Система аналізу та надання рекомендацій з підбору страв та їх рецептів

Abstract

Магістерська робота викладена на 86 сторінках, вона містить 5 розділів, 27 джерел в переліку посилань. Розпізнавання образів є однією з фундаментальних проблем теорії інтелектуальних систем. З іншого боку, задача розпізнавання образів має величезне практичне значення. Оскільки практичні аспекти стосуються різних галузей сучасного життя, отож і в темі харчування розпізнавання зображень відіграє велику роль. На даний період часу проблеми в сфері вибору харчування набагато легше вирішити завдяки існуванню гаджетів, та можливістю розробки сучасних додатків, за допомогою технологій Machine Learning, Artificial intelligence, Image Recognition за допомогою Neural network, cтатистичного аналізу даних та Smart-house. Статистика збільшення захворювань пов'язаних із серцево-судинною системою а також неврозів, є наслідком зневажливого ставлення більшості населення до свого здоров'я. У вік погоні за кращим життям, люди намагаються заощаджувати час на всьому, особливо на прийомі їжі. Причинами стають ситуації з якими стикався кожен "що можна приготувати з того, що є в наявності вдома?" і при цьому не забути набрати необхідну калорійність та корисні речовини та не витрачати величезну кількість грошей на покупку розумного холодильника. Для рішення усіх вищеперерахованих питань необхідно розробити систему, яка буде проводити аналіз продуктів які є в наявності вдома в людини і які страви вона з них може приготувати. Створити рекомендації щодо подальших закупок. У магістерській роботі досліджено переваги та недоліки існуючих рішень, що здійснюють пошук рецептів за інгредієнтами, розроблене власне рішення, що враховує недоліки існуючих рішень та покращує досвід роботи з додатком, що отримує користувач. Отримані результати допоможуть спростити процес пошуку рецептів користувачем та оптимізувати час, що витрачається на формування запиту. Об’єкт дослідження - це процес вибору страви харчування залежно від потреб людини та наявності продуктів харчування. Через те що на даний момент найбільш цінна валюта в житті людини це її здоров’я та час, в дослідженні необхідно з’ясувати які процеси відбору продуктів для страв стануть важливим критерієм при розробці даного додатку. Необхідно визначити яким чином можливо полегшити процес вибору страви та заощадити на цьому процесі час користувача. Предмет дослідження – це втілення засобів розпізнавання зображень та аналітики для використання у додатку. Разом з розвитком області штучного інтелекту та машинного навчання, галузь комп’ютерного зору отримала новий поштовх для розвитку та можливість значно збільшити свою ефективність та розмаїття сфер використання. Все більше задач, в яких необхідно використати системи комп’ютерного зору, використовують ті, що базуються на використанні нейронних мереж та глибокого навчання. Мета дослідження - в розробці такої системи, яка дозволить користувачу обирати рецепт не думаючи про те які в нього є інгредієнти в наявності, необхідно надати системі можливість робити фото (для першого релізу можливий варіант робити фото самостійно, які буде розпізнавати система, що і буде застосовано, в наступних версіях буде доречним додати можливість обирати між самостійним завантаженням фотографій та підключенням технології Smart house, що ще більше буде надавати можливість економити час користувачеві, адже йому вже не буде потрібно самостійно робити фото продуктів, їх будуть розпізнавати смарт-камери, які будуть налаштовані на оновлення фотографій кожну годину, таким чином ситуація по наявності інгредієнтів буде відслідковуватись в режимі реального часу). Результат дослідження – розроблена практична реалізація системи аналізу та надання рекомендацій з підбору страв та їх рецептів.

