LAR-Net: A Lightweight Adaptive Receptive Field Network for Point Cloud Segmentation of Pharmaceutical Deposits on Reactor Inner Walls

Resumen Técnico: LAR-Net para la Segmentación de Depósitos Farmacéuticos

Planteamiento del Problema
La limpieza inteligente de los recipientes de reacción química depende de la percepción precisa de los depósitos farmacéuticos en las paredes internas de los reactores. Los métodos de inspección convencionales (observación manual, endoscopia, imágenes 2D) sufren de alta intensidad de mano de obra, baja eficiencia e incapacidad para reconstruir la morfología 3D, lo que los hace inadecuados para estrategias de limpieza refinadas y cuantitativas. Si bien el aprendizaje profundo de nubes de puntos 3D ofrece una solución para la segmentación semántica, los modelos de propósito general existentes luchan con las características específicas de los depósitos en reactores: escala pequeña, patrones de adhesión irregulares, límites débiles y variaciones de escala significativas frente a un fondo dominante de pared de reactor suave. Además, muchos modelos de alta precisión (por ejemplo, basados en Transformers) son computacionalmente costosos, lo que dificulta su despliegue en escenarios industriales donde se requiere un equilibrio entre precisión y eficiencia.

Metodología
El estudio propone LAR-Net (Red de Campo Receptivo Adaptativo Ligero), una red de segmentación de nubes de puntos construida sobre la estructura híbrida ligera LitePT. La arquitectura sigue una estructura de codificador-decodificador tipo U-Net e integra tres módulos específicos para abordar los desafíos de la segmentación de depósitos:

1. Módulo de Campo Receptivo Espacial Adaptativo (SAR):

   • Objetivo: Ajustar dinámicamente el rango de percepción basado en la complejidad geométrica local.
   • Mecanismo: En lugar de utilizar núcleos de convolución fijos, este módulo emplea una rejilla de vóxeles piramidal jerárquica. Utiliza una capa lineal aprendible para predecir pesos de preferencia para múltiples escalas de rejilla basados en las características de los vóxeles.
   • Efecto: Esto permite a la red agregar información contextual más amplia para las regiones planas de la pared del reactor (campo receptivo grande) mientras preserva detalles finos para los límites complejos y las protuberancias de los depósitos (campo receptivo pequeño).

2. Convolución Relacional Adaptativa (AR-Conv):

   • Objetivo: Modelar las relaciones locales entre vóxeles sin el alto costo computacional de la auto-atención en capas superficiales.
   • Mecanismo: Basado en la convolución de profundidad (depthwise convolution), AR-Conv construye un "vóxel de prototipo central" para cada rejilla local. Genera pesos de convolución dinámicos calculando las diferencias de características entre los vóxeles no vacíos y este centroide.
   • Efecto: Esto permite un modelado dinámico y ligero de las relaciones geométricas locales, mejorando la representación de las regiones de adhesión irregulares y las transiciones de los límites.

3. Módulo de Atención de Canales por Parches (Patch-wise):

   • Objetivo: Recalibrar las características de los canales dentro de parches locales para mejorar el reconocimiento de depósitos pequeños y dispersos.
   • Mecanismo: A diferencia de la atención de canal global (que puede diluir las características locales) o la atención punto a punto (que es computacionalmente pesada), este módulo agrupa puntos adyacentes en parches. Genera pesos de atención de canal para cada parche y los transmite a los puntos dentro de ese parche.
   • Efecto: Esto introduce un sesgo inductivo local, reduciendo el dominio del fondo de la pared del reactor y realzando selectivamente las características en las regiones locales de los depósitos.

Contribuciones Clave

• Construcción del Conjunto de Datos: Los autores construyeron un conjunto de datos de nubes de puntos dedicado para depósitos farmacéuticos en paredes internas de reactores, que presenta morfologías diversas (capa delgada, tipo bloque, forma de tira, fragmentada) y variaciones de escala realistas.
• Arquitectura de la Red: El diseño de LAR-Net, que integra con éxito la consistencia estructural global con la preservación de detalles locales manteniendo un recuento de parámetros ligero (14.79M).
• Nuevos Módulos: La introducción del módulo SAR para el ajuste dinámico del campo receptivo, AR-Conv para el modelado relacional local eficiente y la Atención de Canales por Parches para la mejora de características localizadas.

Resultados Experimentales
El modelo fue evaluado en un conjunto de datos autoconstruido (600 escenas, ~1 millón de puntos por escena) dividido en conjuntos de entrenamiento, validación y prueba. LAR-Net se comparó contra modelos clásicos incluyendo PointNet++, Point Transformer (v1-v3), OA-CNNS, SPU-Net, MinkUNet y la línea base LitePT.

• Métricas de Desempeño: LAR-Net logró un mIoU de prueba de 0.8326 y un IoU de la clase depósito de 0.6781.
• Mejora sobre la Línea Base: Comparado con el LitePT original, LAR-Net mejoró el mIoU de prueba en 1.11 puntos porcentuales, el mAcc en 1.49, el IoU de la clase depósito en 2.18 y la precisión de la clase depósito en 2.99.
• Eficiencia: Con solo 14.79M de parámetros, LAR-Net superó a modelos más pesados como PTv3 (46.1M de parámetros) y MinkUNet (39.2M de parámetros) en calidad de segmentación general y reconocimiento de depósitos, demostrando un compromiso superior entre precisión y complejidad.
• Estudio de Ablación: El estudio confirmó que tanto el módulo SAR como el módulo de Atención de Canales por Parches contribuyeron positivamente. El módulo SAR fue identificado como el principal motor de las ganancias de desempeño, mientras que el módulo de atención mejoró el desempeño con un gasto mínimo de parámetros.
• Análisis Cuantitativo: Las comparaciones de estimación de área mostraron que LAR-Net produjo estimaciones de área de depósito significativamente más cercanas a la verdad de terreno (por ejemplo, 20.00% de error relativo frente a 66.72% para LitePT en una muestra grande), indicando una mejor preservación de la extensión espacial y la completitud de los límites.

Significancia y Reivindicaciones
El artículo afirma que LAR-Net proporciona una solución efectiva para la segmentación semántica de grano fino de depósitos farmacéuticos en superficies curvas industriales complejas. Al integrar eficazmente los detalles geométricos locales con el contexto global, el método soporta:

• Detección Automatizada de Depósitos: Identificación precisa de la ubicación y morfología de los depósitos.
• Limpieza Inteligente: Permitiendo estrategias de limpieza diferenciadas, basadas en la demanda y cuantitativas, al proporcionar datos precisos de distribución espacial y cantidad residual.
• Viabilidad Industrial: La naturaleza ligera de la red la hace adecuada para su despliegue en escenarios que requieren un equilibrio entre alta precisión de segmentación y eficiencia computacional, abordando las limitaciones tanto de los métodos 2D tradicionales como de los modelos de aprendizaje profundo 3D pesados.

Los autores concluyen que, si bien LAR-Net es actualmente más adecuado para la inspección fuera de línea o el análisis semiautomático debido a la latencia de inferencia en nubes de puntos de nivel de millones, representa un paso significativo hacia la operación digital e inteligente del mantenimiento de equipos químicos. Se sugiere que el trabajo futuro se centre en la compresión del modelo y la fusión de operadores para permitir el despliegue en tiempo real en dispositivos de borde (edge devices).