Інформаційні технології та комп'ютерна техніка

ІНТЕЛЕКТУАЛЬНА ІНФОРМАЦІЙНА СИСТЕМА РОЗПІЗНАВАННЯ ТА АНАЛІЗУ СКЛАДУ ПРОДУКТІВ ХАРЧУВАННЯ

Автор(и)

Ю. С. Здітовецький
Вінницький національний технічний університет ROR
О. В. Бісікало
Вінницький національний технічний університет ROR
Ю. Ю. Іванов
Вінницький національний технічний університет ROR
DOI https://doi.org/10.31649/1997-9266-2023-167-2-66-71

Ключові слова

продукт харчування склад продукту Е-домішки система розпізнавання нейромережі програмування програмний додаток

Анотація

Враховуючи довгострокові наслідки СOVID-19, лікарями запропоновано дотримуватись певного режиму харчування, оскільки якісні продукти важливі для здорового способу життя, а також боротьби з різноманітними хронічними хворобами. Розвиток технологій спонукає виробників до збільшення прибутку та здешевлення виробництва, використовуючи ароматизатори та специфічні харчові домішки (E-домішки), а також їхні синтетичні комбінації, кожна з яких має низку особливостей. Міжнародний збірник харчових стандартів Codex Alimentarius включає в себе перелік близько 500 видів оригінальних E-домішок, які можуть бути природними, ідентичними природним або синтетиками. Низка таких домішок має негативний вплив на організм людини, частина з них не повністю вивчена, що потенційно формує ризик генетичних мутацій, а відповідно аутоімунного та канцерогенного ефектів у майбутньому. Саме тому для покупця певного продукту харчування важлива швидка ідентифікація складу продукту, аналіз відповідних адитивів у ньому, їхньої небезпеки онлайн біля вітрини з використанням мобільних пристроїв та мережі Інтернет.

Останнім часом сучасні розробки розглядаються через призму штучного інтелекту, відповідно такі моделі, які будуть орієнтовані на роботу з продуктами харчування, допоможуть підтримати прагнення людини до здорового харчування. У статті стисло описано розроблену інтелектуальну інформаційну систему, яка для досягнення поставленої мети застосовує моделі машинного навчання на наповненій базі даних з продуктами харчування, сканер бар-кодів з додатковою процедурою коригування, якщо він сильно пошкоджений, апарат регулярних виразів, метрик подібності тексту, а також систему рейтингування продуктів. Відповідний програмний додаток працює в трьох режимах на платформах iOS та Android: розпізнавання продукту, бар-кодів, аналіз складу та оцінювання товару. Програма дозволяє отримати інформацію про продукт, склад, перелік адитивів, наукову інформацію по ним, рейтинг «корисності» товару, порівняння його з продуктами-аналогами тощо.

479 255

Як цитувати

[1]
«ІНТЕЛЕКТУАЛЬНА ІНФОРМАЦІЙНА СИСТЕМА РОЗПІЗНАВАННЯ ТА АНАЛІЗУ СКЛАДУ ПРОДУКТІВ ХАРЧУВАННЯ», Вісник ВПІ, вип. 2, с. 66–71, Трав 2023, doi: 10.31649/1997-9266-2023-167-2-66-71.

Біографії авторів

автор Ю. С. Здітовецький, афіліація Вінницький національний технічний університет

аспірант кафедри автоматизації та інтелектуальних інформаційних технологій

автор О. В. Бісікало, афіліація Вінницький національний технічний університет

д-р техн. наук, професор, професор кафедри автоматизації та інтелектуальних інформаційних технологій

автор Ю. Ю. Іванов, афіліація Вінницький національний технічний університет

канд. техн. наук, доцент, доцент кафедри автоматизації та інтелектуальних інформаційних технологій

