重大進展特刊┃國能科技研究院董事長楊宏強：AI+多維感知的煤質快速檢測技術研發與應用

2025年03月19日 16:32 智能礦山雜志責編：戚金榮作者：智能礦山雜志

語音播報

點擊播放

重大進展特刊

為宣傳推廣煤礦智能化建設先進經驗和創新成果，發揮典型示范引領作用，《智能礦山》于2025年第2期策劃出版了《2024年煤礦智能化重大進展成果特刊》，刊登代表新時代煤礦人創造性實踐和智慧結晶的11項智能化建設成果，以饗讀者。

文章來源：《智能礦山》2025年第2期“2024年煤礦智能化重大進展成果特刊”

第一作者：楊宏強，正高級工程師，現任國家能源集團科學技術研究院有限公司黨委書記、執行董事，主要從事電力生產、工程建設、科技創新等工作。E-mail：12095247@ceic.com

作者單位：國家能源集團科學技術研究院有限公司

引用格式：楊宏強，劉志江，郝文玉，等.AI+多維感知的煤質快速檢測技術研發與應用[J].智能礦山，2025，6(2)：13-17.

點擊文末左下角閱讀原文，免費下載閱讀pdf全文

煤炭質量是煤炭能源應用的基石，貫穿開發、利用的全過程。傳統采制化分析方法通過采樣、制樣、化驗3道工序測定10余項煤質指標，并以1g煤樣得到的結果代表1列車（約4320t）煤炭質量。整個過程需約10人、10套設備協同操作，耗時長達24h，檢測成本高，存在數據失真風險大和反饋滯后等問題，嚴重影響了煤炭洗選、儲、運、銷等各環節的工作效率。煤質在線無損檢測可提升檢測的時效性與代表性。

針對煤質快檢技術，國內外學者開展了大量研發工作，形成了如中子活化、雙能伽馬射線、X射線吸收和近紅外光譜等檢測技術，但由于檢測精度不高或存在放射源安全隱患等問題，一直未能實現大規模的商業化應用。因煤炭生產加工、儲、運、銷等過程中檢測環境工況條件復雜且應用場景存在差異，單一感知手段的快檢技術難以滿足多場景檢測需要，開發基于AI+多維感知的煤質快速檢測技術尤為必要。

通過計算機科學、光譜學及分析化學等多學科的交叉融合，形成了基于AI+多維感知的煤質快速檢測技術，解決了單一感知無法源頭捕捉煤炭完整全面的信息和復雜環境下光譜等精密儀器穩定性與可靠性不足的問題，實現了對煤炭關鍵指標的快速、準確、無損檢測。

煤質快速檢測技術主要研究內容

基于AI+多維感知的煤質快速檢測技術研究，主要從硬件感知、算法模型、數據集建設3個方面開展。

1.1 硬件感知

基于AI+多維感知的融合光譜煤質智能快檢關鍵技術研發與裝置試制，利用近紅外+X射線熒光融合光譜檢測裝置，全面感知煤炭原子信息與分子信息，利用溫濕度傳感、煤流檢驗、環境補償等多維感知手段，以整形壓輥、可見光、近紅外、X熒光等技術形成了對樣品形貌、環境條件、煤中分子和原子信息的全面信號感知，通過典型場景應用驗證煤質檢測系統的穩定性與魯棒性。

1.2 算法模型

研究近紅外、X射線熒光光譜與煤質成分及理化特性的關聯機理，探索基于神經繼承關系假設，設計模型結構自動化搜索算法與多級分類模型，挖掘雙光譜中與煤質成分相關的互補信息，提升煤質檢測的高精度與高泛化性，并建立煤質快檢統一基礎大模型。以數據預處理、雙模態神經網絡等深度學習算法，實現多維感知信號有效提取和增益組合。

1.3 數據集建設

以煤質覆蓋率指標為指導，熱力圖打靶為手段，以精準投樣、異常樣復檢、定期抽檢等方式擴充數據規模，構建涵蓋國內外大部分煤炭產品的高質量數據集，實現復雜煤種檢測的高精度與高泛化性。針對全球主流進口煤種、全國20余個省區、4大產煤區不同地質年代煤種，構建高質量煤質數據集，完成近30次模型升級迭代，提升了檢測精度，快速部署和低臺間差等行業難題，實現了對上百種復雜煤種的高精度。

煤質快速檢測關鍵技術突破

（1）利用多維感知手段與多模態自動校正技術，實現了設備狀態的快速診斷和自我修復。在不同產煤區、不同氣候區、不同煤流量及采樣形態等典型場景，驗證了技術的穩定性與魯棒性。

（2）揭示了近紅外、X射線熒光光譜與煤質成分及理化特性的關聯機理，構建了基于神經繼承關系假設，設計模型結構自動化搜索算法與多級分類模型，建立了首個國際煤質快檢統一基礎大模型，實現了近紅外光譜和X射線熒光光譜有機融合，挖掘出雙光譜中的煤質信息。

