圖片來(lái)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(shí)，不是拿起筷子趕緊嘗嘗而是抓起手機(jī)一頓拍照以“鑒毒”，這一現(xiàn)象在大家的生活中已見(jiàn)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(shí)別系統(tǒng)——Pic2 Recipe。據(jù)稱(chēng)，該系統(tǒng)可通過(guò)查看食物照片來(lái)預(yù)測(cè)食材的成分，并向用戶(hù)推薦類(lèi)似的食譜。

Pic2 Recipe 流程演示視頻（雷鋒網(wǎng)截圖）

據(jù)MIT的CSAIL（計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)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(jì)算機(jī)視覺(jué)方面，食物往往被大家忽視，因?yàn)槲覀儧](méi)有大規(guī)模的數(shù)據(jù)集來(lái)進(jìn)行預(yù)測(cè)?！?/p>

“但是，在社交媒體上看似無(wú)用的食物照片，實(shí)際上卻能為健康飲食提供重要的參考意見(jiàn)?！?nbsp;據(jù)Aytar介紹，在Pic2 Recipe系統(tǒng)的研發(fā)過(guò)程中，他們梳理了多個(gè)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(kù)，該數(shù)據(jù)庫(kù)共有100萬(wàn)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(shí)，該系統(tǒng)也運(yùn)用了瑞士科學(xué)家2014年研發(fā)的食物識(shí)別算法Food-101 Data Set，運(yùn)用了其數(shù)據(jù)庫(kù)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(kù)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(gè)食物圖像和其對(duì)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(shí)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(kù)里相似的圖像給出推薦的食譜。

不過(guò)，該系統(tǒng)比較適用于烘焙類(lèi)的食物，比如餅干、松餅等，因?yàn)椤癛ecipe1M”數(shù)據(jù)庫(kù)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(lèi)似的食譜時(shí)，該系統(tǒng)也很容易“犯暈”，識(shí)別錯(cuò)誤率也會(huì)提升。據(jù)Hynes介紹，目前Pic2 Recipe的識(shí)別準(zhǔn)確率可達(dá)65%。該AI系統(tǒng)當(dāng)前遇到的最大瓶頸還在于圖片本身。因?yàn)樵谂臄z食物圖像時(shí)，食物的呈現(xiàn)往往會(huì)受到拍攝狀態(tài)的影響，比如角度、遠(yuǎn)近、擺放和燈光等因素，都有可能造成識(shí)別結(jié)果的不同。

Hynes同時(shí)表示，未來(lái)研究人員還想在其基礎(chǔ)上做一些細(xì)化和改進(jìn)，以便更好地了解這些食物。比如，根據(jù)該系統(tǒng)來(lái)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(shí)未來(lái)還有可能在該系統(tǒng)上開(kāi)發(fā)一個(gè)“晚餐助手”，即根據(jù)用戶(hù)的飲食習(xí)慣和冰箱里的“存貨”來(lái)推薦食譜清單。

“這可能有助于人們?cè)跊](méi)有明確營(yíng)養(yǎng)信息的時(shí)候弄清楚他們的食物里都有哪些成分。舉個(gè)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(yùn)行該模型后在Pic2 Recipe里找到含有具體含量的類(lèi)似食譜，以后就能使用這些信息來(lái)優(yōu)化你的用餐習(xí)慣?！盚ynes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(jiàn)轉(zhuǎn)載須知。