Coal Mine Drill Pipe Detection Algorithm Integrating Large-Kernel Separation and Coordinate Locking Mechanisms

Resumen Técnico: Algoritmo de Detección de Tubería de Perforación en Minas de Carbón Integrando Mecanismos de Separación de Núcleo Grande y Bloqueo de Coordenadas

Planteamiento del Problema
Las operaciones de perforación en minas de carbón subterráneas requieren un conteo preciso y continuo de las tuberías de perforación para evaluar el cumplimiento del drenaje de gas y la liberación de presión en los pozos. Sin embargo, la detección por contacto tradicional falla en condiciones adversas, mientras que las soluciones existentes de visión artificial luchan contra los desafíos ambientales específicos de las minas subterráneas. Estos entornos se caracterizan por variaciones dinámicas significativas, oclusiones frecuentes de los objetivos por tuberías y maquinaria, deslumbramiento intenso de luz, iluminación localizada baja y polvo omnipresente. Los modelos de detección de objetos convencionales, particularmente aquellos entrenados en conjuntos de datos estándar, sufren de un sobreajuste severo y una rápida degradación de la generalización cuando se despliegan en estos frentes de trabajo desconocidos y dinámicos. Específicamente, la geometría esbelta de las tuberías de perforación hace que sus características de contorno sean frágiles; son propensas a la truncación física y a la distorsión fotométrica, lo que provoca altas tasas de omisión y una regresión de la caja delimitadora (bounding box) inestable en objetivos delgados.

Metodología
Los autores proponen un algoritmo ligero de detección de tuberías de perforación basado en la red YOLO11n, diseñado específicamente para abordar los desafíos de generalización y regresión de objetivos esbeltos en entornos complejos. El enfoque se centra en dos vías arquitectónicas principales: mejora de características y regresión de la caja delimitadora.

1. Mejora de Características (Módulo LSCA):
   Al final de la red de columna vertebral (backbone), el módulo C2PSA estándar se reemplaza con un módulo de Atención de Coordenadas de Núcleo Separable Grande (LSCA). Este módulo integra dos ramas paralelas para desacoplar el ruido de fondo y mejorar la conectividad topológica:

• Rama A (Atención Espacial de Núcleo Grande): Utiliza una Atención de Núcleo Separable Grande (LSKA) con convoluciones descompuestas de $1\times k$ y $k\times 1$ (con dilatación) para expandir el campo receptivo. Esto une los límites de oclusión física, permitiendo que la red conecte las características fracturadas de las tuberías de perforación oscurecidas por tuberías o maquinaria.
• Rama B (Atención de Coordenadas): Emplea la Atención de Coordenadas (CA) para generar máscaras de altura y anchura. Esta rama realiza un agrupamiento (pooling) ortogonal para fijar con precisión los bordes físicos de las tuberías de perforación, resistiendo la interferencia de la luz intensa y el polvo.
• Fusión: Las salidas de ambas ramas se fusionan mediante una única multiplicación elemento a elemento con el mapa de características original, preservando los detalles de los bordes de alta frecuencia e inyectando dobles prioridades para la conectividad de la oclusión cruzada y el bloqueo de bordes.

2. Regresión de Pérdida Flexible (InterpIoU):
   Para abordar la sensibilidad de la regresión de la caja delimitadora a las relaciones de aspecto extremas (comunes en tuberías de perforación esbeltas), los autores introducen una Pérdida de Regresión Flexible basada en Interpolación (InterpIoU). Las pérdidas estándar suelen causar oscilaciones de gradiente cuando el borde corto de una caja predicha se desvía ligeramente, lo que provoca el parpadeo (jitter) de la caja. InterpIoU construye una caja interpolada de transición ($B_i$) entre la caja predicha ($B_p$) y la verdad de campo ($B_g$) utilizando un coeficiente $\lambda=0.5$. La función de pérdida reemplaza el término de solapamiento estándar con la Intersección sobre la Unión (IoU) de esta caja interpolada, manteniendo al mismo tiempo las penalizaciones de distancia central y relación de aspecto de CIoU. Esto crea una transición de gradiente suave que suprime la divergencia del borde corto y estabiliza la localización.

