Resumo Técnico: Conjunto de Dados SteelDS

Declaração do Problema

A reciclagem de metais, particularmente a separação de impurezas de cobre de sucata de aço triturado do grau E40, é um gargalo crítico na triagem pós-magnética industrial. Embora a Triagem Baseada em Sensores (SBS) usando Transmissão de Raios X (XRT) ou Imagem Espectral Hiperespectral (HSI) seja eficaz, essas modalidades são intensivas em capital e oferecem resoluções espaciais mais baixas. Por outro lado, a triagem baseada em visão padrão usando aprendizado profundo e câmeras RGB oferece uma alternativa econômica, mas carece de conjuntos de dados especializados e de alta fidelidade para este domínio específico.

Os conjuntos de dados existentes de resíduos (por exemplo, TACO, TrashNet, ZeroWaste) focam em resíduos domésticos ou municipais macroscópicos e intactos, falhando em abordar a natureza mecanicamente triturada, microscópica e estocasticamente deformada da sucata industrial. Além disso, tentativas anteriores de classificar sucata de metal triturada confiaram em caixas delimitadoras grosseiras ou anotações em nível de imagem, que não conseguem delinear os limites altamente irregulares e os fios finos típicos de sucata deformada. Existe uma lacuna significativa em benchmarks públicos de segmentação em nível de instância para a separação de aço-cobre em um fluxo heterogêneo pós-magnético.

Metodologia

Aquisição de Dados

O conjunto de dados SteelDS foi capturado em um ambiente laboratorial controlado na Universidade Técnica de Leoben para replicar as condições de esteira transportadora industrial.

• Fonte do Material: 497 objetos de metal triturado (396 de aço, 101 de cobre) fornecidos pela Scholz Austria GmbH. O material representa a fração pós-magnética de sucata de aço do grau E40 (aço velho fragmentado de veículos e eletrodomésticos no fim da vida útil).
• Configuração Física: Uma esteira transportadora de 1,0 m de largura operando a 0,4–0,5 m/s. Os objetos foram dispostos em duas configurações: partículas isoladas (espaçamento mínimo de 1 cm) e aglomerados densos (sem espaçamento forçado) para simular densidades industriais e oclusões variadas.
• Imagem: Uma câmera GoPro Hero 11 capturou vídeo em 4K Ultra HD (3680 × 2160) a 100 fps de uma perspectiva estritamente nadir (de cima para baixo). Iluminação LED difusa minimizou reflexos em superfícies metálicas, e um recinto bloqueou a luz ambiente.
• Limitações: O setup 2D de visão única oclui inerentemente componentes de cobre localizados no lado inferior das partículas, uma restrição padrão na triagem óptica industrial 2D.

Anotação e Pré-processamento

• Extração de Quadros: O vídeo bruto de 100 fps foi reamostrado para 20 fps, e os quadros foram extraídos como imagens PNG sem perdas.
• Ferramenta de Anotação: Uma ferramenta semi-autônoma personalizada (FOST) gerou propostas de máscaras, que foram corrigidas e verificadas manualmente por anotadores humanos.
• Regras de Anotação: Diretrizes estritas em nível de pixel foram aplicadas. As máscaras traçaram limites físicos, excluindo sombras projetadas e rastros de desfoque de movimento. Fragmentos resultantes de quebra durante o transporte foram rotulados como instâncias independentes.
• Classes: Os objetos foram categorizados em duas classes principais: Aço (componentes ferrosos) e Cobre (contendo componentes de cobre visíveis). Adicionalmente, os objetos foram agrupados heuristicamente por tamanho (S1–S5 para aço, C1–C3 para cobre) com base na inspeção visual e no peso de manuseio, embora esses grupos de tamanho não sejam classes distintas de verdade fundamental.

Estrutura do Conjunto de Dados

O conjunto de dados compreende 24.297 quadros rotulados distribuídos em cinco subconjuntos (a1–a5) com complexidade crescente:

• Subconjuntos a1–a3: Inclusão cumulativa de objetos com espaçamento >1 cm.
• Subconjunto a4: Aglomerados densos sem espaçamento (alta oclusão).
• Subconjunto a5: Um conjunto de avaliação holística combinando todos os materiais e ambas as configurações de espaçamento.
• Divisões: Isolamento estrito é enforced entre os conjuntos de treinamento, validação e teste; os objetos nunca são compartilhados entre as divisões.

