手作業による柔軟ガラス貼合封止（Flex on Glass、FOG）工程において、導電粒子の形状多様性、不均一なサイズ、ぼやけたエッジに起因する効率低下の問題に対し、YOLO11nを改良した軽量物体検出アルゴリズムFSL-YOLO11nを提案する。本アルゴリズムは次の改良を通じて性能最適化を実現する：バックボーンネットワークに特徴補完マッピング（Feature Complementary Mapping、FCM）モジュールを導入し、特徴分割、方向変換、マッピング補完および融合操作を用いてパラメータ冗長を削減し、小物体特徴抽出を強化；医療画像の境界処理のアイデアと動的戦略を導入してマルチスケール特徴の動的集約ネットワークを構築し、新たなピラミッド構造の小物体動的集約特徴ピラミッドネットワーク（Small Target Dynamic Aggregation FPN、STDA-FPN）を提案、構造中の選択的境界集約（Selective Boundary Aggregation、SBA）モジュール、動的アップサンプリング（DySample）モジュール、DIGC（Dynamic Inception GLU ConvFormer）モジュールが多スケール特徴集約能力を共に向上させる。軽量共有畳み込み品質検出ヘッド（Lightweight Shared Convolutional Quality Detection、LSCQD）を設計し、モデルの計算資源消費を低減し軽量化を実現。導電粒子データセットを構築し実験的に検証した結果、FSL-YOLO11nはYOLO11nに比べパラメータ量を0.8M削減し、適合率、再現率、mAP@0.5、mAP@0.5:0.95がそれぞれ2.6％、3％、3.1％、2.7％向上、さらにエッジデバイス上で安定稼働した。本アルゴリズムは実験環境での軽量化と性能向上を実現するだけでなく、実際の産業検査に高効率かつ実用的なソリューションを提供する。

YOLO11; 導電粒子; 物体検出; 特徴融合; 産業検査