نظرًا لوجود تداخل شديد في قمم الطيف والتداخل غير الخطي في تصنيف أنواع الفحم باستخدام طيف الأشعة تحت الحمراء القريبة، مما يؤدي إلى صعوبة النماذج التقليدية في استخراج ميزات التمييز بدقة وتأثر دقة التصنيف، يقترح هذا البحث طريقة تصنيف ذكية قائمة على شبكة دقة عالية مزدوجة البوابة (DG-HRNet). تجمع هذه الطريقة أولاً بين مسافة ماهالانوبيس المنظمة والتحويل الطبيعي القياسي لإزالة العينات الشاذة وتحسين جودة بيانات الطيف؛ ثم تستخدم Unet كشبكة أساسية مع آلية دمج دقة عالية مزدوجة البوابة لتخفيف فقدان التفاصيل الضعيفة في الشبكات العميقة؛ بالإضافة إلى دمج الهرم التلافيفي النطاقي المعدل مع آلية انتباه الضغط والتحفيز لتحقيق نمذجة فعالة للاعتماد طويل المدى في الطيف والاختيار التكيفي للميزات الرئيسية. تظهر نتائج التجارب أن DG-HRNet يحقق دقة، دقة استرجاع، استدعاء، ونسبة F1 تبلغ على التوالي 0.9610، 0.9647، 0.9586، و0.9614 في مهمة تصنيف أنواع الفحم الرباعية، مما يتفوق بشكل ملحوظ على نماذج التعلم الآلي التقليدية والنماذج الرائدة في التعلم العميق. تقدم هذه الدراسة طريقًا تقنيًا جديدًا للتعرف السريع والدقيق وغير التدميري لأنواع الفحم في تجارة الفحم والرقابة الجمركية.

تصنيف أنواع الفحم;طيف الأشعة تحت الحمراء القريبة;التعلم العميق;الدمج عالي الدقة;آلية الانتباه