Resumo Técnico: Detecção de Defeitos de Superfície de Alta Precisão em Tiras de Metal via YOLOv5s-SC2 Leve com Poda LAMP

1. Definição do Problema

O artigo aborda os desafios críticos no controle de qualidade industrial para tiras de metal, especificamente a detecção de defeitos de superfície como rachaduras, manchas, arranhões, calosidades e cavidades. Esses defeitos, causados por tecnologias de processamento ou fatores ambientais, impactam significamente a qualidade do produto, a resistência à corrosão e a resistência ao desgaste.

Embora os métodos tradicionais de ensaios não destrutivos (ex: fuga magnética, detecção ultrassônica) ofereçam flexibilidade, eles sofrem com limitações como especificidade de material, insensibilidade a cavidades rasas e vazamentos devido à rugosidade da superfície. A visão computacional baseada em aprendizado profundo emergiu como uma alternativa superior devido à sua alta precisão e adaptabilidade. No entanto, modelos de aprendizado profundo existentes enfrentam obstáculos específicos neste domínio:

• Tipos de Defeitos Diversos: Os defeitos variam significativamente em morfologia (pontuais, irregulares).
• Variações de Escala: Os defeitos variam de grandes manchas a minúsculos arranhões.
• Taxas de Omissão de Alvos Pequenos: Modelos padrão frequentemente falham em detectar defeitos diminutos devido à perda de informação nos mapas de características profundas.
• Restrições de Implementação: Dispositivos de borda industriais possuem recursos computacionais, memória e energia limitados, tornando difícil a implementação de modelos pesados e de alta precisão.

2. Metodologia

Os autores propõem o YOLOv5s-SC2, um modelo de detecção de objetos leve e de alta precisão baseado na arquitetura YOLOv5s, acoplado a uma estratégia de compressão estrutural usando Poda Baseada em Magnitude Adaptativa de Camada (LAMP).

2.1. Otimização de Âncoras e Função de Perda

• Agrupamento K-means++: Substitui o algoritmo K-means padrão para gerar caixas de âncora. O K-means++ melhora a inicialização do centro do cluster, evitando ótimos locais e produzindo âncoras mais adequadas à distribuição de tamanho e forma dos defeitos de superfície de aço no conjunto de dados NEU-DET.
• Perda Shape-IoU: Introduz a função de perda Shape-IoU para substituir as perdas baseadas em IoU padrão. Diferente dos métodos tradicionais que focam apenas na sobreposição, a Shape-IoU considera explicitamente as propriedades geométricas (largura e altura) da caixa delimitadora. Isso é crucial para defeitos com formas irregulares ou razões de aspecto extremas, guiando o modelo para prever caixas que se alinhem mais proximamente com as geometrias reais dos defeitos.

2.2. Melhorias na Rede de Backbone (YOLOv5s-SC)

O backbone foi modificado para melhorar a extração de características e o fluxo de gradiente, mantendo a eficiência:

• Módulo C2f: Substitui o módulo C3 original. O módulo C2f (CSP Bottleneck com 2 convoluções), inspirado no ELAN (Efficient Layer Aggregation Network), utiliza uma estratégia de divisão e fusão com mais conexões de salto de camada. Isso enriquece o fluxo de gradiente e melhora a retenção de informações de alvos pequenos que são frequentemente perdidas em redes profundas.
• Convolução Atrosa Comutável (SAC): Integrada para abordar o equilíbrio entre campo receptivo e custo computacional. A SAC aplica diferentes taxas atrosas às mesmas características de entrada e as funde via uma função de comutação. Isso permite que a rede se adapte a características multiescala de forma flexível sem aumentar a complexidade computacional, capturando efetivamente informações contextuais e evitando a perda de detalhes de alvos pequenos durante o pooling.

2.3. Melhorias na Rede de Neck (YOLOv5s-SC2)

A rede de neck foi atualizada para melhorar a fusão semântica e focar em regiões críticas:

• RepGFPN (Rede de Pirâmide de Características Generalizada Re-parametrizada): Substitui a PANet padrão. A RepGFPN otimiza as dimensões de canal para diferentes escalas, remove operações redundantes de fusão de características e simplifica os operadores de up-sampling. Ela melhora a interação entre informações semânticas de alto nível e informações espaciais de baixo nível sem adicionar carga computacional significativa.
• Mecanismo de Atenção SE: O módulo Squeeze-and-Excitation (SE) é integrado antes dos blocos de fusão de características. Ele realiza uma operação de "squeeze" para agregar informações espaciais globais em descritores de canal e uma operação de "excitation" para gerar pesos por canal. Isso permite que o modelo enfatize seletivamente características de defeitos importantes enquanto suprime ruídos de fundo irrelevantes.

