Micro LED 결함 검사의 실시간성과 고정밀 요구를 충족하기 위해 경량화 설계와 향상된 특징 추출 능력을 결합하여 빠르고 고정밀한 검출 알고리즘 LED-YOLO를 제안하였다. 이 방법은 영상 획득 시스템을 설계하고 다양한 데이터 증강 전략을 결합하여 산업 환경에서의 실제 간섭을 시뮬레이션함으로써 학습 데이터의 다양성을 강화하였다. Micro LED 결함의 낮은 구분도 문제를 해결하기 위해 경량 동적 융합 모듈(Lightweight Dynamic Fusion Module, LDFM)을 제안하였으며, 이 모듈은 동적 컨볼루션, 심층 컨볼루션 및 채널 혼합 작업을 결합하여 모델의 경량성을 유지하면서 특징 표현 능력을 향상시켰다. 결함 영역에 대한 집중도를 더욱 강화하기 위해 채널 및 공간 주의 메커니즘과 잔차 연결을 결합한 향상된 좌표 주의 모듈(Enhanced Coordinate Attention Module, ECAM)을 설계하였다. 마지막으로 Micro LED 영상의 가로세로비 변화가 적은 점을 고려하여 동적 포커싱 메커니즘을 도입하고 DIoU_W 회귀 손실 함수를 제안하여 모델의 수렴 속도와 안정성을 크게 향상시켰다. 실험 결과 LED-YOLO는 현재 최고 수준의 YOLOv11s 모델보다 검출 정확도, 재현율, mAP, F1 값에서 우수하며, 파라미터 수를 160만 개 줄이면서 검출 속도와 정확도 모두 크게 향상되어 실제 Micro LED 패널 제조 공정의 품질 검사 요구를 효과적으로 충족할 수 있음을 보였다.

딥러닝;Micro LED;결함 검출;동적 컨볼루션;주의 메커니즘