Este documento presenta una metodología para monitorear los productos de petróleo líquido que pasan a través de tuberías de transmisión. Se estableció una configuración de simulación que consta de un tubo de rayos X, un detector y una tubería utilizando un código de transporte de partículas Monte Carlo n para investigar una mezcla de dos por dos de cuatro productos de petróleo diferentes, a saber, etilenglicol, petróleo crudo, gasolina y gasóleo, en diferentes proporciones volumétricas. Después de recopilar las señales de cada simulación, se aplicó la transformada discreta de wavelet (DWT) como sistema de extracción de características. Luego, se calculó la característica estadística, llamada desviación estándar, a partir de la aproximación del quinto nivel, y los detalles del segundo al quinto nivel proporcionan entradas apropiadas para el entrenamiento de la red neuronal. Se utilizaron tres redes neuronales de perceptrón multicapa para predecir la proporción volumétrica de tres tipos de productos de petróleo, y la proporción volumétrica del cuarto producto podría obtenerse fácilmente a partir de los resultados de las tres redes presentadas. Finalmente, se obtuvo un error cuadrático medio inferior a 1.77 en la predicción de la proporción volumétrica, que fue mucho más precisa que en investigaciones anteriores. Esta alta precisión se debió al uso de DWT para la extracción de características.