Для удовлетворения требований реального времени и высокой точности детекции дефектов Micro LED, с использованием легкого дизайна и улучшенной способности извлечения признаков, был представлен быстрый и точный алгоритм обнаружения LED-YOLO. Разнообразие данных обучения было увеличено путем разработки системы сбора изображений и комбинации различных стратегий увеличения данных, имитирующих фактическое промышленное воздействие, для преодоления проблемы низкой различимости дефектов Micro LED. Был представлен легковесный динамический модуль слияния (LDFM), который объединяет динамические свертки, глубокие свертки и операции смешивания каналов, сохраняя легкость модели и улучшая способность извлечения признаков. Для дальнейшего усиления внимания к области дефектов разработан усовершенствованный модуль координированного внимания (ECAM), который усиливает точность извлечения признаков путем объединения механизмов канального и пространственного внимания, а также связи остатков. Наконец, с учетом небольших изменений соотношения ширины и высоты изображения Micro LED, был введен динамический механизм фокусировки и представлена функция потерь регрессии DIoU_W, что значительно повысило скорость сходимости и стабильность модели. Результаты экспериментов показывают, что точность обнаружения, отзыв, mAP и значение F1 модели LED-YOLO в целом превосходят передовую модель YOLOv11s, при уменьшении общего количества параметров на 1,6 миллиона, скорость и точность обнаружения заметно улучшаются, что эффективно удовлетворяет требованиям контроля качества реального процесса производства панелей Micro LED.

Глубокое обучение; Micro LED; Детекция дефектов; Динамические свертки; Механизм внимания