Посилання

А. В. Бабюк, та ін., Безпека харчування: сучасні проблеми. Чернівці, Україна: Книги-ХХІ, 2005, 454 с.
C. В. Нагірний, Я. Г. Бондарєв, і Л. В. Нечволода, «Використання нейромережевих технологій у системах розпізнавання образів для оцінювання безпечності продуктів харчування,» на Міжнародній науковій конференції Ком¬п’ютерні технології обробки даних, 2020, с. 40-43.
Т. B. Kumar, et al., “A Novel Model to Detect and Classify Fresh and Damaged Fruits to Reduce Food Waste Using a Deep Learning Technique,” Journal of Food Quality, pp. 1-8, 2022. https://doi.org/10.1155/2022/4661108 .
ISO 22000 : 2005. Системи управління безпечністю харчових продуктів – Вимоги до будь-яких організацій харчового ланцюга. [Електронний ресурс]. Режим доступу: http://www.codexalimentarius.net . Дата звернення: 26.01.2022.
А. А. Дубініна, Токсичні речовини у харчових продуктах та методи їх визначення. Київ, Україна: Професіонал, 2007, 375 с.
В. І. Смоляр, «Сучасні проблеми використання харчових добавок,» Проблеми харчування, Київ, Україна: Інститут екології і токсикології імені Л. І. Медведя, с. 5-13, 2009.
О. Кратко, і М. Янків, «Вивчення небезпечного впливу продуктів харчування на здоров’я людини,» Грааль науки, № 1, с. 167-170, 2021.
K. Shiraly, “AI in Nutrition: How Technology is Transforming what We Eat,” [Electronic resource]. Available: https://www.width.ai/post/ai-in-nutrition. Accessed: 20.03.2023.
Open Food Facts. [Electronic resource]. Available: https://play.google.com/store/apps/details?id=org.openfoodfacts.scanner. Accessed: 20.03.2023.
FoodVisor. [Electronic resource]. Available: https://www.foodvisor.io/. Accessed: 20.03.2023.
Сканер їжі. [Electronic resource]. Available: https://play.google.com/store/apps/details?id=food.scanner&hl=uk. Accessed: 20.03.2023.
Yu.Yu. Ivanov, D. O. Kruts, and H. B. Rakytyanska, “An Algorithm for Training Artificial Neural Network Based on Adaptive Moments Estimation,” на Мiжнародній науково-практичній Інтернет-конференції Електронні інформаційні ресурси: створення, використання, доступ, Суми/Вiнниця, Україна: НІКО / ВНТУ, 2022, c. 117-119.
A. A. N. Tato, and N. Nkambou, “Improving ADAM Optimizer,” in International Conference on Learning Representations, 2018, pp. 1-4.
ISO/IEC 18004 : 2015. Estonian Centre for Standardization. [Electronic resource]. Available: https://www.evs.ee/ products/iso-iec-18004-2015. Accessed: 26.01.2023.
T. K. Moon, Error Correction Coding: Mathematical Methods & Algorithms, John Wiley & Sons, 2005, 750 p.
V. V. Pivoshenko, and Yu.Yu. Ivanov, “Method for Recognition Highly Corrupted Barcodes,” на VIII Міжнародній конференції з оптико-електронних інформаційних технологій “Photonics-ODS”, Вiнниця, Україна: ВНТУ, 2018, с. 55.
F. Lopez, and V. Romero, Mastering Python Regular Expressions. Packt Publishing, 2014, 110 p.
Yu. S. Zditovetskyi, O. V. Bisikalo, and Yu. Yu. Ivanov, “Overview and Numerical Examples of the Text Similarity Metrics,” in Scientific and practical international conference “Science and Technology: Problems, Prospects and Innovations,” Osaka, Japan: CPN Publishing Group, 2022, pp. 184-188.
F. Zammetti, Modern Full-Stack Development: Using TypeScript, React, Node.js, Webpack, and Docker. APress, 2020, 396 p.
A. Yudin, Building Versatile Mobile Apps with Python and REST: RESTful Web Services with Django and React.‎ APress, 2020, 364 p.

Статті цього автора (цих авторів), які найбільше читають

1 2 > >>