لتلبية متطلبات كشف أخطاء Micro LED في الوقت الحقيقي وبدقة عالية ، وبالاعتماد على التصميم الخفيف وقدرة استخراج الميزات المحسنة ، تم تقديم خوارزمية كشف سريعة ذات دقة عالية LED-YOLO. تم تعزيز تنوع بيانات التدريب من خلال تصميم نظام التقاط الصور والجمع بين سياسات تكبير البيانات المتعددة ، ومحاكاة الازعاج الصناعي الفعلي ، للتغلب على مشكلة تمييز منخفضة لأخطاء Micro LED. تم تقديم وحدة اندماج ديناميكية خفيفة الوزن (LDFM) للدمج الديناميكي ، والتي تجمع بين التكبير الديناميكي والتكبير العميق وعمليات الخلط بين القنوات ، مع الحفاظ على خفة النموذج ، وتعزيز قدرة التعبير عن الميزات. بغرض تعزيز اهتمام المنطقة المعيبة بشكل أكبر ، تم تصميم وحدة الانتباه التنسيقية المحسنة (ECAM) ، عن طريق جمع آليات اهتمام القناة والمكان والاتصال الزائد ، تم تعزيز استخراج الميزات بدقة. وأخيراً ، ونظرًا لتغييرات العرض إلى الطول الصغيرة لصور Micro LED ، تم إدخال آلية التركيز الديناميكية ، وتقديم وظيفة الخسارة DIoU_W للتراجع ، وزيادة بشكل كبير سرعة تقدم النموذج واستقراره. تشير نتائج التجارب إلى أن دقة كشف LED-YOLO ومعدل الاستدعاء و mAP وقيمة F1 تفوق بشكل عام نموذج YOLOv11s الرائد حاليًا ، وفي حالة تقليل كمية المعلمات بمقدار 1.6 مليون ، تم تحسين سرعة الكشف ودقته بشكل واضح ، ويمكن أن تلبي بشكل فعال متطلبات فحص جودة عملية تصنيع لوحة Micro LED الفعلية.

التعلم العميق ؛ Micro LED ؛ كشف الأخطاء ؛ التكبير الديناميكي ؛ آلية الانتباه