针对传统方式检测有机发光二极管（OLED）像素缺陷精度低以及成本高的问题，提出了一种基于拓展型特征金字塔网络（FPN）的喷墨打印OLED像素缺陷检测方法。首先对数据进行处理，获得喷墨打印OLED像素图像数据集，随后利用预训练模型ResNet18作为主干，选取其底层模块作为特征提取器，制定出更加适合打印像素缺陷的训练网络。通过将FPN进行拓展，使用具有丰富区域细节的大规模超分辨率特征来解耦像素缺陷检测，实现缺陷区域信息的获取与缺陷的像素级分割。实验中对比了不同方法在OLED像素数据集上的检测效果并评估了不同方法在几个缺陷类型上的性能。结果表明：所提出的方法对喷墨打印OLED像素缺陷的识别精度比直接使用FPN提升了5.5%（达到99.8%），对缺陷区域的分割平均精度提升3.7%（达到88.8%），且所提模型适用于小样本缺陷数据检测，具有研究价值和实践意义。