Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection

Identification

Clé publique
radar:r-8ce3eec8096331cb0e1dd63da3b377c8
Auteurs
Cristian G. Zambrano-Vega · Joel Cedeño-Muñoz · Washington Chiriboga Casanova · Byron Oviedo · Efraín Díaz-Macías · Edgar Atilio Suárez Bardelline
Année déclarée
2026
Langue déclarée
en
Type source
article
Première détection
2026-11-14T01:59:49.873703+00:00
Dernière observation des métadonnées
2026-11-14T01:59:49.873703+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Universidad Técnica Estatal de Quevedo

Pays d’affiliation déclarés

EC

Résumé documentaire — langue originale

Balsa wood defects can resemble natural grain, making successful detection insufficient to establish precise localization or robustness to acquisition changes. This study investigates these limitations using the previously published YOLOv11–BiFPN–DAAF framework as a reference for analyzing adaptive multiscale attention. On a 508-image industrial dataset, five training seeds support selected-IoU evaluation, geometric box-error analysis, stratification by defect size, contrast, and elongation, and controlled comparisons of within-scale attention and mixing operators. Robustness is assessed under 15 brightness, contrast, noise, blur, and compression conditions and an external production campaign. Relative to YOLOv11, the complete framework increases internal-test AP from 0.865 to 0.892 at IoU 0.50, from 0.385 to 0.442 at IoU 0.75, and from 0.082 to 0.125 at IoU 0.90, while reducing mean geometric errors among matched detections. It improves mAP@0.5:0.95 by 0.035 (paired-seed 95% CI: 0.03061–0.03939) and exhibits smaller mean degradation under every tested perturbation, while external mAP@0.5:0.95 decreases from the internal value of 0.384 to 0.358. In the within-scale ablation, learned gating exceeds fixed mixing by 0.003 in mean mAP@0.5:0.95 (0.384 versus 0.381), with additional trainable capacity. Composite spatial-attention maps yield a concentration ratio of 4.8±0.7, indicating higher mean weights inside annotation boxes without establishing a causal suppression mechanism. Paired statistical analyses distinguish training-seed variability from test-panel uncertainty. The findings identify localization gains, acquisition sensitivities, and the observed contribution of adaptive refinement within the established architecture. They support further evaluation of difficult defects and independent production domains rather than unrestricted generalization claims.

Identifiants

OPENALEX
https://openalex.org/W7223252258
DOI
10.3390/signals7060105

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Multidisciplinary Digital Publishing Institute

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Cristian G. Zambrano-Vega; Joel Cedeño-Muñoz; Washington Chiriboga Casanova; Byron Oviedo; Efraín Díaz-Macías; Edgar Atilio Suárez Bardelline. Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection. 2026. https://doi.org/10.3390/signals7060105

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Cristian G. Zambrano-Vega; Joel Cedeño-Muñoz; Washington Chiriboga Casanova; Byron Oviedo; Efraín Díaz-Macías; Edgar Atilio Suárez Bardelline. (2026). Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection. https://doi.org/10.3390/signals7060105
Chicago
Cristian G. Zambrano-Vega; Joel Cedeño-Muñoz; Washington Chiriboga Casanova; Byron Oviedo; Efraín Díaz-Macías; Edgar Atilio Suárez Bardelline. Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection. 2026. https://doi.org/10.3390/signals7060105
ISO 690
Cristian G. Zambrano-Vega; Joel Cedeño-Muñoz; Washington Chiriboga Casanova; Byron Oviedo; Efraín Díaz-Macías; Edgar Atilio Suárez Bardelline. Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection. 2026. https://doi.org/10.3390/signals7060105

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Robustness and Localization Analysis of Adaptive Multiscale Attention for Balsa Wood Defect Detection. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-8ce3eec8096331cb0e1dd63da3b377c8/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.3390/signals7060105

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature