A Lightweight YOLOv11n-OBB-Based Method for Oriented Detection of Luosifen Outer Packages

Resumo Técnico: Um Método Leve Baseado em YOLOv11n-OBB para Detecção Orientada de Embalagens Externas de Luosifen

Definição do Problema
O envasamento automatizado de embalagens externas de Luosifen (macarrão de arroz com caracol de rio) em linhas de produção requer um sistema de detecção capaz de detecção multicategoria simultânea, estimativa de ângulo de rotação e inferência em tempo real sob rigorosas restrições de computação de borda (edge computing). As soluções existentes enfrentam três limitações primárias:

1. Correspondência de Padrões (Template Matching): Métodos convencionais têm dificuldade com cenários de produção flexíveis que envolvem múltiplos poses de objetos e não conseguem fornecer diretamente os ângulos de rotação.
2. Caixas Delimitadoras Horizontais (HBB): Embora eficientes, as HBBs introduzem interferência significativa de fundo para objetos inclinados e falham em estimar ângulos de rotação, levando a pontos de preensão robótica imprecisos.
3. Modelos de Caixa Delimitadora Orientada (OBB) Padrão: Embora as OBBs abordem a rotação, os modelos padrão frequentemente sofrem com redundância excessiva de backbone e alta sobrecarga computacional, tornando-os difíceis de implantar em dispositivos de borda com recursos limitados. Além disso, métodos leves de OBB existentes muitas vezes carecem de extração de características suficiente para arestas rotacionadas, enfrentam fundos industriais complexos e carecem de mecanismos de tolerância a falhas para estabilidade numérica durante a inferência de borda de longo prazo.

Metodologia
Os autores propõem um método de detecção orientada leve baseado em uma estratégia de substituição guiada pela sensibilidade de camada-chave, utilizando o YOLOv11n-OBB como base. A abordagem foca em três objetivos principais: otimização leve precisa, realce consciente de ângulo e supressão progressiva de fundo.

1. Construção do Conjunto de Dados:

   • Foi criado um conjunto de dados especializado de 1.603 imagens cobrindo quatro categorias de embalagens externas de Luosifen.
   • Os dados foram coletados tanto em estados estáticos quanto dinâmicos (esteira transportadora) para simular desfoque de movimento e vibração.
   • Os dados foram aumentados (rotação, perspectiva, iluminação, oclusão) e divididos em 7:2:1 (1.122 treinamento, 320 validação, 161 teste).
   • As anotações utilizam caixas delimitadoras orientadas paramétricas (OBBs) para cobrir orientações arbitrárias no plano.

2. Melhorias Arquiteturais:

   • Unidade GhostConv_OBB: Substitui as convoluções padrão no backbone. Ela utiliza um mecanismo de GhostConv de baixo custo para gerar características intrínsecas e suplementares "fantasma". Crucialmente, ela integra:
     • Realce de Ângulo de Via Dupla (AAE - Dual-Path Angle-Aware Enhancement): Um módulo de via dupla global-local que fortalece as respostas de características ao longo das arestas e cantos da embalagem para fornecer priors geométricos para a estimativa de ângulo.
     • Atenção de Canal Eficiente Progressiva (PECA - Progressive Efficient Channel Attention): Uma estrutura convolucional de dois estágios (tamanhos de kernel 5 e 3) que aprende progressivamente os pesos dos canais para suprimir o ruído de fundo sem camadas totalmente conectadas.
     • Fusão Residual Aprendível: Substitui o mapeamento de identidade fixo por um coeficiente aprendível ($\lambda$) para equilibrar adaptativamente as características residuais e realçadas, incluindo um mecanismo de fallback seguro para anomalias numéricas (ex: NaN/Inf).
   • Módulo C3k2_GhostConv_OBB: Substitui o módulo C3k2 padrão no Neck para reduzir a contagem de parâmetros durante a fusão de características multiescala, preservando os atalhos entre camadas.
   • GhostBottleneck_OBB: Uma unidade de propagação residual profunda que empilha subunidades GhostConv_OBB com coeficientes de escala aprendíveis para estabilidade.

3. Estratégia de Sensibilidade de Camada-Chave:

   • Em vez de uma substituição global, os autores realizaram um estudo de ablação em 71 configurações para identificar a posição de implantação ideal.
   • A Detection Head 11 (a camada de transição Neck-para-Head) foi identificada como a localização ideal. Esta posição oferece um equilíbrio entre cobertura de campo receptivo (informação geométrica de nível macro) e fluxo de gradiente, evitando a interrupção de características de aresta de baixo nível ou a amplificação de erros numéricos encontrados em camadas mais profundas ou mais rasas.

Principais Contribuições

1. Conjunto de Dados: Criação de um conjunto de dados OBB público e diversificado para embalagens externas de Luosifen sob condições de produção dinâmica.
2. Arquitetura Leve: Proposta da unidade GhostConv_OBB e do módulo C3k2_GhostConv_OBB, que integram AAE e PECA para realçar características de objetos rotacionados mantendo uma baixa contagem de parâmetros.
3. Estratégia de Implantação: Introdução de uma estratégia de substituição guiada pela sensibilidade de camada-chave, demonstrando que a modificação precisa na Detection Head 11 produz trade-offs de precisão-eficiência superiores em comparação com a substituição global cega.
4. Estabilidade Numérica: Implementação de coeficientes de fusão residual aprendíveis e um mecanismo de fallback seguro para garantir a operação robusta em dispositivos de borda.

Resultados Experimentais
O modelo proposto foi avaliado contra vários detectores horizontais e orientados (incluindo variantes YOLOv8, v10, v11, v12 e v26) no conjunto de teste:

• Desempenho: O modelo alcançou 97,79% mAP@0.5 e 93,95% mAP@0.5:0.95.
• Melhorias: Comparado ao baseline YOLOv11n-OBB, isso representa um aumento de 4,26 pontos percentuais em mAP@0.5 e um aumento de 32,27 pontos percentuais em mAP@0.5:0.95.
• Eficiência: O modelo mantém uma pegada leve com 2,95M de parâmetros e 3,45 GFLOPs.
• Latência: A latência de inferência é de 67,73 ms (14,76 FPS), atendendo ao requisito da linha de produção de $\ge$14 FPS com overhead mínimo em comparação ao baseline (65,88 ms).
• Insights de Ablação:
  • O PECA foi identificado como o principal motor para a precisão de localização estrita (melhorando o mAP@0.5:0.95 em 28,20 pontos sobre o baseline quando usado sozinho).
  • O AAE melhorou principalmente o recall ao aumentar a visibilidade de arestas/cantos.
  • A combinação de AAE e PECA proporcionou benefícios complementares, equilibrando recall de detecção e precisão de localização.

Significância e Alegações
O artigo afirma que o método proposto alcança uma precisão de localização comparável a modelos de média escala (ex: YOLOv11s-OBB) enquanto opera sob um orçamento extremamente baixo de parâmetros adequado para implantação em borda. Ele destaca a sinergia complementar entre os módulos AAE e PECA na melhoria tanto do recall quanto da precisão de localização. O trabalho é apresentado como um paradigma de design leve para detecção de objetos rotacionados orientada à borda em cenários industriais, abordando especificamente os desafios de fundos complexos, estimativa de rotação e estabilidade numérica em hardware restrito. Os autores observam que trabalhos futuros focarão no desacoplamento de características sob oclusão severa e na quantização INT8 para frameworks como TensorRT.