基于介电性质与微波谐振传感的油品机器学习分类
机器学习
2025-06-12 v1
摘要
本文提出了一种基于介电性质的油品分类机器学习方法，利用微波谐振传感器。油的介电行为由其分子组成决定，会引起传感器谐振频率和振幅响应的显著偏移。这些变化被系统性地捕获和处理以提取显著特征，作为多种机器学习分类器的输入。微波谐振传感器以非破坏性、低功耗的方式运行，使其特别适合实时工业应用。通过改变油样的介电常数并获取相应的传感器响应，构建了一个全面的数据集。训练并评估了多种分类器，利用提取的谐振特征评估其区分油品类型的能力。实验结果表明，所提方法使用随机森林分类器实现了 99.41% 的高分类准确率，突显了其在自动化油品识别方面的巨大潜力。该系统紧凑的外形、高效率和高性能强调了其在工业环境中实现快速可靠油品表征的可行性。
引用
@article{arxiv.2506.09867,
title = {Machine Learning-Based Classification of Oils Using Dielectric Properties and Microwave Resonant Sensing},
author = {Amit Baran Dey and Wasim Arif and Rakhesh Singh Kshetrimayum},
journal= {arXiv preprint arXiv:2506.09867},
year = {2025}
}
备注
6 pages, 11 figures, Accepted to IEEE INDISCON 2025