Towards automatic smoke detector inspection: Recognition of the smoke detectors in industrial facilities and preparation for future drone integration

Resumen Técnico: Hacia la Inspección Automática de Detectores de Humo

1. Problema y Motivación
La seguridad contra incendios depende críticamente del mantenimiento y la prueba periódica de los detectores de humo. Sin embargo, en instalaciones industriales y almacenes, estos sensores suelen ubicarse en techos altos o lugares de difícil acceso, lo que hace que las inspecciones manuales sean peligrosas, laboriosas y costosas. Además, la recopilación de grandes conjuntos de datos reales para entrenar modelos de aprendizaje profundo es un desafío significativo debido a las restricciones de acceso y la naturaleza limitada de los entornos industriales. El objetivo de este estudio es desarrollar un sistema de reconocimiento de detectores de humo robusto, capaz de integrarse en un sistema de inspección automatizado mediante drones, operando en dispositivos embebidos con recursos limitados.

2. Metodología
Los autores proponen un marco de trabajo que combina la detección de objetos con estrategias de aprendizaje eficientes en datos:

• Arquitecturas de Modelos: Se compararon tres familias de detectores de objetos:
  • YOLOv11: La versión más reciente basada en convoluciones (variantes N, S, M, X).
  • SSD (Single Shot MultiBox Detector): Un detector clásico, evaluado con backbones VGG16 y MobileNetV3-L.
  • RT-DETRv2: Un detector basado en transformadores (State-of-the-Art), evaluado en variantes S, M y L.
• Estrategias de Datos y Entrenamiento: Dada la escasez de datos reales, se exploraron cinco estrategias de entrenamiento combinando datos reales y semi-sintéticos:
  • Datos reales para entrenamiento y validación (R-R).
  • Datos reales para entrenamiento y generados para validación (R-G).
  • Datos generados para ambos (G-G).
  • Datos generados para entrenamiento y reales para validación (G-R).
  • Datos Mixtos (M-R): Combinación de datos reales y generados (renderizados y fotos de laboratorio) para entrenamiento, con datos reales para validación.
  • Los datos generados consistían en detectores reales o renderizados insertados en fondos reales con ajustes de brillo y desenfoque para simular condiciones realistas.
• Aumentación de Datos: Se compararon las aumentaciones predeterminadas de cada framework con un conjunto personalizado utilizando la librería Albumentations para simular distorsiones reales de vuelo de drones (desenfoque por movimiento, aberración cromática, ruido ISO, etc.).
• Hardware y Despliegue: Los modelos se evaluaron en computadoras embebidas Raspberry Pi 4B y 5. Se implementó una tubería (pipeline) ROS-2 para la integración futura en el sistema del dron.

3. Contribuciones Clave

• Desarrollo de un Dataset Semi-Sintético: Creación de un conjunto de datos híbrido que combina imágenes reales de entornos industriales con renderizados y fotos de laboratorio, demostrando su utilidad para entrenar modelos cuando los datos reales son escasos.
• Comparativa Exhaustiva: Evaluación sistemática de arquitecturas modernas (YOLOv11, RT-DETRv2) frente a soluciones clásicas (SSD) en el contexto específico de la detección de un solo objeto (detector de humo) en condiciones adversas.
• Análisis de Despliegue en el Borde (Edge): Análisis detallado de los tiempos de inferencia y la viabilidad de ejecutar estos modelos en hardware de bajo costo (Raspberry Pi), incluyendo la implementación de un pipeline ROS-2 listo para su integración.
• Recursos Abiertos: Publicación del código, los modelos preentrenados y el conjunto de datos para fomentar la investigación futura.

4. Resultados Principales

• Mejor Modelo: El modelo YOLOv11n (versión nano) entrenado con la estrategia M-R (datos mixtos) obtuvo el mejor rendimiento general, alcanzando un mAP@0.5 promedio de 0.884 en los conjuntos de prueba. Fue el más robusto frente a sobreajuste y condiciones difíciles.
• Efecto de los Datos Sintéticos:
  • El entrenamiento exclusivo con datos generados (G-G) provocó un sobreajuste severo y un fracaso en la generalización.
  • La combinación de datos reales y generados (M-R) mejoró significativamente el rendimiento, especialmente en modelos basados en transformadores (RT-DETRv2), que son más sensibles al volumen de datos.
• Comparación de Modelos:
  • YOLOv11: Las variantes más pequeñas (N y S) superaron a las versiones más grandes (M y X) en este conjunto de datos limitado, demostrando mejor generalización.
  • SSD: La variante con backbone VGG16 superó a la de MobileNetV3, logrando un mAP@0.5 promedio de 0.876 y la menor diferencia entre los conjuntos de prueba (0.066), indicando alta consistencia, aunque con tiempos de inferencia más altos.
  • RT-DETRv2: Aunque potente, requirió más datos para entrenar eficazmente. La variante L fue más robusta en condiciones difíciles, pero los tiempos de inferencia fueron prohibitivos para el hardware embebido.
• Aumentación Personalizada: Contrariamente a lo esperado, las aumentaciones personalizadas que simulaban condiciones de vuelo (desenfoque, ruido) no mejoraron los resultados y, en algunos casos, los empeoraron, sugiriendo que los modelos ya estaban sobreajustados a la apariencia estándar o que las transformaciones eran demasiado agresivas.
• Rendimiento en Hardware:
  • En Raspberry Pi 5, el YOLOv11n alcanzó una tasa de cuadros por segundo (FPS) de 6.365, suficiente para una navegación fina a bajas velocidades.
  • Los modelos SSD y RT-DETRv2 tuvieron tiempos de inferencia demasiado altos (del orden de segundos) para ser viables en esta aplicación específica con este hardware.

5. Significado e Impacto
Este estudio demuestra que es posible desarrollar sistemas de inspección industrial automatizados utilizando datos limitados y hardware de bajo costo. La investigación valida que:

1. La estrategia de datos mixtos (M-R) es crucial para entrenar modelos robustos cuando la recolección de datos reales es difícil.
2. Los modelos YOLOv11 de tamaño reducido son la opción óptima para el despliegue en drones con recursos limitados, equilibrando precisión y velocidad.
3. A pesar de ser una tecnología más antigua, SSD con VGG16 sigue siendo una alternativa viable y consistente si se prioriza la estabilidad sobre la velocidad extrema, aunque su uso comercial debe considerar las licencias.
4. La integración de un pipeline ROS-2 permite una transición fluida desde la investigación al despliegue real en sistemas de robótica móvil.

El trabajo sienta las bases para la automatización de tareas de seguridad industrial peligrosas, reduciendo riesgos para los trabajadores y permitiendo inspecciones más frecuentes y económicas.