（3）以煤質覆蓋率指標為指導，熱力圖打靶為手段，構建了涵蓋國內外398種煤炭銷售品種、數量超11萬組的國際首個最大規模高質量數據集，實現了復雜煤種檢測的高精度與高泛化性。

煤質快速檢測技術方案

3.1 煤樣大批量、實時、無損檢測

利用近紅外光譜技術結合X射線熒光光譜技術，實現煤炭成分信息的全面、無損感知，并與采樣機整體融合，確保大批量煤樣的實時檢測。結合高精

度形貌感知與全方位設備狀態感知，全面準確探測煤炭的發熱量、灰分、全水分、全硫等指標反應的光譜信號及相關信息，可有效解決傳統采制樣技術檢測量小、代表性差、檢測時效低的問題，AI+多維感知技術原理如圖1所示。

圖1 AI+多維感知技術原理

3.2 多模態神經網絡實現信息深度融合

通過設計模型結構自動化搜索算法，研究近紅外光譜和X射線熒光光譜的最佳融合方式，精確提取2種光譜信號中與煤炭成分相關的特征，并轉換為準確的煤質成分信息。基于光譜學的物理化學理論，結合設備狀態及環境狀態，利用多模態信號處理技術對煤樣光譜進行智能化補償校準，在不同環境、設備狀態及煤流特性條件下，實現煤樣光譜信息的準確、標準化獲取，并輸出符合模型預測要求的高質量光譜數據，多模態神經網絡融合算法原理如圖2所示。

圖2 多模態神經網絡融合算法原理

3.3 煤種高精度、高泛化性檢測

煤炭種類豐富、成分復雜，包括不同地質年代、不同煤炭種類及不同應用場景混配方式，單一模型實現全煤種的準確檢測需要突破多項關鍵技術難題。針對國內外不同產煤區、港口、銷售、電廠及化工產業等煤炭場景下的復雜煤樣檢測，開發出1套高質量數據采集體系，經過智能化數據清洗、異常分析、快檢復投、人工復檢等手段，建立了包含準確煤樣光譜、煤質成分超10萬組，涵蓋398個煤炭品種，收到基低位發熱量范圍覆蓋1213～8023kcal的高質量融合光譜數據集，煤炭各項檢測指標與煤量加權熱力覆蓋如圖3所示，檢測指標范圍與精度見表1。

圖3 煤炭各項檢測指標與煤量加權熱力覆蓋

表1 檢測指標范圍與精度

煤質快速檢測的先進性

融合光譜的煤質快速檢測技術，形成了集多維感知、人工智能的多模態信號處理、高質量數據集和統一基礎模型于一體的多項自主核心技術。基于融合光譜的煤質快速檢測技術包含煤質快檢核心裝置、AI模型與數據管控平臺，主要包括8個方面的優勢。

（1）檢測效率大幅提升

檢測耗時由傳統方法的8～24h縮短為2min內，實時煤質信息滿足煤炭精細化利用。

（2）樣品代表性大幅提升

整列車煤可檢測煤量約1t，為傳統方法的100萬倍，樣品代表性大幅提升，避免了多級制樣過程引起的系統偏差。

（3）檢測無人干預實現“不能腐”

在線儀表式檢測高效、公平、透明，杜絕了人為操作失真風險，也降低了核查、監督的工作難度。

（4）可實現多指標同時檢測

煤質快速檢測可同時獲取煤發熱量、全硫、灰分、全水、揮發分、灰熔點等指標，其他指標預測模型正在開發中，有力推動了對煤炭認知向微觀深入。

（5）適應現場嚴苛環境

完成“煤電化運”全場景10臺設備示范，在高低溫、粉塵、震動、高濕度、電磁干擾等嚴苛環境條件運行約2年，仍可精度高、運行穩定。

（6）數據集規模大、范圍廣、質量高

累計已檢測200多家用戶、數萬批、數百種、超4億t煤炭，構建了大規模高質量數據集。

（7）檢測結果高一致性

以熱值檢測結果為例，相同煤樣在同一裝置重復性檢測的平均差值約42kcal/kg，在不同裝置再現性檢測平均差值約59kcal/kg，上下游檢測平均差值約77kcal/kg，與人工化驗相當。

（8）檢測結果精度高

統一基礎模型在不同設備部署后，可實現對100多種復雜煤種高精度、高一致性檢測，與傳統人工檢測比對偏差呈標準正態分布，累計偏差趨于0，檢測精度不低于傳統方法水平。

應用效果與推廣前景

5.1 應用效果

煤質快速檢測技術在國家能源集團所屬的神東煤炭集團有限責任公司、寧夏煤業有限責任公司、神華準格爾能源有限責任公司、新疆能源有限責任公司、煤炭經營有限公司、勝利能源有限公司、浙江電力有限公司、河北電力有限公司及黃驊港務有限責任公司多個試點單位完成了設備安裝、調試和運行，應用成果良好，煤質檢測產品迭代與應用案例如圖4所示。