InsightX Agent: An LMM-based Agentic Framework with Integrated Tools for Reliable X-ray NDT Analysis

Este artigo apresenta o InsightX Agent, um novo framework baseado em Modelos Multimodais Grandes (LMM) que orquestra ferramentas especializadas para realizar análise confiável, interpretável e interativa de ensaios não destrutivos por raios-X, superando as limitações de abordagens tradicionais de aprendizado profundo.

O essencial

Imagine que você é um inspetor de qualidade em uma fábrica. Sua tarefa é olhar para raios-X de peças metálicas (como rodas de carro ou peças de avião) para encontrar defeitos invisíveis a olho nu, como pequenas rachaduras ou buracos.

Antigamente, isso era feito por humanos, o que era cansativo e sujeito a erros. Depois, vieram os computadores (Inteligência Artificial) para ajudar. Mas os computadores antigos funcionavam como "caixas pretas": eles apontavam para um defeito e diziam "Aqui tem um erro", mas não explicavam por que achavam aquilo, nem conversavam com você se você tivesse dúvidas.

O artigo "INSIGHTX AGENT" apresenta uma solução inteligente para isso. Vamos explicar como funciona usando uma analogia simples:

🕵️‍♂️ O Detetive Chefe e seus Especialistas

Pense no INSIGHTX AGENT não como um simples computador, mas como uma equipe de detetives trabalhando juntos, liderada por um "Chefe" muito esperto.

1. O Chefe (O Modelo de IA Multimodal):
   Este é o cérebro da operação. Ele é como um detetive experiente que sabe ler raios-X, entende a linguagem técnica da fábrica e sabe conversar com o operador humano. Ele não faz tudo sozinho; ele coordena a equipe.

2. O Especialista em Rastreamento (SDMSD - O Detector):
   Imagine um assistente com uma lupa superpoderosa e uma câmera de alta velocidade. Ele varre a imagem inteira rapidamente e aponta para tudo que parece suspeito, mesmo que seja muito pequeno ou esteja escondido.

   • O problema dele: Às vezes, ele é muito ansioso e aponta para coisas que não são defeitos (como sombras ou sujeira), gerando muitos "falsos positivos".

3. O Especialista em Verificação (EGR - O Crítico):
   Este é o "segundo par de olhos" mais importante. Quando o Especialista em Rastreamento aponta algo, o Chefe chama o Crítico para investigar.

   • O Crítico não apenas olha; ele reflete. Ele pensa: "Isso parece um defeito real ou é apenas uma mancha de luz?", "O tamanho faz sentido?", "Isso é um defeito comum ou algo novo?".
   • Ele pode dizer: "Esse aqui é um defeito real, mas a confiança é baixa, vamos avisar o humano para olhar de novo" ou "Esse outro é apenas uma sombra, podemos descartar".

🚀 O que torna isso especial?

A grande inovação deste trabalho é que o sistema não apenas aponta o erro, ele explica o raciocínio.

• Antes (Sistemas Antigos): O computador mostrava um quadrado vermelho e dizia "Defeito". O operador humano tinha que adivinhar se era verdade.
• Agora (INSIGHTX AGENT): O sistema diz: "Encontrei um defeito aqui. Olhe, a forma é circular e a densidade é diferente, o que indica um buraco de ar. A confiança é alta porque a borda é clara. Aqui está o relatório detalhado."

Se o operador perguntar: "Você tem certeza?", o sistema pode responder: "Bem, a evidência é forte, mas como é um defeito muito pequeno, recomendo uma verificação humana rápida."

🏆 Os Resultados

Os pesquisadores testaram esse sistema em um banco de dados real de peças fundidas (chamado GDXray+). Os resultados foram impressionantes:

• Precisão: O sistema acertou 96,54% dos casos, superando outros métodos de inteligência artificial.
• Confiança: Como ele tem um "crítico" que elimina erros, os operadores confiam mais nele.
• Interatividade: Você pode conversar com ele, pedir para ele olhar de novo ou explicar por que achou algo.

