On-Orbit Real-Time Wildfire Detection Under On-Board Constraints

Riepilogo Tecnico: Rilevamento in Tempo Reale degli Incendi Boschivi in Orbita sotto Vincoli di Bordo

Enunciato del Problema
Il documento affronta la sfida critica del rilevamento degli incendi boschivi dallo spazio in condizioni operative estreme. Sebbene il monitoraggio basato su satelliti sia essenziale per la gestione globale degli incendi, le architetture esistenti presentano compromessi fondamentali: le piattaforme geostazionarie offrono un alto tasso di rivisitazione temporale ma una risoluzione spaziale grossolana (2–3 km), tralasciando gli incendi di piccole dimensioni; i sensori in Orbita Bassa Terrestre (LEO) offrono una risoluzione più fine ma passaggi giornalieri limitati, spesso tralasciando le finestre temporali di massima attività degli incendi. La missione OTC-P1 di OroraTech tenta di colmare questo divario con una costellazione di nove satelliti a infrarossi termici, ma impone un insieme unico di vincoli congiunti che i modelli all'avanguardia attuali non possono soddisfare:

1. Latenza Rigida: Una pipeline di allerta end-to-end deve operare in meno di 10 minuti dal passaggio del satellite alla comunicazione, rendendo necessaria l'inferenza a bordo anziché architetture di downlink e elaborazione successiva.
2. Vincoli di Risorse: L'inferenza deve essere eseguita su un NVIDIA Jetson Xavier NX (modalità 10 W) con un footprint del modello inferiore a 1 MB e una latenza di inferenza inferiore a 150 ms per batch.
3. Caratteristiche dei Dati: Il sistema opera su immagini non calibrate a banda singola nell'Infrarosso a Onde Medie (MWIR) con una distanza di campionamento a terra di 200 m. Gli incendi appaiono spesso come anomalie termiche sub-pixel o a singolo pixel, creando uno squilibrio di classe estremo (i pixel degli incendi costituiscono circa lo 0,018% dei pixel validi).
4. Rumore: La pipeline utilizza numeri digitali grezzi (DN) senza calibrazione radiometrica per minimizzare la latenza, aumentando la suscettibilità al rumore del sensore e agli artefatti.

Le pipeline operative attuali (ad esempio MODIS, VIIRS) si basano su metodi euristici di soglia termica contestuale che faticano a gestire questi vincoli specifici, in particolare la natura sub-pixel degli incendi iniziali e la mancanza di calibrazione multispettrale.

Metodologia
Gli autori propongono una pipeline di deep learning orientata alla distribuzione incentrata su DenseMAE (Dense Masked Autoencoder), un approccio di apprendimento auto-supervisionato leggero adattato per la segmentazione densa su immagini MWIR non calibrate.

• Architettura: DenseMAE è un autoencoder mascherato completamente convoluzionale. A differenza dei classici Vision Transformer (ViT) che tokenizzano le immagini, DenseMAE utilizza un encoder convoluzionale a stadi con un singolo passo di downsampling iniziale (fino a $H/2 \times W/2$) seguito da blocchi convoluzionali dilatati per aumentare efficientemente il campo ricettivo. Produce embedding densi per pixel anziché token globali dell'immagine.
• Obiettivo di Pre-addestramento: Il modello viene pre-addestrato utilizzando un obiettivo di ricostruzione mascherata. Blocchi casuali dell'input vengono mascherati e la coppia encoder-decoder impara a ricostruire i pattern termici mancanti dal contesto circostante. La perdita è calcolata solo sui pixel mascherati e validi, escludendo esplicitamente le regioni "no-data".
• Ablazione Ibrida: Gli autori hanno investigato una variante ibrida che combina la ricostruzione mascherata con una perdita di consistenza insegnante-studente a Media Mobile Esponenziale (EMA). Tuttavia, i risultati empirici hanno mostrato che ciò forniva solo guadagni marginali e inconsistenti, portando gli autori a favorire l'approccio basato solo sulla ricostruzione.
• Trasferimento a valle: Dopo il pre-addestramento, il decoder viene scartato. L'encoder viene trasferito al compito di segmentazione degli incendi boschivi utilizzando testate leggere. Sono state valutate due strategie di trasferimento:
  1. Encoder Congelato: Addestramento di una sola testata leggera (sonda lineare o piccola testata contestuale) sopra embedding fissi.
  2. Fine-tuning Completo: Ottimizzazione congiunta dell'encoder e della testata end-to-end.
• Raffinamento: Per affrontare la natura sub-pixel degli incendi, viene impiegata una testata di raffinamento ad alta risoluzione (HR). Questo modulo re-inietta le caratteristiche ad alta risoluzione dal gambo dell'encoder nella fase finale di previsione per migliorare la localizzazione delle anomalie a singolo pixel.
• Strategia di Addestramento: Per gestire lo squilibrio di classe estremo, i batch di addestramento sono distorti verso le patch positive. Il sistema utilizza una perdita di entropia incrociata binaria, l'ottimizzatore AdamW e precisione mista.

