基于ResNet-Inception1D的输送带表面缺陷检测方法

摘要

对于输送带表面凹坑与划痕等缺陷的检测，传统人工巡检方式存在效率低、漏检率高、无法量化等弊端。提出了一种基于ResNet-Inception1D的输送带表面缺陷检测方法,采用激光轮廓仪获取输送带表面的高精度一维轮廓序列数据，通过设计多尺度特征提取架构与可变形特征增强（DFR）模块，结合1D Retinex信号增强预处理，实现高精度缺陷分类与定位。实验结果表明，该方法在自建数据集上平均分类准确率达95.5%，定位交并比（IoU）为0.85，优于传统卷积神经网络（CNN）和长短时记忆（LSTM）方法。消融实验验证了DFR模块和Retinex预处理的关键作用，多任务学习框架提升了准确率。该方法为输送带维护提供了自动化检测解决方案。

关键词

带式输送机 / 激光检测 / 深度学习 / ResNet-Inception1D / DFR

基金资助

国家市场监督管理总局科技计划项目（2025MK254）