A reconfigurable smart camera implementation for jet flames characterization based on an optimized segmentation model

Título: Implementação de uma Câmera Inteligente Reconfigurável para Caracterização de Chamas de Jato Baseada em um Modelo de Segmentação Otimizado

1. Problema e Motivação

O setor químico e industrial enfrenta riscos crescentes de acidentes graves, sendo os incêndios de jato (jet fires) uma ameaça específica e frequentemente subestudada, especialmente com o aumento do transporte e armazenamento de combustíveis de alta pressão (como hidrogênio).

• Desafio Atual: A maioria das soluções de monitoramento depende de modelos físicos (CFD) ou empíricos, que são computacionalmente pesados ou simplificados. Abordagens baseadas em Visão Computacional e Deep Learning (DL) existentes são geralmente executadas em cloud ou em servidores offline, o que introduz latência inaceitável para alertas em tempo real.
• Necessidade: Há uma lacuna crítica para sistemas de processamento na borda (edge) que possam realizar segmentação e caracterização geométrica de chamas em tempo real, diretamente no dispositivo de captura, sem depender de transmissão de dados massiva para a nuvem.

2. Metodologia

Os autores propuseram um framework completo para uma câmera inteligente baseada em FPGA (Field-Programmable Gate Array) de System-on-Chip (SoC).

• Hardware: Utilizou-se a plataforma Ultra96v2 (Xilinx Zynq UltraScale+ MPSoC), que integra um Processador de Sistema (PS - ARM) para gerenciamento do sistema operacional e uma Lógica Programável (PL) para aceleradores de hardware.
• Modelo de IA: A arquitetura base escolhida foi o UNet para segmentação semântica. O objetivo era dividir a chama de jato em três zonas de temperatura distintas (núcleo, zona de reação e periferia) para caracterização geométrica.
• Otimização do Modelo (Pipeline de Desenvolvimento):
  1. Treinamento: Dois modelos foram treinados inicialmente. Um com redução de filtros e outro adicionando Batch Normalization (BN). Foram utilizados dados de infravermelho (IR) de chamas de propano.
  2. Quantização: O modelo de precisão total foi convertido para precisão de 8 bits usando o framework Vitis AI da Xilinx, aplicando Equalização de Camadas Cruzadas (CLE) para manter a acurácia.
  3. Poda (Pruning): Utilizou-se a técnica de poda grosseira (baseada na métrica APoZ - Average Percentage of Zeroes) para remover filtros redundantes, reduzindo drasticamente o número de parâmetros.
  4. Implantação: O modelo quantizado e podado foi compilado para o DPU (Deep Learning Processor Unit) da Xilinx, um acelerador de IA integrado ao FPGA.
• Arquitetura de Software: Para superar gargalos de latência, implementou-se uma abordagem de multithreading. O fluxo de processamento (captura, pré-processamento, inferência no DPU e pós-processamento) foi paralelizado usando filas de comunicação, permitindo que as etapas ocorressem simultaneamente.

3. Principais Contribuições

• Framework de Câmera Inteligente na Borda: Demonstração prática de um sistema completo que executa processamento de vídeo e inferência de IA inteiramente no dispositivo, eliminando a latência de rede.
• Otimização Extrema de Modelo: Redução de um modelo UNet de 7,5 milhões de parâmetros para apenas 59.095 parâmetros (uma redução de 125x) através da combinação de quantização, poda e uso de Batch Normalization, mantendo a precisão.
• Pipeline de Otimização para FPGA: Uso eficaz do fluxo de ferramentas Vitis AI para mapear modelos complexos de segmentação em recursos limitados de FPGA, explorando a execução massivamente paralela.
• Caracterização Geométrica em Tempo Real: O sistema não apenas segmenta a imagem, mas extrai automaticamente parâmetros geométricos críticos: altura da chama, distância de descolamento (lift-off) e área da chama.

4. Resultados

• Desempenho de Precisão:
  • O modelo otimizado com Batch Normalization e função de perda Cross Entropy superou o modelo de referência (precisão total), atingindo um Dice Score de 0,973 (vs. 0,974 do modelo original).
  • A redução de parâmetros foi de 99% sem perda significativa de acurácia na segmentação.
• Desempenho Computacional:
  • Latência: A latência de inferência no DPU foi reduzida de ~0,168s para 0,023s.
  • Taxa de Quadros (FPS): O sistema alcançou 29,94 FPS (aproximadamente 30 FPS) com a abordagem de multithreading, atendendo aos requisitos de tempo real (acima de 24 FPS).
  • Comparação: O desempenho foi comparável ao de modelos de ponto flutuante executados em GPUs, mas com consumo de energia e latência muito menores.
• Precisão Geométrica:
  • A extração de características geométricas (altura, área, lift-off) apresentou erros baixos (MAPE de 1,2% para altura e 2,4% para lift-off), superando modelos de precisão total anteriores.

5. Significado e Impacto

• Segurança Industrial Proativa: A solução permite a detecção e caracterização instantânea de condições perigosas diretamente no local do incidente, permitindo respostas automáticas (como parada de emergência) sem depender de análise centralizada demorada.
• Viabilidade Econômica e Escalabilidade: Ao utilizar hardware reconfigurável de baixo custo (FPGA) e otimização de software, o sistema torna viável a implantação de múltiplas câmeras inteligentes em várias instalações industriais, escalando a segurança sem sobrecarregar recursos de computação central.
• Avanço em Edge AI: O trabalho valida que tarefas computacionalmente intensivas, como segmentação de vídeo em tempo real, podem ser executadas eficientemente em dispositivos de borda com recursos limitados, abrindo caminho para aplicações mais complexas em IoT industrial (IIoT).

Em resumo, o artigo apresenta uma solução robusta e validada experimentalmente que une avanços em otimização de redes neurais e hardware reconfigurável para resolver um problema crítico de segurança industrial, transformando câmeras passivas em sensores inteligentes autônomos.