近赤外分光を用いた石炭種分類において、スペクトルピークの深刻な重なりおよび非線形結合が存在し、従来モデルが識別特徴を効果的に抽出できず分類精度が制限される問題に対して、本論文では二重ゲート高解像度ネットワーク（DG-HRNet）に基づく知能的分類手法を提案する。本手法はまず正則化マハラノビス距離と標準正規変換を組み合わせて異常サンプルを除去し、スペクトルデータの品質を向上させる；次にUnetをバックボーンネットワークとして用い、二重ゲート高解像度融合機構を導入し、深層ネットワークにおける微細な特徴の損失を軽減する；さらに改良された拡張空間畳み込みプーリングピラミッドと圧縮・励起注意機構を組み合わせ、スペクトルの長距離依存情報の効果的なモデリングと重要特徴の適応的選別を実現する。実験結果は、DG-HRNetが石炭種の四分類課題において精度、適合率、再現率、およびF1スコアでそれぞれ0.9610、0.9647、0.9586、0.9614を達成し、分類性能が従来の機械学習モデルや主流の深層学習モデルを大幅に上回ることを示している。本研究は石炭貿易および税関監督における石炭種の迅速かつ正確な非破壊識別のための新たな技術的道筋を提供する。

石炭種分類;近赤外分光;深層学習;高解像度融合;注意機構