煤矸石作为煤炭开采的副产品，其处理与监测对环境保护和资源利用具有重要意义。传统的煤矸石检测方法存在效率低下、资源消耗大等问题。为解决这些问题，提出一种基于电荷耦合频响多光谱反演网络的煤矸石检测方法。该方法利用无人机搭载高分辨率相机拍摄煤矸堆图像，首先，通过构建光谱重建网络模型MST++,实现对光谱数据的高效重建，弥补了RGB图像在光谱信息上的不足；然后，利用Faster R-CNN模型处理重建后的光谱数据；最后，对矸石堆中的煤炭含量进行预测。结果表明：与原始RGB数据集相比，多光谱重建后的煤矸石与煤炭图像的检测准确率显著提升至91.2%,将真实含碳量与预测结果进行比对，两者误差控制在5%以内，为煤炭资源的回收利用提供了科学依据。该方法充分利用了无人机遥感技术与深度学习算法的优势，通过光谱重建与目标检测的有机结合，实现了煤矸石的精准识别与定量分析，为煤矸石的高效处理与资源化利用提供了新的技术路径，具有良好的应用前景。

国家重点研发计划项目(2017YFC0804310)；陕西省重点研发计划项目(2020ZDLGY04-06)；秦创原“科学家+工程师”队伍建设项目(2023KXJ-249)；

0 引 言
1 材料与方法
1.1 数据集准备
1.1.1 数据采集
1.1.2 数据集处理
1.2 光谱重建方法
1.2.1 采样成像原理
1.2.2 相机光谱响应曲线的获取
1.3 光谱重建与煤矸石检测框架
1.3.1 光谱重建神经网络
1.3.2 煤矸石检测神经网络
1.4 模型训练
1.5 评价指标
2 试验结果与分析
2.1 光谱重建质量评估
2.2 煤矸石检测模型在不同场景下的对比
2.3 矸石堆煤炭含量预测
3 结 论

[1]赵栓峰,王力,李小雨,等.电荷耦合频响多光谱反演网络的煤矸石检测方法[J].西安科技大学学报,2025,45(01):117-128.