Coal Mine Drill Pipe Detection Algorithm Integrating Large-Kernel Separation and Coordinate Locking Mechanisms

Resumo Técnico: Algoritmo de Detecção de Tubos de Perfuração de Mina de Carvão Integrando Mecanismos de Separação de Núcleo Grande e Bloqueio de Coordenadas

Definição do Problema
As operações de perfuração em minas de carvão subterrâneas exigem a contagem precisa e contínua de tubos de perfuração para avaliar a conformidade da drenagem de gás e o alívio da pressão do furo. No entanto, a detecção por contato tradicional falha sob condições severas, enquanto as soluções existentes de visão computacional enfrentam dificuldades com os desafios ambientais específicos das minas subterrâneas. Esses ambientes são caracterizados por variações dinâmicas significativas, oclusões frequentes de alvos por tubulações e maquinários, brilho intenso de luz, iluminação localizada baixa e poeira onipresente. Modelos de detecção de objetos convencionais, particularmente aqueles treinados em conjuntos de dados padrão, sofrem de overfitting severo e degradação rápida da generalização quando implantados nesses frentes de trabalho desconhecidas e dinâmicas. Especificamente, a geometria esbelta dos tubos de perfuração torna suas características de borda frágeis; eles estão sujeitos a truncamento físico e distorção fotométrica, levando a altas taxas de perda e regressão instável de caixas delimitadoras (bounding boxes) em alvos esbeltos.

Metodologia
Os autores propõem um algoritmo de detecção de tubos de perfuração leve baseado na rede YOLO11n, especificamente projetado para abordar os desafios de generalização e regressão de alvos esbeltos em ambientes complexos. A abordagem foca em dois caminhos arquiteturais principais: realce de características e regressão de caixa delimitadora.

1. Realce de Características (Módulo LSCA):
   No final da rede de backbone, o módulo C2PSA padrão é substituído pelo módulo Large Separable Kernel Coordinate Attention (LSCA). Este módulo integra dois ramos paralelos para desacoplar o ruído de fundo e realçar a conectividade topológica:

• Ramo A (Atenção Espacial de Núcleo Grande): Utiliza a Atenção de Núcleo Separável Grande (LSKA) com convoluções decompostas de $1\times k$ e $k\times 1$ (com dilatação) para expandir o campo receptivo. Isso faz a ponte entre as fronteiras de oclusão física, permitindo que a rede conecte características fraturadas de tubos de perfuração obscurecidos por tubulações ou máquinas.
• Ramo B (Atenção de Coordenadas): Emprega a Atenção de Coordenadas (CA) para gerar máscaras de altura e largura. Este ramo realiza o pooling ortogonal para travar precisamente as bordas físicas dos tubos de perfuração, resistindo à interferência de luz intensa e poeira.
• Fusão: As saídas de ambos os ramos são fundidas via uma única multiplicação elemento a elemento com o mapa de características original, preservando detalhes de borda de alta frequência enquanto injeta duplos priors para conectividade de oclusão cruzada e bloqueio de borda.

2. Regressão de Perda Flexível (InterpIoU):
   Para abordar a sensibilidade da regressão da caixa delimitadora às proporções de aspecto extremas (comuns em tubos de perfuração esbeltos), os autores introduzem uma Perda de Regressão Flexível Baseada em Interpolação (InterpIoU). As perdas padrão frequentemente causam oscilações de gradiente quando a aresta curta de uma caixa prevista desvia ligeiramente, levando ao tremor da caixa. A InterpIoU constrói uma caixa interpolada de transição ($B_i$) entre a caixa prevista ($B_p$) e a verdade fundamental ($B_g$) usando um coeficiente $\lambda=0.5$. A função de perda substitui o termo de sobreposição padrão pela Interseção sobre União (IoU) desta caixa interpolada, mantendo ao mesmo tempo as penalidades de distância de centro e de proporção de aspecto do CIoU. Isso cria uma transição de gradiente suave que suprime a divergência da aresta curta e estabiliza a localização.

