SWCB-YOLO: Toward Robust and Real-Time Wind Turbine Blade Defect Detection in Unstructured Natural Environments

Sintesi Tecnica: SWCB-YOLO per il rilevamento di difetti nelle pale di turbine eoliche

Problematica
L'ispezione tramite veicoli aerei non pilotati (UAV) è una strategia standard per la manutenzione delle pale delle turbine eoliche; tuttavia, l'implementazione di detector basati sul deep learning nelle parchi eolici operativi affronta tre sfide critiche che degradano l'accuratezza:

1. Interferenza Ambientale Non Strutturata: Le immagini di ispezione soffrono di interferenze di texture ad alta frequenza causate da riflessi di luce, copertura nuvolosa e vegetazione al suolo, portando a tassi elevati di falsi positivi e mancate rilevazioni.
2. Difetti ad Alto Rapporto d'Aspetto: Le crepe nelle pale sono spesso sottili e biforcanti. Le reti convoluzionali standard hanno campi ricettivi locali limitati, mentre i vision transformer con finestre quadrate tendono a troncare la struttura continua di questi target allungati.
3. Distorsione Geometrica Non Lineare: La superficie a doppia curvatura, simile a una sella, delle pale delle turbine causa deformazioni non lineari quando le crepe vengono proiettate su un piano immagine 2D. Le perdite di regressione del bounding box standard mancano della capacità di allineamento geometrico per gestire queste distorsioni, in particolare nelle zone ad alta curvatura come le punte delle pale.

Metodologia: SWCB-YOLO
Gli autori propongono SWCB-YOLO, un rilevatore di bordi leggero costruito sulla base di YOLOv11n, progettato per operare entro i vincoli computazionali e in tempo reale delle piattaforme edge per UAV (specificamente NVIDIA Jetson Xavier NX). Il framework integra tre componenti principali:

1. Modulo Asymmetric Strip Swin-TransformerV2 (AS-Swin2):

   • Meccanismo: Questo modulo sostituisce la standard attenzione a finestra quadrata con un meccanismo di Asymmetric Strip Window Attention (ASWA). Mantiene le standard finestre quadrate locali implementando al contempo partizioni asimmetriche verticali ($M^2 \times 1$) e orizzontali ($1 \times M^2$) parallele.
   • Funzione: Questi campi ricettivi a strisce ortogonali si allineano con l'orientamento delle crepe sottili, catturando dipendenze a lungo raggio a livello di pixel lungo l'asse della crepa. Incorpora un bias di posizione continuo logaritmico direzionale riparametrizzato (Log-CPB) per sopprimere il rumore di fondo e amplificare i gradienti dei bordi delle crepe.
   • Costo: Mitiga il troncamento strutturale tipico delle finestre quadrate con un costo computazionale minimo aggiuntivo.

2. Attenzione Dual-Domain Spazio-Frequenza (FS-DDA):

   • Meccanismo: Un modulo a basso overhead che incaschetta il pesatura dei canali spettrali tramite 2D Discrete Cosine Transform (2D-DCT) direttamente in uno stadio di attenzione spaziale a grande campo ricettivo su un singolo backbone.
   • Funzione: Decouple (decoupla) il disordine ambientale ad alta frequenza (es. vegetazione, riflessi) dai deboli bordi dei difetti. Il ramo spettrale attenua il rumore ad alta frequenza, mentre il successivo ramo spaziale raffina la continuità geometrica. Questo approccio dual-domain separa gli sfondi a bassa frequenza dai bordi anomali ad alta frequenza in modo più efficace rispetto ai meccanismi di attenzione basati solo sui canali.

3. Perdita Curvature-Aware Shape IoU (CA-Shape-IoU):

   • Meccanismo: Una perdita di localizzazione utilizzata solo durante l'addestramento che deriva la supervisione dalla morfologia sottostante della crepa piuttosto che dal semplice bounding box allineato agli assi.
   • Componenti: Utilizza campi offline precalcolati dalle maschere poligonali di ground-truth:
     • Pesi di curvatura di Bézier: Applicano penalità di gradiente più elevate nelle regioni ad alta curvatura (es. punte delle pale) per correggere la deriva.
     • Campo di distanza dello scheletro di Voronoi: Tira i confini del box predetto verso lo scheletro reale della crepa per ridurre i falsi positivi nelle biforcazioni.
     • Vincolo di allungamento: Impone l'accuratezza della scala per i target con rapporti d'aspetto estremi ($r > 8$).
   • Impatto sull'inferenza: Poiché i termini morfologici sono precalcolati e applicati solo durante l'addestramento, la testa di rilevamento rimane invariata e non vi è alcun costo aggiuntivo in fase di inferenza.

