YOLOv11-AHFE:Adaptive High-Frequency Signal Enhancement Mechanism for Surface detection

Le dilemme du détective : Voir l'invisible

Imaginez que vous êtes un détective essayant de trouver une minuscule rayure sur la portière d'une voiture en métal brillant et huileux. À l'œil nu, ou même avec un appareil photo standard, cette rayure pourrait simplement ressembler à un reflet de la lumière ou à une tache de graisse. C'est le combat quotidien de la « vision par ordinateur », une branche de l'intelligence artificielle où nous apprenons aux ordinateurs à voir et à comprendre le monde. Pendant des années, les meilleurs détectives (algorithmes) ont été excellents pour repérer les choses grandes et évidentes, mais ils passent souvent à côté des détails minuscules et complexes parce qu'ils sont trop occupés à regarder la « vue d'ensemble ». Ils ont tendance à jeter les détails fins à haute fréquence — comme les bords tranchants d'une fissure ou la texture d'une rayure — simplement pour accélérer leur travail.

Ce document plonge dans un coin spécifique de ce monde : la détection de défauts sur des surfaces métalliques dans les usines. Les auteurs travaillent avec un outil de détective très populaire et super rapide appelé YOLO (qui signifie « You Only Look Once » ou « Vous ne regardez qu'une fois »). Considérez YOLO comme un agent de sécurité qui scanne une foule en une fraction de seconde pour trouver des problèmes. Il est incroyablement rapide et bon pour repérer des personnes, mais lorsqu'il s'agit de repérer une petite rayure irrégulière sur une pièce d'acier, il manque parfois la cible car il est trop rapide pour remarquer les signaux subtils à haute fréquence qui définissent ces minuscules défauts. La grande question qu'ils posent est la suivante : Comment pouvons-nous faire en sorte que ce garde super rapide prête attention aux petits détails aigus sans pour autant ralentir sa cadence ?

La solution : Donner des « super-oreilles » au détective

Les auteurs, Nathan Du et Yanfang Meng, proposent une mise à niveau ingénieuse du système YOLO standard, qu'ils appellent YOLOv11-AHFE. Leur idée principale est d'empêcher l'ordinateur de simplement « jeter » les détails fins lorsqu'il dézoome pour observer l'image entière. Au lieu de cela, ils introduisent un mécanisme spécial appelé Amélioration Adaptative du Signal à Haute Fréquence (Adaptive High-Frequency Signal Enhancement).

Pour comprendre comment cela fonctionne, imaginez que vous écoutez une chanson. Les notes basses sont la basse (les parties larges et lourdes de l'image), et les notes hautes sont les cymbales et les violons cristallins (les petites rayures et les bords). La vision par ordinateur standard étouffe souvent les notes hautes pour garder la musique simple. Cette nouvelle méthode utilise cependant un tour mathématique appelé Transformée en Ondelettes (Wavelet Transform) pour séparer la musique en différentes pistes. Elle garde la piste de basse en sécurité, mais crée une piste spéciale de « haute fréquence » qu'elle amplifie et améliore.

Voici comment ils ont construit leur nouveau détective :

1. La stratégie à double flux (Dual-Stream Strategy) : Au lieu d'un seul chemin pour le passage de l'image, ils ont créé un système à « double flux ». Un flux regarde l'image normalement pour comprendre la forme générale (les caractéristiques sémantiques). L'autre flux utilise un module Wavelet-Conv pour décomposer l'image en quatre morceaux : une version floue (LL), une version avec des bords verticaux (LH), une version avec des bords horizontaux (HL) et une version avec des bords diagonaux (HH). C'est comme avoir un second détective qui ne cherche que les bords et les textures. Ils combinent ensuite ces deux flux, de sorte que la décision finale soit basée à la fois sur la « vue d'ensemble » et sur les « détails minuscules ».

2. Le booster de haute fréquence (High-Frequency Booster) : À mesure que l'image est traitée, elle perd naturellement certains de ces détails fins et tranchants. Pour corriger cela, les auteurs ont ajouté un module High-Freq-Enhance profondément à l'intérieur du réseau. Considérez cela comme une « équipe de secours » qui retourne dans l'image traitée, trouve les parties qui sont devenues floues et utilise un mécanisme d'attention spécial pour les rendre nettes à nouveau. Elle demande : « Quelles parties de cette image ont besoin de plus de détails ? » et les booste spécifiquement.

3. Le filtre de focalisation (CBAM) : Enfin, ils ont ajouté un CBAM (Convolutional Block Attention Module) à la fin. Cela agit comme un projecteur. Une fois que le système a rassemblé toutes les informations, le module CBAM décide quelles parties de l'image sont réellement importantes (le défaut) et quelles parties sont juste du bruit de fond (comme des taches d'huile ou des ombres), ordonnant au système d'ignorer le bruit et de se concentrer entièrement sur le problème.

Ce qu'ils ont trouvé

Les auteurs ont testé leur nouveau système YOLOv11-AHFE contre le YOLOv11 standard en utilisant un jeu de données appelé GC10-DET, qui contient des images de dix types différents de défauts métalliques, allant des « trous de poinçonnage » aux « plis de taille ». Le jeu de données est complexe car certains défauts sont énormes, tandis que d'autres sont minuscules, et l'arrière-plan est souvent désordonné et à faible contraste.

Les résultats ont montré que leur nouvelle méthode était effectivement meilleure pour repérer les problèmes.

• Précision : Le YOLOv11 standard a obtenu un score de 0,607 (mAP50), qui est une mesure de la fréquence à laquelle il trouve correctement les défauts. Le nouveau YOLOv11-AHFE a amélioré ce score à 0,672.
• Performance globale : En regardant une mesure de précision plus stricte (mAP50-95), le modèle standard a obtenu 0,309, tandis que le nouveau modèle a bondi à 0,352.

L'article suggère que ces améliorations sont particulièrement visibles pour les défauts difficiles comme les « lignes de soudure », les « inclusions », les « piqûres de laminage » et les « plis ». Les comparaisons visuelles de leur étude montrent que le nouveau modèle a manqué moins de défauts et était moins susceptible d'être confus par l'arrière-plan désordonné.

L'essentiel

Les auteurs concluent qu'en intégrant ces outils basés sur les ondelettes, ils ont réussi à créer un système qui conserve la vitesse de l'original YOLO tout en étant bien meilleur pour voir les détails de « haute fréquence » qui comptent pour la sécurité industrielle. Ils suggèrent que cette approche est une étape prometteuse pour les inspections en usine en conditions réelles, où manquer une petite fissure peut entraîner de gros problèmes. Bien qu'ils n'aient pas prétendu avoir résolu tous les problèmes du monde, leurs expériences sur le jeu de données GC10-DET fournissent une preuve solide que donner à l'ordinateur des « super-oreilles » pour les signaux à haute fréquence en fait un détective bien plus aiguisé.