Կալորիականության հավելվածներն ուղղակիորեն չեն չափում սննդի էներգիան: Նրանք համատեղում են սննդամթերքի տվյալների գրառումը օգտագործողի կողմից տրամադրված կամ գնահատված չափաբաժնի, շտրիխ կոդի, բաղադրատոմսի կամ պատկերային համակարգի հետ: Արդյունքը կարող է օգտակար լինել, բայց այն ժառանգում է անորոշություն ինչպես տվյալներից, այնպես էլ մասից:
Հիմնադրամ. Պարենային տվյալների բազաներ
Յուրաքանչյուր կալորիաների հետագծման հավելվածի հիմքում սննդի համապարփակ տվյալների բազան է: Այս տվյալների բազաները պարունակում են սննդային տեղեկատվություն հազարավոր մթերքների համար և կառուցված են տարբեր աղբյուրներից.
- USDA FoodData Central: Սննդի բաղադրության տվյալների հանրային աղբյուր՝ տվյալների մի քանի տեսակներով
- Արտադրողի տվյալներ. Ուղիղ սննդային տեղեկատվություն սննդամթերք արտադրողներից
- Ռեստորանային համագործակցություն. Պաշտոնական մենյու սննդային տվյալներ
- Օգտատիրոջ ներդրումները. Գրառումներ, որոնք կարող են լրացուցիչ ստուգման կարիք ունենալ
- Լաբորատոր վերլուծություն. Սննդի նմուշների ուղղակի փորձարկում
Շտրիխ կոդի սկանավորման տեխնոլոգիա
Երբ սկանավորում եք շտրիխ կոդը, հավելվածը.
- Գրավում է UPC (ընդհանուր արտադրանքի կոդը)
- Հարցում է տվյալների բազան համապատասխան ապրանքների համար
- Ստանում է սննդային տեղեկատվությունը արտադրողից
- Ցուցադրում է մատուցման չափի ընտրանքները և սննդային բաշխումը
AI-ի վրա աշխատող սննդի ճանաչում
Ժամանակակից հավելվածները, ինչպիսիք են kkal.ai-ը, օգտագործում են համակարգչային տեսլականը և մեքենայական ուսուցումը լուսանկարներից մթերքները ճանաչելու համար.
Պատկերի մշակման քայլեր.
- Օբյեկտների հայտնաբերում. Առանձին սննդամթերքի նույնականացում նկարում
- Սննդի դասակարգում. Որոշել, թե ինչ տեսակի սնունդ է յուրաքանչյուր առարկա
- Մասաբաժնի գնահատում. Վիզուալ նշանների հիման վրա սպասարկման չափերի հաշվարկ
- Սննդային հաշվարկ. Տեսողական տվյալների փոխակերպում կալորիականության
Մասի չափի հաշվարկներ
Պաշարների չափերը որոշելը կալորիաներին հետևելու ամենամեծ մարտահրավերներից մեկն է: Հավելվածները օգտագործում են մի քանի մեթոդներ.
Տեսողական հղումների մեթոդներ.
- Սննդի համեմատություն սովորական առարկաների հետ (տախտակամած, թենիսի գնդակ)
- Օգտագործելով սննդային պիտակների ստանդարտ չափսերը
- AI-ով աշխատող չափերի գնահատում լուսանկարներից
- Օգտագործողի կողմից սահմանված մաքսային մասեր
Բաղադրատոմսի և ճաշի վերլուծություն
Բարդ կերակուրների համար հավելվածները բաժանում են բաղադրատոմսերը՝
- Անհատական բաղադրիչների վերլուծություն
- Ընդհանուր սննդային պարունակության հաշվարկ
- Բաժանում ըստ մատուցումների քանակի
- Խոհարարության մեթոդների և պատրաստման հաշվառում
Մեքենայի ուսուցում և անհատականացում
Որոշ հավելվածներ օգտագործում են նախկին վարքագիծը՝ կրկնվող մուտքերը նվազեցնելու կամ առաջարկները հարմարեցնելու համար.
- Կաղապարի ճանաչում. Սովորել անհատական ուտելու սովորություններ
- Նախապատվությունների հետևում. Հիշելով հաճախակի օգտագործվող մթերքները
- Ուղղման գրավում. Փոփոխությունների պահպանում կամ հետադարձ կապի հավաքում, որտեղ արտադրանքն աջակցում է դրան
- Անհատականացված առաջարկներ. Առաջարկեք սննդամթերք՝ ելնելով նպատակներից
Տվյալների ստուգում և որակի վերահսկում
Տվյալների բազայի որակը կարող է ապահովվել մի քանի հսկիչով, թեև արտադրանքները տարբերվում են, թե որ հսկիչ սարքերն են օգտագործում.
- Համայնքի մոդերացիայի և հաշվետվության համակարգեր
- Պարբերաբար թարմացումներ պաշտոնական սննդային աղբյուրներից
- Կրկնօրինակների ավտոմատ հայտնաբերում և հեռացում
- Տեսանելի աղբյուրի պիտակներ և որակավորված վերանայման գործընթացներ, որտեղ առկա են
API-ների և երրորդ կողմի ծառայությունների դերը
Շատ հավելվածներ ինտեգրվում են արտաքին ծառայությունների հետ.
- Nutrition API-ներ. Ծառայություններ, ինչպիսիք են Edamam-ը կամ Spoonacular-ը
- Ֆիթնես թրեքերներ. Կալորիաների այրման տվյալների համաժամացում
- Մթերային տվյալների բազաներ. Իրական ժամանակի արտադրանքի մասին տեղեկատվություն
- Ռեստորանի API-ներ. Թարմացված մենյուի սննդային տվյալները
Մարտահրավերներ և սահմանափակումներ
Չնայած առաջադեմ տեխնոլոգիաներին, կալորիաների հետագծման հավելվածները բախվում են մի քանի մարտահրավերների.
- Սննդի պատրաստման եղանակների փոփոխականություն
- Անհատական նյութափոխանակության տարբերություններ
- Սննդային բովանդակության արտադրության սեզոնային տատանումները
- Օգտագործողի սխալ մասնաբաժնի գնահատման մեջ
- Բացակայող կամ թերի սննդային տվյալներ
Հնարավոր ապագա ուղղություններ
Այս տեխնոլոգիաները ուսումնասիրվում են, սակայն հասանելիությունը և իրական աշխարհում վավերացումը տարբեր են.
- Սպեկտրոսկոպիա: Սննդի բաղադրության վերլուծություն լույսով
- IoT ինտեգրում. Խելացի խոհանոցային կշեռքներ և սարքեր
- Ընդլայնված իրականություն. Իրական ժամանակի հատվածի պատկերացում
- Հագնվող սարքերի ինտեգրում. Շարունակական նյութափոխանակության մոնիտորինգ
