N-EIoU-YOLOv9: A Signal-Aware Bounding Box Regression Loss for Lightweight Mobile Detection of Rice Leaf Diseases

Resumen Técnico: N-EIoU-YOLOv9 para la detección de enfermedades en hojas de arroz

Planteamiento del problema
La detección precisa y temprana de las enfermedades en las hojas de arroz es vital para la agricultura de precisión; sin embargo, el despliegue de modelos de detección de objetos de alto rendimiento en dispositivos móviles con recursos limitados sigue siendo un desafío. Las enfermedades de las hojas de arroz, particularmente el Blast (golpe de hoja) y la Mancha Parda (Brown Spot) en etapas tempranas, presentan un problema de "detección de objetos pequeños", donde los patógenos se manifiestan como diminutas lesiones necróticas que ocupan menos del 5% del área de una imagen. Estos objetivos sufren de una ambigüedad visual extrema frente al ruido de fondo (por ejemplo, salpicaduras de suelo, escombros).

Los autores identifican dos limitaciones críticas en las pérdidas de regresión de cajas delimitadoras estándar, específicamente la Intersección sobre Unión Completa (CIoU), cuando se aplican a este dominio:

1. Desvanecimiento del gradiente para muestras difíciles: Las pérdidas basadas en IoU estándar exhiben una atenuación de gradiente lineal. Cuando la superposición entre las cajas predichas y las de verdad (ground-truth) es baja (común en lesiones pequeñas), la señal del gradiente se vuelve demasiado débil para impulsar un aprendizaje efectivo, lo que provoca que el modelo ignore las muestras difíciles.
2. Acoplamiento geométrico: El término de penalización de la relación de aspecto en CIoU introduce gradientes acoplados para el ancho y el alto. Si la caja predicha escala proporcionalmente a la de verdad pero mantiene un tamaño incorrecto, la penalización desaparece, fallando en corregir el error de localización. Esto crea un efecto de "sube y baja" (see-saw) donde la optimización del ancho puede inadvertidamente empeorar el alto, dificultando la convergencia.

Metodología
El artículo propone N-EIoU-YOLOv9, un marco de detección ligero centrado en una nueva función de pérdida de regresión de caja delimitadora sensible a la señal, N-EIoU (Intersección sobre Unión Eficiente No Monotónica). Este enfoque integra el modelo en la arquitectura YOLOv9t (Tiny), seleccionada por su equilibrio entre latencia de inferencia y rendimiento, y utiliza Información de Gradiente Programable (PGI) para prevenir la pérdida de características en las capas profundas.

La innovación central, N-EIoU, se formula como una función de pérdida híbrida:
$$L_{N-EIoU} = L_{N-IoU} + L_{dis} + L_{asp}$$

• Amplificación de la señal (N-IoU): Para abordar el desvanecimiento del gradiente, el término IoU estándar se reemplaza con N-IoU. Derivado de principios de enfoque de gradiente no monotónico, N-IoU reforma la curva de gradiente para amplificar las señales de las "muestras difíciles" (baja superposición, $0.1 < IoU < 0.4$). Esto actúa como un filtro no lineal que prioriza las cajas pequeñas y mal alineadas durante la optimización.
• Desacoplamiento geométrico (EIoU): Para resolver la interferencia de gradientes, la penalización de la relación de aspecto se reemplaza con penalizaciones de dimensiones separadas de la Intersección sobre Unión Eficiente (EIoU). Esto desacopla la optimización del ancho y el alto, minimizando $(w - w_{gt})^2$ y $(h - h_{gt})^2$ de forma independiente para evitar el efecto de "sube y baja".

Desde la perspectiva del procesamiento de señales, N-EIoU se describe no meramente como una métrica geométrica, sino como un mecanismo de modelado de gradientes que redistribuye la energía de regresión hacia las muestras difíciles de baja superposición, manteniendo la estabilidad de la optimización.

Contribuciones clave

1. Propuesta de N-EIoU: Una nueva función de pérdida que acopla explícitamente el enfoque de gradiente no monotónico con el desacoplamiento geométrico. Está diseñada para remodelar los gradientes de regresión para priorizar muestras pequeñas y difíciles, asegurando al mismo tiempo una convergencia estable.
2. Análisis teórico y empírico: Los autores proporcionan un análisis detallado que demuestra que N-EIoU mejora significativamente la precisión de localización bajo condiciones de desequilibrio de clases y baja superposición. Las simulaciones de gradiente confirman que N-EIoU genera gradientes mayores en el régimen de bajo IoU en comparación con la atenuación lineal en CIoU.
3. Validación de despliegue en el borde (Edge Deployment): El estudio valida la practicidad del enfoque desplegando el modelo optimizado en un dispositivo Android utilizando TensorFlow Lite con cuantización Float16. Esto demuestra que la función de pérdida mejora no solo la precisión, sino también la robustez bajo una compresión agresiva del modelo.

Resultados experimentales
El modelo fue evaluado en un conjunto de datos propio, DUNG_BK65_RiceLeafDiseases, que comprende 5,908 imágenes de hojas de arroz a través de cuatro categorías de enfermedades (Blast, Mancha Parda, Enrollador de Hojas y Enanismo Amarillo) y hojas sanas.

• Métricas de rendimiento: El modelo N-EIoU-YOLOv9t alcanzó una precisión media promedio (mAP@50) del 90.3%, lo que representa una mejora relativa del 4.3% sobre el modelo base CIoU (86.0%).
• Precisión de localización: Se observaron ganancias significativas en mAP@50–95 (aumentando de 42.9% a 48.9%), lo que indica cajas delimitadoras más ajustadas y precisas.
• Ganancias específicas por clase: Las mejoras más sustanciales se observaron en las clases de "muestras difíciles". Para la Mancha Parda (Brown Spot), el mAP aumentó de 84.0% a 89.5%. El Blast también mostró mejora, aunque ambas clases siguieron siendo más desafiantes debido a su pequeño tamaño y bajo contraste.
• Despliegue móvil: El modelo cuantizado (Float16) se desplegó en un smartphone VSmart Active 3. Mantuvo un 90.2% de mAP (una caída insignificante de 0.1%) con un tiempo de inferencia promedio de 156 ms por cuadro (aprox. 6 FPS).

Significancia y Reivindicaciones
El artículo sostiene que la principal significancia de este trabajo radica en la reformulación de la regresión de la caja delimitadora como un problema de optimización sensible a la señal. En lugar de depender únicamente de heurísticas geométricas, el propuesto N-EIoU moldea explícitamente la magnitud y la dirección del gradiente para favorecer las muestras difíciles de baja superposición.

Los autores afirman que este enfoque proporciona un equilibrio efectivo entre la precisión de localización, la estabilidad de la optimización y la eficiencia computacional. Al abordar con éxito los desafíos específicos de la detección de objetos pequeños en la imaginería agrícola y validar la solución en dispositivos de borde, el trabajo ofrece una herramienta práctica y capaz de funcionar sin conexión para que los agricultores diagnostiquen enfermedades del arroz en el campo. El estudio concluye que, si bien la tasa de fotogramas actual (6 FPS) es insuficiente para el procesamiento de video de alta velocidad, es adecuada para el diagnóstico de imágenes estáticas, cerrando la brecha entre las mejoras teóricas de la función de pérdida y el monitoreo agrícola del mundo real.