Contributi Chiave

1. Perdita di Addestramento Derivata dalla Morfologia: Il paper introduce CA-Shape-IoU, un criterio di allineamento geometrico che supervisiona i bounding box allineati agli assi utilizzando campi di curvatura e di distanza dello scheletro precalcolati. Ciò è distinto dalle precedenti perdite basate sulla forma che si affidano alla sola geometria del box o alle perdite basate sullo scheletro di segmentazione che richiedono teste di segmentazione al tempo dell'inferenza.
2. Backbone Anisotropico Specifico per il Task: Il modulo AS-Swin2 affronta specificamente il troncamento dei difetti sottili combinando finestre quadrate standard con partizioni a strisce ortogonali e codifica posizionale adattiva alla direzione all'interno di un blocco SwinV2.
3. Raffinamento Dual-Domain a Basso Overhead: Il meccanismo FS-DDA raggiunge la separazione frequenza-spazio senza un secondo backbone di frequenza, incaschettando la pesatura spettrale nell'attenzione spaziale per mantenere un design a singolo backbone e bassa latenza.
4. Protocollo di Valutazione Rigoroso: Per garantire un confronto equo, tutti i detector baseline e concorrenti sono stati riaddestrati da zero sotto un protocollo identico (stessi split dei dati, risoluzione di input, ottimizzatore e iperparametri) su un dataset di campo che copre un intero ciclo annuale. Il metodo è stato inoltre validato su tre benchmark aperti (NEU-DET, DAGM, VisDrone-2019).

Risultati
Valutato su un dataset di campo proprietario di 5.707 immagini da un parco eolico da 1.5MW:

• Accuratezza: SWCB-YOLO ha raggiunto l'89.0% mAP@50 e il 66.4% mAP@50:95. Ciò rappresenta un miglioramento di 13.8 punti percentuali in mAP@50 e di 25.3 punti percentuali in mAP@50:95 rispetto alla baseline YOLOv11n.
• Efficienza: Il modello gira a 35 FPS su un NVIDIA Jetson Xavier NX con 3.70M parametri e 8.70 GFLOPs.
• Approfondimenti dall'Ablation Study:
  • Il backbone AS-Swin2 ha contribuito alla maggior parte del guadagno (~87% del miglioramento del mAP@50).
  • FS-DDA ha fornito un raffinamento complementare, particolarmente in condizioni con molta vegetazione o foschia, recuperando il recall perso dal filtraggio in frequenza.
  • CA-Shape-IoU ha specificamente migliorato la localizzazione ad alto IoU (mAP@50:95), correggendo la deriva geometrica senza aumentare la latenza.
• Generalizzazione Cross-Dataset: Il modello ha dimostrato un trasferimento positivo a NEU-DET (+7.2% mAP), DAGM (+4.6% mAP) e VisDrone-2019 (+3.8% mAP), sebbene i guadagni siano diminuiti all'aumentare della distanza del dominio, coerentemente con la natura specializzata dei moduli.
• Significatività Statistica: I test t accoppiati e i test di Wilcoxon signed-rank hanno confermato che i miglioramenti delle prestazioni rispetto alle baseline sono statisticamente significativi ($p < 0.001$).

Significato e Rivendicazioni
Il paper sostiene che SWCB-YOLO affronti il vuoto specifico del rilevamento di difetti minori ed allungati su superfici a doppia curvatura in ambienti naturali non strutturati, mantenendo al contempo l'inferenza in tempo reale su dispositivi edge.

• Robustezza: Integrando il filtraggio nel dominio della frequenza e l'attenzione anisotropa, il modello sopprime efficacementamente i falsi positivi causati da sfondi complessi (vegetazione, riflessi) che tipicamente affliggono i detector standard.
• Precisione Geometrica: La perdita CA-Shape-IoU dimostra che l'incorporazione di priori morfologici offline (curvatura e distanza dello scheletro) può migliorare significamente l'allineamento del bounding box per target curvi senza incorrere in penalità di inferenza.
• Implementazione Pratica: Il framework bilancia accuratezza e vincoli di risorse, offendo una soluzione valida per l'ispezione automatizzata delle pale tramite UAV dove è richiesta un'alta precisione insieme a rigidi budget di latenza e potenza.

Gli autori segnalano limitazioni, tra cui la dipendenza dalle annotazioni a livello di poligono per la perdita CA-Shape-IoU (sebbene il metodo rimanga robusto a una moderata semplificazione delle annotazioni) e il potenziale eccessivo livellamento (over-smoothing) in scenari che combinano motion blur estremo con nebbia. Il lavoro futuro è diretto verso la riduzione della dipendenza dalle annotazioni tramite apprendimento semi-supervisionato e l'esplorazione della fusione multimodale.