Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: V Всероссийская (национальная) научная конференция «Достижения науки и технологий» (ДНиТ-V-2026); Красноярск; Красноярск
Год издания: 2026
Ключевые слова: computer vision, food recognition, food volume estimation, deep learning, automated cashier systems, artificial intelligence, компьютерное зрение, распознавание блюд, оценка объёма пищи, глубокое обучение, автоматизация кассовых систем, искусственный интеллект
Аннотация: В статье представлен обзор современных научных исследований в области распознавания блюд и оценки их объёма с использованием методов компьютерного зрения. Рассматриваются основные подходы к классификации изображений еды, основанные на методах глубокого обучения, а также методы количественной оценки порций с применением 2D- и 3D-данПоказать полностьюных, стереозрения и RGB-D-сенсоров. Проанализированы как академические исследования, так и прикладные разработки, ориентированные на автоматизацию кассовых зон в сфере общественного питания. Проведено сравнение используемых методологий и достигнутых результатов, выявлены ограничения существующих решений и обозначены ключевые проблемы, связанные с универсальностью и точностью оценки объёма блюд в реальных условиях эксплуатации. На основе анализа сформулированы перспективные направления дальнейших исследований, направленные на создание комплексных систем автоматического распознавания и количественной оценки блюд, пригодных для практического внедрения. This paper presents a review of modern research in the field of food recognition and volume estimation using computer vision techniques. The main approaches to food image classification based on deep learning methods are examined, along with quantitative portion estimation methods utilizing 2D and 3D data, stereo vision, and RGB-D sensors. Both academic studies and applied solutions aimed at automating cashier systems in the food service industry are analyzed. The methodologies and achieved results of various studies are compared, and key limitations of existing approaches are identified, particularly those related to the robustness and accuracy of volume estimation under real-world conditions. Based on the conducted analysis, promising directions for future research are proposed, focusing on the development of integrated systems for automatic food recognition and quantitative assessment suitable for practical deployment
Журнал: Достижения науки и технологий (ДНиТ-V-2026)
Номера страниц: 517-522
Место издания: Красноярск