لتلبية متطلبات كشف عيوب Micro LED للوقت الفعلي والدقة العالية ، تم تقديم خوارزمية كشف سريعة ودقيقة باستخدام LED-YOLO بتصميم خفيف الوزن وقدرة استخراج الميزات المحسنة. تم تعزيز تنوع بيانات التدريب من خلال تصميم نظام جمع الصور واستراتيجيات تعزيز بيانات متعددة لمحاكاة التشويش الفعلي في بيئة الصناعة. بالإضافة إلى ذلك ، تم تقديم وحدة الدمج الديناميكي الخفيفة (LDFM) لمعالجة مشكلة انخفاض تمييز العيوب Micro LED ، والتي تجمع بين التراكب الديناميكي والتراكب العميق وعملية الخلط القنوات في الحفاظ على خفة النموذج وتعزيز قدرة تمثيل الميزات. لزيادة الاهتمام بمنطقة العيب بشكل أكبر ، تم تصميم وحدة التركيز المحسنة (ECAM) لتعزيز دقة استخراج الميزات من خلال دمج آلية الانتباه القنواتية والمكانية والاتصال الباقي. وأخيرًا ، باعتبار التغير في نسبة الصور Micro LED صغيرة ، تم قدم آلية التركيز الديناميكي وانتقل إلى استخدام دالة الخسارة DIoU_W لزيادة سرعة وثبات النموذج بشكل كبير. تظهر النتائج التجريبية أن دقة كشف LED-YOLO ومعدل الاسترجاع و mAP وقيمة F1 تفوق بشكل ملحوظ على نموذج YOLOv11s الأكثر تقدمًا حاليًا ، وفي حالة تقليل الحجم بمقدار 1.6 مليون من المعلمات ، هناك تحسن ملحوظ في سرعة الكشف ودقة الكشف ، مما يمكن أن يلبي بشكل فعال احتياجات فحص جودة ألواح Micro LED الفعلية.

التعلم العميق؛ ميكرو LED؛ كشف العيوب؛ التراكب الديناميكي؛ آلية الانتباه