摘要：针对棉布生产过程中常存在各类瑕疵,且瑕疵的尺度差异较大、形态各异、对比度低、部分为小目标瑕疵等特点,提出了一种基于centernet网络的改进目标检测模型dca-centernet,并首次应用于棉布瑕疵检测.在骨干网络Hourglass的残差模块引入CA注意力机制,可以捕捉到不同位置之间的空间关系和上下文信息,提高了网络对于棉布瑕疵的特征表达能力;设计了基于定位质量的关键点筛选模块,可以有效地捕获关键位置信息,提高算法模型检测精度;采用多组改进的带有基于定位质量的关键点筛选模块的检测器,以更好地适应棉布瑕疵的种类多样性和尺度差异,有效解决棉布瑕疵极端长宽比问题.实验结果表明:提出的模型相较于改进前的模型,mAP提高了4.14%,比YOLOv5、FasterRCNN算法分别高出了4.20%和9.11%,验证了所提模型的有效性.