Штучний інтелект

Анотація: У роботі обґрунтовано необхідність отримання оцінки шкоди харчових продуктів для споживачів з хронічними захворюваннями або алергією, що важливо для запобігання можливому погіршенню перебігу захворювання або усунення гострої алергічної реакції організму людини на шкідливі інгредієнти, присутні в продукті. Доведено, що наразі не існує зручної інтелектуальної системи, яка могла б розпізнавати склад продуктів, представлених на українському ринку, надавати характеристики продуктів та оцінку шкідливості продукту. Пропонується використовувати етикетки та упаковку харчових продуктів як первинні джерела інформації про харчовий продукт, яка є доступною для споживача. Показано, що друкована інформація на упаковках представлена у текстово-графічному вигляді. Запропоновано та обґрунтовано розроблення мобільної системи як програмного рішення для виявлення та аналізу текстово-графічної інформації складу продукції на основі використання методів штучного інтелекту. Розроблено структурну схему інтелектуальної мобільної системи для виявлення та аналізу складу харчових продуктів. Для виділення текстових регіонів на матриці вхідного зображення у представленому алгоритмічному забезпеченні використовується алгоритм MSER. Розв’язання задачі розпізнавання символів виконувалося на основі використання згорткової нейронної мережі MobileNet-V2, що є на сьогодні найкращим варіантом у задачах класифікації зображень мобільними додатками, які не мають серверної частини, а отже великих обчислювальних ресурсів. Вирівнювання тексту на зображенні здійснювалося використанням методу знаходження прямокутника з найменшою площею. Розроблено алгоритми групування слів. Для оцінки шкідливості продуктів запропоновано алгоритм підтримки прийняття рішень. Розроблена система дає можливість персоналізованого підбору продуктів харчування під кожного індивідуального користувача, тобто оцінка складу продуктів вираховується з урахуванням стану здоров’я користувача, наявних загроз, хвороб, обмежень або алергій.

Ключові слова: аналіз складу продукту; оцінка шкідливості їжі; алгоритм прийняття рішень; інтелектуальна система; розпізнавання тексту.

Посилання:

