1.一种基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述煤炭水分含量快速测量方法包括：构建基于卷积神经网络的煤炭水分含量测量模型，其中，所述煤炭水分含量模型包括特征提取模块以及与所述特征提取模块适配连接的训练应用输出模块；

所述特征提取模块包括U‑Net卷积神经网络以及与所述U‑Net卷积神经网络适配连接的卷积块注意力机制模块，其中，利用U‑Net卷积神经网络进行有用特征的提取，并利用卷积块注意力机制模块将所提取的有用特征沿通道与空间两个独立的维度依次推断注意力图；

所述训练应用输出模块包括对特征提取模块训练用的训练输出层以及基于偏最小二乘回归的应用输出层，其中，训练时，提供第一训练样本集，并利用第一训练样本集对特征提取模块以及训练应用输出模块内的训练输出层训练，以在达到第一目标训练状态时，得到处于目标状态的特征提取模块；

提供第二训练样本集，并利用第二训练样本集对处于目标状态特征提取模块以及训练应用输出模块内的应用输出层训练，以在达到第二目标训练状态时，得到所构建的煤炭水分含量测量模型；

第一训练样本集、第二训练样本集包括若干标准煤炭样本的微波频谱信息以及每个标准煤炭样本相应的水分含量标签；

提供水分含量待测量的煤炭标本，并将所述水分含量待测量煤炭标本的微波频谱信息加载至所构建的煤炭水分含量测量模型，以通过所述煤炭水分含量模型内的应用输出层输出所述煤炭标本的水分含量，其中，所述水分含量待测量煤炭标本的微波频谱信息与第一训练样本集、第二训练样本集内标准煤炭样本相应的微波频谱信息生成方式相一致。

2.根据权利要求1所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述训练输出层包括依次连接的丢弃处理块、线性激活函数块以及全连接层，其中，所述线性激活函数块所采用的线性激活函数包括ReLU；

在训练时，利用特征提取模块生成的训练样本细化特征信息依次经丢弃处理块、线性激活函数块以及全连接层处理，以经由全连接层输出训练输出标准煤炭样本的水分含量预测值。

3.根据权利要求2所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，利用第一训练样本集训练时，基于每个标准煤炭样本的水分含量预测值与第一训练样本集内所述标准煤炭样本的水分含量标签确定训练损失；

在训练过程中，训练损失呈降低趋势且趋于稳定时，达到第一目标训练状态；

对训练损失，则有：

其中，Loss为训练损失，Smooth_L1为Smooth L1型损失函数，L2为L2型损失函数，为第i个标准煤炭样本的水分含量预测值，yi为第i个标准煤炭样本的水分含量标签，m为当前已训练使用的标准煤炭样本的数量。

4.根据权利要求1所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，对提供的第一训练样本集与第二训练样本集，第一训练样本集的制作方法与第二训练样本集的制作方法相同，所述制作方法包括：选取若干标准煤炭样本，并采集所选取标准煤炭样本的微波频谱信息，其中，所选取的标准煤炭样本的水分含量不完全相同；

对上述采集后的标准煤炭样本进行水分含量测量，以基于所测量的水分含量生成相应标准煤炭样本的水分含量标签。

5.根据权利要求4所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述标准煤炭样本的平均粒度为6mm或13mm。

6.根据权利要求1至5任一项所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，利用微波频谱采集装置采集标准煤炭样本的微波频谱信息，其中，所述微波频谱采集装置包括微波收发天线组、置于所述微波收发天线组内的采集收纳容器、与所述微波收发天线组电连接的矢量网络分析仪以及与所述矢量网络分析仪适配电连接的采集处理器；

采集收纳容器位于微波收发天线组内的微波收发天线之间，标准煤炭标本或水分含量待测量的煤炭标本置于采集收纳容器内，通过微波收发天线组以及矢量网络分析仪配合收发微波信号，并将所收发的微波信号传输至采集处理器，以生成相应的微波频谱信息。

7.根据权利要求6所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述采集收纳容器呈矩形状，所述采集收纳容器的材料包括聚甲基丙烯酸甲酯。

8.根据权利要求6所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述微波收发天线组包括两个微波收发天线，其中，微波收发天线包括波导型喇叭状天线，两个微波收发天线的喇叭口呈对应放置；

微波收发天线通过微波同轴传输线与矢量网络分析仪连接，矢量网络分析仪通过微波收发天线收发微波信号的频率为2.5GHz～5.5GHz。

9.根据权利要求1至5任一项所述的基于卷积神经网络的煤炭水分含量快速测量方法，其特征是，所述U‑Net卷积神经网络包括下采样结构、连接过渡结构以及上采样结构，其中，上采样结构通过连接过渡结构与下采样结构适配连接，以形成U型网络；

下采样结构包括若干依次连接的最大值池化下采样处理层，上采样结构包括若干依次连接的数据融合上采样处理层，其中，上采样结构内数据融合上采样处理层数量与下采样结构内的最大值池化下采样处理层的数量相一致，下采样结构内的一最大值池化下采样处理层通过卷积块注意力机制模块的一卷积块注意力机制层与正对应的数据融合上采样处理层连接；

下采样结构内的任一最大值池化下采样处理层，对加载至所述最大值池化下采样处理层内的输入数据依次进行二重卷积处理与最大值池化MaxPool处理，其中，所述输入数据经二重卷积处理后生成二重卷积处理数据体，二重卷积处理数据体经最大值池化MaxPool处理后生成下采样数据体，且所生成的下采样数据体作为下一最大值池化下采样处理层的输入数据；

对上采样结构内的任一数据融合上采样处理层，对加载至所述数据融合上采样处理层的输入数据进行融合，以生成相对应的融合数据体，其中，加载至所述数据融合层的输入数据包括一二重卷积处理数据体经所对应卷积块注意力机制层处理后生成的CABM数据体以及一基本数据体经ConvTranspose上采样处理后形成的上采样数据体，所述二重卷积处理数据体由与当前数据融合上采样处理层所对应的最大值池化下采样处理层生成；所生成的融合数据体作为下一数据融合上采样处理层的基本数据体；

对连接过渡结构，用于连接下采样结构内底层的最大值池化下采样处理层以及上采样结构内底层的数据融合上采样处理层，其中，所述连接过渡结构的输入数据为下采样结构内底层最大值池化下采样处理层生成的下采样数据体；

连接过渡结构对输入数据进行二重卷积处理，以形成加载至上采样结构内底层的数据融合上采样处理层的基本数据体。

10.一种基于卷积神经网络的煤炭水分含量快速测量系统，其特征是，包括测量控制器，其中，对一水分含量待测量的煤炭标本，获取所述水分含量待测量煤炭标本的微波频谱信息，测量控制器基于所述微波频谱信息采用上述权利要求1～权利要求9中任一项所述的测量方法对所述煤炭标本进行水分含量测量。