Los defectos en la superficie de la pantalla LCD afectan la apariencia y reducen la fiabilidad, presentando problemas como gran rango de escalas, fondos complejos y dificultad para detectar objetivos pequeños. En este artículo se propone un algoritmo de detección de defectos en pantallas LCD llamado FFD-YOLO basado en el ligero YOLOv8n. El algoritmo introduce la red principal FasterNet para mejorar la capacidad de extracción de características; diseña un módulo convolucional compartido de pirámide de características FPSC, que mediante convoluciones con múltiples tasas de dilatación y un mecanismo de convolución compartida, mejora el modelado de características multiescala; y propone un módulo convolucional adaptativo multiescala MACM, que utiliza pesos de convolución dinámicos y fusión de núcleos multiescala para fortalecer la expresión de características de objetivos pequeños y la estabilidad bajo fondos complejos. Los resultados experimentales muestran que en el conjunto de datos industrial LCD-NET auto-construido, la precisión (Precision), el recall (Recall) y mAP50 de FFD-YOLO mejoran en un 5,0%, 4,7% y 3,2% respectivamente respecto al modelo base, con una mejora del 6,4% en la precisión para la detección de objetivos pequeños del tipo mancha. Esto demuestra que FFD-YOLO puede mejorar significativamente el rendimiento de detección de defectos en pantallas LCD manteniendo la ligereza, proporcionando una solución eficiente y confiable para sistemas de inspección visual industrial.

pantalla LCD;detección de defectos;pirámide de características convolucional compartida;convolución adaptativa multiescala;YOLOv8