Co-identification of Vibration, Structural Looseness, and Surface Damage in Industrial Equipment Operation Videos

Resumen Técnico: Coidentificación de Vibración, Aflojamiento Estructural y Daño Superficial en Videos de Operación de Equipos Industriales

Planteamiento del Problema
El deterioro de los equipos industriales es un proceso evolutivo continuo donde las microvibraciones, la degradación de la rigidez de las conexiones y la propagación de daños superficiales suelen ocurrir simultáneamente. Los métodos de inspección tradicionales suelen abordar el estado de vibración, la detección de grietas, la identificación de corrosión y la evaluación del aflojamiento estructural como tareas separadas. Este enfoque de silos no logra capturar las correlaciones entre las anomalías de movimiento y los defectos visuales, lo que conduce a evaluaciones de riesgo erróneas. Específicamente, cuando ocurren simultáneamente vibraciones menores, grietas incipientes y aflojamiento localizado, el análisis de imágenes de un solo fotograma o la clasificación de vibración aislada son insuficientes para detectar riesgos estructurales o modificar con precisión el estado de movimiento. El desafío radica en la necesidad de extraer simultáneamente la amplitud del flujo óptico, la varianza del desplazamiento, los gradientes de textura y las características de estabilidad del área objetivo a partir de secuencias de video continuas para permitir una detección de anomalías compuesta integral.

Metodología
Los autores proponen un marco de aprendizaje multitarea diseñado para discriminar conjuntamente los estados de movimiento, las respuestas estructurales y los daños superficiales. La arquitectura integra tres módulos primarios:

1. Extracción de Características Espacio-Temporales (Video Swin Transformer):
   Este módulo procesa secuencias de fotogramas continuos (ventanas de 32 fotogramas) para abordar las bajas amplitudes de vibración, las áreas de defectos pequeñas y la fuerte interferencia de fondo. Utilizando un método de segmentación de bloques espacio-temporales 3D con parches de $2 \times 4 \times 4$, captura los ritmos de movimiento (5–40 Hz) y las variaciones de textura espacial a través de cuatro niveles de codificación jerárquica. Genera características multiescala (de 96 a 768 dimensiones) para modelar los cambios en el estado operativo.

2. Estimación de Micro-Desplazamiento (RAFT Optical Flow):
   Para cuantificar movimientos estructurales sutiles, el sistema emplea el módulo RAFT (Recurrent All-Pairs Field Transforms). Este construye un volumen de correlación 4D global para emparejar características entre fotogramas adyacentes a una resolución de 1/8, refinado mediante 12 iteraciones de GRU. Un componente crítico es la compensación de movimiento global, donde se rastrean puntos de fondo estáticos (por ejemplo, paredes, suelos fijos) para estimar y restar el movimiento de la cámara, aislando así el movimiento estructural local. El módulo genera mapas de desplazamiento horizontal/vertical y de amplitud, registrando ciclos de oscilación y trazas de deriva de bordes alrededor de soportes y conexiones.

3. Localización de Defectos Superficiales y Puntuación de Aflojamiento Estructural:
   Una estructura paralela que consiste en una cabeza de detección y una cabeza de regresión procesa las características fusionadas:

• Cabeza de Detección: Genera probabilidades de clase, puntuaciones de confianza y cuadros delimitadores (bounding boxes) para grietas, corrosión y desprendimiento de bordes. Utiliza pesos de gradiente de borde para manejar grietas delgadas (<10px de ancho).
• Cabeza de Regresión: Calcula una puntuación continua de aflojamiento estructural ($S_l$) combinando las estadísticas del flujo óptico de RAFT (amplitud, varianza, dispersión de dirección) con la codificación espacio-temporal y las características de los defectos (distancia al límite de la junta, confianza del defecto). La puntuación se define mediante una suma ponderada de estas características normalizadas.

Clasificación Conjunta y Función de Pérdida
El modelo fusiona las características espaciotemporales ($F_t$), las características estadísticas de flujo óptico ($F_m$) y las características de la región de defecto ($F_d$) en un espacio compartido de 256 dimensiones utilizando pesos de atención de compuerta (gated attention). El sistema emite cuatro estados de vibración, dos estados estructurales, cuadros delimitadores de defectos y una puntuación de aflojamiento. Para equilibrar los gradientes entre tareas, se emplea una función de pérdida ponderada por incertidumbre, que incluye la pérdida de clasificación, el solapamiento de cuadros delimitadores (CIoU), la pérdida de confianza y una pérdida Smooth L1 para la puntuación de aflojamiento. Se aplica una restricción de consistencia entre tareas a los clips de anomalías compuestas para evitar la subestimación de riesgos cuando coexisten vibraciones débiles y defectos superficiales tempranos.

Contribuciones Clave

• Marco Integrado: El estudio introduce un nuevo enfoque que detecta sinérgicamente las anomalías de movimiento y los daños superficiales, yendo más allá del aislamiento de tarea única hacia un modelo de discriminación conjunta.
• Cuantificación de Micro-Desplazamiento: Al integrar el flujo óptico RAFT con la compensación de movimiento global, el sistema separa eficazmente el temblor de la cámara de los micro-desplazamientos estructurales genuinos (rango de 0.5–3.0 mm), proporcionando entradas cuantitativas para la puntuación de aflojamiento.
• Manejo de Anomalías Compuestas: El modelo aborda específicamente el escenario de "degradación compuesta" donde ligeras vibraciones acompañan a grietas o corrosión en etapa temprana, una condición en la que los modelos de tarea única tradicionales suelen fallar.

Resultados Experimentales
El sistema fue evaluado en un conjunto de datos que comprende aproximadamente 36 horas de videos de inspección industrial (estaciones de bombeo, tuberías, conexiones de válvulas, soportes, carcasas metálicas), resultando en ~72,000 imágenes de entrenamiento y ~11,000 de prueba.

• Reconocimiento de Vibración: Logró una precisión del 92.1% en cuatro estados (normal, vibración ligera, resonancia periódica, sacudida anormal).
• Detección de Defectos: Alcanzó un mAP@0.5 de 88.9% para la detección de grietas y corrosión.
• Puntuación de Aflojamiento: La puntuación de aflojamiento estructural mostró un coeficiente de correlación de Spearman de 0.79 con los resultados de revisión manual.
• Desempeño de Anomalías Compuestas: En comparación con los modelos de tarea única, el modelo conjunto redujo la tasa de detección omitida para anomalías compuestas (vibración ligera + grietas tempranas) en aproximadamente un 16% (del 27.5% al 11.5%).
• Importancia de las Características: Los estudios de ablación confirmaron que la amplitud máxima del flujo óptico en las áreas de soporte, la varianza del desplazamiento local y los cambios de textura alrededor de los defectos están altamente correlacionados con un mayor riesgo de aflojamiento estructural.

Significancia y Reivindicaciones
El artículo afirma que el método propuesto mejora la integridad del reconocimiento del estado del equipo, particularmente en escenarios de anomalías compuestas donde la inspección visual simple o el análisis de vibración aislado son inadecuados. Al etiquetar y aprender de forma sincrónica los estados de vibración, el aflojamiento estructural y los defectos superficiales, el modelo proporciona una base más completa para la detección temprana de riesgos y la toma de decisiones de mantenimiento. Los autores señalan que, si bien el método demuestra una fuerte consistencia y una reducción de falsos negativos, sigue sujeto a restricciones como las condiciones de iluminación, la oclusión y los reflejos fuertes. Se sugiere que el trabajo futuro incorpore datos de sensores de múltiples fuentes y calibración en línea para mejorar aún más la generalización de ingeniería.