수작업 시각 검사 유연 유리 접합(Flex on Glass, FOG) 공정에서 도전성 입자의 다양한 형태, 불균일한 크기, 흐릿한 가장자리로 인한 낮은 효율 문제를 해결하기 위해 YOLO11n을 개선한 경량 객체 검출 알고리즘 FSL-YOLO11n을 제안한다. 본 알고리즘은 다음과 같은 개선을 통해 성능 최적화를 실현한다: 주축 네트워크에 특징 보완 매핑(Feature Complementary Mapping, FCM) 모듈을 도입하여 특징 분할, 방향 변환, 매핑 보완 및 융합 작업을 통해 파라미터 중복을 줄이고 작은 객체 특징 추출을 강화; 의료 영상 경계 처리 아이디어와 동적 전략을 적용하여 스케일 간 특징 동적 집계 네트워크를 구성하고, 새로운 피라미드 구조 소형 객체 동적 집계 특징 피라미드 네트워크(Small Target Dynamic Aggregation FPN, STDA-FPN)를 제안하며, 선택적 경계 집계(Selective Boundary Aggregation, SBA) 모듈, 동적 업샘플링(DySample) 모듈 및 DIGC(Dynamic Inception GLU ConvFormer) 모듈이 다중 스케일 특징 집계 능력을 향상시킨다. 경량 공유 합성곱 품질 검출 헤드(Lightweight Shared Convolutional Quality Detection, LSCQD)를 설계하여 모델 계산 자원 소비를 줄여 경량화에 기여한다. 도전성 입자 데이터셋 구축을 통한 실험 검증 결과: FSL-YOLO11n은 YOLO11n 대비 파라미터 수가 0.8M 감소했으며, 정확도, 재현율, mAP@0.5 및 mAP@0.5:0.95가 각각 2.6%, 3%, 3.1%, 2.7% 향상되었고, 엣지 장치에서 안정적으로 작동한다. 본 알고리즘은 실험 환경에서 경량화와 성능 향상을 실현했을 뿐만 아니라 실제 산업 검사에 효과적이고 실행 가능한 솔루션을 제공한다.

YOLO11; 도전성 입자; 객체 검출; 특징 융합; 산업 검사