Rete neurale leggera per il rilevamento in tempo reale dei difetti delle pavimentazioni stradali mediante attenzione alle coordinate multi-scala e distillazione della conoscenza multi-granularità

72,5 frame al secondo su una NVIDIA Jetson Orin Nano: è il regime di inferenza dichiarato per la rete di rilevamento dei dissesti pavimentali presentata su Infrastructures da Dongpo Chen e colleghi (doi: 10.3390/infrastructures11090308). Il dato ha peso perché il contesto operativo non è la postazione da ufficio tecnico, bensì la GPU embedded imbarcata sui veicoli di ispezione, ambiente in cui i detector progettati inseguendo la sola accuratezza faticano a essere schierati. Accanto al throughput, il lavoro riporta una mAP@0.5 pari al 71,65%, un valore però da riferire al protocollo valutativo adottato dagli autori, non al test set ufficiale del benchmark.

Due geometrie opposte nello stesso rilevatore

Il rilevamento automatico dei dissesti pavimentali è da tempo parte della manutenzione delle infrastrutture di trasporto e della gestione del patrimonio stradale (road asset management). Nella pratica, un unico modello deve riconoscere oggetti dalle morfologie molto distanti: le crepe si presentano come topologie sottili e allungate, le buche come forme blob, prive di direzionalità preferenziale. Un backbone generico tende in questi casi a sotto-rappresentare almeno una delle due classi. A questo problema di natura geometrica se ne aggiunge uno di sistema: i detector devono girare sulle GPU embedded montate sulle piattaforme di ispezione, e i modelli costruiti per la massima accuratezza risultano di regola troppo pesanti per quell’hardware.

Attenzione coordenata multi-scala nel neck

La prima risposta interviene sul neck. Gli autori vi inseriscono un modulo MSCA, multi-scale coordinate attention, che codifica insieme le dipendenze a lungo raggio lungo righe e colonne e il contesto locale multi-scala. La combinazione risulta utile alle crepe slanciate e resta al contempo contenuta sotto il profilo del costo computazionale.

Una detection head con bias induttivo per gli oggetti allungati

Il secondo intervento si colloca sulla testa di rilevamento. La SADH, slender-aware detection head, accoppia al ramo quadrato standard un ramo asimmetrico basato su convoluzioni (1 \times k) e (k \times 1), inserendo nella testa un bias induttivo esplicito verso gli oggetti allungati. La geometria filiforme delle crepe viene così codificata nella forma stessa dei kernel, non lasciata alla sola capacità di apprendimento del modello.

Distillazione della conoscenza su tre granularità

Il terzo elemento è lo schema MGKD, multi-granularity knowledge distillation, che trasferisce al modello leggero la conoscenza di un teacher più pesante su tre livelli complementari: feature a livello di pixel mascherate dall’attenzione, relazioni tra coppie di istanze e logit di classe decouplati. La copertura rispecchia i tre livelli distinti di informazione su cui poggia un detector denso multi-classe, dalla rappresentazione locale alle relazioni tra oggetti fino alla distribuzione delle classi.

RDD2022, buche in-house e protocollo a seme fisso

L’addestramento e la valutazione combinano il benchmark pubblico RDD2022 con un set interno supplementare di buche su asfalto. La valutazione è condotta a seme fisso e a esecuzione singola: sul test split definito dagli autori il metodo raggiunge una mAP@0.5 del 71,65%, con confronto limitato a sette baseline representative valutate sotto lo stesso protocollo. Il valore non è direttamente confrontabile con le valutazioni condotte sul test set ufficiale di RDD2022, un punto da tenere presente in ogni lettura comparativa.

Sul piano dell’efficienza la rete gira a 72,5 FPS sulla Jetson Orin Nano. La latenza resta modestamente superiore a quella di YOLOv8s, pur conservando la capacità di inferenza in tempo reale richiesta dall’ispezione pavimentale a bordo veicolo.

Per chi si occupa di rilievi stradali e gestione del patrimonio infrastrutturale, il punto di interesse sta nel modo in cui le scelte architettoniche rispondono punto per punto ai due vincoli di partenza: geometrie di classe opposte da una parte, budget computazionale dell’hardware imbarcato dall’altra. I numeri restano ancorati allo split e al protocollo degli autori; un confronto con la letteratura su RDD2022 passa necessariamente dal test set ufficiale del benchmark.