N-EIoU-YOLOv9: A Signal-Aware Bounding Box Regression Loss for Lightweight Mobile Detection of Rice Leaf Diseases

Résumé Technique : N-EIoU-YOLOv9 pour la détection des maladies des feuilles de riz

Énoncé du problème
La détection précise et précoce des maladies des feuilles de riz est vitale pour l'agriculture de précision, pourtant le déploiement de modèles de détection d'objets performants sur des appareils mobiles aux ressources limitées reste un défi. Les maladies des feuilles de riz, particulièrement les stades précoces de la Pyriculariose (Leaf Blast) et de la Tache Brune (Brown Spot), présentent un problème de « détection de petits objets » où les agents pathogènes se manifestent sous forme de minuscules lésions nécrotiques occupant moins de 5 % de la surface d'une image. Ces cibles souffrent d'une ambiguïté visuelle extrême face au bruit de fond (ex. : éclaboussures de terre, débris).

Les auteurs identifient deux limitations critiques dans les pertes de régression de boîte englobante (bounding box) standard, spécifiquement l'Intersection over Union complète (CIoU), lorsqu'elles sont appliquées à ce domaine :

1. Disparition du gradient pour les échantillons difficiles : Les pertes basées sur l'IoU standard présentent une atténuation linéaire du gradient. Lorsque le chevauchement entre les boîtes prédites et la vérité terrain est faible (fréquent pour les petites lésions), le signal de gradient devient trop faible pour piloter un apprentissage efficace, provoquant l'abandon des échantillons difficiles par le modèle.
2. Couplage géométrique : Le terme de pénalité du rapport d'aspect dans la CIoU introduit des gradients couplés pour la largeur et la hauteur. Si la boîte prédite change d'échelle proportionnellement à la vérité terrain mais conserve une taille incorrecte, la pénalité disparaît, échouant à corriger l'erreur de localisation. Cela crée un effet de « balançoire » (see-saw effect) où l'optimisation de la largeur peut involontairement dégrader la hauteur, entravant la convergence.

Méthodologie
Le papier propose N-EIoU-YOLOv9, un cadre de détection léger centré sur une nouvelle fonction de perte de régression de boîte englobante sensible au signal, la N-EIoU (Non-monotonic Efficient Intersection over Union). Cette approche intègre le modèle dans l'architecture YOLOv9t (Tiny), sélectionnée pour son équilibre entre latence d'inférence et performance, et utilise l'Information de Gradient Programmable (PGI) pour prévenir la perte de caractéristiques dans les couches profondes.

L'innovation centrale, la N-EIoU, est formulée comme une fonction de perte hybride :
$$L_{N-EIoU} = L_{N-IoU} + L_{dis} + L_{asp}$$

• Amplification du signal (N-IoU) : Pour remédier à la disparition du gradient, le terme IoU standard est remplacé par la N-IoU. Dérivée des principes de focalisation de gradient non monotone, la N-IoU remodèle la courbe de gradient pour amplifier les signaux pour les « échantillons difficiles » (faible chevauchement, $0.1 < IoU < 0.4$). Elle agit comme un filtre non linéaire qui donne la priorité aux petites boîtes mal alignées pendant l'optimisation.
• Découplage géométrique (EIoU) : Pour résoudre l'interférence des gradients, la pénalité de rapport d'aspect est remplacée par des pénalités de dimensions séparées issues de l'Efficient IoU (EIOU). Cela découple l'optimisation de la largeur et de la hauteur, minimisant $(w - w_{gt})^2$ et $(h - h_{gt})^2$ indépendamment pour éviter l'effet de « balançoire ».

Du point de vue du traitement du signal, la N-EIoU est décrite non pas simplement comme une métrique géométrique, mais comme un mécanisme de façonnage de gradient qui redistribue l'énergie de régression vers les échantillons difficiles à faible chevauchement tout en maintenant la stabilité de l'optimisation.

Contributions clés

1. Proposition de la N-EIoU : Une nouvelle fonction de perte qui couple explicitement la focalisation de gradient non monotone avec le découplage géométrique. Elle est conçue pour remodeler les gradients de régression afin de prioriser les échantillons difficiles et de petite taille tout en assurant une convergence stable.
2. Analyse théorique et empirique : Les auteurs fournissent une analyse détaillée démontrant que la N-EIoU améliore significativement la précision de la localisation sous des conditions de déséquilibre de classe et de faible chevauchement. Des simulations de gradient confirment que la N-EIoU génère des gradients plus importants dans le régime de faible IoU par rapport à l'atténuation linéaire de la CIoU.
3. Validation du déploiement en périphérie (Edge) : L'étude valide la praticité de l'approche en déployant le modèle optimisé sur un appareil Android via TensorFlow Lite avec une quantification Float16. Cela démontre que la fonction de perte améliore non seulement la précision, mais aussi la robustesse sous une compression agressive du modèle.

Résultats expérimentaux
Le modèle a été évalué sur un jeu de données auto-collecté, DUNG_BK65_RiceLeafDiseases, comprenant 5 908 images de feuilles de riz réparties en quatre catégories de maladies (Pyriculariose, Tache Brune, Défoliation/Leaf Folder, Jaunissement/Yellow Dwarf) et de feuilles saines.

• Métriques de performance : Le modèle N-EIoU-YOLOv9t a atteint une précision moyenne (mAP@50) de 90,3 %, représentant une amélioration relative de 4,3 % par rapport au modèle de base CIoU (86,0 %).
• Précision de localisation : Des gains significatifs ont été observés dans la mAP@50–95 (passant de 42,9 % à 48,9 %), indiquant des boîtes englobantes plus serrées et plus précises.
• Gains spécifiques aux classes : Les améliorations les plus substantielles ont été observées pour les classes d'« échantillons difficiles ». Pour la Tache Brune (Brown Spot), la mAP est passée de 84,0 % à 89,5 %. La Pyriculariature a également montré une amélioration, bien que ces deux classes restent plus complexes que les maladies structurelles comme le Jaunissement ou la Défoliation en raison de leur petite taille et de leur faible contraste.
• Déploiement mobile : Le modèle quantifié (Float16) a été déployé sur un smartphone VSmart Active 3. Il a maintenu une mAP de 90,2 % (une baisse négligeable de 0,1 %) avec un temps d'inférence moyen de 156 ms par image (environ 6 FPS).

Signification et affirmations
Le papier affirme que la principale signification de ce travail réside dans la reformulation de la régression de la boîte englobante comme un problème d'optimisation sensible au signal. Plutôt que de s'appuyer uniquement sur des heuristiques géométriques, la N-EIoU façonne explicitement l'amplitude et la direction du gradient pour favoriser les échantillons difficiles à faible chevauchement.

Les auteurs affirment que cette approche offre un équilibre efficace entre précision de localisation, stabilité d'optimisation et efficacité computationnelle. En répondant avec succès aux défis spécifiques de la détection de petits objets dans l'imagerie agricole et en validant la solution sur des appareils en périphérie, ce travail offre un outil pratique, capable de fonctionner hors ligne, pour permettre aux agriculteurs de diagnostiquer les maladies du riz sur le terrain. L'étude conclut que, bien que le taux d'images actuel (6 FPS) soit insuffisant pour le traitement vidéo haute vitesse, il est adéquat pour le diagnostic d'images statiques, comblant ainsi le fossé entre l'amélioration théorique des fonctions de perte et la surveillance agricole réelle.