CXS-YOLO: a lightweight bird-nest detection model for UAV inspection of overhead transmission lines

Molto in alto nel cielo, i cavi elettrici si estendono attraverso i paesaggi, trasportando elettricità verso case e città. Mantenere sicure queste linee è una sfida costante. Spesso gli uccelli costruiscono nidi sui tralicci metallici che sostengono i fili. Sebbene gli uccelli stiano semplicemente cercando una casa, i loro nidi possono causare seri problemi alla rete elettrica. I materiali presenti in un nido possono colmare il vuoto tra le parti elettriche, portando a scintille, interruzioni di corrente o persino incendi. Allo stesso tempo, le linee rappresentano un pericolo per gli uccelli stessi. Per prevenire questi problemi, le società elettriche devono trovare e rimuovere i nidi rapidamente. Per decenni, ciò è stato fatto da persone che si arampicano sui tralicci o guidano lungo le linee, ma è un metodo lento, pericoloso e difficile da applicare su vaste aree.

Negli ultimi anni, le aziende si sono rivolte ai droni, o veicoli aerei non pilotati, per volare lungo le linee e scattare fotografie. La speranza è che un computer possa guardare queste foto e individuare un nido automaticamente. Tuttavia, è più difficile di quanto sembri. Un drone potrebbe volare vicino a un traliccio, facendo apparire un nido grande e dettagliato, oppure potrebbe essere lontano, facendo apparire lo stesso nido come un minuscolo puntino di pixel. Lo sfondo è spesso congestionato da alberi, fili e dalla struttura metallica del traliccio stesso, che può apparire molto simile a un nido. Inoltre, i computer che volano sui droni sono piccoli e hanno una potenza limitata, il che significa che non possono eseguire i programmi software massicci e complessi che solitamente funzionano meglio per l'individuazione di oggetti. L'obiettivo è stato quello di trovare un modo per individuare questi nidi con precisione senza la necessità di un supercomputer.

Un team di ricercatori ha sviluppato un nuovo sistema chiamato CXS-YOLO per risolvere questo problema specifico. Sono partiti da un noto ed efficiente modello di visione artificiale e ne hanno riprogettato le parti interne per gestire le sfide uniche dei nidi di uccelli sulle linee elettriche. Invece di cercare di rendere il computer più intelligente aggiungendo complessità, lo hanno reso più attento a ciò su cui presta attenzione. I ricercatori si sono concentrati su tre debolezze principali dei sistemi di rilevamento standard: la perdita di dettagli fini quando un oggetto è lontano, la confusione causata dalla luce solare intensa o dalle ombre e lo spreco di potenza di calcolo in calcoli ridondanti.

Per risolvere il problema della perdita di dettaglio, il team ha modificato il modo in cui il computer elabora le immagini man mano che diventano più piccole. Normalmente, quando un computer rimpicciolisce un'immagine per analizzarla, semplicemente scarta i pixel, il che può cancellare i minuscoli bordi di un nido distante. Il nuovo sistema utilizza un metodo speciale che osserva il contenuto dell'immagine prima di rimpicciolirla. Decide quali parti dell'immagine sono importanti da mantenere, assicurando che anche le texture più deboli di un nido lontano siano preservate per il controllo finale. Questo permette al sistema di vedere bersagli piccoli che altri modelli potrebbero ignorare completamente.

I ricercatori hanno affrontato anche il problema della luce confondente. Nel cielo, il sole può creare punti luminosi che sembrano parti di un nido, o ombre che li nascondono. I sistemi standard vengono spesso ingannati da queste aree luminose. Il nuovo modello include una funzione che regola la luminosità della scena prima di cercare il nido. Normalizza i livelli di luce in modo che il computer si concentri sulla forma e sulla struttura dell'oggetto piuttosto che essere distratto da un riflesso o da una macchia scura. Ciò rende il sistema molto più affidabile quando il tempo cambia o quando il sole splende direttamente sul traliccio.

Infine, il team ha snellito la parte del sistema che effettua realmente la decisione. I modelli standard utilizzano spesso macchinari separati e pesanti per controllare gli oggetti a diverse dimensioni, il che spreca energia. Il nuovo design condivide il lavoro tra questi diversi controlli, utilizzando un unico processo efficiente che si adatta alla dimensione del nido che sta cercando. Ciò riduce la quantità di memoria e di potenza necessaria per l'esecuzione, rendendolo abbastanza leggero da poter volare su un drone senza rallentarlo.

Quando i ricercatori hanno testato il loro nuovo sistema, i risultati sono stati chiari. Hanno utilizzato una collezione di oltre 3.500 foto reali scattate dai droni, che includevano nidi di tutte le dimensioni e in varie condizioni meteorologiche. Il nuovo sistema ha identificato correttamente i nidi di uccelli nell'89,6% dei casi in cui ha formulato un tentativo, e ha trovato l'83,4% di tutti i nidi effettivamente presenti. Rispetto al precedente miglior modello leggero, era più accurato e trovava più nidi, pur utilizzando significativamente meno potenza di calcolo. Nello specifico, richiedeva il 57,1% in meno di componenti di memoria e utilizzava il 31,7% in meno di energia di elaborazione.

La vera prova è arrivata quando hanno eseguito il sistema su hardware reale. Su un potente computer desktop, ha elaborato quasi 36 immagini al secondo. Su un normale laptop, ne ha gestite circa 18 al secondo. Ancora più impressionante, su una piccola scheda computer a basso costo, simile a quelle usate per progetti amatoriali, è riuscito comunque a elaborare più di 6 immagini al secondo. Questa velocità è sufficiente per guardare un feed video in diretta da un drone e individuare un nido in tempo reale. I ricercatori hanno costruito un prototipo dell'interfaccia software, dimostrando che è in grado di caricare immagini, eseguire il rilevamento e visualizzare i risultati istantaneamente.

Lo studio conclude che questo nuovo approccio offre una soluzione pratica per mantenere sicure le linee elettriche. Riprogettando attentamente il modo in cui il computer vede ed elabora l'immagine, il team ha creato uno strumento che è sia intelligente che efficiente. Non dipende da una potenza di calcolo massiccia, il che significa che può essere implementato sui piccoli droni che le società elettriche utilizzano già. Ciò consente ispezioni più rapide, sicure e frequenti della rete elettrica, proteggendo sia l'approvvigionamento di elettricità che gli uccelli che vivono nelle vicinanze. Il lavoro dimostra che, con i giusti accorgimenti, anche computer semplici possono risolvere problemi visivi complessi nel mondo reale.