TFT-LCD 패널 결함 검사에서는 검사 대상의 배경이 복잡하고 결함이 미세하며 종류가 다양합니다. 또한 산업 생산에서는 실시간성이 요구되는데, 기존 결함 분류 알고리즘은 정확도와 속도를 모두 만족시키기 어려워 실제 생산에 적용하기 어렵습니다. TFT-LCD 패널 결함 분류의 정확도와 속도 균형을 위해 Swin Transformer 기반의 경량화 딥러닝 이미지 분류 모델을 제안합니다. 먼저 모델 각 층 입력의 특징 맵에 대해 토큰 융합을 수행하여 모델 계산량을 줄이고 경량화를 향상시켰습니다. 다음으로 깊이 분리 합성곱 모듈을 도입하여 모델이 합성곱 귀납 편향을 증가시키도록 도와 대량 데이터에 대한 의존도를 완화했습니다. 마지막으로 모델 경량화로 인한 검출 정확도 저하 문제를 극복하기 위해 지식 증류 방법을 사용했습니다. 자체 제작한 TFT-LCD 패널 결함 분류 데이터셋에서의 실험 결과, 제안된 개선 모델은 기본 모델 대비 FLOPs 계산량이 26억 감소하고 속도는 17% 향상되었으며, Top-1 정확도는 1.3%만 감소했습니다. 또한 다른 주요 이미지 분류 모델과 비교하여 자체 데이터셋과 공개 데이터셋 모두에서 정확도와 속도 면에서 보다 균형 잡힌 성능을 보였습니다.

TFT-LCD;Transformer;이미지 분류;컴퓨터 비전