⚖️ O "Preço" da Qualidade

Há um pequeno trade-off (troca). Como o sistema precisa "pensar", analisar e escrever um relatório detalhado, ele é um pouco mais lento do que os sistemas antigos que só dão um "sim ou não" rápido.

• Analogia: É como comparar um atirador de elite que mira, calcula o vento e espera o momento perfeito (INSIGHTX) com alguém que atira rápido sem mirar muito. Para inspeção de segurança crítica (como em aviões), vale a pena esperar alguns segundos a mais para ter a certeza absoluta e um relatório claro.

Em Resumo

O INSIGHTX AGENT é como transformar um computador que apenas "aponta o dedo" em um parceiro de trabalho inteligente. Ele usa uma IA avançada para coordenar ferramentas de detecção e verificação, garantindo que os defeitos sejam encontrados com precisão, explicados com clareza e que a confiança do operador humano seja restaurada. É um grande passo para tornar a indústria mais segura e eficiente.

Resumo técnico

Resumo Técnico: INSIGHTX AGENT

1. O Problema

A Inspeção Não Destrutiva (NDT), especificamente a radiografia por raios-X, é vital para garantir a segurança e integridade de componentes industriais (como fundições, soldas e aeronaves). No entanto, os sistemas atuais baseados em Deep Learning (DL) apresentam limitações críticas:

• Falta de Interatividade e Interpretabilidade: A maioria dos modelos atua como "caixas pretas", fornecendo apenas coordenadas de caixas delimitadoras e pontuações de confiança, sem explicar por que uma região foi classificada como defeituosa.
• Falta de Autoavaliação Crítica: Os sistemas não possuem capacidade de refletir sobre seus próprios resultados, validar evidências visuais ou eliminar falsos positivos de forma inteligente.
• Limitações de Precisão em Cenários Complexos: Abordagens diretas de modelos de Linguagem Multimodal (LMMs) para localização de defeitos sofrem com alucinações (localizações incorretas) e exigem conjuntos de dados anotados pixel-perfect, que são caros e difíceis de obter na indústria.
• Baixa Confiança do Operador: A falta de transparência e a incapacidade de dialogar com o sistema dificultam a integração em fluxos de trabalho de decisão crítica.

2. Metodologia

O artigo propõe o INSIGHTX AGENT, um novo quadro de trabalho (framework) baseado em Agentes de IA que utiliza um Modelo Multimodal de Grande Escala (LMM) como orquestrador central, em vez de um simples analisador final. O sistema coordena duas ferramentas especializadas:

• A. Núcleo do Agente (LMM Adaptado):

  • Utiliza um LMM (baseado no Qwen2.5-VL de 7B parâmetros) adaptado para o domínio de NDT.
  • Emprega LoRA (Low-Rank Adaptation) para ajuste fino eficiente, preservando o conhecimento geral do modelo enquanto aprende terminologia e protocolos de NDT.
  • O treinamento ocorre em duas etapas: (1) Injeção de conhecimento declarativo (perguntas e respostas sobre NDT) e (2) Alinhamento por templates para garantir que as saídas sigam um formato estruturado e rigoroso (Detecção, Evidência, Avaliação, Recomendação).

• B. Detector de Defeitos (SDMSD - Sparse Deformable Multi-Scale Detector):

  • Uma ferramenta especializada para localização precisa de defeitos em imagens de raios-X.
  • Gera propostas densas de defeitos a partir de mapas de características multi-escala e as esparsifica usando Supressão Não Máxima (NMS).
  • Utiliza mecanismos de atenção deformável para focar computacionalmente em regiões promissoras, otimizando a detecção de pequenos e densos defeitos.
  • Atua como um gerador de "hipóteses" que devem ser validadas, não como diagnóstico final.