Thesis is set out on 90 pages, it contains 5 sections, 30 sources in the list of references. Pattern recognition is one of the fundamental problems of the theory of intelligent systems. On the other hand, the task of pattern recognition is of great practical importance. Since the practical aspects relate to various areas of modern life, image recognition also plays an important role in nutrition. At the present time, problems in the field of food selection are much easier to solve due to the existence of gadgets and the ability to develop modern applications, using technologies Machine Learning, Artificial intelligence, Image Recognition using Neural network, statistical data analysis and Smart-house. The statistics of the increase in diseases related to the cardiovascular system, as well as neuroses, are the result of the contemptuous attitude of the majority of the population to their health. In the age of the pursuit of a better life, people try to save time on everything, especially on meals. The reasons are situations faced by everyone "what can be prepared from what is available at home?" and at the same time do not forget to gain the necessary calories and nutrients and do not spend a huge amount of money to buy a smart refrigerator. To address all of the above issues, it is necessary to develop a system that will analyze the products that are available at home in a person and what dishes he can cook from them. Create recommendations for further purchases. The dissertation project examines the advantages and disadvantages of existing solutions that search for recipes by ingredients, developed its own solution that takes into account the shortcomings of existing solutions and improves the experience with the application that the user receives. The results will help simplify the process of finding recipes by the user and optimize the time spent on the formation of the query. The object of research is the process of choosing a food dish depending on the needs of the person and the availability of food. Because the most valuable currency in a person's life at the moment is their health and time, the study needs to find out which food selection processes will be an important criterion in the development of this application. It is necessary to determine how it is possible to facilitate the process of choosing a dish and save user time on this process. The subject of the research is the implementation of image recognition and analytics tools for use in the application. With the development of artificial intelligence and machine learning, the field of computer vision has received a new impetus for development and the opportunity to significantly increase its efficiency and diversity of applications. More and more tasks that require the use of computer vision systems are using those based on the use of neural networks and deep learning. The purpose of the study - to develop a system that will allow the user to choose the recipe without thinking about what ingredients it has in stock, it is necessary to give the system the opportunity to take photos (for the first release it is possible to take photos yourself, which will be recognized by the system , in future versions it will be appropriate to add the ability to choose between self-uploading photos and connecting Smart house technology, which will further save the user time, because he will no longer need to take photos of products, they will be recognized by smart cameras to update photos every hour, so the situation for the availability of ingredients will be monitored in real time). The result of the research is the practical implementation of the system of analysis and providing recommendations for the selection of dishes and their recipes. Key words - image recognition, nutrition problems, analytical systems of recipe selection. The developed system in its first versions gives users the opportunity to customize the profile (enter all the parameters that will be needed by the system for the most correct selection of recipes and get an analysis of body characteristics and get advice on nutrition and healthy living); to make a photo image recognition - as the essence of the system so that the user can choose recipes that are not considered in it, you need to add a system to take photos (for the first release was chosen to take a photo yourself, which will recognize the system in future versions It would be appropriate to add a choice between self-uploading photos and connecting Smart house technologies, which will further save users time, so they do not need to take photos of products, they will recognize smart cameras that will be set to update photos every year. that is, such a situation for the actual availability of these articles will be monitored over time) Since the system is also focused on improving public health was added to the newsletter, which presents small articles that will take an average of about 30 years 40 seconds to reading "briefly about the important", which will make it clear how to eat right articles will be informative, illustrated for general understanding. Since the system is informational and advisory, the selected ration was obtained in a convenient form. Everyone could, who passed the filtering and according to the selection of user data, the selection of all recipes contained in allergies of users (as well as recipes that the user can not get due to the presented criteria of the disease). This feature is not even one of the options for eating contraindications for diseases, less important analysis, still taking into account what users like and do not like, but do not use the services of the diet. Additionally, it is part of the main part of the data, which is the recognition of product analysis by photo, which is uploaded by the user. In addition to the currently available products and other stages of analysis already described, the user receives a list of recommended recipes in the category of "traffic lights", namely in three areas: green, which indicates the recipes for which are available in Ingredients (Ingredients) At the moment, orange recipes for cooking in which not all are available, and the red zone where recipes for cooking in which there is not enough more than one product available. The recipe states the caloric content, methods and instructions for cooking. An option to add a dish to your liking history is the ability to save the recipe for later use. It is also possible to add a recipe for the orange and red zone. Get recommendations for purchases, which will be displayed in the recipe and basket of products for it. The downstream user can add additional information for analytics, namely add new product photos and change profile settings depending on which filtering takes place.