Contribuições Principais

1. Benchmark de Segmentação em Nível de Instância: O SteelDS fornece o primeiro conjunto de dados de vídeo de alta resolução publicamente disponível especificamente para segmentação de instância de sucata de aço E40 e cobre mecanicamente triturados.
2. Complexidade Industrial Realista: Diferentemente de conjuntos de dados anteriores com objetos intactos, o SteelDS captura a deformação estocástica, bordas rasgadas e fragmentação estrutural inerentes à trituração industrial.
3. Verdade Fundamental em Nível de Pixel: O conjunto de dados oferece máscaras de segmentação precisas em nível de pixel, permitindo o treinamento de modelos para delimitação de limites finos em vez de apenas detecção grosseira.
4. Simulação de Mundo Aberto: Ao incluir densidades variadas de objetos, oclusões e topologias complexas (por exemplo, fios de cobre embutidos em aço), o conjunto de dados aborda o desafio do "mundo aberto", onde os modelos devem lidar com formas imprevisíveis e materiais mistos.

Resultados Experimentais

Os autores estabeleceram linhas de base usando modelos de detecção de objetos e segmentação de instância mais avançados: YOLOv8n-seg, YOLO11n-seg, YOLO12n-seg, YOLO26n-seg e Mask R-CNN (ResNet-50). Os modelos foram treinados com 5 sementes aleatórias diferentes para garantir reprodutibilidade.

• Hierarquia de Desempenho: O Mask R-CNN superou consistentemente todas as arquiteturas nano YOLO em todos os subconjuntos. Por exemplo, no Subconjunto a1, o Mask R-CNN alcançou uma pontuação de Aptidão combinada de 189,65, comparado a um máximo de 168,74 para o YOLOv8n. Essa lacuna é atribuída à arquitetura de dois estágios do Mask R-CNN e à sua preservação superior de características espaciais.
• Detecção vs. Segmentação: A detecção de caixas delimitadoras (mAP50-95) superou consistentemente a segmentação de instâncias (mAP50-95). Para o Subconjunto a1, o mAP de detecção foi de 86,63%, enquanto o mAP de segmentação foi de 81,67%.
• Disparidades de Material:
  • Aço: Geralmente mais fácil de detectar devido a estruturas rígidas e volumosas.
  • Cobre: Mais desafiador para segmentação devido ao alto reflexo especular, feixes de fios emaranhados e montagens de materiais mistos (por exemplo, pinos de aço em redes de cobre). No entanto, o desempenho na detecção de cobre foi comparável ao do aço em algumas métricas, sugerindo que as caixas delimitadoras são robustas à textura da superfície, enquanto a segmentação luta com limites finos.
• Sensibilidade à Escala: O desempenho caiu significativamente para objetos de tamanho médio em comparação com objetos grandes. Objetos pequenos foram omitidos das métricas, pois o conjunto de dados carece de instâncias de verdade fundamental nessa dimensão.
• Modos de Falha: Os modelos exibiram erros específicos, incluindo:
  • Segmentar incorretamente o fundo interno de objetos em forma de anel como parte do objeto.
  • Fragmentar hastes longas e torcidas ou folhas amassadas em múltiplas instâncias.
  • Dificuldade com feixes de fios de cobre devido a fios finos e multidirecionais.

Significado e Alegações

O artigo posiciona o SteelDS como um recurso fundamental para avançar a triagem automatizada na reciclagem de metais. Seu significado reside em:

• Preenchendo a Lacuna de Dados: Aborda a escassez de recursos especializados para sucata de metal industrial, particularmente para a separação de aço-cobre, que tem sido impedida por restrições de dados proprietários.
• Habilitando Percepção Avançada: Ao fornecer linhas de base em nível de pixel para alvos conhecidos em um fluxo heterogêneo, o conjunto de dados apoia o desenvolvimento de arquiteturas de triagem de mundo aberto robustas capazes de lidar com variância intraclasse extrema.
• Utilidade de Benchmarking: O conjunto de dados serve como um campo de testes rigoroso para avaliar os limites dos modelos atuais de visão computacional ao lidar com materiais industriais estocasticamente deformados e de alta refletividade.

Os autores observam que, embora os modelos de base mostrem promessa, o conjunto de dados revela desafios específicos (formas complexas, partes ocultas, materiais mistos) que permanecem problemas em aberto para o campo, motivando pesquisas adicionais em algoritmos de segmentação e classificação mais robustos.