Establecer tuberías en la industria petrolera es muy costoso y lleva mucho tiempo. Por esta razón, generalmente se utiliza un tubo para transportar varios productos petrolíferos, por lo que es muy importante utilizar un sistema de control preciso y confiable para determinar el tipo y la cantidad de producto de petróleo. En esta investigación, utilizando un sistema basado en la técnica de atenuación de rayos gamma y la técnica de extracción de características en el dominio de la frecuencia combinada con una red neuronal de Perceptrón Multicapa (MLP), se ha intentado determinar el tipo y la cantidad de cuatro productos petrolíferos. El sistema implementado consta de una fuente de rayos gamma de doble energía, un tubo de prueba para simular productos petrolíferos y un detector de yoduro de sodio. Las señales recibidas del detector se transmitieron al dominio de la frecuencia, y se extrajeron las amplitudes de las primeras a cuartas frecuencias dominantes de ellas. Estas características se dieron a una red neuronal MLP como entrada. La red neuronal diseñada tiene cuatro salidas, que son el porcentaje de la proporción de volumen de cada producto. El sistema propuesto tiene la capacidad de predecir la proporción de volumen de productos con un error cuadrático medio raíz (RMSE) máximo de 0.69, lo cual es una sólida razón para utilizar este sistema en la industria petrolera.