Distilled Edge Intelligence for Bolt Defect Detection in Communication Towers

Resumo Técnico: Inteligência de Borda Destilada para Detecção de Defeitos em Parafusos em Torres de Comunicação

Definição do Problema
O artigo aborda o desafio de implantar modelos de aprendizagem profunda de alta precisão para a detecção de defeitos em parafusos (especificamente afrouxamento e corrosão) em dispositivos de borda com recursos limitados em locais de torres de comunicação. Existe um compromisso fundamental entre precisão e eficiência: modelos baseados em nuvem oferecem detecção confiável, mas incorrem em custos proibitivos de latência de transmissão e largura de banda, enquanto modelos de borda leves reduzem o consumo de recursos, mas frequentemente sofrem com baixa revocação (recall) em classes minoritárias (parafusos soltos e corroídos), que são críticas para a segurança. Além disso, os conjuntos de dados coletados em campo exibem um desequilíbrio de classes extremo (dominados por amostras normais), e os defeitos apresentam padrões visualmente heterogêneos (deformação geométrica para afrouxamento vs. mudanças de textura para corrosão) que são difíceis de capturar com uma única modalidade de imagem.

Metodologia
Os autores propõem um Framework de Inteligência de Borda Destilada que integra a percepção de alta precisão do lado da nuvem com a inferência leve do lado da borda através de três componentes principais:

1. Modelo Professor de Fluxo Duplo Heterogêneo:

   • Um modelo professor baseado na nuvem ($M_t$) utiliza uma arquitetura de fluxo duplo fundindo textura RGB e geometria de profundidade monocular. Os mapas de profundidade são gerados a partir de imagens RGB únicas usando um modelo de fundação pré-treinado (Depth Anything), evitando a necessidade de sensores de profundidade dedicados.
   • Para lidar com o desequilíbrio extremo de classes, o professor é treinado com uma perda focal consciente de defeitos (defect-aware focal loss) que amplifica o peso da classe "Solto" (Loose) e emprega limiares de decisão específicos para cada classe.

2. Estratégia de Treinamento de Duas Fases para o Modelo Estudante:

   • Fase 0 (Seleção de Arquitetura): Uma arquitetura de estudante leve ($M_s$) é selecionada de uma família de candidatos (ex: variantes MobileNetV2) com base em orçamentos rigorosos de recursos (parâmetros, FLOPs e armazenamento) antes do início do treinamento. Nos experimentos, a MobileNetV2-0.5× foi selecionada para se ajustar a um nó de borda operando apenas com CPU.
   • Fase 1 (Destilação de Conhecimento): O estudante é treinado utilizando destilação baseada em logits (nível de resposta) em vez de destilação de nível de característica. Os autores descobriram empiricamente que a destilação de nível de característica degradava a revocação das classes minoritárias porque as características intermediárias do professor eram dominadas pela classe majoritária "Normal", reforçando o viés. Em vez disso, o estudante aprende com as predições de logits suavizadas ($T^2$ escalonadas) do professor combinadas com uma perda focal, recuperando efetivamente a capacidade de reconhecimento de defeitos do professor com uma fração do custo computacional.

3. Inferência Colaborativa Nuvem-Borda Consciente de Confiança:

   • O sistema emprega uma política de descarregamento (offloading) assimétrica. O modelo de borda atua como um "filtro conservador de amostras normais".
   • Processamento Local: Se o modelo de borda prediz "Normal" com alta confiança (acima de um limiar $\tau$), a amostra é resolvida localmente.
   • Descarregamento para a Nuvem: Se a predição for "Solto" ou "Corroído", ou se a confiança para "Normal" for baixa, a amostra é enviada para a nuvem para verificação pelo modelo professor.
   • Este mecanismo é governado por um processo de seleção de limiar restrito ao risco que otimiza a latência enquanto impõe uma restrição rígida de um valor mínimo de revocação de defeitos ($R_{min}$).

Principais Contribuições

1. Integração de Framework: Um framework unificado que combina a percepção de alta precisão do lado da nuvem com a inferência leve do lado da borda especificamente para inspeção de parafusos em torres de comunicação.
2. Treinamento de Duas Fases: Uma estratégia que desacopla a satisfação da restrição de recursos estruturais (seleção de arquitetura) da otimização de desempenho (destilação de conhecimento), utilizando destilação baseada em logits para melhorar a revocação de classes minoritárias sem alinhamento de nível de característica.
3. Colaboração Sensível ao Risco: Um mecanismo de inferência consciente de confiança que trata o modelo de borda como um filtro para amostras normais, descarregando apenas amostras incertas ou potencialmente defeituosas para a nuvem para equilibrar o uso de largura de banda com a confiabilidade da detecção crítica para a segurança.

Resultados Experimentais
Experimentos foram conduzidos em um conjunto de dados coletado em campo de 3.886 imagens (75% Normal, 9,5% Solto, 13,5% Corroído).

• Desempenho do Professor: O professor de fluxo duplo alcançou uma acurácia balanceada de 0,9308 e uma revocação de corrosão de 0,988, lidando efetivamente com o desequilíbrio de classes.
• Eficácia da Destilação: A destilação baseada em logits melhorou significativamente o modelo estudante. A revocação de "Solto" aumentou de 0,365 (estudante não destilado) para 0,692 (+32,7 pontos percentuais), e a acurácia balanceada subiu de 0,618 para 0,735.
• Eficiência de Borda: O modelo estudante destilado (MobileNetV2-0.5×) alcançou 56,8 FPS em um nó de borda operando apenas com CPU (incluindo estimativa de profundidade), satisfazendo os requisitos de tempo real.
• Desempenho Colaborativo:
  • Em um ponto operacional balanceado ($\tau=0,75$), o sistema alcançou uma acurácia balanceada de 0,923 (apenas 0,8 pp abaixo do modelo apenas na nuvem) enquanto reduzia a razão de upload para a nuvem para 80,8% e a latência para 48,48 ms.
  • Em um ponto priorizado para segurança ($\tau=0,90$), o sistema alcançou zero vazamento de defeitos local (nenhum falso negativo resolvido na borda) com uma razão de upload de 98,7%, aproximando-se quase do desempenho do modelo apenas na nuvem.

Significância e Alegações
O artigo afirma que o framework proposto navega efetivamente o compromisso entre acurácia–latência–largura de banda inerente à inspeção de torres baseada em borda. Ao usar um modelo destilado leve como um filtro conservador, o sistema atinge uma precisão de detecção próxima à da nuvem enquanto reduz significativamente a transmissão desnecessária de dados. Os autores enfatizam que esta abordagem é particularmente adequada para tarefas críticas de segurança onde falsos negativos são inaceitáveis, demonstrando que combinar a destilação de conhecimento com a colaboração nuvem-borda consciente de confiança é uma solução viável para implantar inspeção visual de alta precisão em dispositivos de borda com recursos limitados. O estudo não pretende resolver todos os desafios de computação de borda, mas visa especificamente a lacuna de precisão-eficiência sob desequilíbrio extremo de classes em monitoramento de integridade estrutural.