Schnelle und präzise Erkennung von Oberflächenfehlern bei Micro LED

ZHAO Tianyuan ,  

DONG Dengfeng ,  

WANG Guoming ,  

WANG Bo ,  

ZHOU Weihu ,  

摘要

Um den Anforderungen der Echtzeit- und Hochpräzisionsdefekterkennung von Micro LED gerecht zu werden, wurde ein schneller und präziser Detektionsalgorithmus LED-YOLO vorgeschlagen, der leichtes Design und verbesserte Merkmalsextraktionsfähigkeiten kombiniert. Die Vielfalt der Trainingsdaten wurde durch das Design eines Bildaufnahmesystems und die Kombination mehrerer Datenvergrößerungsstrategien, die reale Störungen aus der industriellen Umgebung simulieren, verstärkt, um das Problem der geringen Unterscheidung von Micro LED-Defekten zu überwinden. Ein leichtes dynamisches Verschmelzungsmodul (LDFM), das dynamische Faltungen, tiefe Faltungen und Kanalmischoperationen kombiniert, wurde vorgeschlagen, um die leichtgewichtige Modellierung zu erhalten und die Merkmalsdarstellungsfähigkeiten zu verbessern. Um die Aufmerksamkeit auf den Fehlerbereich weiter zu stärken, wurde ein verbessertes koordiniertes Aufmerksamkeitsmodul (ECAM) entworfen, das Kanal- und Raum-Aufmerksamkeitsmechanismen sowie Restverbindungen kombiniert, um die Genauigkeit der Merkmalsextraktion zu verbessern. Schließlich, unter Berücksichtigung geringer Verhältnisänderungen der Breite zu Höhe von Micro LED-Bildern, wurde ein dynamischer Fokusmechanismus eingeführt und eine DIoU_W-Regressionsverlustfunktion vorgeschlagen, um die Konvergenzgeschwindigkeit und -stabilität des Modells signifikant zu verbessern. Experimentelle Ergebnisse zeigen, dass die Detektionsgenauigkeit, der Recall, mAP und der F1-Wert des LED-YOLO-Modells im Allgemeinen besser als das führende aktuelle YOLOv11s-Modell sind, bei Reduzierung der Parametern von 1,6 Millionen, die Detektionsgeschwindigkeit und -genauigkeit deutlich verbessern können, was den Anforderungen der Qualitätskontrolle im realen Herstellungsprozess von Micro LED-Panels effektiv gerecht werden kann.

关键词

Tiefes Lernen; Micro LED; Fehlererkennung; Dynamische Faltung; Aufmerksamkeitsmechanismus

阅读全文