A Lightweight YOLOv11n-OBB-Based Method for Oriented Detection of Luosifen Outer Packages

Sintesi Tecnica: Un Metodo Leggero Basato su YOLOv11n-OBB per il Rilevamento Orientato di Confezioni di Luosifen

Problematica
L'imbustamento automatizzato delle confezioni esterne di Luosifen (riso con lumache di fiume) sulle linee di produzione richiede un sistema di rilevamento capace di rilevamento multicategoria simultaneo, stima dell'angolo di rotazione e inferenza in tempo reale sotto rigorosi vincoli di calcolo edge. Le soluzioni esistenti affrontano tre limitazioni primarie:

1. Template Matching: I metodi convenzionali faticano con scenari di produzione flessibili che coinvolgono molteplici pose degli oggetti e non possono fornire direttamente gli angoli di rotazione.
2. Bounding Box Orizzontali (HBB): Sebbene efficienti, le HBB introducono un significativo disturbo di sfondo per oggetti inclinati e non riescono a stimare gli angoli di rotazione, portando a punti di presa robotica imprecisi.
3. Modelli Standard Oriented Bounding Box (OBB): Sebbene le OBB affrontino la rotazione, i modelli standard soffrono spesso di un'eccessiva ridondanza della backbone e di un elevato overhead computazionale, rendendoli difficili da implementare su dispositivi edge con risorse limitate. Inoltre, i metodi OBB leggeri esistenti spesso mancano di una sufficiente estrazione delle caratteristiche per i bordi ruotati, faticano con sfondi industriali complessi e mancano di meccanismi di tolleranza ai guasti per la stabilità numerica durante l'inferenza edge a lungo termine.

Metodologia
Gli autori propongono un metodo di rilevamento orientato leggero basato su una strategia di sostituzione guidata dalla sensibilità del livello chiave, utilizzando YOLOv11n-OBB come baseline. L'approccio si concentra su tre obiettivi centrali: ottimizzazione leggera precisa, potenziamento consapevole dell'angolo e soppressione progressiva dello sfondo.

1. Costruzione del Dataset:

   • È stato creato un dataset specializzato di 1.603 immagini che copre quattro categorie di confezioni esterne di Luosifen.
   • I dati sono stati raccolti sia in stati statici che dinamici (nastro trasportatore) per simulare il motion blur e le vibrazioni.
   • Il dataset è stato aumentato (rotazione, prospettiva, illuminazione, occlusione) e suddiviso in 7:2:1 (1.122 immagini di addestramento, 320 di validazione, 161 di test).
   • Le annotazioni utilizzano oriented bounding box (OBB) parametriche per coprire arbitrarie orientazioni nel piano.

2. Miglioramenti Architetturali:

   • Unità GhostConv_OBB: Sostituisce le convoluzioni standard nella backbone. Utilizza un meccanismo GhostConv efficiente per generare caratteristiche intrinseche e supplementari "ghost". Fondamentalmente, integra:
     • Dual-Path Angle-Aware Enhancement (AAE): Un modulo a doppio percorso globale-locale che rafforza le risposte delle caratteristiche lungo i bordi e gli angoli della confezione per fornire prior $\text{a priori}$ geometrici per la stima dell'angolo.
     • Progressive Efficient Channel Attention (PECA): Una struttura convoluzionale a due stadi (kernel size 5 e 3) che apprende progressivamente i pesi dei canali per sopprimere il rumore di fondo senza l'uso di strati fully connected.
     • Fusione Residua Apprendibile: Sostituisce la mappatura d'identità fissa con un coefficiente apprendibile ($\lambda$) per bilanciare adattivamente le caratteristiche residue e potenziate, includendo un meccanismo di fallback sicuro per anomalie numeriche (es. NaN/Inf).
   • Modulo C3k2_GhostConv_OBB: Sostituisce il modulo C3k2 standard nella Neck per ridurre il numero di parametri durante la fusione delle caratteristiche multi-scala pur preservando le scorciatoie tra i livelli (cross-layer shortcuts).
   • GhostBottleneck_OBB: Un'unità di propagazione residua profonda che impila subunità GhostConv_OBB con coefficienti di scala apprendibili per la stabilità.

