Дефекты на поверхности ЖК-экрана влияют на внешний вид и снижают надежность, причем существуют проблемы с большим диапазоном масштабов, сложным фоном и трудностью обнаружения мелких объектов. В данной статье на основе легкого YOLOv8n предложен алгоритм обнаружения дефектов ЖК-экранов под названием FFD-YOLO. Алгоритм вводит основную сеть FasterNet для улучшения способности извлечения признаков; разработан общий сверточный модуль пирамиды признаков FPSC, который с помощью сверточных ядер с различным коэффициентом расширения и общего механизма свертки улучшает моделирование многоуровневых признаков; предложен многоуровневый адаптивный сверточный модуль MACM, использующий динамические веса сверток и комбинированные ядра разных масштабов для усиления выражения признаков мелких объектов и устойчивости на сложном фоне. Результаты экспериментов на собственном промышленном датасете LCD-NET показывают, что точность (Precision), полнота (Recall) и mAP50 алгоритма FFD-YOLO увеличились на 5.0%, 4.7% и 3.2% соответственно по сравнению с базовой моделью, при этом точность обнаружения мелких объектов типа загрязнений улучшилась на 6.4%. Это доказывает, что FFD-YOLO при сохранении легковесности значительно улучшает производительность обнаружения дефектов ЖК-экранов, обеспечивая эффективное и надежное решение для промышленных систем визуального контроля.

ЖК-экран;обнаружение дефектов;общая свертка пирамиды признаков;многоуровневая адаптивная свертка;YOLOv8