An Intelligent YOLO26-Based Early Warning Framework for Drone Detection in Critical Infrastructure Surveillance

Sintesi Tecnica: Un Framework di Allerta Precoce Intelligente Basato su YOLO26 per il Rilevamento di Droni nella Sorveglianza di Infrastrutture Critiche

Definizione del Problema
La proliferazione dei Veicoli Aerei Non Presidiati (UAV) presenta significativi rischi per la sicurezza delle infrastrutture critiche, inclusi aeroporti, impianti petroliferi e gasdotti, e zone riservate. I metodi tradizionali di contro-UAS, che si affidano a radar, monitoraggio delle radiofrequenze (RF), sensori acustici o osservazione manuale tramite CCTV, soffrono di limitazioni quali l'elevato costo, la suscettibilità ambientale (ad esempio, rumore, condizioni meteorologiche) e la mancanza di scalabilità. Sebbene la computer vision offra un'alternativa pratica sfruttando le telecamere di sorveglianza esistenti, il rilevamento dei droni rimane tecnicamente complesso. I droni appaiono spesso come oggetti piccoli e veloci con sfocatura da movimento (motion blur), basso contrasto rispetto a sfondi complessi (nuvole, paesaggi urbani) e somiglianze visive con uccelli, aeroplani o elicotteri. Gli approveri esistenti basati sul deep learning spesso non riescono a bilanciare l'alto richiamo (rilevare tutte le minacce) con bassi tassi di falsi positivi in tempo reale, e molti mancano di una logica operativa specifica per l' "allerta precoce" prima che un drone entri in una zona sensibile.

Metodologia
Questo studio propone un framework sperimentale che utilizza l'architettura di deep learning YOLO26 per il rilevamento di droni e l'allerta precoce in tempo reale. La metodologia prevede i seguenti componenti chiave:

• Costruzione del Dataset: Un dataset personalizzato è stato assemblato da repository pubblici e video di sorveglianza sintetici/reali, comprendente circa 3.200 immagini annotate e 10.000 istanze. Il dataset include cinque classi: drone, uccello, aeroplano, elicottero e oggetto volante di sfondo. Le immagini coprono diverse condizioni: distanze variabili, altitudini, illuminazione (simulazione giorno/notte), meteo (nuvoloso) e sfocatura da movimento.
• Data Augmentation: Per migliorare la generalizzazione, il set di addestramento è stato ampliato a circa 10.000 immagini utilizzando tecniche di augmentation online, tra cui l'iniezione di rumore Gaussiano (per simulare CCTV di bassa qualità) e la conversione in scala di grigi (per simulare telecamere monocromatiche/notturne).
• Architettura del Modello: Lo studio utilizza YOLO26, un modello di rilevamento oggetti unificato in tempo reale che presenta un'architettura a doppia testa per l'inferenza end-to-end senza Non-Maximum Suppression (NMS). Le principali caratteristiche tecniche sfruttate includono:
  • Small Target Aware Label Assignment (STAL): Per migliorare l'apprendimento di oggetti piccoli e distanti.
  • Loss Progressiva: Per spostare la supervisione verso la testa di rilevamento.
  • Inferenza NMS-free: Per ridurre la latenza di post-elaborazione.
• Configurazione dell'Addestramento: Il modello è stato addestrato per 50 epoche utilizzando il transfer learning da pesi pre-addestrati COCO su una GPU NVIDIA T4. L'addestramento ha impiegato un tasso di apprendimento di 0,01 con annealing del coseno e early stopping (pazienza di 10).
• Logica di Allerta Precoce: Oltre al semplice rilevamento, il framework implementa un sistema di allerta basato su regole. Gli avvisi vengono scalati in base alla confidenza del rilevamento, alla persistenza del frame (rilevamento ripetuto attraverso i frame) e al movimento dell'oggetto verso zone riservate.
• Valutazione: Le prestazioni sono state messe a confronto con modelli baseline (inclusi CNN standard, YOLOv8 e YOLO11) utilizzando metriche come Mean Average Precision (mAP), Precision, Recall, F1-Score, Frame Per Second (FPS) e tassi di falsi allarmi.

Risultati Chiave
Il modello YOLO26 ha dimostrato prestazioni robuste sul set di test tenuto da parte:

• Accuratezza Complessiva: Ha raggiunto un mAP aggregato del 98,4% e un F1-Score del 98,3%.
• Prestazioni Specifiche per Classe:
  • Classe Drone: 99,3% Precision, 100% Recall, 99,5% mAP.
  • Classe Elicottero: 99,9% Precision, 100% Recall, 99,5% mAP.
  • Classe Uccello: 5,9% Precision, 93,7% Recall, 95,9% mAP (mostrando la difficoltà attesa nel distinguere gli uccelli dai droni).
• Convergenza: La curva di addestramento ha esibito un pattern caratteristico "dip-then-rise" durante le prime epoche (attribuito all'adattamento del dominio dai pesi generali COCO al dataset specializzato sui droni) prima di stabilizzarsi rapidamente. Al termine dell'epoca 50, il modello ha raggiunto un picco di mAP del 98,91%.
• Validazione in Tempo Reale: Il sistema ha elaborato con successo flussi video, generando bounding box ed elevando gli stati di allerta (da "Osservazione" a "Allerta Critica") in base alla confidenza e alla persistenza, dimostrando la fattibilità per il monitoraggio continuo.

Contributi Chiave

1. Framework Innovativo: Sviluppo di un sistema integrato che combina il rilevamento YOLO26 con una logica operativa di allerta precoce, colmando il divario tra il semplice rilevamento e gli avvisi di sicurezza azionabili.
2. Dataset Specializzato: Creazione di un dataset di sorveglianza multi-classe per droni, specificamente annotato per distinguere i droni da oggetti aerei visivamente simili (uccelli, aeroplani) in condizioni difficili.
3. Ottimizzazione per Oggetti Piccoli: Dimostrazione dell'efficacia di YOLO26 nel rilevare piccoli bersagli distanti in ambienti complessi, sfruttando i meccanismi STAL e la Loss Progressiva.
4. Valutazione Comprensiva: Valutazione del sistema non solo su metriche di rilevamento standard (mAP, F1), ma anche su metriche operative rilevanti per la sicurezza, come la riduzione dei falsi allarmi e la logica di escalation dell'allerta.

Significatività e Rivendicazioni
L'articolo afferma che il framework proposto offre una soluzione scalabile e conveniente per la sorveglianza delle infrastrutture critiche, utilizzando l'infrastruttura CCTV esistente invece di richiedere l'implementazione di nuovi ed costosi sensori. Gli autori sostengono che le specifiche caratteristiche architettoniche di YOLO26 (inferenza NMS-free, STAL) lo rendano particolarmente adatto alle doppie sfide del rilevamento di piccoli oggetti e della elaborazione in tempo reale a bassa latenza.

Lo studio conclude che, sebbene il sistema raggiunga un'elevata accuratezza, esso è più adatto ad ambienti in cui è richiesta la conferma visiva. Gli autori riconoscono con modestia i limiti, notando che la somiglianza visiva tra droni e uccelli rimane una fonte di falsi positivi e che condizioni meteorologiche estreme o punti ciechi potrebbero ancora necessitare della fusione di sensori (ad esempio, con radar o RF) per applicazioni ad alta sicurezza. Il contributo primario è la validazione di YOLO26 come backbone ad alte prestazioni e fattibile per sistemi proattivi di allerta precoce per droni guidati dall'IA.