Resumo Técnico: Fabricação Aditiva por Arco de Arame: Uma Estrutura de Visão Computacional Progressiva de Multi-Arquitetura para Detecção de Defeitos em Tempo Real

1. Definição do Problema

A Fabricação Aditiva por Arco de Arame (WAAM) é uma tecnologia de deposição de energia direcionada usada para fabricar componentes metálicos de grande escala. No entanto, o processo é altamente sensível a gradientes térmicos e interações arco-arame, levando a defeitos como humping (ondulação de topo), ondulação do cordão (bead waviness), falta de fusão e respingos excessivos (spatter). O monitoramento em tempo real é crítico para o controle de malha fechada, mas os métodos tradicionais que dependem de sinais elétricos (corrente/tensão) são insuficientes para detectar anomalias visuais complexas.

As abordagens de visão computacional enfrentam desafios significativos devido à luminosidade extrema do arco de soldagem, que causa superexposição no centro da imagem e subexposição na trilha de resfriamento do cordão. Além disso, estudos existentes frequentemente dependem de modelos de aprendizado profundo de "caixa-preta" que carecem de interpretabilidade ou focam em fenômenos físicos únicos (por exemplo, apenas respingos ou apenas a largura da poça de fusão) em vez de um estado de processo holístico. Há uma necessidade de uma estrutura que equilibre eficiência computacional, interpretabilidade do modelo e a capacidade de detectar anomalias dinâmicas em tempo real.

2. Metodologia

O artigo propõe e avalia uma estrutura de visão computacional progressiva e de múltiplos níveis. Em vez de implantar imediatamente um único modelo complexo, os autores caracterizam sistematicamente as compensações entre eficiência computacional, interpretabilidade e precisão ao testar quatro famílias distintas de modelos.

2.1 Coleta e Pré-processamento de Dados

• Conjunto de Dados: 11 amostras de vídeo de alta resolução (aprox. 6.842 quadros) capturadas a 30 fps usando uma câmera monocromática HDR com filtragem espectral de banda estreita.
• Anotação: Os quadros são categorizados manualmente em três classes: Background (ocioso), Good (deposição estável) e Bad (defeitos incluindo irregularidades no cordão e respingos).
• Desbalanceamento de Classes: O conjunto de dados é fortemente desbalanceado (quadros estáveis dominam). Os autores empregam técnicas de reamostragem (oversampling da classe "Bad" para 40% dos quadros estáveis) e aumento de dados para mitigar isso.
• Filtragem Heurística: Uma heurística de métrica dupla (intensidade média e variância) filtra períodos ociosos. Um "Bloco de Segmentação Contínua" rastreia a persistência espacial para distinguir a poça de fusão de respingos transientes, melhorando o recall de identificação de quadros ativos para 1,00.
• Pipeline de Pré-processamento: Inclui Equalização de Histograma Adaptativa com Limite de Contraste (CLAHE), mapeamento de borda Sobel, transformações logarítmicas e diferenciação temporal para lidar com a faixa dinâmica e destacar o movimento.

2.2 Arquiteturas de Modelos Avaliadas

O estudo progride através de quatro estágios arquiteturais:

1. Pipeline Clássico Modular de Dois Estágios:

   • Utiliza um backbone CNN congelado (MobileNetV2, EfficientNet-B0 ou ResNet-50) pré-treinado no ImageNet para extrair características espaciais.
   • Alimenta esses embeddings em classificadores clássicos (Regressão Logística, Random Forest).
   • Objetivo: Estabelecer uma linha de base e testar a interpretabilidade.

2. Modelos de Aprendizado Profundo de Ponta a Ponta (End-to-End):

   • Realiza o ajuste fino (fine-tuning) de arquiteturas leves (MobileNetV2, EfficientNet-B0) com todos os parâmetros treináveis.
   • Objetivo: Superar o gargalo do "backbone congelado" e aprender características específicas do domínio.

3. Arquitetura Híbrida CNN–LSTM:

   • Combina um backbone espacial CNN (EfficientNet-B0) com uma camada de Long Short-Term Memory (LSTM).
   • Processa uma janela temporal de quadros para capturar o início e a progressão de defeitos, distinguindo ruído transiente de estados de defeito sustentados.

4. MCFE-Net (Novidade Proposta):

   • Rede de Engenharia de Características Multi-Canal: Substitui o pré-processamento fixo e artesanal por módulos diferenciáveis e aprendíveis.
   • Módulo de Realce de Contraste (CEM): Uma rede convolucional aprendível que aproxima a normalização de contraste local.
   • Módulo de Saliência de Borda (ESM): Uma convolução depthwise aprendível inicializada com filtros Sobel.
   • Esses módulos sintetizam dinamicamente canais de entrada (R, G, B) a partir do quadro em escala de cinza bruto, que são então alimentados na backbone CNN.
   • MCFE-CNN-LSTM: A arquitetura proposta final combina o pré-processamento aprendível (MCFE) com a modelagem temporal (LSTM).

