論文の概要: Exploration of Spanish Olive Oil Quality with a Miniaturized Low-Cost
Fluorescence Sensor and Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2104.06310v1
- Date: Fri, 9 Apr 2021 11:50:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:39:17.834261
- Title: Exploration of Spanish Olive Oil Quality with a Miniaturized Low-Cost
Fluorescence Sensor and Machine Learning Techniques
- Title（参考訳）: 小型低濃度蛍光センサと機械学習技術を用いたスペインのオリーブ油質の探索
- Authors: Francesca Venturini and Michela Sperti and Umberto Michelucci and Ivo
Herzig and Michael Baumgartner and Josep Palau Caballero and Arturo Jimenez
and and Marco Agostino Deriu
- Abstract要約: エクストラバージンオリーブオイル(EVOO)は、オリーブオイルの最高品質のものであり、非常に有益な栄養特性を特徴としています。
オリーブ油質の定量は, 化学分析および有機汚染評価を通じて, 生産者によって行われる。
蛍光分光法を用いてオリーブ油質の評価を行うことができる小型でポータブルで低コストなセンサを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Extra virgin olive oil (EVOO) is the highest quality of olive oil and is
characterized by highly beneficial nutritional properties. The large increase
in both consumption and fraud, for example through adulteration, creates new
challenges and an increasing demand for developing new quality assessment
methodologies that are easier and cheaper to perform. As of today, the
determination of olive oil quality is performed by producers through chemical
analysis and organoleptic evaluation. The chemical analysis requires the
advanced equipment and chemical knowledge of certified laboratories, and has
therefore a limited accessibility. In this work a minimalist, portable and
low-cost sensor is presented, which can perform olive oil quality assessment
using fluorescence spectroscopy. The potential of the proposed technology is
explored by analyzing several olive oils of different quality levels, EVOO,
virgin olive oil (VOO), and lampante olive oil (LOO). The spectral data were
analyzed using a large number of machine learning methods, including artificial
neural networks. The analysis performed in this work demonstrates the
possibility of performing classification of olive oil in the three mentioned
classes with an accuracy of 100$\%$. These results confirm that this minimalist
low-cost sensor has the potential of substituting expensive and complex
chemical analysis.
- Abstract（参考訳）: エクストラヴァージンオリーブオイル(EVOO)はオリーブ油の最高品質であり、栄養特性が高い。
誤用などによる消費と不正の増大は、新たな課題を生み出し、パフォーマンスが容易で安価な新しい品質評価手法の開発に対する需要が高まっている。
現在,オリーブ油質の定量は,化学分析と有機性評価によって行われている。
化学分析は認定研究所の高度な機器と化学知識を必要とするため、アクセス性は限られている。
本研究では, 極小でポータブルで低コストなセンサを提示し, 蛍光分光法を用いてオリーブ油質評価を行う。
提案技術の可能性は、evoo、virgin olive oil (voo)、lampante olive oil (loo)といった、品質レベルの異なるいくつかのオリーブオイルを分析して検討される。
スペクトルデータは、ニューラルネットワークを含む多数の機械学習手法を用いて分析された。
本研究は,オリーブ油を100$\%の精度で3種類の分類を行う可能性を示した。
これらの結果は、この極小の低コストセンサが、高価で複雑な化学分析を置換する可能性を証明している。
関連論文リスト
- ChemEval: A Comprehensive Multi-Level Chemical Evaluation for Large Language Models [62.37850540570268]
この領域の既存のベンチマークは、化学研究専門家の特定の要求を適切に満たさない。
ChemEvalは化学の4つの重要な進歩レベルを特定し、42の異なる化学タスクで12次元のLCMを評価する。
その結果, LLMは文献の理解と指導に優れる一方で, 高度な化学知識を必要とするタスクでは不足していることがわかった。
論文 参考訳（メタデータ） (2024-09-21T02:50:43Z) - Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。
深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。
本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-14T13:41:21Z) - Artificial Intelligence for reverse engineering: application to
detergents using Raman spectroscopy [0.0]
デジタルツールや分析技術の開発は、潜在的に有毒な分子の同定を可能にする。
各種デジタルツール(スペクトルデータベース,混合データベース,実験設計,ケモメトリックス/機械学習アルゴリズム)と異なるサンプル作成方法の組み合わせにより,混合成分の同定が可能となった。
この戦略は、製品や原料の制御、品質管理の目的でも適用できる。
論文 参考訳（メタデータ） (2023-10-31T08:16:22Z) - Shedding Light on the Ageing of Extra Virgin Olive Oil: Probing the
Impact of Temperature with Fluorescence Spectroscopy and Machine Learning
Techniques [3.1457219084519004]
本研究は, 加速貯蔵条件下での付加ヴァージンオリーブオイル (EVOO) の酸化を系統的に検討する。
高集約データに適用された機械学習に基づいて,石油の品質をモニタリングする手法を提案する。
論文 参考訳（メタデータ） (2023-09-21T09:46:01Z) - Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。
この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
論文 参考訳（メタデータ） (2023-03-14T15:23:48Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Dataset of Fluorescence Spectra and Chemical Parameters of Olive Oils [0.0]
このデータセットは、スペイン・グラナダのコンデ・デ・ベナルーア産の24種類のオリーブ油の蛍光スペクトルと化学的パラメータを含む。
この油は,10種類の追加のヴァージンオリーブ油 (EVOO),8種のヴァージンオリーブ油 (VOO),6種のランプアンデオリーブ油 (LOO) が特徴である。
論文 参考訳（メタデータ） (2023-01-10T10:17:03Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - Physico-chemical properties extraction from the fluorescence spectrum
with 1D-convolutional neural networks: application to olive oil [0.0]
オリーブ油産業は地中海の経済と生活に多大な影響を与えている。
オリーブ油生産者にとって大きな課題の1つは、生産サイクル中に品質を評価し制御する能力である。
本研究は,オリーブオイルの5つの化学的品質指標を予測するために,蛍光分光法と人工知能に基づく新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-03-14T16:10:55Z) - Quality Measures in Biometric Systems [67.6699940572256]
品質はセキュリティにおいて重要な問題であり、特に監視カメラ、鑑識、携帯機器、インターネット経由でのリモートアクセスを含む有害なシナリオにおいて問題となる。
本稿では, バイオメトリックスの品質に悪影響を及ぼす要因, 克服方法, バイオメトリックスシステムに品質対策を組み込む方法について分析する。
論文 参考訳（メタデータ） (2021-11-17T13:28:07Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。