Para abordar el problema de baja precisión en la detección de defectos débiles en pantallas LCD causado por la convolución múltiple y la asimilación con la textura de fondo, se propone un modelo mejorado de detección de defectos débiles en pantallas LCD basado en YOLOv5 llamado YOLO-Mura. Primero, se introduce el operador Involution en la red principal para ampliar el campo receptivo, reforzar la información sobre los defectos débiles en el espacio y reducir las operaciones de punto flotante del modelo. En segundo lugar, se utiliza el operador de sobremuestreo CARAFE para optimizar la forma de sobremuestreo y mejorar la atención a los defectos débiles. Luego, en la red del cuello, se incorpora el módulo de atención BiFormer para mejorar la capacidad de extracción de características bajo una fuerte interferencia de fondo. Finalmente, se adopta una estructura piramidal bidireccional ponderada BiFPN para mejorar la utilización de la fusión de características en diferentes niveles. Los resultados experimentales en un conjunto de datos de defectos Mura de pantallas LCD hechos a medida muestran que la precisión, la tasa de recuperación y el mAP@0.5 del modelo YOLO-Mura aumentaron en un 2,2 %, 6,6 % y 2,7 % respectivamente, y la cantidad de cálculo del modelo se redujo en un 66,5 %. La comparación con algoritmos de detección de objetos convencionales muestra que el modelo mejorado tiene un buen rendimiento en la detección de defectos Mura débiles en pantallas LCD.

pantalla LCD;defectos Mura;algoritmo YOLOv5;detección de características débiles