شناسایی مواد غذایی ایرانی در تصاویر با استفاده از یادگیری عمیق | ||
| مهندسی بیوسیستم ایران | ||
| دوره 54، شماره 3، پاییز 1402، صفحه 19-41 اصل مقاله (2.28 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2023.366560.665526 | ||
| نویسندگان | ||
| زهرا حاج علی اوغلی؛ سلیمان حسین پور* ؛ سید سعید محتسبی | ||
| گروه مهندسی ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| چکیده | ||
| سبک زندگی سالم و رژیم غذایی متعادل نقش حیاتی در حفظ سلامت انسانها ایفا میکند. در این دوره از تغییر سریع سبک زندگی و فناوری، یک سیستم تشخیص و بخشبندی مواد غذایی مبتنی بر موبایل که مواد غذایی را شناسایی کند، میتواند بسیار مفید باشد و عادات غذایی را بهبود بخشد. در این مقاله یک سیستم جدید ارائه شده است که با دریافت تصویر ورودی، مواد غذایی داخل تصویر را تشخیص و بخشبندی میکند. این سیستم از تکنیکها و مدلهای یادگیری عمیق استفاده میکند. الگوریتم مورد استفاده YOLO است که با بهرهمندی از روشهای ساده مبتنی بر رگرسیون، توانایی تشخیص و بخشبندی مواد غذایی را با یک گذر از شبکه فراهم میآورد که با هدف بهبود دقت و سرعت در تشخیص ارائه شده است. این روشها شامل استفاده از YOLOv7 برای تشخیص مواد غذایی و استفاده از بخشبندی نمونهای YOLOv5، YOLOv7 و YOLOv8 برای بخشبندی تصاویر است. علاوه بر این، مجموعهدادهای از غذاهای ایرانی حاوی مواد غذایی مختلف تهیه و مورد استفاده قرار گرفت. بر اساس نتایج، مقادیر دقت، یادآوری و دقت متوسط میانگین YOLOv7 به ترتیب 844/0، 924/0 و 932/0 به دست آمد. همچنین، عملکرد بخشبندی نمونهای YOLOv7 نسبت به YOLOv5 و YOLOv8 بهتر بود که مقادیر دقت بخشبندی، یادآوری و دقت متوسط میانگین 5/0 برای YOLOv7 به ترتیب 959/0، 943/0 و 906/0 است. نتایج حاکی از آن هستند که روش پیشنهاد شده در این مقاله دقت بالا در تشخیص مواد غذایی ایرانی و همچنین سرعت و دقت بالا در بخشبندی نمونهای را فراهم میکند. بنابراین با استفاده از الگوریتم YOLO، میتوان غذاهای ایرانی را با دقت بالا تشخیص داد و تصاویر آنها را تقسیم بندی کرد. این پژوهش از طریق تکنولوژی هوشمند و الگوریتمهای جدید یادگیری عمیق به ترویج سبک زندگی سالم از طریق تکنولوژی هوشمند در ایران میپردازد. | ||
| کلیدواژهها | ||
| تشخیص مواد غذایی؛ تقسیمبندی نمونهای؛ یادگیری عمیق؛ YOLOv7 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,147 تعداد دریافت فایل اصل مقاله: 833 |
||