Intelligent Coal Classification Method Based on Near-infrared Spectroscopy and Dual-gated High-resolution Network

LU Cheng-wei; ZHAO Yi-jie; ZHANG Zi-hao; HAN Yi-zhi

doi:10.12452/j.fxcsxb.26040901

您当前的位置：

首页 >

文章列表页 >

Intelligent Coal Classification Method Based on Near-infrared Spectroscopy and Dual-gated High-resolution Network

更新时间：2026-08-19

- Intelligent Coal Classification Method Based on Near-infrared Spectroscopy and Dual-gated High-resolution Network
- Journal of Instrumental Analysis Vol. 45, Pages: 1-10(2026)
- 作者机构：
  
  1.中国矿业大学信息与控制工程学院，江苏徐州 221116
  2.广州海关技术中心，广东广州 510423
  3.呼和浩特海关技术中心，内蒙古呼和浩特 010020
- 作者简介：
- 基金信息：
- DOI：10.12452/j.fxcsxb.26040901
  CLC： O657.3
- Received：09 April 2026，
  
  Revised：2026-05-11，
  
  Accepted：14 May 2026，
  
  Online First：25 May 2026，
  
  Published：15 September 2026
- 稿件说明：
移动端阅览
陆成伟,赵义杰,张子豪,韩祎陟.基于近红外光谱与双重门控高分辨率网络的煤种智能分类方法[J].分析测试学报,2026,45(09):1-10.

LU Cheng-wei,ZHAO Yi-jie,ZHANG Zi-hao,HAN Yi-zhi.Intelligent Coal Classification Method Based on Near-infrared Spectroscopy and Dual-gated High-resolution Network[J].Journal of Instrumental Analysis,2026,45(09):1-10.
陆成伟,赵义杰,张子豪,韩祎陟.基于近红外光谱与双重门控高分辨率网络的煤种智能分类方法[J].分析测试学报,2026,45(09):1-10. DOI： 10.12452/j.fxcsxb.26040901.

LU Cheng-wei,ZHAO Yi-jie,ZHANG Zi-hao,HAN Yi-zhi.Intelligent Coal Classification Method Based on Near-infrared Spectroscopy and Dual-gated High-resolution Network[J].Journal of Instrumental Analysis,2026,45(09):1-10. DOI： 10.12452/j.fxcsxb.26040901.

摘要

针对近红外光谱在煤种分类中存在谱峰严重混叠和非线性耦合，导致传统模型难以有效提取判别特征、分类精度受限的问题，该文提出了一种基于双重门控高分辨率网络（DG-HRNet）的智能分类方法。该方法首先结合正则化马氏距离与标准正态变换，对异常样本进行剔除并提升光谱数据质量；随后以Unet为骨干网络，引入双重门控高分辨率融合机制，以缓解深层网络中微弱细节特征丢失的问题；进一步结合改进的空洞空间卷积池化金字塔和压缩-激励注意力机制，实现对光谱长距离依赖信息的有效建模与关键特征的自适应筛选。实验结果表明，DG-HRNet在煤种四分类任务中的准确率、精确率、召回率和F1分数分别达到0.961 0、0.964 7、0.958 6和0.961 4，分类性能显著优于传统机器学习模型和主流深度学习模型。该研究为煤炭贸易和海关监管中的煤种快速、精准无损识别提供了新的技术路径。

Abstract

To address the problem that severe peak overlap and nonlinear coupling in near-infrared spectra make it difficult for traditional models to effectively extract discriminative features and thus limit classification accuracy in coal classification，this study proposes an intelligent classification method based on a dual-gated high-resolution network（DG-HRNet）. First，regularized Mahalanobis distance and standard normal variate transformation are combined to remove abnormal samples and improve spectral data quality. Then，Unet is employed as the backbone network，and a dual-gated high-resolution fusion mechanism is introduced to alleviate the loss of weak detailed features in deep networks. Furthermore，an improved atrous spatial pyramid pooling module and a squeeze-and-excitation attention mechanism are incorporated to enable effective modeling of long-range spectral dependencies and adaptive selection of key features. Experimental results show that，in the four-class coal classification task，DG-HRNet achieves an accuracy，precision，recall，and F1-score of 0.961 0，0.964 7，0.958 6，and 0.961 4，respectively，significantly outperforming traditional machine learning models and mainstream deep learning models. This study provides a new technical route for rapid，accurate，and non-destructive coal identification in coal trade and customs supervision.

关键词

Keywords

references

Vardar S ， Demirel B ， Onay T T . Environ. Sci. Pollut. Res. ， 2022 ， 29 （ 27 ）： 40302 - 40318 .

Midilli A ， Kucuk H ， Topal M E ， Akbulut U ， Dincer I . Int. J. Hydrogen Energy ， 2021 ， 46 （ 50 ）： 25385 - 25412 .

Rafieizonooz M ， Khankhaje E ， Rezania S . J. Build. Eng. ， 2022 ， 49 ： 104040 .

Zhou H X ， Bhattarai R ， Li Y K ， Si B C ， Dong X X ， Wang T F ， Yao Z T . Sci. Total Environ. ， 2022 ， 804 ： 149985 .

Gou W ， Zhang X K . Distrib . Energy （苟伟，张勋奎. 分布式能源）， 2025 ， 10 （ 5 ）： 1 - 9 .

National Bureau of Statistics of China . Statistical Communique of the People's Republic of China on the 2025 National Economic and Social Development（国家统计局 . 中华人民共和国2025年国民经济和社会发展统计公报） . ［ 2026-04-09 ］. https：//www.stats.gov.cn/sj/zxfbhjd/202602/t20260228_1962662.html https://www.stats.gov.cn/sj/zxfbhjd/202602/t20260228_1962662.html .