1. A. Hybrid Approach to Detectand Localize TextsinNatural Scene Images. Yi-Feng Pan; Xinwen Hou; Cheng-Lin Liu. IEEE Transactions on Image Processing vol: 20, no: 3, pp. 800–813 March 2011. doi:10.1109/TIP.2010.2070803
2. Beyond MSER: Maximally Stable Regionsusing Tree of Shapes. Petra Bosilj, Ewa Kijak, Sébastien Lefèvre, September 2015. doi:10.5244/C.29.169. [Online] – Available: https://www.researchgate.net/publication/281565129_Beyond_MSER_Maximally_Stable_Regions_using_Tree_of_Shapes
3. Chy shkidlyva palmova oliya. Отримано з https://moz.gov.ua/article/health/chi-shkidliva-palmova-olija
4. Classification of fused face images using multilayer perceptron neural network, Debotosh Bhattacharjee, Mrinal Kanti Bhowmik, Mita Nasipuri, Dipak Kumar Basu, Mahantapas Kundu. Отримано з https://arxiv.org/abs/1007.0633
5. Documents kewdetection using minimum-area bo undingrect angle. Reza Safabakhsh. Shahram Khadivi. February 2000. doi:10.1109/ITCC.2000.844226. [Online] – Available: https://www.researchgate.net/publication/3848296_Document_skew_detection_using_minimum-area_bounding_rectangle
6. Food label reading: Read before youeat. Goyal R, Deshmukh N. Отримано з https://www.researchgate.net/publication/324761439_Food_label_reading_Read_before_you_eat
7. Generalized Intersectionover Union: A Metricand A Loss for Bounding Box Regression. February 2019. Hamid Rezatofighi, Nathan Tsoi, Jun Young Gwak, Amir Sadeghian. Отримано з https://www.researchgate.net/publication/331371000_Generalized_Intersection_over_Union_A_Metric_and_A_Loss_for_Bounding_Box_Regression
8. Hand written Optical Character Recognition (OCR): A Comprehensive Systematic Literature Review (SLR) Jamshed Memon, Maira Sami, and Rizwan Ahmed Khan. July 2020 IEEE Access. doi:10.1109/ACCESS.2020.3012542. [Online] – Available: https://www.researchgate.net/publication/343273822_Handwritten_Optical_Character_Recognition_OCR_A_Comprehensive_Systematic_Literature_Review_SLR
9. Identification of for k points on the skelet on sofh and written Chine secharacters. K. Liu, Y. S. Huang, and C. Y. Suen, IEEE Trans. Pattern Anal. Mach. Intell., vol. 21, no. 10, pp. 1095–1100, Oct. 1999, doi:10.1109/34.799914
10. Informacionnaya zapiska INFOSAN No. 3/2006 – Pishchevye allergii. Vsemirnaya organizaciya zdravoohraneniya. Отримано з https://www.who.int/foodsafety/fs_management/No_03_allergy_June06_ru.pdf
11. Metod identyfikaciyi harchovyh dobavok (pidsolodzhuvachiv) z metoyu vyyavlennya falsyfikaciyi produkciyi / P. G. Stolyarchuk [tain.] // Visnyk Nacz. tehn. un-tu "HPI": zb. nauk. pr. Temat. vyp.: Novi rishennya v suchasnyh tehnologiyah. – Harkiv: NTU "XPI", 2010. – # 46. – S. 3-7.
12. Mobile Net V2: Inverted Residuals and Linear Bottlenecks Mark Sandler Andrew Howard Menglong Zhu Andrey Zhmoginov Liang-Chieh Chen. Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov, Liang-Chieh Chen. doi:10.1109/CVPR.2018.00474. Отримано з https://ieeexplore.ieee.org/document/8578572
13. Natural Scene Text Detection with Multi-channel Connected Component Segmentation. Xiaobing Wang; Yonghong Song; Yuanlin Zhang. 12th International Conference on Document Analysis and Recognition, 2013. doi:10.1109/ICDAR.2013.278
14. On the Minimum-Area Rectangular and Square Annulus Problem. Sang Won Bae. Отримано з https://arxiv.org/abs/1904.06832
15. Optimizing intersection-overunionin deep neural networks for images egmentation. Md Atiqur Rahman and Yang Wang. Отримано з http://cs.umanitoba.ca/~ywang/papers/isvc16.pdf
16. Pediatric Age Palm Oil Consumption. Lorenza Di Genova, Laura Cerquiglini, Laura Penta, Anna Biscarini, and Susanna Esposito. Отримано з https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5923693/
17. Real-Time and Accurate Drone Detection in a Video with a Static Background. Ulzhalgas Seidaliyeva, Daryn Akhmetov, Lyazzat Ilipbayeva, Eric T. Matson. doi:10.3390/s20143856. Отримано з https://www.researchgate.net/publication/342856036_Real-Time_and_Accurate_Drone_Detection_in_a_Video_with_a_Static_Background
18. Recognition of Handwritten Chinese Characters Basedon Concept Learning. Liang Xu, Yuxi Wang, Xiuxi Li, Ming Pan. July 2019. IEEE Access PP(99):1-1. doi:10.1109/ACCESS.2019.2930799
19. Region graph based text extraction from outdoor images. Hiroki Takahashi. August 2005. doi:10.1109/ICITA.2005.235 [Online] – Available: https://www.researchgate.net/publication/4162652_Region_graph_based_text_extraction_from_outdoor_images
20. Robust wide-base line stereo from maximally stable extremal regions. J. Matas, O. Chum, M. Urban, and T. Pajdla. Отримано з https://cmp.felk.cvut.cz/~matas/papers/matas-bmvc02.pdf
21. Ship Detection from Ocean SAR Image Basedon Local Contrast Variance Weighted Information Entropy. Weibo Huo, Yulin Huang, Jifang Pei, Qian Zhang, Qin Guand Jianyu Yang. Отримано з https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5948720/
22. Survey on Text Detection, Segmentation and Recognition from a Natural Scene Images. Uma Karanje, Rahul Dagade. International Journal of Computer Applications 108(13):39–43.December 2014. doi:10.5120/18974-0472. [Online] – Available: https://www.researchgate.net/publication/287689667_Survey_on_Text_Detection_Segmentation_and_Recognition_from_a_Natural_Scene_Images
23. Text Detection and Recognition in Images and Videos. Datong Chen, Jean-Marc Odobez, Herve Bourlard. January 2004. Отримано з https://www.researchgate.net/publication/37433214_Text_Detection_and_Recognition_in_Images_and_Videos
24. Text detection and recognition using enhanced MSER detection and a novel OCR technique. Md. Rabiul Islam; Chayan Mondal; Md. Kawsar Azam; Abu Syed Md. Jannatul Islam. 5th International Conference on Informatics, Electronics and Vision (ICIEV), 2016. doi:10.1109/ICIEV.2016.7760054.
25. Thinning methodologies – a comprehensive survey. L. Lam, S. W. Lee, and C. Y. Suen, IEEE Trans. Pattern Anal. Mach. Intell., vol. 14, no. 9, pp. 869–885, Sep. 1992, doi:10.1109/34.161346
26. Using Adaboost to Detect and Segment Characters from Natural Scenes. K. H. Zhu, F. H. Qi, R. J. Jiang, L. Xu, M. Kimachi, Y. Wu, and T.Aizawa. Отримано з http://www.imlab.jp/cbdar2005/proceedings/papers/O2-3.pdf