3. Estratégia de Conjunto de Dados e Validação:
   O estudo utiliza um conjunto de dados coletado de nove locais de perfuração distintos. Crucialmente, os autores empregam uma estratégia de validação de Distribuição Fora do Padrão (OOD) baseada em isolamento físico espaço-temporal. O conjunto de teste é construído a partir de locais e períodos de tempo estritamente separados dos dados de treinamento para avaliar objetivamente a verdadeira capacidade de generalização do modelo em frentes de trabalho não vistas, em vez de depender de divisões aleatórias de dados.

Principais Contribuições

• Mecanismo LSCA: A integração de separação de núcleo grande e bloqueio de coordenadas em um módulo de fusão multiplicativa paralela especificamente adaptado para as características de oclusão e brilho de cenas de tubos de perfuração subterrâneos.
• Perda InterpIoU: Uma nova perda de regressão adaptada para corpos rígidos esbeltos que mitiga oscilações de gradiente causadas por proporções de aspecto extremas, melhorando a compacidade da caixa delimitadora.
• Estrutura de Avaliação OOD: A construção de um conjunto de validação rigoroso baseado em isolamento espacial e temporal para refletir cenários de implantação no mundo real, onde os modelos enfrentam condições dinâmicas desconhecidas.
• Arquitetura Leve: A proposta mantém um perfil leve (2,561 M de parâmetros) adequado para implantação em borda (edge deployment), enquanto supera significativamente os modelos de linha de base em precisão.

Resultados Experimentais
Experimentos foram conduzidos em uma GPU NVIDIA RTX 5880 Ada usando um conjunto de dados de mais de 6.000 imagens (expandido para ~14.500 via aumento não destrutivo). O modelo melhorado foi comparado com detectores leves de grande porte (YOLOv5n, v8n, 11n, 12n, 26n).

• Desempenho de Generalização: No conjunto de teste OOD, o modelo proposto alcançou 88,7% de mAP@50 e 43,7% de mAP@50-95, representando melhorias de 2,0% e 2,2% sobre o baseline YOLO11n, respectivamente.
• Capacidade Anti-Interferência: Sob condições complexas (brilho, oclusão, poeira), a taxa de erro (miss rate) foi reduzida em 1,4% (para 18,3%), e o recall aumentou em 1,4% (para 81,7%). A análise em camadas mostrou ganhos significativos em condições de brilho intenso (precisão aumentou em 5,4 pontos percentuais) e cenários de destaque médio (taxa de erro reduzida em 3,8 pontos percentuais).
• Eficiência: O modelo mantém uma alta velocidade de inferência de 1303,8 fps com 2,561 M de parâmetros e 6,4 GFLOPs. Embora ligeiramente mais lento que o baseline (1556,1 fps), permanece bem acima das taxas de quadros de câmeras de vigilância subterrâneas padrão.
• Precisão de Contagem: Quando acoplado ao rastreador ByteTrack, o modelo melhorado aumentou a precisão de contagem em cinco casos de vídeo desafiadores em 9,1 pontos percentuais em comparação com o baseline (média de 78,7% vs. 69,7%), demonstrando suporte robusto para a lógica de contagem automatizada.

Significância
O artigo afirma que o algoritmo proposto fornece uma solução de percepção visual robusta e pronta para implantação para operações automatizadas de tubos de perfuração em minas de carvão subterrâneas. Ao abordar os modos de falha específicos da detecção de alvos esbeltos em ambientes dinâmicos de alta interferência, o método supera as limitações de generalização de modelos convencionais. A integração do módulo LSCA e da perda InterpIoU efetivamente suprime o ruído de fundo e estabiliza a localização, estabelecendo uma base para o desenvolvimento inteligente e não tripulado de equipamentos de mineração. Os autores observam que, embora o método melhore significativamente o desempenho, alvos pequenos e distantes permanecem como uma fronteira atual, sugerindo trabalhos futuros envolvendo entradas de maior resolução ou cabeças de detecção rasas dedicadas.