摘要
基于卷积神经网络(CNN)的方法可以有效提高检测精度,但存在对长距离、全局信息感知不足等问题,很难提升在皮带边缘检测上的精度.为解决上述问题,将传统CNN的卷积对局部特征的提取能力与Transformer结构对全局、长距离信息感知能力相结合.通过设计CNN和Transformer特征融合模块,可以灵活调节网络结构;构建了不同场景下多角度皮带运输机皮带数据集,并进行验证.研究结果表明,"c1,c2"深度模型准确率最高.检测结果与输送带实际跑偏结果一致,证明了DFTNet网络模型的有效性,检测准确率≥90%,具有较好的应用价值.
维普
万方数据