煤炭质量是煤炭能源应用的基石，贯穿开发、利用的全过程。传统采制化分析方法通过采样、制样、化验3道工序测定10余项煤质指标，并以1g煤样得到的结果代表1列车（约4320t）煤炭质量。整个过程需约10人、10套设备协同操作，耗时长达24h，检测成本高，存在数据失真风险大和反馈滞后等问题，严重影响了煤炭洗选、储、运、销等各环节的工作效率。煤质在线无损检测可提升检测的时效性与代表性。

针对煤质快检技术，国内外学者开展了大量研发工作，形成了如中子活化、双能伽马射线、X射线吸收和近红外光谱等检测技术，但由于检测精度不高或存在放射源安全隐患等问题，一直未能实现大规模的商业化应用。因煤炭生产加工、储、运、销等过程中检测环境工况条件复杂且应用场景存在差异，单一感知手段的快检技术难以满足多场景检测需要，开发基于AI+多维感知的煤质快速检测技术尤为必要。

通过计算机科学、光谱学及分析化学等多学科的交叉融合，形成了基于AI+多维感知的煤质快速检测技术，解决了单一感知无法源头捕捉煤炭完整全面的信息和复杂环境下光谱等精密仪器稳定性与可靠性不足的问题，实现了对煤炭关键指标的快速、准确、无损检测。

基于AI+多维感知的煤质快速检测技术研究，主要从硬件感知、算法模型、数据集建设3个方面开展。

基于AI+多维感知的融合光谱煤质智能快检关键技术研发与装置试制，利用近红外+X射线荧光融合光谱检测装置，全面感知煤炭原子信息与分子信息，利用温湿度传感、煤流检验、环境补偿等多维感知手段，以整形压辊、可见光、近红外、X荧光等技术形成了对样品形貌、环境条件、煤中分子和原子信息的全面信号感知，通过典型场景应用验证煤质检测系统的稳定性与鲁棒性。

研究近红外、X射线荧光光谱与煤质成分及理化特性的关联机理，探索基于神经继承关系假设，设计模型结构自动化搜索算法与多级分类模型，挖掘双光谱中与煤质成分相关的互补信息，提升煤质检测的高精度与高泛化性，并建立煤质快检统一基础大模型。以数据预处理、双模态神经网络等深度学习算法，实现多维感知信号有效提取和增益组合。

以煤质覆盖率指标为指导，热力图打靶为手段，以精准投样、异常样复检、定期抽检等方式扩充数据规模，构建涵盖国内外大部分煤炭产品的高质量数据集，实现复杂煤种检测的高精度与高泛化性。针对全球主流进口煤种、全国20余个省区、4大产煤区不同地质年代煤种，构建高质量煤质数据集，完成近30次模型升级迭代，提升了检测精度，快速部署和低台间差等行业难题，实现了对上百种复杂煤种的高精度。

（1）利用多维感知手段与多模态自动校正技术，实现了设备状态的快速诊断和自我修复。在不同产煤区、不同气候区、不同煤流量及采样形态等典型场景，验证了技术的稳定性与鲁棒性。

（2）揭示了近红外、X射线荧光光谱与煤质成分及理化特性的关联机理，构建了基于神经继承关系假设，设计模型结构自动化搜索算法与多级分类模型，建立了首个国际煤质快检统一基础大模型，实现了近红外光谱和X射线荧光光谱有机融合，挖掘出双光谱中的煤质信息。

（3）以煤质覆盖率指标为指导，热力图打靶为手段，构建了涵盖国内外398种煤炭销售品种、数量超11万组的国际首个最大规模高质量数据集，实现了复杂煤种检测的高精度与高泛化性。

利用近红外光谱技术结合X射线荧光光谱技术，实现煤炭成分信息的全面、无损感知，并与采样机整体融合，确保大批量煤样的实时检测。结合高精

度形貌感知与全方位设备状态感知，全面准确探测煤炭的发热量、灰分、全水分、全硫等指标反应的光谱信号及相关信息，可有效解决传统采制样技术检测量小、代表性差、检测时效低的问题，AI+多维感知技术原理如图1所示。

通过设计模型结构自动化搜索算法，研究近红外光谱和X射线荧光光谱的最佳融合方式，精确提取2种光谱信号中与煤炭成分相关的特征，并转换为准确的煤质成分信息。基于光谱学的物理化学理论，结合设备状态及环境状态，利用多模态信号处理技术对煤样光谱进行智能化补偿校准，在不同环境、设备状态及煤流特性条件下，实现煤样光谱信息的准确、标准化获取，并输出符合模型预测要求的高质量光谱数据，多模态神经网络融合算法原理如图2所示。

