0
| 本文作者： 李秀琴 | 2017-07-24 18:23 |
圖片來源/RahulVithala @ Pixabay
雷鋒網7月24日消息 去一家餐廳吃飯，美食剛上桌時，不是拿起筷子趕緊嘗嘗而是抓起手機一頓拍照以“鑒毒”，這一現象在大家的生活中已見怪不怪。然而，MIT（麻省理工學院）的科學家卻據此研發了一種新型的食物識別系統——Pic2 Recipe。據稱，該系統可通過查看食物照片來預測食材的成分，并向用戶推薦類似的食譜。
Pic2 Recipe 流程演示視頻（雷鋒網截圖）
據MIT的CSAIL（計算機科學和人工智能實驗室）的研究人員表示，該系統不僅可以幫助大家學習食譜，還能更好地了解大家的飲食習慣。聯合研發人 Yusuf Aytar 就此表示，“在計算機視覺方面，食物往往被大家忽視，因為我們沒有大規模的數據集來進行預測。”
“但是，在社交媒體上看似無用的食物照片，實際上卻能為健康飲食提供重要的參考意見。” 據Aytar介紹，在Pic2 Recipe系統的研發過程中，他們梳理了多個食譜網站，包括 All Recipes、Food.com（全球最大的食譜和食物網站之一）等，并在此基礎上建立了Recipe1M數據庫，該數據庫共有100萬份以上的食譜，其中還注明了各種菜肴的成分信息。
與此同時，該系統也運用了瑞士科學家2014年研發的食物識別算法Food-101 Data Set，運用了其數據庫中的101000張食物圖片，而這些圖片和Recipe1M數據有交叉引用的部分。
在這些數據庫的基礎上，研發人員借其訓練神經網絡和查找圖案，并在各個食物圖像和其對應的成分和食譜之間建立聯系。
Pic2 Recipe原理圖
據外媒表示，只要給出一張食物的照片， Pic2 Recipe系統就能識別該食物的成分，比如，雞蛋、面粉、黃油等，并根據數據庫里相似的圖像給出推薦的食譜。
不過，該系統比較適用于烘焙類的食物，比如餅干、松餅等，因為“Recipe1M”數據庫的核心就與其相關。如果涉及壽司卷、冰沙等比較復雜的食物，其成分就很難確定。
當遇到同樣的食物有著類似的食譜時，該系統也很容易“犯暈”，識別錯誤率也會提升。據Hynes介紹，目前Pic2 Recipe的識別準確率可達65%。該AI系統當前遇到的最大瓶頸還在于圖片本身。因為在拍攝食物圖像時，食物的呈現往往會受到拍攝狀態的影響，比如角度、遠近、擺放和燈光等因素，都有可能造成識別結果的不同。
Hynes同時表示，未來研究人員還想在其基礎上做一些細化和改進，以便更好地了解這些食物。比如，根據該系統來推斷食物該如何烹飪的方式（是該燉還是切丁等），并區分不同食物之間的區別。同時未來還有可能在該系統上開發一個“晚餐助手”，即根據用戶的飲食習慣和冰箱里的“存貨”來推薦食譜清單。
“這可能有助于人們在沒有明確營養信息的時候弄清楚他們的食物里都有哪些成分。舉個例子，如果你知道菜肴里有哪些成分，但不清楚具體含量，你可以拍一張照片，輸入成分，運行該模型后在Pic2 Recipe里找到含有具體含量的類似食譜，以后就能使用這些信息來優化你的用餐習慣。”Hynes最后表示。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
