Distilled Edge Intelligence for Bolt Defect Detection in Communication Towers

Sintesi Tecnica: Intelligenza di Bordo Distillata per il Rilevamento di Difetti nei Bulloni di Torri di Comunicazione

Problematica
Il documento affronta la sfida di implementare modelli di deep learning ad alta accuratezza per il rilevamento di difetti nei bulloni (nello specifico, allentamento e corrosione) su dispositivi edge con risorse limitate presso i siti delle torri di comunicazione. Esiste un compromesso fondamentale tra accuratezza ed efficienza: i modelli lato cloud offrono un rilevamento affidabile ma comportano costi di latenza di trasmissione e larghezza di banda proibitivi, mentre i modelli edge leggeri riducono il consumo di risorse ma spesso soffrono di una scarsa capacità di richiamo (recall) sulle classi minoritarie (bulloni allentati e corrosi), che sono critiche per la sicurezza. Inoltre, i dataset raccolti sul campo presentano un estremo squilibrio di classe (dominati da campioni normali) e i difetti presentano pattern visivi eterogenei (deformazione geometrica per l'allentamento rispetto a cambiamenti di texture per la corrosione) che sono difficili da catturare con una singola modalità di imaging.

Metodologia
Gli autori propongono un Framework di Intelligenza di Bordo Distillata che integra la percezione ad alta accuratezza lato cloud con l'inferenza leggera lato edge attraverso tre componenti principali:

1. Modello Teacher Dual-Stream Eterogeneo:

   • Un modello teacher basato su cloud ($M_t$) utilizza un'architettura dual-stream che fonde la texture RGB e la geometria della profondità monoculare. Le mappe di profondità sono generate da immagini RGB singole utilizzando un modello foundation pre-addestrato (Depth Anything), evitando la necessità di sensori di profondità dedicati.
   • Per gestire l'estremo squilibrio di classe, il teacher è addestrato con una focal loss consapevole dei difetti (defect-aware focal loss) che amplifica il peso della classe "Allentato" (Loose) e impiega soglie decisionali specifiche per classe.

2. Strategia di Addestramento in Due Fasi per il Modello Student:

   • Fase 0 (Selezione dell'Architettura): Un'architettura student leggera ($M_s$) viene selezionata da una famiglia di candidati (ad esempio, varianti di MobileNetV2) sulla base di rigidi budget di risorse (parametri, FLOPs e memoria) prima dell'inizio dell'addestramento. Negli esperimenti, è stata selezionata MobileNetV2-0.5× per adattarsi a un nodo edge dotato solo di CPU.
   • Fase 1 (Distillazione della Conoscenza): Lo student viene addestrato utilizzando la distillazione della conoscenza basata sui logit (a livello di risposta) piuttosto che la distillazione a livello di feature. Gli autori hanno riscontrato empiricamente che la distillazione a livello di feature degradava il richiamo delle classi minoritarie perché le feature intermedie del teacher erano dominate dalla classe maggioritaria "Normale", rinforzando il bias. Invece, lo student apprende dalle predizioni dei logit ammorbiditi (scalati con $T^2$) del teacher combinati con una focal loss, recuperando efficacemente la capacità di riconoscimento dei difetti del teacher a una frazione del suo costo computazionale.

3. Inferenza Collaborativa Edge-Cloud Consapevole della Confidenza:

   • Il sistema impiega una politica di offloading asimmetrica. Il modello edge agisce come un "filtro conservativo per i campioni normali".
   • Elaborazione Locale: Se il modello edge predice "Normale" con alta confidenza (sopra una soglia $\tau$), il campione viene risolto localmente.
   • Offloading al Cloud: Se la predizione è "Allentato" o "Corroso", o se la confidenza per "Normale" è bassa, il campione viene inviato al cloud per la verifica tramite il modello teacher.
   • Questo meccanismo è governato da un processo di selezione della soglia vincolato al rischio che ottimizza la latenza pur imponendo un vincolo rigido su un valore minimo di richiamo dei difetti ($R_{min}$).

Contributi Chiave

1. Integrazione del Framework: Un framework unificato che combina la percezione ad alta accuratezza lato cloud con l'inferenza leggera lato edge specificamente per l'ispezione dei bulloni delle torri di comunicazione.
2. Addestramento in Due Fasi: Una strategia che separa la soddisfazione del vincolo strutturale delle risorse (selezione dell'architettura) dall'ottimizzazione delle prestazioni (distillazione della conoscenza), utilizzando la distillazione basata sui logit per migliorare il richiamo delle classi minoritarie senza l'allineamento a livello di feature.
3. Collaborazione Sensibile al Rischio: Un meccanismo di inferenza consapevole della confidenza che tratta il modello edge come un filtro per i campioni normali, effettuando l'offloading solo dei campioni incerti o potenzialmente difettosi verso il cloud per bilanciare l'uso della larghezza di banda con l'affidabilità del rilevamento critico per la sicurezza.

Risultati Sperimentali
Gli esperimenti sono stati condotti su un dataset raccolto sul campo di 3.886 immagini (75% Normale, 9,5% Allentato, 13,5% Corroso).

• Prestazioni del Teacher: Il teacher dual-stream ha raggiunto un'accuratezza bilanciata di 0,9308 e un richiamo della corrosione di 0,988, gestendo efficacemente lo squilibrio di classe.
• Efficacia della Distillazione: La distillazione basata sui logit ha migliorato significativamente il modello student. Il richiamo per "Allentato" è aumentato da 0,365 (student non distillato) a 0,692 (+32,7 punti percentuali), e l'accuratezza bilanciata è salita da 0,618 a 0,735.
• Efficienza Edge: Il modello student distillato (MobileNetV2-0.5×) ha raggiunto 56,8 FPS su un nodo edge dotato solo di CPU (inclusa la stima della profondità), soddisfacendo i requisiti di tempo reale.
• Prestazioni Collaborative:
  • A un punto operativo bilanciato ($\tau=0,75$), il sistema ha raggiunto un'accuratezza bilanciata di 0,923 (solo 0,8 pp sotto il cloud-only) riducendo il rapporto di upload al cloud all'80,8% e la latenza a 48,48 ms.
  • A un punto prioritario per la sicurezza ($\tau=0,90$), il sistema ha ottenuto zero perdite locali di difetti (nessun falso negativo risolto all'edge) con un rapporto di upload del 98,7%, quasi eguagliando le prestazioni del cloud-only.

Significatività e Rivendicazioni
Il documento sostiene che il framework proposto naviga efficacemente il compromesso tra accuratezza, latenza e larghezza di banda inerente all'ispezione delle torri basata su edge. Utilizzando un modello distillato leggero come filtro conservativo, il sistema raggiunge un'accuratezza di rilevamento vicina a quella del cloud, riducendo significativamente la trasmissione dati non necessaria. Gli autori sottolineano che questo approccio è particolarmente adatto per compiti critici per la sicurezza dove i falsi negativi sono inaccettabili, dimostrando che combinare la distillazione della conoscenza con la collaborazione edge-cloud consapevole della confidenza è una soluzione percorribile per implementare l'ispezione visiva ad alta precisione su dispositivi edge con risorse limitate. Lo studio non pretende di risolvere tutte le sfide dell'edge computing, ma mira specificamente a colmare il divario tra accuratezza ed efficienza nel monitoraggio della salute strutturale sotto estremo squilibrio di classe.