Resumen Técnico: Detección de Defectos Superficiales de Alta Precisión en Tiras de Metal mediante YOLOv5s-SC2 Ligero con Poda LAMP

1. Planteamiento del Problema

El artículo aborda los desafíos críticos en el control de calidad industrial para tiras de metal, específicamente la detección de defectos superficiales como grietas, parches, rayaduras, protuberancias y hoyos. Estos defectos, causados por tecnologías de procesamiento o factores ambientales, impactan significertivamente la calidad del producto, la resistencia a la corrosión y la resistencia al desgaste.

Si bien los métodos tradicionales de ensayos no destructivos (por ejemplo, fuga magnética, detección ultrasónica) ofrecen flexibilidad, sufren de limitaciones como la especificidad de material, la insensibilidad a hoyos poco profundos y las fugas debido a la rugosidad superficial. La visión artificial basada en aprendizaje profundo ha surgido como una alternativa superior debido a su alta precisión y adaptabilidad. Sin embargo, los modelos de aprendizaje profundo existentes enfrentan obstáculos específicos en este dominio:

• Tipos de Defectos Diversos: Los defectos varían significamente en morfología (puntos, irregulares).
• Variaciones de Escala: Los defectos van desde parches grandes hasta rayaduras diminutas.
• Tasas de Omisión de Objetos Pequeños: Los modelos estándar a menudo fallan en detectar defectos minúsculos debido a la pérdida de información en los mapas de características profundos.
• Restricciones de Despliegue: Los dispositivos de borde industriales cuentan con recursos computacionales, memoria y potencia limitados, lo que dificulta el despliegue de modelos pesados y de alta precisión.

2. Metodología

Los autores proponen YOLOv5s-SC2, un modelo de detección de objetos ligero y de alta precisión basado en la arquitectura YOLOv5s, junto con una estrategia de compresión estructural utilizando Poda Basada en Magnitud Adaptativa de Capas (LAMP).

2.1. Optimización de Anclas y Función de Pérdida

• Agrupación K-means++: Reemplaza el algoritmo K-means estándar para generar cajas de anclaje (anchor boxes). K-means++ mejora la inicialización del centro de los grupos, evitando óptimos locales y produciendo anclas mejor adaptadas a la distribución específica de tamaño y forma de los defectos superficiales de acero en el conjunto de datos NEU-DET.
• Pérdida Shape-IoU: Introduce la función de pérdida Shape-IoU para reemplazar las pérdidas basadas en IoU estándar. A diferencia de los métodos tradicionales que se centran únicamente en la superposición, Shape-IoU considera explícitamente las propiedades geométricas (ancho y alto) de la caja delimitadora. Esto es crucial para defectos con formas irregulares o relaciones de aspecto extremas, guiando al modelo para predecir cajas que se alineen más estrechamente con las geometrías reales de los defectos.

2.2. Mejoras en la Red de Backbone (YOLOv5s-SC)

El backbone se modifica para mejorar la extracción de características y el flujo de gradientes manteniendo la eficiencia:

• Módulo C2f: Reemplaza el módulo C3 original. El módulo C2f (CSP con 2 convoluciones) inspirado en ELAN (Red de Agregación de Capas Eficiente), utiliza una estrategia de división y fusión con más conexiones de salto de capa. Esto enriquece el flujo de gradientes y mejora la retención de la información de objetivos pequeños que a menudo se pierde en redes profundas.
• Convolución Atrosa Conmutable (SAC): Integrada para abordar el compromiso entre el campo receptivo y el costo computacional. SAC aplica diferentes tasas atrosas a las mismas características de entrada y las fusiona mediante una función de conmutación. Esto permite que la red se adapte de manera flexible a las características multiescala sin aumentar la complejidad computacional, capturando eficazmente la información contextual y evitando la pérdida de detalles de objetivos pequeños durante el pooling.

2.3. Mejoras en la Red de Neck (YOLOv5s-SC2)

La red de neck se actualiza para mejorar la fusión semántica y centrarse en regiones críticas:

• RepGFPN (Red de Pirámide de Características Generalizada Re-parametrizada): Reemplaza la PANet estándar. RepGFPN optimiza las dimensiones de los canales para diferentes escalas, elimina operaciones redundantes de fusión de características y simplifica los operadores de sobremuestreo (up-sampling). Mejora la interacción entre la información semántica de alto nivel y la información espacial de bajo nivel sin añadir una carga computacional significativa.
• Mecanismo de Atención SE: El módulo Squeeze-and-Excitation (SE) se integra antes de los bloques de fusión de características. Realiza una operación de "squeeze" para agregar información espacial global en descriptores de canal y una operación de "excitation" para generar pesos por canal. Esto permite que el modelo enfatice selectivamente las características importantes de los defectos mientras suprime el ruido de fondo irrelevante.

