煤炭是自十八世纪以来人类世界使用最为广泛的能源之一，被人们誉为黑色的金子和工业的粮食。煤炭是植物被泥沙掩埋后，在隔绝空气的条件下，经过复杂而漫长的物理、化学反应转变成的固体可燃矿产。由于煤炭的形成过程及环境复杂，导致煤炭内部的成分和性质都及其复杂。为了更好的了解煤炭的成分组成以及其物理化学性质，需要通过一定的方法对煤炭进行分析。煤质分析主要包括对煤炭的水分、灰分、挥发分、含硫量和发热量等指标进行检测分析。由于近红外光谱检测技术具有快速、无损、可靠等诸多优点已在已在农业、石油化工、制药和食品安全等各领域得到了广泛的应用。本文以煤炭作为研究对象，采用近红外检测技术对煤粉发热量和含硫量进行了研究，对比分析了不同光谱预处理方法在去除煤粉漫反射近红外光谱噪声的优劣，并且对比分析了主成分分析和偏最小二乘法建立的煤粉发热量模型及含硫量模型，同时分析了波段选择对模型的影响，最后对煤质在线检测系统进行了总体设计，并对系统的检测精度和稳定性进行了验证测试。将近红外光谱分析技术结合光电传感技术、化学计量分析技术、计算机技术和信息处理技术，对煤炭的发热量和含硫量进行检查，研究基于近红外光谱分析技术的煤质在线检查的新方法。对180个煤粉样品，首先剔除样本异常光谱2个，然后剔除发热量理化分析数据1个样本，最终煤粉发热量共177个样本，含硫量178个样本，分别在样本空间中选取50个样本作为验证集用于对模型进行验证，其余样本作为校正集建立模型。对比分析了不同光谱预处理方法和建模方法对建模结果的影响，最终综合选取多元散色校正-偏最小二乘的方法建立煤质检测模型。为了进一步提高系统的预测精度和稳定性，对近红外光谱的建模波段进行了对比研究，最终选取800-1200nm和2200-2400nm波长处的近红外光谱进行系统检测研究，并采用50个验证集样本对系统做了进一步的验证与测试工作，结果煤粉发热量的预测最大误差不超过12.56%，含硫量的最大预测误差不超过0.14%，系统具有较好的预测精度和系统稳定性。