煤炭种类丰富、成分复杂，包括不同地质年代、不同煤炭种类及不同应用场景混配方式，单一模型实现全煤种的准确检测需要突破多项关键技术难题。针对国内外不同产煤区、港口、销售、电厂及化工产业等煤炭场景下的复杂煤样检测，开发出1套高质量数据采集体系，经过智能化数据清洗、异常分析、快检复投、人工复检等手段，建立了包含准确煤样光谱、煤质成分超10万组，涵盖398个煤炭品种，收到基低位发热量范围覆盖1213～8023kcal的高质量融合光谱数据集，煤炭各项检测指标与煤量加权热力覆盖如图3所示，检测指标范围与精度见表1。

融合光谱的煤质快速检测技术，形成了集多维感知、人工智能的多模态信号处理、高质量数据集和统一基础模型于一体的多项自主核心技术。基于融合光谱的煤质快速检测技术包含煤质快检核心装置、AI模型与数据管控平台，主要包括8个方面的优势。

（1）检测效率大幅提升

检测耗时由传统方法的8～24h缩短为2min内，实时煤质信息满足煤炭精细化利用。

（2）样品代表性大幅提升

整列车煤可检测煤量约1t，为传统方法的100万倍，样品代表性大幅提升，避免了多级制样过程引起的系统偏差。

（3）检测无人干预实现“不能腐”

在线仪表式检测高效、公平、透明，杜绝了人为操作失真风险，也降低了核查、监督的工作难度。

（4）可实现多指标同时检测

煤质快速检测可同时获取煤发热量、全硫、灰分、全水、挥发分、灰熔点等指标，其他指标预测模型正在开发中，有力推动了对煤炭认知向微观深入。

（5）适应现场严苛环境

完成“煤电化运”全场景10台设备示范，在高低温、粉尘、震动、高湿度、电磁干扰等严苛环境条件运行约2年，仍可精度高、运行稳定。

（6）数据集规模大、范围广、质量高

累计已检测200多家用户、数万批、数百种、超4亿t煤炭，构建了大规模高质量数据集。

（7）检测结果高一致性

以热值检测结果为例，相同煤样在同一装置重复性检测的平均差值约42kcal/kg，在不同装置再现性检测平均差值约59kcal/kg，上下游检测平均差值约77kcal/kg，与人工化验相当。

（8）检测结果精度高

统一基础模型在不同设备部署后，可实现对100多种复杂煤种高精度、高一致性检测，与传统人工检测比对偏差呈标准正态分布，累计偏差趋于0，检测精度不低于传统方法水平。

煤质快速检测技术在国家能源集团所属的神东煤炭集团有限责任公司、宁夏煤业有限责任公司、神华准格尔能源有限责任公司、新疆能源有限责任公司、煤炭经营有限公司、胜利能源有限公司、浙江电力有限公司、河北电力有限公司及黄骅港务有限责任公司多个试点单位完成了设备安装、调试和运行，应用成果良好，煤质检测产品迭代与应用案例如图4所示。

（1）煤炭快速结算

煤炭经营类单位实现了对外部用户超千万吨煤炭快速结算。胜利能源有限公司已结算约200天，累计偏差仅13kcal，结算周期从月级缩短至当日实时结算，资金效率大幅提升。

（2）煤化工应用

宁夏煤业有限责任公司使用快检实时煤质信息指导精准配煤，配煤合格率由82%上升为95%，后工段油品加工负荷从97%提升至102%，气化炉平均运行周期延长30天，每年有效降低生产成本约2000万元。

（3）检测费节约

以煤质快检技术代替传统采制化方式，各试点每年可节省成本数千万元，为进一步驱动港口高效生产奠定基础。

（4）煤电应用

国能（福州）热电有限公司应用快检技术，优化调整锅炉燃烧和水冷壁腐蚀状态诊断，助力燃煤发电向数字化、智能化方向迈进。

（5）体系化管控

覆盖“煤电运化”全产业链的煤炭生产、加工、利用等环节，支撑煤炭质量管控体系的体系化、网络化、标准化和在线检测+数字监管的运营管控。

煤质快速检测技术在煤炭、电力、煤化工、港口、运输、钢铁、冶金、水泥等涉煤行业均有广阔的应用前景，主要包括以下4个方面。

（1）煤炭基础科学研究

快速积累煤质基础数据，推动从极微观层面深入了解煤炭的化学组成、分子结构及地质演变进程，推动煤基化学与人工智能计量学融合发展。

（2）煤炭统一大市场建设

推动煤炭交易现场检测、煤炭快速结算、商品煤煤质管控、煤炭资源优化配置、煤炭运输与调度跟踪与监管的统一大市场建设。

（3）煤炭清洁高效安全利用

推动煤炭智慧洗选提质、煤炭智慧精准配煤、煤化工高端化和多元化转化、煤基污染物协同控制、锅炉燃烧优化调整等煤炭清洁高效安全利用。

（4）煤基能源碳足迹研究与管理

打造多源数据互证互信，碳核算与监测等碳足迹方法学闭环的碳追踪、碳监控体系，支撑能源产业碳足迹可信认证与方法学建立、助力“双控”转型。