液晶ディスプレイの微弱な特徴欠陥が複数回の畳み込みと背景テクスチャとの同化により検出精度が低下する問題に対処するため、YOLOv5に基づく液晶ディスプレイ微弱特徴欠陥検出改良モデルYOLO-Muraを提案した。まず、バックボーンネットワークにInvolution演算子を導入し、受容野を拡大して空間範囲内の微細な特徴欠陥情報を強化し、モデルの浮動小数点演算回数を削減した。次に、CARAFEアップサンプリング演算子を用いてアップサンプリング方法を最適化し、微弱特徴欠陥への注目能力を強化した。さらに、ネックネットワークではBiFormer注意モジュールを組み込み、強い背景干渉下での特徴抽出能力を向上させた。最後に、BiFPN加重双方向ピラミッド構造を採用し、異なる階層の特徴融合利用率を向上させた。自社製液晶パネルのMura欠陥データセットでの実験結果から、YOLO-Muraモデルの精度、再現率、mAP@0.5はそれぞれ2.2％、6.6％、2.7％向上し、モデルの計算量は66.5％削減された。主流の物体検出アルゴリズムとの比較により、本研究の最終改良モデルが液晶ディスプレイの微弱特徴Mura欠陥に対して良好な検出性能を示すことが確認された。

液晶ディスプレイ;Mura欠陥;YOLOv5アルゴリズム;微弱特徴検出