柔性传感器中功能膜在玻璃基板转运振动监测场景下的缺陷检测方法

《Micromachines》：A Defect Detection Method for Functional Membranes in Flexible Sensors for Vibration Monitoring During Glass Substrate Transfer

　　

在平板显示(FPD)制造装备中，大型玻璃基板转运系统的振动监测对保障设备稳定运行至关重要。柔性振动传感器功能纳米纤维膜中的制备缺陷会显著劣化传感性能并导致监测结果失真。针对缺陷密集场景下缺陷尺度跨度大、检测精度与推理效率难以兼顾的挑战，研究人员提出一种新型缺陷检测模型MA-YOLO。该模型集成多级双向特征聚合网络(MLBAN)、多感受野自适应融合模块(MRAF)、形态自适应特征提取模块(MA-C2f)与交互动态解耦头(IDDH)四项架构增强。各组件协同提升缺陷特征提取、多尺度特征融合与定位性能，同时保持轻量化架构与高推理速度。在自建缺陷数据集上的实验表明，MA-YOLO取得91.9%的mAP@0.5，较基线提升3.1个百分点；参数量仅9.15×106，推理速度达119.05 FPS，综合性能优于多种主流及前沿目标检测方法。

研究背景方面，先进平板显示(FPD)制造装备中大面积玻璃基板转运稳定性极为关键，转运机器人需在搬运过程中持续监测基板动态振动响应以防止滑移、错位或破碎。柔性传感器因轻量、高灵敏、易集成而成为机器人末端叉齿振动监测的理想方案，其中静电纺丝纳米纤维膜凭借超高比表面积与优异机电响应成为核心敏感层首选材料。然而静电纺丝过程易在纳米纤维结构中引入珠状(bead)、飞溅(splashing)与杂质(impurity)等形貌缺陷，这些缺陷尺度与形态差异显著且常重叠密布，会损害机械完整性与电学性能，进而降低振动监测信号稳定性。传统依赖扫描电镜(SEM)人工判读的方法耗时且主观，早期机器学习方法鲁棒性差，Transformer框架计算冗余高，标准YOLOv8在面对跨尺度、密布、边界模糊的纳米纤维缺陷时仍存在多尺度检测与定位瓶颈。因此研究人员以YOLOv8为基线，系统优化特征提取、融合与分类回归机制，开展面向纳米纤维膜缺陷的高精度实时检测研究。该工作发表于《Micromachines》。

关键技术方法上，研究人员采集817张原始SEM图像（672张含缺陷、145张无缺陷），缺陷实例共计8866个（bead 3580、splashing 2912、impurity 2374），按8:1:1划分训练验证测试集，对训练集施以旋转裁剪几何增强并以Mixup(α=0.2)线性插值模拟重叠形貌，总样本扩至1930张，构建自建纳米纤维缺陷数据集。模型端以YOLOv8为基线，依次嵌入MLBAN、MRAF、MA-C2f与IDDH四类模块，在RTX 4090上以640×640输入、SGD训练300轮完成端到端检测。

研究结果部分，数据集构建小节说明SEM样本稀缺且无缺陷图不可用为正样本，经几何变换与Mixup两阶段增广缓解数据不足并模拟真实交错重叠缺陷形态。MA-YOLO整体架构小节给出以YOLOv8为骨架替换Neck与Head的改进拓扑。MLBAN小节指出其在BiFPN基础上打破同级跳跃限制，通过过渡节点跨层注入骨干特征并实现自顶向下与双向通路同级融合，采用快速归一化融合权重抑制小目标稀释，提升跨尺度聚合。MA-C2f小节将C2f中第二层标准卷积替换为3×3可变形卷积(deformable convolution)，以可学习偏移与调制标量自适应贴合bead椭圆、splashing弥散边界与impurity点条状轮廓，Grad-CAM显示其较标准C2f更聚焦缺陷区。MRAF小节以并行空洞分组卷积( dilation 2,3,5)替代SPPF串行最大池化，经通道压缩r=16的全连接与Softmax跨尺度加权，消融表明(2,3,5)有效感受野(ERF)连续性与覆盖最优，mAP@0.5达90.2%。IDDH小节在解耦头双分支间架共享Conv_GN交互桥，经通道注意力任务分解与定位支可变形卷积空间校准、分类支空间注意力掩膜，缓解密布微缺陷分类回归特征不一致，参数量降至9.15M。消融实验小节逐加模块：MLBAN(+1.1% mAP@0.5)、MRAF(+0.5%)、MA-C2f置于Neck最优(+0.6%)、IDDH(+0.9%)最终mAP@0.5 91.9%、mAP@0.5:0.95 72.8%，较基线升3.1与4.0百分点，参数量降17.8%，FPS 119.05。无缺陷膜误检测试小节以48张独立负样本计，MA-YOLO单图平均误检框(FPI)与图像级误检率(FPR)均低于基线。跨模型对比小节在11种单阶段/双阶段/Transformer模型中，MA-YOLO以9.15M参数、30.9 GFLOPs、119.05 FPS居精度—效率帕累托前沿，端到端实测73 FPS、单图13.7 ms，30张批处理<0.5 s。

讨论与结论翻译部分，研究人员为契合FPD基板转运振动监测可靠性需求并突破柔性振动传感器功能纳米纤维膜缺陷检测瓶颈，提出高精度快速模型MA-YOLO，借MLBAN、MA-C2f、MRAF与IDDH在特征融合、感受野缩放、形态适应与任务交互维度全面增强。实验得mAP@0.5 91.9%（+3.1%），实测端到端73 FPS，可批量快检。消融印证各模块独立贡献与协同效应，跨模型对比彰显精度—尺寸—速度优势。未来研究人员将打通膜缺陷至柔性传感器监测性能的链路，并把缺陷检测结果直接用于评估传感器监测可靠性，同时扩充缺陷样本提升模型鲁棒性。