2.4. Poda de Modelo para Implementação em Borda

Para permitir a implementação em dispositivos com recursos limitados, os autores aplicam a Poda LAMP:

• Mecanismo: A LAMP calcula uma pontuação para cada peso com base em sua magnitude relativa aos outros pesos na mesma camada, permitindo taxas de poda adaptativas.
• Restrições Estruturais: Um mecanismo de filtragem específico é implementado para pular módulos que contêm operações de divisão e concatenação (ex: no C2f e RepGFPN) para evitar incompatibilidades nos mapas de características. A poda é aplicada apenas a camadas convolucionais independentes.
• Ajuste Fino (Fine-tuning): Após a poda, o modelo passa por um ajuste fino para recuperar qualquer perda menor de precisão.

3. Principais Contribuições

1. Âncora e Perda Otimizadas: A integração do K-means++ para geração de âncoras e da perda Shape-IoU melhora significativamente a precisão da regressão da caixa delimitadora para defeitos irregulares e pequenos.
2. Backbone Aprimorado (YOLOv5s-SC): A combinação dos módulos C2f e SAC enriquece o fluxo de gradiente e a extração de características multiescala, alcançando um mAP de base de 82,4% (um aumento de 2,5% sobre o YOLOv5s padrão).
3. Neck Avançado (YOLOv5s-SC2): A fusão da RepGFPN e do mecanismo de atenção SE eleva ainda mais o desempenho para 84,3% de mAP, um aumento de 4,4 pontos percentuais sobre a base.
4. Estratégia de Implementação Leve: A aplicação da poda LAMP compacta com sucesso o modelo para dispositivos de borda. Em uma configuração de poda de 2,5×, o tamanho do modelo é reduzido para 56,2%, o custo computacional para 39,4% e o uso de memória para 56,9% do original, com uma queda de mAP negligível de apenas 0,2 ponto percentual.

4. Resultados Experimentais

Os experimentos foram conduzidos no dataset NEU-DET, que contém 1.800 imagens em tons de cinza de seis tipos de defeitos (escala incorporada, manchas, rachaduras, cavidades, inclusões, arranhões).

• Desempenho: O modelo final YOLOv5s-SC2 alcançou uma Precisão Média (mAP) de 84,3%, Precisão de 82,4% e Recall de 75,3%.
• Estudos de Ablação:
  • Os módulos C2f e SAC melhoraram o mAP para 82,4%.
  • A adição da RepGFPN aumentou o mAP para 83,3%.
  • A adição final do mecanismo de atenção SE resultou no pico de desempenho de 84,3%.
  • Visualizações (mapas de calor) confirmaram que o modelo proposto foca mais precisamente nas regiões de defeito e suprime o ruído de fundo em comparação com a base.
• Eficiência de Poda:
  • Poda 2,0×: mAP 84,1%, Parâmetros 7,97M.
  • Poda 2,5×: mAP 84,1%, Parâmetros 7,04M, GFLOPs 7,6. Esta foi identificada como o equilíbrio ideal.
  • Poda 3,0×: msAP 83,8%, Parâmetros 6,48M.

5. Significância e Alegações

O artigo afirma que o proposto YOLOv5s-SC2 oferece uma solução eficaz e leve para a detecção de defeitos de superfície industrial. Ao abordar sistematicamente os desafios de tipos de defeitos diversos e variações de escala através de melhorias arquitetônicas (C2f, SAC, RepGFPN, SE) e otimizando para implementação via poda LAMP, o modelo atinge um equilíbrio superior entre precisão e eficiência.

Os autores enfatizam que o modelo podado em 2,5× fornece uma solução prática para dispositivos de borda com recursos limitados, reduzindo os custos computacionais para menos de 40% do original, enquanto mantém uma precisão de detecção que supera significativamente o YOLOv5s base. Isso torna a abordagem adequada para cenários de inspeção industrial online e em tempo real, onde são exigidos tanto alta precisão quanto baixa latência.