基于机器学习的实时垃圾食品识别系统
计算机视觉与模式识别
2022-03-23 v1 机器学习
摘要
由于不良的饮食习惯，人类可能会遭到毁灭。人们不断寻找美味食物，而垃圾食品是最常见的来源。因此，我们的饮食模式正在改变，并且比以往任何时候都更倾向于垃圾食品，这不利于健康并增加了患健康问题的风险。机器学习原理应用于我们生活的方方面面，其中之一就是通过图像处理的物体识别。然而，由于食物性质各异，这一过程至关重要，而 ANN、SVM、KNN、PLS 等传统方法将导致较低的准确率。深度神经网络克服了所有这些问题。本工作中，我们创建了一个包含 20 类垃圾食品、共 10,000 个数据点的新数据集，以尝试识别垃圾食品。数据集中的所有数据均使用 Google 搜索引擎收集，被认为在各方面都是独一无二的。我们使用以图像处理闻名的卷积神经网络 (CNN) 技术实现了目标。我们在整个研究中达到了 98.05\% 的准确率，令人满意。此外，我们基于真实事件进行了测试，结果非凡。我们的目标是将这项研究推进到下一阶段，以便应用于未来的研究。我们的最终目标是创建一个系统，鼓励人们避免吃垃圾食品并保持健康意识。\keywords{ Machine Learning \and junk food \and object detection \and YOLOv3 \and custom food dataset.}
引用
@article{arxiv.2203.11836,
title = {A Real-time Junk Food Recognition System based on Machine Learning},
author = {Sirajum Munira Shifat and Takitazwar Parthib and Sabikunnahar Talukder Pyaasa and Nila Maitra Chaity and Niloy Kumar and Md. Kishor Morol},
journal= {arXiv preprint arXiv:2203.11836},
year = {2022}
}
备注
15 pages, 7 figures, accepted in ICBBDB conference