Does YOLO26 Truly Offer Advantages Over Its Predecessors for Edge Deployment? A Benchmark Study in Aquaculture

Resumo Técnico: Avaliação de Desempenho do YOLO26 para Implantação em Borda na Aquicultura

Definição do Problema
A adoção de Visão Computacional (CV) e Inteligência Artificial (IA) na aquicultura intensiva, particularmente em Sistemas de Recirculação de Aquicultura (RAS), oferece um potencial significativo para o monitoramento automatizado da saúde e do bem-estar dos peixes. No entanto, a implantação desses sistemas enfrenta desafios únicos, incluindo altas densidades de estocagem, turbidez da água, distorções ópticas e o movimento rápido e imprevisível de animais aquáticos. Uma restrição crítica é a dependência de dispositivos de borda com recursos limitados (por exemplo, computadores de placa única baseados em CPU, como o Raspberry Pi), devido à largura de banda limitada para transmissão em nuvem e ao alto custo/consumo de energia de plataformas embarcadas aceleradas por GPU.

Embora a família de modelos You Only Look Once (YOLO) seja amplamente utilizada para detecção de objetos em tempo real, o desempenho da geração mais recente, o YOLO26, permanece não validado em cenários específicos de aquicultura. O YOLO26 introduz inovações arquitetônicas, como a inferência ponta a ponta livre de Supressão de Não-Máximo (NMS) e otimizações para implantação em borda baseada em CPU. A questão central abordada por este estudo é se esses avanços arquitetônicos se traduzem em vantagens tangíveis sobre os predecessores (YOLOv5u, YOLOv8 e YOLO11) para a tarefa específica de detecção de mortalidade de peixes em ambientes RAS, ou se a seleção do modelo deve ser impulsionada por outros fatores, como disponibilidade de dados e restrições de hardware.

Metodologia
Este estudo conduziu uma avaliação abrangente de benchmarking de doze variantes de modelos Ultralytics YOLO (quatro gerações: v5u, v8, 11, 26; em três escalas: nano, small, medium) para a detecção de mortalidade de peixes (morto vs. vivo).

• Conjunto de Dados: Foi utilizado um conjunto de dados de escala semi-comercial RAS (RAS-MortDB), compreendendo 2.000 imagens anotadas manualmente de salmão do Atlântico (Salmo salar) coletadas ao longo de 90 dias. O conjunto de dados incluiu diversas condições de iluminação (ambiente e suplementar) e níveis de mortalidade. As imagens foram aumentadas para criar um conjunto de treinamento de 2.800 imagens com 2.204 instâncias de 'mortos' e 3.209 instâncias de 'vivos'.
• Ambiente de Treinamento: Os modelos foram treinados em um cluster de GPUs NVIDIA A100 usando hiperparâmetros padronizados (100 épocas, entrada de 640px, tamanho de lote de 32) para garantir uma comparação justa.
• Métricas de Avaliação:
  1. Acurácia: Média da Precisão Média no IoU 0.50 (mAP50) e 0.50–0.95 (mAP50-95).
  2. Eficiência de Dados: Análise da curva de aprendizado através de sete tamanhos de conjunto de dados (100 a 2.800 imagens) para determinar os requisitos mínimos de dados para 90% de mAP50.
  3. Desempenho de GPU: Velocidade de inferência (FPS) e latência em GPUs A100, distinguindo entre o tempo de passagem direta bruta, tempo de pós-processamento (overhead de NMS) e latência ponta a ponta.
  4. Implantação em Borda: Benchmarking de inferência em um Raspberry Pi 5 (apenas CPU, 8GB de RAM) usando ONNX Runtime. As métricas incluíram latência média, FPS, status de estrangulamento térmico (thermal throttling) e tamanho do modelo (pegada ONNX).

