Інтелектуальна інформаційна система розпізнавання та аналізу складу продуктів харчування

Abstract

Враховуючи довгострокові наслідки СOVID-19, лікарями запропоновано дотримуватись певного режиму харчування, оскільки якісні продукти важливі для здорового способу життя, а також боротьби з різноманітними хронічними хворобами. Розвиток технологій спонукає виробників до збільшення прибутку та здешевлення виробництва, використовуючи ароматизатори та специфічні харчові домішки (E-домішки), а також їхні синтетичні комбінації, кожна з яких має низку особливостей. Міжнародний збірник харчових стандартів Codex Alimentarius включає в себе перелік близько 500 видів оригінальних E-домішок, які можуть бути природними, ідентичними природним або синтетиками. Низка таких домішок має негативний вплив на організм людини, частина з них не повністю вивчена, що потенційно формує ризик генетичних мутацій, а відповідно аутоімунного та канцерогенного ефектів у майбутньому. Саме тому для покупця певного продукту харчування важлива швидка ідентифікація складу продукту, аналіз відповідних адитивів у ньому, їхньої небезпеки онлайн біля вітрини з використанням мобільних пристроїв та мережі Інтернет. Останнім часом сучасні розробки розглядаються через призму штучного інтелекту, відповідно такі моделі, які будуть орієнтовані на роботу з продуктами харчування, допоможуть підтримати прагнення людини до здорового харчування. У статті стисло описано розроблену інтелектуальну інформаційну систему, яка для досягнення поставленої мети застосовує моделі машинного навчання на наповненій базі даних з продуктами харчування, сканер бар-кодів з додатковою процедурою коригування, якщо він сильно пошкоджений, апарат регулярних виразів, метрик подібності тексту, а також систему рейтингування продуктів. Відповідний програмний додаток працює в трьох режимах на платформах iOS та Android: розпізнавання продукту, бар-кодів, аналіз складу та оцінювання товару. Програма дозволяє отримати інформацію про продукт, склад, перелік адитивів, наукову інформацію по ним, рейтинг «корисності» товару, порівняння його з продуктами-аналогами тощо.

Taking into account the long-term COVID-19 effects, doctors have suggested a specific diet, as quality foods are important for a healthy lifestyle, as well as fighting with various chronic diseases. Advances in technology encourage manufacturers to increase profits and reduce production costs by using flavorings and specific food additives (E-additives), as well as their synthetic combinations, each of which has a number of features. The international collection of food standards Codex Alimentarius includes a list of about 500 types of original E-additives, which can be natural, identical to natural or synthetic. A number of such additives have a negative effect on the human organism, some of them have not been fully researched, that potentially creates the risk of genetic mutations and, accordingly, autoimmune and carcinogenic effects in the future. That is why it is important for the buyer of a certain food product to quickly identify the product composition, analyze the relevant additives in it, their dangers “online” at the storefront using mobile devices and the Internet. Recently, modern developments have been considered through the prism of artificial intelligence, accordingly, such models, which will be oriented to work with food products, will help support people’s desire for healthy food. This article briefly describes the developed intelligent information system, which, to achieve the goal, applies machine learning models on a database with food products, a barcode scanner with an additional correction procedure, if it is highly damaged, a regular expression apparatus, a text similarity metric, and also a product rating system. The corresponding software application works in three modes on the iOS and Android platforms: product recognition, barcodes recognition, composition analysis and product evaluation. The program allows buyer to get information about the product, its composition, an additives list, scientific information on them, the rating of the product “usefulness”, its comparison with similar products, etc.