論文の概要: Smart Cup: An impedance sensing based fluid intake monitoring system for beverages classification and freshness detection

• arxiv url: http://arxiv.org/abs/2210.06285v1
• Date: Sat, 8 Oct 2022 18:13:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 16:07:56.482444
• Title: Smart Cup: An impedance sensing based fluid intake monitoring system for beverages classification and freshness detection
• Title（参考訳）: smart cup: 飲料類分類と鮮度検出のためのインピーダンスセンシングに基づく流体吸入モニタリングシステム
• Authors: Mengxi Liu and Sizhen Bian and Bo Zhou and Agnes Gr\"unerbl and Paul Lukowicz
• Abstract要約: 飲料分類における振幅, 位相, 実像, 虚像といった特徴の重要性について検討した。 炭酸飲料やジュースを含む20種類の飲料は、教師付き機械学習手法を用いてほぼ完璧に分類された。
• 参考スコア（独自算出の注目度）: 8.141754051616905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel beverage intake monitoring system that can accurately recognize beverage kinds and freshness. By mounting carbon electrodes on the commercial cup, the system measures the electrochemical impedance spectrum of the fluid in the cup. We studied the frequency sensitivity of the electrochemical impedance spectrum regarding distinct beverages and the importance of features like amplitude, phase, and real and imaginary components for beverage classification. The results show that features from a low-frequency domain (100 Hz to 1000 Hz) provide more meaningful information for beverage classification than the higher frequency domain. Twenty beverages, including carbonated drinks and juices, were classified with nearly perfect accuracy using a supervised machine learning approach. The same performance was also observed in the freshness recognition, where four different kinds of milk and fruit juice were studied.
• Abstract（参考訳）: 本稿では,飲料の種類や鮮度を正確に認識できる新しい飲料摂取監視システムを提案する。 市販カップに炭素電極を装着することで、システムはカップ内の流体の電気化学的インピーダンススペクトルを測定する。 異なる飲料に関する電気化学インピーダンススペクトルの周波数感度と, 酒類分類における振幅, 位相, 実物, 想像上の成分の重要性について検討した。 その結果、低周波領域(100Hzから1000Hz)の特徴は、高周波領域よりも飲料の分類に有意義な情報を提供することがわかった。 炭酸飲料とジュースを含む20種類の飲料を教師あり機械学習を用いてほぼ完全な精度で分類した。 また, 4種類の乳汁と果汁について検討した鮮度認識においても, 同じ性能を示した。

関連論文リスト

• The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
  注水液の音響・視覚観測と物理の関連性について検討した。 本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
  論文  参考訳（メタデータ） (2024-11-18T01:19:37Z)
• How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
  現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。 本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。 本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
  論文  参考訳（メタデータ） (2024-05-12T00:16:02Z)
• Learning algorithms for identification of whisky using portable Raman spectroscopy [37.69303106863453]
  我々は、さまざまな機械学習アルゴリズムを調べ、ポータブルなラマン分光装置で直接インターフェースした。 機械学習モデルは、28の商用サンプルのブランド識別において99%以上の精度を達成可能であることを実証した。
  論文  参考訳（メタデータ） (2023-09-22T02:27:05Z)
• A Novel Poisoned Water Detection Method Using Smartphone Embedded Wi-Fi Technology and Machine Learning Algorithms [0.0]
  We have use the Wi-Fi signal to distinguish clean water from poisoned water through training different machine learning algorithm。 LSTMを適用した場合の分類精度は89%であった。
  論文  参考訳（メタデータ） (2023-02-13T13:16:34Z)
• StereoDistill: Pick the Cream from LiDAR for Distilling Stereo-based 3D Object Detection [93.10989714186788]
  ステレオ法とLiDAR法とのギャップを狭めるため,StereoDistillというクロスモーダル蒸留法を提案する。 StereoDistillの主な設計は、回帰のためのX-component Guided Distillation(XGD)と分類のためのCLD(Cross-anchor Logit Distillation)である。
  論文  参考訳（メタデータ） (2023-01-04T13:38:48Z)
• Near-infrared and visible-light periocular recognition with Gabor features using frequency-adaptive automatic eye detection [69.35569554213679]
  近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。 本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。 このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
  論文  参考訳（メタデータ） (2022-11-10T13:04:03Z)
• A reconfigurable integrated electronic tongue and its use in accelerated analysis of juices and wines [0.7471042304519232]
  この作業では、手作りの機能抽出と、トレーニングされた機械学習モデルをクラウドバックエンドまたはエッジデバイスにデプロイするためのデータパイプラインを組み合わせる。 センサーアレイは異なる有機酸に対する感受性を示し、果汁やワインの指紋認証に興味深い性能を示した。
  論文  参考訳（メタデータ） (2022-05-27T07:01:25Z)
• Testing a Drop of Liquid Using Smartphone LiDAR [4.603006709596951]
  本稿では,現代スマートフォンに搭載されているLiDARセンサを用いて,流体特性を判定するシステムを提案する。 私たちのデザインは、携帯電話から液体にコヒーレントなLiDARビームをターゲットにすることで機能します。 携帯電話のカメラを用いて、光散乱粒子から反射する光の干渉によって形成される特徴的なレーザースペックルパターンをキャプチャする。
  論文  参考訳（メタデータ） (2022-03-15T00:12:39Z)
• Enhancing Food Intake Tracking in Long-Term Care with Automated Food Imaging and Nutrient Intake Tracking (AFINI-T) Technology [71.37011431958805]
  長期医療(LTC)の住民の半数は、入院、死亡、死亡率、生活の質の低下が悪化している。 本稿では,LCCのための食品自動撮像・栄養摂取追跡技術(AFINI-T)について述べる。
  論文  参考訳（メタデータ） (2021-12-08T22:25:52Z)
• Rethinking Soft Labels for Knowledge Distillation: A Bias-Variance Tradeoff Perspective [63.87421152879726]
  軟質ラベルを用いた蒸留によるバイアス分散トレードオフについて検討した。 本稿では,サンプル単位のバイアス分散トレードオフを適応的に処理するための,新しい重み付きソフトラベルを提案する。
  論文  参考訳（メタデータ） (2021-02-01T05:53:04Z)
• MyFood: A Food Segmentation and Classification System to Aid Nutritional Monitoring [1.5469452301122173]
  食料モニタリングの欠如は、人口の体重増加に大きく寄与している。 食品画像を認識するためにコンピュータビジョンでいくつかのソリューションが提案されているが、栄養モニタリングに特化しているものはほとんどない。 本研究は, ユーザの食事と栄養摂取の自動モニタリングを支援するために, 画像に提示された食品を分類・分別するインテリジェントシステムの開発について述べる。
  論文  参考訳（メタデータ） (2020-12-05T17:40:05Z)

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。