YOLO-DST: MEMS小物体欠陥検出のための動的チャネル空間モデリングとマルチアテンション融合に基づく手法

科学分野:

• 材料科学
• 電気工学
• コンピュータビジョン

背景:

• MEMSの欠陥検出は、金属組織画像において、複雑な背景、テクスチャ干渉、エッジのぼやけといった課題に直面しています。
• これらの問題は、ワイヤ断線や内部空洞汚染物質のような重要な欠陥の効果的な特定を妨げ、システム全体の信頼性に影響を与えます。

研究 の 目的:

• MEMS小物体に対する高度な欠陥検出方法を提案し、現在の金属組織画像解析の限界に対処する。
• MEMSデバイスにおけるワイヤ断線や内部空洞汚染物質の特定精度と安定性を向上させる。

主な方法:

• YOLOv8sフレームワークに動的チャネル空間ブロックを統合したYOLO-DST（動的チャネル空間モデリングとトリプレットアテンションに基づくYOLO）を開発しました。
• 背景干渉を抑制するためにネットワークネックにマルチアテンション融合を組み込み、小物体認識能力の向上にTransformerベースのネットワークを利用しました。
• 実験的検証のために、専用のMEMS小物体欠陥データセットを構築しました。

主要な成果:

• YOLO-DSTは、既存の主流検出モデルと比較して優れた性能を示しました。
• 本手法は、構築されたデータセットにおいて、精度とmAP@50%を含む主要な性能指標で大幅な改善を達成しました。

結論:

• 提案されたYOLO-DST手法は、MEMS金属組織画像における欠陥検出の課題を効果的に克服します。
• 動的チャネル空間ブロックとマルチアテンションメカニズムの統合は、小欠陥の検出を大幅に改善し、MEMSの信頼性を向上させます。