Monitoraggio visivo delle emissioni di gas industriali tramite deep learning

Abstract

Il presente lavoro indaga il rilevamento delle emissioni gassose basato su immagini per il monitoraggio delle cokerie, un problema complesso di visione artificiale dovuto alla natura amorfa, semitrasparente e a basso contrasto del target. Lo studio affronta non solo l'accuratezza del rilevamento, ma anche i vincoli di implementazione tipici del monitoraggio industriale multi-camera. È stato definito un framework comparativo all'interno di MMDetection per valutare famiglie rappresentative di rilevatori secondo un protocollo comune, includendo modelli one-stage (RTMDet, YOLOX), un modello two-stage (Faster R-CNN) e un modello basato su transformer (DINO). L’analisi prende in esame diverse risoluzioni di input e combina le metriche standard in formato COCO con indicatori a livello di evento derivati da grandezze orientate al recall; in tal modo, la selezione del rilevatore viene configurata come un problema multi-obiettivo. Nello specifico, il recall a livello di frame viene utilizzato per stimare il numero minimo di osservazioni necessarie a raggiungere una confidenza target nel rilevamento dell'evento, mentre il costo computazionale è valutato attraverso misurazioni di latenza e throughput. I risultati evidenziano marcate differenze tra le famiglie di rilevatori in termini di sensibilità alla risoluzione, robustezza verso i piccoli oggetti e affidabilità a livello di evento. RTMDet beneficia significativamente dell'aumento della risoluzione, Faster R-CNN ottiene la massima accuratezza ad alta risoluzione, YOLOX rappresenta la baseline più orientata alla riduzione della latenza e DINO fornisce il bilanciamento più favorevole tra affidabilità e costo computazionale. Inoltre, è stata sviluppata una dashboard in Grafana orientata all'operatore per tradurre gli output analitici in un'interfaccia di monitoraggio accessibile. Per vincoli di riservatezza e accordi di non divulgazione, il dataset grezzo e le informazioni identificative del sito non possono essere diffusi.

The present work investigates image-based gas emission detection for coke-plant monitoring, a challenging computer-vision problem due to the amorphous, semi-transparent and low-contrast nature of the target. The study addresses not only detection accuracy, but also the deployment constraints of continuous multi-camera industrial monitoring. A comparative framework was defined within MMDetection to evaluate representative detector families under a common protocol, including one-stage models (RTMDet, YOLOX), a two-stage model (Faster R-CNN) and a transformer-based model (DINO). The analysis considers different input resolutions and combines standard COCO-style metrics with event-level indicators derived from recall-oriented quantities, thus framing detector selection as a multi-objective problem. In particular, frame-level recall is used to estimate the minimum number of observations required to achieve a target event-detection confidence, while computational cost is assessed through latency and throughput measurements. The results show marked differences across detector families in terms of resolution sensitivity, small-object robustness and event-level reliability. RTMDet benefits strongly from increasing resolution, Faster R-CNN achieves the strongest high-resolution accuracy, YOLOX represents the most latency-oriented baseline and DINO provides the most favorable balance between reliability and computational cost. In addition, an operator-oriented dashboard was developed in Grafana to translate the analytical outputs into an accessible monitoring interface. Due to confidentiality constraints and non-disclosure agreements, the raw dataset and site-identifying information cannot be disclosed.