基于轻量化YOLO-SPPAM网络的TFT-LCD Mura缺陷实时检测技术研究与应用

为解决TFT-LCD面板Mura缺陷因低对比度、随机分布导致的识别精度低等问题，研究人员创新性地提出轻量化YOLO-SPPAM网络。通过构建空间金字塔注意力模块(SPPA)增强显著区域聚焦能力，采用可增强卷积注意力模块(ACBAM)实现双通道并行注意力机制，并引入细粒度可分离卷积模块(FGSCM)优化下采样。实验表明该模型在自制数据集上兼具精度与速度优势，为工业质检提供实时解决方案。

　　

薄膜晶体管液晶显示器(TFT-LCD)面板的Mura缺陷具有低对比度和随机分布特性，传统方法存在识别准确率低、用户体验差等痛点。最新研究提出的轻量化YOLO-SPPAM网络在YOLOX框架基础上进行三大创新：首先，将经典空间金字塔 pooling(SPP)模块升级为具有注意力机制的SPPA模块，使网络能像"智能探照灯"般自动锁定缺陷特征区域；其次，开发的可增强卷积注意力模块(ACBAM)采用通道-空间双路并行架构，如同为网络装上"多维感知器"，显著提升特征提取效率；最后，用细粒度可分离卷积模块(FGSCM)替代传统下采样卷积，这种"分子级手术刀"式设计大幅降低计算量。在自建TFT-LCD Mura缺陷数据集上的实验显示，该模型mAP值提升15%的同时推理速度达到68FPS，完美平衡了工业检测对精度和实时性的双重需求。这项技术犹如为液晶面板生产线装上"AI质检鹰眼"，为智能制造领域提供了可靠的自动化解决方案。