Processus d'extraction et de classification en deux étapes pour identifier les ingrédients sur les photos d'aliments
Recherche publiée dans le Revue internationale des systèmes intelligents basés sur le raisonnement discute d'une nouvelle approche de l'identification des ingrédients dans les photographies d'aliments. Ce travail sera utile pour faire avancer nos efforts en matière de sécurité alimentaire.
Sharanabasappa A. Madival et Shivkumar S. Jawaligi de l'Université Sharnbasva à Kalburgi, Karanataka, Inde, ont utilisé un processus en deux étapes d'extraction et de classification des caractéristiques pour améliorer les approches précédentes d'identification des ingrédients dans ce contexte.
L’équipe explique que leur approche a utilisé des fonctionnalités profondes basées sur la transformation de caractéristiques invariantes d’échelle (SIFT) et les réseaux neuronaux convolutifs (CNN) pour extraire à la fois les caractéristiques d’image et de texte. Une fois extraites, les caractéristiques sont introduites dans un classificateur hybride, qui fusionne les modèles de réseau neuronal (NN) et de mémoire à long terme (LSTM).
L’équipe explique que la précision de leur modèle peut être affinée davantage grâce à l’application de l’algorithme d’optimisation du travail d’équipe évalué par carte de Chebyshev (CME-TWO). Tout cela conduit à une identification précise des ingrédients.
La gestion alimentaire dans un monde globalisé est essentielle aux chaînes d’approvisionnement mondiales, à la sécurité alimentaire, à la traçabilité et à la détection des faux aliments et de la fraude alimentaire. En tant que consommateurs et convives, nous devons savoir que les ingrédients contenus dans les aliments que nous consommons, en particulier dans le contexte de diverses préférences alimentaires et de considérations de santé, sont valables.
L’équipe a constaté que leur approche fonctionne plus efficacement que les systèmes actuels d’identification des ingrédients. Plus précisément, ils ont démontré que le modèle HC + CME-TWO est largement le plus performant, ce qui peut donc être considéré comme indiquant une avancée significative dans ce domaine. C’est l’utilisation d’un classificateur hybride et l’affinement des pondérations à l’aide de l’algorithme CME-TWO qui conduisent à une nette amélioration de la précision et de la fiabilité. De plus, l’équipe affirme qu’il y a encore place à l’amélioration en termes de réduction des délais de traitement grâce à l’optimisation.
Les travaux se concentrent sur la sécurité alimentaire mais pourraient être utilisés pour relever les défis auxquels sont confrontés les régulateurs et autres acteurs qui tentent de garantir l'authenticité des aliments, en particulier parmi les aliments de grande valeur.
