Для решения проблемы низкой точности обнаружения слабых дефектов на жидкокристаллических дисплеях, возникающей из-за многократной свертки и слияния с фоновыми текстурами, предложена улучшенная модель YOLO-Mura на основе YOLOv5 для обнаружения слабых дефектов ЖК-экранов. Во-первых, во входной сети введён оператор Involution для расширения поля восприятия, усиления информации о слабых дефектах в пространственном контексте и уменьшения количества операций с плавающей точкой. Во-вторых, для оптимизации метода увеличения изображения используется оператор CARAFE, повышающий внимание к слабым дефектам. Затем в шейной сети встроен модуль внимания BiFormer для улучшения извлечения признаков при сильных помехах фона. Наконец, применяется двухнаправленная структура пирамиды с взвешиванием BiFPN для повышения эффективности объединения признаков на разных уровнях. Эксперименты на собственном наборе данных с дефектами Mura ЖК-экрана показали, что точность модели YOLO-Mura, полнота и mAP@0.5 увеличились на 2,2%, 6,6% и 2,7% соответственно, а вычислительная сложность модели уменьшилась на 66,5%. Сравнение с основными алгоритмами обнаружения объектов подтвердило, что предложенная модель хорошо выявляет слабые дефекты Mura на ЖК-экранах.

ЖК-экран;дефекты Mura;алгоритм YOLOv5;обнаружение слабых признаков