Для удовлетворения требований по обнаружению дефектов на Micro LED в реальном времени и с высокой точностью был представлен быстрый и точный алгоритм обнаружения LED-YOLO с улучшенной легковесностью и способностью извлечения признаков. Разнообразие тренировочных данных было увеличено с помощью разработки системы сбора изображений и стратегий увеличения данных, имитирующих реальные помехи в промышленной среде. Кроме того, был представлен Легкий Динамический Модуль Слияния (LDFM) для решения проблемы низкой дискриминации дефектов Micro LED, который объединяет динамическую свертку, глубокие свертки и операцию смешивания каналов с сохранением легковесности модели и улучшением возможности представления признаков. Для усиления внимания к области дефектов был разработан Улучшенный Модуль Координатного Внимания (ECAM) для улучшения точности извлечения признаков путем объединения механизмов канального и пространственного внимания и остаточного соединения. Наконец, учитывая малое изменение соотношения изображений Micro LED, был предложен динамический механизм фокусировки и введена функция потерь DIoU_W для значительного увеличения скорости и стабильности модели. Экспериментальные результаты показывают, что точность обнаружения LED-YOLO, полнота, mAP и значение F1 значительно превосходят ведущую на сегодняшний день модель YOLOv11s, при этом уменьшив объем параметров на 1,6 млн., скорость и точность обнаружения заметно улучшаются, что эффективно может удовлетворить потребности фактической проверки качества панелей Micro LED.

Глубокое обучение; Micro LED; Обнаружение дефектов; Динамическая свертка; Механизм внимания