실시간 및 고정밀한 Micro LED 결함 검출 요구를 충족하기 위해 가벼운 디자인과 향상된 특징 추출 능력과 함께 산업 환경에서의 간섭을 시뮬레이션하고 다양한 데이터 증대 전략을 통해 훈련 데이터 다양성을 강화하는 빠르고 정확한 LED-YOLO 검출 알고리즘이 제안되었습니다. Micro LED 결함의 낮은 구분력 문제를 해결하기 위해 가벼운 동적 퓨전 모듈(Lightweight Dynamic Fusion Module, LDFM)이 제안되었으며, 이 모듈은 다이내믹한 컨볼루션, 딥 컨볼루션 및 채널 혼합 연산을 사용하여 모델의 가벼움을 유지하고 특징 표현 능력을 향상시킵니다. 또한 결함 영역에 대한 주의 집중을 강화하기 위해 증진된 협조 주의 모듈(Enhanced Coordinate Attention Module, ECAM)이 설계되었으며, 이는 채널 및 공간 주의 메커니즘 및 잔여 연결을 결합하여 특징 추출의 정확성을 향상시킵니다. 마지막으로, Micro LED 이미지의 종횡비 변화가 작은 점을 고려하여 동적 초점 메커니즘을 도입하고 DIoU_W 회귀 손실 함수를 제안하여 모델의 수렴 속도와 안정성을 현저히 향상시켰습니다. 실험 결과 LED-YOLO의 검출 정확도, 회수율, mAP, F1 값은 모두 현재 최첨단 YOLOv11s 모델을 능가하며 매개변수 양을 줄인 상태에서 검출 속도 및 정확도가 크게 향상되어 실제 Micro LED 패널 제조 공정의 품질 검사 요구를 효과적으로 충족시킬 수 있습니다.

deep learning;Micro LED;defect detection;dynamic convolution;attention