3. Resultados Principais

Os modelos foram avaliados em um conjunto de teste não visto para garantir a integridade sequencial e evitar vazamento de dados.

• Pipeline Clássico de Dois Estágios: A melhor configuração (CLAHE + EfficientNet-B0 + Random Forest) alcançou um recall de classe Ativa de 0,995 e um F1-score global de 0,997. No entanto, foi limitado à classificação binária (Ativo vs. Background) e não pôde realizar o monitoramento de qualidade de 3 classes de forma detalhada.
• Aprendizado Profundo de Ponta a End-to-End:
  • MobileNetV2: Alcançou 99% de acurácia e um F1-score da classe "Bad" de 0,99, demonstrando que a otimização conjunta supera o gargalo do backbone congelado.
  • EfficientNet-B0: Alcançou 93% de acurácia, mas sofreu uma queda significativa no recall de defeitos (0,53), provavelmente devido ao overfitting nas classes dominantes dado o tamanho menor do conjunto de dados.
• CNN-LSTM: Ao adicionar contexto temporal, o modelo melhorou o F1-score da classe "Bad" para 0,74 (comparado aos modelos por quadro) e reduziu falsos positivos causados por flashes de arco transientes.
• MCFE-Net e MCFE-CNN-LSTM (Proposta):
  • MCFE-Net (backbone EfficientNet): Alcançou 98% de acurácia com precisão perfeita (1,00) para a classe "Bad".
  • MCFE-CNN-LSTM: A arquitetura final proposta alcançou um F1-score de 0,987, um Recall de Defeito de 0,980 e uma Precisão de Defeito de 1,00.
  • Esta arquitetura eliminou com sucesso os falsos positivos de ruídos transientes enquanto manteve alta sensibilidade à deriva gradual da geometria da poça de fusão.

4. Principais Contribuições

1. Estrutura de Avaliação Progressiva: O artigo fornece uma comparação sistemática da complexidade do modelo, demonstrando que o aumento da complexidade só é justificado quando as linhas de base mais simples falham (ex: modelos clássicos são suficientes para detecção binária, mas aprendizado profundo é necessário para monitoramento de qualidade de 3 classes).
2. Pré-processamento Aprendível (MCFE-Net): A introdução de módulos de pré-processamento diferenciáveis (CEM e ESM) que são otimizados conjuntamente com o objetivo de classificação. Isso remove a dependência de heurísticas fixas e artesanais e permite que a rede descubra representações de características ideais.
3. Modelagem Temporal para WAAM: A demonstração de que a modelagem de sequência temporal (LSTM) é crítica para distinguir defeitos em desenvolvimento de flutuações de arco transientes, melhorando significativamente o recall de defeitos em relação aos modelos sem estado (stateless) por quadro.
4. Interpretabilidade: A estrutura mantém a interpretabilidade estrutural. Os filtros aprendidos de CEM e ESM podem ser visualizados, permitindo que engenheiros entendam quais características visuais o modelo prioriza para a detecção de defeitos.
5. Interface em Tempo Real: Desenvolvimento de um dashboard baseado na web (FastAPI) para avaliação de modelos em tempo real e visualização de previsões contra a verdade fundamental (ground truth), facilitando a potencial integração em sistemas de controle de malha fechada.

5. Significância e Alegações

O artigo afirma que a estrutura proposta MCFE-CNN-LSTM representa um avanço significativo no monitoramento de WAAM ao resolver o compromisso entre acurácia e interpretabilidade.

• Relevância Industrial: A precisão perfeita (1,00) para a classe de defeito é destacada como crucial para aplicações industriais, pois minimiza alarmes falsos dispendiosos que poderiam interromper a produção.
• Robustez: A combinação de pré-processamento aprendível e recorrência temporal permite que o sistema lide com a extrema faixa dinâmica das imagens de WAAM e a natureza temporal dos defeitos melhor do que modelos anteriores sem estado ou com pré-processamento fixo.
• Escalabilidade: A estrutura é projetada para ser leve (usando backbones MobileNetV2 ou EfficientNet-B0) e adequada para implantação em tempo real.

Os autores concluem que, embora sua estrutura alcance um desempenho quase perfeito no conjunto de dados de teste específico, trabalhos futuros devem abordar o desbalanceamento de classes via síntese avançada (GANs/SMOTE), explorar arquiteturas Transformer para dependências temporais mais longas e integrar dados de sensores multimodais (corrente/tensão) para aumentar ainda mais a robustez.