Principali Contributi

1. Pipeline di Distribuzione: Introduzione di una pipeline di deep learning per il rilevamento degli incendi boschivi in orbita che opera su immagini MWIR non calibrate a banda singola sotto vincoli di latenza rigida (<150 ms) e footprint (<1 MB).
2. DenseMAE: Proposta di un autoencoder mascherato convoluzionale a stadi e leggero che impara rappresentazioni MWIR dense, consentendo modelli di distribuzione sub-megabyte senza potatura o compressione.
3. Studio Empirico: Una valutazione sistematica del pre-addestramento auto-supervisionato (MAE vs. EMA ibrido) e dell'apprendimento per trasferimento (encoder congelato vs. fine-tuning completo) in condizioni di squilibrio di classe estremo, utilizzando la Precisione Media (AP) a livello di pixel sull'intera distribuzione di test.
4. Raggiungimento del Fronte di Pareto: Dimostrazione che le rappresentazioni dense auto-supervisionate abilitano modelli compatti che si collocano sul fronte di Pareto latenza-accuratezza, superando le linee di base supervisionate sotto vincoli comparabili.

Risultati
Il sistema è stato valutato su un dataset di 839 scene annotate della missione OTC-P1 di OroraTech, suddiviso in 70/15/15% per addestramento/convalida/test.

• Prestazioni rispetto alla Linea di Base: La configurazione DenseMAE con le prestazioni migliori (dimensione dell'embedding 64, fine-tuning completo, testata DW-Res + raffinamento HR) ha raggiunto una Test AP di 0,699 e un Fire-F1 di 0,744. Questo supera la forte linea di base supervisionata (U-Net++ con raffinamento HR), che ha raggiunto una AP di 0,650 sotto vincoli simili.
• Latenza e Footprint:
  • La configurazione più veloce (dimensione dell'embedding 32, TRT-Head) ha raggiunto una AP di 0,640 con una latenza di 65,34 ms (TensorRT FP16, dimensione del batch 8) e una dimensione del motore del modello di 0,52 MB.
  • La configurazione con la migliore accuratezza è rimasta sotto 1 MB (0,91 MB) con una latenza di 141 ms.
• Risultati dell'Ablazione:
  • L'aumento della dimensionalità dell'embedding da 32 a 64 ha migliorato costantemente l'AP.
  • Il fine-tuning completo ha superato costantemente il trasferimento con encoder congelato (0,689 vs 0,612 AP per emb64), indicando che l'inizializzazione SSL è più benefica quando il modello a valle può adattarsi end-to-end.
  • La distillazione EMA ibrida non ha fornito guadagni costanti sull'intera distribuzione rispetto al pre-addestramento basato solo sulla ricostruzione.
• Validazione Esterna: Il modello è stato confrontato con il prodotto VIIRS 375 m per incendi attivi (un riferimento operativo standard) su osservazioni coincidenti. Lo studio ha rilevato un forte accordo tra sensori, con il modello che ha rilevato 103 cluster di incendi congiunti. Il modello ha identificato 33 cluster mancati da VIIRS (spesso segnali termici deboli vicino al limite di rilevamento) e 3 cluster rilevati solo dal modello, suggerendo la capacità di trovare incendi piccoli o di breve durata al di sotto delle soglie di VIIRS.

Significato e Affermazioni
Il documento afferma che le rappresentazioni auto-supervisionate leggere abilitano un rilevamento degli incendi in orbita accurato ed efficiente dove i metodi tradizionali falliscono a causa dei vincoli hardware e dei dati. Raggiungendo dimensioni del modello sub-megabyte e latenze di inferenza sub-100 ms su hardware edge, il sistema facilita una pipeline di allerta end-to-end capace di rilevare accensioni entro minuti dal passaggio del satellite. Questo rappresenta un passo significativo verso la riduzione del divario tra l'inizio dell'incendio e la risposta operativa. Gli autori notano con modestia che, sebbene il sistema migliori la robustezza agli artefatti comuni del sensore, la confusione con i riflessi solari (sunglint) rimane una sfida, e il lavoro futuro potrebbe richiedere input multicanale o caratteristiche informate dalla fisica per affrontare questi casi limite. Lo studio convalida che il pre-addestramento SSL denso è una strategia vitale e superiore per lo squilibrio di classe estremo e i compiti di telerilevamento vincolati dalle risorse.