Defeitos na superfície da tela LCD afetam a aparência e reduzem a confiabilidade, enfrentando problemas como grande variação de escala, fundo complexo e dificuldade na detecção de pequenos alvos. Este artigo propõe um algoritmo de detecção de defeitos em telas LCD chamado FFD-YOLO baseado no leve YOLOv8n. O algoritmo introduz a rede backbone FasterNet para melhorar a capacidade de extração de características; projeta um módulo convolucional compartilhado da pirâmide de características FPSC, que por meio de convoluções com múltiplas taxas de dilatação e um mecanismo de convolução compartilhada reforça a modelagem de características multiescala; propõe um módulo convolucional adaptativo multiescala MACM, que utiliza pesos de convolução dinâmicos e fusão de kernels multiescala para fortalecer a expressão das características de pequenos alvos e a estabilidade em fundos complexos. Resultados experimentais mostram que no conjunto de dados industrial LCD-NET auto-construído, a precisão (Precision), recall (Recall) e mAP50 do FFD-YOLO melhoraram em 5,0%, 4,7% e 3,2%, respectivamente, em relação ao modelo base, com uma melhoria de 6,4% na precisão da detecção de pequenos alvos do tipo mancha. Isso prova que o FFD-YOLO pode melhorar significativamente o desempenho da detecção de defeitos em telas LCD mantendo a leveza, oferecendo uma solução eficiente e confiável para sistemas industriais de inspeção visual.

tela LCD;detecção de defeitos;pirâmide de características convolucional compartilhada;convolução adaptativa multiescala;YOLOv8