On-Orbit Real-Time Wildfire Detection Under On-Board Constraints

Resumen Técnico: Detección en Tiempo Real de Incendios Forestales en Órbita bajo Restricciones a Bordo

Enunciado del Problema
El artículo aborda el desafío crítico de detectar incendios forestales desde el espacio bajo restricciones operativas extremas. Si bien la monitorización basada en satélites es esencial para la gestión global de incendios, las arquitecturas existentes enfrentan compensaciones fundamentales: las plataformas geoestacionarias ofrecen una alta frecuencia de revisita temporal pero una resolución espacial gruesa (2–3 km), pasando por alto incendios pequeños; los sensores en Órbita Terrestre Baja (LEO) ofrecen una resolución más fina pero sobrevuelos diarios limitados, a menudo perdiendo las ventanas de máxima actividad de incendios. La misión OTC-P1 de OroraTech intenta cerrar esta brecha con una constelación de nueve satélites de infrarrojo térmico, pero impone un conjunto único de restricciones conjuntas que los modelos actuales de vanguardia no pueden satisfacer:

1. Latencia Estricta: Una tubería de alerta de extremo a extremo debe operar en menos de 10 minutos desde el sobrevuelo del satélite hasta la comunicación, lo que requiere inferencia a bordo en lugar de arquitecturas de descarga y procesamiento.
2. Restricciones de Recursos: La inferencia debe ejecutarse en un NVIDIA Jetson Xavier NX (modo de 10 W) con una huella de modelo inferior a 1 MB y una latencia de inferencia inferior a 150 ms por lote.
3. Características de los Datos: El sistema opera sobre imágenes de Infrarrojo de Onda Media (MWIR) de una sola banda no calibradas con una distancia de muestreo en tierra de 200 m. Los incendios a menudo aparecen como anomalías térmicas subpíxel o de un solo píxel, creando un desequilibrio de clases extremo (los píxeles de fuego constituyen ~0,018 % de los píxeles válidos).
4. Ruido: La tubería utiliza números digitales (DN) sin calibración radiométrica para minimizar la latencia, lo que aumenta la susceptibilidad al ruido del sensor y a los artefactos.

Las tuberías operativas actuales (por ejemplo, MODIS, VIIRS) dependen de métodos heurísticos de umbralización térmica contextual que luchan contra estas restricciones específicas, particularmente la naturaleza subpíxel de los incendios tempranos y la falta de calibración multiespectral.

Metodología
Los autores proponen una tubería de aprendizaje profundo orientada a la implementación centrada en DenseMAE (Autoencoder enmascarado denso), un enfoque de aprendizaje auto-supervisado ligero adaptado para la segmentación densa en imágenes MWIR no calibradas.

• Arquitectura: DenseMAE es un autoencoder enmascarado totalmente convolucional. A diferencia de los Transformadores de Visión (ViT) estándar que tokenizan las imágenes, DenseMAE utiliza un codificador convolucional escalonado con un único paso de submuestreo temprano (a $H/2 \times W/2$) seguido de bloques convolucionales dilatados para aumentar el campo receptivo de manera eficiente. Produce incrustaciones densas por píxel en lugar de tokens globales de imagen.
• Objetivo de Preentrenamiento: El modelo se preentrena utilizando un objetivo de reconstrucción enmascarada. Bloques aleatorios de la entrada se enmascaran, y el par codificador-decodificador aprende a reconstruir los patrones térmicos faltantes a partir del contexto circundante. La pérdida se calcula solo en píxeles enmascarados y válidos, excluyendo explícitamente las regiones de "sin datos".
• Ablación Híbrida: Los autores investigaron una variante híbrida que combina la reconstrucción enmascarada con una pérdida de consistencia maestro-alumno de Media Móvil Exponencial (EMA). Sin embargo, los resultados empíricos mostraron que esto proporcionaba ganancias marginales e inconsistentes, llevando a los autores a favorecer el enfoque de solo reconstrucción.
• Transferencia Aguas Abajo: Después del preentrenamiento, el decodificador se descarta. El codificador se transfiere a la tarea de segmentación de incendios forestales utilizando cabezas ligeras. Se evaluaron dos estrategias de transferencia:
  1. Codificador Congelado: Entrenar solo una cabeza ligera (sonda lineal o cabeza de contexto pequeña) sobre incrustaciones fijas.
  2. Ajuste Fino Completo: Optimizar conjuntamente el codificador y la cabeza de extremo a extremo.
• Refinamiento: Para abordar la naturaleza subpíxel de los incendios, se emplea una cabeza de refinamiento de alta resolución (HR). Este módulo vuelve a inyectar características de alta resolución desde el tallo del codificador en la etapa final de predicción para mejorar la localización de anomalías de un solo píxel.
• Estrategia de Entrenamiento: Para manejar el desequilibrio de clases extremo, los lotes de entrenamiento se sesgan hacia parches positivos. El sistema utiliza pérdida de entropía cruzada binaria, optimizador AdamW y precisión mixta.

