N-EIoU-YOLOv9: A Signal-Aware Bounding Box Regression Loss for Lightweight Mobile Detection of Rice Leaf Diseases

技術要約：イネ葉病害検出のための N-EIoU-YOLOv9

問題提起
イネの葉の病害を正確かつ早期に検出することは精密農業において極めて重要であるが、リソース制約のあるモバイルデバイスに高性能な物体検出モデルをデプロイすることは依然として困難である。特に、初期段階の「葉枯病（Leaf Blast）」や「褐斑病（Brown Spot）」は、病原体が画像領域の5%未満を占める極めて小さな壊死斑として現れるため、「小物体検出（small object detection）」の問題を提示する。これらのターゲットは、背景ノイズ（土壌の飛散物や破片など）に対して極端な視覚的曖昧さを伴う。

著者らは、この領域に適用される標準的なバウンディングボックス回帰損失、特に Complete IoU (CIoU) における2つの決定的な限界を特定している：

1. 困難なサンプルにおける勾配消失： 標準的な IoU ベースの損失は、線形な勾配減衰を示す。予測ボックスと正解（ground-truth）ボックスの重なりが低い場合（小さな病変でよく見られる）、勾配信号が弱くなりすぎ、効果的な学習を駆動できず、モデルが困難なサンプルを無視する原因となる。
2. 幾何学的結合： CIoU のアスペクト比ペナルティ項は、幅と高さに対して結合された勾配を導入する。予測ボックスが正解のボックスと比例してスケールしても、サイズ自体が誤っている場合、ペナルティが消失し、位置誤差を修正できない。これにより、幅の最適化が意図せず高さの悪化を招くという「シーソー現象」が生じ、収束を妨げる。

手法
本論文では、新しい信号認識型バウンディングボックス回帰損失関数である N-EIoU (Non-monotonic Efficient Intersection over Union) を中心とした軽量検出フレームワーク、N-EIoU-YOLOv9 を提案する。このアプローチは、推論レイテンシと性能のバランスから選択された YOLOv9t (Tiny) アーキテクチャに統合されており、深層レイヤーでの特徴消失を防ぐために Programmable Gradient Information (PGI) を活用している。

核心となる革新技術である N-EIoU は、ハイブリッド損失関数として定式化されている：
$$L_{N-EIoU} = L_{N-IoU} + L_{dis} + L_{asp}$$

• 信号増幅 (N-IoU): 勾配消失に対処するため、標準的な IoU 項を N-IoU に置き換える。非単調勾配フォーカスの原理から導出された N-IoU は、勾配曲線を再形成し、困難なサンプル（低重なり、$0.1 < IoU < 0.4$）に対する信号を増幅させる。これは、最適化中に小さな、あるいは位置がずれたボックスを優先する非線形フィルタとして機能する。
• 幾何学的デカップリング (EIoU): 勾配干渉を解決するため、アスペクト比のペナルティを Efficient IoU (EIoU) 由来の独立した次元ペナルティに置き換える。これにより、幅と高さの最適化を分離し、$(w - w_{gt})^2$ と $(h - h_{gt})^2$ を独立して最小化することで、「シーソー現象」を回避する。

信号処理の観点から、N-EIoU は単なる幾何学的指標ではなく、最適化の安定性を維持しながら、回帰エネルギーを困難な低重なりサンプルへと再分配する勾配形成メカニズムとして記述される。

主な貢献

1. N-EIoU の提案： 非単調勾配フォーカスと幾何学的デカップリングを明示的に結合させた新しい損失関数の提案。これは、困難な小物体サンプルを優先しつつ、安定した収束を保証するように回帰勾配を再形成するように設計されている。
2. 理論的および実証的分析： 著者らは、N-EIoU がクラス不均衡および低重なり条件下において位置精度を大幅に向上させることを示す詳細な分析を提供している。勾配シミュレーションにより、N-EIoU が CIoU の線形減衰と比較して、低 IoU 領域でより大きな勾配を生成することが確認されている。
3. エッジデプロイメントの検証： 本研究は、最適化されたモデルを Float16 量子化を用いた TensorFlow Lite を使用して Android デバイスにデプロイすることで、このアプローチの実用性を検証している。これは、提案された損失関数が精度だけでなく、積極的なモデル圧縮下での堅牢性も向上させることを示している。

実験結果
モデルは、4つの病害カテゴリー（葉枯病、褐斑病、葉巻病、黄化病）および健全な葉を含む 5,908 枚のイネの葉の画像で構成される自作データセット DUNG_BK6s_RiceLeafDiseases で評価された。

• 性能指標： N-EIoU-YOLOv9t モデルは mAP@50 で 90.3% を達成し、ベースラインである CIoU モデル（86.0%）に対して 4.3% の相対的な向上 を示した。
• 位置精度： mAP@50–95 においても大幅な向上が観察され（42.9% から 48.9% へ増加）、これはよりタイトで正確なバウンディングボックスを示している。
• クラス別利得： 最も顕著な改善は「困難なサンプル」のクラスで見られた。褐斑病については、mAP が 84.0% から 89.5% に上昇した。葉枯病も改善が見られたが、両クラスともその小ささと低コントラストのため、葉巻病や黄化病のような構造的な病害よりも依然として困難な課題であった。
• モバイルデプロイメント： 量子化されたモデル (Float16) は VSmart Active 3 スマートフォンにデプロイされた。モデルは 90.2% mAP（わずか 0.1% の低下）を維持し、平均推論時間は 1フレームあたり 156 ms（約 6 FPS）であった。

意義と主張
本論文は、本研究の主要な意義は、バウンディングボックス回帰を 信号認識型の最適化問題 として再定式化したことにあると主張している。幾何学的なヒューリスティックのみに依存するのではなく、提案された N-EIoU は、困難な低重なりサンプルを優先するように勾配の大きさと方向を明示的に形成する。

著者らは、このアプローチが位置精度、最適化の安定性、および計算効率の間の効果的なバランスを提供すると断言している。農業用画像における小物体検出の特定の課題に対処し、エッジデバイス上でソリューションを検証することで、本研究は、農家が圃場でイネの病害を診断するための、オフライン利用可能な実用的なツールを提供する。研究は、現在のフレームレート（6 FPS）は高速なビデオ処理には不十分であるが、静止画の診断には適しており、理論的な損失関数の改善と現実世界の農業モニタリングとの間の溝を埋めるものであると結論付けている。