論文の概要: Machine Learning-Based Classification of Oils Using Dielectric Properties and Microwave Resonant Sensing

• arxiv url: http://arxiv.org/abs/2506.09867v1
• Date: Wed, 11 Jun 2025 15:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:03.100982
• Title: Machine Learning-Based Classification of Oils Using Dielectric Properties and Microwave Resonant Sensing
• Title（参考訳）: 誘電特性とマイクロ波共鳴センシングを用いた油の機械学習による分類
• Authors: Amit Baran Dey, Wasim Arif, Rakhesh Singh Kshetrimayum,
• Abstract要約: 本稿では, 各種油試料の誘電特性に基づく分類のための機械学習手法を提案する。 マイクロ波共振センサは非破壊的で低出力で動作し、特にリアルタイム産業用途に適している。 実験により, ランダム森林分類器を用いて, 99.41%の分類精度が得られた。
• 参考スコア（独自算出の注目度）: 3.301741845583689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a machine learning-based methodology for the classification of various oil samples based on their dielectric properties, utilizing a microwave resonant sensor. The dielectric behaviour of oils, governed by their molecular composition, induces distinct shifts in the sensor's resonant frequency and amplitude response. These variations are systematically captured and processed to extract salient features, which serve as inputs for multiple machine learning classifiers. The microwave resonant sensor operates in a non-destructive, low-power manner, making it particularly well-suited for real-time industrial applications. A comprehensive dataset is developed by varying the permittivity of oil samples and acquiring the corresponding sensor responses. Several classifiers are trained and evaluated using the extracted resonant features to assess their capability in distinguishing between oil types. Experimental results demonstrate that the proposed approach achieves a high classification accuracy of 99.41% with the random forest classifier, highlighting its strong potential for automated oil identification. The system's compact form factor, efficiency, and high performance underscore its viability for fast and reliable oil characterization in industrial environments.
• Abstract（参考訳）: 本稿では,マイクロ波共振センサを用いた各種油試料の誘電特性に基づく分類法を提案する。 分子組成によって制御される油の誘電挙動は、センサの共鳴周波数と振幅応答の異なるシフトを誘導する。 これらのバリエーションは、複数の機械学習分類器の入力として機能する有能な特徴を抽出するために、体系的にキャプチャされ、処理される。 マイクロ波共振センサは非破壊的で低出力で動作し、特にリアルタイム産業用途に適している。 油試料の誘電率を変化させ、対応するセンサ応答を取得することで、包括的データセットを開発する。 いくつかの分類器を抽出した共鳴特性を用いて訓練・評価し, 油種を識別する能力を評価する。 実験の結果, ランダム森林分類器を用いて, 99.41%の分類精度を達成し, 油の自動識別の可能性を明らかにすることができた。 システムのコンパクトなフォームファクタ、効率、高性能は、工業環境における高速で信頼性の高いオイルキャラクタリゼーションの可能性を裏付けている。

関連論文リスト

• Machine Learning-based sEMG Signal Classification for Hand Gesture Recognition [3.9440964696313485]
  筋電図(EMG)信号を用いて手の動きを解析・分類する。 本稿では,新しい特徴抽出手法を用いてEMGに基づく手動作認識の性能をベンチマークすることを目的とする。
  論文  参考訳（メタデータ） (2024-11-23T21:29:51Z)
• Phononic materials with effectively scale-separated hierarchical features using interpretable machine learning [57.91994916297646]
  構造的階層的な音波材料は、複数の周波数範囲にわたるエラストダイナミック波と振動の有望なチューニング性を引き起こしている。 本稿では、各長さスケールの特徴が対象周波数範囲内の帯域ギャップをもたらす階層単位セルを求める。 提案手法は,階層型設計空間における新しい領域の探索を柔軟かつ効率的に行う手法である。
  論文  参考訳（メタデータ） (2024-08-15T21:35:06Z)
• Learning characteristic parameters and dynamics of centrifugal pumps under multiphase flow using physics-informed neural networks [1.6874375111244329]
  本研究では,ESPシステムの流体特性,動的状態,重要なパラメータを間接的に推定する物理インフォームドニューラルネットワーク(PINN)モデルを提案する。 PINNモデルの有効性は,これらの圧力測定を入力データとして,未知の状態とパラメータを推定することによって検証した。
  論文  参考訳（メタデータ） (2023-10-04T17:40:46Z)
• Spectral Density Classification For Environment Spectroscopy [44.99833362998488]
  環境の特徴を再構築するために,機械学習技術の可能性を活用する。 スピンボソンモデルの関連する例としては、環境のオーミック性パラメータをOhmic、sub-Ohmic、Super-Ohmicのいずれかとして高精度に分類することができる。
  論文  参考訳（メタデータ） (2023-08-01T20:42:59Z)
• Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
  近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。 既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。 本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
  論文  参考訳（メタデータ） (2022-09-28T02:26:42Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Investigation and comparison of measurement schemes in the low frequency biosensing regime using solid-state defect centers [58.720142291102135]
  ダイヤモンドの固体欠陥は、高い感度と時間分解能を持つ有望な量子センサーを作る。 不均質な拡張と駆動振幅の変動は、使用したセンシング方式によって感度に異なる影響を及ぼした。 連続波(CW)光磁気共鳴(ODMR)分光法, πパルスODMR法, ラムゼー干渉法に基づくスキームの予測感度を数値解析し, 比較した。
  論文  参考訳（メタデータ） (2021-09-27T13:05:23Z)
• Data-based Design of Inferential Sensors for Petrochemical Industry [0.0]
  産業において、不正確な(またはソフトな)センサーは、オンラインで測定された変数から不正確かつ稀に測定された(または完全に測定されていない)変数の値を推測するために用いられる。 本研究は, 石油精製装置2基の工業蒸留塔の製品組成推定センサの設計に焦点をあてたものである。
  論文  参考訳（メタデータ） (2021-06-25T08:48:50Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)

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。