근적외선 분광을 이용한 석탄 종류 분류에서 심각한 스펙트럼 피크 중첩 및 비선형 결합 현상으로 인해 전통적인 모델이 판별 특징을 효과적으로 추출하기 어렵고 분류 정확도가 제한되는 문제를 해결하기 위해, 본 논문에서는 이중 게이트 고해상도 네트워크(DG-HRNet)에 기반한 지능형 분류 방법을 제안한다. 본 방법은 먼저 정규화된 마할라노비스 거리와 표준 정규 변환을 결합하여 이상 샘플을 제거하고 스펙트럼 데이터 품질을 향상시킨다; 이어서 Unet을 백본 네트워크로 사용하고 이중 게이트 고해상도 융합 메커니즘을 도입하여 깊은 네트워크에서 미약한 세부 특징 손실 문제를 완화한다; 나아가 개선된 확장 공간 합성곱 풀링 피라미드와 압축-자극 주의 메커니즘을 결합하여 스펙트럼의 장거리 의존성 정보를 효과적으로 모델링하고 핵심 특징을 적응적으로 선별한다. 실험 결과 DG-HRNet은 석탄 종류 4분류 과제에서 정확도, 정밀도, 재현율, F1 점수가 각각 0.9610, 0.9647, 0.9586, 0.9614에 달하며, 전통적인 기계학습 모델 및 주요 딥러닝 모델보다 우수한 분류 성능을 나타냈다. 본 연구는 석탄 무역 및 세관 감시에서 석탄 종류를 신속하고 정밀하며 비파괴적으로 식별할 수 있는 새로운 기술 경로를 제시한다.

석탄 종류 분류;근적외선 분광;딥러닝;고해상도 융합;주의 메커니즘