Pour résoudre le problème d'une précision insuffisante dans la détection des défauts Mura sur les écrans LCD causée par un faible contraste et une diversité d'échelles, et dans le but d'améliorer la capacité du modèle à détecter les défauts de petite taille et les défauts faibles, un modèle de détection des défauts Mura sur écran LCD basé sur une version améliorée de YOLOv8n, nommé YOLO-D3MNet, a été proposé. Tout d'abord, en introduisant le module ConvNeXtv2 pour reconstruire le réseau principal et le réseau du cou du modèle, la capacité d'extraction des caractéristiques faibles dans les arrière-plans à textures complexes a été améliorée; deuxièmement, pour résoudre le problème d'un échange insuffisant d'informations entre les canaux dans le module de tête de détection, une tête de découplage efficace combinant une stratégie de mélange de canaux et une convolution séparable en profondeur a été proposée, favorisant le flux d'informations entre les différents canaux de caractéristiques et réduisant les besoins en calcul du modèle; enfin, pour le problème de sensibilité de la mesure IoU basée sur les boîtes prédites et les boîtes réelles aux décalages de position des défauts de petite taille, une fonction de perte de distance de Wasserstein gaussienne normalisée a été introduite, fournissant davantage de candidats d'échantillons positifs, améliorant ainsi la performance du modèle pour la détection des défauts Mura. Le modèle YOLO-D3MNet amélioré a atteint une précision, un rappel et un mAP₅₀ de 92,9 %, 88,8 % et 94,8 % respectivement. Par rapport au modèle de base YOLOv8n, la précision, le rappel et le mAP₅₀ du modèle YOLO-D3MNet ont respectivement augmenté de 3,4 %, 2,7 % et 3,6 %, tandis que les GFLOPs du modèle ont diminué de 24,7 %. Par rapport aux modèles de détection d’objets populaires comme YOLOv5n, le modèle YOLO-D3MNet proposé dans cet article présente de meilleures performances dans la détection des défauts Mura sur les écrans LCD.

Défauts Mura;Écran LCD;Détection d’objets;Apprentissage profond;Caractéristiques faibles