Modelo ligero de detección de escombros submarinos basado en el RT-DETR mejorado

Área de la Ciencia:

• Robótica marina
• Visión por ordenador
• Monitoreo del medio ambiente

Sus antecedentes:

• Los ecosistemas submarinos están amenazados por los desechos antropogénicos.
• El monitoreo y la eliminación autónomos son cruciales para abordar estas amenazas.
• Los vehículos submarinos autónomos (AUV) con recursos limitados requieren modelos eficientes de detección de objetos.

Objetivo del estudio:

• Desarrollar un modelo de detección de objetos ligeros (LCSA-DETR) optimizado para vehículos autónomos.
• Mejorar el rendimiento de la detección y la eficiencia para el monitoreo de desechos submarinos.
• Permitir el despliegue en tiempo real en plataformas con recursos limitados.

Principales métodos:

• Se introdujo LCSA-DETR, basado en RT-DETR, con modificaciones arquitectónicas: red troncal StarNet, codificador de agregación transversal ligero (LC-Encoder), bloque de fusión de núcleo adaptativo (AKFB) y red piramidal de características bidireccionales (BiFPN).
• Se aplicó la poda adaptativa por magnitud de la capa (LAMP) para crear una versión comprimida, LCSA-DETR-P.
• El rendimiento evaluado en el conjunto de datos Trash-ICRA19 sin pesas previamente entrenadas.

Principales resultados:

• LCSA-DETR-P obtuvo un 80,4% AP y un 98,3% AP50 en el conjunto de datos Trash-ICRA19.
• El modelo redujo significativamente los parámetros (31,7%), los FLOP (23,0%) y el tamaño del modelo (35,0%) en comparación con la línea de base.
• Logró una velocidad de inferencia en tiempo real de 105.1 cuadros por segundo.

Conclusiones:

• LCSA-DETR-P ofrece una precisión comparable a RT-DETR-R18 con requisitos computacionales sustancialmente más bajos.
• La eficiencia y el rendimiento en tiempo real del modelo lo hacen adecuado para su despliegue en vehículos autónomos con recursos limitados para la detección de escombros submarinos.
• Este trabajo contribuye al avance de soluciones autónomas para el monitoreo y la gestión de desechos marinos.