論文の概要: Non-Destructive Peat Analysis using Hyperspectral Imaging and Machine Learning

• arxiv url: http://arxiv.org/abs/2405.02191v1
• Date: Fri, 3 May 2024 15:47:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 12:26:23.793198
• Title: Non-Destructive Peat Analysis using Hyperspectral Imaging and Machine Learning
• Title（参考訳）: ハイパースペクトルイメージングと機械学習による非破壊的泥炭解析
• Authors: Yijun Yan, Jinchang Ren, Barry Harrison, Oliver Lewis, Yinhe Li, Ping Ma,
• Abstract要約: ピートはウイスキー生産において重要な要素であり、最終製品に独特の風味を付与する。 本稿では, ハイパスペクトル画像を用いた非破壊解析により, ウイスキー製造における泥炭利用効率の向上に向けた実現可能性調査を行うことにより, この問題に対処することを目的とする。 その結果、ショットウェーブ赤外(SWIR)データは、泥炭サンプルを分析し、総フェノール濃度を99.81%まで予測するのにより効果的であることが示された。
• 参考スコア（独自算出の注目度）: 4.949467670284275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Peat, a crucial component in whisky production, imparts distinctive and irreplaceable flavours to the final product. However, the extraction of peat disrupts ancient ecosystems and releases significant amounts of carbon, contributing to climate change. This paper aims to address this issue by conducting a feasibility study on enhancing peat use efficiency in whisky manufacturing through non-destructive analysis using hyperspectral imaging. Results show that shot-wave infrared (SWIR) data is more effective for analyzing peat samples and predicting total phenol levels, with accuracies up to 99.81%.
• Abstract（参考訳）: ピートはウイスキー生産において重要な要素であり、最終製品に独特の風味を付与する。 しかし、泥炭の抽出は古代の生態系を混乱させ、大量の炭素を放出し、気候変動に寄与する。 本稿では, ハイパスペクトル画像を用いた非破壊解析により, ウイスキー製造における泥炭利用効率の向上に向けた実現可能性調査を行うことにより, この問題に対処することを目的とする。 その結果、ショットウェーブ赤外(SWIR)データは、泥炭サンプルを分析し、総フェノール濃度を99.81%まで予測するのにより効果的であることが示された。

関連論文リスト

• Mitigating Bias in Dataset Distillation [62.79454960378792]
  原データセット内のバイアスがデータセット蒸留の性能に及ぼす影響について検討した。 カーネル密度推定を用いたサンプル再重み付け方式に基づく,単純かつ高効率な手法を提案する。
  論文  参考訳（メタデータ） (2024-06-06T18:52:28Z)
• Enhanced Droplet Analysis Using Generative Adversarial Networks [0.0]
  この研究は、DropletGANという画像生成装置を開発し、ドロップレットの画像を生成する。 また、合成データセットを用いた光液滴検出器の開発にも用いられている。 我々の知る限りでは、この研究は初めて、液滴の検出を増強するための生成モデルを用いたものである。
  論文  参考訳（メタデータ） (2024-02-24T21:20:53Z)
• Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
  ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。 データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。 本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
  論文  参考訳（メタデータ） (2024-01-29T03:29:39Z)
• 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)
• Distill Gold from Massive Ores: Bi-level Data Pruning towards Efficient Dataset Distillation [96.92250565207017]
  本研究では,データセット蒸留作業におけるデータ効率と選択について検討する。 蒸留の力学を再現することにより、実際のデータセットに固有の冗長性についての洞察を提供する。 蒸留における因果関係から最も寄与した試料を見出した。
  論文  参考訳（メタデータ） (2023-05-28T06:53:41Z)
• Ethylene Leak Detection Based on Infrared Imaging: A Benchmark [14.716538866819326]
  石油化学産業におけるエチレンの漏れは、生産安全と環境汚染と密接に関係している。 赤外線エチレンリーク検出研究で用いられる検出基準は, 実世界の生産条件を完全に反映できないことがわかった。 我々は54275画像を含む異なる濃度と背景のエチレンリークの新しい赤外線画像データセットを作成する。
  論文  参考訳（メタデータ） (2023-04-04T17:13:06Z)
• Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
  機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。 そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。 予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
  論文  参考訳（メタデータ） (2023-03-24T18:32:38Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• Distilling Causal Effect of Data in Class-Incremental Learning [109.680987556265]
  CIL(Class-Incremental Learning)における破滅的な忘れ方を説明するための因果的枠組みを提案する。 我々は,データ再生や特徴・ラベル蒸留といった既存のアンチフォジット手法を緩和する新しい蒸留法を考案した。
  論文  参考訳（メタデータ） (2021-03-02T14:14:10Z)

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。