3. Estrategia de Conjunto de Datos y Validación:
   El estudio utiliza un conjunto de datos recolectado de nueve sitios de perforación distintos. Crucialmente, los autores emplean una estrategia de validación de Distribución Fuera de Serie (OOD) basada en el aislamiento físico espaciotemporal. El conjunto de prueba se construye a partir de sitios y marcos temporales estrictamente separados de los datos de entrenamiento para evaluar objetivamente la verdadera capacidad de generalización del modelo en frentes de trabajo no vistos, en lugar de depender de divisiones de datos aleatorias.

Contribuciones Clave

• Mecanismo LSCA: La integración de la separación de núcleo grande y el bloqueo de coordenadas en un módulo de fusión multiplicativa paralelo diseñado específicamente para las características de oclusión y deslumbramiento de las escenas de tuberías de perforación subterráneas.
• Pérdida InterpIoU: Una nueva pérdida de regresión diseñada para cuerpos rígidos esbeltos que mitiga las oscilaciones de gradiente causadas por relaciones de aspecto extremas, mejorando la compacidad de la caja delimitadora.
• Marco de Evaluación OOD: La construcción de un conjunto de validación riguroso basado en el aislamiento espacial y temporal para reflejar los escenarios de despliegue en el mundo real donde los modelos enfrentan condiciones dinámicas desconocidas.
• Arquitectura Ligera: La propuesta mantiene un perfil ligero (2.561 M de parámetros) adecuado para el despliegue en el borde (edge deployment) mientras supera significativamente a los modelos base en precisión.

Resultados Experimentales
Los experimentos se realizaron en una GPU NVIDIA RTX 5880 Ada utilizando un conjunto de datos de más de 6,000 imágenes (expandido a ~14,500 mediante aumentación no destructiva). El modelo mejorado se comparó con los detectores ligeros predominantes (YOLOv5n, v8n, 11n, 12n, 26n).

• Desempeño de Generalización: En el conjunto de prueba OOD, el modelo propuesto logró un 88.7% mAP@50 y un 43.7% mAP@50-95, lo que representa mejoras de 2.0% y 2.2% sobre la línea base YOLO11n, respectivamente.
• Capacidad Anti-interferencia: Bajo condiciones complejas (deslumbramiento, oclusión, polvo), la tasa de omisión se redujo en un 1.4% (a 18.3%) y la recuperación (recall) aumentó en un 1.4% (a 81.7%). El análisis por capas mostró ganancias significativas en condiciones de deslumbramiento brillante (la precisión aumentó en 5.4 puntos porcentuales) y escenarios de brillo medio (la tasa de omisión se redujo en 3.8 puntos porcentuales).
• Eficiencia: El modelo mantiene una alta velocidad de inferencia de 1303.8 fps con 2.561 M de parámetros y 6.4 GFLOPs. Aunque es ligeramente más lento que la línea base (1556.1 fps), permanece muy por encima de las tasas de fotogramas de las cámaras de vigilancia subterráneas estándar.
• Precisión de Conteo: Al acoplarse con el rastreador ByteTrack, el modelo mejorado aumentó la precisión del conteo en cinco casos de video desafiantes en 9.1 puntos porcentuales en comparación con la línea base (promedio de 78.7% frente a 69.7%), demostrando un soporte robusto para la lógica de conteo automatizado.

Significancia
El artículo afirma que el algoritmo propuesto proporciona una solución de percepción visual robusta y lista para ser desplegada para las operaciones automatizadas de tuberías de perforación en minas de carbón subterráneas. Al abordar los modos de falla específicos de la detección de objetivos esbeltos en entornos dinámicos de alta interferencia, el método supera las limitaciones de generalización de los modelos convencionales. La integración del módulo LSCA y la pérdida InterpIoU suprime eficazmente el ruido de fondo y estabiliza la localización, sentando las bases para el desarrollo inteligente y no tripulado de equipos mineros. Los autores señalan que, si bien el método mejora significativamente el rendimiento, los objetivos pequeños distantes siguen siendo un límite actual, lo que sugiere trabajos futuros que involucren entradas de mayor resolución o cabezales de detección superficiales dedicados.