Towards Autonomous Aircraft Surveillance from Nanosatellites through On-Board Inference and Generative Data Augmentation

Resumo Técnico: Rumo à Vigilância de Aeronaves Autônoma a partir de Nanosatélites através de Inferência On-Board e Aumento de Dados Generativo

Problema
O artigo aborda dois gargalos interconectados que dificultam a vigilância aérea a partir de nanosatélites em Órbita Terrestre Baixa (LEO). Primeiro, o paradigma operacional "bent-pipe" (tubo curvado), herdado de missões espaciais precoces, exige que os satélites descarreguem terabytes de imagens brutas para processamento em solo. Essa abordagem é limitada pelo orçamento de downlink restrito dos nanosatélites (tipicamente orçamentos de potência de 10–30 W e antenas de baixo perfil), o que cria uma latência de horas ou dias que impede a tomada de decisão em tempo real. Segundo, os dados de treinamento para detecção de aeronaves são escassos e severamente desbalanceados entre classes. Datasets abertos como o HRPlanesV2 contêm um número desproporcional de aeronaves militares e civis em comparação com classes minoritárias, como helicópteros (uma razão de aproximadamente 4:1), impedindo que detectores padrão aprendam representações robustas de alvos raros. A literatura existente geralmente aborda esses problemas de forma isolada: ou executando modelos pesados em solo (ignorando os limites de downlink) ou treinando em dados desbalanceados (ignorando o desempenho de classes minoritárias), frequentemente sem considerar as rigorosas restrições de SWaP (Tamanho, Peso e Potência) do hardware espacial.

Metodologia
Os autores propõem um fluxo de trabalho unificado que integra inferência on-board com aumento de dados generativo, projetado especificamente para uma plataforma CubeSat 6U equipada com uma Unidade de Processamento de Tensor (TPU) Google Coral Edge.

1. Seleção de Arquitetura Restrita por Hardware:
   A metodologia adota uma abordagem "hardware-first" (primeiro o hardware). A plataforma alvo é um CubeSat 6U com um limite de 8 MB de Memória Estática de Acesso Aleatório (SRAM) on-die na Edge TPU. Os autores avaliaram três detectores de estágio único: SSD MobileNet V3, RT-DETR-L e YOLO11n.

• SSD MobileNet V3 foi descartado devido à baixa precisão de detecção (mAP@50 de 44,98%).
• RT-DETR-L foi rejeitado porque sua pegada de memória (188,85 MB) excedia vastamente o limite de 8 MB de SRAM, mesmo após quantização INT8.
• YOLO11n foi selecionado como o candidato ideal. Após a quantização INT8, seu peso (~2,5 MB) cabe dentro do orçamento de SRAM, permitindo que todo o caminho de inferência seja executado no chip sem offloading para a CPU.

2. Pipeline de Aumento de Dados Generativo:
   Para resolver o desbalanceamento de classes, especificamente para a classe minoritária de helicópteros, os autores desenvolveram um pipeline usando o modelo de difusão FLUX e Low-Rank Adaptation (LoRA).

• Um adaptador LoRA customizado foi treinado nos limitados exemplos reais de helicópteros usando um token de gatilho específico (sathelo).
• O modelo gerou imagens sintéticas de helicópteros através de quatro ambientes operacionais (industrial, rural, costeiro, árido).
• Essas imagens sintéticas foram automaticamente anotadas (pseudo-rotuladas) por um detector YOLO intermediário e fundidas com amostras aumentadas classicamente (transformações geométricas e fotométricas) para criar um dataset balanceado de mais de 53.000 instâncias.

3. Conceito de Operações (ConOps) On-Board:
   O sistema opera sob um modelo de "autonomia total de decisão". O satélite é ativado apenas sobre coordenadas pré-programadas. A IA on-board processa o fluxo de vídeo em tempo real usando Slicing Aided Hyper Inference (SAHI) para lidar com patches de 1024×1024. Quadros sem detecções são descartados; apenas metadados (coordenadas, confiança, timestamp) e patches comprimidos de detecções positivas são transmitidos via link S-band, reduzindo drasticamente o uso de largura de banda em comparação com a transmissão de imagens brutas.

Principais Contribuições

• Metodologia Focada em Hardware: Um processo de design onde as restrições físicas do CubeSat 6U e o limite de 8 MB de SRAM da Edge TPU ditam a seleção da arquitetura de IA, garantindo a capacidade de implementação.
• Aumento Generativo para Classes Minoritárias: Um pipeline inovador combinando FLUX e LoRA para sintetizar imagens de classes minoritárias (helicópteros), que são então pseudo-rotuladas e integradas para balancear o dataset de treinamento.
• Benchmark Consciente de SWaP: Uma análise comparativa de SSD MobileNet V3, RT-DETR-L e YOLO11n sob rigorosas restrições de nível espacial, identificando o YOLO11n como a única arquitetura viável para este orçamento de memória específico.
• Reprodutibilidade Open-Source: Liberação de código fonte, pesos treinados, adaptadores LoRA do FLUX e fluxos de trabalho ComfyUI para permitir a verificação e expansão pela comunidade.

Resultos

• Desempenho de Detecção: O dataset balanceado alcançou um mAP@50 global de 82,2%, um aumento em relação aos 77,9% da linha de base desbalanceada.
• Melhoria da Classe Minoritária: O F1-score para a classe minoritária de helicópteros melhorou significativamente de 0,683 (usando apenas aumento clássico) para 0,811 (usando aumento generativo), aproximando-se do desempenho das classes majoritárias.
• Viabilidade de Implementação: O modelo YOLO11n quantizado cabe inteiramente nos 8 MB de SRAM. Com base no escalonamento de taxa de transferência para potência, os autores projetam uma taxa de inferência on-orbit de 25–30 Quadros Por Segundo (FPS) em resolução de 1024×1024.
• Capacidades Estendidas: Uma prova de conceito estendida para 22 classes específicas de aeronaves (incluindo F-16, B-52, etc.) alcançou >95% de precisão para a maioria das classes, embora a detecção de pistas tenha permanecido inferior (37%) devido à confusão com estruturas de fundo lineares.

Significância e Alegações
O artigo afirma demonstrar a viabilidade de uma ferramenta de suporte à decisão para vigilância aérea autônoma e em tempo real a partir de nanosatélites. Ao mudar de um coletor de dados passivo para um nó de inferência ativo, o fluxo de trabalho proposto mitiga o gargalo de downlink, reduzindo a latência de decisão de horas/dias para frações de segundo. Os autores afirmam que esta abordagem é energeticamente sustentável, pois o custo de potência da Edge TPU é compensado pela redução massiva nos requisitos de transmissão de radiofrequência.

O artigo mantém uma postura modesta quanto à sua validação, reconhecendo que todas as métricas de desempenho (FPS, latência) são projeções baseadas no escalonamento de medições de GPU em solo para a razão de taxa de transferência-potência da Edge TPU. O texto afirma explicitamente que testes de Hardware-in-the-Loop ou verificação de resistência à radiação (Efeitos de Evento Único/Dose Ionizante Total) ainda não foram realizados em hardware de grau de voo. Além disso, os autores observam limitações na detecção de infraestruturas alongadas (pistas) e a dependência atual de luz do dia e clima claro, identificando estes como áreas para trabalhos futuros envolvendo sensores SAR/IR e segmentação de instância.