可在TFT-LCD面板中实现多背景视觉细微缺陷检测的YOLO-DSM方法

摘要

提出了一种基于YOLO-DSM深度学习图像检测模型。首先，在每个Dark模块后引入HMU模块，以提高TFT-LCD面板上目标缺陷的检测精度。将原始SPP替换为SSMA，使得网络更加关注背景低对比度目标。其次，引入DSM模块以帮助网络增强有用特征且抑制无用特征，增强语义信息的集成。最后，用ODConv模块替换原始网络的下采样卷积，细化局部特征映射，实现局部缺陷特征的充分提取。在自制的TFT-LCD缺陷数据集中，与当前较为先进的算法进行对比。结果表明，YOLO-DSM网络在mAP精度方面达到了97.40%，且FPS达到了77.42帧，可满足TFT-LCD缺陷任务检测要求。

关键词

视觉细微缺陷 / YOLO-DSM / 全维动态卷积 / SCSE注意力机制

基金资助

国家自然科学基金（52065035）