ResAF-Net: An Anchor-Free Attention-Based Network for Tree Detection and Agricultural Mapping in Palestine

1. Declaração do Problema

O artigo aborda a necessidade crítica de dados agrícolas confiáveis e em grande escala na Palestina para apoiar a segurança alimentar, o planejamento do uso da terra e a resiliência econômica. Vários desafios únicos dificultam a coleta de dados tradicional nesta região:

• Restrições Políticas e Regulatórias: Restrições rigorosas ao uso de Veículos Aéreos Não Tripulados (UAV/drones) e acesso limitado a campos tornam o monitoramento aéreo difícil.
• Complexidade Ambiental: A paisagem agrícola é altamente fragmentada, com copas de árvores pequenas e irregulares frequentemente obscurecidas por sombras ou vegetação densa.
• Escassez de Dados: Há uma falta de conjuntos de dados localmente anotados adequados para condições agrícolas mediterrâneas.
• Limitações dos Modelos Existentes: Métodos tradicionais de detecção de objetos que dependem de "caixas de âncora" (modelos de caixas delimitadoras predefinidas) lutam com a densidade, sobreposição e escalas variadas das copas de árvores encontradas nessas paisagens fragmentadas.

2. Metodologia: Arquitetura ResAF-Net

Os autores propõem a ResAF-Net, um quadro de aprendizado profundo personalizado projetado especificamente para detecção de árvores baseada em satélite em ambientes com recursos limitados. A arquitetura integra quatro módulos principais:

• Codificador (ResNet-50 + ASPP):
  • Utiliza uma espinha dorsal ResNet-50 pré-treinada para extração hierárquica de características, escolhida por seu equilíbrio entre desempenho e eficiência computacional em comparação com modelos mais pesados baseados em Transformers.
  • Integra um módulo de Agrupamento Espacial Piramidal com Taxa (ASPP) no estágio final (C5) para agregar informações contextuais em múltiplas escalas, abordando o desafio de detectar árvores em tamanhos variados e melhorando a riqueza de características.
• Fusão de Características (FPN):
  • Emprega uma Rede de Pirâmide de Características (FPN) para unificar mapas de características de diferentes dimensões de canal em uma única dimensão unificada.
  • Inclui operações de suavização para aprimorar a detecção de árvores pequenas e médias.
• Refinamento por Atenção (Autoatenção Multi-Cabeça):
  • Um módulo inovador de Autoatenção Multi-Cabeça é inserido antes da cabeça de detecção.
  • Repondera dinamicamente as características para amplificar sinais salientes de árvores enquanto suprime ruído de fundo.
  • Incorpora codificações posicionais 2D aprendíveis (embeddings de linha e coluna) em vez de senoidais fixas, proporcionando maior flexibilidade para as dimensões espaciais variáveis da pirâmide de características.
• Cabeça de Detecção sem Âncoras (FCOS):
  • Substitui a detecção baseada em âncoras tradicional por uma cabeça Fully Convolutional One-Stage (FCOS).
  • Trata a detecção como uma tarefa de previsão por pixel, prevendo:
    1. Pontuações de Classificação: Probabilidade de um centro de árvore.
    2. Desvios de Regressão: Distâncias para os limites da caixa delimitadora ($l, t, r, b$).
    3. Centricidade: Uma pontuação indicando quão próximo o pixel está do centro da caixa, usada para suprimir previsões de baixa qualidade.
  • Função de Perda: Otimizada usando uma soma ponderada de Focal Loss (classificação), IoU Generalizado (regressão) e Entropia Cruzada Binária (centricidade). A perda de regressão é ponderada mais alto ($\lambda_{reg}=2.0$) para priorizar a localização precisa de copas pequenas e fragmentadas.

3. Contribuições Principais

• Primeira Aplicação sem Âncoras para Copas de Árvores: Este é o primeiro trabalho a testar métodos de detecção de objetos sem âncoras especificamente para identificação de copas de árvores, demonstrando flexibilidade superior no manuseio de copas densas e irregulares em comparação com métodos baseados em âncoras.
• Integração com Dados Cadastrais Oficiais: O estudo apresenta o primeiro sistema a integrar monitoramento baseado em aprendizado profundo com o GeoMolg (dados cadastrais oficiais do Ministério Palestino de Governo Local), permitindo análise nos níveis de parcela e comunidade.
• Otimização para Recursos Limitados: O modelo foi projetado para operar eficientemente em hardware limitado (por exemplo, uma única GPU de nível de consumidor) mantendo alta sensibilidade, tornando-o viável para implantação em regiões em desenvolvimento.
• Implantação Prática: Os autores foram além do modelagem teórica para construir um aplicativo GIS baseado na web que visualiza contagens de árvores em cenas, parcelas individuais de terra e comunidades inteiras.

4. Resultados Experimentais

O modelo foi treinado no benchmark MillionTrees (utilizando 10 fontes de alta qualidade, totalizando ~10.000 imagens e ~700.000 anotações) e avaliado em um conjunto de validação retido.

• Métricas de Desempenho:
  • Revocação (Recall): 82% (Superando significativamente a linha de base DeepForest em 53% e o SAM3 em 20,6%).
  • mAP@0.50: 63,03%.
  • mAP@0.50:0.95: 35,47%.
  • Precisão: 13,89% (A menor precisão é atribuída a falsos positivos em terrenos complexos, mas a alta revocação garante cobertura abrangente).
• Eficiência de Treinamento: O modelo convergiu de forma estável ao longo de 18 épocas em uma NVIDIA GeForce RTX 3060 (12GB VRAM).
• Validação no Mundo Real:
  • Nível de Cena: Detectou 6.184 árvores em uma única visão, distinguindo corretamente terras agrícolas cultivadas de árvores.
  • Nível de Parcela: Detectou com sucesso 384 árvores em uma parcela específica conhecida por conter ~410 árvores, apesar da baixa qualidade da imagem e correntes de pedra.
  • Nível de Comunidade: Mapeou 6.641 árvores em toda a vila de Al Zawiya, fornecendo indicadores de alto nível para planejamento em nível comunitário.

5. Significado e Impacto

• Ferramenta de Política Estratégica: O sistema fornece uma alternativa escalável e econômica aos censos agrícolas tradicionais, oferecendo insights baseados em dados para formuladores de políticas em regiões onde a vigilância aérea é restrita.
• Segurança Alimentar e Resiliência: Ao permitir o monitoramento preciso de ativos agrícolas (oliveiras, amendoeiras, palmeiras), a ferramenta apoia um melhor planejamento do uso da terra e ajuda a mitigar os impactos da fragmentação da terra e das mudanças climáticas.
• Escalabilidade: A integração GIS baseada na web permite que as partes interessadas operem em diferentes escalas (de agricultores individuais a planejadores nacionais), facilitando a transição da coleta de dados manual para inventário automatizado e assistido por IA.
• Potencial Futuro: O quadro estabelece as bases para tarefas futuras, como identificação específica de espécies, estimativa de altura de árvores e a criação de um conjunto de dados personalizado e verificado por humanos para a paisagem palestina.