圖片來源/RahulVithala @ Pixabay

雷鋒網(wǎng)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(xiàn)象在大家的生活中已見怪不怪。然而，MIT（麻省理工學(xué)院）的科學(xué)家卻據(jù)此研發(fā)了一種新型的食物識別系統(tǒng)——Pic2 Recipe。據(jù)稱，該系統(tǒng)可通過查看食物照片來預(yù)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(wǎng)截圖）

據(jù)MIT的CSAIL（計算機科學(xué)和人工智能實驗室）的研究人員表示，該系統(tǒng)不僅可以幫助大家學(xué)習(xí)食譜，還能更好地了解大家的飲食習(xí)慣。聯(lián)合研發(fā)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(guī)模的數(shù)據(jù)集來進行預(yù)測?！?/p>

“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?！?nbsp;據(jù)Aytar介紹，在Pic2 Recipe系統(tǒng)的研發(fā)過程中，他們梳理了多個食譜網(wǎng)站，包括 All Recipes、Food.com（全球最大的食譜和食物網(wǎng)站之一）等，并在此基礎(chǔ)上建立了Recipe1M數(shù)據(jù)庫，該數(shù)據(jù)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(tǒng)也運用了瑞士科學(xué)家2014年研發(fā)的食物識別算法Food-101 Data Set，運用了其數(shù)據(jù)庫中的101000張食物圖片，而這些圖片和Recipe1M數(shù)據(jù)有交叉引用的部分。

在這些數(shù)據(jù)庫的基礎(chǔ)上，研發(fā)人員借其訓(xùn)練神經(jīng)網(wǎng)絡(luò)和查找圖案，并在各個食物圖像和其對應(yīng)的成分和食譜之間建立聯(lián)系。

Pic2 Recipe原理圖

據(jù)外媒表示，只要給出一張食物的照片， Pic2 Recipe系統(tǒng)就能識別該食物的成分，比如，雞蛋、面粉、黃油等，并根據(jù)數(shù)據(jù)庫里相似的圖像給出推薦的食譜。

不過，該系統(tǒng)比較適用于烘焙類的食物，比如餅干、松餅等，因為“Recipe1M”數(shù)據(jù)庫的核心就與其相關(guān)。如果涉及壽司卷、冰沙等比較復(fù)雜的食物，其成分就很難確定。

當(dāng)遇到同樣的食物有著類似的食譜時，該系統(tǒng)也很容易“犯暈”，識別錯誤率也會提升。據(jù)Hynes介紹，目前Pic2 Recipe的識別準(zhǔn)確率可達65%。該AI系統(tǒng)當(dāng)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(xiàn)往往會受到拍攝狀態(tài)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(jié)果的不同。

Hynes同時表示，未來研究人員還想在其基礎(chǔ)上做一些細化和改進，以便更好地了解這些食物。比如，根據(jù)該系統(tǒng)來推斷食物該如何烹飪的方式（是該燉還是切丁等），并區(qū)分不同食物之間的區(qū)別。同時未來還有可能在該系統(tǒng)上開發(fā)一個“晚餐助手”，即根據(jù)用戶的飲食習(xí)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(yǎng)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(yōu)化你的用餐習(xí)慣。”Hynes最后表示。

Via MIT News & ZDNet，雷鋒網(wǎng)編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。