改进Centernet的输送带损伤检测

针对以往人工检测输送带损伤耗时耗力以及人眼难以识别的问题,提出了一种改进Centernet的输送带损伤检测模型.该模型使用残差网络(resnet50)作为主干特征提取网络,同时为了提高实时性将主干网络中的普通卷积替换成深度可分离卷积.在解码网络中增加一个特征融合模块,将低层细节信息与高层语义信息结合起来.另外,针对输送带光照不均目标特征不显著难以被准确检测的问题,在网络中引入PSA注意力机制,在额外增加极少计算量的同时,提高了输送带损伤检测精度.所改进的模型在输送带数据集上mAP 50达到了94.10%,检测速度达到了53 FPS,与SSD、YOLOv4\|Tiny、YOLOv3和YOLOv4相比,mAP 50分别提升了9.65%、12.77%、3.59%和0.31%,实验结果表明改进的Centernet模型对输送带损伤检测具有较高的可靠性.