Sun C K ， Cao Q . Fuel Chem . Processes （孙春凯，曹强. 燃料与化工）， 2025 ， 56 （ 3 ）： 1 - 5，10 .

Lü H W ， Qiu M D ， Chen P . Inf. Syst. Eng. （吕汉闻，仇明达，陈鹏 . 信息系统工程）， 2025 ，（ 10 ）： 73 - 75 .

Wang H L ， Guo X ， Zhang Y F ， Zhang J S . Coal Sci . Technol. （王洪磊，郭鑫，张亦凡，张俊升.煤炭科学技术）， 2024 ， 52 （ 2 ）： 219 - 237 .

Du H ， Ke S ， Zhang W ， Qi D F ， Sun T F . Anal. Sci. ， 2024 ， 40 （ 9 ）： 1709 - 1722 .

Tian Q ， Ouyang Z ， Qu Q ， Guan S . Metall. Anal. （田琼，欧阳政，曲强，管嵩. 冶金分析）， 2024 ， 44 （ 10 ）： 64 - 71 .

Roy T ， Shukla S ， Kashyap Y ， More M R ， Shukla M ， Singh P . Radiat. Phys. Chem. ， 2024 ， 222 ： 111830 .

Ozturk S ， Bowler A ， Rady A ， Watson N J . J. Food Eng. ， 2023 ， 341 ： 111339 .

Xu Y P ， Liu D ， Chen P ， Li J Y ， Chu X L . J. Instrum. Anal. （许育鹏，刘丹，陈瀑，李敬岩，褚小立. 分析测试学报）， 2025 ， 44 （ 10 ）： 2026 - 2033 .

Vasconcelos L ， Dias L G ， Leite A ， Ferreira I ， Pereira E ， Silva S ， Rodrigues S ， Teixeira A . Foods ， 2023 ， 12 （ 3 ）： 470 .

Ye W X ， Yan T Y ， Zhang C ， Duan L ， Chen W ， Song H ， Zhang Y F ， Xu W ， Gao P . Foods ， 2022 ， 11 （ 11 ）： 1609 .

Bian X H ， Li S J ， Fan M R ， Guo Y G ， Chang N ， Wang J J . Anal. Methods ， 2016 ， 8 （ 23 ）： 4674 - 4679 .

Ding Y H ， Yan Y L ， Li J ， Chen X ， Jiang H . Foods ， 2022 ， 11 （ 11 ）： 1658 .

Wang L S ， Huang Z L ， Wang R J . Infrared Phys. Technol. ， 2021 ， 115 ： 103731 .

Wang Y Y ， Li B Y ， Li H Y ， Xiao D . ACS Omega ， 2024 ， 9 ： 47756 - 47764 .

Zou L ， Yu X ， Li M ， Lei M ， Yu H . IEEE Trans. Instrum. Meas. ， 2020 ， 69 （ 10 ）： 8043 - 8052 .

Li S T ， Liao F ， Wu J Z ， Zhang J ， Xu M Y ， Ding W ， Li Y S ， Li S B ， He W M ， Wang H ， Bi Y M . J. Instrum. Anal. （李石头，廖付，吴继忠，张军，徐梦瑶，丁伟，李永生，李淑彪，何文苗，王辉，毕一鸣. 分析测试学报）， 2025 ， 44 （ 3 ）： 514 - 520 .

Li Y ， Ren Z ， Zhao C Y ， Liang G Q . Foods ， 2025 ， 14 （ 3 ）： 484 .

Zhou H C ， Guan H O ， Ma X D ， Wei B X ， Zhang Y F ， Lu Y X . Microchem. J. ， 2024 ， 206 ： 111542 .

Yang Y ， Wang S Q ， Zhu Q B ， Qin Y ， Zhai D D ， Lian F Y . J. Food Compos. Anal. ， 2024 ， 136 ： 106736 .

Liu T ， Li J L ， Xia R ， Wang X W ， Li B . Int. J. Coal Prep. Util. ， 2024 ， 44 （ 8 ）： 1017 - 1038 .

Wang Y D ， Jia J W ， Tan W J ， Lei M . J. Instrum. Anal. （王亚栋，贾俊伟，谭韦君，雷萌. 分析测试学报）， 2024 ， 43 （ 4 ）： 607 - 613 .

Zou L ， Qiao J H ， Yu X H ， Chen X ， Lei M . IEEE Trans. Artif. Intell. ， 2024 ， 5 （ 3 ）： 1398 - 1410 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm

Research Progress of Deep Learning-driven Near-infrared Spectroscopy in Traditional Chinese Medicine Quality Evaluation

Methodology for NIR Spectrometer Selection Using Proxy Materials and Limited Sample Sets

Effect of Typical Polysaccharide and Glycolipid Extracellular Polymeric Substances on Adsorption Behavior of Arsenic onto Microplastics

Definition Clarification and Detection Reliability Analysis of Environmental Micro/Nanoplastics

Related Author

WANG Gui-yao

LIN Meng-han²

ZHAN Ying⁴

ZHANG Jun⁴

PENG Yun-fa⁴

TIAN Zhen²

ZHOU Han-ping

GUO Jian-hua

Related Institution

Zhengzhou Tobacco Research Institute of China National Tobacco Corporation

Fujian Sanming Jinye Reconstituted Tobacco Co.，Ltd.

China Tobacco Jiangsu Industrial Co.，Ltd.

Shanghai Chuangheyee Electronic Technology Development Co.，Ltd.

Shanxi Tiandi Wangpo Coal Industry Co.，Ltd

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.
Total Visits：972703 Visits Today：768

⁰