An Intelligent YOLO26-Based Early Warning Framework for Drone Detection in Critical Infrastructure Surveillance

Resumo Técnico: Um Framework de Alerta Precoce Inteligente Baseado em YOLO26 para Detecção de Drones em Vigilância de Infraestruturas Críticas

Definição do Problema
A proliferação de Veículos Aéreos Não Tripulados (VANTs/UAVs) apresenta riscos de segurança significativos para infraestruturas críticas, incluindo aeroportos, instalações de óleo e gás e zonas restritas. Os métodos tradicionais de contra-UAS, que dependem de radar, monitoramento de radiofrequência (RF), sensores acústicos ou observação manual de CCTV, sofrem com limitações como alto custo, suscetibilidade ambiental (ex: ruído, clima) e falta de escalabilidade. Embora a visão computacional ofereça uma alternativa prática ao aproveitar as câmeras de vigilância existentes, a detecção de drones continua sendo tecnicamente desafiadora. Drones frequentemente aparecem como objetos pequenos e de movimento rápido com desfoque de movimento (motion blur), baixo contraste contra fundos complexos (nuvens, paisagens urbanas) e semelhanças visuais com pássaros, aeronaves ou helicópteros. As abordagens de aprendizado profundo existentes frequentemente falham em equilibrar o alto recall (detectar todas as ameaças) com baixas taxas de falsos positivos em tempo real, e muitas carecem de uma lógica operacional específica para "alerta precoce" antes que um drone entre em uma zona sensível.

Metodologia
Este estudo propõe um framework experimental utilizando a arquitetura de aprendizado profundo YOLO26 para detecção de drones e alerta precoce em tempo real. A metodologia envolve os seguintes componentes principais:

• Construção do Dataset: Um dataset customizado foi montado a partir de repositórios públicos e vídeos de vigilância sintéticos/reais, compreendendo aproximadamente 3.200 imagens anotadas e 10.000 instâncias. O dataset inclui cinco classes: drone, pássaro, aeronave, helicóptero e objeto voador de fundo. As imagens cobrem diversas condições: variadas distâncias, altitudes, iluminação (simulação dia/noite), clima (nublado) e desfoque de movimento.
• Aumento de Dados (Data Augmentation): Para aumentar a generalização, o conjunto de treinamento foi expandido para ~10.000 imagens usando técnicas de aumento online, incluindo injeção de ruído Gaussiano (simulando CCTV de baixa qualidade) e conversão para tons de cinza (simulando câmeras monocromáticas/visão noturna).
• Arquitetura do Modelo: O estudo utiliza o YOLO26, um modelo de detecção de objetos unificado em tempo real que apresenta uma arquitetura de cabeça dupla para inferência de ponta a ponta sem Non-Maximum Suppression (NMS). As principais características técnicas aproveitadas incluem:
  • Atribuição de Rótulos Consciente de Objetos Pequenos (STAL - Small Target Aware Label Assignment): Para melhorar o aprendizado de objetos pequenos e distantes.
  • Perda Progressiva (Progressive Loss): Para deslocar a supervisão em direção à cabeça de detecção.
  • Inferência Livre de NMS (NMS-free Inference): Para reduzir a latência de pós-processamento.
• Configuração de Treinamento: O modelo foi treinado por 50 épocas utilizando transferência de aprendizado (transfer learning) a partir de pesos pré-treinados do COCO em uma GPU NVIDIA T4. O treinamento empregou uma taxa de aprendizado de 0,01 com annealing de cosseno e parada antecipada (paciência de 10).
• Lógica de Alerta Precoce: Além da simples detecção, o framework implementa um sistema de alerta baseado em regras. Os alertas são escalonados com base na confiança da detecção, persistência de quadro (detecção repetida através dos quadros) e movimento do objeto em direção a zonas restritas.
• Avaliação: O desempenho foi comparado com modelos de referência (incluindo CNNs padrão, YOLOv8 e YOLO11) utilizando métricas como Mean Average Precision (mAP), Precisão, Recall, F1-Score, Quadros Por Segundo (FPS) e taxas de falso alarme.

Principais Resultados
O modelo YOLO26 demonstrou um desempenho robusto no conjunto de teste não utilizado:

• Acurácia Geral: Alcançou um mAP agregado de 98,4% e um F1-Score de 98,3%.
• Desempenho por Classe:
  • Classe Drone: 99,3% de Precisão, 100% de Recall, 99,5% de mAP.
  • Classe Helicóptero: 99,9% de Precisão, 100% de Recall, 99,5% de mAP.
  • Classe Pássaro: 95,9% de Precisão, 93,7% de Recall, 95,9% de mAP (mostrando a dificuldade esperada em distinguir pássaros de drones).
• Convergência: A curva de treinamento exibiu um padrão característico de "queda-e-subida" durante as primeiras épocas (atribuído à adaptação de domínio dos pesos gerais do COCO para o dataset especializado de drones) antes de estabilizar rapidamente. Na época 50, o modelo atingiu um mAP de pico de 98,91%.
• Validação em Tempo Real: O sistema processou fluxos de vídeo com sucesso, gerando caixas delimitadoras (bounding boxes) e escalonando status de alerta (de "Observação" para "Alerta Crítico") com base na confiança e persistência, demonstrando viabilidade para monitoramento contínuo.

Principais Contribuições

1. Framework Inovador: Desenvolvimento de um sistema integrado que combina a detecção YOLO26 com uma lógica de alerta precoce operacional, abordando a lacuna entre a mera detecção e avisos de segurança acionáveis.
2. Dataset Especializado: Criação de um dataset de vigilância de drones multiclasse especificamente anotado para distinguir drones de objetos voadores visualmente semelhantes (pássaros, aeronaves) sob condições desafiadoras.
3. Otimização de Objetos Pequenos: Demonstração da eficácia do YOLO26 na detecção de alvos pequenos e distantes em ambientes complexos, aproveitando os mecanismos STAL e Progressive Loss.
4. Avaliação Abrangente: Avaliação do sistema não apenas em métricas de detecção padrão (mAP, F1), mas também em métricas operacionais relevantes para a segurança, como redução de falsos alarmes e lógica de escalonamento de alerta.

Significância e Alegações
O artigo afirma que o framework proposto oferece uma solução escalável e de baixo custo para a vigilância de infraestruturas críticas, utilizando a infraestrutura de CCTV existente em vez de exigir implantações de novos sensores caros. Os autores sustentam que as características arquiteturais específicas do YOLO26 (inferência livre de NMS, STAL) o tornam particularmente adequado para os desafios duplos da detecção de objetos pequenos e do processamento em tempo real de baixa latência.

O estudo conclui que, embora o sistema alcance alta precisão, ele é mais adequado para ambientes onde a confirmação visual é necessária. Os autores reconhecem modestamente as limitações, observando que a semelhança visual entre drones e pássaros continua sendo uma fonte de falsos positivos, e que condições climáticas extremas ou pontos cegos ainda podem necessitar de fusão de sensores (ex: com radar ou RF) para aplicações de alta segurança. A principal contribuição é a validação do YOLO26 como um backbone viável e de alto desempenho para sistemas proativos de alerta precoce de drones baseados em IA.