液晶ディスプレイの表面欠陥は外観に影響を及ぼし、信頼性を低下させます。また、スケールの幅が大きく、背景が複雑で、小さなターゲットの検出が困難といった問題があります。本論文では、軽量なYOLOv8nを基にした液晶ディスプレイ欠陥検出アルゴリズムFFD-YOLOを提案します。本アルゴリズムは、特徴抽出能力を向上させるためにFasterNetバックボーンネットワークを導入し、多膨張率畳み込みと共有畳み込み機構を通じて多スケール特徴のモデリング能力を強化する特徴ピラミッド共有畳み込みモジュールFPSCを設計しました。また、ダイナミックな畳み込み重みと多スケール畳み込みカーネル融合を利用し、小さなターゲット特徴の表現と複雑な背景下での安定性を強化する多スケール適応畳み込みモジュールMACMを提案します。実験結果は、自身で構築した産業用LCD-NETデータセット上で、FFD-YOLOの精度（Precision）、再現率（Recall）、mAP50がベースモデルに比べてそれぞれ5.0%、4.7%、3.2%向上し、特に汚れ類の小さなターゲット検出精度が6.4%向上したことを示しています。これにより、FFD-YOLOは軽量性を保ちつつ、液晶ディスプレイ欠陥検出性能を大幅に向上させ、産業用ビジョン検査システムに対して効率的かつ信頼性の高いソリューションを提供することが証明されました。

液晶ディスプレイ;欠陥検出;特徴ピラミッド共有畳み込み;多スケール適応畳み込み;YOLOv8