显示面板AI外观缺陷检测：多模态融合与产线节拍适配

在显示面板外观检测中，Mura（云斑）、微划痕与异物等缺陷对比度低、形态多变，单一可见光成像常因反光或纹理干扰导致漏检。本阶段实验聚焦多模态成像融合：将低角度暗场、同轴光与偏振图像按像素级配准后输入轻量分割网络，由模型自主学习不同模态对各类缺陷的响应权重，减少对人工特征规则的依赖。

进展与数据：在内部构建的6类面板缺陷验证集上，多模态融合方案将Mura类缺陷的召回率从单模态的82.3%提升至94.1%，过杀率控制在3.5%以内；推理侧采用通道剪枝与半精度量化，单帧耗时降至38ms，满足产线节拍要求。

下一步计划：引入缺陷生成式增强，扩充小样本缺陷类型；同时探索将检测结果与复判工位联动，构建误报样本的自动回流标注链路，持续迭代模型。