Principais Resultados

• Acurácia de Detecção: Todos os 12 modelos alcançaram uma acurácia de detecção comparável no conjunto de dados completo, com valores de mAP50 variando estreitamente de 93,77% (YOLOv8m) a 94,81% (YOLO11m). A diferença de apenas 1,04 ponto percentual indica que a geração arquitetônica tem influência mínima na acurácia final de detecção de mortalidade quando há dados de treinamento suficientes.
• Eficiência de Dados: O YOLOv8 demonstrou eficiência de treinamento superior, alcançando ≥90% de mAP50 com apenas 400 imagens de treinamento. Em contraste, o YOLO26 (variantes nano e small) exigiu 1.000 imagens para atingir o mesmo limiar, tornando-se aproximadamente 2,5 vezes menos eficiente em termos de dados. Isso é atribuído à estratégia de atribuição de rótulos um-para-um do YOLO26, que gera sinais de supervisão mais esparsos em comparação com as estratégias de muitos-para-um de modelos anteriores.
• Inferência de GPU: Em GPUs de alto desempenho, o YOLOv8 alcançou consistentemente as maiores velocidades de inferência (FPS) e a menor latência ponta a ponta. Apesar do design livre de NMS do YOLO26 reduzir significativamente o overhead de pós-processamento, ele incorreu em uma latência residual maior (pré-processamento e alocação de tensores), resultando em um FPS total inferior ao do YOLOv8 e YOLOv5u.
• Inferência de Borda (CPU): O ranking de desempenho inverteu-se no Raspberry Pi 5, com recursos limitados:
  • Camadas Nano/Small: O YOLO26n alcançou a maior velocidade de inferência (7,51 FPS), superando o YOLOv8n (6,51 FPS) e o YOLO11n (6,71 FPS). Isso valida o design livre de NMS do YOLO26 para eficiência de CPU.
  • Camada Medium: Surpreendentemente, o YOLOv5mu superou todos os outros modelos de escala média (1,25 FPS vs. ~1,05 FPS para o YOLO26m), provavelmente devido à simplicidade estrutural de sua arquitetura baseada em âncoras, sendo mais compatível com os conjuntos de instruções de CPUs ARM do que os mecanismos de atenção complexos de modelos mais recentes.
• Tamanho do Modelo: O YOLO26n produziu a menor exportação ONNX (9,8 MB), oferecendo vantagens para dispositivos de borda com armazenamento restrito.

Principais Contribuições

1. Validação Específica do Domínio: Este estudo fornece o primeiro benchmark revisado por pares do YOLO26 em um contexto de aquicultura, indo além dos benchmarks de uso geral (ex: COCO) para validar o desempenho em dados reais de mortalidade de peixes.
2. Insights Independentes de Hardware: A pesquisa destaca uma divergência crítica entre o desempenho de GPU e CPU, demonstrando que os benchmarks de GPU são insuficientes como indicadores de adequação para implantação em borda.
3. Análise de Eficiência de Dados: O estudo quantifica o trade-off entre novidade arquitetônica e requisitos de dados, revelando que arquiteturas mais novas (YOLO26) podem exigir conjuntos de dados anotados significativamente maiores para convergir aos mesmos níveis de desempenho que modelos estabelecidos (YOLOv8).
4. Recursos de Código Aberto: Os autores comprometeram-se a lançar o conjunto de dados RAS-MortDB e todos os pesos dos modelos treinados (PyTorch e ONNX) para facilitar a reprodutibilidade e pesquisas futuras.

Significância e Alegações
O artigo conclui que a novidade arquitetônica por si só é um critério insuficiente para a seleção de modelos em aplicações de aquicultura. Embora o YOLO26 ofereça vantagens distintas para a implantação em borda baseada em CPU (especificamente nas camadas nano/small) devido à sua inferência livre de NMS, esses benefícios vêm com compensações em eficiência de dados e tempo de treinamento.

Os autores afirmam que a seleção do modelo deve ser guiada por um framework orientado à implantação, considerando:

• Disponibilidade de Dados: Se os dados anotados forem escassos, o YOLOv8 é preferível devido à convergência mais rápida.
• Hardware Alvo: Para dispositivos de borda com restrição de CPU, o YOLO26 (nano/small) ou o YOLOv5 (medium) podem oferecer velocidades de inferência superiores em comparação com gerações mais novas.
• Requisitos de Inferência: Tarefas de alto rendimento em GPU podem favorecer o YOLOv8, enquanto tarefas de baixa potência em borda podem se beneficiar do design simplificado do YOLO26.

O estudo enfatiza que, para a tarefa específica de detecção de mortalidade de peixes em RAS, onde os eventos se desenvolvem ao longo de minutos e não de segundos, as diferenças marginais de acurácia entre os modelos são negligenciáveis. Portanto, restrições práticas — como o custo de anotação, limitações de hardware e consumo de energia — devem guiar as decisões de implantação em vez da busca pela geração arquitetônica mais recente. Os autores alertam contra a dependência exclusiva de benchmarks de GPU e defendem a validação rigorosa no hardware de borda alvo para garantir a viabilidade operacional.