Micro LEDの欠陥検出に対するリアルタイムおよび高精度の要求を満たすため、軽量設計と強化された特徴抽出能力を組み合わせた迅速で高精度な検出アルゴリズムLED-YOLOが提案されました。 この手法は、画像収集システムの設計と多様なデータ拡張戦略を組み合わせて、実際の産業環境での実際の干渉をシミュレートし、トレーニングデータの多様性を強化しました。 Micro LEDの欠陥の低い分離能力に対処するために、軽量動的フュージョンモジュール（LDFM）が提案されました。このモジュールは、軽量ながらも動的な畳み込み、ディープコンボリューション、チャネルブレンド操作を組み合わせ、モデルの軽量化を維持しながら、特徴表現能力を向上させました。 欠陥領域の関心をさらに高めるために、強化された座標注意モジュール（ECAM）が設計されました。このモジュールは、チャンネルと空間の注意メカニズム、および残差接続を組み合わせて、特徴抽出の精度を向上させました。 最後に、Micro LED画像のアスペクト比の変化が小さいことを考慮し、動的フォーカスメカニズムを導入し、DIoU_W回帰損失関数を提案し、モデルの収束速度と安定性を著しく改善しました。実験結果は、LED-YOLOの検出精度、再現率、mAP、F1値が現在の最も先進的なYOLOv11sモデルよりも優れていることを示し、パラメーター量を1.6 M削減した状況で、検出速度と検出精度の両方が著しく向上し、実際のMicro LEDパネル製造プロセスの品質検査ニーズを効果的に満たすことができる。

深層学習；マイクロ LED；欠陥検出；動的畳み込み；注意機構