Інтелектуальна інформаційна система рекомендацій рецептів страв

Abstract

Сучасні інформаційні технології сприяють розвитку різноманітних сфер життя, включаючи галузь харчування та кулінарії. У контексті цього, розробка інтелектуальної інформаційної системи, що генерує та рекомендує рецепти страв на основі розпізнавання продуктів, стає актуальною та перспективною задачею. Дослідження в цій області передбачає аналіз сучасних інформаційних технологій, методів машинного навчання та обробки зображень для розпізнавання продуктів, а також розробку алгоритмів генерації рецептів страв на основі доступних інгредієнтів та інших критеріїв користувачів. Система, розроблена в даній роботі, застосовує методи штучного інтелекту (OpenAI – мовна модель GPT 3.5 Turbo) та нейронних мереж для розпізнавання інгредієнтів на фото (YOLOv8). Об’єктом дослідження є процес автоматизації генерування персоналізованих рецептів страв. Предмет дослідження охоплює методи та засоби автоматизованого генерування персоналізованих рецептів страв. Метою дослідження є розробка та впровадження інтелектуальної інформаційної системи з рекомендаціями рецептів страв, яка забезпечуватиме користувачів швидким та зручним доступом до рецептів та персоналізованими рекомендаціями, сприяючи розвитку кулінарної культури та задоволенню кулінарних уподобань. Результати дослідження в області інформаційних технологій у сфері харчування та кулінарії свідчать про значний інтерес користувачів до цього напрямку та його невпинний розвиток. Аналіз впливу інформаційних технологій на доступність та персоналізацію кулінарної інформації підтверджує їх потенціал у покращенні якості життя та економії часу для користувачів. Для реалізаціії проектованого рішення був проведений системний аналіз ключових елементів, що дав можливість сформулювати стратегічні напрями розвитку майбутньої системи та вибрати оптимальний шлях досягнення поставлених цілей. Вибір технологій та моделей демонструє комплексний підхід до розробки системи, спрямований на забезпечення зручного та ефективного пошуку рецептів для користувачів. А отже, в результаті архітектура системи складається з таких важливих елементів: інтелектуальний модуль обробки фотографій з виявленням на ній об’єктів та модуль генерування рецептів. Таке поєднання допомагає створювати персоналізовані рекомендації рецептів, що в свою чергу сприяє забезпеченню ефективного та індивідуалізованого підходу до користувачів системи. Для реалізації інтелектуальної складової системи, було досліджено і порівняно різні моделі розпізнавання об’єктів, а обрано до застосування модель YOLOv8. Для навчання нейронної мережі, яке відбувалось в середовищi Google Colab, було сформовано датасет з 15532 фотографій різних продуктів та інгредієнтів. Розідлено цей набір з 30 класів було так: train set – 13810, validation set – 1636, test set – 716. Тренування зайняло 6 годин і близько 76.7% виявлених об’єктів є правильними. Для розробки системи було обрано мову програмування Python, інтерфейс користувача – Telegram чат-бот. Для розгортання та керування системою використовується хостинг Replit. Результати аналізу та реалізації проекту свідчать про високу якість роботи системи та відповідність її вимогам і очікуванням. Показники точності і повноти моделі також підтверджують добрі перспективи для досягнення глобальних цілей дослідження. Очікується, що впровадження інтелектуального Telegram чат-бота для рекомендацій рецептів страв має потенціал зменшити стрес та економити час користувачів, сприяти розвитку кулінарної обізнаності та творчості, а також знизити відходи їжі та поліпшити управління ресурсами. Ця система може позитивно вплинути на спосіб, яким люди готують та планують їжу, спрощуючи процес та роблячи його більш ефективним та сталим. Отже, створена інтелектуальна інформаційна система рекомендацій рецептів страв має значний потенціал для покращення кулінарного досвіду користувачів та ефективного використання інформаційних технологій у сфері харчування. Цей проект є технологічно передовим та фінансово обґрунтованим рішенням з великими перспективами для подальшого розвитку і використання.

Modern information technologies contribute to the development of various spheres of life, including the food and cooking industry. In this context, the development of an intelligent information system that generates and recommends recipes based on product recognition is becoming an urgent and promising task. Research in this area involves the analysis of modern information technologies, machine learning and image processing methods for product recognition, as well as the development of algorithms for generating recipes based on available ingredients and other user criteria. The system developed in this paper applies artificial intelligence methods (OpenAI - GPT 3.5 Turbo language model) and neural networks to recognize ingredients in a photo (YOLOv8). The object of research is the process of automating the generation of personalized recipes. The subject of the study includes methods and tools for automated generation of personalized recipes. The purpose of the study is to develop and implement an intelligent information system with recommendations for recipes, which will provide users with quick and convenient access to recipes and personalized recommendations, contributing to the development of culinary culture and satisfaction of culinary preferences. The results of the study in the field of information technology in the field of nutrition and cooking indicate a significant interest of users in this area and its continuous development. An analysis of the impact of information technology on the availability and personalization of culinary information confirms its potential to improve the quality of life and save time for users. To implement the projected solution, a systematic analysis of key elements was carried out, which made it possible to formulate strategic directions for the development of the future system and choose the best way to achieve the goals. The choice of technologies and models demonstrates an integrated approach to system development aimed at ensuring convenient and efficient recipe search for users. As a result, the system architecture consists of the following important elements: an intelligent photo processing module with object detection and a recipe generation module. This combination helps to create personalized recipe recommendations, which in turn helps to ensure an effective and individualized approach to system users. To implement the intellectual component of the system, various object recognition models were investigated and compared, and the YOLOv8 model was chosen for use. To train the neural network, which took place in the Google Colab environment, a dataset of 15532 photos of various products and ingredients was formed. This set was divided into 30 classes as follows: 13810 training set, 1636 validation set, and 716 test set. The training took 6 hours and about 76.7% of the detected objects are correct. Python programming language was chosen to develop the system, and Telegram chatbot was chosen as the user interface. Replit hosting is used to deploy and manage the system. The results of the project analysis and implementation indicate the high quality of the system and its compliance with the requirements and expectations. The accuracy and completeness of the model also confirm good prospects for achieving the global goals of the study. It is expected that the introduction of an intelligent Telegram chatbot for recommending food recipes has the potential to reduce stress and save users' time, promote culinary awareness and creativity, as well as reduce food waste and improve resource management. This system can positively influence the way people prepare and plan meals by simplifying the process and making it more efficient and sustainable. Thus, the created intelligent information system for recommending recipes has significant potential to improve the culinary experience of users and the effective use of information technology in the field of nutrition. This project is a technologically advanced and financially sound solution with great prospects for further development and use.