Diante do problema da baixa eficiência causado pela variedade de formas, tamanhos desiguais e bordas borradas das partículas condutoras no processo de inspeção visual manual de colagem flexível em vidro (Flex on Glass, FOG), propõe-se um algoritmo leve de detecção de objetos FSL-YOLO11n baseado na melhoria do YOLO11n. Esse algoritmo otimiza o desempenho por meio das seguintes melhorias: introdução do módulo de mapeamento complementar de características (Feature Complementary Mapping, FCM) na rede backbone, reduzindo a redundância de parâmetros por meio da divisão de características, transformação direcional, mapeamento complementar e fusão, fortalecendo a extração de características de pequenos alvos; introdução da ideia de tratamento de bordas de imagens médicas e estratégia dinâmica para construir uma rede dinâmica de agregação de características em múltiplas escalas, propondo uma nova estrutura piramidal de agregação dinâmica de características para pequenos alvos (Small Target Dynamic Aggregation FPN, STDA-FPN), onde os módulos de agregação seletiva de bordas (Selective Boundary Aggregation, SBA), amostragem dinâmica (DySample) e DIGC (Dynamic Inception GLU ConvFormer) melhoram conjuntamente a capacidade de agregação de características multiescala. Projetou-se uma cabeça leve compartilhada de detecção de qualidade convolucional (Lightweight Shared Convolutional Quality Detection, LSCQD) para reduzir o consumo de recursos computacionais e tornar o modelo leve. A validação experimental com a construção de um conjunto de dados de partículas condutoras mostrou que, comparado ao YOLO11n, o FSL-YOLO11n reduz a quantidade de parâmetros em 0,8M, aumenta a precisão, recall, mAP@0.5 e mAP@0.5:0.95 em 2,6%, 3%, 3,1% e 2,7%, respectivamente, e opera de forma estável em dispositivos de borda. Este algoritmo não só alcança leveza e melhorias de desempenho no ambiente experimental, mas também oferece uma solução eficiente e viável para a detecção industrial prática.

YOLO11; partículas condutoras; detecção de objetos; fusão de características; detecção industrial