2.4. Poda del Modelo para Despliegue en el Borde

Para permitir el despliegue en dispositivos con recursos limitados, los autores aplican la Poda LAMP:

• Mecanismo: LAMP calcula una puntuación para cada peso basándose en su magnitud relativa respecto a otros pesos en la misma capa, permitiendo tasas de poda adaptativas.
• Restricciones Estructurales: Se implementó un mecanismo de filtrado específico para omitir módulos que contienen operaciones de división y concatenación (por ejemplo, en C2f y RepGFPN) para evitar desajustes en los mapas de características. La poda se aplica solo a las capas convolucionales independientes.
• Ajuste Fino (Fine-tuning): Después de la poda, el modelo se somete a un ajuste fino para recuperar cualquier pérdida menor de precisión.

3. Contribuciones Clave

1. Ancla y Pérdida Optimizadas: La integración de K-means++ para la generación de anclas y la pérdida Shape-IoU mejora significativamente la precisión de la regresión de la caja delimitadora para defectos irregulares y pequeños.
2. Backbone Mejorado (YOLOv5s-SC): La combinación de los módulos C2f y SAC enriquece el flujo de gradientes y la extracción de características multiescala, logrando un mAP base de 82.4% (una mejora del 2.5% sobre el YOLOv5s estándar).
3. Neck Avanzado (YOLOv5s-SC2): La fusión de RepGFPN y el mecanismo de atención SE eleva aún más el rendimiento a un 84.3% de mAP, una mejora de 4.4 puntos porcentuales sobre la línea base.
4. Estrategia de Despliegue Ligero: La aplicación de la poda LAMP comprime con éxito el modelo para dispositivos de borde. En una configuración de aceleración de 2.5×, el tamaño del modelo se reduce al 56.2%, el costo computacional al 39.4% y el uso de memoria al 56.9% del original, con una caída de mAP insignificante de solo 0.2 puntos porcentuales.

4. Resultados Experimentales

Los experimentos se realizaron en el conjunto de datos NEU-DET, que contiene 1,800 imágenes en escala de grises de seis tipos de defectos (escama enrollada, parches, grietas, hoyos, inclusiones, rayaduras).

• Desempeño: El modelo final YOLOv5s-SC2 logró un promedio de Precisión Media (mAP) del 84.3%, Precisión del 82.4% y Recall del 75.3%.
• Estudios de Ablación:
  • Los módulos C2f y SAC mejoraron el mAP a 82.4%.
  • La adición de RepGFPN aumentó el mAP a 83.3%.
  • La adición final del mecanismo de atención SE produjo el rendimiento máximo de 84.3%.
  • Las visualizaciones (mapas de calor) confirmaron que el modelo propuesto se enfoca más precisamente en las regiones de los defectos y suprime el ruido de fondo en comparación con la línea base.
• Eficiencia de la Poda:
  • Poda 2.0×: mAP 84.1%, Parámetros 7.97M.
  • Poda 2.5×: mAP 84.1%, Parámetros 7.04M, GFLOPs 7.6. Esta fue identificada como el equilibrio óptimo.
  • Poda 3.0×: mAP 83.8%, Parámetros 6.48M.

5. Significado y Reivindicaciones

El artículo afirma que el YOLOv5s-SC2 propuesto ofrece una solución efectiva y ligera para la detección de defectos superficiales industriales. Al abordar sistemáticamente los desafíos de la diversidad de tipos de defectos y las variaciones de escala mediante mejoras arquitectónicas (C2f, SAC, RepGFPN, SE) y optimizar para el despliegue mediante la poda LAMP, el modelo logra un equilibrio superior entre precisión y eficiencia.

Los autores enfatizan que el modelo podado 2.5× proporciona una solución práctica para dispositivos de borde con recursos limitados, reduciendo los costos computacionales a menos del 40% del original mientras mantiene una precisión de detección que supera significativamente al YOLOv5s base. Esto hace que el enfoque sea adecuado para escenarios de inspección industrial en línea y en tiempo real donde se requieren tanto alta precisión como baja latencia.