論文の概要: Learning algorithms for identification of whisky using portable Raman
spectroscopy
- arxiv url: http://arxiv.org/abs/2309.13087v1
- Date: Fri, 22 Sep 2023 02:27:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 22:25:31.647484
- Title: Learning algorithms for identification of whisky using portable Raman
spectroscopy
- Title(参考訳): 携帯型ラマン分光法によるウイスキー識別のための学習アルゴリズム
- Authors: Kwang Jun Lee, Alexander C. Trowbridge, Graham D. Bruce, George O.
Dwapanyin, Kylie R. Dunning, Kishan Dholakia, Erik P. Schartner
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 37.69303106863453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable identification of high-value products such as whisky is an
increasingly important area, as issues such as brand substitution (i.e.
fraudulent products) and quality control are critical to the industry. We have
examined a range of machine learning algorithms and interfaced them directly
with a portable Raman spectroscopy device to both identify and characterize the
ethanol/methanol concentrations of commercial whisky samples. We demonstrate
that machine learning models can achieve over 99% accuracy in brand
identification across twenty-eight commercial samples. To demonstrate the
flexibility of this approach we utilised the same samples and algorithms to
quantify ethanol concentrations, as well as measuring methanol levels in spiked
whisky samples. Our machine learning techniques are then combined with a
through-the-bottle method to perform spectral analysis and identification
without requiring the sample to be decanted from the original container,
showing the practical potential of this approach to the detection of
counterfeit or adulterated spirits and other high value liquid samples.
- Abstract(参考訳): ウイスキーのような高価値商品の信頼性の高い識別は、ブランドの置換(詐欺製品)や品質管理などの問題が業界にとって重要であるため、ますます重要になっている。
市販ウイスキー試料のエタノール/メタノール濃度を同定し,特徴付けるため,様々な機械学習アルゴリズムを調査し,携帯型ラマン分光装置と直接インターフェースした。
機械学習モデルが28の商用サンプルのブランド識別において99%以上の精度を達成できることを実証する。
このアプローチの柔軟性を示すために、同じサンプルとアルゴリズムを使用してエタノール濃度を定量し、スパイクウイスキー試料中のメタノール濃度を測定した。
筆者らの機械学習技術は, サンプルを元の容器から切り離すことなく, スペクトル分析と同定を行うためのスルー・ザ・ボトル法と組み合わせて, 偽造または未成年精神などの高価値液体試料の検出に対する本手法の実用可能性を示す。
関連論文リスト
- Determination of Trace Organic Contaminant Concentration via Machine
Classification of Surface-Enhanced Raman Spectra [0.7029155133139362]
機械学習を用いて,未処理のRamanデータから試料汚染物質の濃度を予測する手法を提案する。
標準的な機械学習モデルを用いて、サンプル汚染物質の濃度を、生のRamanデータから80%以上のクロスバリデーション精度で予測する。
論文 参考訳(メタデータ) (2024-01-31T21:49:40Z) - 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) - Learning Lightweight Object Detectors via Multi-Teacher Progressive
Distillation [56.053397775016755]
本稿では,教師検出器の知識を学生に段階的に伝達する,知識蒸留への逐次的アプローチを提案する。
私たちの知識を最大限に活用するために、私たちはTransformerベースの教師検出器から、畳み込みベースの学生まで、初めて知識を抽出しました。
論文 参考訳(メタデータ) (2023-08-17T17:17:08Z) - Distill Gold from Massive Ores: Efficient Dataset Distillation via
Critical Samples Selection [101.78275454476311]
情報伝達の文脈内でデータセット蒸留タスクをモデル化する。
我々は、データユーティリティー推定器のファミリーと、最も価値のあるサンプルを利用する最適なデータ選択方法を導入し、検証する。
提案手法は, より大規模で異種なデータセットであっても, 蒸留アルゴリズムを一貫して強化する。
論文 参考訳(メタデータ) (2023-05-28T06:53:41Z) - Explicit and Implicit Knowledge Distillation via Unlabeled Data [5.702176304876537]
高速な計算機生成装置を代替する効率的な未ラベルサンプル選択法を提案する。
また,データ領域シフトによるラベルノイズを抑制するためのクラスドロップ機構を提案する。
実験結果から,本手法が他の最先端手法よりも高速に収束し,精度が向上できることが示唆された。
論文 参考訳(メタデータ) (2023-02-17T09:10:41Z) - Label Assignment Distillation for Object Detection [0.0]
我々は,オブジェクト検出におけるラベル割り当てに着目した,単純だが効果的な知識蒸留手法を考案した。
提案手法は, MSCOCO 2017ベンチマークで有望な結果を示す。
論文 参考訳(メタデータ) (2021-09-16T10:11:58Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳(メタデータ) (2021-04-07T17:11:27Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳(メタデータ) (2020-07-21T13:27:09Z) - Why distillation helps: a statistical perspective [69.90148901064747]
知識蒸留は、単純な「学生」モデルの性能を向上させる技術である。
この単純なアプローチは広く有効であることが証明されているが、基本的な問題は未解決のままである。
蒸留が既存の負の鉱業技術をどのように補完し, 極端に多層的検索を行うかを示す。
論文 参考訳(メタデータ) (2020-05-21T01:49:51Z) - Wine quality rapid detection using a compact electronic nose system:
application focused on spoilage thresholds by acetic acid [1.412197703754359]
携帯型かつコンパクトなE-Noseは,ワインの劣化閾値を早期に検出できることを示す。
本稿では,センサ信号の早期部分の認識性能を向上させるために,生データ処理に着目した立ち上がりウィンドウを提案する。
論文 参考訳(メタデータ) (2020-01-16T08:49:06Z)
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。