A Lightweight YOLOv11n-OBB-Based Method for Oriented Detection of Luosifen Outer Packages

Resumen Técnico: Un Método Ligero Basado en YOLOv11n-OBB para la Detección Orientada de Empaques de Luosifen

Planteamiento del Problema
El empaquetado automatizado de los envoltorios exteriores de Luosifen (fideos de arroz con caracol de río) en las líneas de producción requiere un sistema de detección capaz de realizar detección multicategoría simultánea, estimación del ángulo de rotación e inferencia en tiempo real bajo estrictas restricciones de computación en el borde (edge computing). Las soluciones existentes enfrentan tres limitaciones principales:

1. Coincidencia de Plantillas (Template Matching): Los métodos convencionales tienen dificultades con escenarios de producción flexibles que involucran múltiples poses de objetos y no pueden generar directamente ángulos de rotación.
2. Cajas Delimitadoras Horizontales (HBB): Aunque son eficientes, las HBB introducen una interferencia significativa del fondo para objetos inclinados y no logran estimar ángulos de rotación, lo que conduce a puntos de agarre robótico inexactos.
3. Modelos Estándar de Cajas Delimitadoras Orientadas (OBB): Aunque las OBB abordan la rotación, los modelos estándar suelen sufrir de una redundancia excesiva en el backbone y una alta carga computacional, lo que dificulta su despliegue en dispositivos de borde con recursos limitados. Además, los métodos ligeros de OBB existentes a menudo carecen de una extracción de características suficiente para los bordes rotados, luchan contra fondos industriales complejos y carecen de mecanismos de tolerancia a fallos para la estabilidad numérica durante la inferencia prolongada en el borde.

Metodología
Los autores proponen un método de detección orientada ligero basado en una estrategia de reemplazo guiada por la sensibilidad de la capa clave, utilizando YOLOv11n-OBB como base. El enfoque se centra en tres objetivos centrales: optimización ligera precisa, mejora de la conciencia angular y supresión progresiva del fondo.

1. Construcción del Conjunto de Datos:

   • Se creó un conjunto de datos especializado de 1,603 imágenes que cubre cuatro categorías de empaques exteriores de Luosifen.
   • Los datos se recolectaron tanto en estados estáticos como dinámicos (cinta transportadora) para simular desenfoque de movimiento y vibración.
   • Los datos fueron aumentados (rotación, perspectiva, iluminación, oclusión) y divididos en una proporción 7:2:1 (1,122 de entrenamiento, 320 de validación, 161 de prueba).
   • Las anotaciones utilizan cajas delimitadoras orientadas (OBB) paramétricas para cubrir orientaciones arbitrarias en el plano.

2. Mejoras Arquitectónicas:

   • Unidad GhostConv_OBB: Reemplaza las convoluciones estándar en el backbone. Utiliza un mecanismo de GhostConv rentable para generar características intrínsecas y suplementarias "fantasma". Crucialmente, integra:
     • Mejora de Conciencia Angular de Doble Vía (AAE): Un módulo de doble vía global-local que fortalece las respuestas de características a lo largo de los bordes y esquinas del paquete para proporcionar priors geométricos para la estimación del ángulo.
     • Atención de Canal Eficiente Progresiva (PECA): Una estructura convolucional de dos etapas (tamaños de kernel 5 y 3) que aprende progresivamente los pesos de los canales para suprimir el ruido de fondo sin utilizar capas totalmente conectadas.
     • Fusión Residual Aprendible: Reemplaza el mapeo de identidad fijo con un coeficiente aprendible ($\lambda$) para equilibrar adaptativamente las características residuales y mejoradas, incluyendo un mecanismo de respuesta segura para anomalías numéricas (ej. NaN/Inf).
   • Módulo C3k2_GhostConv_OBB: Reemplaza el módulo C3k2 estándar en el Neck para reducir el recuento de parámetros durante la fusión de características multiescala, preservando los atajos entre capas.
   • GhostBottleneck_OBB: Una unidad de propagación residual profunda que apila subunidades GhostConv_OBB con coeficientes de escala aprendibles para la estabilidad.

3. Estrategia de Sensibilidad de Capa Clave:

   • En lugar de un reemplazo global, los autores realizaron un estudio de ablación a través de 71 configuraciones para identificar la posición de despliegue óptima.
   • La Cabeza de Detección 11 (la capa de transición Neck-a-Head) fue identificada como la ubicación óptima. Esta posición ofrece un equilibrio entre la cobertura del campo receptivo (información geométrica a nivel macro) y el flujo de gradiente, evitando la interrupción de las características de borde de bajo nivel o la amplificación de errores numéricos encontrados en capas más profundas o más superficiales.

Contribuciones Clave

1. Conjunto de Datos: Creación de un conjunto de datos OBB disponible públicamente y diverso para empaques de Luosifen bajo condiciones de producción dinámica.
2. Arquitectura Ligera: Propuesta de la unidad GhostConv_OBB y el módulo C3k2_GhostConv_OBB, que integran AAE y PECA para mejorar las características de objetos rotados manteniendo un bajo recuento de parámetros.
3. Estrategia de Despliegue: Introducción de una estrategia de reemplazo guiada por la sensibilidad de la capa clave, demostrando que la modificación precisa en la Cabeza de Detección 11 produce compromisos de precisión-eficiencia superiores en comparación con el reemplazo global ciego.
4. Estabilidad Numérica: Implementación de coeficientes de fusión residual aprendibles y un mecanismo de respuesta segura para garantizar una operación robusta en dispositivos de borde.

Resultados Experimentales
El modelo propuesto fue evaluado contra varios detectores horizontales y orientados (incluyendo variantes de YOLOv8, v10, v11, v12 y v26) en el conjunto de prueba:

• Rendimiento: El modelo alcanzó un 97.79% mAP@0.5 y un 93.95% mAP@0.5:0.95.
• Mejoras: Comparado con la línea base YOLOv11n-OBB, esto representa un aumento de 4.26 puntos porcentuales en mAP@0.5 y un aumento de 32.27 puntos porcentuales en mAP@0.5:0.95.
• Eficiencia: El modelo mantiene una huella ligera con 2.95M de parámetros y 3.45 GFLOPs.
• Latencia: La latencia de inferencia es de 67.73 ms (14.76 FPS), cumpliendo con el requisito de la línea de producción de $\ge$14 FPS con una sobrecarga mínima en comparación con la línea base (65.88 ms).
• Perspectivas de Ablación:
  • Se encontró que PECA es el principal motor de la precisión de localización estricta (mejorando el mAP@0.5:0.95 en 28.20 puntos sobre la línea base cuando se usa sola).
  • AAE mejoró principalmente la recuperación (recall) al mejorar la visibilidad de bordes y esquinas.
  • La combinación de AAE y PECA proporcionó beneficios complementarios, equilibrando la recuperación de detección y la precisión de localización.

Significancia y Reivindicaciones
El artículo afirma que el método propuesto logra una precisión de localización comparable a los modelos de escala media (ej. YOLOv11s-OBB) mientras opera bajo un presupuesto de parámetros extremadamente bajo adecuado para el despliegue en el borde. Destaca la sinergia complementaria entre los módulos AAE y PECA para mejorar tanto la recuperación como la precisión de localización. El trabajo se presenta como un paradigma de diseño ligero para la detección de objetos rotados orientada al borde en escenarios industriales, abordando específicamente los desafíos de fondos complejos, la estimación de rotación y la estabilidad numérica en hardware restringido. Los autores señalan que el trabajo futuro se centrará en el desacoplamiento de características bajo oclusión severa y la cuantización INT8 para marcos de trabajo como TensorRT.