Comparative Analysis of Military Detection Using Drone Imagery Across Multiple Visual Spectrums

Resumen Técnico: Análisis Comparativo de la Detección Militar Mediante Imágenes de Drones en Múltiples Espectros Visuales

Enunciado del Problema
Las operaciones militares modernas dependen cada vez más de drones para la vigilancia, el reconocimiento y los ataques dirigidos. Aunque la tecnología de drones ha avanzado, la fiabilidad de los sistemas de detección de objetos sigue siendo un desafío crítico al operar en condiciones ambientales diversas y hostiles. Los modelos existentes suelen funcionar bien en entornos controlados, pero luchan con la precisión en escenarios del mundo real caracterizados por baja iluminación, variaciones térmicas, niebla o distorsión por movimiento. La investigación actual carece de una evaluación extensa de la robustez de la detección en diversas condiciones espectrales (térmicas, visión nocturna, escala de grises) y entornos oscurecidos, lo que crea una brecha en el desarrollo de sistemas adaptativos para operaciones militares dinámicas.

Metodología
Para abordar estos desafíos, los autores utilizaron el conjunto de datos KIIT-MiTA, una colección de 1.700 imágenes de alta calidad capturadas por drones que contienen más de 4.100 etiquetas anotadas en siete clases militares: Artillería, Misil, Radar, Lanzacohetes Múltiple, Soldado, Tanque y Vehículo.

La metodología central consistió en transformar este conjunto de datos estándar en cuatro modalidades visuales distintas para simular las restricciones operativas del mundo real:

1. Visión Térmica: Las imágenes se convirtieron a escala de grises y se mapearon a un espacio de color térmico pseudo usando COLORMAP_INFERNO de OpenCV para simular las firmas de calor.
2. Visión Nocturna: Las imágenes se convirtieron a escala de grises, se mejoraron en brillo y contraste, y se superpuso un tinte verde para imitar los intensificadores de imagen monocromáticos utilizados en la vigilancia con poca luz.
3. Escala de Grises: Conversión estándar a un solo canal de intensidad para eliminar distracciones de color y centrarse en las características espaciales.
4. ObscuraVisión: Una augmentación especializada que simula desafíos de visibilidad del mundo real (niebla ligera, desenfoque por movimiento, irregularidades de contraste) utilizando una combinación ponderada de desenfoque por movimiento, coeficientes de niebla y ajustes de contraste/brillo.

Se seleccionó el modelo YOLOv11-small por su arquitectura ligera y su eficiencia en la detección en tiempo real. El modelo se entrenó en un entorno en la nube (GPU NVIDIA T4) durante 100 iteraciones con un tamaño de lote de 16 y una entrada de 640×640 píxeles. El entrenamiento empleó augmentación de imágenes, un programador de tasa de aprendizaje y la optimización de las pérdidas de regresión de clasificación, objetividad y caja delimitadora.

Contribuciones Clave

• Extensión del Conjunto de Datos: La creación de cuatro versiones distintas del conjunto de datos (Escala de Grises, Térmica, Visión Nocturna, ObscuraVisión) derivadas del conjunto de datos KIIT-MiTA para simular desafíos ambientales específicos.
• Evaluación Comparativa: Una evaluación sistemática del rendimiento del modelo YOLOv11-small en estas cuatro modalidades, centrándose en cómo los factores ambientales impactan la precisión de la detección.
• Establecimiento de Referencias de Rendimiento: El establecimiento de métricas de referencia (mAP@50, mAP@50-95, Precisión, Recall, Puntuación F1) para la detección de objetos militares bajo condiciones simuladas térmicas, nocturnas y oscurecidas.

Resultados
El estudio evaluó los modelos utilizando métricas estándar de detección, con un enfoque principal en la Precisión Media Promedio (mAP). Los resultados indicaron variaciones significativas en el rendimiento basadas en la modalidad visual:

• La Visión Nocturna logró la mayor precisión de detección, con un mAP@50 de 0.701 y un mAP@50-95 de 0.484. Sin embargo, incurrió en el mayor tiempo total de procesamiento (10.1 ms).
• La ObscuraVisión siguió de cerca con un mAP@50 de 0.694 y un mAP@50-95 de 0.467, ofreciendo un fuerte equilibrio entre precisión y velocidad de inferencia (9.4 ms).
• La Visión Térmica registró un mAP@50 de 0.680 y un mAP@50-95 de 0.466, funcionando de manera competitiva a pesar de los desafíos de las imágenes térmicas.
• La Escala de Grises demostró el tiempo de procesamiento más rápido (8.6 ms), pero arrojó la menor precisión de detección, con un mAP@50 de 0.603 y un mAP@50-95 de 0.374.

Aunque el modelo de Escala de Grises logró la puntuación F1 más alta (0.700) y la Visión Térmica la mayor Precisión (0.752), el estudio priorizó las métricas mAP para la clasificación de modelos. Un análisis de matriz de confusión en el conjunto de datos de Escala de Grises ilustró además la capacidad del modelo para distinguir entre las siete clases militares.

Significado y Afirmaciones
El artículo afirma que esta investigación avanza la robustez de los sistemas de detección basados en drones al validar la adaptabilidad del modelo YOLOv11-small en diversas condiciones ambientales. Los hallazgos sugieren que la Visión Nocturna es la modalidad más adecuada cuando la precisión de la detección es la preocupación primordial, mientras que la ObscuraVisión y la Visión Térmica ofrecen compensaciones favorables entre rendimiento y velocidad. Por el contrario, la Escala de Grises se identifica como apropiada para aplicaciones sensibles a la latencia donde una menor precisión es aceptable.

Los autores concluyen que el estudio proporciona información valiosa para mejorar las operaciones militares defensivas y ofensivas, asegurando una efectividad continua en entornos dinámicos. Señalan que el trabajo futuro podría explorar la fusión multimodal, la integración de datos temporales para el seguimiento consciente del movimiento y la optimización para dispositivos de borde, pero el estudio actual se centra estrictamente en la evaluación comparativa de modalidades de imágenes estáticas.