海上災害対応におけるイベント中心のエッジインテリジェンスのためのビジュアル検出ティアのベンチマーク

本研究では、海上での迅速なインシデント対応のため、観測地点付近でのビジュアル認識の必要性と、検出精度、推論遅延、ハードウェア制約、通信容量のバランスを取る必要性を検証した。イベント中心のエッジインテリジェンス(ECEI)アーキテクチャのビジュアルコンピューティングコンポーネントを、Jetson AGX Orin 64 GB Developer KitとRaspberry Pi 5ベースのreComputer AI R2000-12の2つの海上エッジティアでベンチマークした。タスクとして、人検出(転落者対応)、船舶検出(6クラス、船舶監視・衝突認識)、海洋ゴミ検出(11クラス、漂流物・汚染監視)の3つを選定した。YOLO26、YOLO11、YOLOv8を54のモデル・データセット・デバイス構成で評価し、108,000回の予測を行った。reComputerとAGXの平均遅延比は4.40倍で、AGXの平均遅延は19.84~57.09ミリ秒、reComputerは68.89~172.11ミリ秒だった。AGXの最高mAP50-95値は、人検出で0.331、船舶検出で0.813、海洋ゴミ検出で0.639だった。評価されたイベントメッセージ構成全体で、イベント候補JSONバイトは生JPEGバイトよりも98.20%少なかった。これらの結果は、海上エッジインテリジェンスのためのデプロイメントを考慮したビジュアルティアの選択と、監査可能な検出器からイベントへのインターフェースを支持するものである。