SWCB-YOLO: Toward Robust and Real-Time Wind Turbine Blade Defect Detection in Unstructured Natural Environments

Resumo Técnico: SWCB-YOLO para Detecção de Defeitos em Pás de Turbinas Eólicas

Declaração do Problema
A inspeção por veículos aéreos não tripulados (UAV) é uma estratégia padrão para a manutenção de pás de turbinas eólicas; no entanto, a implementação de detectores de aprendizado profundo em parques eólicos operacionais enfrenta três desafios críticos que degradam a precisidade:

1. Interferência Ambiental Não Estruturada: Imagens de inspeção sofrem interferência de textura de alta frequência causada por reflexos de luz, cobertura de nuvens e vegetação terrestre, levando a taxas elevadas de falsos positivos e detecções perdidas.
2. Defeitos de Alta Razão de Aspecto: Rachaduras em pás são frequentemente delgadas e bifurcadas. Redes convolucionais padrão possuem campos receptivos locais limitados, enquanto transformadores de visão com janelas quadradas tendem a truncar a estrutura contínua desses alvos alongados.
3. Distorção Geométrica Não Linear: A superfície duplamente curvada, em forma de sela, das pás de turbinas causa deformações não lineares quando as rachaduras são projetadas em um plano de imagem 2D. Perdas de regressão de caixa delimitadora (bounding box) padrão carecem da capacidade de alinhamento geométrico para lidar com essas distorções, particularmente em zonas de alta curvatura, como as pontas das pás.

Metodologia: SWCB-YOLO
Os autores propõem o SWCB-YOLO, um detector de bordas leve construído sobre a base YOLOv11n, projetado para operar dentro das restrições computacionais e de tempo real de plataformas de borda (edge) de UAV (especificamente o NVIDIA Jetson Xavier NX). O framework integra três componentes principais:

1. Módulo Asymmetric Strip Swin-TransformerV2 (AS-Swin2):

   • Mecanismo: Este módulo substitui a atenção de janela quadrada padrão por um mecanismo de Atenção de Janela de Faixa Assimétrica (ASWA). Ele mantém janelas quadradas locais padrão enquanto implanta partições assimétricas verticais ($M^2 \times 1$) e horizontais ($1 \times M^2$) paralelas.
   • Função: Esses campos receptivos de faixa ortogonais alinham-se com a orientação de rachaduras delgadas, capturando dependências de longo alcance e nível de pixel ao longo do eixo da rachadura. Incorpora um Viés de Posição Contínuo de Espaço Logarítmico Direcional (Log-CPB) reparametrizado para suprimir o ruído de fundo e amplificar os gradientes de borda da rachadura.
   • Custo: Mitiga o truncamento estrutural típico de janelas quadradas com custo computacional mínimo adicionado.

2. Atenção de Domínio Duplo Espacial-Frequência (FS-DDA):

   • Mecanismo: Um módulo de baixo overhead que cascateia o peso de canal espectral de Transformada Discreta de Cosseno 2D (2D-DCT) diretamente em um estágio de atenção espacial de grande campo receptivo em um único backbone.
   • Função: Ele desacopla a desordem ambiental de alta frequência (ex: vegetação, reflexos) das bordas de defeitos fracos. O ramo espectral atenua o ruído de alta frequência, enquanto o ramo espacial subsequente refina a continuidade geométrica. Esta abordagem de domínio duplo separa fundos de baixa frequência de bordas anormais de alta frequência de forma mais eficaz do que mecanismos de atenção apenas por canal.

3. Perda de Curvatura-Shape IoU (CA-Shape-IoU):

   • Mecanismo: Uma perda de localização utilizada apenas durante o treinamento que deriva supervisão da morfologia subjacente da rachadura, em vez de apenas da caixa delimitadora alinhada aos eixos.
   • Componentes: Utiliza campos offline pré-computados a partir de máscaras de polígonos de verdade fundamental (ground-truth):
     • Pesos de curvatura de Bézier: Aplicam penalidades de gradiente mais altas em regiões de alta curvatura (ex: pontas das pás) para corrigir o desvio (drift).
     • Campo de distância do esqueleto de Voronoi: Puxa as fronteiras da caixa prevista em direção ao esqueleto real da rachadura para reduzir falsos positivos em bifurcações.
     • Restrição de alongamento: Impõe precisão de escala para alvos com razões de aspecto extremas ($r > 8$).
   • Impacto na Inferência: Como os termos morfológicos são pré-computados e aplicados apenas durante o treinamento, a cabeça de detecção permanece inalterada e há zero custo adicional de inferência.

