Comparative Analysis of Military Detection Using Drone Imagery Across Multiple Visual Spectrums

Resumo Técnico: Análise Comparativa de Detecção Militar Usando Imagens de Drones em Múltiplos Espectros Visuais

Declaração do Problema
Operações militares modernas dependem cada vez mais de drones para vigilância, reconhecimento e ataques direcionados. Embora a tecnologia de drones tenha avançado, a confiabilidade dos sistemas de detecção de objetos permanece um desafio crítico ao operar em condições ambientais diversas e hostis. Modelos existentes frequentemente apresentam bom desempenho em ambientes controlados, mas lutam com a precisão em cenários do mundo real caracterizados por baixa luminosidade, variações térmicas, neblina ou distorção de movimento. A pesquisa atual carece de uma avaliação extensa da robustez da detecção em condições espectrais variadas (térmico, visão noturna, escala de cinza) e ambientes obscurecidos, criando uma lacuna no desenvolvimento de sistemas adaptativos para operações militares dinâmicas.

Metodologia
Para abordar esses desafios, os autores utilizaram o conjunto de dados KIIT-MiTA, uma coleção de 1.700 imagens de alta qualidade capturadas por drones, contendo mais de 4.100 rótulos anotados em sete classes militares: Artilharia, Míssil, Radar, Lançador Múltiplo de Foguetes, Soldado, Tanque e Veículo.

A metodologia central envolveu transformar este conjunto de dados padrão em quatro modalidades visuais distintas para simular restrições operacionais do mundo real:

1. Visão Térmica: As imagens foram convertidas para escala de cinza e mapeadas para um espaço de cor pseudo-térmico usando o COLORMAP_INFERNO do OpenCV para simular assinaturas de calor.
2. Visão Noturna: As imagens foram convertidas para escala de cinza, aprimoradas em brilho e contraste, e sobrepostas com um tom verde para imitar intensificadores de imagem monocromáticos usados em vigilância de baixa luminosidade.
3. Escala de Cinza: Conversão padrão para um único canal de intensidade para remover distrações de cor e focar em características espaciais.
4. ObscuraVisão: Uma augmentação especializada simulando desafios de visibilidade do mundo real (neblina leve, desfoque de movimento, irregularidades de contraste) usando uma combinação ponderada de desfoque de movimento, coeficientes de neblina e ajustes de contraste/brilho.

O modelo YOLOv11-small foi selecionado por sua arquitetura leve e eficiência na detecção em tempo real. O modelo foi treinado em um ambiente de nuvem (GPU NVIDIA T4) por 100 iterações com um tamanho de lote de 16 e entrada de 640×640 pixels. O treinamento empregou augmentação de imagem, um agendador de taxa de aprendizado e otimização das perdas de classificação, objetividade e regressão de caixas delimitadoras.

Principais Contribuições

• Extensão do Conjunto de Dados: A criação de quatro versões distintas do conjunto de dados (Escala de Cinza, Térmico, Visão Noturna, ObscuraVisão) derivadas do conjunto de dados KIIT-MiTA para simular desafios ambientais específicos.
• Avaliação Comparativa: Uma avaliação sistemática do desempenho do modelo YOLOv11-small nessas quatro modalidades, focando em como fatores ambientais impactam a precisão da detecção.
• Benchmarking de Desempenho: O estabelecimento de métricas de referência (mAP@50, mAP@50-95, Precisão, Revocação, Pontuação F1) para detecção de objetos militares sob condições simuladas térmicas, noturnas e obscurecidas.

Resultados
O estudo avaliou os modelos usando métricas padrão de detecção, com foco principal na Precisão Média Média (mAP). Os resultados indicaram variações significativas no desempenho com base na modalidade visual:

• Visão Noturna alcançou a maior precisão de detecção, com um mAP@50 de 0,701 e mAP@50-95 de 0,484. No entanto, incorreu no maior tempo total de processamento (10,1 ms).
• ObscuraVisão seguiu de perto com um mAP@50 de 0,694 e mAP@50-95 de 0,467, oferecendo um forte equilíbrio entre precisão e velocidade de inferência (9,4 ms).
• Visão Térmica registrou um mAP@50 de 0,680 e mAP@50-95 de 0,466, performando competitivamente apesar dos desafios da imagem térmica.
• Escala de Cinza demonstrou o tempo de processamento mais rápido (8,6 ms), mas produziu a menor precisão de detecção, com um mAP@50 de 0,603 e mAP@50-95 de 0,374.

Embora o modelo de Escala de Cinza tenha alcançado a maior Pontuação F1 (0,700) e a Visão Térmica a maior Precisão (0,752), o estudo priorizou as métricas mAP para classificação do modelo. Uma análise de matriz de confusão no conjunto de dados de Escala de Cinza ilustrou ainda mais a capacidade do modelo de distinguir entre as sete classes militares.

Significado e Alegações
O artigo afirma que esta pesquisa avança a robustez dos sistemas de detecção baseados em drones ao validar a adaptabilidade do modelo YOLOv11-small em diversas condições ambientais. As descobertas sugerem que a Visão Noturna é a modalidade mais adequada quando a precisão da detecção é a preocupação primordial, enquanto ObscuraVisão e Visão Térmica oferecem compensações favoráveis entre desempenho e velocidade. Por outro lado, a Escala de Cinza é identificada como apropriada para aplicações sensíveis à latência onde uma precisão menor é aceitável.

Os autores concluem que o estudo fornece insights valiosos para melhorar operações militares defensivas e ofensivas, garantindo eficácia contínua em ambientes dinâmicos. Eles observam que trabalhos futuros poderiam explorar fusão multimodal, integração de dados temporais para rastreamento consciente de movimento e otimização para dispositivos de borda, mas o estudo atual foca estritamente na avaliação comparativa de modalidades de imagem estáticas.