軽量なRK3568エッジデバイス向け電話表面欠陥検出ネットワーク

科学分野:

• コンピュータビジョン
• 機械学習
• 製造技術

背景:

• スマートフォン画面の欠陥検出は、精度、検出漏れ、処理速度の遅さといった課題に直面しています。
• 既存の方法は、複雑な背景における小さな欠陥の検出に苦労しています。

研究 の 目的:

• スマートフォン画面の欠陥検出のための軽量で効率的なモデルを開発すること。
• 製造における欠陥識別の精度と速度を向上させること。

主な方法:

• マルチレベル特徴知覚のためのコンテキストガイド付き空間特徴再構築（CGRFPN）の統合。
• 位置特定と安定性の向上のための効率的なローカルアテンション（ELA）と最小点距離ベースIoU（MPDIoU）損失の組み込み。
• 軽量な詳細強調畳み込みおよび共有畳み込み検出ヘッド（LSDECD）の設計。
• 最適化のためのモデルプルーニングと知識蒸留の適用。

主要な成果:

• 提案されたLNB-YOLOモデルは、PKU-Market-PhoneデータセットでmAP@0.5で97.5%、mAP@.5:.95で68.8%を達成しました。
• 元のYOLOv8と比較して、それぞれのmAPメトリクスで6.1%と9.3%向上しました。
• モデルパラメータを80%、計算コストを63%削減しました。

結論:

• LNB-YOLOは、スマートフォン製造における小さな欠陥検出の課題を効果的に解決します。
• このモデルは、産業用途において精度、速度、効率の優れたバランスを提供します。
• このアプローチは、現代のスマートフォン製造ラインの厳格な精度要件を満たします。