Principais Contribuições

1. Perda de Treinamento Derivada de Morfologia: O artigo introduz a CA-Shape-IoU, um critério de alinhamento geométrico que supervisiona caixas de detecção alinhadas aos eixos usando campos de curvatura e distância de esqueleto pré-computados. Isso é distinto de perdas de forma anteriores que dependem apenas da geometria da caixa ou de perdas de esqueleto baseadas em segmentação que exigem cabeças de segmentação em tempo de inferência.
2. Backbone Anisotrópico Específico para a Tarefa: O módulo AS-Swin2 aborda especificamente o truncamento de defeitos delgados ao combinar janelas quadradas padrão com partições de faixa ortogonais e codificação posicional adaptativa à direção dentro de um bloco SwinV2.
3. Refinamento de Baixo Overhead de Domínio Duplo: O mecanismo FS-DDA alcança a separação frequência-espacial sem um segundo backbone de frequência, cascateando o peso espectral na atenção espacial para manter um design de backbone único e de baixa latência.
4. Protocolo de Avaliação Rigoroso: Para garantir uma comparação justa, todos os detectores de base e concorrentes foram re-treinados do zero sob um protocolo idêntico (mesmas divisões de dados, resolução de entrada, otimizador e hiperparâmetros) em um conjunto de dados de campo abrangendo um ciclo anual completo. O método também foi validado em três benchmarks abertos (NEU-DET, DAGM, VisDrone-2019).

Resultados
Avaliado em um conjunto de dados de campo proprietário de 5.707 imagens de um parque eólico de 1,5MW:

• Precisão: O SWCB-YOLO alcançou 89,0% de mAP@50 e 66,4% de mAP@50:95. Isso representa um aumento de 13,8 pontos percentuais em mAP@50 e 25,3 pontos percentuais em mAP@50:95 sobre a linha de base YOLOv11n.
• Eficiência: O modelo roda a 35 FPS em um NVIDIA Jetson Xavier NX com 3,70M de parâmetros e 8,70 GFLOPs.
• Insights de Ablação:
  • O backbone AS-Swin2 contribuiu com a maior parte do ganho (~87% da melhoria de mAP@50).
  • O FS-DDA forneceu refinamento complementar, particularmente em condições com muita vegetação e névoa, recuperando o recall perdido pela filtragem de frequência isolada.
  • A CA-Shape-IoU melhorou especificamente a localização de alto IoU (mAP@50:95), corrigindo o desvio geométrico sem aumentar a latência.
• Generalização entre Datasets: O modelo demonstrou transferência positiva para NEU-DET (+7,2% mAP), DAGM (+4,6% mAP) e VisDrone-2019 (+3,8% mAP), embora os ganhos tenham diminuído conforme a distância de domínio aumentava, consistente com a natureza especializada dos módulos.
• Significância Estatística: Testes t pareados e testes de postos sinalizados de Wilcoxon confirmaram que as melhorias de desempenho sobre as linhas de base são estatisticamente significativas ($p < 0,001$).

Significância e Alegações
O artigo afirma que o SWCB-YOLO aborda a lacuna específica de detectar defeitos menores e alongados em superfícies duplamente curvas em ambientes naturais não estruturados, mantendo a inferência em tempo real em dispositivos de borda.

• Robustez: Ao integrar filtragem de domínio de frequência e atenção anisotrópica, o modelo suprime efetivamente falsos positivos causados por fundos complexos (vegetação, reflexos) que tipicamente assolam detectores padrão.
• Precisão Geométrica: A perda CA-Shape-IoU demonstra que incorporar priors morfológicos offline (curvatura e distância de esqueleto) pode melhorar significamente o alinhamento da caixa delimitadora para alvos curvos sem incorrer em penalidades de inferência.
• Implantação Prática: O framework equilibra precisão e restrições de recursos, oferecendo uma solução viável para a inspeção automatizada de pás por UAV, onde alta precisão é necessária junto com orçamentos estritos de latência e energia.

Os autores observam limitações, incluindo a dependência de anotações de nível de polígono para a perda CA-Shape-IoU (embora o método permaneça robusto a simplificações moderadas de anotação) e o potencial de suavização excessiva (over-smoothing) em cenários que combinam desfoque de movimento extremo com neblina. Trabalhos futuros estão direcionados para reduzir a dependência de anotação via aprendizado semissupervisionado e explorar a fusão multimodal.