An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology (2024)
- Authors:
- USP affiliated authors: UEYAMA, JO - ICMC ; MATOS, SAULO NEVES - ICMC ; RANIERI, CAETANO MAZZONI - ICMC
- Unidade: ICMC
- DOI: 10.1109/TIM.2023.3342220
- Subjects: APRENDIZADO COMPUTACIONAL; INDÚSTRIA MINERAL; ESTATÍSTICA; MINERAÇÃO
- Keywords: Conveyor belt; light detection and ranging (LiDAR)
- Language: Inglês
- Imprenta:
- Publisher place: Piscataway
- Date published: 2024
- Source:
- Título: IEEE Transactions on Instrumentation and Measurement
- ISSN: 1557-9662
- Volume/Número/Paginação/Ano: v. 73, p. 1-11, 2024
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
MATOS, Saulo Neves et al. An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology. IEEE Transactions on Instrumentation and Measurement, v. 73, p. 1-11, 2024Tradução . . Disponível em: https://doi.org/10.1109/TIM.2023.3342220. Acesso em: 30 mar. 2026. -
APA
Matos, S. N., Pinto, T. V. B. e, Domingues, J. D., Ranieri, C. M., Albuquerque, K. S., Moreira, V. da S., et al. (2024). An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology. IEEE Transactions on Instrumentation and Measurement, 73, 1-11. doi:10.1109/TIM.2023.3342220 -
NLM
Matos SN, Pinto TVB e, Domingues JD, Ranieri CM, Albuquerque KS, Moreira V da S, Souza ES, Ueyama J, Euzébio TAM, Pessin G. An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology [Internet]. IEEE Transactions on Instrumentation and Measurement. 2024 ; 73 1-11.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1109/TIM.2023.3342220 -
Vancouver
Matos SN, Pinto TVB e, Domingues JD, Ranieri CM, Albuquerque KS, Moreira V da S, Souza ES, Ueyama J, Euzébio TAM, Pessin G. An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology [Internet]. IEEE Transactions on Instrumentation and Measurement. 2024 ; 73 1-11.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1109/TIM.2023.3342220 - Data-driven soft sensor development for ore type estimation in mineral crushing processes
- Improving soft sensor reliability in the mining industry using incremental learning
- Development of a bench system with capacitive sensor, sample compression, and TinyML for iron ore moisture measurement
- Enhancing operational safety with conformal prediction in soft sensors
- Evaluating conveyor belt health with signal processing applied to inertial sensing
- Water level identification with laser sensors, inertial units, and machine learning
- Artificial neural networks applied to time series for flood prediction
- Memory-based pruning of deep neural networks for IoT devices applied to flood detection
- Cascade proportional-integral control design and affordable instrumentation system for enhanced performance of electrolytic dry cells
- Closing the loop: enhancing industrial productivity through soft sensor
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3174437.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
