液晶ディスプレイのMura欠陥検出において、コントラストが低くスケール差異が多様であるために検出精度が不足する問題に対し、小スケール欠陥および微弱欠陥検出性能の向上の観点から、改良版YOLOv8nに基づく液晶ディスプレイMura欠陥検出モデルYOLO-D3MNetを提案した。まず、ConvNeXtv2モジュールを導入してモデルのバックボーンネットワークおよびネックネットワークを再構築し、複雑なテクスチャ背景における微弱特徴抽出能力を向上させた。次に、検出ヘッドモジュールの特徴情報のチャネル間交流不足の問題に対し、チャネルシャッフル戦略と深度方向分離畳み込みを組み合わせた高効率なデカップリングヘッドを提案し、異なる特徴チャネル間の情報流動を促進し、モデルの計算コストを低減した。最後に、予測ボックスと真値ボックスに基づくIoU指標が小スケール欠陥の位置ずれに敏感である問題に対し、正規化ガウシアンWasserstein距離損失関数を導入し、より多くの正例候補ボックスを提供することで、モデルのMura欠陥検出性能を向上させた。改良版YOLO-D3MNetモデルの精度、再現率、mAP₅₀はそれぞれ92.9％、88.8％、94.8％であった。基礎モデルYOLOv8nと比較して、YOLO-D3MNetモデルの精度、再現率、mAP₅₀はそれぞれ3.4％、2.7％、3.6％向上し、同時にモデルのGFLOPsは24.7％削減された。YOLOv5nなど主要な物体検出モデルと比較して、本論文で提案したYOLO-D3MNetモデルは液晶ディスプレイのMura欠陥検出においてより良好な性能を示した。

Mura欠陥;液晶ディスプレイ;物体検出;深層学習;微弱特徴