• C. Mecanismo de Reflexão Baseada em Evidências (EGR - Evidence-Grounded Reflection):

  • O componente inovador que transforma o agente em um sistema de raciocínio ativo.
  • O LMM revisa as propostas do SDMSD através de um protocolo estruturado de 6 etapas:
    1. Avaliação de Contexto: Análise da qualidade da imagem e padrões sistemáticos.
    2. Análise Individual de Defeitos: Verificação visual, avaliação da caixa delimitadora e confiabilidade.
    3. Eliminação de Falsos Positivos: Rejeição de artefatos de imagem, ruído ou características estruturais normais.
    4. Recalibração de Confiança: Ajuste das pontuações de confiança com base na força da evidência visual.
    5. Garantia de Qualidade: Verificação de consistência e completude.
    6. Geração de Saída: Produção de relatórios estruturados com logs de raciocínio.

3. Principais Contribuições

1. Paradigma de Raciocínio Ativo: Transição de processamento de dados passivo para um sistema agencial que planeja, usa ferramentas e reflete criticamente sobre os resultados.
2. Arquitetura Híbrida (LMM + Ferramentas Especializadas): Combina a precisão de detecção de um detector visual dedicado (SDMSD) com o raciocínio lógico e a capacidade de validação de um LMM, superando as limitações de cada um isoladamente.
3. Mecanismo EGR: Um protocolo estruturado que permite ao agente validar evidências, eliminar falsos positivos e fornecer justificativas explicáveis para cada decisão, aumentando a confiança do operador.
4. Interatividade: O sistema permite que operadores façam perguntas, solicitem esclarecimentos sobre detecções ambíguas e recebam explicações detalhadas, adaptando-se a diferentes níveis de expertise.

4. Resultados Experimentais

Os testes foram realizados no conjunto de dados GDXray+ (focado em inspeção de fundições de alumínio).

• Desempenho Quantitativo:
  • O INSIGHTX AGENT alcançou um F1-score de 96,54%, superando métodos state-of-the-art como Faster R-CNN, YOLOX-s, DINO e Deformable DETR.
  • Precisão: 94,77% (superior a todos os comparadores).
  • Recall: 98,38%.
  • O sistema demonstrou maior estabilidade (menor desvio padrão) em comparação com outros métodos.
• Ablação:
  • O uso do SDMSD sozinho resultou em alta precisão, mas sem a capacidade de validação crítica.
  • O uso apenas do LMM (grounding direto) falhou drasticamente em precisão e recall, confirmando a necessidade da arquitetura híbrida.
  • A adição do EGR ao SDMSD aumentou a precisão em 2,09% (eliminando falsos positivos) com uma redução mínima no recall, demonstrando a eficácia da validação baseada em evidências.
• Análise Qualitativa:
  • O sistema gerou relatórios detalhados explicando a base visual de cada detecção.
  • Casos de estudo mostraram a capacidade do agente de rejeitar detecções redundantes, corrigir caixas delimitadoras e classificar defeitos sutis como "Incertos" (para revisão humana) em vez de descartá-los ou aceitá-los erroneamente.

5. Significado e Impacto

• Confiabilidade Industrial: O INSIGHTX AGENT aborda a lacuna entre a alta precisão de detecção e a necessidade de interpretabilidade em ambientes industriais críticos.
• Segurança e Conformidade: Ao fornecer justificativas baseadas em evidências, o sistema facilita a conformidade regulatória e aumenta a confiança dos operadores na automação.
• Mudança de Paradigma: O trabalho estabelece um novo padrão para inspeção industrial, onde a IA não apenas "detecta", mas "diagnostica" e "explica", permitindo uma colaboração mais eficaz entre humanos e máquinas.
• Limitações e Futuro: O principal trade-off é a latência computacional (o processo de reflexão leva mais tempo que a detecção direta), o que pode limitar aplicações em tempo real de alta velocidade. Trabalhos futuros focarão em otimização de modelos (distilação, quantização) e validação com usuários reais.

Em resumo, o INSIGHTX AGENT representa um avanço significativo na automação de NDT, combinando a precisão de detectores visuais modernos com o raciocínio crítico e a transparência dos modelos de linguagem multimodal, resultando em um sistema mais confiável, explicável e pronto para a indústria.