Contribuciones Clave

1. Tubería de Implementación: Introducción de una tubería de aprendizaje profundo para la detección de incendios forestales en órbita que opera sobre imágenes MWIR de una sola banda no calibradas bajo restricciones estrictas de latencia (<150 ms) y huella (<1 MB).
2. DenseMAE: Propuesta de un autoencoder enmascarado convolucional escalonado ligero que aprende representaciones MWIR densas, permitiendo modelos de implementación de menos de un megabyte sin poda ni compresión.
3. Estudio Empírico: Una evaluación sistemática del preentrenamiento auto-supervisado (MAE vs. EMA híbrido) y el aprendizaje por transferencia (codificador congelado vs. ajuste fino completo) bajo desequilibrio de clases extremo, utilizando Precisión Promedio (AP) a nivel de píxel en toda la distribución de prueba.
4. Logro de la Frontera de Pareto: Demostración de que las representaciones auto-supervisadas densas permiten modelos compactos que se sitúan en la frontera de Pareto de latencia-precisión, superando a las líneas base supervisadas bajo restricciones comparables.

Resultados
El sistema se evaluó en un conjunto de datos de 839 escenas anotadas de la misión OTC-P1 de OroraTech, dividido en 70/15/15 % para entrenamiento/validación/prueba.

• Rendimiento vs. Línea Base: La configuración DenseMAE de mejor rendimiento (dimensión de incrustación 64, ajuste fino completo, cabeza DW-Res + refinamiento HR) logró una AP de Prueba de 0,699 y un F1 de Fuego de 0,744. Esto supera a la fuerte línea base supervisada (U-Net++ con refinamiento HR), que logró 0,650 AP bajo restricciones similares.
• Latencia y Huella:
  • La configuración más rápida (dimensión de incrustación 32, Cabeza TRT) logró 0,640 AP con una latencia de 65,34 ms (TensorRT FP16, tamaño de lote 8) y un tamaño de motor de modelo de 0,52 MB.
  • La configuración de mejor precisión permaneció por debajo de 1 MB (0,91 MB) con una latencia de 141 ms.
• Hallazgos de Ablación:
  • Aumentar la dimensionalidad de la incrustación de 32 a 64 mejoró consistentemente la AP.
  • El ajuste fino completo superó consistentemente a la transferencia de codificador congelado (0,689 vs. 0,612 AP para emb64), lo que indica que la inicialización SSL es más beneficiosa cuando el modelo aguas abajo puede adaptarse de extremo a extremo.
  • La destilación EMA híbrida no proporcionó ganancias consistentes en toda la distribución sobre el preentrenamiento de solo reconstrucción.
• Validación Externa: El modelo se comparó con el producto de incendios activos de 375 m de VIIRS (una referencia operativa estándar) en observaciones coincidentes. El estudio encontró un fuerte acuerdo entre sensores, con el modelo detectando 103 conglomerados de incendios conjuntos. El modelo identificó 33 conglomerados pasados por alto por VIIRS (a menudo señales térmicas débiles cerca del límite de detección) y 3 conglomerados detectados solo por el modelo, lo que sugiere la capacidad de encontrar incendios pequeños o de corta duración por debajo de los umbrales de VIIRS.

Significado y Afirmaciones
El artículo afirma que las representaciones auto-supervisadas ligeras permiten una detección de incendios en órbita precisa y eficiente donde los métodos tradicionales fallan debido a restricciones de hardware y datos. Al lograr tamaños de modelo de menos de un megabyte y latencias de inferencia de menos de 100 ms en hardware de borde, el sistema facilita una tubería de alerta de extremo a extremo capaz de detectar igniciones en minutos después del sobrevuelo del satélite. Esto representa un paso significativo hacia la reducción de la brecha entre el inicio del incendio y la respuesta operativa. Los autores notan modestamente que, si bien el sistema mejora la robustez frente a artefactos comunes del sensor, la confusión con el deslumbramiento solar sigue siendo un desafío, y el trabajo futuro podría requerir entradas de múltiples canales o características informadas por la física para abordar estos casos extremos. El estudio valida que el preentrenamiento SSL denso es una estrategia viable y superior para el desequilibrio de clases extremo y las tareas de teledetección con recursos limitados.