3. Strategia di Sensibilità del Livello Chiave:

   • Inve sostituzione globale, gli autori hanno condotto uno studio di ablazione su 71 configurazioni per identificare la posizione di implementazione ottimale.
   • Detection Head 11 (lo strato di transizione tra Neck e Head) è stato identificato come la posizione ottimale. Questa posizione offre un equilibrio tra copertura del campo ricettivo (informazioni geometriche macroscopiche) e flusso del gradiente, evitando la perturbazione delle caratteristiche di bordo a basso livello o l'amplificazione degli errori numerici presenti in strati più profondi o più superficiali.

Contributi Chiave

1. Dataset: Creazione di un dataset OBB diversificato e pubblicamente disponibile per le confezioni esterne di Luosifen in condizioni di produzione dinamica.
2. Architettura Leggera: Proposta dell'unità GhostConv_OBB e del modulo C3k2_GhostConv_OBB, che integrano AAE e PECA per potenziare le caratteristiche degli oggetti ruotati mantenendo un basso numero di parametri.
3. Strategia di Implementazione: Introduzione di una strategia di sostituzione guidata dalla sensibilità del livello chiave, dimostrando che la modifica precisa alla Detection Head 11 produce un rapporto accuratezza-efficienza superiore rispetto alla sostituzione globale cieca.
4. Stabilità Numerica: Implementazione di coefficienti di fusione residua apprendibili e di un meccanismo di fallback sicuro per garantire un funzionamento robusto sui dispositivi edge.

Risultati Sperimentali
Il modello proposto è stato valutato contro vari rilevatori orizzontali e orientati (inclusi i varianti di YOLOv8, v10, v11, v12 e v26) sul set di test:

• Performance: Il modello ha raggiunto il 97,79% mAP@0.5 e il 93,95% mAP@0.5:0.95.
• Miglioramenti: Rispetto alla baseline YOLOv11n-OBB, ciò rappresenta un aumento di 4,26 punti percentuali in mAP@0.5 e un aumento di 32,27 punti percentuali in mAP@0.5:0.95.
• Efficienza: Il modello mantiene un'impronta leggera con 2,95M di parametri e 3,45 GFLOPs.
• Latenza: La latenza di inferenza è di 67,73 ms (14,76 FPS), soddisfacendo il requisito della linea di produzione di $\ge$14 FPS con un overhead minimo rispetto alla baseline (65,88 ms).
• Insight dall'Ablazione:
  • PECA è stato identificato come il principale motore per l'accuratezza della localizzazione rigorosa (migliorando il mAP@0.5:0.95 di 28,20 punti rispetto alla baseline quando usato da solo).
  • AAE ha migliorato principalmente il recall potenziando la visibilità di bordi e angoli.
  • La combinazione di AAE e PECA ha fornito benefici complementari, bilanciando il recall di rilevamento e la precisione di localizzazione.

Significatività e Rivendicazioni
Il documento afferma che il metodo proposto raggiunge un'accuratezza di localizzazione paragonabile a modelli di media scala (es. YOLOv11s-OBB) operando sotto un budget di parametri estremamente basso adatto all'implementazione edge. Evidenzia la sinergia complementare tra i moduli AAE e PECA nel migliorare sia il recall che la precisione di localizzazione. Il lavoro è presentato come un paradigma di design leggero per il rilevamento di oggetti ruotati orientato all'edge in scenari industriali, affrontando specificamente le sfide degli sfondi complessi, della stima della rotazione e della stabilità numerica su hardware vincolato. Gli autori notano che il lavoro futuro si concentrerà sul disaccoppiamento delle caratteristiche sotto occlusione severa e sulla quantizzazione INT8 per framework come TensorRT.