《Coatings》：Surface Defect Detection in Liquid Crystal Display Polariser Coating Manufacturing Based on an Enhanced YOLOv10-N Approach
Jiayue Zhang,
Shanhui Liu,
Minghui Chen,
Kezhan Zhang,
Yinfeng Li,
Ming Peng and
Yeting Teng
编辑推荐：
为解决LCD偏光片涂布表面灰度不均、缺陷特征弱及目标尺度小等难题，研究人员开展了基于增强YOLOv10-N的缺陷检测研究。通过引入C2f_SCPP与SPPF_PreCM模块强化多尺度与微小缺陷特征，并采用WIoU损失函数，显著提升了mAP@0.5与mAP@0.5:0.95，为高精度工业质检提供了有效方案。
在液晶显示（LCD）面板的制造产业链中，偏光片作为核心光学部件，其涂布质量直接决定了显示器的对比度与视角。然而，在涂布、干燥、收卷的复杂工艺链中，受设备精度、张力控制及环境干扰，极易产生划痕（SC）、裂纹（CR）、白点（WH）等微小缺陷。这些缺陷往往灰度对比度极低、边界模糊，且形态尺度多变，传统人工目检或基于阈值分割的机器视觉方法极易出现漏检与误判，成为制约面板良率提升的“卡脖子”难题。
为了攻克这一痛点，张佳月（Jiayue Zhang）团队在《Coatings》上发表了最新研究，提出了一种基于增强YOLOv10-N的偏光片涂布表面缺陷检测方法。该研究从图像预处理、特征提取与损失函数三个维度进行协同优化，旨在实现对微弱缺陷的精准“狙击”。
技术路径概览
研究基于自建的涂布缺陷数据集，首先采用自适应中值滤波与粒子群优化（PSO）改进的直方图均衡化进行去噪与增强；随后在YOLOv10-N骨干网络中嵌入C2f_SCPP模块（融合尺度感知金字塔池化）与SPPF_PreCM模块（引入旋转等变卷积），以捕获多尺度与方向敏感特征；最后在损失函数层面，保留DFL分支的同时，以WIoU替代CIoU作为边界框回归损失，加速模型收敛。
核心创新与结果解析
1. 图像预处理层的“降噪增显”
研究痛点：工业现场采集的偏光片图像常伴随严重的盐椒噪声与灰度压缩，导致微小缺陷信号被淹没。
解决方案：研究采用了自适应中序滤波，其核心优势在于能动态调整滤波窗口大小，在抑制噪声的同时最大程度保留缺陷边缘。针对对比度低的问题，引入了基于粒子群优化（PSO）的改进直方图均衡化，通过优化灰度映射函数，拉伸缺陷区域与背景的灰度差异，为后续深度学习模型提供高质量的输入“食材”。
2. 特征提取层的“多尺度感知”
研究痛点：涂布缺陷从微米级白点到毫米级膜裂，尺度跨度极大，且方向随机（如各向异性的划痕）。
解决方案：在骨干网络的关键位置进行了两处“微创手术”：
- •
C2f_SCPP模块：在C2f模块中嵌入尺度感知金字塔池化（SCPP）。该模块通过并行多分支池化，融合了不同感受野下的语义信息，使模型具备“火眼金睛”，能同时看清大面积的膜破裂（RU）和微小的白点（WH）。
- •
SPPF_PreCM模块：将旋转等变卷积（PreCM）引入SPPF空间金字塔池化层。传统卷积对旋转目标特征提取能力弱，而PreCM通过引入旋转对称性，显著增强了模型对任意角度划痕的鲁棒性，同时有效抑制了特征冗余。
3. 损失函数层的“精准定位”
研究痛点：在复杂背景下，边界框回归的精度直接影响缺陷的定位准确度，CIoU损失在某些场景下收敛速度慢且定位不准。
解决方案：研究引入了WIoU（Wise-IoU）作为IoU损失项。WIoU通过动态调整异常锚点的梯度增益，降低低质量样本对训练的干扰，使得模型在训练初期更稳定，边界框回归更精准，从而减少了“框不准”导致的误判。
实验验证与性能飞跃
在自建的包含7类典型缺陷（SC, CR, WH, LI, DA, RU, TY）的数据集上，增强版YOLOv10-N展现了压倒性的性能优势：
- •
精度提升：mAP@0.5（IoU阈值为0.5时的平均精度）提升了1.8个百分点，mAP@0.5:0.95（综合平均精度）提升了2.8个百分点。这意味着模型在宽松和严格标准下的检测能力均得到显著增强。
- •
鲁棒性验证：针对最难检测的“弱对比度”缺陷（如浅划痕），新模型的召回率与精确度均有大幅改善，证明了预处理与特征增强模块的有效性。
结论与产业意义
该研究成功地将轻量化目标检测模型YOLOv10-N适配于高难度的工业质检场景。其提出的C2f_SCPP与SPPF_PreCM架构，为处理多尺度、弱特征缺陷提供了通用的模块化解决方案。对于LCD制造业而言，该技术有望部署于产线实时检测系统，实现从“人工抽检”到“AI全检”的跨越，大幅降低因涂布缺陷导致的良率损失。尽管该模型在复杂噪声与光照变化下的泛化能力仍需持续验证，但其无疑为显示面板行业的智能化质量管控树立了新的技术标杆。
