二值化算法,并研究对比了模板匹配算法与分水岭算法对于成捆棒材的识别计数问题,其结果不是令人满意。本文采用了支持向量机的分类算法,经过大量的实验分析成捆棒材的粘连问题,无粘连棒材,两根粘连棒材,三根“品”字型粘连棒材,三根“一”字型粘连棒材出现频率极高。本文首先选择最优的支持向量机参数训练这类棒材,然后计算出各类粘连情况的最佳的分类结果。根据不同的分类情况以及每一类的计数支数可以准确的确定棒材的数目。这种识别计数方法速度快,计数精度高,具有较高的适应性。本文所研究的基于支持向量机的成捆棒材计数方法不仅仅适用于成捆棒材的问题,对于其他目标识别问题依然存在指导和推广意义。