論文の概要: Combining transmission speckle photography and convolutional neural network for determination of fat content in cow's milk -- an exercise in classification of parameters of a complex suspension

• arxiv url: http://arxiv.org/abs/2307.15069v1
• Date: Sat, 8 Jul 2023 23:59:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-06 11:37:27.231244
• Title: Combining transmission speckle photography and convolutional neural network for determination of fat content in cow's milk -- an exercise in classification of parameters of a complex suspension
• Title（参考訳）: 牛乳の脂肪含量判定のための透過スペックル写真と畳み込みニューラルネットワークの組み合わせ-複合懸濁液のパラメータの分類における課題
• Authors: Kwasi Nyandey (1 and 2) and Daniel Jakubczyk (1) ((1) Institute of Physics, Polish Academy of Sciences, Warsaw, Poland (2) Laser and Fibre Optics Centre, Department of Physics, School of Physical Sciences, College of Agriculture and Natural Sciences, University of Cape Coast, Cape Coast, Ghana)
• Abstract要約: 乳脂肪含有クラスの直接分類と認識のために,透過スペックル写真と機械学習を組み合わせた。 牛乳の場合、主に脂肪含有量を構成する脂肪球の大きさ分布と濃度である。 我々は畳み込みニューラルネットワークを訓練し、異なる脂肪量クラスからレーザースペックルを認識し分類した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We have combined transmission speckle photography and machine learning for direct classification and recognition of milk fat content classes. Our aim was hinged on the fact that parameters of scattering particles (and the dispersion medium) can be linked to the intensity distribution (speckle) observed when coherent light is transmitted through a scattering medium. For milk, it is primarily the size distribution and concentration of fat globules, which constitutes the total fat content. Consequently, we trained convolutional neural network to recognise and classify laser speckle from different fat content classes (0.5, 1.5, 2.0 and 3.2%). We investigated four exposure-time protocols and obtained the highest performance for shorter exposure times, in which the intensity histograms are kept similar for all images and the most probable intensity in the speckle pattern is close to zero. Our neural network was able to recognize the milk fat content classes unambiguously and we obtained the highest test and independent classification accuracies of 100 and ~99% respectively. It indicates that the parameters of other complex realistic suspensions could be classified with similar methods.
• Abstract（参考訳）: 乳脂肪含有クラスの直接分類と認識のために,透過スペックル写真と機械学習を組み合わせた。 本研究の目的は,散乱粒子(および分散媒質)のパラメータが,散乱媒質を介してコヒーレント光が透過するときに観測される強度分布(スペックル)に関連付けられることにある。 牛乳については、主に総脂肪量を構成する脂肪球の大きさ分布と濃度である。 その結果、我々は畳み込みニューラルネットワークを訓練し、異なる脂肪量クラス(0.5, 1.5, 2.0, 3.2%)からレーザースペックルを認識し分類した。 本研究は4つの露光時間プロトコルを解析し,全画像に対して強度ヒストグラムが類似しており,スペックルパターンの最も高い強度が0に近い,短い露光時間における最高性能を得た。 筆者らのニューラルネットワークは乳脂肪含量クラスを不明瞭に認識し,それぞれ100,99%と最も高い検査値と独立した分類精度を得た。 これは、他の複素現実的サスペンションのパラメータが同様の方法で分類できることを示している。

関連論文リスト

• Training Class-Imbalanced Diffusion Model Via Overlap Optimization [55.96820607533968]
  実世界のデータセットで訓練された拡散モデルは、尾クラスの忠実度が劣ることが多い。 拡散モデルを含む深い生成モデルは、豊富な訓練画像を持つクラスに偏りがある。 本研究では,異なるクラスに対する合成画像の分布の重複を最小限に抑えるために,コントラスト学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-16T16:47:21Z)
• Deep Learning-Based Correction and Unmixing of Hyperspectral Images for Brain Tumor Surgery [0.0]
  修正とアンミックスのための2つの深層学習モデルを提案する。 1つはプロトポルフィリンIX(PpIX)濃度ラベルで訓練されている。 他方は半教師ありの訓練を受け、まずハイパースペクトルを解き放つ自己教師を学習し、続いて蛍光スペクトルの補正を学習する。
  論文  参考訳（メタデータ） (2024-02-06T07:04:35Z)
• Diffusion Facial Forgery Detection [56.69763252655695]
  本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。 人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。 その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
  論文  参考訳（メタデータ） (2024-01-29T03:20:19Z)
• Multifractal-spectral features enhance classification of anomalous diffusion [0.0]
  異常拡散過程は、分類と特徴付けにおいて独特な挑戦を生んでいる。 本研究は, 異常拡散軌跡を効果的に識別するためのマルチフラクタルスペクトル特性の可能性について検討する。 異常拡散の分類の高度化におけるマルチフラクタルスペクトルの特徴の多様性と有効性について検討した。
  論文  参考訳（メタデータ） (2024-01-15T12:42:15Z)
• Classification of quantum states of light using random measurements through a multimode fiber [42.5342379899288]
  マルチモードファイバを介して未知の入力状態を送信する光学スキームを提案する。 短い多モードファイバは、空間領域におけるランダムなプロジェクションを効果的に実装する。 長分散多モードファイバは、空間及びスペクトル投影を行う。
  論文  参考訳（メタデータ） (2023-10-20T15:48:06Z)
• DiffMIC: Dual-Guidance Diffusion Network for Medical Image Classification [32.67098520984195]
  一般医用画像分類のための拡散モデル(DiffMIC)を提案する。 実験の結果,DiffMICは最先端の手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-03-19T09:15:45Z)
• Estimating the concentration of chiral media with bright squeezed light [77.34726150561087]
  キラル分析物の濃度を推定するためのガウスプローブの性能を定量的に評価する。 4倍精度向上は、最先端のスクイーズレベルと強度測定を用いて達成できる。
  論文  参考訳（メタデータ） (2022-08-21T17:18:10Z)
• A novel optical needle probe for deep learning-based tissue elasticity characterization [59.698811329287174]
  光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。 針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
  論文  参考訳（メタデータ） (2021-09-20T08:29:29Z)
• Manifold-aware Synthesis of High-resolution Diffusion from Structural Imaging [12.96280888284293]
  本稿では,高分解能T1w画像からの拡散テンソル(DT)と拡散配向分布関数(dODF)の直接生成のためのネットワークアーキテクチャを提案する。 提案手法は,合成拡散と接地トラス間の分数異方性平均二乗誤差(FA MSE)を23%以上改善する。 構造入力から15秒以内で高分解能拡散画像を生成することができるが,T1w画像のみに依存する拡散推定の限界を認識し,議論する。
  論文  参考訳（メタデータ） (2021-08-09T16:00:40Z)
• Witnessing the survival of time-energy entanglement through biological tissue and scattering media [47.187609203210705]
  生体媒体と組織による近赤外光子の時間的絡み合いの保存を実証した。 フランソン型干渉計を用いて, スキムミルク, 2%乳, ニワトリ組織において0.9以上のインターフェロメトリコントラストを示した。
  論文  参考訳（メタデータ） (2021-02-25T15:00:58Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。