액정 디스플레이의 미세한 특성 결함이 여러 차례의 합성과 배경 텍스처 동화로 인해 검출 정확도가 낮아지는 문제를 해결하기 위해 YOLOv5 기반의 액정 디스플레이 미세 결함 검출 개선 모델인 YOLO-Mura를 제안하였다. 먼저, 백본 네트워크에 Involution 연산자를 도입하여 수용 영역을 확장하고 공간 범위 내의 미세 결함 정보 강화 및 모델의 부동 소수점 연산량을 감소시켰다. 다음으로 CARAFE 업샘플링 연산자를 사용하여 업샘플링 방식을 최적화하고 미세 결함에 대한 주의력을 강화하였다. 그리고 넥 네트워크에서는 BiFormer 어텐션 모듈을 삽입하여 강한 배경 간섭 하에서도 특징 추출 능력을 향상시켰다. 마지막으로 BiFPN 가중치 양방향 피라미드 구조를 적용하여 다양한 계층의 특징 융합 활용도를 높였다. 자체 제작한 액정 디스플레이 Mura 결함 데이터셋 실험 결과 YOLO-Mura 모델의 정밀도, 재현율, mAP@0.5가 각각 2.2%, 6.6%, 2.7% 향상되었으며 모델 연산량은 66.5% 감소하였다. 주류 객체 인식 알고리즘과의 비교를 통해 본 논문의 최종 개선 모델이 액정 디스플레이 미세 Mura 결함에 대해 우수한 검출 성능을 보임을 확인하였다.

액정 디스플레이;Mura 결함;YOLOv5 알고리즘;미세 특성 검출