CFIS-YOLO: A Lightweight Multi-Scale Fusion Network for Edge-Deployable Wood Defect Detection
Created by
Haebom
저자
Jincheng Kang, Yi Cen, Yigang Cen, Ke Wang, Yuhan Liu
개요
본 논문은 목재 가공 산업의 품질 관리에 필수적인 목재 결함 검출을 위한 경량 객체 검출 모델 CFIS-YOLO를 제안합니다. 기존의 방법들은 비용이 많이 들고 주관적이며 노동 집약적인 반면, 기존의 딥러닝 모델들은 에지 장치 배포를 위한 검출 정확도와 계산 효율 간의 균형을 맞추는 데 어려움을 겪습니다. CFIS-YOLO는 향상된 C2f 구조, 동적 특징 재결합 모듈, 보조 경계 상자와 각도 제약을 통합한 새로운 손실 함수를 도입하여 다중 스케일 특징 융합 및 작은 객체 위치 파악을 개선하고 계산 오버헤드를 크게 줄입니다. 공개된 목재 결함 데이터셋에서 평가한 결과, CFIS-YOLO는 mAP@0.5 77.5%를 달성하여 기준 YOLOv10s보다 4%p 높은 성능을 보였습니다. SOPHON BM1684X 에지 장치에서 CFIS-YOLO는 135 FPS의 속도를 제공하며, 전력 소비량은 기존 구현의 17.3%로 줄이고 mAP는 단 0.5%p만 감소했습니다. 이러한 결과는 CFIS-YOLO가 자원 제약 환경에서 실제 목재 결함 검출을 위한 실용적이고 효과적인 솔루션임을 보여줍니다.
시사점, 한계점
•
시사점:
◦
경량화된 객체 검출 모델을 통해 에지 장치에서 효율적인 목재 결함 검출 가능성 제시
◦
기존 방법의 한계점인 비용, 주관성, 노동 집약성 문제 해결에 기여
◦
향상된 C2f 구조, 동적 특징 재결합 모듈, 새로운 손실 함수를 통해 성능 향상 및 계산 효율 증대
◦
실제 에지 장치(SOPHON BM1684X)에서의 성능 검증을 통해 실용성 입증
•
한계점:
◦
제시된 모델의 성능 평가는 특정 공개 데이터셋에 국한됨. 다른 데이터셋이나 실제 산업 현장에서의 일반화 성능 검증 필요
