La detección de espectro es una tecnología crucial para la radio cognitiva. Los métodos de detección de espectro existentes generalmente sufren de ciertos problemas, como representación insuficiente de características de señal, baja eficiencia de detección, alta sensibilidad a la incertidumbre del ruido y degradación drástica en redes profundas. Ante estos desafíos, proponemos un método de detección de espectro basado en la transformada de Fourier de corto tiempo y en una red residual mejorada (STFT-ImpResNet) en este trabajo. Específicamente, en STFT, la señal recibida se transforma en una matriz tiempo-frecuencia bidimensional que se normaliza a una imagen en escala de grises como entrada de la red. Se diseña una red residual mejorada para clasificar las muestras de señal, y se agrega una capa de abandono al bloque residual para mitigar el sobreajuste de manera efectiva. Realizamos evaluaciones exhaustivas sobre el método de detección de espectro propuesto, que demuestran que, en comparación con otros algoritmos actuales de detección de espectro, STFT-ImpResNet muestra una mayor precisión y una menor complejidad computacional, así como una fuerte robustez a la incertidumbre del ruido, y puede satisfacer las necesidades de detección en tiempo real.